Den Wald digital entfernen. Wie LiDAR und Gaussian Splatting per Drohne Gelände in digitale Zwillinge verwandeln

Ein Wald verliert digital seine Bäume

Das Video beginnt mit einem Blick auf eine Punktwolke. Von oben fächern rote Linien auf, die Laserstrahlen einer Drohne, und treffen auf ein Feld aus Millionen weißer Punkte. Danach wechseln die Ansichten: ein farbiges Luftbild mit Berg, Ort und Feldern, eine Darstellung, in der Vegetation, Gebäude und Boden unterschiedlich eingefärbt sind, ein ockerfarbenes Relief ohne jede Vegetation, ein Höhenmodell mit eingezeichneten Abflusslinien und schließlich eine fertige Karte mit Straßen, Gebäuden und Grundstücksgrenzen.^[1]

Laut Beschreibung des ausführenden Vermessungsbüros wurde das Gelände mit einer Drohne vom Typ DJI Matrice 400 und dem LiDAR-Sensor Zenmuse L3 erfasst. LiDAR steht für Light Detection and Ranging, also Entfernungsmessung mit Licht. Aus den Messungen entstanden sechs Ergebnisse: eine Punktwolke, eine Klassifizierung der Punkte, ein digitales Geländemodell, eine Simulation des Oberflächenabflusses, ein Orthomosaik, also ein maßstabsgetreu zusammengesetztes Luftbild, und eine vektorisierte Karte für Ingenieurprojekte.^[1]

Bemerkenswert ist weniger jedes einzelne Ergebnis als ihre Abfolge. Jede Ansicht beantwortet eine andere Frage. Die Punktwolke zeigt, was gemessen wurde. Die Klassifizierung zeigt, was die Punkte bedeuten. Das Geländemodell zeigt, wie der Boden tatsächlich verläuft. Die Abflusssimulation zeigt, was bei Regen geschieht. Und die Karte macht all das für Planer, Behörden und Bauherren verwendbar. Genau diese Kette, von der Messung zur Entscheidung, ist das eigentliche Thema des Videos.

Jede Ansicht beantwortet eine andere Frage.

^{Infografik: Erst die Kette von der Messung über Bedeutung und Simulation bis zur Karte macht aus Laserpunkten eine Entscheidungsgrundlage | Grafik: © Ulrich Buckenlei | XR Stager Online Magazin | VISORIC GmbH}

Zur Einordnung gehört eine Korrektur. In der Beschreibung des Videos ist von millimetergenauer Erfassung die Rede. Der Hersteller gibt die Systemgenauigkeit des Sensors bei 120 Metern Flughöhe mit rund vier Zentimetern horizontal und drei Zentimetern vertikal an, ermittelt unter Laborbedingungen mit Referenzstation und Nachbearbeitung.^[2] Das ist für Planung und Vermessung hervorragend, aber es sind Zentimeter. Wer Messdaten für Entscheidungen nutzt, sollte diese Größenordnung kennen, denn sie bestimmt, welche Fragen ein Modell beantworten kann. Für die Lage einer Straße, das Gefälle eines Grundstücks oder das Volumen einer Erdbewegung genügen Zentimeter. Für die Passung eines Maschinenbauteils genügen sie nicht.

Für Unternehmen zeigt das Beispiel, wie stark sich die Schwelle für eine präzise Geländeerfassung verschoben hat. Eine Drohne mit Laserscanner ist heute ein Standardwerkzeug moderner Vermessungsbüros. Entscheidend ist nicht mehr der Zugang zur Technik, sondern die Frage, welche Information für welches Vorhaben gebraucht wird und wie sie aufbereitet werden muss, damit Fachabteilungen, Management und Genehmigungsbehörden mit ihr arbeiten können. Wie der Laser überhaupt durch den Wald sieht, zeigt das nächste Kapitel.

• Das Video zeigt eine reale Drohnenvermessung in Brasilien.
• Aus den Messungen entstehen sechs aufeinander aufbauende Ergebnisse.
• Jede Ansicht beantwortet eine andere Planungsfrage.
• Die Genauigkeit liegt im Zentimeterbereich, nicht bei Millimetern.
• Der Engpass ist die Aufbereitung, nicht mehr der Zugang zur Technik.

Ein Wald, der digital verschwindet, ist damit kein Effekt, sondern das sichtbare Ergebnis einer vollständigen Messkette.

Wie Laserpulse durch das Blätterdach finden

Ein LiDAR-Sensor sendet kurze Laserpulse aus und misst, wie lange das Licht bis zu einer Oberfläche und zurück braucht. Aus dieser Laufzeit ergibt sich die Entfernung. Zusammen mit der exakten Position der Drohne aus der Satellitennavigation und ihrer Lage im Raum aus Inertialsensoren, also Beschleunigungs- und Drehratensensoren, wird jeder zurückkehrende Puls zu einem Punkt mit Koordinaten. Aus Millionen solcher Punkte pro Sekunde entsteht eine Punktwolke.

