Tätigkeiten an der FHNW
Adrian F. Meyer arbeitet als Data Scientist am Institut Geomatik der FHNW und lehrt angewandte künstliche Intelligenz. Sein Schwerpunkt liegt auf der prädiktiven Umweltmodellierung: Er entwickelt Methoden, die Satelliten- und Luftbilder, Geodaten und ökologische Beobachtungen zusammenführen, um Landschaften zu klassifizieren, Wildtierhabitate zu untersuchen und räumliche Risiken abzuschätzen.
Seine Forschung verbindet Geomatik mit Tierbiologie, maschinellem Lernen, Computer Vision und wissenschaftlicher Softwareentwicklung. In Zusammenarbeit mit Behörden, Infrastrukturbetreibern und Forschungspartnern entwickelt er automatisierte Auswertungen für Umweltmonitoring, Mobilität und öffentliche Geodatenbestände. Parallel promoviert er am Geographischen Institut der Universität Zürich in Zusammenarbeit mit dem Institut Geomatik der FHNW.
Themenschwerpunkte
- Angewandte künstliche Intelligenz, maschinelles Lernen und Computer Vision
- Prädiktive Umweltmodellierung und räumlich-zeitliche Datenanalyse
- Multimodale Fernerkundung mit Satelliten, Luftbildern, UAVs und terrestrischen Sensoren
- Wildtierökologie, Habitatmodellierung und Konflikte zwischen Wildtieren und Verkehrsinfrastruktur
- Automatisierte Objektdetektion sowie Klassifikation von Landnutzung und Bodenbedeckung
- Wissenschaftliche Software und praxisorientierte Vermittlung von KI-Methoden
Aktuelle Forschung
Lehre
Seit 2019: Künstliche Intelligenz im Bachelorstudium Geomatik FHNW. Lehrveranstaltungen und praktische Workshops im fünften Semester. Vermittlung von maschinellem Lernen, Deep Learning und Bildanalyse anhand eigener Projektideen und Anwendungen der Geomatik.
Seit September 2022: CAS Spatial Data Analytics FHNW. Lehre und Workshops zu angewandtem Machine Learning und Deep Learning mit Geodaten. Praxisnahe Arbeit mit Codebeispielen und Computer-Vision-Anwendungen. Weitere Informationen
Frühjahrssemester 2024: GEO868 an der Universität Zürich. Machine Learning and Computer Vision for Remote Sensing. Viertägiger Blockkurs auf Masterstufe am Geographischen Institut mit Vorlesungen, Workshops, Python-Notebooks und einer studentischen Projektarbeit.
2022 bis 2024: Kleingruppenlehre an der Universität Zürich. Lehrbeiträge in GEO299 im Herbstsemester 2022 sowie GEO199 in den Frühjahrssemestern 2023 und 2024.
2019 bis 2021: Maschinelles Lernen an der BFH-HAFL. Einführung und Übungen zu maschinellem Lernen im Kontext der Robotik im dritten Semester an der Hochschule für Agrar-, Forst- und Lebensmittelwissenschaften HAFL der Berner Fachhochschule BFH.
Seit 2019: Betreuung von Abschlussarbeiten. Betreuung von Bachelor- und Masterarbeiten zu Geomatik, Fernerkundung und angewandter künstlicher Intelligenz.
Weitere Informationen
Werdegang
Ausbildung und Qualifikationen
Seit 2021: Promotionsstudium in Geographie an der Universität Zürich. Geographisches Institut und Remote Sensing Laboratories, in Zusammenarbeit mit dem Institut Geomatik FHNW. Dissertation: Remote Sensing AI for Environmental Prediction - Data Fusion across Sensors, Space and Time Applied to Wild Boar–Train Collisions.
2018: Master of Science in Engineering mit Vertiefung Geomatik. Fachhochschule Nordwestschweiz FHNW. Masterarbeit zur automatisierten Wildtierdetektion mit Thermographie und multispektralen UAV-Daten.
2014: Master of Science in Animal Biology. Universität Basel. Forschungsarbeit zum Kamerafallenmonitoring im Table Mountain National Park in Zusammenarbeit mit der University of Cape Town, Südafrika.
2011: Bachelor of Science in Biology. Universität Basel, Schwerpunkt Integrative Biologie.
Berufliche Stationen
Seit April 2025: Zoo Basel. Freiberufliche Nebentätigkeit in der Wissensvermittlung und als Guide mit Schwerpunkt Primatologie und afrikanische Säugetiere.
