Google Maps 101: So kartieren wir die Welt

Die Welt ist ein schöner, chaotischer und sich permanent verändernder Ort – ständig werden neue Straßen Gebäude gebaut und Geschäfte eröffnet. Unsere Aufgabe im Google Maps-Team ist es, diese sich stetig weiterentwickelnde Welt genau zu modellieren und widerzuspiegeln. Wir werden oft gefragt, wie uns das mit Google Maps gelingt. Die Antwort ist: Dafür braucht es eine Reihe verschiedener Schritte und die richtige Mischung aus Mensch und Technologie.

In den kommenden Wochen werden wir in einer Reihe von Posts einen genaueren Blick darauf werfen, wie unsere Karten erstellt werden. Wir sehen uns im Detail an, wie wir mehr als einer Milliarde Menschen dabei helfen, den richtigen Weg zu finden, die Welt zu entdecken und Dinge zu erledigen. Heute starten wir zunächst mit einem Überblick über die Grundlagen.

Den Anfang machen die Bilder 

Street View- und Satellitenbilder sind schon seit Langem wichtiger Bestandteil unserer Arbeit, denn sie helfen uns dabei festzustellen, wo sich Orte auf der Welt befinden. Die Bilder zeigen uns, wo genau Straßen, Gebäude, Adressen und Geschäfte in einer Region sind – zusätzlich zu anderen wichtigen Informationen, wie z. B. Geschwindigkeitsbegrenzungen in einer Stadt oder Namen von Unternehmen. Im Jahr 2007 wurde Street View der Öffentlichkeit vorgestellt mit dem Ziel, es Menschen zu ermöglichen, die ganze Welt virtuell zu erkunden: vom Schelfeis der Antarktis bis zum Gipfel des Kilimandscharo. In den 12 Jahren, die seither vergangen sind, haben unsere Street View-Fahrzeuge und -Trekker mehr als 170 Milliarden Bilder in 87 Ländern aufgenommen. Dank unseres neuesten Trekkers, der mit höher auflösenden Sensoren und einer größeren Blende ausgestattet ist, konnten wir die Qualität der Bilder deutlich verbessern.

Dann kommen die Daten

Aussagekräftige Daten erwecken die Karte zum Leben. Sie stammen von mehr als 1.000 Drittanbietern aus der ganzen Welt. Einige, wie der United States Geological Survey (USGS) und das National Institute of Statistics and Geography (INEGI) in Mexiko, liefern Informationen über ein ganzes Land. Andere versorgen uns mit spezifischen Daten für kleinere Regionen, wie z. B. Gemeinden, NGOs oder Wohnungsbauunternehmen. Unsere Teams prüfen jede maßgebliche Datenquelle sorgfältig, um sicherzugehen, dass wir die genauesten und aktuellsten Daten zur Verfügung haben. Vor Kurzem haben wir ein neues Tool eingeführt, das es regionalen Behörden erleichtert, Daten über neue Straßen und Adressen in ihrem Gebiet direkt in Google Maps hochzuladen.

Die menschliche Komponente 

Daten und Bilder sind wichtige Bestandteile bei der Kartenerstellung. Aber sie sind statisch und können von alleine nicht widerspiegeln, in welchem Tempo sich die Welt verändert. Das bringt uns zur dritten Komponente: Menschen, die uns dabei unterstützen, alles miteinander zu verbinden. Ein weltweit tätiges Datenverarbeitungsteam ist an so gut wie jedem Schritt der Kartenerstellung beteiligt: Es erfasst die Street View-Bilder, überprüft maßgebliche Datenquellen, korrigiert Ungenauigkeiten und trainiert Modelle für maschinelles Lernen (mehr dazu gleich). 

Und dann gibt es da auch noch unsere Community von Local Guides und Google Maps-Nutzerinnen und -Nutzern, die uns über die Funktion „Feedback geben“ in Google Maps Korrekturen senden können. Unser Team prüft die Informationen und veröffentlicht sie, wenn sie mit sehr hoher Wahrscheinlichkeit mit den Straßen, Unternehmen und Adressen in der realen Welt übereinstimmen.

Maschinelles Lernen beschleunigt die Dinge

Bilder, zuverlässige Daten und unsere Prüf-Teams haben uns dorthin gebracht, wo wir heute sind. Aber wir wollen unser Kartenmaterial noch schneller für noch mehr Menschen noch hilfreicher machen. Dafür nutzen wir maschinelles Lernen. Unser Team kann damit Prozesse automatisieren und gleichzeitig ein hohes Maß an Genauigkeit beibehalten. 

Sehen wir uns als Beispiel an, wie wir Gebäudeumrisse abbilden. Früher gab es einen Algorithmus, der zu erraten versuchte, ob ein Teil eines Bilds ein Gebäude ist oder nicht. Das hat zu, wie wir es nannten, „unscharfen Gebäuden“ geführt – amorphen Gebilden, die nicht wie echte Gebäude aussahen, wenn sie auf Google Maps abgebildet wurden. Und das war ein Problem: Gebäude sind mehr als nur Gebäude – sie sind Orientierungspunkte und helfen Menschen, die auf eine Karte schauen, sich zurechtzufinden. Zur Lösung dieses Problems haben wir zusammen mit unserem Datenverarbeitungsteam gängige Gebäudeumrisse manuell nachgezeichnet. Die Informationen haben wir dann verwendet, um unseren Algorithmen für maschinelles Lernen beizubringen, welche Bilder mit Gebäudekanten und -formen übereinstimmen. Diese Technik erwies sich als effektiv und ermöglichte es uns, in einem Jahr so viele Gebäude zu kartieren wie in den zehn Jahren zuvor. 

Google Maps ist ein Langzeitprojekt 

Karten sind entscheidend für das Wachstum und die Entwicklung von Gemeinden. Sie verbinden uns miteinander und tragen zum Wirtschaftswachstum bei, weil wir mit ihnen neue Geschäfte und Restaurants entdecken können. Außerdem helfen sie uns dabei, Dinge zu erledigen. Obwohl wir bereits einen weiten Weg zurückgelegt haben – es existieren heute Karten von mehr als 220 Ländern und Gebieten –, ist unsere Arbeit noch lange nicht abgeschlossen. Verschiedene Regionen haben unterschiedliche Bedürfnisse und ihre eigenen Herausforderungen an die Kartenerstellung. In unserem nächsten Beitrag werfen wir einen genaueren Blick darauf, wie eine Komponente – nämlich die Bilder – uns hilft, diese Herausforderungen zu meistern.