Der Sensor aus dem Video arbeitet laut Hersteller mit einer Wellenlänge von 1535 Nanometern und Pulsfrequenzen zwischen 100.000 und zwei Millionen Pulsen pro Sekunde.^[2] Entscheidend für den Blick durch den Wald ist eine weitere Eigenschaft: Ein einzelner Puls kann mehrere Echos erzeugen. Ein Teil des Lichts wird von der Baumkrone zurückgeworfen, ein Teil von Ästen in mittlerer Höhe, ein Teil findet durch kleine Lücken im Blätterdach bis zum Boden. Der Zenmuse L3 erfasst je nach Einstellung bis zu 16 solcher Rückläufe pro Puls.^[2]

Diese Mehrfachechos sind der Grund, warum LiDAR Gelände unter Vegetation sichtbar macht, das auf keinem Foto erscheint. Eine Kamera sieht nur die oberste Oberfläche, also das Blätterdach. Ein Laserscanner sammelt dagegen Messpunkte aus allen Ebenen, und die letzten Rückläufe eines Pulses stammen häufig vom Boden. Je dichter die Vegetation, desto weniger Pulse erreichen ihn, aber bei ausreichender Punktdichte genügen bereits wenige Bodenpunkte pro Quadratmeter, um den Geländeverlauf zuverlässig zu rekonstruieren.

Ein Puls, mehrere Echos, und das letzte erreicht oft den Boden.

^{Infografik: Mehrfachechos machen den Unterschied zwischen einem Foto des Blätterdachs und einer Messung des Geländes darunter | Grafik: © Ulrich Buckenlei | XR Stager Online Magazin | VISORIC GmbH}

Wie dicht und genau eine Erfassung sein muss, ist in der Fachwelt standardisiert. Der amerikanische Geologische Dienst USGS definiert für sein nationales Höhenprogramm Qualitätsstufen. Die höchste Stufe verlangt mindestens acht Punkte pro Quadratmeter und eine vertikale Genauigkeit von fünf Zentimetern, die gängige Stufe für Landesvermessungen zwei Punkte pro Quadratmeter und zehn Zentimeter.^[3] Drohnen erreichen bei niedriger Flughöhe häufig ein Vielfaches dieser Dichte, weil sie näher am Boden fliegen als Flugzeuge. Dafür decken sie pro Flug deutlich kleinere Flächen ab.

Für Unternehmen bedeutet das: Die Wahl zwischen Flugzeug, Drohne und terrestrischem Scanner ist eine Frage von Fläche, Detailgrad und Zweck. Für ein Grundstück, einen Werksstandort, eine Trasse oder ein Baufeld ist die Drohne meist das effizienteste Werkzeug. In der Praxis entscheidet die Flugplanung über die Qualität: Flughöhe, Überlappung der Bahnen, Pulsfrequenz und Referenzpunkte am Boden. Wie aus den Punkten eine Aussage über das Gelände wird, zeigt das nächste Kapitel.

• LiDAR misst Entfernungen über die Laufzeit von Laserpulsen.
• Ein Puls kann bis zu 16 Rückläufe erzeugen.
• Die letzten Rückläufe stammen häufig vom Boden unter dem Wald.
• USGS definiert Qualitätsstufen für Punktdichte und Genauigkeit.
• Flugplanung entscheidet über die Qualität der Erfassung.

Der Blick durch den Wald ist damit keine Röntgenaufnahme, sondern Statistik: Viele Pulse, von denen genug den Boden erreichen.

Vom Messpunkt zur Bedeutung

Eine Punktwolke enthält zunächst nur Koordinaten und einige Messwerte wie die Stärke des zurückkehrenden Signals. Sie weiß nicht, ob ein Punkt zu einem Baum, einem Dach oder einer Straße gehört. Diese Bedeutung entsteht erst durch Klassifizierung. Software ordnet jeden Punkt anhand von Höhe, Nachbarschaft, Form und Signalstärke einer Klasse zu.

Für diese Klassen gibt es einen internationalen Standard. Das Dateiformat LAS der American Society for Photogrammetry and Remote Sensing, kurz ASPRS, legt Klassencodes fest: unter anderem Boden, niedrige, mittlere und hohe Vegetation, Gebäude, Wasser, Schiene und Straßenoberfläche.^[4] Im Video sind diese Klassen als Farbflächen zu sehen: Grün für Vegetation, Rot für Gebäude, Ocker für Boden. Weil alle Programme denselben Code für Boden verwenden, lassen sich Daten zwischen Vermessungsbüro, Planungsbüro und Behörde austauschen, ohne ihre Bedeutung zu verlieren.

Aus den Bodenpunkten entsteht das digitale Geländemodell, im Deutschen kurz DGM, international Digital Terrain Model. Es beschreibt die Erdoberfläche ohne Bewuchs und Bebauung. Davon zu unterscheiden ist das digitale Oberflächenmodell, das die oberste Oberfläche einschließlich Bäumen und Dächern zeigt. Die Differenz beider Modelle ergibt die Höhe von Vegetation und Gebäuden, eine wichtige Größe für Forstwirtschaft, Stadtplanung und Verschattungsanalysen.

Erst die Klasse macht aus einem Punkt eine Aussage.