April 2023 bis Oktober 2026: Forschungsmandat für SNCF Réseau. Data Science und prädiktive Modellierung von Wildtierkollisionen auf dem französischen Eisenbahnnetz im Rahmen der Forschung am Institut Geomatik FHNW.
Seit Februar 2017: Institut Geomatik FHNW. Wissenschaftlicher Mitarbeiter und Data Scientist mit Lehrtätigkeit in maschinellem Lernen und Fernerkundung. Zu Beginn wissenschaftliche Assistenz in Geoinformation Engineering mit Arbeiten zu Umweltfernerkundung, UAVs, Augmented Reality und Softwareentwicklung.
Januar 2014 bis Mai 2025: Universität Basel im Bereich International Relations. Freiberufliche Nebentätigkeit in der internationalen Wissenschaftskooperation, Kommunikation und Webentwicklung. Beiträge zu AIT-SASBI, SARECO und LEMONOC mit Schwerpunkten auf schweizerisch-afrikanischer Zusammenarbeit, Forschungsförderung und akademischem Unternehmertum.
2013 bis 2014: proECO Umweltplanung in Wehr (D). Wissenschaftliche Mitarbeit in Umweltplanung, GIS, ökologischen Erhebungen, Berichten und Feldarbeit.
Februar 2012 bis August 2018: Universität Basel im Bereich IT Services. Entwicklung und Betreuung von Webanwendungen, Datenbankschnittstellen und Content-Management-Systemen.
2012 bis 2013: University of Cape Town. Forschungsaufenthalt als Associate Research Fellow bei Prof. Justin O’Riain. Arbeiten zu Verhaltensökologie, Kamerafallen, automatisierter Bildanalyse und GIS.
September 2008 bis August 2011: Universitätsspital Basel. Wissenschaftliche Assistenz in der molekularbiologischen Forschung im Bereich onkologische Chirurgie mit Arbeiten zu Immunologie, Virologie und rekombinanter Impfstoffentwicklung.
Forschung und Entwicklung
Laufende Projekte
SNCF Réseau: KI-basierte Prognose von Wildtierkollisionen
April 2023 bis Oktober 2026
Partner: SNCF Réseau; Institut Geomatik FHNW und Universität Zürich
Beitrag: Data Scientist im Forschungsmandat; Entwicklung räumlicher Vorhersagemodelle und wissenschaftlicher Software
Für SNCF Réseau entwickelt Adrian F. Meyer Methoden, um räumliche und zeitliche Muster von Wildtierkollisionen auf dem französischen Eisenbahnnetz zu untersuchen. Im Zentrum stehen Wildschweine und die Frage, wie sich gefährdete Streckenabschnitte anhand von Landschaft, Habitat und saisonalen Veränderungen erkennen lassen. Der Ansatz verbindet Satellitenzeitreihen, weitere Umwelt- und Geodaten sowie Kollisionsmeldungen mit maschinellem Lernen und ökologischer Habitatmodellierung. Eine begleitende Kamerafallenstudie liefert zusätzliche Beobachtungen zur Nutzung bahnnaher Lebensräume. Zum selben Projekt gehört der Dashboard-Prototyp Sanglia, der Modellresultate kartografisch erschliesst und für die fachliche Auswertung zugänglich macht. Die Forschung schafft eine Datengrundlage, mit der der Infrastrukturbetreiber präventive Massnahmen gezielter prüfen und priorisieren kann.
FHNW-Projekt · Projektwebsite · Fachartikel zur Habitatmodellierung · Preprint zur Kollisionsprognose
VelObserver: datenbasierte Bewertung der Veloinfrastruktur
Laufend
Partner: POSMO Genossenschaft
Beitrag: Data Scientist, Lead AI Development
VelObserver macht die Qualität von Velowegen aus Sicht von Schülern und Schülerinnen sichtbar. Dabei bewerten sie einzelne Streckenabschnitte anhand von Fotos und ihren Erfahrungen. Die räumlich zusammengeführten Bewertungen zeigen, wo Verbesserungen des Velonetzes besonders benötigt werden. Adrian F. Meyer arbeitet mit der POSMO Genossenschaft als Data Scientist und Lead AI Development an der Entwicklung KI-gestützter Risikoprognoseverfahren für die Veloinfrastruktur.
