Künstliche Intelligenz (KI) Certified AI Remote Sensing & Satellite

Passt der Kurs zu dir?

1. 1
   Motivation und Lernbereitschaft
2. 2
   Zuverlässigkeit im jeweiligen Arbeitsfeld
3. 3
   Konkrete Zulassung des gewählten Weges prüfen

Das lernst du

1. 1

   Einführung in KI, Fernerkundung und Satellitenmonitoring

   Grundlagen KI-gestützter Analysen in der Fernerkundung und der Übersetzung spektraler Signaturen in datengetriebene Signale
   Verständnis von Satellitentechnik, Orbit-Typen, Sensor-Charakteristika wie optisch, Radar und LiDAR sowie atmosphärischen Korrekturen
   Bedeutung validierbarer Bildanalysemethoden, radiometrischer und geometrischer Korrekturen sowie eines strukturierten Unsicherheitsmanagements
   Definition des Monitoring-Scopes hinsichtlich Sensor, Frequenz, Auflösung und relevanter Outputs wie Klassifikationen, Change Maps und Zeitreihen
   Einordnung belastbarer und auditierbarer Ergebnisse für Landnutzungsmanagement, Umweltmonitoring und die Überwachung kritischer Infrastruktur

2. 2

   Datenlandschaft, Integration und technologische Grundlagen

   Auswahl und Integration relevanter Satellitenmissionen sowie weiterer Fernerkundungsdaten aus Drohnen- und Flugzeugsystemen
   Grundlagen von Datenmodellen für multispektrale, hyperspektrale und Radar-Datenwürfel
   Einführung in moderne Schnittstellen wie APIs und STAC-Kataloge sowie cloud-native Formate wie COG und Zarr
   Datenfusion von Sensoren mit unterschiedlichen räumlichen, zeitlichen und spektralen Auflösungen zur Erstellung belastbarer Datengrundlagen
   Erstellung von Analysis-Ready Data durch automatisierte Vorverarbeitungspipelines wie Atmosphärenkorrektur und Wolkenmaskierung

3. 3

   Automatisierung satellitengestützter Analyse- und Monitoringprozesse

   Einführung in automatisierte Monitoring-Workflows nach dem Prinzip "Acquire - Process - Analyze - Alert - Report"
   Nutzung von KI, LLMs und Agentic Workflows zur Interpretation von Klassifikationsergebnissen und zur Generierung von Monitoring-Berichten
   Automatisierte Auslösung von Alarmen bei signifikanten Veränderungen wie Abholzung, illegaler Bautätigkeit oder Umweltverschmutzungen
   Human-in-the-Loop-Konzepte zur Validierung KI-basierter Detektionen und zur Annotation neuer Trainingsdaten
   Entwicklung eines Operating Models für den Betrieb kontinuierlicher globaler oder regionaler Monitoring-Dienste

4. 4

   Anwendungsfelder, Governance und Compliance

   Anwendung in Land- und Forstwirtschaft, Umwelt- und Klimamonitoring, Infrastruktur-Monitoring, maritimer Überwachung und Katastrophenmanagement
   Erkennung von Landbedeckung, Biomasse, Abholzung, Waldbränden, Wasserqualitätsveränderungen, Deformationen und Schadensbildern
   Governance für KI-Modelle in der Fernerkundung mit Fokus auf Validierung, Benchmarking und kontinuierliche Leistungsüberwachung
   Transparenz und Erklärbarkeit von Bildklassifikationen sowie klare Dokumentation von Daten-Lineage, Modellarchitektur und Validierungsergebnissen
   Einhaltung von Datenlizenzbedingungen, Datenschutzanforderungen und ethischen Standards im Kontext globaler Monitoring-Anwendungen

Förderwege

Wer deinen Kurs zahlt

Brutto im Monat

Mitte und Viertel bundesweit

3 Schritte vom Kurs in den Beruf

1. 1

   KI auf echte Arbeitsaufgaben anwenden

   Deine Branchenkenntnis bleibt wertvoll, wenn du einen Prozess mit KI unterstützt und das Ergebnis prüfst. Gute Praxis beschreibt Ausgangslage, Daten, menschliche Kontrolle und eine überprüfbare Verbesserung, ohne Automatisierung pauschal zu versprechen. Beispiel: Bearbeite einen kleinen Prozess aus deinem bisherigen Beruf und vergleiche Zeitbedarf und Qualität vorher und nachher.

2. 2

   Fachwissen mit neuen Werkzeugen verbinden

   Branchenkenntnis, Kommunikation und Qualitätskontrolle bleiben wichtig. Gerade im Quereinstieg ergänzt du vorhandene Erfahrung durch ein Projekt mit Quellenprüfung, Versionierung, Freigabe und dokumentierten Grenzen. Beispiel: Ein Bewerbungsbeispiel beschreibt Aufgabe, verwendete Werkzeuge, Prüfung der Ergebnisse und Grenzen des Ansatzes.

3. 3

   Verantwortung schrittweise aufbauen

   Projektkoordination, Schulung und Prozessgestaltung verlangen mehr als Toolbedienung. Achte auf Inhalte zu Use-Case-Auswahl, Datenqualität, Prüfung, Dokumentation und Zusammenarbeit. Vergleiche die Kursaufgaben mit den Zielstellen, die du erreichen möchtest. Beispiel: Vergleiche einen Grundlagenkurs mit einem Projektkurs und entscheide nach deinem aktuellen Kenntnisstand.

Themen

Arbeitsmarkt

KI & Machine Learning bundesweit in Zahlen