Crowdsourcing ist bereits seit Jahren fester Bestandteil der GIS-Welt. Es gibt zahlreiche Aspekte die mittels Freiwilliger, Laien oder einer Crowd abgedeckt werden können. In diesem speziellen Projekt arbeite ich mit einer Crowd die nicht freiwillig partizipiert, sondern für eine monetäre Bezahlung. Ich möchte mit dieser Arbeit herausfinden, welche Aspekte der Qualität für dieses Projekt von Bedeutung sind und welche Methoden existieren, um eine Qualitätssicherung durchzuführen. Das Ziel dieser Arbeit ist den Nutzen und die Kosten für jene Methoden zu bestimmen. Daher möchte ich zeigen, welche Aufwendungen benötigt werden, um jede einzelne dieser Methoden durchzuführen und welches Ergebnis diese zeigen.
Das erwähnte Projekt war ein Versuch sämtliche Feuerwehrzufahrten in einem bestimmten Gebiet in München zu digitalisieren. Erstellt und durchgeführt wurde dieses Projekt von der Firma Parkbob GmbH. Parkbob bietet digitale Informationen über den Parkraum verschiedener Städte auf der ganzen Welt. Da Feuerwehrzufahrten sehr häufig in München vorkommen und Parken und Halten hier absolut verboten ist, war es für Parkbob besonders wichtig diese Informationen in das Dataset zu inkludieren. Leider existierte bisher noch keine Informationen über die Standorte der Feuerwehrzufahrten, daher hat sich Parkbob dazu entschlossen selbst eine Crowd zu engagieren die diese Aufgabe übernimmt.
Mit dieser Arbeit möchte ich die Rahmenbedingungen dieses Projekts beschreiben und erklären welche Aspekte Bedarf an eine Qualtitätssicherung haben. Ich möchte auch auf Crowdsourcing allgemein eingehen, verschiedene Projekte, die damit arbeiten beleuchten und deren Methoden extrahieren. Außerdem werde ich Qualität in Bezug auf Geodaten anhand von Literarturrecherche genauer beschreiben. Anschließend werde ich jene Methoden, die für das München-Projekt verwendbar sind, praktisch anwenden und vergleichen. Das Ziel ist es zu sehen, welche Methoden die gewünschten Ergebnisse bringen und bei welchen Methoden der zeitliche Aufwand nicht in Relation zu dem Ergebnis steht. Zum Schluss möchte ich die Vor- und Nachteile der einzelnen Herangehensweisen analysieren und das Projekt kritisch betrachten. Somit kann anhand dieser Arbeit Konsequenzen für zukünftige Projekte gezogen werden, um die Aufwendungen zu verringern und die Qualität zu erhöhen.

Crowdsourcing has become a major part of the world of geographic information. Several aspects of spatial data can be covered with crowd users, volunteers or non-experts. In this certain project I work with a crowd which is not voluntarily but works for a financial remuneration. I want to find out which aspects of quality are important to this project and which methods there are for the process of quality assurance. The goal of this thesis is to determine the need and the benefit of each method. I will show how much time each method needs to be executed and which result comes along with this method. The mentioned project was an attempt to map fire rescue paths in a certain area in the city of Munich. This project was initialized by the company Parkbob GmbH. Parkbob offers digital information about parking restrictions in certain cities all over the world. As fire rescue paths are widely spread over Munich and as parking and standing is absolutely forbidden on these areas, it was essential to include those into the parking datasets. Unfortunately, there was no dataset about the fire rescue paths, therefore Parkbob decided to hire a crowd which should collect all fire rescue paths of the research area. In this thesis I want to explain how the project was built up and what aspects of the framework need quality assurance. Then I will shortly have a look at crowdsourcing in general, I will give examples of other projects and extract the methods which they were using. Also, I want to explain the parameter of quality of spatial data based on literature research. After that I will take the methods I can use for this project and test them all on the same dataset of the collected fire rescue paths. The results show what approaches did not bring the desired results and which methods would have reduced the invested time. Finally, I will discuss the advantages and disadvantages of these methods and explain critically what can be done differently in similar future projects to increase the quality of the data.