Zwischen Daten und Erkenntnis – Die Rolle der Geodäsie im Zeitalter Künstlicher Intelligenz

Künstliche Intelligenz verändert die Geodäsie grundlegend. Die öffentliche Diskussion konzentriert sich dabei häufig auf neue Anwendungen, Automatisierungspotenziale oder regulatorische Fragestellungen. Der vorliegende Beitrag verfolgt einen weitergehenden Ansatz. Er versteht die Geodäsie nicht primär als Anwenderin Künstlicher Intelligenz, sondern als Disziplin der verlässlichen Erkenntnisgewinnung und untersucht ihren eigenständigen Beitrag zur Gestaltung vertrauenswürdiger KI.
Ausgehend von der wissenschaftlichen Tradition der Geodäsie sowie geistesgeschichtlichen Impulsen von Francis Bacon über Immanuel Kant und Claude-Adrien Helvétius bis zu Hans Jonas und Julian Nida-Rümelin wird gezeigt, dass Fragen nach Erkenntnis, Urteilskraft und Verantwortung den Umgang mit technischen Innovationen seit Jahrhunderten prägen. Die geodätische Kultur des methodischen Zweifelns, der Qualitätssicherung und der transparenten Behandlung von Unsicherheiten erweist sich dabei als überraschend aktuelles Modell für den verantwortungsvollen Einsatz Künstlicher Intelligenz.
Auf dieser Grundlage entwickelt der Beitrag die drei Leitkonzepte Vertrauenswissenschaft, Vertrauensraum und Verantwortungskompetenz. Sie bilden den Rahmen für die Analyse aktueller Entwicklungen wie KI-gestützter Geodatenverarbeitung, Digitaler Zwillinge, automatisierter Qualitätssicherung und der europäischen KI-Governance. Zugleich wird deutlich, dass sich das Berufsbild der Geodäsie von der reinen Datenerhebung zunehmend zur fachlichen Validierung, Interpretation und verantwortungsvollen Einordnung algorithmischer Ergebnisse entwickelt.
Der Beitrag vertritt die These, dass die Zukunft der Geodäsie nicht in einer möglichst umfassenden Automatisierung liegt, sondern in ihrer Fähigkeit, Domänenkompetenz, wissenschaftliche Urteilskraft und gesellschaftliche Verantwortung mit den Möglichkeiten Künstlicher Intelligenz zu verbinden. Gerade dadurch kann die Geodäsie einen eigenständigen Beitrag zur europäischen Diskussion über vertrauenswürdige Künstliche Intelligenz leisten und Orientierung in einer zunehmend algorithmisch geprägten Welt geben.

Warum wir die falschen Fragen stellen

Künstliche Intelligenz verändert nicht die Grundlagen der Geodäsie. Sie macht sichtbar, worin ihre eigentliche Stärke schon immer bestand: aus Daten verlässliche Erkenntnis und aus Erkenntnis gesellschaftliches Vertrauen zu schaffen. Die eigentliche Herausforderung besteht deshalb nicht darin, immer neue Anwendungen Künstlicher Intelligenz zu beschreiben. Entscheidend ist vielmehr, die richtigen Fragen zu stellen. Erst sie bestimmen, welche Antworten wir überhaupt finden können. Kaum eine technologische Entwicklung hat in den vergangenen Jahren vergleichbare Erwartungen und Befürchtungen ausgelöst wie die Künstliche Intelligenz. Nahezu jede öffentliche Diskussion kreist um dieselben Fragen: Wird KI den Menschen ersetzen? Werden Ingenieurinnen und Ingenieure künftig überflüssig? Ist der Algorithmus objektiver als der Mensch? Oder wird Künstliche Intelligenz zu einer Gefahr für unsere Arbeitswelt?

Diese Fragen sind verständlich. Sie greifen jedoch zu kurz. Vor allem stellen sie die falsche Perspektive in den Mittelpunkt. Aus Sicht der Geodäsie lautet die entscheidende Frage nicht, ob eine Künstliche Intelligenz zu einem richtigen Ergebnis gelangt. Die eigentliche Frage lautet vielmehr, wie dieses Ergebnis entstanden ist und ob der Weg dorthin fachlich nachvollziehbar, reproduzierbar und verantwortbar ist. Diese Unterscheidung mag auf den ersten Blick akademisch erscheinen. Tatsächlich berührt sie jedoch den Kern ingenieurwissenschaftlichen Denkens.

Seit ihren Anfängen versteht sich die Geodäsie nicht als Wissenschaft des bloßen Messens, sondern als Wissenschaft der belastbaren Erkenntnis. Ein Messergebnis gewinnt seinen Wert nicht allein durch eine Zahl. Es gewinnt ihn durch die Kenntnis seiner Entstehung: durch die Qualität der Ausgangsdaten, die Wahl der Messverfahren, die mathematische Modellierung, die Abschätzung der Unsicherheit und schließlich durch die fachliche Bewertung des Ergebnisses. Ein Vermessungsingenieur akzeptiert ein Ergebnis niemals deshalb, weil es plausibel aussieht. Er fragt nach dem Referenzsystem, nach den Beobachtungen, nach den Einflussgrößen und nach der Fehlerfortpflanzung. Kurz: Er interessiert sich ebenso sehr für den Weg wie für das Resultat. Gerade hierin liegt ein wesentlicher Unterschied zur öffentlichen Wahrnehmung Künstlicher Intelligenz. Leistungsfähige KI-Systeme beeindrucken häufig durch ihre Ergebnisse. Sie schreiben Texte, erkennen Objekte, klassifizieren Punktwolken oder identifizieren Veränderungen in Satellitenbildern mit einer Geschwindigkeit, die den Menschen weit übertrifft. Daraus entsteht leicht der Eindruck, die Maschine habe das zugrunde liegende Problem „verstanden“.

Doch genau hier beginnt die eigentliche Herausforderung. Der in der Psychologie seit mehr als einem Jahrhundert bekannte Kluger-Hans-Effekt beschreibt ein Phänomen, das heute auch in der KI-Forschung intensiv diskutiert wird. Das Pferd „Hans“ schien rechnen zu können. Tatsächlich reagierte es jedoch lediglich auf minimale, unbewusste Signale seines Gegenübers. Das Ergebnis war richtig – der Lösungsweg jedoch falsch. Vergleichbare Effekte lassen sich heute bei modernen KI-Systemen beobachten. Sie erkennen scheinbar komplexe Zusammenhänge, stützen ihre Entscheidungen jedoch mitunter auf zufällige oder irrelevante Merkmale. So wurden etwa medizinische KI-Systeme entwickelt, die Krankheiten nicht anhand der eigentlichen Bildinformationen, sondern anhand handschriftlicher Notizen oder anderer Randmerkmale „erkannten“. Solange diese Merkmale vorhanden waren, funktionierte das System. Änderte sich die Datengrundlage, brach seine Leistungsfähigkeit zusammen.

Für die Geodäsie ist diese Erkenntnis von besonderer Bedeutung. Geodätische Entscheidungen betreffen Eigentumsgrenzen, Bauwerke, Verkehrswege, kritische Infrastrukturen oder den digitalen Zwilling ganzer Städte. In solchen Anwendungsfeldern genügt es nicht, dass eine KI „meistens richtig liegt“. Entscheidend ist, dass ihre Ergebnisse fachlich überprüfbar und methodisch nachvollziehbar sind.

Genau an dieser Stelle zeigt sich eine besondere Stärke der Geodäsie. Anders als viele andere Disziplinen verfügt sie über eine über Jahrzehnte gewachsene Kultur der Qualitätssicherung. Referenzsysteme, Ausgleichungsrechnung, Genauigkeitsmaße, Redundanzen und Plausibilitätsprüfungen dienen nicht dazu, Misstrauen gegenüber Messungen auszudrücken. Sie sind Ausdruck eines wissenschaftlichen Selbstverständnisses, das zwischen Ergebnis und Erkenntnis unterscheidet.

Diese Haltung gewinnt im Zeitalter Künstlicher Intelligenz neue Aktualität. Denn die eigentliche Aufgabe besteht künftig nicht darin, möglichst viele Entscheidungen an Algorithmen zu delegieren. Sie besteht vielmehr darin, ihre Ergebnisse kritisch einzuordnen, ihre Grenzen zu erkennen und ihre Entscheidungswege nachvollziehbar zu machen. Konzepte wie Explainable AI sind daher kein Luxus, sondern eine notwendige Voraussetzung für den Einsatz von KI in sicherheits- und rechtsrelevanten Anwendungen.

Damit verändert sich auch das Berufsbild. Die Frage lautet künftig nicht mehr, ob Ingenieurinnen und Ingenieure gegen Maschinen konkurrieren. Vielmehr wird ihre Aufgabe darin bestehen, Maschinen zu verstehen, ihre Ergebnisse zu validieren und Verantwortung dort zu übernehmen, wo Algorithmen an ihre Grenzen stoßen. In diesem Sinne fordert Künstliche Intelligenz weniger die Geodäsie heraus als vielmehr unser Verständnis von Professionalität. Der eigentliche Wettbewerb findet nicht zwischen Mensch und Maschine statt, sondern zwischen einem verantwortungsvollen und einem unkritischen Umgang mit technologischen Möglichkeiten.

Es spricht vieles dafür, dass wir seit Beginn der KI-Debatte tatsächlich die falschen Fragen stellen. Nicht die Maschine muss beweisen, dass sie intelligent ist. Entscheidend ist, ob wir als Ingenieurinnen und Ingenieure unsere Fähigkeit bewahren, Ergebnisse zu hinterfragen, Unsicherheiten sichtbar zu machen und Verantwortung nicht an Algorithmen zu delegieren. Diese Haltung könnte auch eine der wichtigsten Botschaften der Geodäsie für das Zeitalter der Künstlichen Intelligenz sein.

Die Kontinuität der Verantwortung

Künstliche Intelligenz erscheint vielen als technischer Epochenbruch. Tatsächlich verändert sie Werkzeuge, Arbeitsweisen und Entscheidungsprozesse in einem Ausmaß, das vor wenigen Jahren kaum vorstellbar gewesen wäre. Dennoch wäre es ein Missverständnis, daraus den Schluss zu ziehen, auch die grundlegenden Maßstäbe ingenieurwissenschaftlichen Handelns müssten neu erfunden werden. Als die ersten GPS-Empfänger Einzug in die Vermessung hielten, als Geoinformationssysteme die Arbeitswelt veränderten und digitale Geobasisdaten entstanden, sprach niemand von Künstlicher Intelligenz. Dennoch kreisten die Debatten bereits um Fragen, die heute aktueller erscheinen denn je: Wie viel Technik dient dem Menschen? Welche Verantwortung tragen Ingenieurinnen und Ingenieure für die Folgen ihres Handelns? Und welche Rolle spielen wissenschaftliche Urteilskraft und berufliche Integrität, wenn neue Technologien etablierte Arbeitsweisen verändern?

Die Fragen, die uns heute im Zusammenhang mit Künstlicher Intelligenz beschäftigen, sind also älter als die Technologie selbst. Wie entsteht verlässliche Erkenntnis? Welche Verantwortung trägt der Ingenieur für die Folgen seines Handelns? Welche Rolle spielen Bildung, Urteilskraft und wissenschaftliche Integrität in einer Welt immer leistungsfähigerer Werkzeuge? Diese Fragen begleiten den technischen Fortschritt seit Generationen.

Auch für die Geodäsie sind sie keineswegs neu. Bereits lange bevor Begriffe wie Big Data, Machine Learning oder Generative KI die öffentliche Diskussion bestimmten, stand der Berufsstand vor der Aufgabe, technische Innovationen in gesellschaftliche Verantwortung einzubetten. Mit jeder neuen Messmethode, jeder Automatisierung und jeder Erweiterung der digitalen Möglichkeiten stellte sich dieselbe Grundfrage: Nicht alles, was technisch möglich ist, ist damit bereits fachlich oder gesellschaftlich verantwortbar.

Rückblickend zeigt sich eine bemerkenswerte Kontinuität. In zahlreichen Beiträgen, Vorträgen und berufspolitischen Stellungnahmen der vergangenen Jahrzehnte tauchen immer wieder dieselben Leitgedanken auf: Technik verlangt Orientierung. Innovation benötigt Vertrauen. Bildung erschöpft sich nicht im Erwerb von Fachwissen, sondern befähigt dazu, Entwicklungen kritisch einzuordnen. Ingenieurinnen und Ingenieure tragen Verantwortung nicht nur für die technische Qualität ihrer Arbeit, sondern ebenso für deren Auswirkungen auf Mensch, Umwelt und Gesellschaft.

Damals standen andere Technologien im Mittelpunkt. Diskutiert wurden die Digitalisierung der Geoinformation, satellitengestützte Positionierung, Geoinformationssysteme oder die Entstehung einer Wissensgesellschaft. Heute lautet das Schlagwort Künstliche Intelligenz. Die Begriffe haben sich verändert; die zugrunde liegende Verantwortung ist dieselbe geblieben.