^{Infografik: Klassifizierung trennt Boden, Vegetation und Bebauung, und aus der Differenz von Oberfläche und Gelände entstehen neue Informationen | Grafik: © Ulrich Buckenlei | XR Stager Online Magazin | VISORIC GmbH}

Für Unternehmen ist die Klassifizierung der Schritt, in dem sich Qualität entscheidet. Automatische Verfahren leisten heute den Großteil der Arbeit, an Übergängen aber, etwa bei niedriger Vegetation am Hang, bei Brücken oder bei Gebäuden mit Dachbegrünung, braucht es Prüfung und Nacharbeit. Ein falsch klassifizierter Busch kann im Geländemodell als Erhebung erscheinen und eine Abflussberechnung verfälschen. Deshalb gehört zu jeder Lieferung eine Angabe, welche Klassen automatisch und welche manuell geprüft wurden. Zusätzlich lohnt ein Blick auf die Punktdichte am Boden: In dichtem Wald kann sie lokal so gering sein, dass das Gelände dort interpoliert und nicht gemessen ist.

Ein sauber klassifizierter Datensatz ist damit mehr als ein Zwischenergebnis. Er ist die gemeinsame Grundlage, auf der Geländeanalyse, Planung, Visualisierung und Simulation aufbauen. Was eine fotorealistische Darstellung der Oberfläche ergänzt, zeigt das nächste Kapitel.

• Eine Punktwolke kennt zunächst nur Koordinaten.
• Der ASPRS-Standard legt Klassen wie Boden und Gebäude fest.
• Das Geländemodell zeigt den Boden ohne Bewuchs und Bebauung.
• Oberfläche minus Gelände ergibt Vegetations- und Gebäudehöhe.
• Klassifizierung braucht Prüfung an kritischen Übergängen.

Klassifizierung verwandelt damit Messpunkte in Bedeutung, und erst Bedeutung macht Daten zwischen Fachdisziplinen austauschbar.

Gaussian Splatting zeigt die sichtbare Wirklichkeit

LiDAR misst Geometrie, auch unter dem Blätterdach. Für die fotorealistische Darstellung dessen, was ein Mensch vor Ort sieht, hat sich seit 2023 ein weiteres Verfahren etabliert: 3D Gaussian Splatting. Forschende des französischen Forschungsinstituts Inria und des Max-Planck-Instituts für Informatik stellten es auf der SIGGRAPH 2023 vor.^[5] Das Verfahren beschreibt eine Szene nicht mit Dreiecksflächen, sondern mit Millionen kleiner, halbtransparenter Farbwolken, sogenannter Gaußscher Ellipsoide. Jede besitzt Position, Form, Farbe und Transparenz.

Ausgangspunkt sind gewöhnliche Fotos aus vielen Blickwinkeln, etwa aus einem Drohnenflug. Aus ihnen berechnet ein Optimierungsverfahren die Wolken so, dass ihr Zusammenspiel aus jeder Perspektive die Fotos möglichst genau nachbildet. Das Ergebnis lässt sich laut den Autoren in Echtzeit mit mindestens 30 Bildern pro Sekunde in Full-HD-Auflösung darstellen.^[5] Spiegelungen, feine Strukturen wie Geländer oder Vegetation und weiche Übergänge wirken dadurch deutlich natürlicher als in klassischen texturierten 3D-Modellen.

Die beiden Verfahren ergänzen sich. LiDAR liefert belastbare Geometrie und sieht durch Vegetation. Gaussian Splatting liefert die sichtbare Anmutung, also das, was Projektbeteiligte, Investoren oder Anwohner intuitiv verstehen. Photogrammetrie, die klassische Rekonstruktion aus Fotos, liegt dazwischen und erzeugt texturierte Oberflächenmodelle. Die Übersicht unter der Grafik ordnet die drei Verfahren ein.

Geometrie, Oberfläche und Anmutung ergänzen sich.

^{Infografik: LiDAR sichert die Geometrie, Gaussian Splatting die Verständlichkeit, und gemeinsam georeferenziert entsteht ein vollständiger digitaler Zwilling | Grafik: © Ulrich Buckenlei | XR Stager Online Magazin | VISORIC GmbH}

^{Übersicht: Drei Erfassungsverfahren im Vergleich, eigene Einordnung auf Basis der zitierten Quellen | Tabelle: © Ulrich Buckenlei | XR Stager Online Magazin | VISORIC GmbH}

Wie schnell Gaussian Splatting den Weg in professionelle Anwendungen findet, zeigt die Standardisierung. Im Februar 2026 stellte die Khronos Group, die unter anderem das 3D-Austauschformat glTF verantwortet, eine Erweiterung für Gaussian Splats als Release Candidate vor. Zu den Beteiligten gehören Autodesk, Bentley Systems mit Cesium, Esri und NVIDIA.^[6] Auf der INTERGEO 2026 in München zeigte Esri zudem einen georeferenzierten Gaussian-Splatting-Datensatz der gesamten Niederlande, der jährlich aktualisiert werden soll.^[7] Aus einem Forschungsverfahren wird damit ein austauschbares Datenformat für Geoinformation.

Für Unternehmen ist die Kombination der eigentliche Gewinn. Ein Gaussian-Splatting-Modell allein ist keine Vermessung, und eine Punktwolke allein überzeugt keinen Investor. Werden beide im selben Koordinatensystem georeferenziert, lässt sich ein Standort fotorealistisch begehen und zugleich vermessen. In der Praxis entscheidet dabei die Aufnahmeplanung: Lichtverhältnisse, Flugbahnen, Blickwinkel und Überlappung bestimmen, wie vollständig und scharf das Ergebnis wird. Wie aus diesem Abbild ein Werkzeug für Entscheidungen wird, zeigt das nächste Kapitel.

