Mit Crowdmap den besten Gebäude-Datensatz in Berlin erzeugen

Wir starten ein Experiment mit der OSM Berlin Community und dem Team von Crowdmap von HeiGIT: Gemeinsam testen wir die Prozesse und Technologie Crowdmap, um die Vollständigkeit und Richtigkeit der Gäube in OpenStreetMap Berlin zu überprüfen.

Ausgangslage

Man könnte sagen, in OpenStreetMap in Berlin sind alle Gebäude erfasst. Und das nicht nur grob, sondern zum Teil mit detaillierten Geometrien und vielen Attributen. Das ist zumindest der Eindruck, den man gewinnt, wenn man sich die Berlinkarte und Daten anschaut.

Aber stimmt das auch? Und was ist mit den Orten in Berlin, die seltener von den aktiven Mappern besucht werden? Was ist mit den vielen abgerissenen und neu gebauten Gebäuden jedes Jahr?

Wir haben in Berlin seit vielen Jahren Zugriff auf die amtlichen Geodaten und jährlich aktualisierte Luftbilder. Aber auch mit solchen guten Referenzdaten gilt, dass jemand aus der OSM Commmunity die Daten abgleichen und eintragen muss.

Aus Stichproben wissen wir, dass überall in Berlin blinde Flecken versteckt sind, die dringend eine Aktualisierung vertragen könnten.

Es braucht Tooling zum systematischen Datenabgleich

Aber Berlin ist zu groß, um “mal eben” alle Gebäude zu prüfen. Und sobald mehrere Personen mithelfen, braucht es Tooling um sich zu koordinieren.

Der Tasking Manager war keine Lösung

In 2021 haben wir ein erstes Experiment in diese Richtung gestartet.

Das übliche Werkzeug, dass die OSM Community verwendet, wenn es darum geht große Flächen systematisch zu bearbeiten ist der Tasking Manger. Dort teilt man eine Fläche in Quadrate und kann diese dann gemeinsam abarbeiten.

Bildquelle

Im humanitären Bereich ist dieses Tool erfolgreich im Einsatz. Nach einem Erdbeben werden so Freiwillige aus der ganzen Welt koordiniert (Beispiel) um Gebäude und Straßen zu aktualisieren. Und zwischen den Krisen können Freiwillige in “Missing Maps” Mapathons dort Basisdaten erheben, wo noch gar nichts gemapped wurde.

Für die Aufgabe, einen Datenabgleich mit OpenData in Berlin durchzuführen, hat sich der Tasking Manager als das falsche Werkzeug erwiesen: Der Editing Workflow ist langsam und man hat kaum Erfolgserlebnisse. Hinzu kommt, dass man sich in einem hoch gemappten Gebiet wie Berlin zu schnell in Details verliert, was den ganzen Prozess noch langsamer macht.

Unser Fazit ist, dass so kein Momentum entsteht, um als Community einen Datenabgleich durchzuführen.

Der Datenabgleich muss Spaß machen

Zum Glück ist auch dieses Problem nicht neu im OSM Ökosystem. Das Missing Maps Projekt hatte vor einigen Jahren ein ähnliches Problem: Sie wollten Gebäude in Afrika erfassen … aber hatten keine Informationen über Siedlungen. Man konnte zwar im Tasking Manager große Flächen angeben, aber diese abzuarbeiten macht keine Spaß und ist fehleranfällig, wenn die Fläche zu 95 % keine Gebäude enhält.

Es braucht also einen Weg, um schnell große Gebiete mit der einfachen Fragestellung “gibt es auf diesem Luftbild Gebäude ja/nein/vielleicht” zu klassifizieren.

So ist das MapSwipe Projekt entstanden. In der mobilen Apps kann man sehr niedrigschwellig, ohne viel Aufwand aber vor allem fast ohne Vorwissen helfen, Gebiete zu klassififizieren.

MapSwip ist eine Kooperation des Humanitären OpenStreetMap-Teams (HOT) und der HeiGIT gGmbH, dem Heidelberg Institute for Geoinformation Technology.

In den letzten Monaten hat HeiGIT daran gearbeite, das Prinzip von MapSwipe aus dem Humanitären Ansatz zu abstrahieren und für weitere Projekte zu öffnen. Wir sind erste Nutzer dieser neuen Möglichkeiten.

Lasst uns ein Experiment machen: Crowdmap

Wir wollen jetzt herausfinden, wie gut die Crowdmap Methoden für einen Anedungsfall mit Gebäuden in Berlin funktioniert. Dafür haben wir eine Karte vorbereitet, auf der man neben dem aktuellen Luftbild auch die Gebäudeumrisse sehen kann.

Die Aufgaber aller Helfer:innen ist jetzt, die Karte durchzu”wischen” und für jede Kachel zu markieren…

  • ✅ ob alles OK ist “Hier stimmen die Gebäude aus OSM mit dem Luftbild überein.”
  • 👀 ob es etwas zu prüfen gibt “Hier müssen die Gebäude in OSM kontrolliert werden, denn es gibt Abweichungen zum Luftbild.”
  • 🤷 ob die Kachel übersprungen werden soll “Ich kann die Frage für diese Kachel nicht beantworten.”

Es wird mehrere Phasen geben

Wir starten dieses Projekt für den Berliner Berzirk Friedrichshain-Kreuzberg. Der hat eine gute Größe und wir wissen, dass in einigen Teilen weniger aktive Mapper aktiv sind die auf Gebäude achten würden, als anderswo in Berlin.

Später wollen wir ein Folgeprojekt starten das auf Rest von Berlin schaut – vor allem außerhalb des S-Bahn-Rings, wo es sicher noch mehr zu aktualisieren gibt.

Grundsätzlich gibt es dann zwei Phasen in jedem Projekt:

  1. In Crowdmap wird das Gebiet großflächig geprüft Das Ergebnis ist eine Karte von Gebieten, an denen es etwas zu tun gibt.
  2. In einer zweiten Phase packen wir nur diese Gebiete in ein MapRoulette oder Tasking Manager Projekt. Dann wird die Aufgabe erfahrenerer Mapper:innen sein, auf genau diese Gebiete noch einmal zu schauen und die Daten in OSM zu korrigieren (Gebäude zu ergänzen oder präzisieren, Baustellen einzeichnen oder löschen, Gebäude abreißen und Flächenangaben (landuse) aktualisieren.)

Was hat es mit der Verkehrswende zu tun?

Jetzt kann man sich fragen, warum diese Projekt zu Gebäuden auf der OSM-Verkehrswende-Seite steht. Der banal-technische Grund ist, dass wir für osm-berlin.org bisher noch keine Website wie hier eingerichtet haben. Gleichzeitig passt dieses Experiment gut in die Arbeit, die wir in der Verkehrswende-Gruppe machen: Wir suchen nach neuen Wegen die Qualität von OSM zu verbessern. Die Gebäude waren dabei ein dankbares erstes Experiment, aber wir können uns gut vorstellen damit auch das Vorhandensein von Radwegen entlang von Landstraßen in einem Flächenland wie Brandenburg vorzufiltern. Oder fehlende Oberflächenfarben oder Radwegbreiten in den Daten von OSM in Berlin zu überprüfen.