Gerade hierin liegt eine wichtige Erkenntnis. Künstliche Intelligenz verlangt keine neue Ingenieurethik. Sie macht sichtbar, warum die bisherige Haltung wichtiger ist denn je. Je leistungsfähiger technische Systeme werden, desto stärker rückt die Fähigkeit in den Vordergrund, Ergebnisse kritisch zu prüfen, Unsicherheiten transparent zu machen und Verantwortung nicht an Algorithmen zu delegieren. Was sich verändert, sind die Werkzeuge. Was bleibt, ist der Anspruch an wissenschaftliche Sorgfalt und professionelle Urteilskraft.

Deshalb sollte die gegenwärtige Diskussion nicht ausschließlich als Debatte über neue Technologien verstanden werden. Sie ist ebenso eine Debatte über das Selbstverständnis technischer Berufe. Der Wert ingenieurwissenschaftlicher Expertise bemisst sich künftig weniger daran, ob Maschinen schneller rechnen oder größere Datenmengen verarbeiten können. Er bemisst sich daran, ob Menschen weiterhin bereit und in der Lage sind, die Verantwortung für die Qualität, die Nachvollziehbarkeit und die Folgen technischer Entscheidungen zu übernehmen.

In diesem Sinne markiert Künstliche Intelligenz keinen Bruch mit der Tradition der Geodäsie, sondern ihre konsequente Fortführung. Die wissenschaftliche Kultur des Berufsstandes – geprägt durch methodische Genauigkeit, kritische Prüfung, Transparenz und Verantwortungsbewusstsein – erhält unter den Bedingungen algorithmischer Systeme eine neue Aktualität. Sie wird nicht ersetzt, sondern neu sichtbar.

Die historische Kontinuität ingenieurwissenschaftlicher Verantwortung macht deutlich, dass sich die eigentliche Herausforderung der Künstlichen Intelligenz nicht auf Fragen der Technologie beschränkt. Sie betrifft ebenso die Bedingungen, unter denen Vertrauen in algorithmisch unterstützte Entscheidungen entstehen kann. Die Herausforderung besteht also nicht darin, bewährte Maßstäbe durch neue zu ersetzen, sondern sie auf eine technologische Wirklichkeit anzuwenden, deren Möglichkeiten und Grenzen gleichermaßen verstanden werden müssen.

Die Vermessung des Zweifels – Warum Erkenntnis Verantwortung schafft

An diesem Punkt beginnt der besondere Beitrag der Geodäsie. Denn kaum eine andere Ingenieurdisziplin beschäftigt sich seit Jahrhunderten so intensiv mit der Frage, wie aus Beobachtungen belastbare Erkenntnis entsteht.

Die Diskussion über Künstliche Intelligenz wird häufig von Informatikern, Datenwissenschaftlern oder Ökonomen geprägt. Das ist naheliegend, schließlich entstehen die grundlegenden Technologien in diesen Disziplinen. Doch jede Technologie verändert sich mit dem Blickwinkel derjenigen, die sie anwenden. Für die Medizin stellt KI andere Fragen als für die Rechtswissenschaft, für die Architektur andere als für die Klimaforschung.

Auch die Geodäsie besitzt eine eigene Perspektive. Sie ist weder besser noch wichtiger als andere. Sie ist jedoch in einer Hinsicht ungewöhnlich: Seit ihren Anfängen beschäftigt sie sich mit der Frage, wie aus unvollkommenen Beobachtungen belastbares Wissen gewonnen werden kann. Diese Perspektive reicht weit über das Vermessen von Grundstücken oder Bauwerken hinaus. Geodäsie bedeutet, Orientierung zu schaffen – räumlich, methodisch und zunehmend auch digital. Sie verbindet mathematische Modelle mit der Wirklichkeit und übersetzt komplexe Beobachtungen in Entscheidungen, auf die sich Menschen verlassen können. Gerade darin liegt ihre besondere Aktualität im Zeitalter der Künstlichen Intelligenz. Denn auch moderne KI-Systeme erzeugen aus gewaltigen Datenmengen Modelle der Wirklichkeit. Doch zwischen einem Modell und einer verlässlichen Erkenntnis besteht ein entscheidender Unterschied. Ein Modell beschreibt Wahrscheinlichkeiten. Erkenntnis verlangt darüber hinaus Nachvollziehbarkeit, Überprüfbarkeit und Verantwortung.

Diese Unterscheidung begleitet die Geodäsie seit Jahrhunderten. Als Carl Friedrich Gauß zu Beginn des 19. Jahrhunderts die Landesvermessung des Königreichs Hannover leitete, entwickelte er nicht nur neue mathematische Verfahren. Mit der Methode der kleinsten Quadrate schuf er ein wissenschaftliches Prinzip, das bis heute das Selbstverständnis der Geodäsie prägt: Beobachtungen sind niemals vollkommen. Verlässlichkeit entsteht deshalb nicht trotz, sondern durch den bewussten Umgang mit Unsicherheit. Dieser Gedanke war weit mehr als eine mathematische Innovation. Er war Ausdruck einer wissenschaftlichen Haltung. Gauß wusste, dass Präzision nicht bedeutet, Fehler auszuschließen. Präzision bedeutet, Fehler zu erkennen, zu beschreiben und ihre Auswirkungen nachvollziehbar zu machen. Damit entstand ein Verständnis von Objektivität, das erstaunlich modern wirkt. Objektivität entsteht nicht durch die Behauptung absoluter Wahrheit, sondern durch transparente Methoden und überprüfbare Verfahren. Johann Jacob Baeyer, Wilhelm Jordan und vor allem Friedrich Robert Helmert führten dieses Denken konsequent fort. Helmert begründete mit seinen Arbeiten zur Ausgleichungsrechnung und zur mathematischen Geodäsie nicht lediglich ein weiteres Fachgebiet. Er formulierte eine wissenschaftliche Methodik, die Beobachtung, Modellbildung und Fehleranalyse zu einem geschlossenen Erkenntnissystem verband. Bis heute gehört die Ausgleichungsrechnung zu den eindrucksvollsten Beispielen dafür, wie sich Unsicherheit nicht verdrängen, sondern systematisch beherrschen lässt.

Die wissenschaftliche Auseinandersetzung mit Unsicherheit besitzt jedoch noch eine weitere Dimension. Wer Erkenntnis methodisch absichert, übernimmt zugleich Verantwortung für die Folgen, die aus ihr erwachsen. Genau darin unterscheidet sich die Geodäsie von einem rein technischen Verständnis von Datenverarbeitung. Ihr Ziel war nie die möglichst präzise Erfassung der Wirklichkeit allein um ihrer selbst willen. Präzision war stets Mittel zu einem weitergehenden Zweck: belastbare Grundlagen für verantwortbare Entscheidungen zu schaffen.

Diese Verbindung von Erkenntnis und Verantwortung entwickelte sich nicht erst im Zeitalter der Künstlichen Intelligenz. Bereits die großen technologischen Umbrüche des ausgehenden 20. Jahrhunderts machten deutlich, dass die Verantwortung von Ingenieurinnen und Ingenieuren weit über die Beherrschung neuer Werkzeuge hinausreicht. Mit der Digitalisierung, satellitengestützten Positionierung und den ersten umfassenden Geoinformationssystemen entstand die Einsicht, dass technische Innovationen zunehmend politische, wirtschaftliche und gesellschaftliche Entscheidungen prägen. Damit veränderte sich auch das Selbstverständnis des Berufsstandes. Ingenieurinnen und Ingenieure wurden nicht mehr allein als Entwickler technischer Lösungen verstanden, sondern zunehmend als Mitgestalter gesellschaftlicher Entwicklungen.

Diese Sichtweise knüpft unmittelbar an das Verantwortungsprinzip des Philosophen Hans Jonas an. Angesichts der wachsenden Reichweite moderner Technologien forderte Jonas eine Ethik, die nicht nur die unmittelbaren Folgen des Handelns berücksichtigt, sondern ebenso dessen langfristige Auswirkungen auf Mensch, Umwelt und zukünftige Generationen. Für die Geodäsie besitzt dieser Gedanke eine besondere Bedeutung. Geodätische Informationen bilden die Grundlage für Eigentumsrechte, Infrastrukturvorhaben, Raumplanung, Umweltmanagement und staatliches Handeln. Wer solche Grundlagen schafft, trägt Verantwortung nicht erst bei ihrer Anwendung, sondern bereits während ihrer Entstehung.

Damit erhält die wissenschaftliche Kultur der Geodäsie eine zusätzliche Dimension. Verfahren der Qualitätssicherung, Redundanzen, Plausibilitätsprüfungen und Fehleranalysen dienen nicht ausschließlich der Verbesserung technischer Ergebnisse. Sie sind zugleich Ausdruck einer Haltung, die sich ihrer Verantwortung für die gesellschaftlichen Folgen geodätischer Erkenntnisse bewusst ist. Methodische Sorgfalt wird damit zu einer Form praktischer Verantwortung.

Diese Verbindung von wissenschaftlicher Methodik und ethischer Reflexion unterscheidet Erkenntnis von bloßer Information. Daten können gesammelt, verarbeitet und automatisiert ausgewertet werden. Erkenntnis entsteht jedoch erst dort, wo Ergebnisse kritisch eingeordnet, Unsicherheiten offengelegt und ihre Tragweite verantwortungsvoll bewertet werden. Zwischen technischem Können und verantwortbarem Handeln liegt deshalb kein Widerspruch, sondern ein zusätzlicher Schritt wissenschaftlicher Urteilskraft. Mit dem Einsatz Künstlicher Intelligenz gewinnt diese Perspektive zudem eine neue Aktualität. Algorithmen erweitern unsere Möglichkeiten, aus großen Datenbeständen Zusammenhänge zu erkennen, Muster zu identifizieren und komplexe Prozesse zu analysieren. Sie verändern jedoch nicht die grundlegende Frage, worauf sich wissenschaftliche Verlässlichkeit gründet. Auch im Zeitalter lernender Systeme entsteht Vertrauen nicht allein durch die Leistungsfähigkeit eines Verfahrens, sondern durch die Nachvollziehbarkeit seines Erkenntnisprozesses und die Bereitschaft, Verantwortung für dessen Ergebnisse zu übernehmen.

So zeigt sich die besondere Kontinuität der Geodäsie. Ihre über Jahrhunderte entwickelte Kultur des methodischen Zweifelns erweist sich zugleich als Kultur der Verantwortung. Was heute unter Begriffen wie „Trustworthy AI“ oder „Responsible AI“ diskutiert wird, gehört seit Langem zu ihrem wissenschaftlichen Selbstverständnis. Die Geodäsie bringt damit nicht nur neue Anwendungen in die Diskussion um Künstliche Intelligenz ein. Sie bringt eine Haltung ein: die Überzeugung, dass belastbare Erkenntnis und verantwortliches Handeln untrennbar zusammengehören. Deshalb unterscheidet sich die geodätische Perspektive von vielen gegenwärtigen Debatten über Künstliche Intelligenz. Während dort häufig die Leistungsfähigkeit von Algorithmen im Vordergrund steht, richtet sich der Blick der Geodäsie traditionell auf die Qualität des gesamten Erkenntnisprozesses. Eine Koordinate besitzt keinen Wert, weil sie von einem Sensor oder einem Algorithmus erzeugt wurde. Sie gewinnt ihren Wert erst dadurch, dass ihre Entstehung nachvollziehbar ist, Referenzsysteme bekannt sind, Messunsicherheiten bestimmt wurden, Qualitätskriterien eingehalten werden und schließlich eine Ingenieurin oder ein Ingenieur bereit ist, für ihre Belastbarkeit Verantwortung zu übernehmen. Diese Verbindung von Mathematik, Technik und Verantwortung macht die Besonderheit der Geodäsie aus. Sie erklärt auch, weshalb sich der Berufsstand seit jeher nicht als Produzent von Daten versteht. Geodätinnen und Geodäten erzeugen Vertrauen. Katasterinformationen schaffen Rechtssicherheit. Ingenieurvermessungen ermöglichen den sicheren Bau von Brücken, Tunneln oder Hochhäusern. Geobasisdaten bilden die Grundlage staatlichen Handelns, der Raumplanung, des Umweltmanagements und des Katastrophenschutzes. Digitale Zwillinge unterstützen Entscheidungen über Milliardeninvestitionen. In all diesen Fällen besitzen Daten keinen Selbstzweck. Ihr gesellschaftlicher Wert entsteht erst dadurch, dass ihnen vertraut werden kann. Dieses Vertrauen wiederum ist kein Zufallsprodukt. Es beruht auf einer über Generationen entwickelten Kultur der Qualitätssicherung.

