BueWa_05_2025_low

Bündner Wald

| AWN-Ausgabe

Giesserei Chur AG

Eisengiesserei Modellbau

Tel. 081 286 90 50

Fax 081 286 90 59

E-Mail: info@giesserei-chur.ch

Querrinnen für Waldund Güterwege

Neubau

- optimale Verankerung -flexible Längenanpassung

- bewährter Werkstoff Unterhalt

- problemlose Reinigung mit Pickel

- keine losen Verschleissteile wie Roste, Balken usw.

- auf Wunsch mit Mittelsteg für Parkplätze, Fussgängerzonen

Für jeden Einsatz haben wir die passende Maschine.

• Eco-log 590e mit Traktionswinde

• Eco-log 560e mit Mehrbaumaggregat

• John Deere 1510E mit Traktionswinde

• John Deere 1010E

• Eco Log 574 F mit 800er Bereifung

• Hacker Albach Diamant 2000

• Spezialschlepper mit 9+13t Seilwinde und starkem Kran mit Greifersäge

• Bobcat mit Seilwinde und Zubehör

Ihr Spezialist für die vollmechanisierte Holzernte am Hang!

Volktrans GmbH

Neulöserweg 5

7205 Zizers

Tel: 079 246 52 16

Mail: info@volktrans.ch www.volktrans.ch

Inhalt

Was bedeutet GIS? 8

«Alles ist flüchtig im GIS» 10

Digitale Zwillinge im AWN 16

ÖREB-Kataster um Waldreservate erweitert 20

LeiNa und das geografische Informationssystem (GIS) 24

GIS-gestützte Erfassung von forstlichen Erschliessungsinfrastrukturen 28

Risikogrundlagen gravitative Naturgefahren Kanton

Graubünden 32

GIS für angehende Förster/-innen am ibW Bildungszentrum

Wald Maienfeld

36

GIS-Tools und Apps für Revierförster:innen 40

Automatische Lawinenkartierung – Hintergrund, Ergebnisse und Erkenntnisse

44

Den Gletschern auf der Spur 48

TBk-Bestandeskarte: einfach, praktisch und vielseitig 52

GIS-Gamechanger? Chancen und Herausforderungen von KI und GIS 56

KI, Cloud-Plattformen und Echtzeitdaten – was bringt uns die Zukunft? 59

Vorschau «Bündner Wald» Dezember 2025 63

Titelbild: Räumliche Ausdehnung der WaldHöhenstufen im Val Tuors. (Bild: Jürg Hassler, AWN

Grafik: Orlando Lanfranchi, AWN)

Blick aus dem Naturwaldreservat Tamangur hinüber zum Piz Madlain. Der Aufnahme entsprechend überlagert ist ein Ausschnitt der Schweizer Landeskarte des Val S-charl mit ausgewählten Geodaten des AWN. Auf einer Doppelseite begegnen sich so unmittelbarer Eindruck und räumliches Wissen. Die Landschaft kann sowohl gefühlt als auch verstanden werden. (Bild: Markus Bolliger; Illustration: Orlando Lanfranchi; Landeskarte: © swisstopo)

Editorial

Das «Geografische Informationssystem» GIS hat seit seinen Anfängen schon etliche Entwicklungsschritte oder -sprünge gemacht. Die Datenflut wird immer grösser, neue Technologien ersetzen die bestehenden in immer schnellerer Folge, alles wird immer vernetzter. Und die Künstliche Intelligenz (KI) hat auch in unserer Branche die Startlöcher verlassen. Die vorliegende GIS-Ausgabe des «Bündner Wald» will einen Überblick über den derzeitigen Stand der Dinge rund um GIS verschaffen … die Halbwertszeit der heute neuesten Möglichkeiten dürfte kurz sein. Lukas Heitz verantwortete jahrelang beim AWN Graubünden das GIS und blickt im Interview zurück. Zu lesen gibts quasi eine kleine Geschichte der forstlichen Daten, von analogen Betriebsplänen bis zu den heute geforderten Analysemöglichkeiten. Der Beitrag macht auch deutlich, wie sehr sich die Arbeit mit Daten verändert hat. Beugten sich in den frühen 90er-Jahren die Förster noch über papierene Landkarten, um dort mit Zirkel und Stift ihre Messungen einzutragen, haben sie heute eine Vielzahl von Apps und Tools zu beherrschen.

Wer sich heute längerfristig mit Wald und Naturgefahren auseinandersetzt, kommt um GIS nicht herum. Orlando Lanfranchi, GIS-Verantwortlicher beim AWN Graubünden, gibt einen Überblick über die GIS-basierte Aufgabenpalette beim AWN, wo viele Daten aus Bündner Wäldern zusammenkommen … und sozusagen als digitale Zwillinge auf verschiedenen Plattformen der Öffentlichkeit zur Verfügung gestellt werden. Mithilfe von GIS werden etwa Waldstandorte, Schutzbauwerke und Naturgefahrenprozesse kartiert, Waldgrenzen nachgeführt, Gefahrenkarten erstellt, Gefahrenzonen ausgeschieden, die betrieblich und überbetriebliche Planung forstlicher Massnahmen unterstützt, Analysen gemacht und vieles mehr.

Am ibW Bildungszentrum Wald in Maienfeld geniesst die GIS-Schulung hohe Priorität. Die angehenden Förster:innen werden nicht nur in der Handhabung der neuesten Tools geschult, sondern auch im Umgang mit bestehenden Applikationen und der Einbindung und Nutzung der heute grössten-

teils frei nutzbaren Swisstopo-Produkte. Zurück im Wald: Mobile GIS-Anwendungen ermöglichen es, Geodaten direkt im Feld per Smartphone zu erfassen und zu visualisieren. Das spart viel Zeit. Und was bringt die Zukunft? Die ist schon da, etwa mit dem Toolkit Bestandeskarte «TBk», welches die flächendeckende, automatisierte und standardisierte Bestandeskartierung mithilfe von Fernerkundungsdaten ermöglichen soll. Die Entwickler Christian Rosset und Hannes Horneber beschreiben das Tool als «Schweizer Sackmesser der Bestandeskartierung», was als unverzichtbarer Alleskönner übersetzt werden kann. Sie mussten das Rad nicht gänzlich neu erfinden, sondern konnten und können für Vergangenheits-Vergleiche auf Daten der schweizweiten LiDAR- Befliegungen durch swisstopo zurückgreifen. Das AWN prüft derzeit die mögliche Nutzung.

Die Künstliche Intelligenz (KI) wird Geoinformationssysteme und die Art, wie wir mit ihnen interagieren, verändern. Sie kann helfen, unbekannte Zusammenhänge zu erkennen, Daten effizienter zu verarbeiten und vielleicht auch komplexe Analysemethoden zugänglicher zu machen. Um die Systeme zweckdienlich trainieren zu können, muss jedoch viel menschliches Fachwissen aufgebaut werden. Das dazu notwendige Tempo fordert die GIS-Spezialisten. Im abschliessenden Artikel dieses Hefts hat Orlando Lanfranchi einen KI-Assistenten gebeten, die Zukunft von GIS vorherzusagen. Eine spielerische Fingerübung? Die Antwort zeigt, wie entscheidend die zeitliche Perspektive ist. Während seine erste Antwort die bereits realen KI-Einsatzmöglichkeiten in den Bereichen Wald und Naturgefahren beschreibt, fordert der zweite, auf 15 bis 20 Jahre in die Zukunft gerichtete Blick unsere Vorstellungskraft noch zünftig heraus. Science Fiction in unserem Wald!?

Gut möglich, dass der eine oder die andere nach der Lektüre dieser GIS-Ausgabe einen Spaziergang in den echten Wald benötigt.

Susi Schildknecht, Redaktorin

IhrLieferantfür Christbäume, Verkaufszubehörund Dekorationsreisig

AuchProduktefürdie Christbaumpflegeerhältlich

JosefKressibucherAG Forstbaumschule Ast2 | 8572BergTG 0716361190 info@kressibucher.ch kressibucher.ch

Wirliefern indieganze Schweiz

Ihr Partner für die professionelle Holzernte im Gebirgswald.

➢ Holzernte

➢ Transporte

➢ Holzhandel

Ihr FSC und PEFC zertifizierter Partner vom Wald bis ins Sägewerk.

GIS

Was bedeutet GIS?

Geografische Informationssysteme (GIS) sind heute sowohl in der öffentlichen Verwaltung als auch in zahlreichen Bereichen der Privatwirtschaft und Forschung unverzichtbar. Sie ermöglichen die digitale Erfassung, Speicherung, Analyse und anschauliche Darstellung räumlicher Daten – also von Informationen mit Bezug zu einem bestimmten Ort. Besonders im Kontext von Wald und Naturgefahren sind geografische Informationssysteme zentrale Werkzeuge, um Herausforderungen wie den Klimawandel, Naturereignisse oder die nachhaltige Entwicklung und Bewirtschaftung unserer Wälder besser zu verstehen und effektiv zu bewältigen.

Orlando Lanfranchi

Ein geografisches Informationssystem (GIS) ist ein computergestütztes System aus spezialisierter Software, geeigneter Hardware, strukturierten Daten sowie dem Fachwissen der Anwenderinnen und Anwender. Es dient dazu, Geodaten – also Informationen mit Raumbezug – effizient zu erfassen, zu verwalten, zu analysieren und anschaulich zu präsentieren, meist in Form von Karten.

GIS verknüpft Lageinformationen (zum Beispiel Koordinaten) mit beschreibenden Attributen (wie Name oder Nutzung) und ermöglicht zudem die Integration respektive Kombination verschiedener Datenquellen wie Luftbilder, Karten, Messdaten oder Feldbeobachtungen. Durch diese anschauliche, räumliche Darstellung lassen sich komplexe Sachverhalte, aber auch Zusammenhänge und Muster einfach erkennen, anstatt mühsam Tabellen oder Papierkarten zu vergleichen. Dies verbessert die Kommunikation zwischen unterschiedlichen Zielgruppen, macht Prozesse effizienter und unterstützt fundierte Entscheidungen. Mit der fortschreitenden Digitalisierung und der wachsenden Verfügbarkeit von Geodaten gewinnt GIS in vielen Bereichen stetig an Bedeutung.

Reale Welt

Einzelne GIS Layer, basierend auf unterschiedlichen Daten, repräsentieren die reale Welt.

(Drohnenaufnahme: AWN, Peter Ebneter; Grafik: AWN, Orlando Lanfranchi)

Anwendungen im Amt für Wald und Naturgefahren

Im Arbeitsalltag des Amts für Wald und Naturgefahren (AWN) nutzen wir GIS für viele Aufgaben. Zum Beispiel erfassen wir Standorte von Schutzbauten, kartieren Naturgefahrenprozesse sowie Waldstandorte und führen Waldgrenzen nach. Mit Hilfe von GIS können wir Gefahrenkarten erstellen, Gefahrenzonen ausscheiden, die Waldentwicklung und Nachhaltigkeitskontrolle sicherstellen sowie Schutzwälder erhalten und fördern. Auch der Wildeinfluss

lässt sich flächendeckend kartieren und eine überbetriebliche und betriebliche Planung von forstlichen Massnahmen zugunsten der Schutz-, Nutz- und Wohlfahrtsfunktion des Waldes sicherstellen. Für uns im AWN ist GIS deshalb weit mehr als nur ein technisches Hilfsmittel – es ist die Grundlage für eine zukunftsorientierte und verantwortungsvolle Arbeit.

Orlando Lanfranchi ist Leiter Geoinformatik im Amt für Wald und Naturgefahren Graubünden.

GIS Layer Daten

«Alles ist flüchtig im GIS»

Wenn einer die Geschichte des Geografischen Informationssystems GIS für die Forstwirtschaft kennt, ist es Lukas Heitz (1961). Bis Ende 2023 war der Forstingenieur ETH der GISVerantwortliche beim AWN Graubünden.

Das Gespräch auf dem Älpli Malans liest sich wie eine kleine Geschichte der forstlichen Daten, von analogen Betriebsplänen bis zu den heute geforderten Analysemöglichkeiten.

Interview: Susi Schildknecht

Es scheint, du hast die Fahrt mit der Älplibahn Malans hinauf auf 1800 Meter genossen.

Ja, ich habe schon immer gerne den Wald von oben betrachtet. Das erinnert mich an die Infrarot­Luftbilder, erstellt mit Flugzeugen der Landestopografie, mit denen ab 1985 bis Mitte der 1990er­Jahre das Sanasilva­Teilprogramm «Waldzustandserfassung mit Infrarot­Luftbildern» gemacht wurde. Selber habe ich da während über zehn Jahren rund ¼ des Bündner Waldes kartiert und beinahe jeden Baum auf seine Vitalität beurteilt.

Wie sieht dein beruflicher Werdegang bis zum GIS-Verantwortlichen des AWN Graubünden aus?

Ich begann an der ETH zuerst ein Elektrotechnikstudium, wechselte dann aber von dieser sehr analytischen Fachrichtung zum Forstingenieurwesen, da mich die Natur, die Biologie und insbesondere die Vorgänge im Wald sehr faszinierten. So kam ich Anfang der 80er­Jahre an der ETH in Kontakt mit den ersten Computern, 1981 mit Apple II (noch ohne Maus) und im 1985 mit dem ersten Mac. Nach dem Studium arbeitete ich im Forstingenieurbüro Barandun

in Summaprada und generierte mit der Waldschadenkartierung x Bundesordner voll analoger Daten. 1994 machte ich mich selbstständig und leistete als Freelancer GIS­Unterstützung für verschiedene Dienststellen des Kantons GR (ALG, ANU, ARE, AWN, GIS­Kompetenzzentrum), Appenzell IR und Vermessungsbüros. 1999 kam ich als GIS­Verantwortlicher zum Forstinspektorat, dem heutigen AWN. Da holte mich die IT so richtig wieder ein. Auf Anfang 2024, 2,5 Jahre vor dem ordentlichen Pensionsalter, übergab ich die Aufgabe an meinen Nachfolger Orlando Lanfranchi. Im GIS der kantonalen Verwaltung stehen einmal mehr grosse technologische Umwälzungen mit ganz neuer IT­Philosophie an. Das verlangt nach viel Kontinuität und gehört somit in jüngere Hände.

Erinnerst du dich, wann du das erste Mal den Begriff GIS gehört hast?

Ja, das war Ende der 1980er­Jahre an einem Kolloquium der ETH oder in einer Fachzeitschrift. Ich war sofort interessiert und fasziniert.

Wann erfolgte der Startschuss für GIS in Graubünden?

Den Anfang machte das damalige Amt für Natur und Landschaft (ANL) mit einem eigenen kleinen GIS. Schon Anfang der 1990er­Jahre erkannte die kantonale Verwaltung aber, dass ein gemeinsames GIS sinnvoller und notwendig war, diverse kleine Systeme bei den einzelnen Dienststellen zu teuer und umständlich wären. So lautete die Devise: Die fachliche Dienststelle nimmt die Daten als Spezialistin auf und stellt sie allen zur Verfügung. Dieser «Miteinander»­Gedanke war mir immer wichtig, nicht nur zwischen den Dienststellen. Aufgrund eines Gutachtens der Universität Zürich wurde das GIS «Arc­Info» der amerikanischen Firma ESRI angeschafft. Es lief auf einem zentralen Rechner im GIS­Kompetenzzentrum. Dienststellen

konnten über Standleitungen und spezielle UNIX-Terminals darauf arbeiten. Da anfänglich noch keine Daten vorhanden waren, mussten analoge Vorlagen digitalisiert werden. Dafür gab es Digitalisiertische, auf denen die Pläne fixiert wurden und die Punkte, Linien und Flächen mit speziellen Digitalisier-Lupen-Mäusen erfasst wurden (siehe Bild «GIS-Arbeitsplatz in den 90er-Jahren). Die erste GIS-Analyse für den Bündner Forstdienst fand im Zusammenhang mit der Aufarbeitung der Vivian-Sturmschäden von 1991, die in Graubünden vor allem die Surselva, Curaglia und Safien stark betrafen, statt. Früher war alles analog, das heisst, man arbeitete mit Fotos und von Hand kartierten Grenzlinien auf Papierplänen. Die Schadflächen von 1991 wurden durch den Bund mit Luftbildern aufgenommen und photogrammetrisch kartiert. Diese dreidimensional erfassten Flächen

wurden digital abgespeichert. Aus diesen digitalen Daten konnten dann über komplizierte Dreiecksvermaschung neben der Flächengrösse die mittlere Höhenlage, Exposition und Hangneigung jeder Schadfläche berechnet werden. Das war dann Grundlage für die Beurteilung des Schadenausmasses sowie der Massnahmenplanung. Zudem flossen diese Angaben in die Berechnungen zur Entschädigung der betroffenen Waldbesitzer ein.

Wie gelangten diese Informationen anfänglich zu den Leuten, die sie nutzen wollten? Zum Beispiel zu den Kreisförstern?

Zu Beginn wurde alles ausgedruckt. Das Zielpublikum (Forstdienst, Waldbesitzer, Öffentlichkeit) war sich nur die analoge Darstellung gewohnt, mit Plänen, Listen, Tabellen und Berichten. Sie hatte ja auch keinen Zugang zu GIS-Systemen.

Alles sollte so aussehen wie vorher. Aber die Drucker, wie wir sie heute kennen, gab es noch nicht. Auch waren Landkarten und Übersichtsplan noch nicht digital vorhanden. So wurden bei der Landestopographie ungefaltete Landkarten bestellt, diese Bogen in einen Stiftplotter eingespannt und georeferenziert. Mit Tusch-Stiften oder speziellen Filz-Schreibern wurden dann Linien, Flächengrenzen und -schraffuren, Punktsymbole und Anschriften auf den Plan gezeichnet. Aber wehe, ein Stift hatte zu wenig Tusch oder Farbe, dann war die Karte verloren und alles musste nochmals neu gemacht werden. Neben den Geoinformatik-Zeichnerinnen und drei Produkteverantwortlichen des Forstinspektorats an der Zentrale in Chur, die Zugang zum «grossen» GIS Arc-Info hatten, arbeiteten ab Ende der 1990er-Jahre ein paar wenige, IT-affine Kreis- und einzelne Revierförster auch mit digitalen Daten. Sie waren die Pioniere an der forstlichen GIS-Front und hatten auf ihren Windows-Rechnern ArcView installiert, quasi ein Mini-GIS. Alle Daten waren bei ihnen nur lokal gespeichert, es gab keine Vernetzung mit dem GIS-Datenserver in Chur. Der Austausch der Datengrundlagen erfolgte zuerst mit CD, dann mit DVD, später mit Wechsel-Harddisc, was alles sehr zeitaufwendig war. Für die Grundlagendaten gab es anfänglich nur jährlich, dann halbjährlich ein Update. Die Daten waren also praktisch nie aktuell. Erst mit der Einführung von ArcGIS ab 2004 waren die Regionalzentren im GIS der kantonalen Verwaltung eingebunden. Doch die langsamen Kupferdraht-Telefonverbindungen machten auch diese GIS-Arbeit oft sehr mühsam. Die letzte noch nicht mit Glasfaser vernetzte Arbeitsstelle, über die sich nur sehr schlecht mit GIS arbeiten liess, wurde 2023 durch die Pensionierung von Gilbert Berchier in Poschiavo aufgehoben.

Jedes Werkzeug ist nur so gut, wie es auch angewendet wird. Zu meinen Aufgaben gehörte

deshalb auch die Schulung der GIS-Leute, zuerst amtsintern, später auf Verlangen auch für Revierförster. Diese Schulungen in einfacher und sicherer Datenerfassung und -nachführung, aber auch Ausgabe und einfache Analyse hielt ich stets in der gewohnten Umgebung der Kursteilnehmenden ab. Sie übten also mit ihrer Datenablage, der momentan aktuell verfügbaren Software-Version und Erweiterungen. Das sichert den grösstmöglichen Erfolg.

Welche technologischen Entwicklungen hatten den grössten Einfluss auf die GISArbeit beim AWN?