VelObserver · Projekt bei POSMO
COLLEMBOT: automatisierte Bildauswertung in der Ökotoxikologie
Seit Dezember 2025
Partner: Hochschule für Life Sciences FHNW, Forschungsfeld Ökotoxikologie
Beitrag: Entwicklung der KI-gestützten Bildauswertung und der wissenschaftlichen Software
COLLEMBOT unterstützt die Auswertung ökotoxikologischer Tests durch die automatisierte Erkennung und Zählung von Springschwänzen in Bildaufnahmen. Adrian F. Meyer entwickelt hierfür Verfahren der KI-gestützten Objekterkennung und die zugehörige wissenschaftliche Software. Die Zusammenarbeit mit der Hochschule für Life Sciences FHNW verbindet ökologische Testverfahren mit Computer Vision und soll eine nachvollziehbare, effizientere Auswertung ermöglichen. Methodik und Software sind über eine Fachpublikation und ein öffentliches Code-Repository dokumentiert.
Fachpublikation · COLLEMBOT auf GitHub · Ökotoxikologie FHNW
Frühere Projekte und Projektmitarbeit
Quartierparking 2.0 / Parcandi: Nutzung privater Parkflächen
Projektarbeiten und Bericht 2022 bis 2023
Partner: Parcandi, Amt für Mobilität Basel-Stadt, FHNW IBAU und IGEO
Beitrag: Data Analyst
Das Projekt Quartierparking 2.0 untersuchte, wie zeitweise freie private Parkplätze flexibel zugänglich gemacht werden können und welche verkehrlichen Wirkungen damit verbunden sind. Adrian F. Meyer wirkte als Data Analyst an der Auswertung von Nutzungsdaten und an der wissenschaftlichen Beurteilung des Angebots mit. Die Zusammenarbeit mit Parcandi und dem Amt für Mobilität Basel-Stadt verband einen praktischen Pilotbetrieb mit einer Analyse von Nachfrage und Nutzungsmustern. Die Ergebnisse wurden in einem Bericht zu den verkehrlichen Wirkungen der flexiblen Vermietung privater Parkfelder dokumentiert.
FHNW-Projektbericht zu Quartierparkings
STDL: automatisierte Auswertung von Luftbildern und LiDAR-Daten
Eigene Mitarbeit September 2020 bis April 2022
Partner: Swiss Territorial Data Lab; swisstopo sowie kantonale und kommunale Partner, insbesondere Kantone Genf und Thurgau
Beitrag: Data Science, Objekterkennung und Entwicklung reproduzierbarer Auswertungsverfahren
Im Swiss Territorial Data Lab entwickelte Adrian F. Meyer Methoden, mit denen öffentliche Stellen räumliche Informationen aus Luftbildern und LiDAR-Punktwolken gewinnen können. Zu seinen Arbeiten gehörten die Detektion von Schwimmbecken in den Kantonen Genf und Thurgau, die Erfassung von Siloballenlagern auf landwirtschaftlichen Nutzflächen sowie die Untersuchung von Verfahren zur Lokalisierung einzelner Bäume. Für bildbasierte Anwendungen kamen Deep-Learning-Modelle zum Einsatz; die Baumdetektion beruhte auf der Verarbeitung und Segmentierung von Punktwolken. Technische Berichte und wiederverwendbare Auswertungsverfahren dokumentieren die Ergebnisse und deren Grenzen.
STDL an der FHNW · Schwimmbecken in Genf · Schwimmbecken im Thurgau · Siloballenlager im Thurgau · Baumdetektion aus Punktwolken · Allgemeiner Workflow zur Objekterkennung
Pilote IA / ADELE: künstliche Intelligenz für die Arealstatistik
Projektlaufzeit August 2018 bis Oktober 2020; abgeschlossen
Partner: Bundesamt für Statistik BFS, Exolabs und Institut Geomatik FHNW
Beitrag: Entwicklung und Evaluation des KI-Prototyps zur Klassifikation von Landnutzung und Bodenbedeckung
Für das Bundesamt für Statistik untersuchte Adrian F. Meyer das Potenzial künstlicher Intelligenz zur Unterstützung der Schweizer Arealstatistik. In Zusammenarbeit mit Exolabs entstand ein Prototyp, der Luftbilder, Höheninformationen und multispektrale Satellitenzeitreihen kombiniert, um Landnutzung und Bodenbedeckung zu klassifizieren. Die Arbeit umfasste die Aufbereitung heterogener Daten, die Entwicklung von Lernverfahren und die Bewertung ihrer Aussagekraft. Das abgeschlossene Forschungsprojekt gehört zu den Grundlagen des späteren BFS-Werkzeugs ADELE, das die visuelle Interpretation von Stichprobenpunkten unterstützt.