Wer Geodäsie betreibt, lernt früh, dass jedes Messergebnis kritisch zu hinterfragen ist. Redundanzen, Kontrollmessungen, Plausibilitätsprüfungen und Ausgleichungsverfahren dienen nicht der Perfektion um ihrer selbst willen. Sie sind Ausdruck einer wissenschaftlichen Bescheidenheit. Sie erinnern daran, dass jede Beobachtung fehlerbehaftet sein kann und gerade deshalb sorgfältig geprüft werden muss. Gerade diese wissenschaftliche Haltung könnte erklären, warum die Geodäsie der gegenwärtigen Diskussion über Künstliche Intelligenz einen besonderen Impuls geben kann. Bislang wird die Debatte überwiegend von Informatik, Datenwissenschaft und Ökonomie geprägt. Im Mittelpunkt stehen Fragen nach Rechenleistung, Algorithmen, Datenmengen oder Geschäftsmodellen. Diese Perspektiven sind unverzichtbar, greifen jedoch allein zu kurz. Denn Künstliche Intelligenz ist nicht nur eine technologische Entwicklung. Sie wirft ebenso Fragen nach Erkenntnis, Vertrauen und Verantwortung auf. Hier liegt der Beitrag der Geodäsie. Sie ist weit mehr als eine Anwenderin neuer Technologien. Seit ihren wissenschaftlichen Anfängen versteht sie sich als Disziplin, die aus Beobachtungen belastbare Erkenntnisse gewinnt. Ihr Gegenstand sind nicht Daten als solche, sondern die methodisch abgesicherte Beschreibung der Wirklichkeit.

Die Geodäsie versteht sich damit als epistemische Disziplin. Ihr Gegenstand sind nicht Daten als solche, sondern die methodisch abgesicherte Gewinnung belastbarer Erkenntnisse. Damit kann sie der gegenwärtigen KI-Debatte eine Perspektive hinzufügen, die über Fragen algorithmischer Leistungsfähigkeit hinausweist. Welche Konsequenzen sich daraus ergeben, wird im Folgenden anhand der Begriffe Vertrauenswissenschaft, Vertrauensraum und Verantwortungskompetenz entwickelt.

Verantwortungskompetenz: Das unteilbare Mandat

Wenn Erkenntnis der eigentliche Kern geodätischer Arbeit ist, stellt sich unmittelbar die nächste Frage: Welche Rolle übernimmt Künstliche Intelligenz in diesem Prozess? Verändert sie die Grundlagen geodätischer Professionalität – oder lediglich ihre Werkzeuge?

Technologische Umbrüche sind der Geodäsie nicht fremd. Kaum eine Ingenieurdisziplin hat ihre Arbeitsweise in den vergangenen Jahrzehnten so grundlegend verändert. Auf den Messtisch folgten elektronische Tachymeter, satellitengestützte Positionierung, Laserscanning, Mobile Mapping, unbemannte Flugsysteme und schließlich Digitale Zwillinge. Jede dieser Innovationen hat die Art und Weise verändert, wie geodätische Daten erhoben, verarbeitet und genutzt werden. Mit der Künstlichen Intelligenz erreicht diese Entwicklung eine neue Stufe. Erstmals unterstützen Werkzeuge nicht mehr nur die Datenerfassung oder Berechnung, sondern zunehmend auch Analyse, Interpretation und Entscheidungsfindung. Punktwolken werden automatisch klassifiziert, Veränderungen in Satellitenbildern erkannt, Bauwerksmodelle geprüft und aus großen Datenbeständen Muster abgeleitet, die dem menschlichen Auge verborgen bleiben. Darin liegt ein erheblicher Fortschritt. Doch gerade weil Künstliche Intelligenz immer stärker in Bereiche vordringt, die bislang als genuin ingenieurwissenschaftliche Tätigkeiten galten, stellt sich eine grundlegende Frage: Verändert sich damit auch die Verantwortung?

Die Antwort der Geodäsie fällt eindeutig aus. Seit jeher haben neue Werkzeuge die Leistungsfähigkeit des Berufsstandes erweitert. Was sie niemals ersetzt haben, ist die Verantwortung der Ingenieurinnen und Ingenieure für die Qualität ihrer Ergebnisse. Dasselbe gilt für die Künstliche Intelligenz. Diese Erkenntnis mag selbstverständlich erscheinen. Tatsächlich widerspricht sie jedoch einem weit verbreiteten Narrativ der gegenwärtigen KI-Debatte. Häufig entsteht der Eindruck, mit zunehmender Leistungsfähigkeit der Algorithmen nehme die Bedeutung menschlicher Entscheidungen zwangsläufig ab. Gerade aus geodätischer Sicht spricht vieles für das Gegenteil.

Je intelligenter Werkzeuge werden, desto anspruchsvoller wird die Verantwortung ihrer Anwender. Denn leistungsfähige Algorithmen erzeugen nicht automatisch belastbare Erkenntnisse. Sie liefern Wahrscheinlichkeiten, Klassifikationen oder Prognosen. Ob daraus verlässliches Wissen entsteht, entscheidet sich erst durch die fachliche Einordnung der Ergebnisse. Genau dieser Schritt bleibt eine originäre ingenieurwissenschaftliche Aufgabe. Damit verändert sich auch das Berufsbild der Geodäsie. Die zentrale Kompetenz der Zukunft wird nicht allein darin bestehen, neue KI-Werkzeuge bedienen zu können. Entscheidend wird vielmehr die Fähigkeit sein, ihre Ergebnisse fachlich zu bewerten, ihre Grenzen zu erkennen und ihre Auswirkungen verantwortungsvoll einzuschätzen. Diese Fähigkeit lässt sich als Verantwortungskompetenz beschreiben, wobei der Begriff in diesem Beitrag verstanden wird als als die Fähigkeit, KI-gestützte Ergebnisse fachlich, rechtlich und ethisch zu bewerten und daraus verantwortbare Entscheidungen abzuleiten. Er erweitert den im AI Act verwendeten Ausdruck der „AI Literacy“ um die Dimension ingenieurwissenschaftlicher Verantwortung.

Verantwortungskompetenz geht weit über technisches Wissen hinaus. Sie verbindet Fachkompetenz, wissenschaftliche Methodik, ethisches Urteilsvermögen und rechtliches Bewusstsein. Wer Verantwortungskompetenz besitzt, versteht nicht nur, wie ein KI-System funktioniert, sondern auch, unter welchen Voraussetzungen seine Ergebnisse belastbar sind, wo Unsicherheiten bestehen und wann menschliche Intervention erforderlich ist. Gerade hierin liegt die zukünftige Stärke der Geodäsie. Sie verfügt aufgrund ihrer wissenschaftlichen Tradition über eine ausgeprägte Kultur der Qualitätssicherung, der Plausibilitätsprüfung und der transparenten Bewertung von Unsicherheiten. Diese Kultur gewinnt im Zeitalter der Künstlichen Intelligenz nicht an Bedeutung, weil Maschinen unzuverlässig wären, sondern weil ihre Leistungsfähigkeit eine besonders sorgfältige fachliche Einordnung erforderlich macht. Künstliche Intelligenz kann Informationen strukturieren, Muster erkennen und Zusammenhänge sichtbar machen. Sie kann den Weg von den Daten zur Information erheblich beschleunigen. Der letzte Schritt – von der Information zur Erkenntnis – bleibt jedoch ein menschlicher Prozess. Erkenntnis setzt Kontext, Erfahrung, kritisches Denken und Verantwortung voraus. Gerade in der Geodäsie, deren Entscheidungen Eigentum, Infrastruktur, Umwelt und öffentliche Sicherheit betreffen, ist diese Unterscheidung von elementarer Bedeutung.

Hier zeigt sich die eigentliche Veränderung des Berufsbildes. Während früher die Gewinnung geodätischer Daten einen großen Teil der ingenieurwissenschaftlichen Arbeit ausmachte, rückt künftig ihre qualifizierte Bewertung stärker in den Mittelpunkt. Die Fähigkeit, Daten kritisch zu interpretieren und algorithmische Ergebnisse nachvollziehbar in belastbare Entscheidungen zu überführen, wird zu einer Schlüsselkompetenz des Berufsstandes. Diese Sichtweise entspricht auch dem Verständnis einer verantwortungsvollen Digitalisierung, wie sie der Verband Deutscher Vermessungsingenieure (VDV) in seinem Positionspapier zur Künstlichen Intelligenz formuliert. Künstliche Intelligenz wird dort ausdrücklich als Instrument zur Erweiterung fachlicher Handlungsmöglichkeiten verstanden – verbunden mit der Forderung nach Transparenz, Nachvollziehbarkeit, Qualitätsstandards und einer konsequenten menschlichen Letztverantwortung. Auch der europäische AI Act folgt dieser Logik. Seine Anforderungen an menschliche Aufsicht, Transparenz und Governance beruhen nicht auf einem grundsätzlichen Misstrauen gegenüber Künstlicher Intelligenz. Sie bringen vielmehr einen einfachen Gedanken zum Ausdruck: Verantwortung lässt sich nicht automatisieren.

Hierbei bewegt sich die Berufspraxis an einer bemerkenswerten digitalen Pflichtgrenze, die eine neue juristische Dimension eröffnet: Mit dem steigenden Reifegrad algorithmischer Werkzeuge entwickelt sich der Einsatz von KI im Ingenieurwesen schrittweise von einer technologischen Option zu einer handfesten fachlichen Sorgfaltspflicht. Wer hochentwickelte KI-Systeme zur Effizienz- oder Sicherheitssteigerung grundlos ignoriert, riskiert im Schadensfall den Vorwurf des technologischen Stillstands. Aus dieser Janusköpfigkeit der modernen Praxis entsteht ein juridisches Paradoxon: Auf der einen Seite erwächst eine faktische Pflicht zur Nutzung intelligenter Systeme, auf der anderen Seite verbleibt das Haftungsrisiko bei Fehlfunktionen vollumfänglich und unübertragbar beim menschlichen Fachplaner. Die rechtliche Delegationsgrenze steht somit felsenfest. KI-generierte Berechnungen entbinden den Ingenieur niemals von seiner persönlichen Einstands- und Rechenschaftspflicht. Verantwortungskompetenz bedeutet in diesem Spannungsfeld also auch, die juristische Souveränität über den Prozess zu behalten, gerade weil das Werkzeug zur Pflicht wird. Hier liegt womöglich der größte Irrtum der gegenwärtigen KI-Debatte. Je leistungsfähiger technische Systeme werden, desto häufiger entsteht die Vorstellung, menschliche Verantwortung könne schrittweise an Algorithmen übergehen. Tatsächlich verhält es sich umgekehrt. Mit der Leistungsfähigkeit der Werkzeuge wächst auch die Verantwortung derjenigen, die ihre Ergebnisse einordnen, begrenzen und vertreten müssen.

Die Geodäsie besitzt hierfür eine besondere Voraussetzung. Sie verbindet technologischen Fortschritt mit einer über Jahrzehnte entwickelten Verantwortungskultur. Deshalb kann sie einen eigenständigen Beitrag zur Gestaltung vertrauenswürdiger Künstlicher Intelligenz leisten. Künstliche Intelligenz verändert Werkzeuge. Verantwortung verändert sie nicht. Dese Einsicht könnte sich als wichtigste Voraussetzung dafür erweisen, dass technischer Fortschritt auch künftig das bleibt, was er aus Sicht der Ingenieurwissenschaften immer gewesen ist: ein Mittel zur Erweiterung menschlicher Fähigkeiten – niemals ein Ersatz für menschliche Verantwortung. Verantwortungskompetenz ist also keine statische Fähigkeit, sondern eine dynamische Herausforderung – besonders in einem Berufsfeld, das sich rasant wandelt. Doch wie lässt sich diese Kompetenz im Alltag leben, wenn die Ressourcen knapp sind? Die Antwort liegt im produktiven Einsatz Künstlicher Intelligenz. Nicht als Ersatz für menschliche Urteilskraft, sondern als Hebel, um sie dort einzusetzen, wo sie unverzichtbar ist.

Mehr Zeit für das Wesentliche

Der Fachkräftemangel zählt seit Jahren zu den größten Herausforderungen der Geodäsie. Ingenieurbüros, Vermessungsverwaltungen, Hochschulen und Unternehmen der Geoinformationswirtschaft stehen zunehmend vor der Aufgabe, mit begrenzten personellen Ressourcen wachsende Anforderungen zu bewältigen. Demografischer Wandel, steigender Bedarf an Geodaten und die fortschreitende Digitalisierung verschärfen diese Entwicklung zusätzlich. Vor diesem Hintergrund wird Künstliche Intelligenz häufig als Lösung präsentiert. Nicht selten entsteht der Eindruck, intelligente Systeme könnten fehlende Fachkräfte ersetzen und Personalengpässe kompensieren. Eine solche Erwartung greift jedoch zu kurz.