Die wohl grösste Umstellung brachte ArcGIS (2004) mit sich. Es mussten nicht mehr alle Anweisungen über eine Befehlszeile eingegeben werden, sondern konnten über Menüs ausgesucht und angeklickt werden. Doch waren dadurch auch alle Hilfescripts AML des alten Arc-Info nicht mehr lauffähig, die ganze Arbeitsabläufe wie zum Beispiel das Erstellen von Plänen ausführten. Mit ArcGIS erhielten wir eine grosse Geo-Datenbank, in der alle Themen kantonsweit abgespeichert werden. Nach rund zehn Jahren GIS-Arbeit vereinigten wir Datensätze, die oft pro Gemeinde oder Forstbetrieb gehalten wurden, zu Kantonsdatensätzen. Das war und ist heute noch eine grosse Herausforderung, da die Nachführung der Daten durch den forstwirtschaftlichen Prozess bestimmt werden und vielfach nur Teile des Kantons erfasst oder revidiert werden. So stehen am Beispiel von Betriebsplandaten neu erfasste Flächen neben solchen, die vor über 15 Jahren revidiert wurden. Dieser Umstand ist in den Daten aber dokumentiert und muss bei grossflächigen Auswertungen und Analysen berücksichtigt werden. ArcGIS ermöglichte uns auch die Öffnung nach aussen, etwa Export und Publikation von Daten, zuerst über das kantonale Netz und bald darauf auch mit Internet-Technologie bis an die breite

Öffentlichkeit. Dank dieser damals neuen Vernetzung kann heute der gesamte Forstdienst Graubündens vortagesaktuelle Daten sehen und nutzen.

Du warst beim AWN so etwas wie der «Baumeister» des GIS. Welches war für dich die wichtigste Herausforderung? Grundsätzlich die Datenqualität hochzuhalten! Sogar heute wird ab und zu noch in alten analogen Betriebsplänen nachgeforscht, wie der Wald Ende des 19. Jahrhunderts dastand, was damals beabsichtigt, geplant und umgesetzt wurde. Vor diesem Hintergrund und in dieser Absicht sind die Daten das Wertvollste, das wir im GIS haben. Es ist auch der teuerste Bestandteil (Erfassung, Nachführung, Datenhaltung). Deshalb lohnt es sich schon zu Beginn, bei der Absicht, etwas Neues im GIS aufzunehmen,

möglichst an alles zu denken, für was der Datensatz dienen soll, wie er dargestellt oder analysiert werden soll, dass die darin enthaltenen Attribute unmissverständlich klar sind. Das ist die Datenmodellierung, die in enger Zusammenarbeit mit den thematischen Fachleuten gemacht wird. Auch ist es in der digitalen Welt sehr schwierig, Ungenaues oder gar Falsches zu entdecken. Am Beispiel der Geometrie ist jeder Punkt oder Zwischenpunkt im GIS auf Zehntels-Millimeter genau gespeichert, auch wenn er irrtümlich meter- oder gar kilometerweit falsch liegt. Ein grober unentdeckter und nicht lokalisierbarer inhaltlicher Fehler, etwa in einer Gefahrenkarte, kann den ganzen Datensatz unglaubwürdig und so unbrauchbar machen. So wurden unzählige Kontroll-Tools entwickelt, um Fehler zu entdecken oder besser gar nicht entstehen zu lassen. Gewisse Kontroll-Tools

funktionieren beinahe schon KI-ähnlich, das heisst, sie prüfen den Gesamtzusammenhang der Daten, die Plausibilität. Natürlich wurden für die Nutzenden genaue Anleitungen verfasst, damit möglichst von Anfang an alles korrekt gemacht wird. Doch habe ich lernen müssen, dass auch das unwahrscheinlichste Fehlverhalten sicher einmal eintreten wird und dann noch eine zusätzliche Prüfroutine und eine Ergänzung in der Anleitung notwendig werden.

Erzähl bitte von einem für dich prägendsten Schritt in der GIS-Entwicklung!

Das war die Publikation der Waldstandorte als interaktive Karte mit den Möglichkeiten für jede Fläche, wo immer man sich gerade befindet, abrufen zu können, welches Ökogramm hier gilt, was da für eine Waldgesellschaft kartiert oder aus diversen Standortgrundlagendaten wie Ex-

position, Bodenbeschaffenheit, Geologie, Meteorologie etc. als Waldstandort-Hinweis berechnet wurde. Damals, als alles fertig war und funktionierte, dachte ich, dass das ein stabiler Datensatz sei, der fast für die «Ewigkeit» so gebraucht werden kann. Doch zeigen die nun bekannten Studien über die Auswirkungen der Klimaerwärmung, dass an diversen Standorten sich die Wuchsbedingungen schon entscheidend ändern, andere Pflanzengesellschaften hier optimaler wachsen als jene, die vor ca. 20 Jahren kartiert wurden.

Und was war für dich das spannendste GIS-Projekt beim AWN?

Die Erarbeitung der Digitalisier-Werkzeuge fürs LeiNa-GIS, dem geometrischen Teil des Leistungsnachweises und Controlling der Waldbewirtschaftung. Es sind Werkzeuge für das Zeich-

nen der Eingriffsflächen auf dem Bildschirm durch die Revierförster. Vor 20 Jahren gab es noch keine Tools, um in interaktiven Karten der kantonalen Verwaltung GIS-Daten zu erfassen. Wir starteten technisch gesehen auf der grünen Wiese und waren nicht durch programmtechnische Vorgaben bevormundet. Die Herausforderung war, nur wenige Werkzeuge zu schaffen, die für die im Wald arbeitenden Förster zweckdienlich waren. Da muss man sich vor Augen halten, dass diese Leute meist keine IT-Spezialisten sind, sondern sich lieber im Wald aufhalten und ihre nicht geliebte Büroarbeit möglichst effizient gestalten wollen. Die Abläufe mussten also für diese Menschengruppe einfach, intuitiv verständlich und möglichst sicher konstruiert sein, dass auch kleine Bedienungsfehler verzeihbar bleiben. Natürlich musste bei den Revierförstern mit dieser Umstellung vom analogen zum digitalen Arbeiten auch viel Überzeugungs- und Motivierungsarbeit geleistet werden.

Und was war die aufwendigste Aufgabe in all deinen GIS-Jahren?

In meiner Zeit beim AWN haben wir die GISDaten viermal grundlegend umgestaltet und gespeichert … Von anfänglich gemeindeweise

gehaltenen Daten wechselten wir auf kantonsweite Datensätze, was eine Neuorganisation vieler Arbeitsabläufe bis tief in die Facharbeit und nicht nur im GIS-Bereich verlangte. 2019 mussten schlussendlich alle Daten auf das korrigierte Koordinatennetz der schweizerischen Landesvermessung LV95 gelegt werden. Jeder Punkt und jeder Zwischenpunkt von Linien und Flächen wurde umgerechnet. Das war, angesichts der vielen kantonalen, regionalen und unzähligen projektspezifischen GIS-Datensätze der mittlerweile doch über 60 sich im GIS tummelnden AWN-Mitarbeitenden, eine Herkules-Aufgabe. Die GIS-Computer ratterten wochenlang! Es liegt in der Natur der Informatik und damit der GIS-Technik, dass solche Wechsel immer wieder notwendig sind. Aber genau das ist ja auch, was mich am GIS mit forstlichen Aufgaben immer fasziniert hat: etwas aufnehmen, bearbeiten, nachführen und abbilden, das in seiner natürlichen Entwicklung Jahre, Jahrzehnte oder sogar Jahrtausende braucht … mit einem digitalen Hilfsmittel arbeiten, dessen Speicherung sehr flüchtig ist und die dazu notwendige Soft- und Hardware in einem winzigen Bruchteil eines Baumlebens veraltet und erneuert werden muss.

Digitale Zwillinge im AWN

Geoinformationen werden für Entscheidungen in Politik, Verwaltung, Wirtschaft, Gesellschaft und im Alltagsleben immer wichtiger.

Zudem steigt mit der Digitalisierung die Verfügbarkeit und Vielseitigkeit von Daten mit räumlichem Bezug. Der geografische Raum wird daher zunehmend in digitaler Form repräsentiert, gewissermassen als «Digitaler Zwilling». Die Kantone und so auch das Amt für Wald und Naturgefahren sind dabei für die Erhebung und Bereitstellung von Geoinformationen zuständig. Das AWN gibt einen Einblick in diese Aufgaben und zeigt auf, wo welche Geodaten wie genutzt werden können.

Orlando Lanfranchi

Strategie Geoinformation Schweiz

Innerhalb von zwei Jahrzehnten haben sich raumbezogene Informationen zu einem bedeutenden Bestandteil der Raumordnungspolitik auf allen Verwaltungsebenen (Bund, Kanton, Gemeinde) entwickelt. Ein Grossteil der Entscheidungen in Wirtschaft, Politik und Verwaltung hat einen räumlichen Bezug oder basiert gar auf digitalen Modellen der realen Welt. Der geografische Raum wird zunehmend in digitaler Form repräsentiert, gewissermassen als «Digitaler Zwilling». Grundlage dafür sind Geodaten, also digitale Standortdaten, die immer umfangreicher und oft in Echtzeit verfügbar sind. Diese Geodaten spielen eine zentrale Rolle in der modernen Verwaltung. Deshalb sollen gemäss «Strategie Geoinformation Schweiz» räumliche Daten

nicht mehr nur beschafft, aufbereitet, analysiert und verbreitet werden. Vielmehr gilt es, sie anzureichern, indem sie miteinander vernetzt und als wertvolles Wissen über Plattformen zwischen Bürgern, Behörden und Unternehmen ausgetauscht werden. Ergänzend dazu unterstützt die «Open Government Data (OGD) Strategie» der Schweiz die offene, kostenlose und maschinenlesbare Bereitstellung von Verwaltungsdaten, darunter auch Geodaten.

Die Rolle der Kantone

Die Kantone spielen bei der Umsetzung der «Strategie Geoinformation Schweiz» eine zentrale Rolle. Gemeinsam mit dem Bund sorgen sie dafür, dass all diese Geodaten erhoben und bereitgestellt werden. Die gesetzliche Grundlage dazu bildet das Geoin-

formationsgesetz (GeoIG), welches den rechtlichen Rahmen für den Umgang mit Geoinformationen in der Schweiz regelt. Ziel des Gesetzes ist es, Geodaten über die gesamte Schweiz Behörden, Wirtschaft, Wissenschaft und Gesellschaft breit, nachhaltig, aktuell, rasch, einfach, in der erforderlichen Qualität und zu angemessenen Kosten zur Verfügung zu stellen. Das GeoIG regelt dabei nicht nur die Bereitstellung, sondern auch die Erfassung, Verwaltung und Nutzung von Geodaten. Die Kantone sind insbesondere für die Erfassung und Bereitstellung von Geobasisdaten verantwortlich. Geobasisdaten sind gesetzlich definiert als Geodaten, die auf einem Recht setzenden Erlass des Bundes, des Kantons oder einer Gemeinde beruhen. Sie bilden die Grundlage für zahlreiche raumbezogene Fachanwendungen, wie zum Beispiel den ÖREB-Kataster, und sind im Geobasisdatenkatalog (geobasisdaten.ch) festgehalten.

Um eine schweizweite Harmonisierung und technische Interoperabilität zu gewährleisten, verpflichtet das GeoIG die zuständigen Stellen von Bund und Kantonen, für die Geobasisdaten sogenannte Geodatenmodelle zu erstellen und anzuwenden. Diese Geodatenmodelle sind eine Abbildung der Wirklichkeit und legen Struktur und Inhalt von Geodaten systemunabhängig fest. Erstellt werden sie in der Modellierungssprache INTERLIS [1], was nebst einer einheitlichen Definition der Datenstruktur auch das Festlegen qualitativer Kriterien erlaubt.

Die Kantone definieren neben den bundesrechtlich vorgegebenen minimalen Geodatenmodellen (MGDM) auch eigene kantonale Geodatenmodelle (kGDM), um spezifische kantonale Anforderungen und Gegebenheiten abzubilden. Diese kantonalen Modelle dienen dazu, Geobasisdaten, die auf kantonalem Recht beruhen oder für kantonale Aufgaben relevant sind, ebenfalls strukturiert und einheit-

lich zu erfassen, zu verwalten und bereitzustellen.

Kantonale Geodatenmodelle können zudem die bundesrechtlichen Minimalmodelle erweitern, um zusätzliche Informationen oder Detailtiefe für kantonale Zwecke zu integrieren.

Geobasisdaten im AWN

Das AWN ist für verschiedene Geobasisdaten nach Bundesrecht zuständig. Um die Aufbereitung der verschiedenen Themen gemäss MGDM in den Kantonen koordiniert und im gleichen zeitlichen Rahmen aufzubereiten, gibt die Konferenz der kantonalen Geoinformations- und Katasterstellen (KGK) eine Umsetzungsplanung vor. Diese zielt darauf ab, die zur Verfügung zu stellenden Geobasisdaten zu priorisieren und damit eine Kosten-Nutzen optimierte, und eine möglichst zeitgerechte, schweizweite und flächendeckende Bereitstellung der Geobasisdaten in Zuständigkeit der Kantone zu ermöglichen. Für die Geobasisdaten nach Bundesrecht wurden bereits folgende minimalen Geodatenmodelle durch das AWN umgesetzt:

– Gefahrenkarten

– Naturereigniskataster

– Waldreservate

– Rodungen und Rodungsersatz

– Holznutzungsbewilligung

Daneben führt das AWN zahlreiche Geobasisdaten nach Kantonsrecht. Die entsprechenden kantonalen Geodatenmodelle werden in den kommenden Jahren schrittweise umgesetzt und bereitgestellt. Innerhalb des AWN werden die Fachbereiche bei der Umsetzung all dieser Arbeiten durch das GISTeam unterstützt. Inès Buschmann, Silvia Stolz und Armin Rieder übernehmen dabei Digitalisier- und Nachführungsarbeiten. Andreas Summer ist fürs Datenmanagement und die Erstellung der entsprechenden Schnittstellen für die Überführung der Geodaten in die Geodatenmodelle zuständig. Die fertig umgesetzten Datenmodelle werden auf verschiedenen Plattformen publiziert und als Darstellungs- und Downloaddienste zur Verfügung gestellt.

Publikation auf verschiedenen Plattformen

Das offizielle Geoportal der kantonalen Verwaltung bietet Zugang zu Geoinformationen in Form von Geodaten, interaktiven Karten sowie Geodiensten wie WMS [2] und WFS [3]. Nebst Geobasisdaten publiziert das AWN dort auch viele weitere Geodaten für die öffentliche Nutzung. Eine vollständige Übersicht aller verfügbaren Karten und Dienste ist dem kantonalen Geodatenkatalog zu entnehmen. Der Kanton stellt demnächst zwei Kartenviewer für den Zugriff auf öffentliche Geodaten zur Verfügung. Einer richtet sich an Fachspezialistinnen und Fachspezialisten sowie Dienststellen der kantonalen Verwaltung und bietet den bisherigen Funktionsumfang und die gewohnte Struktur. Der zweite Viewer ist für die breite Öffentlichkeit konzipiert, mit inhaltlich zusammengefassten und thematisch vereinfachten Kartenansichten. Diese öffentliche Ansicht wird den bisherigen GIS-Viewer der GeoGR AG ablösen. Im Zuge der oben genannten Anpassungen wird die GeoGR AG, welche im Rahmen einer öffentlich-privaten Partnerschaft einen Teil der zentralen Geodatendrehscheibe des Kantons betreibt, den Geodaten-Shop vollumfänglich neu konzipieren und optimiert anbieten. So wird es zum Beispiel einen direkten Absprungpunkt aus den interaktiven Karten in den Shop geben. Das Shop-Angebot umfasst, sofern vorhanden, die kantonalen Geodatenmodelle. Steht für ein Thema kein kantonales Geodatenmodell zur Verfügung, wird das minimale Geodatenmodell (MGDM) integriert. Nicht im Shop enthaltene Geodaten können weiterhin als Spezialprodukte bestellt werden. Diese Anfragen werden an die zuständigen Dienststellen weitergeleitet; im Falle des AWN bereitet das GIS-Team die Daten auf und stellt sie anschliessend über den Geodaten-Shop bereit. geodienste.ch ist das zentrale, interkantonale Portal für die aggregierte Bereitstellung von Geobasisdaten. Die Kantone sind verpflichtet, ihre Geobasisdaten nach Bundesrecht im MGDM auf geodienste.ch zu publizieren. Sie bietet einen zentralen Zugang zu einer Vielzahl von Geobasisdaten für die gesamte

Schweiz. Die Daten werden in standardisierten Formaten und Diensten bereitgestellt.

Zurzeit lanciert der Bund mit SWISSGEO eine neue Plattform, wo Bund und Kantone künftig ihre Geoinformationen und Geodaten vereint an einem Ort zur Verfügung stellen werden. In mehreren Entwicklungsphasen werden verschiedene Plattformen, unter anderem auch geodienste.ch, zusammengeführt. SWISSGEO wird so die neue, zentrale Referenz für Geoinformation in der Schweiz.

Der ÖREB-Kataster (Kataster der öffentlich-rechtlichen Eigentumsbeschränkungen) ist ein offizielles, interaktives Informationssystem, das die wichtigsten öffentlich-rechtlichen Eigentumsbeschränkungen auf Grundstücken in der Schweiz zusammenzieht. Dazu zählen beispielsweise Vorgaben aus Raumplanung, Infrastruktur und Umweltschutz, wie etwa die Waldreservate des AWN (siehe Artikel «ÖREB-Kataster um Waldreservate erweitert», ab Seite 20).

Kantonales Geoportal geo.gr.ch

Kantonaler Kartenviewer map.geo.gr.ch

Kantonaler Geodatenkatalog katalog.geo.gr.ch

Kantonale Geodatendrehscheibe Geodaten-Shop geogr.ch

ÖREB-Kataster Graubünden oereb.geo.gr.ch

SWISSGEO swissgeo.ch

Fazit

Zusammengefasst schafft das Geoinformationsgesetz flankiert von der «Strategie Geoinformation Schweiz» und der «Open Government Data Strategie» einen klaren Rechts- und Handlungsrahmen für die Erfassung, Verwaltung, Bereitstellung und Nutzung von Geo(basis)daten in der Schweiz. Die Erstellung und Anwendung minimaler Geodatenmodelle sorgt für eine schweizweite Standardisierung, während die Kantone eine zentrale Rolle in der Organisation, Umsetzung und Bereitstellung der Geoinformationen spielen.

Orlando Lanfranchi ist seit Januar 2024

Leiter Geoinformatik und GIS-Verantwortlicher im Amt für Wald und Naturgefahren Graubünden. Er ist gelernter Informatiker und hat zudem Geologie an der ETH Zürich studiert. Nach einigen Arbeitsjahren als Ingenieurgeologe im Raum Zürich und der Innerschweiz ist er bei Grün Stadt Zürich, dem Stadtzürcher Pendant des AWN, in die GISWelt eingetaucht. Aufgrund seiner letzten Tätigkeit als Projektleiter beim GIS-Kompetenzzentrum des Kantons Graubünden bringt er eine langjährige und vielseitige Erfahrung im kantonalen GIS mit.

Antonio Crisci, AWN

[1] INTERLIS ist in der Schweiz der gesetzlich verankerte Standard zu Modellierung und Austausch von Geoinformationen.

[2] Ein WMS-Dienst (Web Map Service) stellt Geodaten als Kartenbilder im Internet bereit.

[3] Ein WFS-Dienst (Web Feature Service) ermöglicht den direkten Zugriff auf die zugrunde liegenden, bearbeitbaren Geodaten.

ÖREB-Kataster

um Waldreservate erweitert

Waldreservate sind besondere Schutzflächen im Wald, deren Nutzung in der Regel durch vertragliche Vereinbarungen geregelt ist. Diese Vereinbarungen stellen öffentlich-rechtliche Eigentumsbeschränkungen (ÖREB) dar und werden daher im Kataster der öffentlich-rechtlichen Eigentumsbeschränkungen (ÖREB-Kataster) erfasst. Dieser ÖREB-Kataster ist ein digitales Informationssystem, welches die wichtigsten ÖREB für Grundstücke zentral, aktuell und benutzerfreundlich zusammenfasst und zugänglich macht.

Waldreservate im Kanton Graubünden

Die Waldreservate im Kanton Graubünden können in drei Typen unterschieden werden. Es gibt derzeit 57 Naturwaldreservate. Bei diesen wird ein Nutzungsverzicht von mindestens 50 Jahren festgelegt. Hauptziel ist das Zulassen der natürlichen Waldentwicklung in einem grösseren Gebiet (Prozessschutz). Waldeigentümer dieser Waldreservate sind primär die Gemeinden, in seltenen Fällen sind private Eigentümerinnen und Eigentümer ebenfalls Vertragspartner.

Andererseits existieren zurzeit 35 Sonderwaldreservate. Bei diesen wird der Wald für mindestens 30 Jahre so gepflegt, dass bestimmte Naturwerte langfristig erhalten und gefördert werden, beispielsweise Lebensräume prioritärer Arten wie des Auerhuhns oder kulturhistorisch und ökologisch wertvolle Nutzungsformen. Auch hier sind primär öffentliche Ei­

gentümerinnen und Eigentümer Vertragspartner. Sechs ältere Sonderwaldreservate wurden als Regierungsbeschluss erlassen.

