Die GAF freut sich, wieder an der jährlichen Veranstaltung des Vereins RunderTisch GIS e.V teilzunehmen, der Münchner GI-Runde. Die Veranstaltung findet vom 23.-24. März als Webkonferenz statt.
GAF wird durch Bishwa Ale Magar und Arno Römer vertreten sein.
Sie werden am 24. März um 11:30-13:30 bei der „Präsentation der Sponsoren“ im Konferenzraum 2 eine detaillierte Perspektive auf die Services und Anwendungen der GAF vorstellen.
Im Fokus steht hier die “Integration KI-basierter Monitoring Methoden in bestehende Systeme der Fördermittelverwaltung einschl. der Einbindung der Antragsteller”.
GAFs ausgefeiltes System und großes Spektrum innovativer digitaler Geo-Technologien ermöglichen die äußerst präzise, automatisierte und kontinuierliche Gewinnung, Verarbeitung und Analyse von Erdbeobachtungsdaten gemäß der neuesten GAP-Anforderungen. Dafür entwickelte GAF ausgereifte Machine Learning- und Deep Learning-Algorithmen sowie Zeitreihen-Analysen von Satellitendaten, die wiederum fundierte Entscheidungen zu mehr als 100 landwirtschaftlicher Nutzungsklassen erlauben. Damit leitet GAF eine neue Ära der praxisorientierten und anwendungsorientierten Analyse von Fernerkundungsdaten ein.
GAF AG takes part in the Munich Geo-Information Round on 23-24 March 2021 of the Runder Tisch GIS e.V. association
The GAF is pleased to take part again in the annual event of the RunderTisch GIS e.V., the Munich GI Round. The event takes place from 23-24 March 2021 as a web conference.
GAF will be represented by Bishwa Ale Magar and Arno Römer. On 24 March at 11: 30-13: 30 pm, CET they will present a detailed perspective on the services and applications of the GAF at the “Presentation of the Sponsors” in conference room 2.
They will talk about the “Digitization of funding management in the InVeKoS – and the Integration of AI-based monitoring methods into existing funding management systems including the integration of applicants”
GAF’s sophisticated system and wide range of innovative digital geo-solutions provides highly accurate, systematic and regular information retrieval from earth observation data in accordance with the newest CAP requirements. Based on the machine and deep learning algorithms developed by GAF and time series analyses, verified decisions for more than 100 agricultural land-use classes are enabled. This system heralds a new era in the use of remote sensing data analysis for operational use.