Die Stärke Künstlicher Intelligenz liegt nicht darin, Geodätinnen und Geodäten zu ersetzen. Ihre Stärke besteht darin, ihre Produktivität zu erhöhen. Im Vermessungswesen gibt es zahlreiche Tätigkeiten, die zwar unverzichtbar, zugleich aber stark standardisiert und zeitintensiv sind. KI kann solche Aufgaben erheblich beschleunigen und damit wertvolle Kapazitäten freisetzen. Der eigentliche Gewinn liegt jedoch nicht in der eingesparten Arbeitszeit. Er besteht darin, dass hochqualifizierte Fachkräfte sich stärker auf jene Aufgaben konzentrieren können, die den Kern geodätischer Professionalität ausmachen: die fachliche Interpretation von Ergebnissen, die Qualitätssicherung, die Beratung von Auftraggebern sowie die verantwortliche Bewertung komplexer Sachverhalte.

Damit wird Künstliche Intelligenz zu einem Produktivitätshebel – nicht zu einem Personalersatz. Schon vergleichsweise geringe Effizienzsteigerungen können erhebliche Wirkung entfalten. Wenn Geodätinnen und Geodäten zu zehn oder zwanzig Prozent ihrer Arbeitszeit von Routinetätigkeiten entlastet werden, entsteht ein erheblicher Kapazitätsgewinn. Im öffentlichen Sektor kann dies beispielsweise dazu beitragen, Planungs- und Genehmigungsprozesse zu beschleunigen, ohne die Qualität der Entscheidungen zu beeinträchtigen. Zugleich verändert sich das Kompetenzprofil und die ökonomische Logik des Berufsstandes. Mit zunehmender Automatisierung verlieren rein repetitive Tätigkeiten an Bedeutung. Während die Branche zwar schon heute stark auf ergebnis- und wertbasierte Modelle setzt, verschiebt der Vormarsch KI-gestützter Systeme den Schwerpunkt innerhalb dieser Wertschöpfungsketten drastisch: Die rein technische Datenerhebung und -aufbereitung verliert als Werttreiber an Gewicht. Der eigentliche fachliche und ökonomische Wert bemisst sich künftig noch stärker an der garantierten Verlässlichkeit, Validität und rechtlichen Absicherung des Gesamtergebnisses. Wo Drohnen, mobile Sensoren und automatisierte Workflows Rohdaten massenhaft, allgegenwärtig und nahezu kostenlos generieren, erodiert das klassische Geschäftsmodell der bloßen Datenproduktion. Wenn Daten zur Massenware werden, verschiebt sich das ökonomische Fundament fundamental: Kunden bezahlen künftig nicht mehr für das Messen, sondern für das Wissen; nicht für das digitale Abbild an sich, sondern für dessen verbriefte Wahrheit. Aus dem Datenproduzenten alter Schule wird somit der Validitäts-Garant einer datengetriebenen Gesellschaft. In dieser neuen Marktlogik mutiert die Verantwortungskompetenz von einer rein ethischen Maxime zu einem handfesten, wirtschaftlichen Alleinstellungsmerkmal. Das wertvollste Gut auf diesem digitalisierten Markt ist nicht länger die Rechenleistung, sondern das Haftungsversprechen des menschlichen Experten – eine Garantie, die kein Algorithmus der Welt abgeben kann.

Die dadurch gewonnenen Freiräume dürfen jedoch nicht mit einem geringeren Qualifikationsbedarf verwechselt werden. Das Gegenteil ist der Fall. Je mehr Künstliche Intelligenz Routinen übernimmt, Informationen strukturiert und erste Bewertungen vorbereitet, desto stärker verschiebt sich der Schwerpunkt menschlicher Arbeit. Gefragt ist künftig weniger die Fähigkeit, möglichst viel Wissen zu speichern oder standardisierte Abläufe zu beherrschen. An Bedeutung gewinnen vielmehr Urteilskraft, fachliche Einordnung und die verantwortungsvolle Bewertung algorithmischer Ergebnisse.

Lebenslanges Lernen erhält damit eine neue Qualität. Über viele Jahrzehnte bestand seine zentrale Aufgabe darin, mit der zunehmenden Geschwindigkeit technologischer Entwicklungen Schritt zu halten. Ingenieurinnen und Ingenieure mussten ihr Fachwissen kontinuierlich erweitern, um neue Verfahren, Werkzeuge und Normen sicher anwenden zu können. Dieser Anspruch bleibt bestehen. Er reicht jedoch allein nicht mehr aus.

Mit dem Einzug Künstlicher Intelligenz verändert sich nicht nur, was gelernt werden muss, sondern vor allem, wofür gelernt wird. AI Literacy – häufig verstanden als die Fähigkeit, KI-Systeme kompetent zu nutzen und ihre Funktionsweise sowie ihre Chancen und Risiken zu verstehen – bildet dafür eine notwendige Grundlage. Für ingenieurwissenschaftliche Berufe genügt sie jedoch nicht. Wer Verantwortung für sicherheits-, rechts- oder qualitätsrelevante Entscheidungen trägt, muss algorithmische Ergebnisse nicht nur anwenden, sondern auch fachlich hinterfragen, ihre Grenzen erkennen und ihre Belastbarkeit beurteilen können. Hierin zeigt sich der Unterschied zwischen Informationskompetenz und Verantwortungskompetenz. AI Literacy befähigt dazu, mit Künstlicher Intelligenz umzugehen. Verantwortungskompetenz befähigt dazu, über ihren Einsatz zu urteilen. Sie verbindet Domänenwissen mit wissenschaftlicher Methodik, kritischem Denken und ethischer Verantwortung. Erst dieses Zusammenspiel ermöglicht es, aus algorithmisch erzeugten Informationen belastbare Erkenntnisse und verantwortbare Entscheidungen abzuleiten.

Die eigentliche Bildungsaufgabe des KI-Zeitalters besteht deshalb nicht darin, menschliches Wissen möglichst vollständig durch maschinelle Systeme zu ersetzen. Sie besteht darin, jene Fähigkeiten zu stärken, die sich nicht automatisieren lassen: wissenschaftliche Urteilskraft, kritisches Denken, die Einordnung komplexer Zusammenhänge und die Bereitschaft, Verantwortung für Entscheidungen zu übernehmen. Je leistungsfähiger Künstliche Intelligenz wird, desto wertvoller werden genau diese Kompetenzen.

Gefragt sind künftig Fachkräfte, die geodätisches Know-how mit Datenkompetenz, KI-Kompetenz und der Fähigkeit verbinden, algorithmische Ergebnisse kritisch zu bewerten und verantwortungsvoll einzuordnen. Das entscheidende Alleinstellungsmerkmal der Disziplin liegt dabei nicht in der bloßen Beherrschung algorithmischer Werkzeuge, sondern im tiefen Domänenwissen: Nur wer die physikalischen, rechtlichen und raumbezogenen Zusammenhänge bis ins Detail durchdringt, besitzt die nötige Steuerungskompetenz, um autonome KI-Agenten zielgerichtet zu orchestrieren und deren Ergebnisse verlässlich zu validieren.

Hier zeigt sich erneut die zentrale Rolle der Verantwortungskompetenz. Der eigentliche Engpass der Zukunft ist nicht allein die Zahl verfügbarer Fachkräfte. Entscheidend ist vielmehr, wie viele Expertinnen und Experten in der Lage sind, KI-gestützte Ergebnisse fachlich zu validieren, ihre Grenzen zu erkennen und daraus belastbare Entscheidungen abzuleiten. Diese Kompetenz lässt sich weder automatisieren noch kurzfristig ersetzen.

Damit erhält auch der im europäischen AI Act verankerte Begriff der AI Literacy eine neue Bedeutung. Der kompetente Umgang mit KI-Systemen ist eine notwendige Voraussetzung, reicht für die Geodäsie jedoch nicht aus. Wer geodätische Entscheidungen vorbereitet oder verantwortet, muss darüber hinaus die Qualität von Daten bewerten, Unsicherheiten erkennen, Ergebnisse plausibilisieren und deren Auswirkungen einschätzen können. AI Literacy bildet die Grundlage – Verantwortungskompetenz macht daraus professionelle Ingenieurpraxis.

Künstliche Intelligenz verändert damit nicht nur Arbeitsprozesse, sondern auch die Attraktivität des Berufsbildes. Wenn Routinetätigkeiten zunehmend automatisiert werden, gewinnen jene Aufgaben an Bedeutung, die Kreativität, interdisziplinäres Denken, Beratungskompetenz und ingenieurwissenschaftliche Urteilskraft erfordern. Für den beruflichen Nachwuchs eröffnet sich damit ein modernes und zukunftsorientiertes Tätigkeitsfeld, das weit über das traditionelle Bild des Vermessungswesens hinausgeht.

Diese Entwicklung knüpft unmittelbar an die Aktivitäten der InteressenGemeinschaft Geodäsie (IGG) an. Mit der Nachwuchskampagne #weltvermesserer wird seit Jahren vermittelt, dass Geodäsie eine Zukunftsdisziplin ist, die Digitalisierung, Nachhaltigkeit, Klimaschutz, Mobilität und intelligente Infrastrukturen miteinander verbindet. Künstliche Intelligenz verstärkt diese Entwicklung. Sie macht den Beruf nicht weniger anspruchsvoll, sondern vielseitiger und innovativer.

Künstliche Intelligenz wird so zum Katalysator eines Berufsbildes, das sich von der reinen Datenerfassung hin zur verantwortungsvollen Interpretation und Orchestrierung bewegt. Doch diese Transformation gelingt nur, wenn die Grundlage stimmt: denn Vertrauen entsteht nicht durch Rechenleistung, sondern durch die Qualität der Daten, auf denen Algorithmen aufbauen. Letztlich führt jede technische Innovation zu der grundlegenden Frage: Warum vertrauen wir einem Ergebnis? Die Antwort beginnt nicht beim Algorithmus, sondern bei den Daten, auf denen er beruht.

Vom Datenraum zum Vertrauensraum

Zwischen dem wachsenden Datenraum und belastbaren Entscheidungen liegt also die eigentliche Aufgabe: aus Daten einen Vertrauensraum zu schaffen. Und hier rückt eine weitere Besonderheit der Geodäsie in den Mittelpunkt: Sie erzeugt nicht nur Informationen über den Raum, sondern schafft die Voraussetzungen dafür, dass diesen Informationen vertraut werden kann. Mit jeder neuen Generation Künstlicher Intelligenz wächst die Menge verfügbarer Daten in einem kaum vorstellbaren Ausmaß. Sensoren, Satelliten, Smartphones, Fahrzeuge, Drohnen und vernetzte Infrastrukturen erzeugen einen digitalen Datenraum, der nahezu jeden Bereich unseres Lebens erfasst. Die Herausforderung unserer Zeit besteht daher nicht mehr in der Gewinnung von Daten. Sie besteht darin, aus dieser Datenfülle belastbare Orientierung zu gewinnen.

An dieser Stelle erhält eine Überlegung des Philosophen Martin Heidegger eine überraschende Aktualität. In seinem Essay „Die Frage nach der Technik“ weist er darauf hin, dass das Wesen der Technik nicht in ihren Werkzeugen liegt, sondern in der Art und Weise, wie sie unseren Blick auf die Welt verändert. Moderne Technik birgt die Gefahr, Wirklichkeit vor allem als etwas Verfügbares, Berechenbares und Optimierbares wahrzunehmen. Im Zeitalter Künstlicher Intelligenz gewinnt dieser Gedanke neue Bedeutung. Je leistungsfähiger Algorithmen werden, desto größer wird die Versuchung, die Welt auf das zu reduzieren, was sich messen, modellieren und berechnen lässt. Doch Wirklichkeit erschöpft sich nicht in Daten. Zwischen der Verfügbarkeit von Informationen und dem Verständnis ihrer Bedeutung liegt ein Raum wissenschaftlicher Urteilskraft, kritischer Reflexion und verantwortlicher Einordnung. Genau diesen Raum eröffnet die Geodäsie. Sie versteht räumliche Informationen nicht als Selbstzweck, sondern als Ausgangspunkt eines Erkenntnisprozesses, dessen Qualität sich an Nachvollziehbarkeit, Überprüfbarkeit und Verantwortung bemisst. Und an diesem Punkt beginnt auch die eigentliche Aufgabe der Geodäsie. Häufig wird sie als Wissenschaft des Messens beschrieben. Treffender wäre jedoch eine andere Formulierung: Die Geodäsie ist eine Wissenschaft des Vertrauens. Ihre Aufgabe endet nicht mit der Erfassung von Koordinaten. Sie beginnt dort, wo aus Messungen verlässliche Grundlagen für Entscheidungen entstehen.