• Gaussian Splatting beschreibt Szenen mit Millionen Farbwolken.
• Ausgangspunkt sind Fotos aus vielen Blickwinkeln, etwa per Drohne.
• Die Darstellung läuft in Echtzeit und wirkt fotorealistisch.
• Khronos standardisiert Gaussian Splats im Format glTF.
• LiDAR und Splatting gemeinsam ergeben Geometrie und Anmutung.

Gaussian Splatting macht die vermessene Welt damit verständlich, und LiDAR sorgt dafür, dass das Verständliche auch stimmt.

Simulieren, bevor die Landschaft verändert wird

In der Diskussion zu dem Video kam ein Gedanke immer wieder: Der Wert eines Geländemodells zeigt sich, bevor gebaut wird. Ein Kommentar aus der Industrie formulierte es präzise. Die Daten erlauben es Ingenieuren, Annahmen über Gelände und Entwässerung zu testen, solange eine Änderung des Plans noch deutlich günstiger ist. Ein anderer Beitrag nannte die Entscheidungen, die davon profitieren: Entwässerung, Lage von Infrastruktur und Umweltauswirkungen, bevor Ressourcen gebunden sind.

Das Video zeigt eine dieser Anwendungen. Aus dem Geländemodell wird der Oberflächenabfluss simuliert: Wohin fließt Regenwasser, wo sammelt es sich, wo verlaufen Wasserscheiden, also die Grenzen zwischen Einzugsgebieten? Die blauen Linien auf dem Relief sind das Ergebnis. Für einen Bauherrn bedeutet das, schon in der Planung zu erkennen, ob ein Baufeld in einer natürlichen Abflussrinne liegt, ob ein Regenrückhaltebecken an der richtigen Stelle geplant ist oder ob eine neue Straße einen Wasserweg unterbricht.

Wie wichtig solche Analysen sind, zeigt die europäische Rechtslage. Die Hochwasserrisikomanagement-Richtlinie der Europäischen Union verpflichtet die Mitgliedstaaten, Gefahren- und Risikokarten für Hochwasser zu erstellen und regelmäßig zu aktualisieren.^[8] Hochaufgelöste Geländemodelle sind die Grundlage dafür. Für einzelne Standorte, Werke oder Baufelder kann eine Drohnenerfassung diese Grundlage in deutlich höherer Auflösung ergänzen, als sie flächendeckende Landesdaten liefern.

Der günstigste Zeitpunkt für eine Änderung ist vor dem ersten Spatenstich.

^{Infografik: Ein Geländemodell macht Risiken sichtbar, solange sich der Plan noch mit geringem Aufwand anpassen lässt | Grafik: © Ulrich Buckenlei | XR Stager Online Magazin | VISORIC GmbH}

Für Unternehmen reicht der Nutzen weit über Hochwasser hinaus. Auf demselben Modell lassen sich Erdmassen für Baugruben und Planierungen berechnen, Gefälle für Zufahrten und Leitungen prüfen, Sichtachsen und Verschattung bewerten oder Lärmausbreitung abschätzen. Für Werksstandorte und Logistikflächen werden so Erweiterungen bewertbar, bevor Gutachten beauftragt oder Flächen gekauft werden. Ein weiterer Beitrag in der Diskussion brachte den Umweltaspekt ins Spiel: Erosionsrisiken, Überflutungsszenarien und Eingriffe in die Landschaft lassen sich digital testen, bevor die reale Landschaft verändert wird.

Entscheidend ist, dass Simulationen als Simulationen gekennzeichnet bleiben. Eine Abflussberechnung hängt von Annahmen über Niederschlag, Boden und Versickerung ab. Sie ersetzt kein hydrologisches Gutachten, macht aber sichtbar, wo ein Gutachten nötig ist. Am wirkungsvollsten ist sie, wenn Planer, Behörden und Anwohner das Ergebnis gemeinsam sehen, etwa in einer räumlichen Darstellung im Browser. Welche Dimension Messdaten zusätzlich gewinnen, wenn sie wiederholt werden, zeigt das nächste Kapitel.

• Der Wert eines Geländemodells zeigt sich vor dem Bau.
• Abflusssimulationen zeigen Wasserwege und Wasserscheiden.
• Die EU verlangt Hochwassergefahren- und Risikokarten.
• Erdmassen, Gefälle und Verschattung lassen sich vorab prüfen.
• Simulationen bleiben Annahmen und ersetzen kein Gutachten.

Simulation auf einem genauen Geländemodell verschiebt Entscheidungen damit an den Punkt, an dem sie am wenigsten kosten.

Die vierte Dimension heißt Zeit

Ein einzelner Scan zeigt einen Zustand. In der Diskussion zu dem Video wurde der nächste Schritt benannt: Zeit hinzuzufügen. Wiederholte LiDAR-Scans könnten zeigen, wie Wälder wachsen, wie sich Flussbetten verlagern oder wie sich Baustellen entwickeln. Aus einem digitalen Abbild wird so ein digitaler Zwilling, der Veränderung sichtbar und messbar macht.

