Können Maschinen Stadtplanung?

Können Maschinen Stadtplanung?

Künstliche Intelligenz und maschinelles Lernen dringen in immer mehr Tätigkeitsbereiche vor, von denen bisher angenommen wurde, dass sie unverzichtbar menschliche Fähigkeiten erfordern. Aber können sich diese Methoden und Technologien auch im komplexen Bereich Stadtplanung bewähren? Prinzipiell schon, meint unser Autor, allerdings erst, wenn auch die digitalen Datengrundlagen dafür geschaffen worden sind.

Stadtplanung in der Praxis

Wie sich eine Stadt im Hinblick auf die Flächennutzung und die bauliche Gestaltung entwickeln soll, wird auf den dafür zuständigen politischen Ebenen entschieden. Vorschläge für konkrete Maßnahmen, mit deren Hilfe die politischen Ziele erreicht werden können, erarbeiten dann Stadtplanungsabteilungen oder beauftragte Planungsbüros.

Die Entwicklung von Planungskonzepten fußt dabei idealer Weise auf präzisen Kenntnissen der örtlichen Verhältnisse und muss darüber hinaus außerordentlich komplexe Rahmenbedingungen und Wechselwirkungen berücksichtigen. Dies lässt sich am Beispiel der Schaffung zusätzlichen und bezahlbaren Wohnraums – für fast alle Großstädte in Deutschland derzeit ein vordringliches Thema – sehr gut illustrieren.

Ob für den Neubau, die Aufstockung auf bestehenden Gebäuden oder die Umnutzung – Wohnungsbau benötigt geeignete Flächen. Aber was heißt “geeignet”? Zunächst stellt sich die Frage, ob geltende Bebauungspläne bestehen, die eine entsprechende Nutzung vorsehen. Falls nicht, warum nicht? Widerspricht das Wohnen im Bereich vielleicht übergeordneten stadtpolitischen Zielsetzungen? Und wenn ja, sind diese noch aktuell? Je nachdem, wie die Antworten auf diese Fragen ausfallen, müssen Flächennutzungspläne und Bebauungspläne geändert oder sogar neu aufgestellt werden, immer vorausgesetzt, dass nach Abwägung aller möglichen Umstände und Interessen an der Schaffung von Wohnraum auf der jeweiligen Fläche festgehalten werden soll.

Diese Umstände und Interessen sind nun das Einfallstor einer nahezu unbegrenzt erscheinenden Komplexität. So ist zu bedenken, wie sich zusätzliche Wohnungen auf die betroffene Quartiere auswirken. Eine auch für die steigende Einwohnerzahl hinreichende soziale Infrastruktur muss genauso sichergestellt werden wie ausreichende Verkehrswege- und Angebote. Welches Mietniveau erscheint potenziellen Mietern zumutbar? Welche Umweltauswirkungen haben zusätzliche Wohnungen? Diese Liste ließe sich um viele weitere Punkte ergänzen.    

In der Praxis werden viele diese Fragen sequentiell und im Rahmen dafür vorgesehener Verfahren beantwortet. Von den ersten Entwürfen bis zum formalen planungsrechtlichen Verfahren werden alle möglichen Belange mehr oder weniger systematisch berücksichtigt. Mit betroffenen Stakeholdern sowie mit Bürgerinnen und Bürgern werden die Vorhaben erörtert und ggf. entsprechend modifiziert. Deutschland verfügt in dieser Hinsicht über ein gleichzeitig elaboriertes und vergleichsweise partizipatives Planungswesen. Aber ist zu erwarten, dass die entsprechenden Ergebnisse im Hinblick auf die politischen Zielsetzungen optimal sind? Oder, bezogen auf das Beispiel Wohnungsbau gefragt, entstehen unter Minimierung aller unerwünschten Folgen so viele Wohnungen wie möglich?  

Um eine Antwort auf diese Frage geben zu können,  bräuchte es andere – z.B. intelligente softwarebasierte – Planungsverfahren, deren Ergebnisse man dann vergleichen könnte. Bis vor kurzer Zeit reichte allein der Verweis auf die Komplexität der Problemstellung, um entsprechende Hoffnungen ins Reich der Phantasie zu verweisen. Stadtplanung ließe sich demnach so wenig automatisieren wie Autofahren oder Go-spielen.

Maschinen lernen

Nun hat sich in den letzten Jahren überraschenderweise herausgestellt, dass die beiden genannten und viele andere, vermeintlich dem Menschen vorbehaltenen, Tätigkeiten auch von Computerprogrammen bewältigt werden können. Und nicht nur das: die Ergebnisse fallen häufig sogar besser aus.