In diesem Sinne ist Geodäsie eine Vertrauenswissenschaft. Ihr gesellschaftlicher Auftrag besteht darin, räumliche Informationen so zu erfassen, zu modellieren und zu qualifizieren, dass Staat, Wirtschaft und Gesellschaft auf ihre Verlässlichkeit vertrauen können. Vertrauen, das nicht durch die bloße Existenz von Daten, sondern durch ihre nachgewiesene Qualität, ihre eindeutige Referenzierung und ihre dauerhafte Nachvollziehbarkeit entsteht. Damit erhalten diese Eigenschaften im Zeitalter der Künstlichen Intelligenz eine neue Bedeutung. Denn Künstliche Intelligenz erzeugt selbst keine Wirklichkeit. Sie erzeugt Modelle der Wirklichkeit. Diese Modelle beruhen auf Daten, deren Qualität unmittelbar über die Qualität der Ergebnisse entscheidet. Fehlerhafte, unvollständige oder verzerrte Daten führen zwangsläufig zu fehlerhaften Modellen. Die Leistungsfähigkeit eines Algorithmus kann diesen Mangel nicht kompensieren – sie macht ihn häufig lediglich schneller sichtbar.

Damit rückt eine Erkenntnis in den Mittelpunkt, die in der Geodäsie seit jeher selbstverständlich ist: Nicht der Algorithmus ist die eigentliche Grundlage verlässlicher Entscheidungen, sondern die Qualität der Daten, auf denen er arbeitet. Geodaten besitzen hierbei eine besondere Stellung. Nahezu jede KI-Anwendung mit Bezug zur physischen Welt greift direkt oder indirekt auf räumliche Informationen zurück. Autonome Mobilität benötigt hochgenaue Karten und Referenzsysteme. Smart Cities beruhen auf Digitalen Zwillingen. Umweltmonitoring nutzt Fernerkundungsdaten. Landwirtschaft, Logistik, Energieversorgung, Katastrophenschutz und Kritische Infrastrukturen sind ohne präzise Geodaten kaum denkbar. Selbst viele Anwendungen der Robotik oder der industriellen Automatisierung benötigen eine räumliche Verortung ihrer Informationen.

Geodaten sind deshalb weit mehr als ein weiteres Anwendungsfeld Künstlicher Intelligenz. Sie bilden ihre räumliche Infrastruktur. So wie Straßen die physische Mobilität ermöglichen und Kommunikationsnetze den digitalen Informationsaustausch tragen, schaffen Geodaten den gemeinsamen räumlichen Bezugsrahmen, auf dem zahlreiche KI-Anwendungen überhaupt erst aufbauen können. Sie verbinden Informationen mit einem Ort, einer Zeit und einem überprüfbaren Referenzsystem. Erst dadurch werden Daten verschiedener Herkunft miteinander vergleichbar und maschinell sinnvoll auswertbar.

Hier zeigt sich auch eine grundlegende Differenz zwischen Künstlicher Intelligenz und Geodäsie. Künstliche Intelligenz arbeitet überwiegend mit Wahrscheinlichkeiten. Sie erkennt Muster, bewertet Ähnlichkeiten und berechnet statistische Zusammenhänge. Ihre Aussagen besitzen einen probabilistischen Charakter. Sie können hochwahrscheinlich richtig sein, bleiben aber stets Ergebnisse eines Modells. Die Geodäsie hingegen verfolgt einen anderen Ansatz. Sie schafft überprüfbare Referenzen. Koordinaten, Höhen, Lagebezüge und amtliche Geobasisdaten entstehen nach definierten Verfahren, beruhen auf bekannten Referenzsystemen und unterliegen etablierten Qualitätsstandards. Auf diese Weise bilden sie den verlässlichen Ankerpunkt, an dem algorithmisch erzeugte Informationen überprüft, eingeordnet und verlässlich beurteilt werden können. Die Vermessung der Wirklichkeit erhält damit im Zeitalter Künstlicher Intelligenz eine neue Dimension. Sie besteht nicht mehr allein darin, die physische Welt möglichst genau abzubilden. Sie schafft zugleich den Referenzrahmen, innerhalb dessen digitale Modelle der Wirklichkeit überprüfbar bleiben. Damit verändert sich auch die Rolle der Geodäsie. Sie liefert nicht lediglich Daten für intelligente Systeme. Sie schafft die Voraussetzungen dafür, dass Künstliche Intelligenz räumliche Zusammenhänge überhaupt belastbar erkennen und interpretieren kann. Aus dem Datenraum entsteht erst durch geodätische Qualitätssicherung, Referenzierung und Validierung ein Vertrauensraum. Damit zeichnet sich die eigentliche Zukunftsaufgabe der Geodäsie ab. In einer Welt, in der Daten nahezu unbegrenzt verfügbar sind und Algorithmen immer leistungsfähiger werden, wird Vertrauen zur entscheidenden Ressource. Vertrauen entsteht jedoch nicht durch Rechenleistung. Es entsteht durch überprüfbare Methoden, transparente Qualitätsstandards und die Bereitschaft, Verantwortung für Ergebnisse zu übernehmen. Die Geodäsie bringt hierfür außergewöhnlich gute Voraussetzungen mit. Sie verfügt über hochwertige Geobasisdaten, international etablierte Standards, ausgereifte Verfahren der Qualitätssicherung und eine über Generationen entwickelte Verantwortungskultur. Diese Verbindung macht sie zu einer Schlüsseldisziplin für eine vertrauenswürdige Künstliche Intelligenz. Möglicherweise beschreibt dies die eigentliche Zukunftsrolle des Berufsstandes: Nicht möglichst viele Daten bereitzustellen, sondern aus dem wachsenden Datenraum einen Vertrauensraum zu schaffen. Denn am Ende entscheidet nicht die Menge der verfügbaren Informationen über den Erfolg Künstlicher Intelligenz. Entscheidend ist, ob aus Daten belastbare Erkenntnisse entstehen und ob diese Erkenntnisse verantwortbar in Handeln übersetzt werden können. Hier zeigt sich seit jeher die besondere Kompetenz der Geodäsie.

Die neue Professionalität der Geodäsie

Vertrauen entsteht nicht allein durch technische Standards, leistungsfähige Algorithmen oder immer größere Datenräume. Diese bilden die Voraussetzungen, ersetzen jedoch nicht die fachliche Verantwortung. Erst dort, wo Menschen Ergebnisse kritisch einordnen, Grenzen erkennen und Entscheidungen verantworten, entsteht jener Vertrauensraum, der geodätische Informationen zu einer verlässlichen Grundlage gesellschaftlichen Handelns macht.

Mit dem Einsatz Künstlicher Intelligenz verändert sich deshalb weniger das Fundament der Geodäsie als ihr Verständnis von Professionalität. Genauigkeit, Qualität und methodische Sorgfalt bleiben unverzichtbar. Hinzu tritt jedoch die Fähigkeit, die Aussagekraft algorithmischer Ergebnisse kritisch zu bewerten und ihre Grenzen transparent zu machen. Diese Entwicklung begann bereits mit der Digitalisierung geodätischer Arbeitsprozesse. Satellitengestützte Positionierung, mobile Sensorsysteme und Digitale Zwillinge haben den Schwerpunkt der ingenieurwissenschaftlichen Tätigkeit schrittweise von der Datenerhebung hin zu ihrer Integration, Interpretation und Qualitätssicherung verlagert. Künstliche Intelligenz setzt diese Entwicklung konsequent fort und beschleunigt sie.

Die Professionalität der Zukunft wird daher nicht daran gemessen, möglichst viele digitale Werkzeuge zu beherrschen. Entscheidend ist die Fähigkeit, unterschiedliche Informationsquellen zu einem belastbaren Gesamtbild zusammenzuführen, Unsicherheiten sichtbar zu machen und algorithmisch erzeugte Ergebnisse fachlich einzuordnen. Technische Kompetenz bleibt Voraussetzung; entscheidend wird jedoch ihre Verbindung mit wissenschaftlicher Urteilskraft.

Damit entwickelt sich die Geodäsie zunehmend von einer datenorientierten zu einer erkenntnisorientierten Disziplin. Daten entstehen heute nahezu in Echtzeit und in bislang unbekannter Vollständigkeit. Der eigentliche Mehrwert liegt deshalb immer weniger in ihrer Erfassung als in ihrer qualifizierten Interpretation und Bewertung. Hier liegt zugleich die besondere Stärke der Geodäsie. Sie verbindet seit jeher mathematische Modelle mit räumlicher Wirklichkeit, technische Verfahren mit rechtlicher Verlässlichkeit und wissenschaftliche Erkenntnis mit gesellschaftlichem Nutzen. Unter den Bedingungen Künstlicher Intelligenz gewinnt diese Vermittlungsfunktion weiter an Bedeutung. Die Geodäsie wird zur Schnittstelle zwischen algorithmischer Analyse und verantwortbarer Entscheidung. Zugleich verändert sich damit auch das Verständnis von Innovation. Ihr Wert bemisst sich nicht allein an der Leistungsfähigkeit neuer Technologien, sondern daran, ob sie zu größerer Verlässlichkeit, Transparenz und besseren Entscheidungen beitragen. Innovation wird damit ebenso zu einer Frage professioneller Haltung wie technologischer Leistungsfähigkeit.

Die neue Professionalität der Geodäsie besteht folglich nicht darin, menschliche Expertise durch Künstliche Intelligenz zu ersetzen. Sie besteht darin, Domänenkompetenz, wissenschaftliche Urteilskraft und algorithmische Verfahren so miteinander zu verbinden, dass belastbare Erkenntnisse und verantwortbare Entscheidungen entstehen. In dieser Verbindung liegt der nachhaltige Beitrag der Geodäsie zu einer vertrauenswürdigen Künstlichen Intelligenz.

Wo Algorithmen auf die Wirklichkeit treffen

Die philosophische Frage nach der Verantwortung bleibt eine akademische Abstraktion, solange sie sich nicht im Alltag der Praxis bewähren muss. Doch genau dort, wo die Künstliche Intelligenz das rein digitale Reich der Nullen und Einsen verlässt und auf die physische Welt trifft, wird die Geodäsie zu ihrem unverzichtbaren Korrektiv. Denn im Gegensatz zu rein virtuellen Systemen, die in geschlossenen Datenwelten operieren, dürfen geodätische Ergebnisse keine ungefähren Mutmaßungen sein – sie müssen einer überprüfbaren Realität standhalten. Die besondere Rolle der Geodäsie wird also dort sichtbar, wo Künstliche Intelligenz auf die physische Welt trifft. Anders als bei rein digitalen Anwendungen müssen algorithmisch erzeugte Ergebnisse mit der Realität übereinstimmen. Entscheidend ist daher nicht allein, ob eine KI eine plausible Antwort liefert, sondern ob diese einer überprüfbaren Wirklichkeit standhält. Ein Chatbot mag eine fehlerhafte Antwort hinter einer eleganten Formulierung verbergen; eine KI in der Geodäsie, die sich irrt, lässt im schlimmsten Fall Brücken reißen oder Eigentumsgrenzen verschwinden.

Wie fließend dieser Übergang von der technologischen Faszination zur ingenieurwissenschaftlichen Ernüchterung ist, zeigt sich heute im modernen Bauwesen. Wenn hochentwickelte KI-Systeme riesige, dreidimensionale Punktwolken in Sekundenschnelle klassifizieren und Abweichungen zwischen dem digitalen Bauplan und der realen Ausführung farbig aufleuchten lassen, ist das ein beeindruckender Produktivitätssprung. Doch die entscheidende Frage, die darauf folgt, kann die Maschine nicht beantworten: Ist diese millimetergroße Verschiebung an einem Brückenpfeiler nur ein unbedeutendes Rauschen im Sensor, eine tolerierbare Bauungenauigkeit – oder das erste, alarmierende Zeichen eines statischen Versagens? Hier versagt die reine Statistik. Die KI liefert den Hinweis, aber es braucht die menschliche Urteilskraft der Ingenieurin oder des Ingenieurs, um aus diesem Hinweis eine verantwortbare Entscheidung abzuleiten.

An genau dieser Bruchstelle zwischen algorithmischer Korrelation und physischer Kausalität holt uns der Kluge-Hans-Effekt mit voller Wucht im Bauwesen ein. Wenn neuronale Netze darauf trainiert werden, Risse in Betonstrukturen autonom zu detektieren, neigen sie in ihrer statistischen Blindheit dazu, die richtigen Ergebnisse aus den völlig falschen Gründen abzuleiten. Die KI erkennt den Riss dann womöglich nicht an der echten Materialtrennung, sondern an den spezifischen Lichtschatten des Aufnahmezeitpunkts, an feinen Mustern der Holzschalung oder an den handschriftlichen Kreidemarkierungen, die ein menschlicher Prüfer zuvor auf dem Beton hinterlassen hat. Im geschlossenen Raum der Trainingsdaten erzielt das System eine scheinbar makellose Trefferquote – in der staubigen Realität der Baustelle jedoch bricht die Leistungsfähigkeit unbemerkt zusammen. Ein solches System versteht die Statik nicht; es rät auf hohem mathematischem Niveau. Ohne das methodische Zweifeln des Ingenieurs, der die algorithmische Plausibilität anhand physikalischer Gesetze und ingenieurmäßiger Erfahrung überprüft, wird die KI zur digitalen Illusion, die Sicherheit suggeriert, wo in Wahrheit das Risiko blindem Vertrauen weicht.