Daneben gibt es derzeit 51 Verträge über Altholzinseln, in denen rund 260 kleinere Waldflächen vertraglich geregelt sind. In Graubünden wird in diesen Flächen, wie bei Naturwaldreservaten, ein Nutzungsverzicht von mindestens 50 Jahren festgelegt. Daher werden auch sie aus rechtlicher Sicht zu den Waldreservaten gezählt. Das Hauptziel ist die Förderung von Alt­ und Totholz sowie die Vernetzung von alt­ und totholzreichen Beständen.

Pro Jahr kommen einige wenige Reservate hinzu. Das Ziel des Amts für Wald und Naturgefahren (AWN) ist es, bis 2035 die Gesamtfläche der Naturwaldreservate von derzeit 3,6 auf 5,5 Prozent der Waldfläche und die Gesamtfläche der Sonderwaldreservate von 4,8 auf 9 Prozent der Waldfläche auszudehnen.

Verschiedene Typen von Waldreservaten: a) Naturwaldreservat Tamangur, Gemeinde Scuol. b) Sonderwaldreservat Eichwald Tamins. c) Altholzinsel innerhalb des Sonderwaldreservats Andeer-Göriwald (Gemeinden Andeer, Sufers und Rheinwald). (Bilder: AWN, Jürg Hassler)

Die rechtlichen Grundlagen zur Einrichtung von Waldreservaten finden sich im nationalen (Art. 20 WaG) sowie im kantonalen Waldgesetz (Art. 43 KWaG). Waldreservate-Projekte durchlaufen eine kantonale Ämtervernehmlassung und bedürfen der Zustimmung der Waldeigentümerinnen und Waldeigentümer. Diese erfolgt durch ein Beschlussprotokoll und die Unterzeichnung eines Vertrags zwischen der Waldeigentümerschaft und dem kantonalen Departement für Infrastruktur, Energie und Mobilität (DIEM), mit einer Laufzeit von mindestens 30 beziehungsweise 50 Jahren.

Da die Nutzung in diesen drei Reservattypen durch öffentlich-rechtliche Verträge eingeschränkt ist, handelt es sich um öffentlich-rechtliche Eigentumsbeschränkungen. Entsprechend wurden die Waldreservate im Rahmen der Weiterentwicklung 2020–2023 vom Bund in den Kataster der öffentlich-rechtlichen Eigentumsbeschränkungen (ÖREB-Kataster) aufgenommen.

Der ÖREB-Kataster

Mit dem Aufbau des ÖREB-Katasters und der laufenden Integration neuer Themen wurde ein schweizweit einheitliches, digitales Informationssystem geschaffen, welches alle relevanten öffentlich-rechtlichen Eigentumsbeschränkungen zentral, aktuell und einfach zugänglich macht. Im Gegensatz zu früher, als solche Informationen bei verschiedenen Amtsstellen eingeholt werden mussten, genügt

heute ein Klick, um eine umfassende Übersicht zu erhalten. Dies sorgt für Transparenz, Rechtssicherheit und erleichtert die Abklärung von Eigentumsbeschränkungen für alle Beteiligten.

Neben den Informationen, welche Flächen von welchen Einschränkungen betroffen sind, macht der ÖREB- Kataster auch die rechtlichen Grundlagen und die entsprechenden Beschlüsse ersichtlich. Im Kanton Graubünden ist das Amt für Landwirtschaft und Geoinformation (ALG) für die Bereitstellung und den Betrieb des ÖREB-Katasters zuständig. Ziel des ÖREB-Katasters ist es, möglichst alle relevanten Einschränkungen, die ein Grundstück betreffen, zentral, aktuell und rechtssicher zugänglich zu machen. Im Kanton Graubünden sind bislang 24 ÖREB-Themen in neun Themengebieten in den Kataster aufgenommen worden, darunter neu auch die Waldreservate.

Der Kataster setzt sich im Wesentlichen aus Geodaten und Rechtsvorschriften zusammen. Die Geodaten definieren eine Fläche, für die bestimmte ÖREB gelten. Die Rechtsvorschriften beinhalten die der ÖREB zugrundeliegende Verfügung, welche die Einschränkung und deren Auswirkungen definiert. Dabei kann es sich beispielsweise um ein Baureglement einer Gemeinde handeln oder, wie im Falle der Waldreservate, um die mit den Waldeigentümern abgeschlossenen Verträge. Personendaten, die unter das Datenschutzgesetz fallen, werden vor der Publikation eines Vertrags geschwärzt. Zusätzlich

Inhalt des ÖREB-Katasters am Beispiel einer durch das Sonderwaldreservat Tomalandschaft betroffenen Parzelle in Domat/Ems. (Bild: Printscreen aus ÖREB-Kataster, AWN)

sind auch die gesetzlichen Grundlagen ersichtlich, auf denen die Verfügung basiert.

Die Vorteile liegen auf der Hand:

– Rechtssicherheit. Die Integration der Waldreservate schafft Klarheit über bestehende Schutzgebiete und deren Rechtsgrundlagen.

– Effiziente Informationsbeschaffung. Grundstückseigentümer, Behörden und Investoren können schnell und verbindlich prüfen, von welchen ÖREB ein Grundstück betroffen ist.

– Transparenz. Die Informationen sind online und zentral in einem Kataster abrufbar und werden laufend aktualisiert.

Dabei ist zu beachten, dass der ÖREB-Kataster ausschliesslich als Informationsportal dient und selbst keine Rechtswirkung entfaltet. Rechtsverbindlichkeit entsteht ausschliesslich durch die jeweiligen Rechtsvorschriften.

Datenaufbereitung und Integration

Die kantonalen Fachstellen sind bei ihren Themen zuständig für die Erhebung, Nachführung und Qua-

litätssicherung der entsprechenden Geodaten. Sie nutzen technische Standards wie vorgegebene Daten- und Darstellungsmodelle sowie Formate und stellen so sicher, dass die Daten konform mit diesen Vorgaben in den ÖREB-Kataster integriert werden können.

Die Geo- und Sachdaten der Waldreservate wurden bereits vor der Integration in den ÖREB-Kataster beim AWN digital verwaltet. Die Perimeter von älteren Reservaten wurden bei Vertragsabschluss jedoch nicht immer parzellenscharf digitalisiert. Aus diesem Grund mussten einige Reservats-Perimeter vor der Aufnahme in den ÖREB-Kataster an die Grenzen der vertraglich betroffenen Liegenschaften angepasst werden. Die Auswirkungen auf die Flächen der Reservats-Perimeter waren in aller Regel vernachlässigbar klein. Durch diese geometrische Bereinigung konnte sichergestellt werden, dass nicht fälschlicherweise eine Eigentumsbeschränkung auf einer Parzelle ausgewiesen wird, die von der öffentlich-rechtlichen Eigentumsbeschränkung nicht betroffen ist.

Statischer ÖREB-Auszug (nicht vollständig), hervorgehoben die ÖREB bezüglich Waldreservate.

(Bild: Printscreen statischer ÖREB-Katasterauszug, AWN)

Damit nun die ÖREB im Kataster dargestellt und genutzt werden können, müssen sie formalen Anforderungen genügen. Um den Weg in den ÖREB-Kataster zu finden, werden die aufbereiteten Geo- und Sachdaten vom AWN zunächst ins Minimale Geodatenmodell des Bundes überführt. Anschliessend wird mit dem ÖREB-Rahmenmodell sichergestellt, dass diese Daten fachbereichsübergreifend in einer einheitlichen und standardisierten Struktur in den Kataster integriert werden können. Dieses definiert die technischen und strukturellen Vorgaben, damit die Daten aus verschiedenen Quellen korrekt zusammengeführt, geprüft und rechtskonform veröf-

fentlicht werden. Für diesen Prozess ist das ALG als katasterverantwortliche Stelle zuständig.

Nutzung des ÖREB-Katasters

Der ÖREB-Kataster ist unter oereb.geo.gr.ch öffentlich zugänglich. Das gewünschte Grundstück kann via Suchfunktion (Parzellennummer oder Adresse) oder direkt durch Klick auf die Parzelle im Kartenfenster aufgerufen werden. Dadurch werden die betroffenen ÖREB als dynamische Ansicht thematisch gegliedert auf der Webseite aufgelistet und in der Kartenansicht dargestellt. Bei Bedarf kann auch ein statischer ÖREB-Auszug generiert und heruntergeladen werden. Dieser fasst die betroffenen öffentlich-rechtlichen Einschränkungen des Grundstücks in einem PDF-Dokument zusammen.

Fazit

Der ÖREB-Kataster bietet gegenüber früher wesentliche Verbesserungen, indem Informationen einfacher, umfassender und verständlicher zugänglich sind. Mit der Aufnahme der Waldreservate in den ÖREB-Kataster hat dieser ein neues Thema erhalten und an Informationsgehalt gewonnen. Die Waldreservate selbst gewannen durch die zu erfüllenden Anforderungen an Schärfe und Sichtbarkeit. Das Projekt steht somit als gutes Beispiel dafür, dass bei optimaler Zusammenarbeit zwischen den Amtsstellen und klarer Aufteilung der Verantwortung über Daten und Prozesse das gegenseitige Verständnis gefördert und der Gesamtnutzen gesteigert werden kann.

ÖREB-Kataster Graubünden oereb.geo.gr.ch

Orlando Lanfranchi ist Leiter Geoinformatik und Simon Crameri ist Produktleiter Waldbiodiversität im Amt für Wald und Naturgefahren Graubünden. Sabrina Rutz ist Projektleiterin ÖREB-Kataster im Amt für Landwirtschaft und Geoinformation Graubünden.

LeiNa und das geografische Informationssystem (GIS)

Vor 20 Jahren hat das Amt für Wald und Naturgefahren die Webanwendung LeiNa[1] eingeführt. Vorrangiges

Ziel war es, den Forstbetrieben und dem Amt ein System zur Verfügung zu stellen, welches eine standardisierte

Kontrolle der ausgeführten waldbaulichen Massnahmen im Wald ermöglicht und die erbrachten Leistungen der Forstbetriebe ausweist.

Riet Gordon

Im Kanton Graubünden werden die Holznutzungen im Wald seit der Einführung einer geregelten Planung im Wald vor fast 150 Jahren erfasst und jährlich im Rahmen der Jahresberichterstattung und der eidgenössischen Forststatistik ausgewiesen. Die Nutzungsmenge über die letzten 150 Jahre ist somit sowohl auf betrieblicher als auch auf kantonaler Ebene sehr gut dokumentiert. Weniger gut sieht es aus, wenn man die Nutzungen auf die einzelnen Wälder herunterbrechen will. Der Wald eines Eigentümers war in Betriebsklassen (BKL) und Abteilungen eingeteilt. Die Nutzungen und Holzschläge mussten vor der Einführung von LeiNa einer Abteilung respektive einer Betriebsklasse zugewiesen werden. In wenigen Forstbetrieben wurden sporadisch die Holzschläge auf einer Karte eingezeichnet. Die Nutzungen konnten damit grösstenteils nur sehr ungenau lokalisiert werden. Da die Abteilungen und Betriebsklassen immer wieder angepasst wurden, kann man heute nur mit viel Fleiss und grossem Aufwand feststellen, wo wann wie viel Holz aus welchem Wald kam. Dies wäre aber wichtig, da die Auswirkungen der waldbaulichen Massnahmen im Gebirgswald oft erst nach vielen Jahren sichtbar sind. Welche konkreten Ziele mit einem Holzschlag angestrebt wurden und wie die waldbauliche Massnahme im Detail ausgesehen hat, wurde kaum schriftlich festgehalten. Zusammenfassend kann gesagt werden, dass es mit dem bis 2005 angewandten Kontrollkonzept im Nachhinein schwierig zu erkennen ist, ob ein Eingriff verglichen mit der nur für die gesamte BKL respektive

Abteilung formulierten waldbaulichen Zielsetzung erfolgreich war oder nicht.

Die Ausrichtung von Bundesbeiträgen an die Schutzwaldpflege ab 1986 hatte zur Folge, dass die Erhebung der Nutzungen als Kontrolle nicht mehr reichte. Die bis zur Jahrtausendwende entwickelten Konzepte für ein neues Kontrollkonzept, vor allem für die kartografische Erfassung der durchgeführten Massnahmen, basierten noch weitgehend auf Papierlösungen, da weder Bund noch Kanton auf die sich langsam entwickelnden geografischen Informationssysteme (GIS) zugreifen konnten.

Start ins digitale Zeitalter

Mit der Einführung von ArcGIS in der kantonalen Verwaltung im Jahr 2004 und dem für die Forstbetriebe möglichen Zugriff auf das Internet ergaben sich ganz neue technische Möglichkeiten, das papierbasierte Kontrollsystem durch ein digitales abzulösen. Graubünden war – parallel mit Luzern – der erste Kanton, welcher ein solches Projekt für den Wald in Angriff nahm.

Der wichtigste Punkt bei der Entwicklung von LeiNa war die Bestimmung der Anliegen an das System. Es war von Anfang an klar, dass einerseits zu jedem waldbaulichen Eingriff Sachinformationen in einer Datenbank erfasst werden und andererseits jeder Holzschlag und jede Pflegemassnahme im GIS möglichst genau erfasst werden sollten. Das Kontrollsystem LeiNa besteht deshalb aus zwei Teilen, welche miteinander verbunden sind. LeiNa-WEB ist die Internetapplikation, mit welcher die Sachdaten erfasst

und ausgewertet werden können. LeiNa-GIS ist die Internetapplikation, mit welcher die geometrischen Daten erfasst und kartografisch dargestellt werden können. Als wichtigster Grundsatz wurde festgelegt, dass eine Information nur einmal erfasst, diese dann aber für mehrere Zwecke verwendet werden soll. So kann für viele Statistiken auf die Informationen aus LeiNa zurückgegriffen werden. Ein weiterer entscheidender Punkt bei der Entwicklung war der Entscheid, auf eine zentrale WEB-basierte GISLösung und Datenerfassung zu setzen und nicht auf eine dezentrale, lokal gespeicherte Applikation. LeiNa hat damit auch im GIS-Bereich eine Entwicklung vorweggenommen, welche heute Standard ist. Weitere Details zur Entwicklung von LeiNa wurden im «Bündner Wald» 3/2006 publiziert.

Entwicklung von LeiNa-GIS

Die Datenerfassung inklusive Digitalisierung im GIS erfolgt seit der Einführung von LeiNa aus-

schliesslich durch die Förster/Betriebsleiter. Der kantonale Forstdienst hat «nur» eine Kontrollfunktion. Viele Förster, aber auch Regionalforstingenieure, waren vor 20 Jahren nicht sehr «computeraffin». Die Anwendung und insbesondere die Digitalisierwerkzeuge mussten deshalb möglichst einfach und auf das Notwendigste reduziert werden. Die Programmierung dieser Werkzeuge war technisch sicher eine der anspruchsvollsten Aufgaben bei der Entwicklung von LeiNa-GIS. Mit den zur Verfügung gestellten fünf Werkzeugen «Zeichnen/Erweitern», «Löschen», «Vereinigen», «Kopieren» und «Anschliessen» [2] können praktisch alle erdenklichen Flächen einfach und ohne spezielle Kenntnisse erfasst werden. In den 20 Jahren seit der Einführung von LeiNa mussten keine grundlegenden Anpassungen an der Struktur von LeiNa-GIS vorgenommen werden. Das zeigt, wie vorausschauend und robust die Applikation entwickelt worden ist.

Ziel konkrete Anpassung Jahr

Ermöglichen die Geometrie der Eingriffsflächen auch ausserhalb von LeiNa zu verwenden

Lagegenauere Digitalisierung

Dokumente (Anzeichnungsprotokolle, Fotos etc.) mit einer Eingriffsfläche ablegen

Export ausgewählter Eingriffsflächen als ArcGIS Datensatz (Shapefile) 2017

Verknüpfen von LeiNa-GIS mit GPS Ermöglichen, Polygone aus anderen GIS-Systemen zu importieren

Dateien (jpg und pdf) können jeweils zu einer Eingriffsfläche hochgeladen werden

LeiNa als Planungswerkzeug weiterentwickeln Die Geometrie der geplanten Holzschläge kann erfasst und mit spezifischen Planungsdaten ergänzt werden

Die für den Holzschlag benötigten Seillinien erfassen/ dokumentieren

Mehrmals behandelte Eingriffsflächen (zum Beispiel Jungwaldpflegeflächen, Zäune) einfacher kopieren

Eingriffsflächen leichter finden

Daten der Betriebsplanung in LeiNa als Information darstellen

Erfassen von Holzschlägen entlang von Linien (zum Beispiel Strassen) vereinfachen

Tab. 1: Wichtigste Anpassungen an LeiNa-GIS.

Digitalisierung der Seillinien und Verknüpfung mit der entsprechenden Eingriffsfläche

Kopieren der Geometrie und der Sachdaten bestehender Eingriffsflächen

Einführung einer Suchfunktion (z. B. für den Namen der Eingriffsfläche)

Dringlichkeiten der waldbaulichen Massnahmen als Zusatzlayer

Linie digitalisieren und diese mit einer festgelegten Breite zu einer Fläche umwandeln

Als Herausforderung für die Förster erwies sich in den ersten zehn Jahren nicht wie erwartet die Digitalisierung der Eingriffsfläche, sondern ihre Erfassung an der richtigen Lage. GPS war noch nicht sehr verbreitet und noch ungenau, und es bestand keine Möglichkeit, GPS-Daten mit LeiNa zu verknüpfen. Im Jahr 2017 wurde das Beitragssystem für die NFA-Programmvereinbarungen auf Flächenpauschalen umgestellt. Damit erhielt die genaue Erfassung der Eingriffsflächen eine wesentlich grössere Bedeutung als vorher. Daraufhin wurde LeiNa-GIS mit einer Funktion ergänzt, welche es ermöglicht, GPS-Daten einzulesen und diese als Hintergrundinformation anzeigen zu lassen. Für eine neu entwickelte Kluppe, welche die genaue Lage jedes angezeichneten Baumes mit GPS erfasst, wurde eine Schnittstelle zu LeiNa-GIS eingerichtet. Die Lagegenauigkeit der digitalisierten Fläche konnte dank der Verknüpfung von LeiNa-GIS mit GPS wesentlich verbessert werden.

Die wichtigsten Ergänzungen in LeiNa-GIS sind in der Tabelle 1 zusammengestellt. Ein Quantensprung erfolgte mit der aus technischen Gründen notwendigen Neuprogrammierung 2017. Daneben werden seit der Einführung jährlich noch kleinere Anliegen der Anwender implementiert, um ihnen die Arbeit mit LeiNa zu erleichtern. Nach 20 Jahren Anwendung kann nun eine Bilanz gezogen und ein Blick in die Zukunft geworfen werden.

Die dank LeiNa systematische Erfassung der waldbaulichen Massnahmen kann sicher als grosser Erfolg bezeichnet werden. Von 2005 bis 2025 wurden rund 45 00 0 Eingriffsflächen mit einer Fläche von gesamthaft 77 00 0 ha und einer Holzmenge von 7,7 Mio. m³ in LeiNa erfasst. Die Lagegenauigkeit der Eingriffsflächen hat sich dank den verbesserten IT-Kenntnissen der Förster und dem Einsatz des GPS verbessert und ist heute wesentlich genauer, als wenn andere Datenquellen wie etwa Satelliten- oder LIDAR-Daten dafür verwendet würden. Mit der laufenden Erfassung der Holzschläge und Pflegemass-

nahmen stehen immer aktuelle Daten zur Verfügung, was für ein Controllingsystem unabdingbar ist und andere Datenquellen nicht garantieren können.

