Im Vortrag werden zunächst die Probleme skizziert, die sich aus der Verwendung geschätzter und evtl. fehlspezifizierter Kovarianzfunktionen für die räumliche Interpolation (speziell das Kriging) ergeben.
Als eine gangbare Alternative wird die Verwendung der Matern-Kovarianzfunktion vorgeschlagen, die die üblicher Weise benutzten exponentiellen bzw. Gausschen Kovarianzfunktionen als Spezialfälle und extremale Elemente enthält. Mittels Simulation und Bootstrapping lässt sich dann die Unsicherheit der Kovarianzparameter durch eine entsprechende (a-posteriori-) Wahrscheinlichkeitsverteilung charakterisieren und für die Interpolation nutzen, wodurch man auch zu realistischeren Abschätzungen der Vorhersagefehler gelangt.

Im ersten Teil des Vortrages werden Probleme bei der Gewinnung von Bilddaten sowie Vor- und Nachteile verschiedener Methoden zur Klassifikation von solchen Daten diskutiert.
Danach werden neuere Ansätze vorgestellt, die sich insbesondere für die Klassifikation von spektroskopischen Daten als nützlich erweisen.