Detailansicht
Affektives Design von Symbolen und Mustern in Multi-Scale-Karten unter Verwendung generativer künstlicher Intelligenz
Glenys Laetitia Bischoff
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Geowissenschaften, Geographie und Astronomie
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Kartographie und Geoinformation
Betreuer*in
Andreas Riedl
DOI
10.25365/thesis.81480
URN
urn:nbn:at:at-ubw:1-15706.53879.151873-6
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Spätestens mit dem Aufkommen von Smartphones haben digitale Multi-Scale-Karten, klassische Printkarten weitgehend verdrängt. Gleichzeitig nimmt der Einsatz von Künstlicher Intelligenz einen immer größeren Platz in der Gesellschaft ein. Digitale Karten bieten neue Möglichkeiten und Anforderungen, insbesondere da durch die Verwendung in höheren Zoomstufen mehr Platz vorhanden ist als in klassischen Printkarten, bei denen durch den kleineren Maßstab Generalisierungsprozesse und damit eine Reduzierung von Informationen im Vordergrund stehen. Deshalb befasst sich die folgende Arbeit mit der Frage: „Wie kann generative KI eingesetzt werden, um die Symbol- und Mustergenerierung für Multi-Scale-Karten zu optimieren?“. Um möglichst affektive und funktionale Symbole und Muster zu erzeugen, werden grundlegende kartographische Designaspekte, geeignete KI-Methoden, sowie spezifische Prompt Engineering Aspekte behandelt. Des Weiteren werden Herausforderungen und Kriterien von Multi-Scale-Karten, wie unterschiedliche Zoomstufen und damit verbundene Probleme, sowie psychologische Aspekte auf NutzerInnen identifiziert und mit diesen generative KI-Bildmodelle auf ihre Eignung getestet. Auf Basis dieser Kriterien, wird ein möglichst generischer, für Multi-Scale-Karten optimierter, sowie KI-geeigneter Workflow entwickelt, innerhalb einer Testumgebung erprobt und zur freien Verfügung gestellt. Die Ergebnisse bieten die Möglichkeit schnell Inhalte für digitale Karten zu erstellen, die sich über Maßstäbe hinweg anpassen und machen es einfacher Symbole und Muster individuellen Vorstellungen entsprechend zu entwerfen, um einzigartigere Kartenelemente zu erstellen. Zudem ist es durch eine Konkretisierung und Detaillierung der Karteninhalte in hohen Zoomstufen möglich, vorhandenen Platz von Multi-Scale-Karten besser auszunutzen und Orientierungspunkte zu schaffen.
Abstract
(Englisch)
With the advent of smartphones, digital multi-scale maps have largely replaced traditional printed maps. At the same time, artificial intelligence is playing an increasingly important role in society. Digital maps offer new opportunities and challenges, particularly because their use at higher zoom levels provides more space than traditional printed maps, where the smaller scale necessitates generalization and thus a reduction of information. Therefore, this work addresses the question: "How can generative AI be used to optimize symbol and pattern generation for multi-scale maps?" To generate the most effective and functional symbols and patterns, fundamental cartographic design aspects, suitable AI methods, and specific prompt engineering aspects are discussed. Furthermore, challenges and criteria of multi-scale maps, such as different zoom levels and their associated problems, as well as psychological aspects for users, are identified, and generative AI image models are tested for their suitability. Based on these criteria, a workflow that is as generic as possible, optimized for multi-scale maps, and suitable for AI will be developed, tested in a zoomable digital map environment, and made freely available. The results offer the possibility of quickly creating content for digital maps that adapts across different scales and make it easier to design symbols and patterns according to individual preferences to create more unique map elements. Furthermore, by making map content more specific and detailed at high zoom levels, it is possible to better utilize the available space on multi-scale maps and create points of orientation.
Schlagwörter
Schlagwörter
(Deutsch)
Kartographie Digital Generative Künstliche Intelligenz Symbole Muster Karte KI Designaspekte topographische Kartographie Multi-Scale-Karte Zoomlevel Maßstabswechsel Digitale Karte KI Bildmodelle Bildgenerierung Generalisierung
Schlagwörter
(Englisch)
Cartography digital generative artificial intelligence symbols patterns multiscale map AI prompt engineering Workflow digital map multiscale map image generation topographic cartography generalisation
Autor*innen
Glenys Laetitia Bischoff
Haupttitel (Deutsch)
Affektives Design von Symbolen und Mustern in Multi-Scale-Karten unter Verwendung generativer künstlicher Intelligenz
Paralleltitel (Englisch)
Affective design of symbols and patterns in multi-scale maps using generative artificial intelligence
Publikationsjahr
2026
Umfangsangabe
xv, 131 Seiten : Illustrationen
Sprache
Deutsch
Beurteiler*in
Andreas Riedl
Klassifikationen
74 Geographie > 74.35 Topographische Kartographie ,
74 Geographie > 74.40 Kartenherstellung
AC Nummer
AC17918681
Utheses ID
81150
Studienkennzahl
UA | 066 | 856 | |