Ziel Erfolgskontrolle

Es war immer auch ein Ziel von LeiNa, die Daten zur Erfolgskontrolle verwenden zu können, die Auswirkungen der Holz- und Pflegemassnahmen zu ermitteln und daraus Schlussfolgerungen für das waldbauliche Handeln ableiten zu können. Dies setzt voraus, dass erstens die Ziele und Massnahmen in LeiNa so genau beschrieben werden, dass sie auch später nachvollzogen werden können und zweitens die Flächen nach einigen Jahren aufgesucht und der reale Zustand mit dem formulierten Ziel verglichen wird. Die Qualität der Dokumentation der Eingriffsflächen, insbesondere Zustand, Ziele und Massnahmen muss nach Meinung des Autors noch wesentlich verbessert werden. Momentan werden viele Eingriffsflächen nicht vollständig oder nicht nachvollziehbar dokumentiert. Wie oft erfasste Eingriffsflächen einige Zeit nach einem Eingriff aufgesucht werden, kann nicht bestimmt werden. Es wäre jedoch sehr schade, wenn nur die Wissenschaft die Daten aus LeiNa für ihre Untersuchungen verwendet und nicht die eigentliche Zielgruppe von LeiNa. LeiNa wurde in erster Linie als Controllinginstrument [3] konzipiert. Es ist modular aufgebaut und konnte daher später mit weiteren Modulen ergänzt werden. Das Wichtigste davon war sicher jenes für das Projektmanagement der beitragsberechtigten Waldbauprojekte. Aktuell wird ein verbessertes Modul für die Abrechnung der Leistungsvereinbarung des Kantons mit den Forstrevieren integriert. Nach der Einführung des neuen Betriebsplankonzepts soll auch eine Erweiterung der bisher rudimentären betrieblichen Planungswerkzeuge in LeiNa erfolgen. Von Förstern wurde immer wieder der Wunsch geäussert, eine Handy- respektive Tablet-App-Version von LeiNa zu entwickeln [4]. LeiNa und insbesondere LeiNa-GIS sind auf eine einfache Datenerfassung ausgerichtet. Diese erfolgt wesentlich effizienter

Wie wird sich der Wald nach dem angezeichneten Holzschlag entwickeln? Mit einer in LeiNa abgelegten Aufnahme kann der Förster oder seine Nachfolger die Entwicklung besser beurteilen.

im Büro als im Wald. Es macht also wenig Sinn, für LeiNa als Gesamtsystem eine eigene App zu entwickeln. Hingegen wäre es wünschenswert, wenn die in LeiNa vorhandenen Informationen besser in LeiNa-GIS integriert werden könnten. LeiNa-GIS könnte dadurch als eigenständige Informationsebene in die bestehenden interaktiven Karten des kantonalen GIS eingegliedert werden.

Jede Erweiterung von LeiNa ist mit immer höheren Entwicklungs- und Wartungskosten verbunden. Es konnten und können deshalb wahrscheinlich auch in Zukunft nur jene vorgenommen werden, welche von allgemeinem Interesse sind und einen grossen Mehrwert schaffen.

LeiNa wird in der Praxis auch kritisiert. Dabei geht sehr oft vergessen, dass die Prozesse im Wald langsam ablaufen und die Ergebnisse des waldbaulichen Handelns erst Jahre nach dem Eingriff feststellbar sind. Ohne ein System wie LeiNa gehen sehr viele Informationen und Erfahrungen verloren oder können nur mit sehr grossem Aufwand ermittelt wer-

(Bild: Riet Gordon)

den. Dafür, dass unsere Nachfolger in einigen Jahren einfach auf Daten zurückgreifen können, braucht es einen gewissen Aufwand der heutigen Förstergeneration. LeiNa ist aus meiner Sicht ein effizientes, gut durchdachtes und in der Praxis bewährtes Instrument, welches den heutigen Forstdienst und die zukünftige Förstergeneration bei ihrer wertvollen Arbeit unterstützt.

Riet Gordon war bis 2022 Leiter des Bereichs Waldplanung & Forstreviere im AWN und hat wesentlich an der Entwicklung von LeiNa mitgewirkt.

[1] Die Abkürzung LeiNa steht für Leistungsnachweis.

[2] In der aktuellen LeiNa-Version haben die Tools eine andere Bezeichnung und leicht erweiterte Funktionen.

[3] Mit der Kontrolle wird ein Prozess überwacht. Sie ist ein Teil des Controllings. Controlling hingegen umfasst den gesamten Führungsprozess und beinhaltet die Planung, Steuerung und Optimierung von Prozessen.

[4] «Bündner Wald» Oktober 2020, S. 50 ff.

GIS-gestützte Erfassung von forstlichen Erschliessungsinfrastrukturen

Die nachhaltige Bewirtschaftung unserer Wälder befindet sich zunehmend im Spannungsfeld zwischen ökologischen Zielsetzungen und wirtschaftlichen Interessen, wobei die Walderschliessung eine zentrale Rolle einnimmt. Die Anforderungen an eine zukunftsorientierte Bewirtschaftung der forstlichen Erschliessungsinfrastrukturen werden zunehmend komplexer. Um diesen vielfältigen Herausforderungen wirksam zu begegnen, setzt das Amt für Wald und Naturgefahren des Kantons Graubünden auf moderne digitale und insbesondere georeferenzierte Lösungen.

Einleitung

Nachdem der gesamte Schutzbautenkataster (SBK) digitalisiert wurde, hat sich das Amt für Wald und Naturgefahren (AWN) entschlossen, auch den zweiten grossen Bereich forstlicher Infrastrukturen in einer entsprechenden Fachapplikation abzubilden. Die vorgenommene Bedürfnisanalyse im Bereich der Walderschliessung hat folgende Zielsetzung hervorgebracht: Es soll eine Katasterlösung geschaffen werden, die eine zentrale, georeferenzierte Substanzerfassung aller Waldstrassen ermöglicht. Neben den relevanten Kunstbauten, wie Stützkonstruktionen, Brücken oder Entwässerungssysteme, werden auch einheitliche Achseninformationen erfasst.

Die Applikation dient zudem als Dokumentenablage und ermöglicht so das Sammeln aller relevanten Baubeschriebe, Pläne und Projektakten. Die Möglichkeit zur Ausweitung des Funktionenumfangs wird bewusst offengelassen, um sich den künftigen Bedürfnissen anzupassen.

Mit dieser neuen Fachapplikation und der integrierten georeferenzierten Dokumentenablage soll im Erschliessungswesen eine Kontinuität geschaffen werden, die eine Rückverfolgbarkeit der baulichen Massnahmen bei Aus- und Neubauten sowie bei Instandsetzungen ermöglicht.

Digitale Unterstützung

Mit infForest führt das AWN eine leistungsstarke cloudbasierte Fachanwendung ein, die genau diese Bedürfnisse abdeckt. In der Anwendung lassen

sich sämtliche relevanten Informationen zu Waldstrassen, Infrastrukturobjekten und weiteren forstlichen Elementen im gewünschten Detaillierungsgrad erfassen – inklusive Fotos, Pläne, Skizzen und Dokumente. infForest verfügt über eine integrierte GIS-Oberfläche, mit welcher sämtliche relevanten Daten georeferenziert erfasst und direkt im System visualisiert werden können. Dies ermöglicht eine präzise räumliche Analyse, eine übersichtliche Darstellung und fundierte Auswertungen. Ergänzt wird die Fachanwendung durch eine mobile App (Observo) für die effiziente Erfassung der Waldstrassen und Infrastrukturen sowie deren Eigenschaften vor Ort. Darüber hinaus könnte Observo künftig auch als zentrales Werkzeug für die Durchführung von Inspektionen und die Erfassung von Beobachtungen direkt im Gelände genutzt werden.

infForest

Alle relevanten Kunstbauten und Waldstrassen werden in infForest georeferenziert auf der Karte darge-

stellt. Die verschiedenen linearen Eigenschaften der Waldstrassen können entlang der Strassenachsen durch Einfärbung übersichtlich visualisiert und zudem auch direkt bearbeitet werden. Eine detaillierte Ansicht kann pro Waldstrasse aufgerufen werden und ermöglicht so eine umfassende Übersicht über die Eigenschaften, wie zum Beispiel die Strassenbreite, Belag, Tonnage oder das Gefälle. Ergänzend stehen weitere Sachdaten wie Fotos, Skizzen, Dokumente und Notizen direkt zur Verfügung. Die Darstellung der Kunstbauten erfolgt ebenfalls im GIS-Viewer, abhängig vom Typ als Punkte, Linien oder Flächen. All diese Infrastrukturobjekte sind einer Waldstrasse zugeordnet und entsprechend linear referenziert. So können diese analog der linearen Eigenschaften schematisch entlang der Strassenachse, aber auch tabellarisch dargestellt werden. Durch die einheitliche und strukturierte Datenerfassung lassen sich sämtliche Informationen einfach auswerten und in der gewünschten Form über Berichte ausgeben. Automatisch generierte Diagram-

Einblick in die Benutzeroberfläche der mobilen Observo-Applikation.

me, Kartenausschnitte und Tabellen liefern eine aussagekräftige Übersicht. So kann beispielsweise der Ausbaustandard von Waldstrassen oder Infrastrukturobjekten einfach nach Gebieten oder Abschnitten gegliedert und dargestellt werden. Dies ist hilfreich bei der Planung und Priorisierung der künftigen baulichen Massnahmen an der Walderschliessung.

Observo

(Bild: Unit Solutions AG)

Mit Observo wird das AWN nebst den linearen Eigenschaften auch sämtliche Kunstbauten entlang der Waldstrassen erfassen. Diese Erfassung erfolgt georeferenziert über professionelle GPS-Geräte, wobei die Kunstbauten direkt mit der Waldstrasse verknüpft werden. Observo ermöglicht es, eine Waldstrasse abzugehen und dabei dank präziser

GPS-Lokalisierung die definierten Eigenschaften fortlaufend linear referenziert entlang der Strassenachse zu erfassen und abzubilden. Kunstbauten wie zum Beispiel Brücken, Stützmauern und Schächte können zudem direkt als Punkt-, Linien- oder Flächenobjekte erfasst, kategorisiert und attributiert werden.

Alle erfassten Daten werden automatisch mit der zentralen Cloud-Plattform sowie auch innerhalb allfälliger Arbeitsgruppen, welche mit Observo arbeiten, synchronisiert. So stehen Informationen aktuell und jederzeit für alle Beteiligten zur Verfügung.

Aktuelle Datengrundlage

Die Basisgeometrien der Waldstrassen werden über den offiziellen TLM-Datensatz [1] von swisstopo bereitgestellt. Ein weitgehend automatisierter Prozess sorgt dafür, dass die Waldstrassen jährlich auf die neuesten TLM-Daten aktualisiert werden. Dabei werden diese auf die angepassten Linienzüge gemappt und sämtliche linearen Eigenschaften und Infrastrukturobjekte auf die aktuellen Geometrien übertragen.

Die zentral verwalteten Informationen bleiben so stets auf dem aktuellen Stand und bilden eine verlässliche Datengrundlage für Planung, Kontrolle und Entscheidungsprozesse im Bereich der Walderschliessung.

Zukünftige Möglichkeiten

Mit der Firma Unit Solutions AG hat das AWN einen zuverlässigen Partner, der die vielseitigen Möglichkeiten der Fachanwendung bereits in anderen Bereichen erfolgreich unter Beweis gestellt hat. So nutzt das AWN mit infProtect dieselbe Plattform für die Bewirtschaftung der Schutzbauten (Schutzbautenkataster SBK), wobei umfangreiche Funktionen für die Zustandserfassung und Inspektion von Kunstbauten, die Projektabwicklung sowie ein Aufgabenmanagement zum Einsatz kommen. Es lassen sich beispielsweise nicht nur Kontrollen und Inspektionen, sondern auch ganze Inspekti-

onskampagnen planen und durchführen. Diese erfolgen direkt vor Ort mit der App Observo, wobei die Ergebnisse automatisch auch in infForest einfliessen.

Neben geplanten Inspektionen lassen sich auch spontane Beobachtungen oder Aufgaben direkt in Observo erfassen und an das zentrale System infForest übermitteln. Positionsbezogene Merkmale wie Flächen oder Distanzen werden dabei automatisch übernommen.

Fazit

Mit infForest und Observo stehen dem Amt für Wald und Naturgefahren zwei moderne, cloudbasierte Fachanwendungen zur Verfügung, um die Walderschliessung künftig zentral im Walderschliessungskataster (WEK) zu erfassen, zu verwalten und zu unterhalten. Der WEK befindet sich derzeit im Aufbau. Erste grössere Aufnahmekampagnen im Feld sind für das Jahr 2026 vorgesehen. Durch die georeferenzierte und mobile Datenerfassung entsteht eine einheitliche, kontinuierlich aktualisierte und zukunftsfähige Grundlage für die digitale Bewirtschaftung der forstlichen Erschliessungsinfrastruktur – von Waldstrassen und Kunstbauten bis hin zu relevanten Dokumenten. So kann der steigenden Komplexität sowie den Anforderungen an die nachhaltige Walderschliessung wirkungsvoll begegnet werden.

Serafino Cassano ist Leiter Marketing und Verkauf bei der Unit Solutions AG. Orlando Lanfranchi ist Leiter Geoinformatik im Amt für Wald und Naturgefahren Graubünden. Roberto Paravicini ist Regionalforstingenieur in der Region Südbünden und Projektleiter Walderschliessungskataster beim Amt für Wald und Naturgefahren.

[1] Das Topografische Landschaftsmodell (TLM) der swisstopo enthält landschaftsprägende Objekte wie Gebäude, Strassen und Gewässer der ganzen Schweiz und Liechtenstein. Es bildet die Grundlage für die Erstellung der Landeskarten und zahlreiche räumliche Anwendungen.

Risikogrundlagen gravitative Naturgefahren Kanton Graubünden

Der Kanton Graubünden erarbeitet kantonsweit flächendeckende Übersichten zu den Risiken ausgehend von gravitativen Naturgefahren (Lawinen, Rutschungen, Sturz- und Wasserprozesse). Die Risikoübersichten helfen, die bestehenden Risiken besser zu verstehen und gezielt zu handeln, unter anderem bei der Prävention, der Priorisierung von Massnahmen und dem effizienten Einsatz von Mitteln.

Dr. Andy Kipfer, Peter Gsteiger, Maike Schneider

Was kann passieren, was darf passieren, was ist zu tun? Im Umgang mit Naturgefahren gilt in der Schweiz der risikoorientierte Ansatz, mit welchem ein vergleichbares Sicherheitsniveau und ein effizienter Mitteleinsatz angestrebt werden. Dies bedingt, dass wir die Risiken aus Naturgefahren kennen und vergleichen können. Die periodische Erfassung und Bewertung der Risiken aus Naturgefahren ist folglich die Basis für das Integrale Risikomanagement und eine optimale Massnahmenplanung. Als kantonale Fachstelle Naturgefahren hat das AWN die Aufgabe, aktuelle, vergleichbare und nachvollziehbare Risikoinformationen zur Verfügung zu stellen. Dies erfolgt mit dem Projekt «Risikogrundlagen GR». Die Resultate dienen der strategischen Planung, der Überprüfung von Schutzdefiziten und dem Erkennen von Handlungsbedarf sowie dem Risikodialog mit Politik und Öffentlichkeit.

Roderick Kühne, Amt für Wald und Naturgefahren Graubünden, Bereich Schutz vor Naturgefahren.

Grundlagen und Methodik der Risikoübersichten

Gefahren beschreiben potenzielle Naturereignisse, ihre Eintretenswahrscheinlichkeit und räumliche Ausdehnung. Ein Risiko entsteht, wenn Gefahren auf Schutzgüter treffen. Risikoübersichten zeigen auf, wo dies der Fall ist und mit welchen Schäden gerechnet werden muss. Im Projekt «Risikogrundlagen GR» werden gravitative Naturgefahrenprozesse betrachtet: Lawinen, Rutschungen, Sturz und Wasser. Zu den betrachteten Schutzgütern gehören Personen, Sachwerte (z. B. Gebäude und Infrastruktur), Lebensgrundlagen des Menschen (z. B. landwirtschaftlich genutzte Flächen) sowie Kulturgüter.

Abb. 1: Risikoübersichten zeigen auf, wo Gefahrenprozesse auf Schutzgüter treffen. (Bild: geo7)

Die Basis der «Risikogrundlagen GR» bildet die Überlagerung von Gefahrenbereichen mit Schutz-

gütern – ergänzt durch Parameter, die das mögliche Schadenausmass präzisieren. Zu diesen Parametern zählen:

– Wert des Schutzguts: Angaben zu Personenund Sachwerten wie Gebäuden oder Infrastrukturen.

– Räumliche Auftretenswahrscheinlichkeit: Wahrscheinlichkeit, mit der ein Naturgefahrenprozess (z. B. eine Rutschung) an einem bestimmten Ort auftritt, abhängig vom Prozess und der Jährlichkeit des betrachteten Szenarios.

– Expositionsgrad: Zeigt, wie stark ein Schutzgut einem Ereignis ausgesetzt ist. Beispiel: Ein Gebäude im Gefahrengebiet ist dauerhaft gefährdet, ein Zug nur zeitweise.

– Verletzlichkeit: Empfindlichkeit eines Schutzguts gegenüber Schäden. Beispiel: Ein einfacher Unterstand wird schneller beschädigt als ein massiv gebautes Wohnhaus.

Diese Parameter fliessen mit den Gefahren- und Schutzgütern in ein Berechnungsmodell ein. Daraus entstehen anwendergerecht aufbereitete Risikoprodukte. Im Kanton Graubünden erfolgt die Risikoberechnung mit EconoMe – dem Onlineberechnungstool des Bundes (EconoMe 5.3 [1]). Aus der Berechnung werden je nach Fragestellung und Datenverfügbarkeit verschiedene Produkte erstellt, z. B.:

– Geodaten für weitere GIS-Anwendungen.

– Karten für die strategische Planung und Kommunikation.

– tabellarische Auflistungen für weiterführende Auswertungen.

Zudem können aufbereitete Schutzgüterdaten exportiert und für individuelle Anwendungen genutzt werden.

Stand der Arbeiten im Kanton Graubünden

Das Projekt «Risikogrundlagen GR» ist im Aufbau –erste Risikoprodukte sind ab 2026 verfügbar. Bereits vorliegend sind die Basisdaten:

Gefahrengrundlagen

Für die Risikoberechnung werden die verfügbaren Produkte verwendet (Stand Juni 2025):

– Gefahrenhinweiskarten (GHK): decken das gesamte Kantonsgebiet ab, wichtige Grundlage für flächige Risikoübersichten, basieren in der Regel auf Modellierungen.

– Gefahrenkarten (GK): flächendeckend verfügbar in Siedlungsgebieten, einheitlich aufbereitet.

– Intensitätskarten (IK): noch nicht flächendeckend vorhanden – ihre Verfügbarkeit nimmt zu.

Das Berechnungsmodell ist so aufgebaut, dass auch künftig neue oder aktualisierte Gefahrengrundlagen eingebunden werden können.

(Bild: Gebäudegrundrisse © Amtliche Vermessung Kanton Graubünden)

Schutzgüter

Die Schutzgüter berücksichtigen Personen und erhebliche Sachwerte. Für jedes Schutzgut werden, sofern möglich, zwei Werte ausgewiesen [2]:

– Betroffenheit: ob das Schutzgut vom Schadenprozess betroffen ist (ja/nein).

– Direktes Risiko: Produkt aus Schadenwahrscheinlichkeit und möglichem Schaden, angegeben als Schadenerwartungswert in CHF pro Jahr.

– Indirekte Schäden – etwa wirtschaftliche Folgeschäden oder die Beeinträchtigung von Verkehrsund Versorgungsnetzen – werden nicht berücksichtigt, da sie schwer zu quantifizieren sind.

Geodaten

Sämtliche für die Risikogrundlagen relevanten Schutzgüter wurden aus kantonalen Geodatensätzen abgeleitet und aufbereitet (Stand Juni 2025).

Zudem wurden sie in einem umfassenden Datenkatalog erfasst. Mithilfe von Python-Skriptwerkzeugen für die Verwendung unter der GIS-Soft-

ware ArcGIS Pro sowie ergänzenden Objektlisten werden die Datensätze für die Anwendungen der «Risikogrundlagen GR» automatisiert vorbereitet. Eine feine Differenzierung – beispielsweise mit über 50 Gebäudekategorien (z. B. Einfamilienhaus, Bürogebäude, Stall) oder mehr als 30 Strassenkategorien – sowie umfangreiche Objektattribute ermöglichen eine differenzierte Risikoberechnung und schaffen zugleich Flexibilität für zukünftige Anwendungen.

Die verwendeten Datengrundlagen sowie die entwickelte Datenaufbereitung sind stabil angelegt, so dass die Geodaten bei Bedarf aktualisiert und erweitert werden können. Abbildung 3 zeigt beispielhaft einen Kartenausschnitt mit unterschiedlichen Gebäudekategorien sowie einen Auszug aus den vorhandenen Attributkategorien.

Anwendungsbereiche der Risikogrundlagen

Die «Risikogrundlagen GR» werden in drei Detaillierungsgraden erstellt:

– Kantonsebene (A): Übersicht über das gesamte Kantonsgebiet, Grundlagen sind die Gefahrenhinweiskarten (GHK), dient der strategischen Planung, periodische Aktualisierung.

– Regionale Ebene (B): vertiefte Risikoübersichten für Gemeinden, Teilgebiete oder Streckenabschnitte von Verkehrsträgern, basiert auf detaillierteren Gefahrengrundlagen (GK, IK), Aktualisierung bei neuen Gefahrengrundlagen.

