Bewegung in Raum und Zeit.

Wir wissen erstaunlich wenig über die historische Verkehrsinfrastruktur in größeren Teilen Österreichs. Es gibt einige Kenntnisse über das römische Straßennetz, und auf lokaler Ebene haben Menschen manchmal ein erstaunliches Wissen überdie Überreste vormoderner Straßen, die vor allem in ländlichen Gebieten häufig noch eine Rolle spielen. Häufig fehlt uns jedoch ein umfassenderes Verständnis der vormodernen Verkehrsinfrastruktur. Zwischen 1817 und 1861 wurde das habsburgische Zentraleuropa im Franziszeischen Kataster vermessen, einer hochauflösenden Katasterkarte, die das Straßennetz der Steiermark in den 1820er Jahren enthält. Wir entwickeln ein Tool, das diese Informationen in großem Maßstab extrahiert automatisch mit geeigneten Deep-Learning-Tools, die erst seit kurzem verfügbar sind. Eine manuelle Extraktion dieser Daten aus schätzungsweise 10.000 Kartenblättern (mit jeweils 2 km) würde ein hochqualifiziertes menschliches Team Jahrzehnte kosten. Unser Team besteht aus Historikern, Archäologen, Computer- und Datenwissenschaftlern der Universität Graz und der Technischen Universität Graz. Diese Gruppe bringt umfassende Erfahrung in genau diesem Bereich Datenextraktion und -aufbereitung aus historischen Karten mit und wird neue Methoden und Möglichkeiten schaffen. Im Mittelpunkt dieser Initiative steht die Entwicklung von zwei innovativen Werkzeugen, die sich künstlicher Intelligenz bedienen, in zwei aufeinanderfolgenden Schritten: PATHFINDER und PATHMAKER. In einem ersten Schritt entwickeln wir PATHFINDER, das Digitalisate historische Karten und hochauflösende Luftaufnahmen scannt, um Überreste längst verschwundener Infrastrukturen zu erkennen. Wir nutzen modernste Deep-Learning-Technologien, um diesen Ansatz zu realisieren. Pathfinder nutzt so genannte CNNs (Convolutional Neural Networks) und Vision Transformers, um die Quellen, die die gesuchten Informationen enthalten, zu scannen und die Zieldaten nach Abschluss des Scans automatisch zu erkennen und zu extrahieren. Es wird dann ein GIS-Layer generiert, der leicht in Forschungprojekte integriert werden kann, die diese Daten benötigen. Im zweiten Schritt hat PATHMAKER die Aufgabe, auf Basis dieser Erkenntnisse mögliche Netzwerke zu rekonstruieren. Es wird in der Lage sein, unvollständige Netze historischer Verkehrsinfrastruktur zu betrachten und Vorschläge für die Rekonstruktion zu machen. Es wird z.B. die Logik des römischen und mittelalterlichen Straßenbaus erlernen und anwenden und entscheiden können, wann das eine und wann das andere anzuwenden ist. Das Projekt setzt eine hohe Messlatte für Originalität und Innovation, indem es modernste Deep- Learning-Modelle für die Analyse historischer Karten einsetzt. Die Kombination von KI und historischer Forschung verspricht neue Einblicke in die Entwurfslogik der antiken Straßenarchitekten und bietet ein umfassendes Verständnis, das die Geschichte der Region neu definieren könnte.