Dafür gibt es etablierte Verfahren. Der Vergleich zweier Punktwolken desselben Gebiets aus unterschiedlichen Zeitpunkten heißt Veränderungsanalyse. Ein verbreiteter Algorithmus dafür ist M3C2, entwickelt von Dimitri Lague, Nicolas Brodu und Jérôme Leroux und 2013 im ISPRS Journal of Photogrammetry and Remote Sensing veröffentlicht.^[9] Er berechnet Abstände zwischen zwei Punktwolken entlang der lokalen Oberflächenrichtung und liefert zu jedem Wert eine Nachweisgrenze. Damit wird erkennbar, ob eine Veränderung tatsächlich stattgefunden hat oder innerhalb der Messungenauigkeit liegt.

Gerade diese Nachweisgrenze ist für Unternehmen wichtig. Wenn ein Modell eine Absenkung von drei Zentimetern zeigt, die Messgenauigkeit aber bei drei bis vier Zentimetern liegt, ist die Aussage nicht belastbar. Verlässliche Veränderungsanalysen setzen deshalb wiederholbare Flugplanung, stabile Referenzpunkte am Boden und dokumentierte Verarbeitung voraus. Nur wenn zwei Erfassungen vergleichbar entstanden sind, ist ihr Unterschied eine Information.

Erst der Vergleich macht aus Momentaufnahmen eine Entwicklung.

^{Infografik: Wiederholte Erfassungen zeigen Veränderung, belastbar wird sie, wenn sie die Messungenauigkeit klar übersteigt | Grafik: © Ulrich Buckenlei | XR Stager Online Magazin | VISORIC GmbH}

Die Anwendungen sind vielfältig. Auf Baustellen dokumentieren wiederholte Erfassungen Baufortschritt und bewegte Erdmassen. In Tagebauen und auf Halden werden Volumen für Abrechnung und Planung erfasst. An Böschungen, Deichen und Hängen werden Rutschungen und Setzungen früh erkennbar. Für Forstbetriebe zeigen Zeitreihen Wachstum, Schäden und Holzvorrat. Und auf Werksgeländen lässt sich nachvollziehen, ob der digitale Bestand noch dem realen Gelände entspricht. Gaussian Splatting ergänzt das um eine visuelle Zeitreihe: Projektbeteiligte sehen nicht nur Zahlen, sondern wie der Standort zu verschiedenen Zeitpunkten aussah.

Für Unternehmen verändert die Zeitdimension auch die Frage nach dem Aufwand. Eine einmalige Erfassung ist ein Projekt, eine wiederholte Erfassung ist ein Prozess. Es braucht festgelegte Intervalle, gleichbleibende Parameter, eine Ablage mit Versionsstand und klare Zuständigkeit dafür, wer Veränderungen bewertet. Wie sich mit Laserdaten und künstlicher Intelligenz sogar Unbekanntes entdecken lässt, zeigt das nächste Kapitel.

• Wiederholte Scans machen Veränderung messbar.
• M3C2 vergleicht Punktwolken mit einer Nachweisgrenze.
• Veränderungen unterhalb der Messgenauigkeit sind nicht belastbar.
• Baustellen, Halden, Hänge und Wälder profitieren von Zeitreihen.
• Aus einem Projekt wird ein wiederholbarer Prozess.

Mit der Zeit als vierter Dimension wird der digitale Zwilling der Landschaft damit zu einem Instrument, das Entwicklungen erkennt, bevor sie zum Problem werden.

Was unter der Oberfläche verborgen liegt

Wie viel unter Vegetation verborgen sein kann, zeigte 2018 eine Studie in der Fachzeitschrift Science. Ein Forschungsteam um Marcello Canuto und Francisco Estrada-Belli von der Tulane University wertete flugzeuggestützte LiDAR-Daten von über 2.100 Quadratkilometern im Norden Guatemalas aus. Unter dem Regenwald identifizierten sie 61.480 Strukturen der Maya-Kultur, darunter Häuser, Paläste, Zeremonialzentren und Pyramiden, dazu Terrassen, Felder und Dammwege.^[10]

Die Studie veränderte das Bild einer ganzen Kultur. Die Forschenden schätzten die Bevölkerung des Gebiets in der Spätklassik auf sieben bis elf Millionen Menschen, deutlich mehr als zuvor angenommen.^[10] Viele dieser Strukturen waren aus der Luft unsichtbar und am Boden im dichten Wald kaum zu erkennen. Erst das Geländemodell ohne Vegetation machte die Muster sichtbar: gerade Linien, rechte Winkel, regelmäßige Erhebungen, die in der natürlichen Landschaft nicht vorkommen.

In der Diskussion zu dem Video wurde dieser Gedanke weitergeführt. Ein Teilnehmer fragte, welche Geheimnisse LiDAR in anderen Regionen noch offenlegen könnte. Die Antwort aus der Diskussion verwies auf die Verbindung mit künstlicher Intelligenz: Algorithmen, die in großen Geländemodellen nach auffälligen Formen suchen, können übersehene Strukturen oder geologische Besonderheiten markieren, die Fachleute anschließend prüfen.

Wo die Kamera nur Wald sieht, zeigt das Gelände seine Geschichte.