– Detaillierte Risikoanalysen auf Stufe Einzelprojekt (C) sind nicht Teil des Projekts «Risikogrundlagen GR», werden aber durch die bereitgestellten Grundlagen (z. B. Schutzgüter) unterstützt.

Die Resultate sind nicht direkt miteinander vergleichbar, da sie auf unterschiedlichen Datengrundlagen beruhen.

Fazit

Die bisherigen Erfahrungen in anderen Kantonen zeigen: Risikogrundlagen schaffen Transparenz und ermöglichen eine fundierte, nachvollziehbare und vergleichbare Risikobeurteilung im gesamten Kanton. Sie erleichtern die Kommunikation zwischen Fachstellen, Gemeinden und Politik und leisten einen wichtigen Beitrag zu einem wirksamen, wirtschaftlichen und vorausschauenden Umgang mit Naturgefahren.

Mit den «Risikogrundlagen GR» erhalten Fachpersonen in Verwaltung und Planung Unterstützung in ihrer täglichen Arbeit, etwa bei der Einschätzung von Risiken, der Priorisierung von Massnahmen oder dem gezielten Mitteleinsatz.

Dank ihres modularen Aufbaus lassen sich die Risikogrundlagen bei Bedarf erweitern und aktualisieren – etwa mit neuen Gefahrengrundlagen oder aktualisierten Schutzgütern. Die Ergebnisse basieren auf dokumentierten Modellen und sind für unterschiedliche Zeitstände reproduzierbar, was den Vergleich von Zeitständen oder Szenarienbetrachtungen ermöglicht.

Die «Risikogrundlagen GR» sind in Erarbeitung und sollen ab 2026 bereitstehen. Somit schafft der Kan­

ton Graubünden eine vielseitig einsetzbare Grundlage für das integrale Risikomanagement.

Andy Kipfer (Fachexperte Naturgefahren, Geschäftsleitung), Peter Gsteiger (Fachexperte Geoinformatik) und Maike Schneider (Spezialistin Naturgefahren) analysieren als interdisziplinäres Team der geo7 AG die Risiken aus gravitativen Naturgefahren im Kanton Graubünden. Sie verbinden Geodaten und theoretische Grundlagen mit ihrer fachlichen Expertise und bereiten die Ergebnisse so auf, dass sie praxisnah angewendet werden können.

Referenzierte Dokumente

[1] EconoMe 5.3 Wirkung und Wirtschaftlichkeit von Schutzmassnahmen gegen Naturgefahren. https://econome.ch/eco_ work/, Stand 19.06.2025.

[2] BAFU (2020): Minimale Standards. Kantonale Risikoübersichten für gravitative Naturgefahren. Auf Basis der Vernehmlassung bei den Kantonen überarbeitete Version vom 15.1.2020. Bundesamt für Umwelt (BAFU), Bern.

GIS für angehende Förster/-innen am ibW Bildungszentrum

Wald Maienfeld

Der Einsatz von GIS ist im Berufsalltag der Förster/-innen eine Selbstverständlichkeit. Im Lehrgang Dipl. Förster/-in HF werden die GIS-Grundlagen einerseits möglichst praxisnah im GIS-Unterricht vermittelt. Darüber hinaus erwerben und festigen die Studierenden ihre GISKompetenzen vor allem auch mithilfe verschiedener Tools in unterschiedlichen Fachbereichen.

Neues GIS-basiertes Tool für die waldbauliche Mehrjahresplanung

«Dieser Syntheseblock Waldbauliche Mehrjahresplanung ist mir wie eine Woche GIS-Unterricht vorgekommen», so oder ähnlich lautet die Aussage mehrerer Studierenden bei der Feedbackrunde am Ende der Unterrichtswoche. Tatsächlich spielen GIS-Kompetenzen im Lehrgang Dipl. Förster/-in HF in verschiedensten Lernfeldern eine wichtige Rolle. Besonders ausgeprägt ist dies in der genannten Synthesewoche zur waldbaulichen Mehrjahresplanung, in welcher die Studierenden eine waldbauliche Planung über 12 Jahre und mehrere Bewirtschaftungseinheiten erarbeiten. Das im Unterricht eingesetzte Planungs-Tool ist QGIS-/QFieldCloud-basiert mit Export-Schnittstellen in Excel. Das ibW Bildungszentrum Wald Maienfeld (BZWM) konnte es im letzten Winterhalbjahr, basierend auf einer technisch veralteten Lösung, im Rahmen eines BAFU(Bundesamt für Umwelt) Projektes und in Zusammenarbeit mit OPENGIS.ch GmbH entwickeln. Das Tool ermöglicht eine räumlich und zeitlich koordinierte Planung von waldbaulichen Massnahmen im Sinne eines Massnahmenpools. Massnahmen werden als Geometrie mit den wichtigsten Daten erfasst und gelangen später zu unterschiedlichen Zeitpunkten in die Feinplanung respektive Ausführung. Das Tool ist als eingebetteter Bestandteil des betrieblichen GIS zu verstehen. Für die waldbauliche Planung relevante Informationen wie Bestandeskarte

oder Feinerschliessungslayer können entsprechend den individuellen Bedürfnissen in das Projekt für die Massnahmenplanung integriert werden. Beim Einsatz des Planungstools für die waldbauliche Mehrjahresplanung sind verschiedenste GIS-Kompetenzen gefragt. Einerseits die klassischen QGIS-Kenntnisse, welche die Arbeiten mit verschiedensten Layern in einem QGIS-Projekt erlauben. Dazu gehören die räumliche Darstellung, die Datenabfrage, die Datenverarbeitung und Kartengenerierung. Andererseits müssen für die Datenaufnahme im Wald geeignete QField-Projekte erstellt werden, und die Datenerfassung auf den mobilen

Geräten im Wald stellt teilweise andere Anforderungen an die Nutzer. Auch der Umgang mit der QFieldCloud muss geübt werden, wobei insbesondere bei der parallelen Bearbeitung durch mehrere Feldteams eine gewisse Disziplin bei der Datenspeicherung unumgänglich ist. Und nicht zuletzt steht auch dieses GIS-basierte Tool in einer grösseren digitalen Landschaft mit entsprechenden Schnittstellen, in diesem Fall vor allem über den Export in Excel für Pivot-Auswertungen.

Der GIS-Unterricht legt die Basis Auch im eigentlichen GIS-Unterricht wird mit den Open Source Software QGIS und QField gearbeitet. Während QGIS standardmässig für alle Arbeiten am Desktop genutzt wird, kommt das für mobile Geräte konzipierte QField bei Feldarbeiten zum Einsatz. Beide Anwendungen laufen unterdessen auf den verschiedenen heute gängigen Betriebssystemen. Dank einer Ausbildungslizenz von QFieldCloud steht jedem Studierenden auch eine entsprechende kompatible Cloud-Lösung zur Verfügung. Der Einsatz von QGIS und QField im Unterricht seit vielen Jahren hat sich sehr bewährt. Die bewusste Wahl einer Open Source Software ermöglicht den angehenden Förster/-innen auch, die ihnen bekannte Software in ihrer zukünftigen Arbeitsumgebung ohne hohe Kosten als Ergänzung zu sehr unterschiedlichen betrieblichen und kantonalen GIS-Lösungen einzusetzen. Der GIS-Unterricht umfasst 32 Lektionen. Tobias Loretz, Absolvent des letzten berufsbegleitenden Försterlehrgangs und Betriebsleiter der Korp.-Bürgergemeinde Silenen UR ist GIS-Dozent und kann mit diesem Hintergrund einen grossen Praxisbezug im Unterricht sicherstellen. Christian Rüsch, Dozent am BZWM und in der Vergangenheit selbst langjähriger Betriebsleiter, unterstützt die Studierenden insbesondere bei der Aufgabenbearbeitung. Entsprechend kann ein sehr praktischer Unterricht mit Daten und Problemstellungen aus der Praxis geboten werden. Zusätzlich stehen den Studierenden kurze Tutorial-Videos zur Verfügung, welche die wichtigsten

Arbeitsschritte anschaulich erklären. Mit Transferaufgaben soll im Lehrgang der Bezug zur praktischen Arbeit im Praktikumsbetrieb geschaffen werden, beispielsweise bei der Planung von Holzschlägen, Feinerschliessungsplanungen oder der Projektierung von Seillinien. Anderweitig können die Studierenden die Anwendung auch im privaten Bereich nutzen, etwa für die Jagd oder die Planung von Bergtouren.

Folgende Themenbereiche werden mit dem GIS-Unterricht abgedeckt:

– Grundlagen von Geoinformationssystemen

– QGIS-Projekte erstellen

– Layer mit der nötigen Datenstruktur erzeugen

– Daten erfassen und visualisieren

– Informationen abfragen und auswerten

– Plug-ins installieren und nutzen

– Karten und Pläne erstellen

– Daten mit Hilfe von QField erfassen und in ein QGIS-Projekt importieren

– Weitere Tipps und Tricks in QGIS

– Vorbereitung auf die Diplomprüfung

Abb. 2: GIS-basierte Informationen sind eine unverzichtbare Grundlage für viele fachliche Diskussionen in der Försterausbildung. (Bild: Konrad Wyss)

Während Themen und Herangehensweise in GIS in den Grundsätzen bestehen bleiben, muss sich der Unterricht doch den laufenden Veränderungen anpassen. So hat sich in den letzten Jahren beispielsweise GeoPackage als Standardformat im Unterricht etabliert. Gleichzeitig müssen die Studierenden weiterhin auch mit den in der Praxis noch verbreiteten Shapefile und anderen Formaten umgehen können. Auch haben Web-basierte GIS-Daten, beispielsweise WMS (Web Map Service), heute eine sehr grosse Bedeutung. So werden die Einbindung und Nutzung der heute grösstenteils frei nutzbaren Swisstopo-Karten und der immer zahlreicher zur Verfügung stehenden kantonalen und schweizweiten Daten entsprechend geübt. Auch der für die

Schulung von QField aufgewendete Anteil im Unterricht wurde in den letzten Lehrgängen erhöht. Nebst der Bedienung der Software QField im Wald gehören hier auch die Vor- und Nachbereitung von QField-Projekten auf dem Desktop-Computer sowie die Datensicherung dazu. Die Bewirtschaftung der Daten und Ordnerstruktur erfordert von den Studierenden viel Selbstdisziplin. Ab diesem Jahr steht mit der QFieldCloud eine entsprechende Plattform zur Verfügung, welche auch als Schnittstelle zwischen Feld- und Büroarbeiten dient und die Arbeit in Gruppen erleichtert. Ein wichtiger Punkt für praktische Arbeiten ist immer auch die Positionsbestimmung im Feld mittels verschiedenster Satellitensystemen (GPS, GLONASS, Galileo, etc.). Hier geht

es einerseits darum, welche Genauigkeitsansprüche für welche Arbeiten überhaupt sinnvoll sind. Andererseits sollen die Studierenden wissen, wie unter den erschwerenden Verhältnissen im Wald und im Gebirge möglichst genaue Positionierungen möglich sind und welche Hilfsmittel (Korrekturdaten, Antennen, etc.) zur Verfügung stehen. Das ibW BZWM besitzt einen GNSS-Empfänger PPM 10xx, der mittels Kabel an jedes beliebige Android- oder Windows-Gerät angeschlossen werden kann. In Verbindung mit einem Korrekturdaten-Dienst, beispielsweise «swipos» von Swisstopo, sind im Freiland Positionierungsgenauigkeiten von 1–2 cm und im Wald unter Kronenschirm von 10–30 cm möglich. Dieses System wird auch im Unterricht genutzt.

GIS ist in der Försterausbildung allgegenwärtig GIS ist im Lehrgang Dipl. Förster/-in HF nebst dem eigentlichen GIS-Unterricht nicht nur im zu Beginn genannten Syntheseblock Waldbauliche Mehrjahresplanung allgegenwärtig, sondern in vielen Lernfeldern verteilt über den ganzen Lehrgang. Dabei ist es auch das Ziel, den Studierenden verschiedene Software und Hilfsmittel zur Verfügung zu stellen und die geforderten GIS-Kompetenzen laufend zu steigern. Nebst dem oben erläuterten Einsatz von QGIS und QFieldCloud steht allen Studierenden während der Dauer des Studiums ein Zugang zu «Treeva» (früher Stihl-Logbuch) offen. Mit diesem System können Anzeichnungen, Einzelbäume, Polter oder Sicherheitshinweise erfasst, ausgewertet und auf Karten dargestellt werden. Am BZWM verfügbare Hilfsmittel wie Vertex, digitale Kluppen und eine für Flächenbefliegungen geeignete Drohne liefern heute ebenfalls räumliche Daten. Für die Projektierung von Seillinien wird das QGIS Plugin Seilaplan eingesetzt. Damit können Projektierung und Karteninformationen effizient miteinander genutzt werden. Ebenfalls werden die Übungen zur Feinerschliessungsplanung früh im Lehrgang durch QGIS unterstützt. In der Nutzungs- und Holzernteplanung sowie zur Optimierung der maschinellen

Einsatzplanung dienen GIS-basierte Daten als unterstützende Hilfsmittel. Im Unterricht der Bereiche Schutzbauten und Erschliessungsanlagen werden die Zustandserfassung, Auswertung und Weiterbearbeitung mit GIS- und GPS-Unterstützung angewendet und geübt.

Mit dem Einsatz von GIS in der Försterausbildung sollen die Absolventen befähigt werden, in ihrem Berufsleben mit sehr unterschiedlichen vorhandenen GIS zurechtzukommen und diese bei Bedarf durch eigene Lösungen zu ergänzen. Eine stetige Herausforderung im Unterricht ist es dabei, die richtige Mischung zwischen Schritt-für-Schritt-Anleitungen und dem bewussten Selbst-die-Lösung-herausfinden-lassen zu finden. Ebenso muss mit der phasenweisen unvermeidbaren Frustration im Umgang mit GIS ein guter Umgang gefunden werden. Stellen sich die angehenden Förster/-innen diesen Herausforderungen und nutzen sie gleichzeitig möglichst viele Anwendungsmöglichkeiten über den eigentlichen GIS-Unterricht hinaus und auch im Praktikum, leisten die erworbenen GIS-Kompetenzen einen unverzichtbaren Dienst im heutigen forstlichen Arbeitsumfeld.

Lukas Glanzmann, Christian Rüsch und Tobias Loretz sind Dozenten am ibW Bildungszentrum Wald (ibW BZWM).

GIS-Tools und Apps für Revierförster:innen

GIS-Systeme unterstützen die Forstwirtschaft durch zentrale Erfassung, Analyse und Visualisierung umfangreicher Daten. Sie ermöglichen eine effiziente Planung, Zustandskontrolle und Risikoprävention sowie eine digitale Dokumentation von Massnahmen. Zukünftige Technologien wie multispektrale Drohnen erweitern die Möglichkeiten zur hochpräzisen Waldanalyse und frühzeitigen Erkennung von Schäden. Anhand ihrer Praxiserfahrung im GIS- und Drohnenbereich erläutert die Firma Grünenfelder und Partner AG aus Domat/Ems verschiedene GIS-Anwendungsbeispiele zum Thema Forst und Wald.

Marco Larghi

GIS in der Forstwirtschaft: Vorteile und Nutzen

Im Forstbereich entstehen täglich grosse Mengen an Geodaten aus unterschiedlichen Quellen – nicht nur von Förstern, sondern auch von wissenschaftlichen Institutionen. Angesichts dieser Datenflut ist es oft schwierig, einen klaren Mehrwert zu gewinnen. Viele Informationen bleiben daher ungenutzt – sei es durch mangelnde Übersicht oder weil sie in geschlossenen Databases Dritter «versteckt» bleiben. Moderne GIS-Lösungen bündeln diese Informationen zentral. So lassen sich Zusammenhänge und Risiken frühzeitig erkennen und fundierte Entscheidungen treffen.

Abb. 1: Integration von Desktop-, mobil- und WebGISAnwendungen als zentrale Datenplattform. Beispiele aus den Gemeinden Domat/Ems und Disentis/Mustér.

(Quelle: Grünenfelder und Partner AG)

Im Folgenden sind einige wichtige Aspekte aufgeführt, die die Bedeutung von GIS im Forstbereich verdeutlichen.

Datenmanagement und -integration

GIS fungiert als zentrale Datenplattform, wo Informationen aus verschiedensten Quellen digital verwaltet werden. Über Schnittstellen lassen sich Daten externer Anbieter (wie Swisstopo, WSL, geologische oder vermessungstechnische Unternehmen) automatisiert in die eigene Datenbank einbinden. Dies spart nicht nur Zeit, sondern vereinfacht auch komplexe Import-/Exportprozesse und erleichtert die Zusammenarbeit zwischen den verschiedenen Akteuren und Behörden deutlich.

Visualisierung und Kommunikation

GIS ermöglicht die Veröffentlichung öffentlicher Karten und Dashboards. Diese machen komplexe Inhalte schnell verständlich und fördern somit die Beteiligung der Bevölkerung an Fragen der Waldbewirtschaftung. Ein Beispiel ist Disentis/Mustér, wo aktuelle GIS-Informationen zu Wanderwegen (z. B. Status, Unterhaltsarbeiten) in einer Webkarte bereitgestellt werden.

Mobile GIS-Anwendungen

Mobile GIS-Anwendungen ermöglichen es Förstern, Geodaten direkt im Feld per Smartphone zu erfassen und zu visualisieren. Der entscheidende Vorteil: Die

Daten werden in Echtzeit zentral und in der richtigen Layersstruktur erfasst – das spart Zeit. Viele GIS-Applikationen lassen sich mit RTK-fähigen GNSS-Geräten verbinden, sodass eine hochpräzise Datenerfassung direkt in der App möglich ist. Mobile-GIS stellt somit sicher, dass sämtliche Waldinformationen immer und überall in Echtzeit für alle Nutzer digital verfügbar sind.

Use Cases und Anwendungsbeispiele der Firma Grünenfelder und Partner AG

Grünflächenmanagement und Neophytenbekämpfung

Diese Grünflächen-GIS-Module sind v. a. bei Gemeindemitarbeitenden sehr beliebt. Mitarbeiter können selbstständig Bäume oder Grünflächen einfach kartieren und die notwendigen Kontrollen und Pflegemassnahmen (z. B. nach FLL-Richtlinien) dokumentieren, ohne grosse GIS-Kompetenzen zu haben. Die Unterhaltsarbeiten werden dokumentiert und in der Karte farbig visualisiert. Pendenzen, Mängel und wiederkehrende Intervalle können zusätzlich erfasst werden.

Ein weiterer zentraler Aspekt ist der Umgang mit invasiven Pflanzenarten – die sogenannten Neophyten. Neophytenfunde können vor Ort erfasst und entsprechende Bekämpfungsmassnahmen ge-

plant werden. Die fortlaufende Erhebung erlaubt eine Analyse über die Ausbreitung und ermöglicht die Bewertung der Wirksamkeit einzelner Bekämpfungsstrategien.

Baumkataster und Zustandskontrolle des Waldes

Mit Drohnenaufnahmen lässt sich der Zustand des Waldes gut einschätzen. Erkrankte Bäume oder durch Sturm umgestürzte Bestände sind auf hochauflösenden Orthofotos deutlich vom Auge erkennbar und können direkt im GIS kartiert werden. Darüber hinaus ermöglichen Drohnen eine systematische Langzeitbeobachtung, um Veränderungen der Waldfläche wie Ausbreitung, Rückgang oder strukturelle Veränderungen zuverlässig zu dokumentieren. Mit dem Modul Baumkataster lassen sich Bäume, Hecken und Gebüsche direkt auf Luftbildern manuell erfassen. Darüber hinaus können dort durchgeführte oder geplante Pflegemassnahmen übersichtlich dokumentiert werden.

Naturgefahrenmonitoring und Ereigniserfassung

Tägliche Situations-Beurteilungen von Naturgefahrenprozessen wie Lawinen, Hochwasser oder Waldbränden können mit GIS-Formularen digital er-

Abb. 4: In Blatten (VS) wird aktuell mit zwei automatisierten Drohnen die Setzung des Schuttkegels dokumentiert. Die resultierenden hochaufgelösten Geodaten werden zunehmend von Fachpersonen genutzt – etwa zur Setzungsanalyse des Schuttkegels oder zur Beobachtung der sich verändernden Wasserläufe. (Quelle: Grünenfelder und Partner AG und TEDAMOS-Plattform)

fasst und Massnahmen dazu geplant werden. Ereignisse wie Lawinenabgänge oder Hangmuren lassen sich direkt im GIS kartieren und mit externen Plattformen (z. B. SLF oder StoreMe) automatisiert austauschen. Diese Erfassungen können sowohl bodengestützt als auch mittels Drohne aus der Luft erfolgen. Der Einsatz von Drohnen hat den Vorteil, dass grosse Flächen effizient und ohne Risiko für das Personal kartiert werden können. Wiederholte Drohnenflüge ermöglichen unter anderem die Volumenbestimmung von Schuttmassen oder das Monitoring von Hangbewegungen.

