Dozierende

  • Dr. Rico Richter
  • Sebastian Schulz
  • Dr. Sören Discher
  • Josafat-Mattias Burmeister
  • Ole Wegen

Allgemeine Informationen

  • Semester: SO 2026
  • SWS: 4
  • ECTS: 6
  • Einschreibefrist: 01.04.2026 - 30.04.2026
  • Lehrform: Seminar/Projekt (S/P)

Studiengänge, Modulgruppen & Module

  • M.Sc. Data Engineering
    • Data Applications (DAPP)
      • Spezialisierung (HPI-DAPP-S)
      • Techniken und Werkzeuge (HPI-DAPP-T)
      • Konzepte und Methoden (HPI-DAPP-K)
    • Systems Engineering (SYSE)
      • Spezialisierung (HPI-SYSE-S)
      • Konzepte und Methoden (HPI-SYSE-K)
      • Techniken und Werkzeuge (HPI-SYSE-T)
  • M.Sc. Computer Science
    • Wahlpflichtmodule
      • III Track: Systems
        • Specialization
          • HPI-CS-IGS: HCI and Graphics - Specialization
          • HPI-CS-ISS: Intelligent Systems - Specialization
          • HPI-CS-DAS: Data Systems - Specialization
        • Deep Dive
          • HPI-CS-DAD: Data Systems - Deep Dive
          • HPI-CS-ISD: Intelligent Systems - Deep Dive
          • HPI-CS-IGD: HCI and Graphics - Deep Dive
      • I Track: Data and AI
        • Specialization
          • HPI-CS-AIS: AI Applications - Specialization
          • HPI-CS-MLS: Machine Learning - Specialization
        • Deep Dive
          • HPI-CS-AID: AI Applications - Deep Dive
          • HPI-CS-MLD: Machine Learning - Deep Dive
      • V Track: Security Engineering
        • Deep Dive
          • HPI-CS-DAD: Data Systems - Deep Dive
  • M.Sc. IT-Systems Engineering
    • Operating Systems and Information Systems Technology (OSIS)
      • Spezialisierung (HPI-OSIS-S)
      • Techniken und Werkzeuge (HPI-OSIS-T)
    • Human Computer Interaction and Computer Graphics Technology (HCGT)
      • Spezialisierung (HPI-HCGT-S)
      • Konzepte und Methoden (HPI-HCGT-K)
      • Techniken und Werkzeuge (HPI-HCGT-T)
  • M. Sc. Software Systems Engineering
    • Machine Learning and Analytics (MALA)
      • Technologies and Tools (HPI-MALA-T)
      • Concepts and Methods (HPI-MALA-C)
      • Specialization (HPI-MALA-S)
    • Data-Driven Systems (DSYS)
      • Technologies and Tools (HPI-DSYS-T)
      • Concepts and Methods (HPI-DSYS-C)
      • Specialization (HPI-DSYS-S)

Weitere Informationen

Beschreibung

Räumliche Daten entstehen bei der dreidimensionalen Erfassung von Objekten und der Umwelt mithilfe verschiedener Sensortypen. Zu den etablierten Technologien zählen insbesondere Bild-, LiDAR- und Radarsensoren. Insbesondere die Größe und Komplexität dieser Sensordaten verhindern die unmittelbare Interpretation dieser Daten und die Ableitung von Informationen und Modellen.

Im Rahmen dieses Seminars werden ausgewählte Methoden zur Analyse und Visualisierung räumlicher Daten erarbeitet und softwaretechnisch umgesetzt. Ziel ist es, mithilfe selbst entwickelter Verfahren zur Datenverarbeitung sowie geeigneter Visualisierungs- und Interaktionstechniken konkrete Fragestellungen zu bearbeiten.

Mögliche Themen und Anwendungsbereiche sind beispielsweise:

  • Deep Learning für 3D-Daten (z. B. zur Klassifikation oder Segmentierung von 3D-Punktwolken)
  • Analyse von Infrastrukturdaten (z. B. Mobile-Mapping-Daten von Straßennetzen)
  • Visualisierung und Echtzeit-Rendering von 3D-Daten
  • Räumliche Datenstrukturen für große Datensätze
  • Webbasierte Visualisierung sowie servicebasierte Infrastrukturen zur Analyse und Bereitstellung räumlicher Daten
  • 3D-Erfassung und Modellierung von Bauwerken
  • Vegetationserfassung auf Basis von 3D-Punktwolken oder Bilddaten
  • Identifikation und Visualisierung von Veränderungen in multitemporalen räumlichen Daten
Die Themen können auch in Gruppen von bis zu zwei Studierenden bearbeitet werden. Das Bearbeiten eigener Themen ist bei entsprechender Eignung in Absprache auch möglich.

Workload

4 Semesterwochenstunden

Voraussetzungen

Projektabhängig sind Kenntnisse der objektorientierten Software-Entwicklung, der webbasierten Programmierung (JavaScript, Node.js), der Grundlagen der Computergrafik, der Datenvisualisierung (OpenGL, GLSL und WebGL) und/oder einer Skriptsprache zur Datenverarbeitung (z.B. R oder Python) von Vorteil.

Literatur

Zu jedem Thema gibt es neben den über das Internet frei zugänglichen Informationen eine Reihe aktueller Fachartikel, die bei der Themenvergabe mit ausgegeben werden. Die weitere Recherche von themenspezifischer Literatur ist Teil der Bearbeitung.

Forschungsnahe Projektarbeit mit individueller Betreuung durch Mitarbeiter des Fachgebiets. Es wird von allen Teilnehmern erwartet im Moodle-Kurs eingeschrieben zu sein.

Anmerkung

Die Seminarorganisation findet über Moodlestatt. Der erste Seminartermin findet am 15.4.2026 um 13:30 Uhr statt.

Termine

  • 15.04.2026 13:30 Uhr - 15:00 Uhr
    Raum: G3-E.15/16
  • 20.04.2026 11:00 Uhr - 12:30 Uhr
    Raum: K-1.2
  • 29.04.2026 13:30 Uhr - 15:00 Uhr
    Raum: G3-E.15/16
  • 06.05.2026 13:30 Uhr - 15:00 Uhr
    Raum: G3-E.15/16
  • 11.05.2026 11:00 Uhr - 12:30 Uhr
    Raum: K-1.2
  • 27.05.2026 13:30 Uhr - 15:00 Uhr
    Raum: G3-E.15/16
  • 01.06.2026 11:00 Uhr - 12:30 Uhr
    Raum: K-1.2
  • 08.06.2026 11:00 Uhr - 12:30 Uhr
    Raum: K-1.2
  • 10.06.2026 13:30 Uhr - 15:00 Uhr
    Raum: G3-E.15/16
  • 17.06.2026 13:30 Uhr - 15:00 Uhr
    Raum: G3-E.15/16
  • 24.06.2026 13:30 Uhr - 15:00 Uhr
    Raum: G3-E.15/16
  • 29.06.2026 11:00 Uhr - 12:30 Uhr
    Raum: K-1.2
  • 01.07.2026 13:30 Uhr - 15:00 Uhr
    Raum: G3-E.15/16
  • 13.07.2026 11:00 Uhr - 12:30 Uhr
    Raum: K-1.2