^{Infografik: Ein Geländemodell ohne Vegetation macht verborgene Strukturen sichtbar, KI kann Auffälligkeiten markieren, die Bewertung bleibt bei Fachleuten | Grafik: © Ulrich Buckenlei | XR Stager Online Magazin | VISORIC GmbH}

Für Unternehmen ist das kein archäologisches Randthema. Dasselbe Prinzip hilft bei sehr praktischen Fragen. Vor Baumaßnahmen lassen sich alte Gräben, Wälle, Aufschüttungen oder Bodendenkmale erkennen, deren späte Entdeckung Bauverzögerungen und Kosten verursacht. Entlang von Trassen werden Böschungskanten, Rutschungsspuren und Erosionsrinnen sichtbar. Auf Industriebrachen geben Geländeformen Hinweise auf frühere Nutzungen. In der Praxis lohnt es sich, solche Prüfungen früh in die Standortbewertung einzubauen, solange die Erkenntnisse noch Planungsentscheidungen beeinflussen können.

Bei aller Faszination gilt: Eine Auffälligkeit im Geländemodell ist ein Hinweis, kein Befund. Automatische Mustersuche erzeugt auch Fehltreffer, und nur Fachleute vor Ort können klären, was eine Struktur tatsächlich ist. Wie aus einer Messung ein verantwortbares System wird, zeigt das nächste Kapitel.

• LiDAR machte 61.480 Maya-Strukturen unter dem Regenwald sichtbar.
• Die Studie erschien 2018 in der Fachzeitschrift Science.
• KI kann in Geländemodellen auffällige Formen markieren.
• Vor Baumaßnahmen werden verborgene Strukturen früh erkennbar.
• Eine Auffälligkeit ist ein Hinweis, die Bewertung bleibt beim Fachmann.

Die Fähigkeit, durch die Oberfläche zu sehen, verwandelt Risiken damit in Wissen, solange es noch Entscheidungen beeinflussen kann.

Genauigkeit, Recht und Verantwortung

Ein digitaler Zwilling der Landschaft beeinflusst Entscheidungen mit realen Folgen: Investitionen, Genehmigungen, Bauabläufe. Damit wird Verlässlichkeit zu einer Eigenschaft, die dokumentiert sein muss. Jede Lieferung sollte angeben, mit welchem Sensor, welcher Flughöhe und welcher Punktdichte erfasst wurde, welche Referenzpunkte am Boden verwendet wurden und welche Genauigkeit gegen unabhängige Kontrollpunkte erreicht ist.

Die Zahlen aus Herstellerangaben sind dabei ein Richtwert, kein Ergebnis. Die vom Hersteller genannten drei bis vier Zentimeter gelten unter definierten Bedingungen.^[2] Im Gelände beeinflussen Satellitenempfang, Vegetationsdichte, Oberflächenmaterial, Wetter und Verarbeitung das Resultat. Deshalb gehört eine Prüfung gegen Kontrollpunkte, die nicht in die Berechnung eingeflossen sind, zu jeder belastbaren Vermessung. Für Gaussian-Splatting-Modelle gilt Entsprechendes: Sie sehen überzeugend aus, ihre geometrische Genauigkeit muss aber gesondert geprüft werden, bevor an ihnen gemessen wird.

Hinzu kommt der rechtliche Rahmen. In der Europäischen Union regelt die Durchführungsverordnung 2019/947 den Betrieb unbemannter Luftfahrzeuge in drei Kategorien: offen, speziell und zulassungspflichtig. In der offenen Kategorie gilt unter anderem eine Höhengrenze von 120 Metern und Flug in Sichtweite, Einsätze darüber hinaus brauchen eine Betriebsgenehmigung.^[11] Drohnen mit Kamera oder Sensor, die personenbezogene Daten erfassen können, müssen registriert werden, und Mitgliedstaaten können Flüge in bestimmten Gebieten aus Gründen von Sicherheit, Privatsphäre und Umweltschutz einschränken.^[11]

Vertrauen entsteht durch Prüfung, Genehmigung und Schutz.

^{Infografik: Ein verlässlicher digitaler Zwilling der Landschaft verbindet geprüfte Genauigkeit, rechtssicheren Flugbetrieb und geschützte Daten | Grafik: © Ulrich Buckenlei | XR Stager Online Magazin | VISORIC GmbH}

^{Übersicht: Qualitätsstufen des USGS-Höhenprogramms und Herstellerangabe eines aktuellen Drohnen-LiDAR im Vergleich | Tabelle: © Ulrich Buckenlei | XR Stager Online Magazin | VISORIC GmbH}

Für Unternehmen gehört zur Verantwortung auch der Umgang mit den Daten selbst. Hochaufgelöste Erfassungen zeigen Gebäude, Fahrzeuge, Grundstücke und unter Umständen Personen. Werksgelände und kritische Infrastruktur sind sicherheitsrelevant. Deshalb braucht es Regeln für Zugriff, Speicherung, Weitergabe und Löschung, besonders wenn externe Dienstleister beteiligt sind oder Modelle per Link geteilt werden. Ebenso wichtig ist die Kennzeichnung: Ein Modell muss erkennen lassen, was gemessen, was berechnet und was simuliert ist, und welcher Erfassungszeitpunkt zugrunde liegt.

Solche Regeln bremsen nicht. Sie machen Ergebnisse vergleichbar, verwendbar und vor Behörden wie Investoren belastbar. Die Drohnenvermessung aus dem Video ist deshalb ein starkes Beispiel, wenn ihre Grenzen ehrlich benannt werden. Wie das Video die Ausgangsfrage dieses Beitrags sichtbar macht, zeigt das folgende Kapitel.