Zukunftstechnologien

Eine Kombination aus Drohnenaufnahmen und GISAuswertungen erlaubt eine Echtzeit-Waldanalyse –on demand.

LiDAR-Drohnen

LiDAR (Light Detection and Ranging) ist eine Fernerkundungstechnologie, die Laserimpulse nutzt,

um hochpräzise 3D-Daten der Umgebung zu erfassen – auch durch dichte Vegetation. Trotz 20-jähriger Existenz war LiDAR wegen hoher Kosten und aufwendiger Flugzeug- oder Helikoptereinsätze lange nur für grosse Gebiete nutzbar. Die LiDAR-Technologie für Drohnen hat in den letzten Jahren bedeutende Fortschritte gemacht. Drohnen mit LiDAR-Scanner sind zunehmend auf dem Markt verfügbar, was sich auch positiv auf die Preise auswirkt. Die sinkenden Kosten ermöglichen in Zukunft den vermehrten Einsatz, auch für On-Demand-Flüge in kleinen Perimetern, beispielsweise nach Sturmschäden oder bei der Evaluierung von Schäden nach einem Naturereignis. Die LiDAR-Technologie ermöglicht Förstern eine automatische Vegetationsklassifikation und präzise Messungen von Baumhöhen, Kronendichte und Bodentopografie – die Basis für eine gezielte Planung von Holzernte, Waldpflege und Gesundheitschecks. Mithilfe dieser hochauflösenden Daten können GIS-Karten erstellt werden, die eine

(Quelle: Grünenfelder und Partner AG und TEDAMOS-Plattform)

Art digitalen Zwilling des Waldes in Echtzeit nachbilden.

Multispektrale Drohnen: Überwachung von Borkenkäferbefall

Die Nutzung multispektraler Daten für die Vegetationsanalyse ist kein neues Konzept. Forstexperten greifen seit Jahrzehnten auf entsprechende Informationen aus Satellitenbildern zurück. Satellitengestützte Systeme stossen jedoch an Grenzen – aufgrund geringer räumlicher Auflösung, eingeschränkter Verfügbarkeit oder wetterbedingter Störungen.

Drohnen mit Multispektralkameras schliessen diese Lücke und bieten eine flexible, hochauflösende und sofort verfügbare Lösung.

Ein besonders relevantes Einsatzgebiet stellt die Bekämpfung des Borkenkäferbefalls dar. Aufgrund des Klimawandels verbreitet sich der Borkenkäfer in weiten Teilen Europas zunehmend aggressiv. In der Schweiz hat der Käfer grosse Teile der Fichten-

bestände in den Tieflagen vernichtet und dringt zunehmend auch in höhergelegene Schutzwälder vor, welche essenzielle Funktionen im Lawinen- und Steinschlagschutz übernehmen.

Ein Beispiel aus Tschechien zeigt: Regelmässige Drohnenflüge mithilfe einer WingtraOne-Drohne mit Multispektralkamera ermöglichen die frühzeitige Identifikation befallener Bäume anhand multispektraler Stresssignaturen – noch bevor sichtbare Schäden auftreten. Die befallenen Bäume können dann in GIS-Kartiert und gezielte Massnahmen rechtzeitig eingeleitet werden (Quelle: Wingtra AG, Zürich).

Marco Larghi ist Projektleiter/Verkauf bei der Firma Grünenfelder und Partner AG in Domat/Ems.

Automatische Lawinenkartierung – Hintergrund,

Ergebnisse und Erkenntnisse

Mit hochauflösenden Satellitenbildern und Deep Learning lassen sich Lawinen grossflächig kartieren. Automatische Methoden liefern in kurzer Zeit konsistente Ergebnisse, semiautomatische Ansätze binden zusätzlich menschliches Know-how ein. Durch den Einsatz von Deep Learning nimmt die Vollständigkeit und Qualität der kartierten Lawinen zu. Dies verbessert wichtige Entscheidungsgrundlagen für Anwendungen wie die Erstellung von Gefahrenkarten oder die Planung von Schutzmassnahmen.

Elisabeth Hafner-Aeschbacher und Yves Bühler

Abb. 1: Vergleich der manuell kartierten Lawinen in blau mit den Ergebnissen des automatischen Modells. Je dunkler der Rotton, desto sicherer ist sich das Modell, dass es sich um eine Lawine handelt. Für das Endergebnis wurden alle Pixel über dem Schwellwert von 0,5 als Lawinen klassiert.

(Satellitenbild: SPOT 6/7 data © Airbus DS 2018; Hafner et al., 2022)

Hintergrund

Grossflächige und präzise Informationen über das Auftreten und den Auslauf von gravitativen Prozessen wie Lawinen, Steinschlag und Murgängen sind essenziell für das Management von Naturgefahren in den Bergen. Durch moderne Fernerkundungstechnologien können immer kleinräumigere Phänomene auf der Erdoberfläche aus dem Weltall erfasst werden. Die neue Möglichkeit, mit Satelliten an einem Tag grossflächig, zum Beispiel über den gesamten Schweizer Alpen, Informationen zu bekommen, generiert grosse Datenmengen und macht die zeitnahe Identifikation des gewünschten Phänomens herausfordernd (Bühler und Hafner et al. 2019). Das Einzeichnen der betroffenen Fläche kann jedoch mithilfe von Deep Learning automatisiert werden. Um dabei dem Computermodell die massgebenden Texturen, Farbinformationen und Formen «beizubringen», benötigt es einen grossen diversen Datensatz, in dem möglichst viele Ausprägungen des zu identifizierenden Objektes enthalten und genau eingezeichnet sind. Dazu gehören zum Beispiel bei Lawinenumrissen unterschiedliche Grössen, Beleuchtungsverhältnisse bei der Aufnahme, variables Abgangsgelände sowie verschiedene Lawinentypen. Durch das Teilen jedes Datensatzes in die drei Teile Training, Validierung und Test kann neben dem Lernerfolg auch die Anwendbarkeit auf im Training nicht verwendete Daten und Gebiete überprüft werden.

Lawinenkartierung mit Deep Learning Mithilfe eines grossen Datensatzes von manuell kartierten Lawinen (24 778 Umrisse; Hafner und Bühler, 2019, 2021) haben wir die Erkennung von Lawinen in optischen SPOT 6/7 Satellitenbildern mit einer räumlichen Auflösung von 1,5 m automatisiert (Abb. 1; Hafner et al., 2022). Von den manuell erfassten Lawinen konnten 74% auch automatisch vom Modell erkannt werden. Der grosse Vorteil der Automatisierung ist die Zeitersparnis (Minuten oder Stunden, statt mehrere Monate wie bei der manu-

Abb. 2: Illustration des Prinzips der semi-automatischen Lawinenkartierung, bei der der menschliche Experte die Vorschläge des Deep Learning-Modells korrigiert und so das Ergebnis beeinflusst. Grüne Punkte kennzeichnen positive Klicks (Pixel gehört zum Objekt), während rote Punkte negative Klicks kennzeichnen (Pixel gehört nicht zum Objekt). Nach jedem Klick schlägt das Modell eine korrigierte Fläche vor. Der menschliche Experte entscheidet, wann er mit dem Ergebnis zufrieden ist. Die Punkte in der Illustration entsprechen nicht der tatsächlichen Anzahl notwendiger Klicks.

ellen Kartierung), die Reproduzierbarkeit der Ergebnisse und die konsistente Methodik über grosse Gebiete.

Neben der vollautomatischen Lawinenkartierung haben wir ein Modell für die semi-automatische Kartierung adaptiert und trainiert (Hafner et al., 2024; Boos, 2024). Bei der semi-automatischen Lawinenkartierung steuert und beeinflusst der menschliche Experte durch Klicks die vom Modell erkannte Lawinenfläche (Abb. 2). Beim Training

des Modells wird die menschliche Interaktion simuliert, erst in der Anwendung ist menschliche Expertise nötig. Diese Zusammenarbeit vom Menschen mit dem Computermodell entspricht einer Zeitersparnis von 90 % im Vergleich zur manuellen Lawinenkartierung (Hafner et al., 2024). Die semiautomatische Lawinenkartierung ist nicht vollautomatisch, allerdings ist die kartierte Fläche mit menschlichem Fachwissen als gut befunden und kontrolliert worden. Im Unterschied zur vollautomatischen Kartierung, die Lawinenpixel ausweist, diese jedoch nicht zu Einzellawinen zusammenfasst, liefert das semi-automatische Modell Polygone einzelner Lawinen. Das semi-automatische Modell benötigt weniger Trainingsdaten und kann dadurch auch verwendet werden, um ressourcenschonend qualitativ hochstehende Trainingsdaten für andere Deep-Learning-Modelle zu erstellen.

Die Generalisierung und Anwendung auf neuen Daten (z. B. neuer Sensor) sind, vor allem bei automatischen Methoden, oft eine Herausforderung. So musste das automatische Modell für die SPOT 6/7 Satellitenbilder für die 1999er-Schwarzweiss-Luftbilder von Grund auf neu trainiert werden (Hafner et al., 2025). Insgesamt war es deutlich schwieriger, die Lawinenkartierung auf der Basis von Schwarzweiss-Aufnahmen zu automatisieren, da wichtige Informationen aus den verschiedenen Farbbändern fehlten. Die automatischen Ergebnisse wurden grossflächig überarbeitet, um die Qualität der 11 12 0 Einzellawinen sicherzustellen (Hafner und Dal, 2024). Um die Ergebnisse der Modelle besser einordnen zu können, haben wir Lawinenkartierungen von verschiedenen Experten verglichen. Der Vergleich zeigte eine durchschnittliche überlappende Lawinenfläche von 61% (Hafner at al., 2023). Die Unterschiede waren dabei in besonnten Gebieten geringer als im Schatten, bei nassen geringer als bei trockenen Lawinen und geringer bei besserer räumlicher Auflösung der zugrunde liegenden Daten. Diese Erkenntnisse sind auf die Deep-Learning-Modelle übertragbar, da sie mit manuell kartierten Lawinen trainiert wur-

den. Bei der Verwendung einzelner Lawinenumrisse in der Praxis sollten diese folglich immer kritisch beurteilt werden und wenn möglich mit zusätzlichen Daten plausibilisiert werden, vor allem wenn sie automatisch generiert wurden.

Ausblick

In Zukunft können Satellitenbilder in Kombination mit (semi-)automatischer Lawinenkartierung einen wichtigen Beitrag leisten, um abgegangene Lawinen und andere gravitative Prozesse flächendeckend und regelmässig zu kartieren. Vollständigere Ereigniskataster bieten eine wichtige Grundlage für verschiedene Anwendungen wie die Erstellung von Gefahrenkarten oder die Planung von Schutzbauten. Die optimale Methode richtet sich dabei nach den vorhandenen Daten, der zu kartierenden Fläche und der gewünschten Genauigkeit. Die grösste Herausforderung stellt neben der Verfügbarkeit und den Kosten der Satellitendaten die Generalisierung der trainierten (automatischen) Modelle auf neue Daten dar. Denn bereits eine andere Wellenlänge der Bildkanäle oder eine andere Auflösung des Sensors können dazu führen, dass das Modell das gewünschte Phänomen nicht mehr erkennt.

Semi-automatische Modelle funktionieren auch auf neuen Daten, allerdings benötigen sie dann tendenziell mehr Korrekturen (Klicks) durch den Menschen. Allgemein können durch Deep Learning sehr grosse Datensätze analysiert und Objekte von Interesse innerhalb von kurzer Zeit erfasst werden. Ob eine Anwendung automatisiert werden kann, hängt massgeblich von der Qualität und der Anzahl vorhandener Trainingsdaten ab. Durch die steigende Anzahl von Satelliten im Orbit und die rasante Entwicklung im Bereich Deep Learning wird die (Semi-)Automatisierung in Zukunft wohl immer wichtiger werden.

Elisabeth Hafner-Aeschbacher ist seit dem Abschluss ihrer Dissertation in der Gruppe Alpine Fernerkundung am WSL-Institut für Schnee- und Lawinenforschung SLF und an der ETHZ bei der Darnuzer Ingenieure AG in Davos

tätig. Neben ihren Aufgaben im Bereich Drohnenvermessung und Geomonitoring setzt sie sich für den Wissenstransfer von der Forschung in die Praxis ein.

Yves Bühler kam nach seiner Dissertation an den Remote Sensing Laboratories RSL an der Universität Zürich 2009 als Fernerkundungsexperte ans WSL-Institut für Schneeund Lawinenforschung SLF in Davos. Seit 2021 leitet er am SLF die Gruppe Alpine Fernerkundung mit dem Fokus Erkennung, Kartierung und Überwachung von Naturgefahren im Gebirge.

Quellen

Boos, N: Interactive Segmentation Model for Avalanche Detection in Drone Imagery. Master thesis. Department of Computer Science, ETH Zurich, 2024.

Bühler, Y., Hafner, E. D., Zweifel, B., Zesiger, M., and Heisig, H.: Where are the avalanches? Rapid SPOT6 satellite data acquisition to map an extreme avalanche period over the Swiss Alps, The Cryosphere, 13, 3225-3238, 10.5194/tc-13-3225-2019, 2019.

Hafner, E. & Bühler, Y.: SPOT6 Avalanche outlines 24 January 2018. EnviDat. https://www.doi.org/10.16904/envidat.77, 2019.

Hafner, E. & Bühler, Y.: SPOT6 Avalanche outlines 16 January 2019. EnviDat. https://www.doi.org/10.16904/envidat.235, 2021.

Ereigniskataster als Sammlung vergangener Ereignisse sind eine entscheidende Grundlage für weiterführende Arbeiten. Nicht nur geben sie Auskunft über Art, Ausprägung und Ausdehnung von aufgetretenen Ereignissen, auch lassen sich Eintretenswahrscheinlichkeiten ableiten und die Parameter von numerischen Modellierungen an den beobachteten Ereignissen eichen. Im Risikodialog sind dokumentierte Ereignisse ein wertvolles Instrument, um aufzuzeigen, was passiert ist, was allenfalls wieder passieren könnte. Aus Zeit-/Kostengründen und aufgrund eingeschränkter Zugänglichkeit beschränken sich ältere Ereignisaufzeichnungen auf die Hauptsiedlungsgebiete respektive wichtige Verkehrsträger. Ausserhalb dieser Gebiete fehlt die Dokumentation oft weitgehend. Mit neuen technischen Möglichkeiten wie dem Einsatz von Drohnen oder satellitengestützten Sensoren eröffnet sich ein grosses Potenzial, die Ereigniserfassung über grosse Flächen zeitnah, vollständig und präzise sicherzustellen.

Roderick Kühne, AWN

Hafner, E. D. & Dal, J. F.: Avalanche outlines February and March 1999 from aerial imagery. EnviDat. https://www.doi. org/10.16904/envidat.579, 2024.

Hafner, E. D., Barton, P., Daudt, R. C., Wegner, J. D., Schindler, K., & Bühler, Y.: Automated avalanche mapping from SPOT 6/7 satellite imagery with deep learning: results, evaluation, potential and limitations, The Cryosphere, 16, 3517–3530, https:// doi.org/10.5194/tc-16-3517-2022, 2022.

Hafner, E. D., Techel, F., Daudt, R. C., Wegner, J. D., Schindler, K., & Bühler, Y.: Avalanche size estimation and avalanche outline determination by experts: reliability and implications for practice, Nat. Hazards Earth Syst. Sci., 23, 2895–2914, https:// doi.org/10.5194/nhess-23-2895-2023, 2023.

Hafner, E. D., Kontogianni, T., Daudt, R. C., Oberson, L., Wegner, J. D., Schindler, K., & Bühler, Y.: Interactive snow avalanche segmentation from webcam imagery: results, potential, and limitations. Cryosphere, 18(8), 3807-3823. https://doi. org/10.5194/tc-18-3807-2024, 2024.

Hafner, E. D., Margreth, S., & Bühler, Y.: Die grossflächigen Lawinenkartierungen 1999, 2018 und 2019: ein Überblick für die Praxis. Agenda FAN 1/2025, https://www.dora.lib4ri.ch/wsl/ islandora/object/wsl%3A4114, 2025.

Den Gletschern auf der Spur

Um die Veränderungen der Gletscher zu dokumentieren, ist den Gletscherforschern jedes Werkzeug recht.

Mussten sie sich vor 100 Jahren noch mit einfachen Hilfsmitteln begnügen, kommen heute Luftaufnahmen mit hochauflösenden Kameras, Satellitenbilder, GPS-Geräte und Drohnen zum Einsatz.

Nina Zoller

In der Schweiz gehen die ersten Gletschermessungen auf den ersten eidgenössischen Forstinspektor Johann Wilhelm Coaz (1822–1918) zurück. Coaz, Multitalent in Sachen Forstwirtschaft, Gebirgstopografie, Meteorologie und Lawinenkunde, führte Gletschermessungen durch, die auch in die Dufourkarten, die ersten amtlichen topografischen Karten der Schweiz, eingeflossen sind. Damit begannen die Gletschermessungen in einer Zeit, als die Gletscher noch weit in die Täler hinabflossen und bedrohlich gross und nah erschienen.

Seit 1880 werden auch bereits klimabedingte Veränderungen der Gletscher in der Schweiz systematisch erfasst. Initiiert durch – natürlich – Coaz erfasst seitdem in Graubünden der kantonale Forstdienst, heute Amt für Wald und Naturgefahren (AWN), die Gletscherdaten regelmässig. Dabei werden 19 Gletscher von Mitarbeitenden des AWN in Graubünden beobachtet. Die Messungen sind gleichzeitig Teil des Schweizerischen Gletschermessnetzes (Glacier Monitoring in Switzerland, GLAMOS), das aus Beobachtern der kantonalen Forstämter, von Forschungseinrichtungen und des Privatsektors besteht.

Ziel von GLAMOS ist es, die Veränderungen der Gletscher der Schweiz systematisch und langfristig zu beobachten und zu erforschen und wissenschaftlich fundierte Grundlagen für Forschung, Politik und Öffentlichkeit zur Verfügung zu stellen. Gletscherveränderungen zählen zu den besten Indikatoren, um Klimaschwankungen zu erkennen. Die Daten von GLAMOS sind öffentlich zugänglich und gelten als Referenz für die Gletscherentwicklung in der Schweiz. Die Gletschermessungen des AWN sind

inklusive Fotos auch auf dem kantonalen Geoportal einzusehen.

In der ganzen Schweiz werden jährlich an rund 100 Gletschern die Längenänderungen gemessen, um langfristige Veränderungen zu dokumentieren. Dazu verwendet GLAMOS bei rund 20 Gletschern Luftbilder, die vom Bundesamt für Landestopografie der Schweiz oder privaten Unternehmen erworben werden. An den anderen Gletschern werden In-situ-

Drohnenfoto des Punteglias-Gletscher (Glatscher da Punteglias), 2022. (Bild: Flurin Cathomas)

Die Autorin Nina Zoller misst die Gletscherzunge am Vorabgletscher (Glatscher dil Vorab) mit dem GPS-Gerät ein, 2024. (Bild: Renato Deflorin)

Feldmessungen, also Messungen direkt vor Ort, durchgeführt.

Im Ergebnis sollen durch die verschiedenen Messungen der Gletscherlängenvariationen alle Regionen der Schweiz und alle verschiedenen Gletschertypen abgedeckt werden.

Darüber hinaus werden bei ausgewählten Gletschern wie dem grossen Aletschgletscher, dem Allalin, Clariden, Basòdino, Giétro, Gries, Plaine Morte oder Silvretta in aufwendigeren Messungen ausserdem die Massenbilanz und die Fliessgeschwindigkeit erfasst. Dazu wurden Stangen in das

Momentaufnahme mit der Drohne beim Surettagletscher, 2024. (Bild: Cristina Fisler)

Diese Drohnenaufnahme aus dem Jahr 2024 zeigt einen Ausschnitt der Gletscherzunge des Porchabella-Gletschers (Vadret da Porchabella) mit den jährlichen eingemessenen Gletscherlinien. (Bild: Iris Castelberg)

Eis gebohrt, die eine genaue lokale Beobachtung der Eisschicht über einen bestimmten Zeitraum ermöglichen. Diese einfache Methode hat sich seit Jahrzehnten bewährt und ist bis heute ähnlich geblieben. Das bedeutet eine hohe zeitliche Konsistenz für die Analyse langfristiger Massenbilanzzeitreihen.