Diese fundamentale Abhängigkeit des Digitalen vom Analogen prägt auch das Konzept der Digitalen Zwillinge. Ganze Städte werden heute als dynamische Abbilder in Rechnersystemen gespiegelt, in denen Algorithmen Verkehrsströme simulieren, Klimaszenarien berechnen oder Bauprojekte evaluieren. Doch so faszinierend diese virtuellen Welten auch sein mögen: Ein Digitaler Zwilling besitzt keine eigene Wahrheit. Seine visionäre Kraft ist exakt so verlässlich wie das geodätische Fundament, auf dem er ruht. Ohne die geometrische Präzision und die semantische Zuverlässigkeit der zugrunde liegenden Geodaten wird die Simulation zum digitalen Kartenhaus.

Der Blick weitet sich, wenn wir aus der Mikroperspektive von Baustellen und Städten in den Orbit wechseln. In der modernen Fernerkundung analysieren lernende Systeme kontinuierlich einen ununterbrochenen Strom von Satelliten- und Luftbildern. Sie erkennen das schleichende Sterben von Waldbeständen, klassifizieren globale Landnutzungen mit einer für Menschen unerreichbaren Geschwindigkeit oder kartieren im Stundentakt die Ausbreitung von Hochwasserkatastrophen. Doch auch diese beeindruckenden Bilderfluten gewinnen ihren gesellschaftlichen und politischen Wert erst durch ein unsichtbares, geodätisches Korsett. Erst durch die präzise Verankerung in globalen Referenzsystemen, durch validierte Trainingsdaten und durch etablierte Qualitätsstandards verwandelt sich eine farbige Pixelmatrix in ein belastbares Dokument, auf dessen Basis Regierungen Milliardeninvestitionen oder Katastrophenschutzeinsätze beschließen können.

Am deutlichsten wird diese Symbiose schließlich dort, wo die Zukunft bereits heute die Straße erobert: bei autonomen Fahrzeugen und Systemen des Mobile Mapping. Wenn ein selbstfahrendes Auto durch eine urbane Schlucht navigiert, muss seine interne KI im Bruchteil einer Sekunde die Daten von LiDAR-Sensoren, Kameras und Radar interpretieren. Sie muss Objekte klassifizieren, Fußgänger antizipieren und Fahrspuren erkennen. Die Entwicklung geht dabei längst über isolierte Assistenzfunktionen hinaus: Zunehmend agieren KI-Systeme als autonome Agenten, die eigenständig komplexe Prozessketten steuern – von der automatisierten Veränderungserkennung in der Fahrbahngeometrie bis hin zur selbstständigen Abfrage amtlicher Geodatenbanken. Doch damit diese agentische Interpretation in einer hochdynamischen Umwelt nicht im Chaos endet, benötigt sie einen unerschütterlichen Fixpunkt. Sie braucht hochgenaue, präzise Karten, konsistente Koordinatensysteme und stets aktuelle amtliche Geobasisdaten. In diesem Szenario sind Geodaten längst kein nachgelagertes Produkt mehr – sie sind die lebenswichtige, räumliche Infrastruktur, ohne die die Künstliche Intelligenz sprichwörtlich blind wäre.

Betrachtet man diese vielfältigen Anwendungsfelder im Zusammenhang, wird ein gemeinsames Prinzip sichtbar: Die Künstliche Intelligenz ersetzt nicht die geodätische Fachkompetenz, sie fordert sie vielmehr auf einer ganz neuen Ebene heraus. Je mächtiger und autonomer die Algorithmen agieren, desto dringlicher werden Datenqualität, verlässliche Bezugssysteme und die menschliche Verantwortungskompetenz. Soll die menschliche Kontrollinstanz (Human in the Loop) in hochautomatisierten Systemen wirksam erhalten bleiben, müssen KI-Systeme von Grund auf nach dem Prinzip Compliance-by-Design gestaltet werden. Jede automatisierte Entscheidung und jede Datenverarbeitung durch KI-Agenten muss lückenlos auditierbar und nachvollziehbar sein. Die eigentliche Leistung der Geodäsie im 21. Jahrhundert besteht deshalb nicht darin, KI-Werkzeuge lediglich fehlerfrei zu bedienen. Sie besteht darin, die strukturellen und geodätischen Bedingungen dafür zu schaffen, dass algorithmisch erzeugte Modelle der Wirklichkeit räumlich korrekt, technisch belastbar, revisionssicher und damit für unsere Gesellschaft am Ende überhaupt erst vertrauenswürdig werden.

So schließt sich der Kreis zur Leitthese dieses Beitrags: Geodaten sind weit mehr als ein weiterer Datensatz. Sie bilden den räumlichen Bezugsrahmen, auf dem zahlreiche KI-Anwendungen erst möglich werden. Die Geodäsie wird damit zur Infrastruktur einer vertrauenswürdigen Künstlichen Intelligenz – nicht nur, weil sie präzise misst, sondern weil sie Daten in überprüfbare Erkenntnis und schließlich in Vertrauen überführt.

Verantwortung gestalten statt Technik verwalten

Die bisherigen Überlegungen haben gezeigt, dass die Geodäsie einen eigenständigen Beitrag zu einer vertrauenswürdigen Künstlichen Intelligenz leisten kann. Daraus folgt jedoch eine weitergehende Frage: Welche politischen und institutionellen Rahmenbedingungen sind erforderlich, damit dieses Potenzial tatsächlich wirksam werden kann?

Mit dem europäischen AI Act hat die Europäische Union einen ersten umfassenden Rechtsrahmen für den Einsatz Künstlicher Intelligenz geschaffen. Sein eigentlicher Wert liegt weniger in einzelnen Verboten oder technischen Vorgaben als in einem grundlegenden Paradigmenwechsel. Er macht deutlich, dass Vertrauen in Künstliche Intelligenz nicht allein durch technische Leistungsfähigkeit entsteht, sondern durch Transparenz, Nachvollziehbarkeit, menschliche Aufsicht und klare Verantwortlichkeiten. Damit rückt nicht mehr nur die Entwicklung leistungsfähiger Algorithmen in den Mittelpunkt, sondern ebenso ihre qualitätsgesicherte Anwendung.

Gerade für die Geodäsie eröffnet dieser Ansatz neue Perspektiven. Zahlreiche geodätische Anwendungen – von Digitalen Zwillingen über automatisierte Bauwerksüberwachung bis hin zu KI-gestützter Fernerkundung – bewegen sich in Bereichen mit erheblicher wirtschaftlicher, rechtlicher oder sicherheitsrelevanter Bedeutung. Hier entscheidet sich die Qualität eines KI-Systems nicht allein an seiner Treffergenauigkeit, sondern ebenso an der Herkunft seiner Daten, der Nachvollziehbarkeit seiner Ergebnisse und der Möglichkeit einer unabhängigen fachlichen Validierung.

Diese Entwicklung verlangt jedoch mehr als neue gesetzliche Vorgaben. Sie erfordert eine Governance, welche Innovation ermöglicht und zugleich belastbare Qualitätsmaßstäbe sichert. Eine ausschließlich technologieorientierte Regulierung würde diesem Anspruch nicht gerecht werden. Entscheidend sind vielmehr klare Anforderungen an Ergebnisse und Prozesse: an Datenqualität, Referenzsysteme, Dokumentation, Auditierbarkeit, Interoperabilität und Haftung. Regulierung sollte deshalb weniger einzelne Algorithmen steuern als die Rahmenbedingungen definieren, unter denen KI-Systeme nachvollziehbar, überprüfbar und rechtssicher eingesetzt werden können.

Den Berufsverbänden kommt hier eine besondere Verantwortung im institutionellen Sinne zu. Sie vertreten nicht nur die Interessen ihrer Mitglieder, sondern entwickeln fachliche Standards, begleiten technologische Entwicklungen und schaffen Orientierung gegenüber Politik, Verwaltung und Öffentlichkeit. Im Zeitalter Künstlicher Intelligenz erweitert sich diese Rolle. Berufsverbände werden zu Mittlern zwischen technologischer Innovation, wissenschaftlicher Qualität und gesellschaftlichen Erwartungen. Sie können Leitlinien entwickeln, Best Practices formulieren, den Erfahrungsaustausch organisieren und den Dialog zwischen Informatik, Ingenieurwissenschaften, Wirtschaft und Gesetzgeber fördern.

Ebenso entscheidend ist die Qualifizierung der Fachkräfte. Der europäische AI Act führt mit der AI Literacy erstmals die Pflicht ein, Beschäftigte für den sachgerechten Umgang mit Künstlicher Intelligenz zu befähigen. Für die Geodäsie bildet dies jedoch lediglich den Ausgangspunkt. Benötigt werden Fortbildungsangebote, die KI-Kompetenz mit geodätischer Fachkompetenz, Datenqualität, Normung, Informationssicherheit und rechtlichen Rahmenbedingungen verbinden. Ziel ist nicht die Ausbildung von KI-Spezialisten, sondern von Ingenieurinnen und Ingenieuren, die algorithmische Ergebnisse fachlich bewerten, qualitätssichern und verantwortungsvoll in Planungs- und Entscheidungsprozesse integrieren können.

Dies betrifft gleichermaßen Hochschulen, Verwaltungen, Ingenieurbüros und Unternehmen der Geoinformationswirtschaft. Künstliche Intelligenz wird künftig selbstverständlicher Bestandteil geodätischer Arbeitsprozesse sein. Ebenso selbstverständlich muss daher ihre Vermittlung in Studium, Weiterbildung und beruflicher Qualifizierung werden. Neben methodischen Grundlagen gewinnen Kompetenzen in Datenmanagement, Governance, Qualitätsbewertung und interdisziplinärer Zusammenarbeit erheblich an Bedeutung.

Die politische Herausforderung besteht deshalb nicht darin, technologische Entwicklungen möglichst detailliert zu regulieren. Erfolgreiche KI-Politik schafft vielmehr einen Ordnungsrahmen, der Innovation, Wettbewerb und wissenschaftliche Qualität miteinander verbindet. Für die Geodäsie eröffnet sich daraus die Chance, ihre jahrzehntelange Erfahrung mit Normung, Standardisierung, Qualitätssicherung und international abgestimmten Referenzsystemen in die Weiterentwicklung europäischer KI-Governance einzubringen. Die Geodäsie wird so nicht nur Anwenderin neuer Technologien, sondern Mitgestalterin der institutionellen Grundlagen einer vertrauenswürdigen digitalen Infrastruktur.

Grenzen der Analogie

Die Geodäsie hat über Jahrhunderte eine wissenschaftliche Kultur entwickelt, die auf Präzision, methodischem Zweifel und transparenter Behandlung von Unsicherheit beruht. Gerade deshalb sollte sie auch gegenüber den eigenen Deutungen skeptisch bleiben. Wenn sie einen Beitrag zur Diskussion über vertrauenswürdige Künstliche Intelligenz leisten will, gehört dazu die Bereitschaft, die eigenen Analogien kritisch zu prüfen.

Zunächst stellt sich die Frage, wie weit sich geodätische Verfahren tatsächlich auf lernende Systeme übertragen lassen. Die Ausgleichungsrechnung nach Gauß und Helmert setzt voraus, dass das zugrunde liegende Modell bereits bekannt ist. Geometrische und physikalische Zusammenhänge stehen fest; Unsicherheit betrifft die Beobachtung, nicht die Struktur des Modells selbst. Bei neuronalen Netzen verhält es sich anders. Hier entsteht das Modell erst aus den Daten, und Fehlerquellen liegen nicht allein in ungenauen Eingaben, sondern ebenso in verzerrten Trainingsdaten, ungeeigneten Lernprozessen oder jenen statistischen Abkürzungen, die der Kluge-Hans-Effekt sichtbar macht.

Die geodätische Fehlerfortpflanzung lässt sich mathematisch beschreiben. Wie sich Fehler durch tiefe neuronale Netze bewegen, ist dagegen bis heute nur teilweise verstanden und selbst Gegenstand intensiver Forschung. Die eigentliche Verbindung zwischen Geodäsie und Künstlicher Intelligenz liegt deshalb weniger in einer unmittelbaren Übertragbarkeit von Verfahren als in einer gemeinsamen Haltung: Sorgfalt, Transparenz, kritische Prüfung und die Bereitschaft, Unsicherheit sichtbar zu machen. Die Analogie ist nicht methodischer, sondern epistemischer Natur. Gerade diese Unterscheidung verdient Klarheit.

