NDVI-Zeitreihen aus Sentinel-2 ableiten, Habitateignungsmodelle mit MaxEnt berechnen, Geodatenbanken in PostGIS aufbauen oder Landnutzungsklassifikationen per Random Forest durchführen – Geoinformatik und GIS gehören zu den technisch anspruchsvollsten und arbeitsmarktrelevantesten Bereichen der Geowissenschaften. Unsere GIS-Spezialisten arbeiten mit ArcGIS Pro, QGIS, R, Python und Google Earth Engine – und liefern reproduzierbare Analysen mit sauberer Kartografie.
| Teilgebiet | Typische Arbeitsform | Schwerpunkt |
|---|---|---|
| GIS-Analyse & Kartografie | Bachelorarbeit, Projektarbeit | Räumliche Verschneidungen, Netzwerkanalysen, thematische Karten |
| Fernerkundung (Remote Sensing) | Bachelorarbeit, Masterarbeit | Sentinel, Landsat, NDVI, Klassifikation, Change Detection |
| Geodatenbanken & Webmapping | Projektarbeit, Masterarbeit | PostGIS, GeoServer, Leaflet, INSPIRE-konforme Datenmodelle |
| Räumliche Statistik & Modellierung | Masterarbeit | Geostatistik (Kriging), Autokorrelation (Moran's I), SDM |
Geoinformatik ist das Fach, das alle Geo-Disziplinen zusammenhält: Geologen brauchen GIS für Kartierung, Hydrologen für Einzugsgebietsanalysen, Geographen für Landnutzungsanalysen, Stadtplaner für Standortbewertungen. Gleichzeitig ist es das technischste Fach im geowissenschaftlichen Spektrum: Studierende müssen Geodatenbanken designen, Fernerkundungsdaten prozessieren, räumliche Statistik anwenden und Kartenlayouts nach kartographischen Standards erstellen.
Die Schwierigkeit: GIS-Software (ArcGIS Pro, QGIS) hat eine steile Lernkurve, Fernerkundungsdaten erfordern Vorverarbeitung (atmosphärische Korrektur, Wolkenmasking, Resampling), und räumliche Statistik folgt eigenen Regeln (räumliche Autokorrelation verletzt die Unabhängigkeitsannahme klassischer Tests). Viele Studierende beherrschen die Klick-Oberfläche, aber nicht die methodischen Grundlagen dahinter – und genau dort greifen Gutachter an.
Eine Karte ohne Maßstab, Legende und Koordinatensystem ist keine Karte – sie ist ein Bild. Kartografie in Abschlussarbeiten muss denselben Standards folgen wie in Fachpublikationen.
Vektor- und Rasterdaten-Analyse: Pufferanalysen, Overlay-Operationen, Netzwerkanalysen, Sichtfeldanalysen, Geländemodell-Ableitung (Hangneigung, Exposition, Einzugsgebiete aus DEM). Kartografie: Thematische Karten nach kartographischen Gestaltungsregeln (Farbwahl, Klassifikation, Generalisierung, Maßstab, Projektion). Software: ArcGIS Pro, QGIS. Python-Scripting: arcpy, PyQGIS für automatisierte Workflows.
Optische Sensoren: Sentinel-2 (10m), Landsat 8/9 (30m), PlanetScope (3m). Radar: Sentinel-1 (SAR). Indizes: NDVI, NDWI, NDBI, NBR für Vegetations-, Wasser- und Brandflächenkartierung. Klassifikation: Maximum Likelihood, Random Forest, Support Vector Machine. Change Detection: Post-Classification, Image Differencing, LandTrendr. Software: SNAP, Google Earth Engine, ENVI, R (terra, randomForest).
PostGIS für räumliche SQL-Abfragen, GeoServer/MapServer für Kartendienste (WMS, WFS), Leaflet/OpenLayers für Web-Kartierung, INSPIRE-konforme Datenmodelle für behördliche GDI. Verbindung zur Informatik bei Datenbankdesign und Webentwicklung. In Masterarbeiten oft Kombination von Backend (PostGIS) und Frontend (Webkarte).