Im Abstand von fünf bis zehn Jahren wird darüber hinaus mit Daten des Bundesamts für Landestopografie das Eisvolumen für eine grosse weitere Zahl an Gletschern bestimmt und alle sechs Jahre ein neues Inventar aller Gletscherflächen erstellt.

Die Aufnahmen von ca. 1930 und 2023 zeigen den Rückgang des Palü-Gletschers (Vadret da Palü). (Bilder: A. Pedrett (um 1930) (oben) und Gilbert Berchier (2023) (unten))

Drohnen im Einsatz

Nachdem in den Anfängen der Gletschermessungen noch Kompass und Massband zum Einsatz gekommen sind, nutzt das AWN in Graubünden heute bei den 19 Gletschern zur «Inventur» im Herbst, immer zum Ende des hydrologischen Jahres, alle technischen Möglichkeiten. Seit rund 20 Jahren werden Punkte an der Gletscherzunge mit GPS-Geräten erfasst, seit wenigen Jahren auch mit Drohnen. So können heute effizient georeferenzierte Luftbilder erstellt werden, auf denen der Gletscherrand kartiert wird. Die Drohne fliegt dabei im Bereich der Gletscherzungen einen programmierten Pfad ab und macht dabei eine grosse Zahl Bilder, deren Daten zu einem Orthofoto aufbereitet werden.

Dieses massstabsgerechte Bild hat keine perspektivische Verzerrung mehr und ist eindeutig geografisch verortet. So hat jedes Pixel Koordinaten im realen Raum. Ausserdem kann das Bild damit in ein Geografisches Informationssystem (GIS) integriert werden.

So lassen sich die 19 erfassten Gletscherzungen nicht nur genauer, sondern auch effektiver und sicherer messen, fotografieren und dokumentieren. Mithilfe der Drohnen können auch Gletscherzungen wieder vermessen werden, die sich in immer steilere unzugängliche Felsflanken und -riegel zurückgezogen haben oder die aufgrund von dauerndem Stein- und Eisschlag nicht mehr gefahrlos begangen werden können. Dies gilt in Graubünden zum Beispiel für den Vadret da Cambrena am Berninapass und den Glatscher da Punteglias in der Surselva. Für Letzteren fehlen daher zwischen 2018 und 2022 die Messungen.

Eine Herausforderung stellt selbst mit Drohnen weiter die Vermessung von stark zurückgegangenen Gletschern wie des Vadret da Lischana im Unterengadin dar. Dieser ist fast ganz abgeschmolzen, und das Resteis ist unter dem überlagernden Schutt kaum noch sicht- und damit auch nicht mehr messbar.

Im Rahmen der Gletschermessungen erfasst und beurteilt das AWN in Graubünden auch das Gefahrenpotenzial der Gletscher und ihres Umfeldes. So werden mögliche neue Wasserläufe, Gletscherseen oder andere gefahrenrelevante Phänomene dokumentiert und bewertet. Sie können bei Bedarf, zum Beispiel durch eigens installierte Webcams, weiter überwacht werden.

So wird auf dem Vadret Calderas, auf dem Gemeindegebiet von Bever, ein Gletschersee beobachtet, der sich im Sommer 2024 durch eine Schneewechte über den natürlichen Abflussriegel hinaus aufgestaut hat und Richtung Alp Felix ausgebrochen ist.

In Graubünden gehört der Vadret da Morteratsch zu den am längsten beobachteten Gletschern. Seine Messreihe beginnt 1878, seit 1883 werden die Längenänderungen kontinuierlich erfasst. Der Glet-

Gletscher, die durch das Amt für Wald und Naturgefahren Graubünden vermessen werden

Gletscher

Gemeinde

Glatscher da Lavaz Medel (Lucmagn)

Rückgang 2023–2024

Glatscher da Punteglias Trun 7 m

Glatscher dil Vorab Laax 27 m

Läntagletscher Vals keine Messung aufgrund Neuschnee

Paradiesgletscher Rheinwald

Surettagletscher

Vadrec da l’Albignia Bregaglia

Vadrec del Forno Bregaglia

Vadreit da Camp Poschiavo 5 m

m

Vadret Calderas Bever 2022–2024: ca. 300 m

Vadret da la Sella Samedan 11 m

Vadret da Lischan Scuol keine Messung, schuttbedeckt

Vadret da Morteratsch Pontresina

Vadret da Palü Poschiavo

Vadret da Porchabella Bergün Filisur

Vadret da Sesvenna Scuol

Vadret da Tschierva Samedan

Vadret dal Cambrena Poschiavo

Verstanclagletscher Klosters

scher im Engadin erreichte seine grösste Ausdehnung der letzten kleinen Eiszeit im Jahr 1857 und reichte damals fast bis zum heutigen Standort des Bahnhofs Morteratsch der Rhätischen Bahn. Seitdem hat er sich um mehr als 3000 Meter zurückgezogen. Allein im Jahr 2024 verlor der Vadret da Morteratsch etwa 53 Meter an Länge.

Dramatisch ist die Situation auch am Vadret Calderas oder dem Paradiesgletscher am Rheinwaldhorn, wo sich grosse Teile des Eises komplett vom Hauptgletscher abgetrennt haben und sich damit das Ende der zusammenhängenden Eismasse schlagartig um mehrere Hundert Meter verlagert hat.

Nina Zoller ist Geologin beim Amt für Wald und Naturgefahren Graubünden.

Quellen

GLAMOS Homepage https://glamos.ch/

Internetseiten

Mapservice Gletschermessungen GR

GLAMOS

TBk-Bestandeskarte: einfach, praktisch und vielseitig

Das Toolkit Bestandeskarte TBk erlaubt die flächendeckende, automatisierte Bestandeskartierung mithilfe von Fernerkundungsdaten. Die Karten kommen bereits in vielen Kantonen und Betrieben zum Einsatz. Hier werden Mehrwert und das Potenzial für die forstliche Praxis anhand von Beispielen aus dem Kanton Wallis aufgezeigt.

Christian Rosset, Hannes Horneber, Stéphane Sciacca

Wer im Wald arbeitet, weiss: Die räumliche Gliederung in Bestände ist essenziell für jede Form der Bewirtschaftung. Denn nur wenn klar ist, wo sich welche Bäume in welchen Strukturen und Entwicklungszuständen befinden, lassen sich gezielte Massnahmen treffen – sei es zur Förderung von Zukunftsbäumen, zur Einleitung der Verjüngung oder zur Stabilisierung der Bestandesstruktur. Bestände sind keine abstrakten Verwaltungseinheiten. Sie sind die Grundeinheit des durch waldbauliche Eingriffe und natürliche Ereignisse entstandenen Waldmosaiks und sie orientieren sich an realen, im Gelände wahrnehmbaren Strukturen – vor allem an der räumlichen Verteilung der dominanten Bäume ähnlicher Grösse, die das Gerüst eines Bestands ausmachen. Diese Struktur ist entscheidend, um etwa im gleichförmigen Hochwald Aussagen zur Entwicklungsstufe oder im ungleichförmigen Hochwald zur Überführungsphase machen zu können. Der Einsatz der Fernerkundung bei der Bestandesabgrenzung hat eine lange Tradition: Die Perspektive aus der Luft ist für den Überblick wichtig. Die modernen Vegetationshöhenmodelle und neuen Methoden erlauben dabei ein automatisiertes, effizientes und flächendeckend standardisiertes Vorgehen, das auch die räumliche Verteilung von Laubund Nadelbäumen mit berücksichtigen kann. Eine gut nachvollziehbare, praxisnahe Bestandesgrenze entsteht aus dem Zusammenspiel von Struktur und Zusammensetzung – genau dieses Prinzip bildet das digitale Toolkit TBk ab (Rosset, Horneber et al, in Vorbereitung).

Mithilfe der Baumhöhen lassen sich Flächen mit ähnlichen Dimensionen der dominierenden Bäume als Bestände ausscheiden und deren Oberhöhe bestimmen. In einem zweiten Schritt erfolgt die Bestimmung des Mischungsgrads und des Deckungsgrads sowie dessen detaillierte räumliche Verteilung, was eine präzise Charakterisierung der jeweiligen Bestände erlaubt und die Orientierung im Feld vereinfacht.

Bestandesabgrenzung und -beschreibung mit Bezug auf die Realität

Das folgende Beispiel aus dem Kanton Wallis (Forêt du Daillay/Le Fays/Sembrancher, Abb. 1 und 2) zeigt die mit TBk generierte Bestandeskarte. Zu sehen sind zwei grössere Bestände (und vier bis fünf kleinere), die aufgrund deutlicher Unterschiede bei Oberhöhe und Laubholzanteil gebildet wurden: Links ein Lärchenbestand mit etwa 29 m Oberhöhe (gelb-orange) und 70% Nadelholzanteil, rechts ein Laubholzbestand mit 24 m Oberhöhe (hellgelb) und 20% Nadelholzanteil. Die Verteilung der Oberschicht (in dunkleren Farben überlagert) ist weitgehend homogen (geschlossenes Kronendach mit Deckungsgrad >80%) – mit Ausnahme schachbrettartiger Auflichtungen, die entlang früher eingerichteter Seilkranlinien vorgenommen wurden. Diese charakteristischen Lücken sind sowohl in der Karte als auch im Foto, das vom gegenüberliegenden Hang aufgenommen wurde, klar erkennbar. Die Eingriffsflächen im Schachbrettmuster überschreiten die Fläche von 10 Aren nicht, für eine Aus-

Abb. 1: Beispiel der TBk-Bestandeskarte (Le Fays, VS) mit der räumlichen Verteilung der Oberschicht. Die Eingriffsflächen im Schachbrettmuster zeigen schön den Zusammenhang zwischen Karte und Realität.

scheidung als eigene Bestände sind sie zu klein. Diese Mindestfläche hat sich in der Praxis bewährt als sinnvoller Kompromiss zwischen detaillierter Beschreibung des Mosaiks und Vereinfachung für die Übersichtlichkeit: Eine kleine Mindestfläche sorgt für eine stark fragmentierte Bestandeskarte, die sich wenig für den Überblick eignet. Hingegen führt ein Erhöhen der Mindestfläche dazu, dass immer grössere Flächen in Bestände integriert werden. Das resultiert in zunehmend inhomogenen Beständen und Grenzverläufen, die sich schlechter nachvollziehen lassen. Wichtig ist, dass dank der hohen Auflösung des Vegetationshöhenmodells TBk ein realitätsnahes Bild der Oberschichtverteilung liefert. Somit sind die TBk-Bestände mehr als nur Polygone und liefern wertvolle Informationen nicht nur für die Planung, sondern auch für den Waldbau.

In die Vergangenheit blicken, um die aktuelle Situation besser zu verstehen

Ein weiterer Vorteil von TBk ist, dass das einheitliche Vorgehen nicht nur die flächendeckende methodische Konsistenz zu einem Zeitpunkt garantiert, sondern die Bestandeskarte zu verschiedenen Zeit-

Abb. 2: TBk-Bestandeskarten von 2005 (l.) und 2022 (r.) im Vergleich. In der Mitte veranschaulicht eine Karte, wie sich die Oberschicht verändert hat.

punkten leicht verglichen werden kann. Damit lassen sich Bestandesentwicklungen oder Veränderungen klar nachvollziehen.

Abb. 2 zeigt dies anhand der bereits erwähnten Fläche (hier ein grösserer Ausschnitt). Dank der bundesweiten LiDAR Befliegungen durch swisstopo liegen Vegetationshöhenmodelle aus den Jahren 2005 und 2022 vor – und diese Daten sollen auch in Zukunft in einem 6-Jahres-Zyklus schweizweit nachgeführt werden.

In TBk 2005 (Abb. 2, links) sehen wir die mittigen Bestände mit Oberhöhen zwischen 26 und 32 m (Farbe Gelb-Orange) und einem flächig geschlossenen Kronendach (Oberschicht in dunklerer Farbe, Deckungsgrad 80–100%). 2022 (Abb. 2, rechts) zeigt für dieselbe Fläche einerseits deutlich den Zuwachs (Oberhöhen zwischen 29 und 37 m, Farbe Rot-Orange). Zudem ist der in Abb. 1 erwähnte schachbrettartige Eingriff deutlich sichtbar, sowohl in der Karte als auch in der Bestandesbeschreibung (Deckungsgrad nur noch 60–80%). Im unteren Bereich der Karte sieht man eine Eingriffsfläche, die grösser als 10 Aren war. Dort wurde entsprechend ein Jungwaldbestand gebildet.

Die Karte der Veränderungen (Abb. 2, Mitte) stellt diese Unterschiede explizit dar. So lassen sich z. B. Verjüngungspraktiken sichtbar machen, Schläge zeitlich zuordnen oder die Entwicklung des Kronenschlusses bewerten, wie z. B. links oben in der Karte in dunkelgrüner Farbe: Hier hat sich die Oberschicht des Stangenholzbestands 2005 mit Oberhöhe 10–15 m und 2022 mit 15–24 m deutlich geschlossen, der Deckungsgrad ist von 3 0–50% auf 60–70% gestiegen.

Bestandesstruktur: Nicht nur gleichförmig oder ungleichförmig, sondern auch ihre Übergänge Auch im ungleichförmigen Hochwald ist TBk ein nützliches Werkzeug. Insbesondere hier kommt die Beschreibung der vertikalen Struktur (Deckungsgrad der Unter-, Mittel- und Oberschicht bzw. -Stufe) zum Tragen und erlaubt es, für jeden Bestand die

Überführungsphase (nach Schütz 2011) zu bestimmen. Diese Phasen beschreiben, wo sich der Bestand in Bezug auf das Ziel, ein demografisches Gleichgewicht zu erreichen, befindet. Auch dies lässt sich am konkreten Beispiel gut aufzeigen: 2005 zeigt die Fläche (Abb. 3) mit dem geschlossenen Kronendach und fast 100% Deckungsgrad der Oberschicht, ein eindeutiger gleichförmiger Hochwald. Mit dem in Abb. 2 dargestellten Eingriff hat der Bestand den ersten Schritt Richtung Ungleichförmigkeit gemacht. Erst wenn die entstandene Verjüngung sich weiter in der Mittelstufe entwickelt und weitere Verjüngungen entstehen, wird der Bestand in die Strukturierungsphase übergehen. Das Gleichgewicht wird dann erreicht, wenn die Bäume aus der Mittelstufe die aktuellen Gerüstträger ersetzen.

Diese Entwicklung lässt sich mit TBk gut visualisieren und begleiten.

TBk: Das Schweizer Taschenmesser der Bestandeskartierung

Mit TBk wurde ein vielseitiges Werkzeug geschaffen, dessen Einsatzbereich nicht bei der klassischen Bestandesbeschreibung endet. Die automatisierte und standardisierte Methodik erlaubt es effizient, flächendeckend und präzise das Waldmosaik für Waldplanung und Waldbau zu beschreiben, über mehrere Zeitpunkte hinweg. Dies ermöglicht Analysen und Arbeitsweisen, die bisher nicht möglich oder mit viel Aufwand verbunden waren.

In Kombination mit anderen Tools oder Datengrundlagen ergeben sich zudem zusätzliche Anwendungsmöglichkeiten, wie die Kartierung der Hauptbaumarten, die Vorratsschätzung oder der direkte Einsatz der enthaltenen Information für die Erstellung von Betriebsplänen (z. B. mit dem neuen WIS.2 Cockpit als Webplattform). Gerade in Zeiten zunehmender Dynamik im Wald ist TBk ein Instrument, das hilft, den Überblick zu behalten.

Die Reise geht weiter

TBk wird stetig weiterentwickelt und von einer wachsenden Community getragen: In diesem Jahr wurde die TBk-Arbeitsgruppe gegründet. Sie koordiniert die Weiterentwicklung des Tools, informiert über Neuerungen und bildet eine Brücke zwischen Forschung und Praxis. Konkret wurden 2025 eine ausführliche Dokumentation erarbeitet und Veranstaltungen organisiert, die auch in den folgenden Jahren wieder stattfinden werden und zu denen wir an dieser Stelle herzlich einladen, beides voraussichtlich im Herbst 2026: – Einerseits die Schulung zu TBk, in der die Methodik detailliert verstanden und der Einsatz von TBk mit unterschiedlichen Datengrundlagen und Einsatzmöglichkeiten vermittelt wird.

– Und andererseits das jährliche TBk-Forum, an dem der Mehrwert von TBk anhand konkreter Beispiele im Wald vermittelt wird, Austausch und Vernetzung ermöglicht wird und die Weiterentwicklung diskutiert wird.

Christian Rosset ist Dozent für Waldbau an der BFH-HAFL und geistiger Vater von TBk. Die Idee zu TBk kam ihm 2013 unter der Dusche – seither hat sich das Tool stetig weiterentwickelt und ist neben dem WIS.2 Cockpit, MOTI und martelage.sylvotheque eines der tragenden Projekte der Smart Forest Toolbox, die Digitalisierung für die Forstpraxis greifbar macht.

Hannes Horneber ist GIS- und Fernerkundungsexperte, im Team von Christian Rosset zuständig für TBk. Er treibt die Entwicklung von TBk, dessen QGIS-Plug-in und Schnittstellen (e. g. zum Planungsinstrument WIS.2) mit technischem Know-how und viel Begeisterung voran, so dass TBk wächst und gedeiht und bald überall einsetzbar ist.

Stéphane Sciacca leitet die Sektion Wald des Kantons Wallis und ist einer der ersten Praktiker, der sich mit TBk befasst hat. Er führt seit Ende 2023 TBk in die kantonale Praxis ein.

Im Rahmen der forstbetrieblichen Planung erfolgen die Bestandesausscheidung und -be schreibung heutzutage mittels stereoskopischer Luftbildinterpretation. Das AWN prüft derzeit die mögliche Nutzung des TBk als Hilfsmittel hierfür.

Die Verwendung eines standardisierten, flächendeckenden und kostengünstigen Grundlagenprodukts könnte die Kosten der traditionellen Luftbildinterpretation senken. Wichtig ist jedoch, dass die Qualität des Endprodukts nicht beeinträchtigt wird.

Viola Sala, Bereichsleiterin Waldplanung & Forstbetriebe, AWN Graubünden

Referenzen

Rosset C, Horneber H, et al. TBk wissenschaftliche Grundlagen und Anwendungen, Schweizer Z Forstwes, in Vorbereitung

Schütz J.-P. (2001) Opportunities and strategies of transforming regular forests to irregular forests. Forest Ecology and Management, vol. 151 (1–3): 87-94. doi: 10.1016/S03781127(00)00699-X

GIS-Gamechanger? Chancen und Herausforderungen von KI in GIS

Die Verfügbarkeit von Geodaten nimmt sowohl hinsichtlich ihrer räumlichen als auch ihrer zeitlichen Auflösung stetig zu. Damit wird es immer herausfordernder, diese wachsenden Datenmengen mit GIS-Methoden so zu verarbeiten, dass sie zur fundierten Entscheidungsfindung beitragen können. Ganz dem aktuellen Zeitgeschehen entsprechend gilt natürlich auch in diesem Bereich die künstliche Intelligenz (KI) als grosser Hoffnungsträger.

Andreas Summer

Unter dem Überbegriff KI versteht man die Fähigkeit von Systemen, Aufgaben zu bewältigen, die traditionell menschliche Intelligenz erfordern. Dabei handelt es sich jedoch nicht zwangsläufig um intelligente Universalassistenten, die nahezu selbstständig Arbeiten für uns erledigen können. Vielmehr sind die meisten KI-Systeme für sehr spezielle Aufgaben trainiert – wie etwa Bilderkennung oder Sprachverarbeitung – und funktionieren ausschliesslich im Rahmen jener Daten und Vorgaben, mit denen sie trainiert wurden. Grob lässt sich die Technologie in die Bereiche «Maschinelles Lernen» (ML) und «Deep Learning» (DL) unterteilen.