FHNW-Projekt Arealstatistik · ADELE beim BFS · Fachartikel 2025
SolAI: automatische Erkennung von Solarenergieanlagen
Projektlaufzeit November 2018 bis Januar 2021; abgeschlossen
Partner: Bundesamt für Energie BFE, swisstopo und Institut Geomatik FHNW
Beitrag: Lead Engineer und Data Scientist
Im Auftrag des Bundesamts für Energie entwickelte Adrian F. Meyer als Lead Engineer und Data Scientist einen Workflow zur automatisierten Erfassung von Photovoltaik- und Solarthermieanlagen aus Luftbildern. Die Verarbeitung verbindet die Vorbereitung georeferenzierter Bilddaten, Referenzannotation, Deep Learning und die geometrische Auswertung erkannter Anlagen. Das abgeschlossene Projekt lieferte einen Schlussbericht und einen Datensatz mit erkannten Solaranlagen für grosse Teile der Schweiz. Die Ergebnisse unterstützen die räumliche Bestandsaufnahme und die Weiterentwicklung der Solarenergiestatistik.
FHNW-Projekt SolAI · BFE-Schlussbericht
Objektdetektion des Inventars von Zivilschutzanlagen
2019 bis 2020
Partner: Bundesamt für Bevölkerungsschutz BABS und Institut Geomatik FHNW
Beitrag: Fachliche Betreuung und Unterstützung der Entwicklung von Verfahren zur Objekterkennung
Für das Bundesamt für Bevölkerungsschutz wurde im Rahmen einer betreuten Masterarbeit ein mobiler Prototyp zur Inventarisierung von Zivilschutzanlagen entwickelt. Ein angepasstes neuronales Netz erkennt Ausstattungsgegenstände wie Luftfilter, Schutztüren oder Feuerlöscher direkt auf dem Smartphone. Die lokale Verarbeitung ermöglicht den Einsatz ohne Verbindung zu einem externen Server. Adrian F. Meyer betreute die Arbeit fachlich und unterstützte die Entwicklung und Beurteilung der Verfahren zur Objekterkennung.
FHNW-Poster der Masterarbeit
Spelterini AR: Historische Luftbilder interaktiv vermitteln
2019
Partner: Schweizerische Nationalbibliothek und Institut Geomatik FHNW
Beitrag: AR-App-Entwicklung mit Unity3D, Geodatenintegration und Benutzeroberfläche
Für die Ausstellung «Von oben. Spelterinis Ballon und die Drohne» der Schweizerischen Nationalbibliothek entstand eine Augmented-Reality-Anwendung zur Vermittlung historischer Luftaufnahmen. Die App verbindet Fotografien Eduard Spelterinis mit räumlichen Geodaten und machte sie auf einem überdimensionalen Schweizer Luftbildteppich interaktiv zugänglich. Adrian Meyer setzte die App in Unity3D um inkl. Einbindung der Geodaten und Gestaltung der Benutzeroberfläche.
Ausstellung der Schweizerischen Nationalbibliothek
Logistik der Streusalzbereitstellung in der Schweiz
2018
Partner: Schweizer Salinen AG; Institute Geomatik und Ecopreneurship FHNW
Beitrag: Zeitreihenanalyse und datenbasierte Logistikmodellierung
Für die Schweizer Salinen wurden räumliche und zeitliche Daten zur Bereitstellung von Auftausalz zusammengeführt und analysiert. Im Mittelpunkt standen Nachfrage, Lagerhaltung, Bestellverhalten und Transportwege sowie deren Zusammenspiel bei winterlichen Bedarfsspitzen. Adrian F. Meyer unterstützte die datenbasierte Bedarfs- und Standortanalyse. Die Modelle dienten dazu, Möglichkeiten einer besser koordinierten Versorgung zu untersuchen und Versorgungssicherheit, Wirtschaftlichkeit und Umweltwirkungen gemeinsam zu betrachten.
