Die Spatial Agent Architektur: LangGraph, FastAPI und GIS-Tool-Ausführung für produktionsreife Erdbeobachtung

🔗 Serie: Chatting with the Earth – Teil 3: Den öffentlichen Sektor automatisieren ← aktuell: Teil 4 → Teil 5: Action Safety in der Umwelt-KI

Echte agentische Workflows erfordern deterministische Tool-Ausführung – besonders bei komplexen Geokoordinaten und Zeitreihen. Eine produktionsreife Spatial Agent Architektur verbindet LangGraph, FastAPI und spezialisierte GeoTools zu einem zuverlässigen Multi-Agent-System.

Die bisherigen Teile dieser Serie haben gezeigt, was geospatiale KI-Agenten leisten können. Nun tauchen wir in die technische Architektur ein: Wie baut man einen Agenten, der zuverlässig Copernicus-APIs abfragt, Geokoordinaten berechnet und Zeitreihen analysiert – ohne zu halluzinieren?

Die Antwort: Eine modulare Multi-Agent-Architektur mit deterministischen Tool-Perimetern.

Die Architektur im Überblick

Die Spatial Agent Architektur besteht aus vier Schichten:

1. Orchestrierung (LangGraph): Steuert den Agenten-Workflow, verwaltet den State und koordiniert die Tool-Ausführung
2. API-Layer (FastAPI): Stellt die Schnittstellen zu Copernicus-Daten und externen Systemen bereit
3. Tool-Layer (GeoTools): Bietet deterministische Funktionen für geospatiale Berechnungen
4. Multi-Agent-Koordination: Spezialisierte Sub-Agenten für Datenabruf, Validierung und Berichterstellung

Schicht 1: Orchestrierung mit LangGraph

LangGraph ist ein Framework für die Erstellung zustandsbehafteter, multi-aktiver KI-Agenten. Es eignet sich besonders für komplexe Workflows, bei denen ein Agent mehrere Schritte durchlaufen muss – wie bei der Verarbeitung von Satellitendaten.

Ein typischer Spatial Agent Workflow in LangGraph:

1. USER_INPUT → parse_query()
   Extrahiert Entität, Region, Zeitraum aus der Nutzeranfrage

2. ENTITY_EXTRACTION → validate_coordinates()
   Prüft, ob die Region gültige Geokoordinaten hat

3. DATA_RETRIEVAL → query_copernicus_api()
   Ruft die relevanten Copernicus-Daten ab

4. SPATIAL_ANALYSIS → calculate_geometry()
   Führt geospatiale Berechnungen durch

5. DATA_VALIDATION → cross_reference_metadata()
   Validiert die Ergebnisse gegen die Rohdaten

6. REPORT_GENERATION → format_briefing()
   Erstellt den finalen Bericht in natürlicher Sprache

7. ACTION → execute_or_escalate()
   Führt die Aktion aus oder eskaliert bei Unsicherheit

Jeder Schritt ist ein eigener Node im LangGraph-Graphen. Das ermöglicht vollständige Kontrolle über den Datenfluss und einfaches Debugging.

Schicht 2: FastAPI als API-Layer

FastAPI dient als Schnittstelle zwischen dem Agenten und der Außenwelt. Es stellt Endpunkte bereit für:

• Copernicus Data Space API: Abruf von Sentinel-Rohdaten und prozessierten Produkten
• Vektordatenbank: Abfrage von Metadaten und Embeddings
• GIS-Dienste: Integration mit WMS/WFS-Diensten für Kartendarstellungen
• Enterprise-Systeme: Anbindung an Ticket-Systeme, E-Mail, ERP

Jeder FastAPI-Endpunkt hat deterministische Input-Validierung – das LLM kann nur Parameter übergeben, die im Schema definiert sind. Das verhindert Halluzinationen bei API-Aufrufen.

Schicht 3: GeoTools – Deterministische Tool-Ausführung

Der Tool-Layer enthält hartcodierte, deterministische Funktionen für geospatiale Berechnungen. Diese Tools werden nicht vom LLM generiert, sondern als feste Werkzeuge bereitgestellt:

Tool: calculate_area_in_hectares
Input: GeoJSON Polygon oder Bounding Box
Output: Fläche in Hektar
Deterministic: Ja (mathematische Berechnung)

Tool: query_copernicus_by_bbox
Input: Bounding Box, Zeitraum, Datenprodukt (z.B. "SENTINEL-2-L2A")
Output: Liste der verfügbaren Szenen mit Metadaten
Deterministic: Ja (API-Abfrage mit festen Parametern)

Tool: detect_land_use_change
Input: Zwei Zeitpunkte, Region
Output: Änderungsmaske als GeoJSON
Deterministic: Ja (Algorithmus-basiert, kein LLM)

Der entscheidende Architektur-Entscheid: Das LLM darf nur diese Tools aufrufen – und nur mit den im Schema definierten Parametern. Jeder Tool-Call wird durch die Action Safety Guardrails validiert (siehe Teil 5).

Schicht 4: Multi-Agent-Koordination

Komplexe räumliche Analysen erfordern spezialisierte Sub-Agenten:

• Data Agent: Zuständig für den Abruf und die Validierung von Copernicus-Daten
• Analysis Agent: Führt die geospatiale Analyse durch und berechnet Metriken
• Validation Agent: Kreuzvalidiert die Ergebnisse gegen die Rohdaten und historische Werte
• Report Agent: Erstellt den finalen Bericht in natürlicher Sprache – nur auf Basis validierter Daten

Die Agenten kommunizieren über einen gemeinsamen State in LangGraph. Jeder Agent hat einen klar definierten Input und Output – das LLM wird nur dort eingesetzt, wo es wirklich nötig ist (bei der Interpretation und Berichterstellung). Alle geospatialen Berechnungen sind deterministisch.

Wie Cybereiche Spatial Agent Architekturen realisiert

Der Aufbau einer produktionsreifen Spatial Agent Architektur erfordert tiefgehendes Verständnis von LangGraph, FastAPI, Geodaten-Verarbeitung und Agenten-Sicherheit. Die Experten von Cybereiche haben umfangreiche Erfahrung in der Entwicklung solcher Systeme.

Ob der Aufbau einer LangGraph-Orchestrierung für geospatiale Workflows, die Integration von FastAPI-Endpunkten für Copernicus-APIs, die Entwicklung von deterministischen GeoTools als RAG-Pipeline, die Anbindung von KI-Chatbot-Oberflächen oder die Implementierung einer vollständigen Erdbeobachtungslösung – Cybereiche liefert die passende Architektur für jedes Anforderungsprofil.

Fazit – und wie Sie Cybereiche kontaktieren

Eine produktionsreife Spatial Agent Architektur trennt deterministische Tool-Ausführung von KI-basierter Interpretation. Wo gerechnet werden muss, rechnet der Computer. Wo interpretiert werden muss, hilft das LLM – aber nur innerhalb eines strengen, deterministischen Rahmens.

Möchten auch Sie eine Spatial Agent Architektur für Ihre Erdbeobachtungs-Workflows aufbauen? Die Experten von Cybereiche beraten Sie gerne – von der Architekturberatung bis zur produktiven Implementierung. Vereinbaren Sie ein unverbindliches Gespräch und erfahren Sie, wie Sie Ihre geospatialen Workflows automatisieren.