Geostatistik: Variogramm-Analyse, Kriging (Ordinary, Universal, Indicator), Co-Kriging. Autokorrelation: Moran's I, LISA, Getis-Ord Gi*. Species Distribution Modelling (SDM): MaxEnt, Ensemble-Modelle (biomod2). Eignungsanalysen: Gewichtete Überlagerung, AHP (Analytic Hierarchy Process). R-Pakete: sf, terra, spdep, gstat, dismo. Verbindung zur Statistik bei räumlichen Regressionsmodellen (SAR, CAR).
| Arbeitstyp | Themenbeispiel |
|---|---|
| Bachelorarbeit | NDVI-basierte Vegetationsanalyse urbaner Grünflächen in Berlin mittels Sentinel-2-Zeitreihen und Random-Forest-Klassifikation |
| Bachelorarbeit | GIS-gestützte Standortanalyse für Windenergieanlagen im Landkreis Stade: Eignungskartierung mit gewichteter Überlagerung und AHP |
| Masterarbeit | Geostatistische Interpolation der Bodenfeuchte in einem Einzugsgebiet: Vergleich von Ordinary Kriging und Co-Kriging mit Sentinel-1-Backscatter-Daten |
| Masterarbeit | Change Detection der Waldbedeckung im Schwarzwald 2000–2024: Landsat-Zeitreihenanalyse mit LandTrendr und Validierung mittels Stichprobeninventur |
| Projektarbeit | Aufbau einer PostGIS-Geodatenbank für kommunale Baumkataster: Datenmodell, SQL-Abfragen und Webkarten-Darstellung mit Leaflet |
ArcGIS Pro (Esri – Industrie-Standard, Lizenz über Hochschule), QGIS (Open Source, Python-Plugin-Ökosystem). Für Abschlussarbeiten akzeptieren die meisten Institute beide Systeme. Entscheidend: Angabe der Software-Version und der verwendeten Plugins/Toolboxen im Methodenteil.
Google Earth Engine (GEE) für die Analyse großer Fernerkundungs-Datensätze direkt in der Cloud (JavaScript oder Python API). Microsoft Planetary Computer, AWS Open Data. Vorteil: kein Download nötig, Zugriff auf das gesamte Sentinel-/Landsat-Archiv. In Masterarbeiten zunehmend der bevorzugte Workflow.
Copernicus Open Access Hub (Sentinel-Daten), USGS Earth Explorer (Landsat), OpenStreetMap, Copernicus Land Monitoring Service, ASTER GDEM, SRTM, nationale Geoportale (BKG, Geoportal.de). Tipp im Methodenteil: Immer Datensatz-ID, Aufnahmedatum und Vorverarbeitungsstufe (L1C vs. L2A) dokumentieren.
1. Daten in unterschiedlichen Koordinatenreferenzsystemen (CRS) kombiniert, ohne vorher zu reprojizieren – Ergebnisse sind dann geometrisch falsch. 2. WGS84 (EPSG:4326) für Flächenberechnungen verwendet – das ist ein geographisches CRS (Grad), kein projiziertes (Meter). Flächen müssen in einem metrischen CRS berechnet werden (z. B. UTM). 3. Karten ohne Angabe des CRS oder des Kartenprojektions-Systems. 4. Sentinel-2-Daten in L1C (Top-of-Atmosphere) statt L2A (Bottom-of-Atmosphere) verwendet, ohne atmosphärische Korrektur zu dokumentieren. 5. Klassifikationsgenauigkeit (Overall Accuracy, Kappa, F1-Score) nicht berechnet oder Konfusionsmatrix fehlt.
GIS-Analyse, Fernerkundung oder Geodatenbank als Abschlussarbeit?
Wir erstellen Karten, prozessieren Satellitendaten und schreiben den Methodenteil – reproduzierbar und normenkonform.Beides. Wenn Ihre Hochschule eine bestimmte Software vorschreibt, halten wir uns daran. Darüber hinaus arbeiten wir mit Google Earth Engine (JavaScript und Python API), R (sf, terra, tmap) und PostGIS. Wir liefern die Projektdateien (.aprx oder .qgs), sodass Sie die Analyse selbst nachvollziehen können.
Ja – Fernerkundungsauswertung ist einer unserer Schwerpunkte. Wir übernehmen die Vorverarbeitung (atmosphärische Korrektur, Wolkenmasking, Mosaicking), berechnen Indizes (NDVI, NDWI etc.), führen überwachte oder unüberwachte Klassifikationen durch und erstellen die Genauigkeitsbewertung (Konfusionsmatrix, OA, Kappa). Workflow wahlweise in SNAP, GEE oder R.
Projektarbeiten mit überschaubarem GIS-Umfang: 12–18 Werktage. Bachelorarbeiten mit Klassifikation oder Eignungsanalyse: 20–30 Werktage. Masterarbeiten mit Geostatistik, Change Detection oder Geodatenbank-Entwicklung: 30–45 Werktage.
NDVI-Zeitreihe, Standortanalyse, Geodatenbank oder Landnutzungsklassifikation – nennen Sie uns Ihr Vorhaben und die gewünschte Software.
Jetzt unverbindlich anfragen