FHNW-Projekt zur Streusalzlogistik
Wildtiermonitoring mit multisensoralen UAV-Aufnahmen
2018
Partner: Stiftung Wildtiere Aargau und Institut Geomatik FHNW
Beitrag: MSE-Masterarbeit: Befliegungen, Datenanalyse und Entwicklung der automatisierten Tierdetektion
In Zusammenarbeit mit der Stiftung Wildtiere Aargau untersuchte Adrian F. Meyer, wie sich Wildtiere mit Drohnen und automatisierter Bildanalyse erfassen lassen. Wärmebild-, Multispektral- und RGB-Aufnahmen aus Wildgehegen in der Nordwestschweiz und im Südschwarzwald wurden hinsichtlich ihrer Eignung für das Monitoring verglichen. Daraus entstand ein Deep-Learning-Prototyp, der Tiersignaturen in Wärmebildaufnahmen erkennt und Videodaten zeitnah auswertet. Die Arbeit lieferte methodische Grundlagen für effizientere Bestandserhebungen und weitere Anwendungen der luftgestützten Wildtiererkennung.
KI-Detektion von Infrarotsignaturen
UAV-basierte Multispektralsensoren zur Ernteertragsabschätzung
2017; Publikation 2018
Partner: Landwirtschaftliches Zentrum Liebegg und Institut Geomatik FHNW
Beitrag: Analyse multispektraler Drohnendaten und Modellierung von Ertragsschätzungen
Auf Versuchsflächen des Landwirtschaftlichen Zentrums Liebegg wurde untersucht, wie multispektrale Drohnenaufnahmen die Abschätzung von Weizen- und Gerstenerträgen unterstützen können. Adrian F. Meyer analysierte Vegetationsindizes über verschiedene Entwicklungsstadien und verglich Sensoren und Aufnahmezeitpunkte. Im Mittelpunkt standen die Übertragbarkeit der Modelle zwischen Sorten und Vegetationsperioden sowie Grenzen durch Pflanzenentwicklung und Aufnahmetechnik. Die Arbeit untersuchte damit, unter welchen Bedingungen Drohnendaten für die landwirtschaftliche Planung aussagekräftig sind.
Fachbeitrag zur Ernteertragsabschätzung
DRAPE: Data Rich Augmented Positioning Environment
2016 bis 2018
Partner: Filtex AG und Institut Geomatik FHNW; Förderung durch KTI / Innosuisse
Beitrag: AR-App-Entwicklung und räumliche Modellierung
Im KTI-Projekt DRAPE wurde ein Ansatz für die digitale Beratung und Bestellung massgefertigter Vorhänge entwickelt. Aufnahmen einer Smartphonekamera dienen zur Erfassung von Fenstern und deren Abmessungen; verschiedene Vorhangvarianten werden im Raum mittels Augmented Reality visualisiert. Adrian Meyer arbeitete an der App-Entwicklung sowie an der räumlichen Modellierung und passgenauen Darstellung der textilen Ausstattung. Das Projekt verband bildgestützte Vermessung mit einer anschaulichen Anwendung für den Onlinehandel.
DRAPE im Forschungsregister ARAMIS
AR Basel: interaktive Erweiterung des Basler Stadtmodells
Entwicklung 2017; Publikation 2018
Partner: Grundbuch- und Vermessungsamt Basel-Stadt und Institut Geomatik FHNW
Beitrag: Mobile AR-App-Entwicklung und Darstellung von Geodaten
Mit AR Basel wurden der gedruckte Stadtplan und das physische Stadtmodell um interaktive digitale Inhalte erweitert. Dazu gehören das 3D-Stadtmodell, thematische Geodaten sowie Informationen zu Verkehr und Infrastruktur. Adrian F. Meyer arbeitete an der mobilen Anwendung und der Aufbereitung und Darstellung räumlicher Daten. Das Projekt entstand in Zusammenarbeit mit dem Grundbuch- und Vermessungsamt Basel-Stadt und machte komplexe Geoinformationen für ein breites Publikum anschaulich.