Auch das Verhältnis von Selbstbild und Praxis verlangt eine nüchterne Betrachtung. Die Geodäsie beschreibt sich mit guten Gründen als Disziplin der Qualitätssicherung, der Plausibilitätsprüfung und der Verantwortung. Dieses Selbstverständnis ist historisch gewachsen und normativ begründet. Zugleich bleibt es ein Anspruch, der im Alltag immer wieder neu eingelöst werden muss. Zeitdruck, Fachkräftemangel oder der Bezug externer KI-Dienstleistungen können dazu führen, dass Prüf- und Validierungsleistungen unter ökonomischen Bedingungen geraten.

Hier zeigt sich eine Spannung, die weit über die Geodäsie hinausweist. Verantwortungskompetenz mag zum entscheidenden Merkmal professioneller Arbeit werden – sie setzt jedoch voraus, dass Sorgfalt, Transparenz und Qualität auch tatsächlich anerkannt und honoriert werden. Ebenso denkbar ist eine Entwicklung, in der Geschwindigkeit und niedrige Kosten zum ausschlaggebenden Wettbewerbsfaktor werden. Ob sich langfristig Vertrauen oder kurzfristige Effizienz durchsetzen, lässt sich nicht theoretisch entscheiden. Die Antwort liegt in der Praxis und in den institutionellen Rahmenbedingungen, unter denen technische Arbeit stattfindet.

Schließlich lohnt auch ein selbstkritischer Blick auf die Rolle der Geodäsie im Kreis anderer Ingenieur- und Wissenschaftsdisziplinen. Die Verbindung von Qualitätssicherung, Verantwortung und methodischer Reflexion ist kein ausschließlich geodätisches Merkmal. Vergleichbare Traditionen finden sich ebenso in der Medizinphysik, im Bauingenieurwesen, in der amtlichen Statistik oder in anderen Bereichen, in denen Entscheidungen auf belastbaren Daten beruhen müssen. Die besondere Stärke der Geodäsie liegt daher möglicherweise weniger in einem exklusiven Anspruch als in ihrer spezifischen Verbindung von räumlichem Bezug, mathematischer Modellierung und einer über Generationen entwickelten Kultur des Umgangs mit Unsicherheit.

Nichts davon stellt die Grundthese dieses Beitrags infrage. Erkenntnis, Urteilskraft und Verantwortung bleiben auch im Zeitalter Künstlicher Intelligenz zentrale ingenieurwissenschaftliche Werte. Die Reflexion ihrer Grenzen schwächt diese These nicht, sondern stärkt sie. Denn wissenschaftliche Überzeugungskraft entsteht nicht dadurch, dass Widersprüche ausgeblendet werden, sondern dadurch, dass sie sichtbar gemacht und in die eigene Argumentation aufgenommen werden. Vielleicht ist gerade dies die eigentliche Tradition der Geodäsie: nicht der Anspruch auf letzte Gewissheit, sondern die Bereitschaft, auch die eigenen Gewissheiten immer wieder zu prüfen.

Erkenntnis braucht Urteilskraft

Eine der bemerkenswertesten Folgen Künstlicher Intelligenz besteht darin, dass sie den Wert menschlicher Expertise nicht verringert, sondern verändert. Je mehr Algorithmen Routinen übernehmen, Muster erkennen und Daten analysieren, desto deutlicher tritt eine Fähigkeit hervor, die sich nicht automatisieren lässt: die Fähigkeit, Bedeutung zu erkennen. Daten besitzen für sich genommen keine Bedeutung. Sie beschreiben Zustände, messen Entfernungen oder dokumentieren Veränderungen. Erst durch fachliche Einordnung werden sie zu Informationen, aus Informationen entsteht Wissen, und erst Wissen eröffnet die Möglichkeit verantwortlichen Handelns. Diese Einsicht begleitet die Geodäsie seit ihren Anfängen. Sie war nie bloß die Wissenschaft des Messens. Sie war immer auch die Wissenschaft der Interpretation. Gerade deshalb verändert Künstliche Intelligenz die Rolle der Geodäsie grundlegend – allerdings anders, als häufig angenommen wird. Nicht die Vermessung verliert an Bedeutung, sondern die Fähigkeit, ihre Ergebnisse in einen fachlichen Zusammenhang einzuordnen, wird zur eigentlichen Schlüsselkompetenz. Die Zukunft gehört nicht demjenigen, der die meisten Daten erzeugt, sondern demjenigen, der ihre Aussagekraft versteht. Hier beginnt das, was man als Domänenkompetenz bezeichnen kann. Sie geht über klassische Fachkompetenz hinaus. Fachkompetenz befähigt dazu, Messverfahren anzuwenden, Modelle zu berechnen oder Geodaten zu erfassen. Domänenkompetenz hingegen bedeutet, den Raum in seiner technischen, rechtlichen, gesellschaftlichen und organisatorischen Dimension zu verstehen. Sie verbindet Präzision mit Kontext, Methode mit Erfahrung und Daten mit ihrer Bedeutung für reale Entscheidungen. Künstliche Intelligenz kann heute Gebäude in Punktwolken erkennen, Veränderungen auf Satellitenbildern identifizieren oder Digitale Zwillinge analysieren. Sie kann erstaunlich zuverlässig klassifizieren, segmentieren und prognostizieren. Doch sie weiß nicht, warum eine Grenzmarke an genau dieser Stelle unverrückbar ist, weshalb wenige Zentimeter über die Genehmigungsfähigkeit eines Bauvorhabens entscheiden können oder welche Konsequenzen eine fehlerhafte Klassifikation für Eigentumsrechte, Hochwasserschutz oder Verkehrssicherheit nach sich zieht. Zwischen dem Erkennen eines Musters und dem Verstehen seiner Bedeutung liegt ein Raum, den keine Statistik allein erschließen kann. Gerade dieser Raum ist seit jeher das Arbeitsfeld der Geodäsie. Sie verbindet physikalische Messung mit mathematischer Modellbildung, rechtlichen Rahmenbedingungen und ingenieurwissenschaftlicher Bewertung. Ihre Aufgabe besteht nicht darin, möglichst viele Daten bereitzustellen, sondern aus räumlichen Beobachtungen belastbare Erkenntnisse zu gewinnen. In einer Welt, in der Daten nahezu unbegrenzt verfügbar sind, wird diese Fähigkeit kostbarer denn je.

Auch das Verständnis geodätischer Wertschöpfung wandelt sich unter diesen Bedingungen. Der eigentliche Wert einer Vermessung liegt künftig immer seltener in der Datenerhebung selbst. Sensoren, Drohnen und Satelliten erzeugen bereits heute Daten in bislang unvorstellbarer Menge. Entscheidend wird vielmehr die Fähigkeit, aus dieser Datenfülle Orientierung zu schaffen. Auftraggeber benötigen keine größeren Punktwolken, sondern belastbare Entscheidungsgrundlagen. Sie erwarten nicht mehr Informationen, sondern bessere Erkenntnisse. Die Geodätin und der Geodät werden zunehmend zu Orientierungsgebern einer datengetriebenen Gesellschaft. Nicht die algorithmische Analyse selbst bildet den Kern ihrer Aufgabe, sondern die Fähigkeit, Ergebnisse fachlich einzuordnen, ihre Aussagekraft kritisch zu bewerten und daraus belastbare Entscheidungsgrundlagen für Politik, Wirtschaft und Verwaltung zu entwickeln. Der eigentliche Mehrwert geodätischer Professionalität entsteht aus der Verbindung von Domänenkompetenz und Verantwortungskompetenz.

An dieser Stelle berühren sich Domänenkompetenz und Verantwortungskompetenz. Domänenkompetenz beantwortet die fachliche Frage, was räumliche Daten bedeuten. Verantwortungskompetenz beantwortet die weitergehende Frage, welche Folgen sich aus ihrer Interpretation ergeben. Erst beide zusammen ermöglichen jenes professionelle Urteil, das Ingenieurwissenschaft seit jeher auszeichnet. Und hierin liegt auch die eigentliche Ironie der digitalen Transformation. Je leistungsfähiger algorithmische Systeme werden, desto deutlicher wird, worin die unverwechselbare Stärke menschlicher Expertise besteht. Nicht im schnelleren Rechnen. Nicht in der Verarbeitung größerer Datenmengen. Sondern in der Fähigkeit, Zusammenhänge zu verstehen, Unsicherheiten einzuordnen, Verantwortung zu übernehmen und aus Informationen belastbare Erkenntnisse zu gewinnen.

Die Geodäsie im Kontext der europäischen Aufklärung

Die gegenwärtige Debatte über Künstliche Intelligenz erschöpft sich allzu oft in der Faszination für das technisch Machbare. Sie wird primär als ein Wettlauf um Rechenleistung, gigantische Datenmengen und immer komplexere, selbsterlernende Algorithmen verstanden. Doch diese verengte Sichtweise greift zu kurz. Die KI-Transformation ist längst mehr als eine bloße Diskussion über neuartige Werkzeuge; sie berührt die Fundamente unserer gesellschaftlichen und demokratischen Ordnung. Die eigentliche, drängende Frage unserer Zeit lautet deshalb keineswegs, wie intelligent Maschinen in Zukunft werden können, sondern wie verantwortungsvoll der Mensch mit dieser neuartigen Form technischer Macht umzugehen vermag. Wie entsteht Vertrauen in einer Welt, die zunehmend von unsichtbaren Algorithmen gesteuert wird? Wer übernimmt die Verantwortung, wenn gravierende Entscheidungen auf den mathematischen Wahrscheinlichkeiten komplexer Systeme beruhen? Und welche Rolle fällt Wissenschaft, Ingenieurwesen und staatlichen Institutionen bei der aktiven Gestaltung dieses digitalen Wandels zu? Mit diesen Fragen knüpft die aktuelle Kontroverse nahtlos an ein geistesgeschichtliches Fundament an, das Europa seit Jahrhunderten prägt: die Idee der Aufklärung.

Als Francis Bacon zu Beginn des 17. Jahrhunderts das Diktum prägte, dass Wissen Macht sei, meinte er keineswegs das bloße Anhäufen roher Daten oder isolierter Informationen. Ihm ging es um die Fähigkeit des Menschen, die Gesetzmäßigkeiten der Natur tiefgreifend zu verstehen, um sie anschließend verantwortungsvoll im Sinne des Gemeinwohls zu gestalten. Wissenschaft durfte nach diesem Verständnis niemals rein technokratischer Selbstzweck sein. Es ist genau diese Grundhaltung, die das Ethos der modernen Ingenieurwissenschaften bis heute im Kern ausmacht.

Immanuel Kant führte diesen Gedanken auf eine höhere Stufe, indem er die Aufklärung als den „Ausgang des Menschen aus seiner selbstverschuldeten Unmündigkeit“ definierte. Vernunft erschöpft sich nach Kant nicht in der Fähigkeit zu rechnen, Muster zu erkennen oder Datenmengen effizient zu verarbeiten. Sie zeigt sich vielmehr in der Disposition des Subjekts, selbstständig zu urteilen und die uneingeschränkte Verantwortung für das eigene Handeln zu übernehmen. Im Zeitalter der Künstlichen Intelligenz gewinnt Kants Diktum eine verblüffende Aktualität: Algorithmen können Korrelationen berechnen und statistische Prognosen erstellen — ein eigenständiges, moralisches Urteil fällen können sie nicht.

Dass diese Urteilskraft nicht im luftleeren Raum entsteht, betonte Claude-Adrien Helvétius. Er verstand Bildung als die grundlegende Voraussetzung gesellschaftlicher Verantwortung. Der Mensch entwickelt seine moralische Reflexionsfähigkeit nicht isoliert, sondern im stetigen Zusammenspiel von praktischer Erfahrung, Erziehung und verlässlichen institutionalisierten Rahmenbedingungen. Auf die digitale Gegenwart übertragen bedeutet dies: Eine vertrauenswürdige Künstliche Intelligenz entsteht nicht allein durch die mathematische Optimierung von Algorithmen. Sie setzt Menschen voraus, die gelernt haben, deren Ergebnisse kritisch einzuordnen, Grenzen zu erkennen und Folgen abzuschätzen.

Mit den gewaltigen technischen Umbrüchen des 20. Jahrhunderts erhielt diese ethische Dimension eine neuartige Dringlichkeit. Hans Jonas formulierte mit seinem Prinzip Verantwortung eine spezifische Imperativ-Ethik für ein Zeitalter, in dem das technologische Vermögen des Menschen das menschliche Voraussichtsvermögen dramatisch zu überholen droht. Verantwortung darf sich niemals nur auf das unmittelbar Machbare oder die direkte Gegenwart beschränken; sie muss zwangsläufig die langfristigen, irreversiblen Auswirkungen technischen Handelns auf künftige Generationen miteinbeziehen. Kaum eine Technologie macht diesen Jonas’schen Imperativ heute so dringlich wie die Künstliche Intelligenz.