• Jede Lieferung dokumentiert Sensor, Flug und Referenzpunkte.
• Genauigkeit wird gegen unabhängige Kontrollpunkte geprüft.
• Die EU-Verordnung 2019/947 regelt den Drohnenbetrieb.
• Sensordrohnen müssen registriert werden.
• Zugriff, Speicherung und Kennzeichnung der Daten sind geregelt.

Der nächste Reifegrad entsteht damit nicht durch mehr Punkte, sondern durch nachvollziehbare Qualität, die Entscheidungen tragen kann.

Der Wald ohne Bäume im Video

Das Video zeigt die Auswertung einer realen Drohnenvermessung eines Geländes in Porto Belo im brasilianischen Bundesstaat Santa Catarina. Zu sehen sind die Laserstrahlen der Drohne über der Punktwolke, das farbige Luftbild mit Berg, Ort und Feldern, die Klassifizierung in Vegetation, Gebäude und Boden, das Geländemodell ohne Wald, das Höhenmodell mit simulierten Abflusslinien und die fertige Karte mit Straßen, Gebäuden und Grundstücksgrenzen.^[1]

Der stärkste Moment liegt im Übergang vom bewaldeten Berg zum nackten Relief. In diesem Augenblick wird sichtbar, was eine Kamera niemals zeigen könnte: Rinnen, Kanten und Geländeformen, die unter dem Atlantischen Regenwald verborgen liegen. Kurz darauf ziehen sich blaue Linien über das Gelände und zeigen, wohin Wasser fließen wird. Aus einer Vermessung wird in wenigen Sekunden eine Planungsgrundlage.

Der technische Kontext ist real und gut dokumentiert. Der eingesetzte Sensor erfasst laut Hersteller bis zu zwei Millionen Pulse pro Sekunde und bis zu 16 Rückläufe pro Puls, bei einer Systemgenauigkeit im Bereich weniger Zentimeter.^[2] Die Zahl von 1,7 Milliarden Messungen stammt aus der Beschreibung des Vermessungsbüros und wurde nicht unabhängig überprüft.

^{Video: Drohnenvermessung mit LiDAR, vom Laserscan über das Geländemodell bis zur Karte | Visuals by original creators | Analyse, Sprechertext, Redaktion und Videobearbeitung: © Ulrich Buckenlei | XR Stager Online Magazin | VISORIC GmbH}

Bemerkenswert ist, wie selbstverständlich das Video eine Messkette zeigt, die vor wenigen Jahren noch Vermessungsflugzeuge und spezialisierte Teams erforderte. Es überzeugt als Beispiel dafür, wie zugänglich präzise Geländeerfassung geworden ist.

Zur Einordnung gehört ebenso: Das Video zeigt die Ergebnisse, nicht die Prüfung dahinter. Ob die Genauigkeit gegen Kontrollpunkte bestätigt wurde, wie dicht die Bodenpunkte unter dem Wald tatsächlich sind und welche Annahmen in die Abflusssimulation eingeflossen sind, lässt sich aus dem Clip nicht ableiten. Seine eigentliche Frage richtet sich an die nächste Stufe: Wie wird aus einer einmaligen Erfassung ein digitaler Zwilling, der fotorealistisch verständlich, messbar genau und über die Zeit aktuell bleibt?

• Das Video zeigt eine reale Drohnenvermessung in Brasilien.
• Der Übergang vom Wald zum Relief zeigt die Stärke von LiDAR.
• Die Abflusslinien machen aus Messung eine Planungsgrundlage.
• Die Zahl der Messungen stammt aus der Beschreibung des Erstellers.
• Die nächste Stufe verbindet Messung, Anmutung und Zeit.

Das Video macht sichtbar, was die Kapitel beschreiben: Die Technik ist verfügbar, der Wert entsteht durch die Verbindung von Messung, Darstellung und Entscheidung.

Sie kennen Ihren Standort, wir machen ihn räumlich erlebbar

Ein belastbarer digitaler Zwilling eines Standorts entsteht aus zwei Arten von Wissen. Das Unternehmen kennt seine Flächen, Gebäude, Vorhaben und die Entscheidungen, die schneller oder sicherer werden sollen. Für die Umsetzung braucht es Erfahrung mit Drohnenerfassung, Gaussian Splatting, 3D-Daten und Oberflächen, die Fachleute, Management und Öffentlichkeit ohne Einarbeitung verstehen. Genau diese Verbindung bildet den Kern der Arbeit der VISORIC GmbH.

Seit mehr als 15 Jahren entwickelt das Münchner Expertenteam Anwendungen in 3D, KI und XR für Unternehmen vom Mittelstand bis zum DAX-Konzern. VISORIC plant Drohnenerfassungen für Gaussian Splatting, verarbeitet die Aufnahmen zu georeferenzierten, fotorealistischen 3D-Modellen und verbindet sie mit vorhandenen Vermessungs-, LiDAR- und Planungsdaten. Die Ergebnisse führt VISORIC in der Plattform XR Stager zusammen, im Browser, auf großen Displays oder in XR. Erfahrungen aus Proof-of-Concept-Projekten, etwa in der Immobilienwirtschaft, fließen dabei direkt in Aufnahmeplanung, Hardwareauswahl und Aufbereitung ein.

Standortwissen und Erfassungskompetenz ergeben gemeinsam einen belastbaren Pilot.

