Sebastian Schmidt [https://www.linkedin.com/in/sebastian-schmidt-a4688b153/] und Lukas Kriesch [https://www.linkedin.com/in/kriesch/] diskutieren mit Bjarne Braunschweig [https://www.chemgeo.uni-jena.de/33495/braunschweig] über den Einsatz von KI in der Geographie. Die beiden Experten stellen dar, wie KI‑Methoden Fernerkundung, Bild‑ und Textanalyse sowie die Erschließung unstrukturierter räumlicher Daten und damit neue Forschung ermöglichen. Das soll jedoch nicht von den Risiken ablenken, die von mangelhaften Trainingsdaten, über algorithmische Verzerrungen und das Problem von Black-Box-Modellen bis hin zu Datenschutz und notwendigen Evaluationen ("Human-in-the-loop") reichen. Als Gegenstrategien empfehlen sie Transparenz, disziplinkonforme Evaluationen, offene bzw. zertifizierte Modelle und die Berücksichtigung von Energie‑ sowie Ressourcenfragen (Green AI). In der Diskussion geht es unter anderem darum... * welche Anwendungsfälle GeoAI in Fernerkundung und Social‑Media‑Analysen eröffnet, * wie Trainingsdaten und Verzerrungen systematisch kontrolliert werden können, * wann generative Modelle wissenschaftlich belastbar sind und welche Rolle Transparenz spielt, * wie das Konzept „Human‑in‑the‑Loop" und methodische Evaluation in Forschungsprozesse integriert werden, * welche regulatorischen Vorgaben (EU‑AI‑Act, DSGVO) beachtet werden müssen, * wie Green‑AI‑Ansätze den Ressourcenverbrauch mindern können und * wie GeoAI für Regionen des globalen Südens gerechter und leistungsfähiger gemacht werden kann. Besprochene Veröffentlichungen * Gilga, C. et al. (2025). Legal and ethical considerations for demand-driven data collection and AI-based analysis in flood response [https://doi.org/10.1016/j.ijdrr.2025.105441]. International Journal of Disaster  Risk Reduction, 105441.  * Kriesch, L., & Losacker, S. (2024). A global patent dataset of bioeconomy-related inventions [https://zencastr.com/doi.org/10.1038/s41597-024-04163-6]. Scientific Data, 11(1), 1308 * Schmidt, S., et al. (2025). Assessing the spatial accuracy of geocoding flood-related imagery using Vision Language Models [https://zencastr.com/doi.org/10.1038/s41597-024-04163-6]. Spatial Information Research, 33(2), 15. * Wieland,  M., et al. (2025). Fusion of geospatial information from remote sensing and social media to prioritise rapid response actions in case of floods [https://doi.org/10.1007/s11069-025-07120-7]. Natural Hazards. Besprochene Forschungsprojekte * TEMA [https://tema-project.eu/] * TRABBI [https://www.trabbi-bioeconomy.de/] Tutorials * Tutorial auf HuggingFace [https://huggingface.co/learn/llm-course/en/chapter1/1] * Tutorial auf GitHub [https://github.com/handsOnLLM/Hands-On-Large-Language-Models] Empfohlene Modelle * Etabliertes multilinguales LLM [https://huggingface.co/FacebookAI/xlm-roberta-base] | mehrfach für geographische Forschung mit deutschen Texten genutzt * Neuere Modellfamilie [https://arxiv.org/abs/2503.05500] | von europäischem Team auf europäische Sprachen hin trainiert Der Podcast "Was bewegt die Geographie?" wird herausgebracht vom Verband für Geographie an deutschsprachigen  Hochschulen und Forschungsinstituten (VGDH ). [https://vgdh.de]