In der jüngeren Debatte unterstreicht schließlich Julian Nida-Rümelin, dass die omnipräsente Digitalisierung den Menschen keineswegs von der Pflicht zum eigenen Denken entbindet. Im Gegenteil: Je leistungsfähiger datengetriebene Systeme werden, desto unverzichtbarer werden menschliche Urteilskraft, tiefes Kontextverständnis und die explizite Bereitschaft zur Übernahme von Verantwortung. Menschliche Rationalität erschöpft sich nicht in statistischer Optimierung; sie entsteht erst dort, wo Wissen, empirische Erfahrung, ethische Werte und praktische Vernunft synergetisch zusammenwirken.

Vor diesem geistesgeschichtlichen Hintergrund sucht Europa in der globalen KI-Landschaft nach einem dezidiert eigenen Weg. Während die Vereinigten Staaten weitgehend einer marktgetriebenen, libertären Innovationslogik folgen und China einen stärker staatszentrierten, kontrollorientierten Ansatz verfolgt, unternimmt die Europäische Union den Versuch, technologische Dynamik unlösbar mit demokratischen Werten, Rechtsstaatlichkeit und Gemeinwohlorientierung zu verflechten. Der europäische AI Act ist der rechtliche Ausdruck dieses Selbstverständnisses. Sein primäres Ziel besteht nicht darin, Innovation abzuwürgen oder den technischen Fortschritt zu hemmen. Er soll der Technologie vielmehr einen verlässlichen, wertegebundenen Ordnungsrahmen geben. Die eigentliche europäische Chance liegt folglich nicht im aussichtslosen Wettlauf um die schiere Größe von Parametern oder die höchste Rechenleistung, sondern in der Entwicklung einer Künstlichen Intelligenz, die Vertrauen stiftet, demokratische Institutionen stärkt und konsequent dem Menschen dient. Europa definiert technologische Führerschaft nicht über Datenmacht oder Skalierungsgeschwindigkeit, sondern über die Verknüpfung von wissenschaftlicher Exzellenz, institutionellem Vertrauen und gesellschaftlicher Verantwortung.

Doch ein solcher europäischer Sonderweg bleibt eine bloße politische Absichtserklärung, wenn er sich nicht handfest in den wissenschaftlichen, ingenieurwissenschaftlichen und beruflichen Kulturen niederschlägt, die den digitalen Wandel tagtäglich gestalten. Betrachtet man die Geodäsie im Lichte dieser ethischen und gesellschaftlichen Anforderungen, erscheint sie in einer völlig neuen Perspektive, denn die Geodäsie demonstriert eindrucksvoll, wie ein verantwortungsvoller Umgang mit Daten und Technologie in der Praxis funktioniert: Während weite Teile der globalen Digitalökonomie auf der sprichwörtlichen Monopolisierung proprietärer Datenbestände basieren, ruht das Fundament der Geodäsie auf qualitätsgesicherten Referenzsystemen, interoperablen Standards und verlässlich bereitgestellten Geobasisdaten. Europäische Initiativen wie die INSPIRE-Richtlinie oder das Integrated Geospatial Information Framework (UN-IGIF) der Vereinten Nationen stehen exemplarisch für dieses Verständnis: Geodaten entfalten ihren höchsten gesellschaftlichen und ökonomischen Nutzen genau dann, wenn sie nachvollziehbar, standardisiert, barrierefrei und verantwortungsvoll als öffentliches Gut zur Verfügung stehen. Daran wird deutlich, dass die Geodäsie nicht lediglich Anwenderin Künstlicher Intelligenz ist. Sie verkörpert seit Jahrhunderten genau jene wissenschaftliche Haltung, die heute unter Begriffen wie Trustworthy AI, Human Oversight oder Responsible AI neu formuliert wird. Ihre Kultur der Qualitätssicherung, der transparenten Fehleranalyse, der Nachvollziehbarkeit und der institutionellen Verlässlichkeit ist Ausdruck einer Verantwortungsethik, die lange vor der Digitalisierung entstanden ist. Hierin liegt übrigens auch eine direkte Parallele zur aktuellen Debatte um erklärbare KI (Explainable AI): Auch algorithmische Systeme gewinnen ihre gesellschaftliche Akzeptanz erst dann, wenn ihre methodischen Grenzen offenliegen, ihre Unsicherheiten nachvollziehbar beziffert sind und ihre Ergebnisse für Dritte überprüfbar bleiben. Präzision ohne Transparenz verliert im digitalen Zeitalter ihren Wert.

Vertrauen entsteht niemals allein aus der Perfektion einer Technologie, sondern erst an der Schnittstelle, an der technische Qualität auf stabile Institutionen trifft. Geodätische Raumbezugssysteme, das Liegenschaftskataster, amtliche Geobasisdaten und internationale Normen sind weit mehr als bloße mathematisch-technische Konstrukte. Sie bilden eine Vertrauensinfrastruktur, die Verlässlichkeit garantiert, Rechtssicherheit schafft und damit gesellschaftliche Orientierung überhaupt erst ermöglicht.

Wenn KI-Algorithmen eigenständig komplexe Muster in Massendaten erkennen, Wahrscheinlichkeiten berechnen und autonome Prognosen erstellen, steht das Berufsbild der Ingenieurwissenschaften an einer historischen Weggabelung. Arbeitssoziologische Analysen – etwa des Arbeitssoziologen Florian Butollo (WZB / Weizenbaum-Institut) – warnen in diesem Zusammenhang vor der konkreten Gefahr eines „digitalen Taylorismus“. Dieses Negativ-Szenario beschreibt eine schleichende De-Qualifizierung hochqualifizierter Arbeit: Der Mensch wird dabei zum bloßen Befehlsempfänger oder Lückenbüßer des Algorithmus degradiert – reduziert auf die Rolle eines Klickworkers, der KI-Ergebnisse unkritisch durchwinkt, ohne deren Entstehungskontext oder Fehlerquellen noch durchdringen zu können. Die Geodäsie und das europäische Prinzip der Verantwortungskompetenz setzen diesem digitalen Taylorismus ein dezidiert humanistisches Gegenmodell entgegen. Anstatt sich der Entfremdung durch algorithmische Steuerung zu unterwerfen, vollziehen Ingenieurinnen und Ingenieure eine gezielte Aufwertung ihrer Professionalität: Sie wandeln sich von Erzeugern reiner Daten zu Gestaltern von Datenqualität; von Ausführenden standardisierter Rechenprozesse zu verantwortlichen Validatoren algorithmischer Resultate. Human in the Loop ist vor diesem Hintergrund weit mehr als eine regulatorische Bürde oder eine juristische Haftungsregel. Es ist die absichtsvolle Verweigerung gegenüber dem digitalen Taylorismus und bringt ein neues, mündiges Selbstverständnis zum Ausdruck: Der Mensch bleibt nicht etwa deshalb unverzichtbar, weil Algorithmen unvollkommen sind, sondern weil Verantwortung strukturell unteilbar bleibt.

Aus diesem Ineinandergreifen von geistesgeschichtlicher Tradition und geodätischer Praxis erhält der in diesem Beitrag entwickelte Begriff der Verantwortungskompetenz eine weitergehende Bedeutung. Dieser Begriff beschreibt nicht nur eine isolierte, individuelle Fähigkeit des einzelnen Experten, sondern ein umfassendes kulturelles Leitbild. Verantwortungskompetenz verbindet wissenschaftliche Exaktheit mit ethischer Reflexion, technisches Wissen mit gesellschaftlichem Urteilsvermögen und Innovationsbereitschaft mit institutioneller Verlässlichkeit. Verantwortungskompetenz wird damit zur zentralen Schlüsselqualifikation einer aufgeklärten Ingenieurwissenschaft im 21. Jahrhundert. Die Geschichte der Geodäsie war niemals nur eine Geschichte besserer Messverfahren. Sie war stets die Geschichte der methodisch abgesicherten Gewinnung verlässlicher Erkenntnis. Künstliche Intelligenz verändert die Werkzeuge dieser Disziplin grundlegend – ihren wissenschaftlichen Auftrag jedoch nicht. Ihre Zukunft liegt nicht allein in neuen Technologien, sondern in ihrer Fähigkeit, Vertrauen, Verantwortung und Domänenkompetenz mit den Möglichkeiten Künstlicher Intelligenz zu verbinden. Und genau darin könnte auch ihr wichtigster Beitrag zu einer europäischen, vertrauenswürdigen KI liegen.

Literatur

1. Adensamer, Angelika / Gsenger, Rita / Klausner, Lukas Daniel (2022): Wer ist schuld, wenn Algorithmen irren? Entscheidungsautomatisierung, Organisationen und Verantwortung. Wissenschaftskonferenz der Arbeiterkammer Vorarlberg (Forschung 1: Technikfolgenabschaetzung aus Arbeitnehmer:innenperspektive), https://arxiv.org/abs/2207.10479. (13.07.2026)
2. Butollo, Florian (2026): Das knappe Gut Arbeit – Automatisierung, Arbeitskräftemangel und sozialer Konflikt. Suhrkamp Verlag.
3. EU-Kommission (2019): High-level expert group on artificial intelligence. Ethics guidelines for trustworthy AI. https://digital-strategy.ec.europa.eu/en/library/ethics-guidelines-trustworthy-ai. https://arxiv.org/abs/2207.10479. (13.07.2026)
4. EU-Parlament (2024): Verordnung (EU) 2024/1689 zur Festlegung harmonisierter Vorschriften für künstliche Intelligenz (AI Act). https://eur-lex.europa.eu/eli/reg/2024/1689/ (13.07.2026)
5. Gerlich, Michael (2025): AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking. https://doi.org/10.3390/soc15010006. (15.07.2026)
6. Grunau, Wilfried (2017): Perspektiven: Die gesammelten Editorials 1994 – 2017. BoD-Verlag
7. Grunau, Wilfried (2024): Weiterbildungsbedarfe in Geodäsie und Geoinformatik. VDVmagazin 3/24.
8. Grunau, Wilfried (2025): Künstliche Intelligenz, quo vadis? VDVmagazin 2/25.
9. Grunau, Wilfried (2025): Orientierung in der Datenflut: Auf der Suche nach Erkenntnis. https://grunau.info/orientierung-in-der-datenflut-auf-der-suche-nach-erkenntnis (13.07.2026)
10. Grunau, Wilfried (2026): KI mit Haltung: Chancen nutzen – Verantwortung behalten. BDVI-Forum 2/26.
11. Grunau, Wilfried (Hrsg.) 2026: KI in Geodäsie und Geoinformatik. VDE-Verlag.
12. Heidegger, Martin (1954): Die Frage nach der Technik. In: Vorträge und Aufsätze. Verlag Günther Neske.
13. Helvétius, Claude Adrien (2018): A Treatise on Man, His Intellectual Faculties and His Education: a Posthumous Work of M. Helvetius. HardPress.
14. Höffe, Otfried (2020): Immanuel Kant. C.H.Beck.
15. ISO 19157-1:2023 Geographic information – Data quality Part 1: General requirements.
16. ISO/IEC 42001:2023 Information technology – Artificial intelligence – Management system.
17. Jonas, Hans (1979): Das Prinzip Verantwortung. Versuch einer Ethik für die technologische Zivilisation. Suhrkamp Verlag.
18. Kant, Immanuel (1790): Kritik der Urteilskraft.
19. Krohn, Wolfgang (2006): Francis Bacon.‎ C.H.Beck.
20. Kuhn, Thomas S. (1962): The Structure of Scientific Revolutions. https://www.lri.fr/~mbl/Stanford/CS477/papers/Kuhn-SSR-2ndEd.pdf (13.07.2026)
21. Mittelstraß, Jürgen (2016): Die Häuser des Wissens, Wissenschaftstheoretische Studien. Suhrkamp Verlag.
22. Nida-Rümelin, Julian (2018): Digitaler Humanismus: Eine Ethik für das Zeitalter der Künstlichen Intelligenz. Piper
23. National Academies of Sciences USA (2019). Reproducibility and Replicability in Science. https://doi.org/10.17226/25303. (13.07.2026)
24. Popper, Karl (1935): Logik der Forschung. Zur Erkenntnistheorie der modernen Naturwissenschaft. De Gruyter.
25. Simon, Herbert A. (1996): The Sciences of the Artificial. MIT Press.
26. UN Global Geospatial Information Management. https://www.un.org/globalgeospatial/en/united-nations-integrated-geospatial-information-framework-un-igif (13.07.26)
27. Verband Deutscher Vermessungsingenieure (2026): Künstliche Intelligenz in Geodäsie und Geoinformatik. Verantwortungsvoll gestalten, strategisch nutzen, regulatorisch einordnen. Positions- und Strategiepapier.
28. Völpel, Henning (2025): Twelve European Thoughts on Artificial Intelligence. Common Ground Europe. https://commongroundeurope.eu/blog/twelve-european-thoughts-on-artificial-intelligence/ (13.07.2026)