^{Bild: Das Unternehmen bringt Standort, Vorhaben und Entscheidung ein, das Expertenteam Drohnenerfassung, Gaussian Splatting und räumliche Aufbereitung | © Ulrich Buckenlei | XR Stager Online Magazin | VISORIC GmbH}

Der Einstieg muss dabei nicht groß sein. Sinnvoll ist ein klar abgegrenzter Pilot: ein Standort, eine Erfassung per Drohne, eine konkrete Planungs- oder Kommunikationsfrage und eine verantwortliche Rolle. Vorab wird festgelegt, welche Genauigkeit gebraucht wird, welche vorhandenen Daten einfließen, was gemessen und was nur dargestellt wird und wie das Ergebnis geteilt werden darf. Erst wenn dieser Pilot seinen Nutzen gezeigt hat, lohnt es sich, weitere Standorte, wiederholte Erfassungen oder Simulationen aufzunehmen. So wächst der digitale Zwilling mit nachweisbarem Nutzen statt mit Komplexität. Die Standardisierung von Gaussian Splatting im Format glTF^[6] und etablierte Klassifizierungsstandards für LiDAR^[4] sorgen dafür, dass die Ergebnisse auch langfristig austauschbar bleiben.

• Auswahl eines Standorts und einer Entscheidung, die besser werden soll.
• Drohnenerfassung mit Gaussian Splatting, bei Bedarf kombiniert mit LiDAR.
• Räumliche Aufbereitung im Browser, gemessen am bisherigen Ablauf.

Gerade weil präzise Erfassung heute so zugänglich ist, ist jetzt ein guter Zeitpunkt, den ersten Standort digital erlebbar zu machen.

Welcher Standort in Ihrem Unternehmen würde von einem digitalen Zwilling am meisten profitieren?

Sprechen Sie mit dem VISORIC Expertenteam in München. Gemeinsam prüfen wir Ihre Ausgangslage, wählen einen messbaren Anwendungsfall und entwickeln einen Pilot, der zeigt, was Drohnenerfassung und Gaussian Splatting für Ihr Vorhaben leisten können.

Kontakt:

E-Mail: info@visoric.com
Telefon: +49 89 21552678

Quellen und Referenzen

1. Instagram-Reel des Accounts @geoservice_ac, Geo Service, „Do nada ao mapa“, Vermessung eines Geländes in Porto Belo, Santa Catarina, Brasilien, Oktober 2026. Primärquelle für Ablauf und eingesetztes Equipment, Zahl der Messungen nicht unabhängig verifiziert. instagram.com/geoservice_ac.
2. DJI Enterprise. Zenmuse L3, technische Spezifikationen, Systemgenauigkeit, Pulsfrequenzen und Anzahl der Rückläufe. enterprise.dji.com/zenmuse-l3/specs.

3. U.S. Geological Survey. Topographic Data Quality Levels (QLs), 3D Elevation Program. usgs.gov/3d-elevation-program/topographic-data-quality-levels-qls.

4. American Society for Photogrammetry and Remote Sensing (ASPRS). LAS Specification 1.4, Standard-Klassencodes für LiDAR-Punkte, dokumentiert in Esri, Lidar point classification. desktop.arcgis.com.

5. Kerbl, B., Kopanas, G., Leimkühler, T., Drettakis, G. 3D Gaussian Splatting for Real-Time Radiance Field Rendering. ACM Transactions on Graphics 42(4), SIGGRAPH 2023. arXiv:2308.04079.
6. The Khronos Group. Khronos Announces glTF Gaussian Splatting Extension, Pressemitteilung vom 3. Februar 2026. khronos.org/news/press/gltf-gaussian-splatting-press-release.
7. Wenzel, K., Esri. Vortrag zum georeferenzierten Gaussian-Splatting-Datensatz der Niederlande, INTERGEO 2026, München, eigene Aufzeichnung und Analyse.

8. Richtlinie 2007/60/EG des Europäischen Parlaments und des Rates über die Bewertung und das Management von Hochwasserrisiken. eur-lex.europa.eu.

9. Lague, D., Brodu, N., Leroux, J. Accurate 3D comparison of complex topography with terrestrial laser scanner. Application to the Rangitikei canyon (N-Z). ISPRS Journal of Photogrammetry and Remote Sensing 82, 2013, S. 10 bis 26. doi.org/10.1016/j.isprsjprs.2013.04.009.

10. Canuto, M. A., Estrada-Belli, F. et al. Ancient lowland Maya complexity as revealed by airborne laser scanning of northern Guatemala. Science 361(6409), eaau0137, 2018. Zusammenfassung: phys.org/news/2018-09-unprecedented-massive-scale-lowland-maya.html.

11. Durchführungsverordnung (EU) 2019/947 über die Vorschriften und Verfahren für den Betrieb unbemannter Luftfahrzeuge, sowie Bundesministerium für Verkehr, Informationen zu Drohnen. eur-lex.europa.eu/eli/reg_impl/2019/947/oj/deu, bmv.de/drohnen.

12. VISORIC Praxisprojekte in den Bereichen Gaussian Splatting, Drohnenerfassung, Digitale Zwillinge und Spatial Computing.
13. XR Stager Plattform für Echtzeit-3D, Digitale Zwillinge und industrielle Spatial-Computing-Anwendungen.