Description

Hochauflosende Satellitenbilder sind fur die landschaftsarchaologische Forschung unverzichtbar. Besonders in schwer zuganglichen Regionen oder Konfliktgebieten bieten sie oft die einzige Moglichkeit, Siedlungssysteme zu erforschen oder zu dokumentieren. Weltweit liefern rund 150 Satelliten taglich etwa drei Millionen Bilder mit einem Datenvolumen von rund 15 Terabyte. Die Verarbeitung dieser enormen Datenmengen erfordert jedoch effiziente Methoden. Zur Identifikation archaologischer Statten setzen deshalb aktuelle Forschungsansatze zunehmend auf kunstliche Intelligenz. Besonders Convolutional Neural Networks (CNNs) haben sich bei der Mustererkennung in Satellitenbildern bewahrt. Sie erkennen subtile Strukturen und Veranderungen in der Landschaft, die mit herkommlichen Methoden oft unentdeckt bleiben. Die Fallstudie von Patric Stefan Guggisberg zeigt den Einsatz eines CNNs zur Identifikation von Siedlungshugeln in der mesopotamischen Steppenlandschaft. Als Untersuchungsgebiet dient die Mardin-Ebene im Sudosten der Turkei sudlich des Mardin-Midyat-Plateaus. Die Implementierung erfolgte in Python unter Verwendung der Open-Source-Bibliotheken Keras und TensorFlow. Die Studie wurde so gestaltet, dass sie auch fur Personen ohne vertiefte Python-Kenntnisse verstandlich bleibt und gleichzeitig einen Einblick in den Einsatz moderner Technologien in der Archaologie bietet.