Fachbeitrag: Mixed Reality Anwendungen mit 3D-Stadtmodellen
Publikationen und Vorträge
Fachartikel
Meyer, A. F.; Pretali, S.; Reibel, T.; Bhardwaj, M.; Kneubühler, M.; Jordan, D. (Preprint, 2026). Multimodal Machine Learning to Predict Wild Boar Collision Risk on the French Railway Network. ARPHA Preprints, e209840; 32 S. DOI: 10.3897/arphapreprints.e209840
Meyer, A. F.; Reibel, T.; Morelle, K.; Kneubühler, M.; Jordan, D. (2026). Wild boar collision data and satellite computer vision refine habitat suitability mapping across France. European Journal of Wildlife Research, 72, Artikel 130. DOI: 10.1007/s10344-026-02160-1
Wehrli, M.; Meyer, A. F.; Souza da Silva, É.; van Loon, S.; van Hall, B. G.; van Gestel, C. A. M.; Natal-da-Luz, T.; Döring, M. V. R.; Feldhaar, H.; Mair, M.; Jordan, D.; Langer, M. (2026). COLLEMBOT: AI-based counting of Collembola for OECD 232 tests. Environmental Toxicology and Chemistry, vgag068. Geteilte Erstautorenschaft von Micha Wehrli, Adrian F. Meyer und Éverton Souza da Silva. DOI: 10.1093/etojnl/vgag068
Meyer, A. F.; Milani, G.; Lack, N.; Schönholzer, M.; Jordan, D. (2025). Machine learning-based multimodal data fusion for the Swiss land use statistics. European Journal of Remote Sensing, 58(1), 2508420. DOI: 10.1080/22797254.2025.2508420
Jordan, D.; Lack, N.; Hochuli, S.; Meyer, A. F.; Schär, M. (2019). Automatisierte Klassifizierung der Landnutzung: Deep Learning basierter Ansatz für die Arealstatistik der Schweiz. Geomatik Schweiz, 117(9), S. 260–264. Volltext
Tagungsbeiträge und Abstracts
Meyer, A. F.; Reibel, T.; Pretali, S.; Morelle, K.; Kneubühler, M.; Jordan, D. (2026). From Habitat Suitability to Operational Rail-Risk Forecasting: Multitemporal AI Models for Predicting Wild Boar Collisions on the French Railway Network. EINE International Conference 2026, Bristol, 24. September 2026. Konferenzabstract und Vortrag. Link
Meyer, A. F.; Reibel, T.; Pretali, S.; Morelle, K.; Kneubühler, M.; Jordan, D. (2026). Multitemporal AI for predicting wild boar collisions on French railways. 14th International Symposium on Wild Boar and Other Suids, Zagreb, 9. September 2026. Book of Abstracts, S. 17–18. Konferenzabstract und Vortrag. Abstract
Meyer, A. F.; Jordan, D. (2024). AI-based Predictive Wildlife Detection for SNCF Réseau. IENE International Conference 2024, Prag, 12. September 2024. Konferenzabstract und Vortrag. Abstract
Erath, A.; Meyer, A. F.; Venuleo, S.; Jordan, D. (2024). Traffic impact of flexibly rented, private parking spaces. mobil.TUM 2024: The Future of Mobility and Urban Space, München, 10.–12. April 2024. Abstract
Meyer, A. F.; Jordan, D. (2022). Silage Bale Detection for the «Cultivable Area» Update of the Cantonal Agricultural Office, Thurgau. Proceedings of the Upper-Rhine Artificial Intelligence Symposium 2022: Artificial Intelligence – Applications in Medicine and Manufacturing, S. 66–73. Volltext
Leuenberger, M.; Meyer, A. F.; Milani, G.; Facchinetti, C. (2019). ADELE: Overview of a deep learning application for land use and land cover classification in Switzerland. EGU General Assembly 2019, Wien, EGU2019-15803. Abstract
Meyer, A. F.; Lack, N.; Jordan, D. (2019). Wildtier-Monitoring mit UAVs – Künstliche Intelligenz zur automatisierten Detektion von Infrarot-Signaturen. Dreiländertagung der DGPF, OVG und SGPF, Wien; Publikationen der DGPF, Band 28, S. 647–653. Tagungsbeitrag mit Vortrag und Poster. Volltext
Meyer, A. F.; Lack, N. (2018). UAV-basierte Multispektral-Sensoren zur Ernteertragsabschätzung im Ackerbau / UAV-based Multispectral Sensors for Yield Prediction in Agriculture. 24. Workshop Computerbildanalyse in der Landwirtschaft, ETH Zürich; Bornimer Agrartechnische Berichte, Heft 99; ATB Potsdam / Zürich. Tagungsbeitrag und Vortrag. Volltext