Maschinelles Lernen (ML)

Unter ML versteht man datengetriebene Lernansätze, bei denen Algorithmen anhand von erklärenden Variablen Muster erkennen und daraus Rückschlüsse ziehen, um Vorhersagen zu treffen. Dabei wird keine explizite, nachvollziehbare mathematische Funktion generiert, sondern die Modelle werden iterativ optimiert, um möglichst genaue Ergebnisse zu erzielen. Wird KI auf räumliche Daten innerhalb von Geoinformationssystemen angewandt, spricht man von GeoAI oder Spatial AI. Dabei handelt es sich längst nicht mehr nur um futuristische Konzepte. Vor allem ML-Modelle finden hier schon seit Längerem vielfältige Anwendung, wobei sie im Anwendungsfeld der Datenklassifizierung bereits besonders etabliert sind. Einige Produkte, die mit Hilfe von KI erstellt wurden, kennt die Leserschaft des «Bündner Wald» allenfalls schon. Beispielsweise wurde der in der Ausgabe vom Oktober 2021 beschriebene Datensatz zum «Waldmischungsgrad LFI» (Wars et al. 2021) unter anderem mithilfe eines der populärsten ML-Modelle, dem «Random Forest» Entscheidungsbaummodell, erstellt. ML-Algorithmen stellen sehr hohe Ansprüche an die Daten, mit denen sie trainiert werden. Es bedarf einer repräsentativen Auswahl an Trainingsgebieten, um eine Überinterpretation von einzelnen Faktoren zu vermeiden, sowie einer sehr exakten Klassifikation, damit das Modell nicht falsche Zusammenhänge erkennt. Eine deutliche Zeitersparnis ist daher nur bei

sehr grossen Datensätzen tatsächlich ein Vorteil. Eine besonders spannende Verwendungsmöglichkeit ist aber die Umkehr eben dieses Trainingsprozesses. Dies ermöglicht beispielsweise mit einer Random Forest Regression, Rückschlüsse zur Wichtigkeit einzelner erklärender Variablen bei der Klassifizierung einer Zielgrösse zu erhalten und somit gegebenenfalls auch Zusammenhänge zu erkennen. Nachfolgendes Beispiel soll dies kurz veranschaulichen.

Einflussfaktoren auf die Einheitstarife in GR Abb. 2 zeigt die Relevanz von sieben potenziell erklärenden Variablen für die Unterscheidung der für die Erstaufnahme der Waldinventur 1 verwendeten Stufen der Bündner Einheitstarife für die Fichte. Die Ergebnisse der Untersuchung können eventuell beim Überprüfen helfen und gegebenenfalls Hinweise für

die Anpassung anhand flächig verfügbarer Geodaten liefern. Die als erklärende Variablen verwendeten Geodaten wurden für die Analyse in Klassen eingeteilt. Die Auswertung deutet auf die Exposition als entscheidenstes Merkmal bei der Unterscheidung von Tarifklassen. Die Erwartung eines hohen Einflusses der Standortregion bestätigte sich nicht. Die Interpretation der Resultate ist dennoch nicht trivial. Neben der Modellunsicherheit beeinflussen Faktoren wie die Klassifikation der erklärenden Variablen, mögliche zeitliche Abweichungen der Datenerhebung oder Korrelation von erklärenden Variablen untereinander (beispielsweise zwischen Höhenlage und Hangneigung) die Ergebnisse und verfälschen diese allenfalls.

Eine zusätzliche Herausforderung stellt das Konfigurieren eines ML-Modells dar. Oft bedarf dies ei-

nes iterativen Prozesses zur Parametrisierung, um Varianzen zu reduzieren und die Modellgüte stetig zu verbessern. Dabei wird normalerweise ein Teil der Trainingsdaten zurückbehalten, um die Modellleistung objektiv zu verifizieren. Durch diese Herausforderungen wird Expertenwissen nicht weniger wichtig. Sofern jedoch die Konfiguration entsprechend erfolgt ist und die grösste Herausforderung – nämlich ausreichend hochwertige Trainingsdaten bereitzustellen – gemeistert wurde, können ML-Modelle grosse Datenmengen schnell und mit hoher Genauigkeit verarbeiten.

Deep Learning (DL)

DL ist eine spezielle Methode des maschinellen Lernens, die auf künstlichen neuronalen Netzwerken basiert. Diese Netzwerke bestehen aus vielen Schichten («deep») und sind besonders leistungsfähig darin, selbst sehr komplexe Muster auch in sehr grossen, unstrukturierten Datenmengen zu erkennen. Viele DL-Modelle werden oft bereits vortrainiert bereitgestellt und erzeugen dadurch weniger Konfigurationsaufwand beim Nutzer. Gleichzeitig bedeutet dies und die hohe Komplexität solcher Modelle aber auch, dass ihre interne Struktur (Blackbox-Charakter) schwerer zu interpretieren und zu optimieren ist. In den verbreiteten GIS-Programmen gibt es bereits verschiedene Modelle, die je nach Lizenzstufe verwendet oder über Plug-ins eingebunden werden können.

Durch die erwähnten Fähigkeiten ist KI auch in der Forschung zu Naturgefahrenprozessen von besonderem Interesse. Potenzielle Einsatzgebiete liegen sowohl in der Analyse von Ereignisdaten, um möglicherweise gefährdete Gebiete zu eruieren, wie auch in der Verbesserung der Vorhersagegenauigkeit von Prozesssimulationen.

Analysen auf Kommando

Eine spezielle Untergruppe von DL sind die generativen KI-Modelle, die sich dadurch auszeichnen, dass sie eigenständig völlig neue Informationen und

Inhalte erzeugen können. Dazu zählen auch sprachgesteuerte Large Language Models (LLMs), wie beispielsweise von ChatGPT verwendet, die in den letzten Jahren breite Aufmerksamkeit erhalten haben und bereits bei vielen im Arbeitsalltag Anwendung finden.

Die führenden GIS-Softwarehersteller haben mittlerweile direkt Schnittstellen in ihre Produkte integriert, oder es sind Plug-ins vorhanden, mit denen LLM eingebunden werden können. Mithilfe dieser können dann klassische Arbeiten wie GIS-Analysen oder die Kartenerstellung über die Spracheingabe automatisch erledigt werden.

Fazit

Ja, KI wird Geoinformationssysteme und die Art, wie wir mit ihnen interagieren, verändern. Sie kann uns helfen, unbekannte Zusammenhänge zu erkennen, Daten effizienter zu verarbeiten und vielleicht auch komplexe Analysemethoden zugänglicher zu machen. Mehr Daten und Analysen bedeuten aber nicht zwangsläufig bessere Entscheidungsgrundlagen. Inwiefern es auch die Produktivität steigern kann, hängt in erster Linie vom Verhältnis der analysierten Daten und dem Aufwand zur Aufbereitung von Trainingsdaten sowie der Modellkonfiguration ab. Auch, dass uns die Technologie in diesem Bereich ersetzt, ist für den Moment nicht absehbar. Aber es erwarten uns neue Aufgaben, die den gezielten Aufbau von Fachwissen im Umgang und der Interpretation der Modelle notwendig machen.

Andreas Summer ist GIS-Projektleiter im Amt für Wald und Naturgefahren Graubünden.

Quellen

Waser L.T., Rüetschi M., Psomas A., Small D., Rehush N. (2021) Mapping dominant leaf type based on combined Sentinel-1/-2 data – Challenges for mountainous countries. ISPRS J. Photogramm. Remote Sens. 180, 209-226. https://doi.org/ 10.1016/j.isprsjprs.2021.08.017

KI, Cloud-Plattformen und Echtzeitdaten – was bringt uns die Zukunft?

In Zukunft wird die technologische Entwicklung – nicht nur im GIS-Bereich – die heutigen Anwendungen grundlegend verändern. Cloud-Plattformen, KI und Echtzeitdaten eröffnen neue Wege, nicht nur in unserer Arbeitswelt. Viele Bereiche der Gesellschaft werden geprägt sein vom technologischen Fortschritt. Der Artikel gibt einen groben Ausblick in zukünftige Möglichkeiten.

Orlando Lanfranchi

Cloud-basierte Lösungen werden kollaboratives Arbeiten zwischen Behörden und externen Partnern vereinfachen. Die Strategie Geoinformation Schweiz treibt die Standardisierung voran – etwa durch den OREB-Kataster –, um bundesweit einheitliche Datenformate zu gewährleisten. Kantonale Dienststellen können so nahtlos mit spezialisierten Unternehmen zusammenarbeiten, etwa bei der Entwicklung massgeschneiderter Fachapplikationen. Künstliche Intelligenz automatisiert Routinetätigkeiten: von der Datenerfassung bis zur Mustererkennung in Geodaten. Dies erlaubt es Verwaltungen, Ressourcen für komplexe Analysen zu bündeln. Sensornetzwerke liefern zudem Echtzeitdaten, die direkt in Monitoring-Systeme fliessen und dynamische Entscheidungen unterstützen.

KI-generiertes Bild zum Thema «Augmented Reality im Wald». (Bild erstellt mit Perplexity AI am 22.06.2025)

Neue Arbeitsweisen

Digitale Zwillinge schaffen virtuelle Modelle realer Gebiete, die Szenariosimulationen ermöglichen. Sie helfen, Massnahmen präzise zu planen und Risiken frühzeitig zu identifizieren. Mobile GIS-Tools wie AR-Apps [1] erlauben zudem dezentrales Arbeiten im Feld, während zentrale Plattformen den Austausch zwischen Fachabteilungen verbessern.

Rolle der öffentlichen Verwaltung

Die Schweizer Geoinformationsstrategie priorisiert drei Kernbereiche:

– Datenhoheit der Kantone bei bundesweit harmonisierten Standards,

– Open-Data-Prinzipien für Basisdaten wie Orthofotos oder Höhenmodelle,

– Innovationsförderung, insbesondere für KI-gestützte Lösungen und Cloud-Infrastrukturen. – Diese Rahmenbedingungen erleichtern die Zusammenarbeit mit externen Partnern und beschleunigen die Digitalisierung.

Fazit

GIS entwickelt sich zum zentralen Werkzeug für effiziente Verwaltungsprozesse. Cloud-Integration,

Selbstporträt des KI-Assistenten Perplexity.

(Bild erstellt mit Perplexity AI am 24.6.2025)

KI und Echtzeitanalysen werden künftig Standard sein – gestützt auf die Schweizer Geoinformationsstrategie.

Vielleicht haben Sie es bemerkt, bis hierhin wurde dieser Artikel ausschliesslich durch ein KI-Assistenzsystem (Perplexity, Stand Juni 2025) generiert. Ich habe diesen Assistenten gebeten, einen Artikel über die Zukunft im Bereich GIS zu schreiben. Der generierte Text umschreibt jedoch Möglichkeiten, die heutzutage bereits erfolgreich eingesetzt werden: Cloud-basierte Fachapplikationen wie den Walderschliessungskataster, KI-Analysen für die automatische Lawinenerkennung sowie Echtzeitdaten zur Überwachung der Rutschung Brienz. Diese werden sich in unserer Arbeitswelt

in naher Zukunft breit etablieren. Es ist nur eine Frage der zeitlichen Perspektive. Ich habe den KI-Assistenten darauf hingewiesen. Seine Antwort darauf ist wie folgt:

Deine Beobachtung ist zutreffend – viele der heute diskutierten GIS-Entwicklungen (Cloud-Plattformen, KI-Analysen) sind bereits im Einsatz. Für einen Blick in die fernere Zukunft (15–20+ Jahre) skizziere ich radikale Veränderungen, die über aktuelle Trends hinausgehen:

Blick in die Zukunft: Wie GIS unsere Arbeit revolutionieren wird

Die Entwicklung der Geoinformationssysteme (GIS) schreitet rasant voran. Was heute als innovativ gilt – etwa Cloud-Plattformen, KI-gestützte Analysen oder mobile GIS-Apps – wird in naher Zukunft zum Standard gehören. Doch der eigentliche Wandel steht erst bevor: In den nächsten 15 bis 20 Jahren werden autonome Systeme, globale Vernetzung und neue Schnittstellen zwischen Mensch und Maschine die GIS-Landschaft und damit auch unsere Arbeit grundlegend verändern.

Autonome GIS-Systeme: Von der Unterstützung zur Eigeninitiative Künstliche Intelligenz wird nicht mehr nur assistieren, sondern eigenständig Entscheidungen treffen. Zukünftige GIS-Infrastrukturen werden sich selbst optimieren: Sie erkennen Fehler in Datensätzen, schliessen Lücken automatisch und aktualisieren sich kontinuierlich mit neuen Informationen. Komplexe Szenarien – beispielsweise zu langfristigen Umweltveränderungen oder Infrastrukturprojekten – werden von der KI eigenständig simuliert und bewertet. Die Systeme empfehlen Handlungen, die auf umfassenden Datenanalysen und Prognosen basieren. Die Rolle der Fachleute verschiebt sich dadurch zunehmend von operativen Aufgaben hin zur strategischen Steuerung und Kontrolle dieser Prozesse.

KI-generiertes Bild zum Thema «neue Mensch-Maschine-Schnittstellen». (Bild erstellt mit Perplexity AI am 22.6.2025)

Globale Datenökosysteme: Nahtlose Vernetzung und Datenaustausch

GIS wird Teil eines weltweiten Datenökosystems. Satelliten, Drohnen und Sensoren liefern in Echtzeit riesige Mengen an Umweltdaten, die automatisch in die Systeme eingespeist werden. Der Datenaustausch zwischen Behörden, Forschungseinrichtungen und Unternehmen erfolgt automatisiert und sicher, beispielsweise über blockchain[2]-basierte Protokolle. Die Datenhoheit der Kantone bleibt dabei gewahrt, während gleichzeitig ein offener und effizienter Informationsfluss gewährleistet wird.

Diese Vernetzung ermöglicht es, komplexe Fragestellungen gemeinsam und grenzüberschreitend zu bearbeiten.

Neue Mensch-Maschine-Schnittstellen:

Intuitive Interaktion mit Geodaten

Die Art und Weise, wie wir mit Geoinformationen arbeiten, wird sich grundlegend verändern. Brain-Computer-Interfaces könnten es ermöglichen,

GIS-Anwendungen direkt mit Gedanken zu steuern. Holographische Projektionen machen räumliche Daten greifbar und erlauben es, Planungsprozesse oder Simulationen im Raum zu erleben. Diese neuen Schnittstellen machen die Arbeit nicht nur effizienter, sondern auch intuitiver und zugänglicher.

Strategische Herausforderungen für die öffentliche Verwaltung

Mit diesen technologischen Fortschritten gehen neue Anforderungen einher. Die Strategie Geoinformation Schweiz muss dynamische Datenstandards entwickeln, die mit dem schnellen Wandel Schritt halten. Ethische Rahmenwerke werden notwendig, um den verantwortungsvollen Einsatz autonomer KI-Systeme zu gewährleisten. Zudem wird die Zusammenarbeit zwischen Bund, Kantonen und internationalen Partnern immer wichtiger, um die Chancen globaler Datenökosysteme zu nutzen und gleichzeitig die eigene Souveränität zu sichern.

KI-generiertes Bild zum Faktor Zeit.

(Bild erstellt mit Perplexity AI am 24.6.2025)

nah zu simulieren und komplexe Zusammenhänge sichtbar zu machen. In vielen Bereichen werden so 3D- und zeitlich dynamische («4D») Geodaten neue Perspektiven eröffnen.

Fazit

Die Zukunft der Geoinformation ist geprägt von Automatisierung, globaler Vernetzung und neuen Interaktionsmöglichkeiten. Für die öffentliche Verwaltung bedeutet das: weniger operative Datenerfassung, mehr strategische Steuerung und ethische Verantwortung.

Hier endet die Antwort vom KI-Assistenten

Im Vergleich zur ersten Textpassage fordert die zweite Antwort vom KI-Assistenten unser Vorstellungsvermögen und unsere Kreativität deutlich mehr. Allerdings war ich etwas erstaunt, dass die dreidimensionale Darstellung von Geodaten in diesem Zusammenhang offensichtlich nicht oder nicht genügend relevant ist. Entweder hatte der KI-Assistent aufgrund meines Chat-Verlaufs das «Gefühl», dass dies für mich momentan von geringem Interesse ist, oder aber, dass für ihn Autonomie, Vernetzung und neue Schnittstellen radikalere Veränderungen darstellen. Mittelfristig gesehen, gewinnt für uns aber die multidimensionale Darstellung von Geodaten zunehmend an Bedeutung. Digitale Zwillinge von Landschaften, Städten oder Infrastrukturen werden es uns ermöglichen, Prozesse realitäts-

Anhand dieser Gewichtung der Relevanz sowie dem Faktor Zeit verdeutlichen uns die Antworten des KI-Assistenten exemplarisch, dass künstliche Intelligenz heute vorerst nur so leistungsfähig ist, wie wir sie aktuell verstehen und zu nutzen wissen. In den kommenden Jahrzehnten wird die technologische Entwicklung – nicht nur im Bereich GIS – die heutigen Anwendungen weit übertreffen. Autonome Systeme, globale Datenökosysteme und völlig neue Mensch-Maschine-Schnittstellen werden nicht nur unsere Arbeitswelt grundlegend verändern. Viele Bereiche der Gesellschaft werden geprägt sein vom technologischen Fortschritt. Wie schnell wir uns von den gegenwärtigen Möglichkeiten hin zu den Herausforderungen der Zukunft bewegen, bleibt offen. Entscheidend wird sein, dass wir diesen Wandel verantwortungsvoll gestalten und dabei sowohl Chancen als auch Risiken im Blick behalten.

Orlando Lanfranchi ist Leiter Geoinformatik im Amt für Wald und Naturgefahren Graubünden.

Perplexity AI, generatives KI-Modell, Version Juni 2025. Text erstellt am 22.6.2025.

[1] Augmented Reality (AR) ist eine Technologie, bei der digitale Elemente – wie Bilder oder Informationen – in Echtzeit in die reale Welt eingeblendet werden, zum Beispiel über das Smartphone oder eine spezielle Brille. So sieht man auf dem Bildschirm oder durch die Brille zusätzlich zur realen Umgebung virtuelle Dinge, die dort eigentlich nicht sind.

[2] Blockchain ist eine digitale Kette von Datenblöcken, die dezentral auf vielen Computern gespeichert wird und Transaktionen fälschungssicher, transparent und ohne zentrale Kontrolle dokumentiert. Entsprechende Protokolle stellen sicher, dass viele Teilnehmer somit ohne zentrale Kontrolle vertrauensvoll zusammenarbeiten und digitale Werte (heute z. B. Kryptowährungen, morgen Geodaten) sicher austauschen können.

Vorschau «Bündner Wald»

Dezember 2025

Vorschau auf die nächsten Nummern:

Februar 2026: Holzindustrie Graubünden

Redaktion: Susi Schildknecht

Redaktionsschluss: 17. Dezember 2025

April 2026: Versammlung Graubünden Wald

Redaktion: Laura Brunner

Redaktionsschluss: 6. Februar 2026

Walderschliessung

Das Thema Walderschliessung wird aus vielseitigen Blickwinkeln beleuchtet: Notwendigkeit für effiziente Pflege und Ernte im (Schutz-)Wald, Zugänglichkeit zwecks Unterhalt der Schutzbauten sowie im Ereignisfall, Infrastruktur für nicht forstliche Nutzer, Naturschutzfragen, Innovationen, aber auch Verhältnismässigkeit punkto Kosten und Nutzen. Beispiele aus den fünf Bündner Waldregionen bringen praktische Herausforderungen und Erfahrungen mit der Erschliessung näher.

Redaktion: Susi Schildknecht

Herausgegeben von Graubünden Wald und der SELVA | AWN-Ausgabe

Verlag: © Somedia Production AG, CH-7007 Chur Sekretariat: SELVA, Bahnhofplatz 1, CH-7302 Landquart, Telefon + 41 (0) 81 300 22 44, buendnerwald @ selva-gr.ch Redaktion: Susi Schildknecht, susi.schildknecht@bluewin.ch, Laura Brunner, redaktion@buendnerwald.ch. Die Redaktion behält sich vor, Beiträge in nicht verlangter Form ohne Rückfrage zu ändern. Herstellung: communicaziun.ch, 7130 Ilanz. Erscheint sechsmal jährlich. Auflage: 1300

Exemplare Inserate: Somedia Promotion AG, Telefon + 41 (0) 81 650 00 70, thusis @ somedia.ch Abonnementspreise: CHF 70.– ( inkl. MwSt. für Mitglieder Verein Graubünden Wald) Abonnemente/Adressänderungen: Telefon 0844 226 226, mutationen@graubuendenwald.ch, www.buendnerwald.ch Für Inseratetexte übernimmt die Redaktion keine Verantwortung, auch muss die Meinung der Beiträge nicht mit der Ansicht der Redaktion übereinstimmen. Schreibende, die zu oben stehenden Themen publizieren möchten, sind herzlich eingeladen, ihre Vorschläge der Redaktion einzureichen.

ANZEIGE

Kraft Präzision Verlässlichkeit

Wir sind genau, effektiv und modern. Zudem zeichnet uns das spezielle Transportsystem, die Arbeitssicherheit sowie das umweltschonende Arbeiten aus.

Tabrec Recycling AG

Industriestrasse 19 . CH-7304 Maienfeld Telefon +41 81 303 73 60 . r.kollegger@tabrec.swiss