Insights → Im Code
Pipelines, Validierungen, Architekturentscheidungen. Für Fachleute, die selbst Hand anlegen. Wir schreiben offen über Werkzeugwahl, Fallstricke und die Stellen, an denen wir selbst Fehler gemacht haben.
Warum klassisches Holdout in der räumlichen Modellierung optimistische Kennzahlen erzeugt, und wie es besser geht. Mit einem Beispiel aus einer eigenen Agrar-Studie, bei der ein Standard-Split die Genauigkeit um fast zehn Prozentpunkte überschätzt hat.
Zwischen „alles in Docker mit CI" und „Skript auf dem Desktop der Kollegin" gibt es einen pragmatischen Weg. Welche Abstraktionsebene zu welchem Projekt passt. Und warum die Antwort fast nie „Kubernetes" ist.
Kein Format ist an sich besser. Wann PostGIS sich auszahlt, wann eine GPKG oder FGB reicht, und wann die Frage falsch gestellt ist. Mit drei konkreten Projekt-Situationen, in denen wir unterschiedlich entschieden haben.
Tags: #PostGIS #WebGIS #Datenhaltung
Wie wir Sentinel-2-Daten vorverarbeiten, wolkenkorrigieren und zu belastbaren Indikatoren aggregieren. Inklusive der Entscheidungen, die wir getroffen haben, und der Kompromisse, die dahinter stehen.
Tags: #Fernerkundung #Sentinel #Python
Modelle sind Commodity. Gute Trainingsdaten sind selten. Ein Werkstattbericht aus der Annotation für ein Drohnen-Segmentierungsmodell, mit einer Aufstellung der Zeit-Verteilung über den Projektverlauf.
Tags: #GeoAI #Annotation
Frühere Beiträge im Archiv.