Christen, M.; Clement, U.; Meyer, A. F. (2018). Mixed Reality Anwendungen mit 3D-Stadtmodellen. 38. Wissenschaftlich-Technische Jahrestagung der DGPF und PFGK18, München; Publikationen der DGPF, Band 27, S. 328–340. Volltext
Technische Berichte, Software, Datensätze
Wehrli, M.; Meyer, A. F.; Souza da Silva, É.; van Loon, S.; van Hall, B.; van Gestel, K.; Natal da Luz, T.; Döring, M.; Feldhaar, H.; Mair, M.; Jordan, D.; Langer, M. (2026). Toxicity data for: COLLEMBOT: AI-based counting of Collembola for OECD 232 Tests. Zenodo, Version v1; Datensatz 17987887. Datensatz
Meyer, A. F.; et. Al. (2026). COLLEMBOT – Collembola Counting Toolkit. GitHub / Python-Software, Version 0.1.0. Software
Erath, A.; Meyer, A. F.; Venuleo, S.; Jordan, D. (2023). Verkehrliche Wirkung der flexiblen Vermietung privater Parkfelder. Fachhochschule Nordwestschweiz FHNW, 83 S. Bericht
Cerioni, A.; Chambers, F.; Gay des Combes, G.; Meyer, A. F.; Pott, R. (2022). Tree Detection from Point Clouds over the Canton of Geneva. Swiss Territorial Data Lab, PROJ-TREEDET. Dokumentation
Cerioni, A.; Herny, C.; Meyer, A. F.; Salamin, G. (2021). Object Detection Framework. Swiss Territorial Data Lab. Aktualisiert am 12. Dezember 2023. Dokumentation
Meyer, A. F. (2021). Updating the «Cultivable Area» Layer of the Agricultural Office, Canton of Thurgau. Swiss Territorial Data Lab. Dokumentation
Meyer, A. F.; Jordan, D.; Christen, M. (2021). SolAI: Automatische Erkennung von Solarenergieanlagen mit Deep Convolutional Neural Networks. Institut Geomatik, FHNW; Schlussbericht im Auftrag des Bundesamts für Energie BFE, Forschungsprogramm Photovoltaik, 43 S. 23. Juni 2021. Bericht
Cerioni, A.; Meyer, A. F. (2021). Swimming Pool Detection from Aerial Images over the Canton of Geneva. Swiss Territorial Data Lab, PROJ-GEPOOL. Dokumentation
Meyer, A. F.; Cerioni, A. (2021). Swimming Pool Detection for the Canton of Thurgau. Swiss Territorial Data Lab, PROJ-TGPOOL. Dokumentation
Hochschulschriften
Meyer, A. F. (2018). Wildtier-Monitoring mit UAVs – Automatisierte Signaturdetektion mittels Thermographie und Multispektral-Radiometrie. Fachhochschule Nordwestschweiz FHNW, Master of Science in Engineering (Geomatik). Volltext
Meyer, A. F. (2014). Camera Trapping Table Mountain and Constantiaberg – Larger Terrestrial Mammals Approaching Metropolitan Cape Town, South Africa. Universität Basel, Master of Science in Animal Biology; Zusammenarbeit mit University of Cape Town. Volltext
Vorträge, Workshops und Poster
Dezember 2025: KI-basierte Risikoprognose von Wildtierkollisionen auf dem französischen Eisenbahnnetz. Vortrag am Geomatik-Herbst-Kolloquium, FHNW Muttenz, hybrid. Veranstaltungsbericht
November 2025: Ausstellungsbeitrag und Wissenschaftsvermittlung zur KI-basierten Risikoprognose von Wildtierkollisionen, gemeinsam mit Théo Reibel. UR Futur, Strasbourg. Link
Juni 2025: Fachvortrag zum Forschungsprojekt über Wildtierkollisionen auf dem französischen Eisenbahnnetz. X EUROBOAR / XVII EURODEER Meeting, Mont-Rigi, Belgien. Link
Juni 2025: Projektpräsentation zum SNCF-Forschungsprojekt am Ausstellungsstand der Dreiländertagung SGPF / DGPF / OVG, FHNW Campus Muttenz. Tagung
Mai 2025: Fachvortrag an der SGK-Jahresversammlung.
2025: Konferenzvortrag an der GeoPython 2025, FHNW Muttenz.
September 2024: Keynote am SNCF-Messestand an der InnoTrans in Berlin zum Forschungsprojekt über die KI-gestützte Prognose von Wildtierkollisionen.
2024: Konferenzvortrag zur multimodalen Datenverarbeitung im SNCF-Forschungsprojekt. GeoPython 2024, FHNW Muttenz, hybrid. FHNW-Jahresbericht
Januar 2024: Projektpräsentation zur Prognose von Wildtierkollisionen für die IENE-Arbeitsgruppe Safer Railways for Wildlife, online.
