Weltweite Analysen und Abschätzungen von Vegetationsparametern wie Biomasse oder Vegetationshöhe sind essentiell für Modellierungen des Klimawandels und der Biodiversität. Traditionelle allometrische Ansätze müssen meistens für bestimmte Ökosysteme und Regionen angepasst werden. Deshalb ist es sehr schwierig, homogene, globale Modellierungen mit hoher räumlicher und zeitlicher Auflösung sowie gleichzeitig guter Genauigkeit vorzunehmen. Datengetriebene Ansätze, vor allem moderne deep learning Methoden, versprechen hier grosses Potential. Im Vortrag werden aktuelle Forschungsergebnisse zur weltweiten Bestimmung der Vegetationshöhe vorgestellt, die im EcoVision Lab in Kooperation mit dem NASA GEDI Team entwickelt werden. Der Fokus ist dabei auf der Integration von probabilistischen Ansätzen und deep learning zu sogenanntem Bayesian deep learning.