Januar 2024: Projektvortrag auf Französisch zur KI-gestützten Prognose von Wildtierkollisionen. SNCF Réseau, Paris, hybrid.
November 2023: Öffentliche Präsentation des SNCF-Forschungsprojekts am Tag der offenen Tür der FHNW.
Juni 2023: Projektkurzvortrag auf Französisch zur KI-gestützten Prognose von Wildtierkollisionen. SNCF Réseau, Paris.
März 2021: Fachvortrag zur automatisierten Objektdetektion in Luftbildern für kantonale Kataster im Swiss Territorial Data Lab. Geomatik-Frühlingskolloquium, FHNW. Link
2021: Fachvortrag über Deep Learning für die Schweizer Landnutzungs- und Landbedeckungsstatistik. Royal Geographical Society Annual International Conference, Session «Deep learning approaches in GIScience», online.
Dezember 2020: Fachvortrag über Objektdetektion mit Mask R-CNN für kantonale Katasteranwendungen. swisstopo-Kolloquium, online.
September 2020: Detecting and Analyzing Solar Panels in Switzerland using Aerial Imagery. Konferenzvortrag, GeoPython / Python Machine Learning 2020, online. Link
Juli 2020: Detecting and Analyzing Solar Panels in Switzerland using Aerial Imagery. Konferenzvortrag, EuroPython 2020, online. Link
Juni 2019: Object Detection with Deep Learning. Workshop, GeoPython 2019, FHNW Muttenz. Link zum SolAI-Bericht
Juni 2019: Machine Learning for Land Use/Landcover Statistics of Switzerland. Konferenzvortrag, GeoPython 2019, FHNW Muttenz. Aufzeichnung
2019: Gastvortrag zur Wissensvisualisierung in Fernerkundung und künstlicher Intelligenz. Science Lunch, Zürcher Hochschule der Künste ZHdK.
September 2018: Vortrag zum Wildtiermonitoring mit UAVs und Deep Learning. PyBasel / PyData Basel Meetup, FHNW Campus Muttenz. Link
2018: Fachvortrag zum Wildtiermonitoring mit UAVs. GEOSYSTEMS User Group Meeting / Hexagon Geosystems, Germering bei München.
2018: Fachvortrag zum Wildtiermonitoring mit UAVs. Swiss Food Research, Innovationsgruppe Digitalisierung der Landwirtschaft, Olten.
2017: Poster zu UAV-gestützter Ernteprognose und Erkennung von Pflanzenkrankheiten. 5. Schweizer Nationale Agrartagung, Murten.
2017: Gemeinsamer Fachvortrag mit Natalie Lack zu UAV-gestützter Ernteprognose und Erkennung von Pflanzenkrankheiten. Hintermann & Weber Umweltplanung AG.
Medienberichte
24. September 2025 · L’Alsace. Un jeune chercheur suisse conçoit une carte pour limiter les risques de collision entre trains et sangliers. Artikel
10. Juni 2025 · FHNW. TGV Basel-Paris: Drei Stunden. Wildschweinkollisionen: Hoffentlich keine. Artikel
10. Juni 2025 · FHNW. KI und Geodaten? – CAS Spatial Data Analytics. Artikel
21. Mai 2025 · bz Basel. Weniger Unfälle mit Wildschweinen: FHNW-Doktorand entwickelt System für die SNCF. Dimitri Hofer. Artikel
6. Juni 2019 · Horizonte. Schillernder Wald. Daniel Saraga. Artikel
Mitgliedschaften
Preise und Auszeichnungen
2024: Gewinner des FHNW Science Slam.
2019: SNF-Wettbewerb für wissenschaftliche Bilder: Auszeichnung für The Hidden Forest, Kategorie Das Forschungsobjekt. Nachweis
2019: Karl-Kraus-Nachwuchsförderpreis, 2. Platz. Auszeichnung für die Masterarbeit zum UAV-gestützten Wildtiermonitoring. Nachweis
Forschungsförderung
2022-2026: Cofinanzierung der Dissertation durch SNCF Réseau.
2017: Projekt- und Reiseförderung durch die Stiftung Wildtiere Aargau.
2015: Reisestipendium des Swiss–South African Joint Research Programme (SSAJRP).
2012: Förderung des Forschungsaufenthalts in Südafrika durch die Basler Stiftung für biologische Forschung und die Akademie der Naturwissenschaften Schweiz (SCNAT).