So spielt das von Google entwickelte, auf künstlicher Intelligenz basierenden Programm für das chinesische Brettspiel Go mittlerweile so gut, dass vermutlich nie wieder ein menschlicher Spieler auch nur eine Partie gewinnen wird. Die Software schlägt Menschen in einem Bereich, indem die weit überlegene Rechenkraft der Computer alleine bisher nicht zum Erfolg führte. Stattdessen wurden hier Fähigkeiten wie Intuition und Kreativität als erfolgsentscheidend gesehen. Selbst die weltbesten Spieler können nicht sagen, warum sie in siegreichen Spielen die Züge so und nicht anders gewählt hatten. Wie ist das möglich?

Die Antwort lautet: durch maschinelles Lernen. Auf der Basis sogenannter neuronaler Netze ist die Software prinzipiell in der Lage, den Beitrag eines einzelnen Spielzuges zum gewünschten Ergebnis, dem Spielgewinn, mit einer Wahrscheinlichkeit zu bewerten. Die lernrelevante Datenbasis sind hier u.a. tausende von Spielverläufen, anhand derer die Software selbst ein aus vielen unterschiedlichen Ebenen bestehendes Wahrscheinlichkeitsmodell generiert. Mit jedem weiteren Spiel, das aus vielen einzelnen Zügen besteht und aus der Perspektive eines Spielers zum Gewinn oder Verlust führt, verbessert das System die Wahrscheinlichkeitsrechnung. Der entscheidende Unterschied zu konventionellen Softwareprogrammen besteht also darin, dass das System auf der Grundlage von Beispielen selbst das Modell generiert, welches dann die Wahl der Spielzüge bestimmt. Damit kann Software Probleme adressieren, die zu komplex oder opak sind, als dass sie ex-ante mathematisch modelliert werden könnten.

Kommt die algorithmische Stadtplanung?

Um diese Technologie auf die Stadtplanung übertragen zu können, muss die Fragestellung in einer dem Go-Problem vergleichbaren Weise formuliert werden. Betrachtet man Wohnungsbau als Spiel, würde die Frage also lauten, wie die einzelnen Maßnahmen zum Maximum an zusätzlich geschaffenen Wohnraum führt, der dann mit einem Spielgewinn gleichzusetzen wäre. Alle denkbaren Maßnahmen, vom Wohnungsneubau bis zur Aufstockung bestehender Gebäude, sind das Äquivalent zu möglichen Spielzügen. Randbedingungen, wie bspw. minimaler Flächenverbrauch und Zusatzverkehr, niedrige Mietpreise, Attraktivität der Wohnungen u.v.ä.m können in den Spielregeln abgebildet werden. Darüber hinaus bräuchte es auch eine historische Betrachtung von Wohnungsbaumaßnahmen und deren Erfolgsquote als Äquivalent zu den Spielverläufen.

Ein neuronales Netz könnte darauf basierend Wohnungsbau-Szenarien entwickeln und über die beschriebenen Lernmechanismen optimieren. Durch das Feedback von Experten könnte sowohl das Datenmodell selbst als auch die Szenarien sukzessive verbessert werden. Dass ein solcher Ansatz prinzipiell zu besseren Planungserebnissen führen kann, ist nach den Erfolgen in anderen Anwendungsbereichen zumindest langfristig sehr wahrscheinlich. Allerdings ist es bis dahin noch ein weiter Weg, weil algorithmische Planung zwingend auf umfangreiche digitalisierte Datenbestände angewiesen ist, die so bisher nur in wenigen Städten vorliegen.

Erster Schritt: Digitalisierung

Experten schätzen, dass es bundesweit ca. 400.000 geltende Bebauungspläne gibt, die meist nur auf regionaler oder kommunaler Ebene in nicht maschinenlesbarer Form vorgehalten werden. Selbst dort, wo es digitale Planwerke gibt, beschränken sich Daten meist nur auf die Grundinformationen wie georeferenzierte Umringe und Teilflächen. Viele relevante Informationen sind außerdem nur den Textteilen der Bebauungspläne wie der Festsetzung oder der Begründung zu entnehmen.

Die Stadtplanung könnte insgesamt erheblich von der Digitalisierung profitieren, indem beispielsweise die Daten aus den Planwerken zunächst auf Konsistenz und Realitätsbezug hin analysiert werden. Zu prüfen wäre beispielsweise, ob die Planungsanlässe der Bebauungspläne mit den Vorgaben des Flächennutzungsplans oder stadtplanerischen Leitbildern im Einklang stehen. Auch die Frage, ob die Problemlagen, die in den unterschiedlichen Bebauungsplänen als Anlass dienten, noch der gegenwärtigen Situation entsprechen,  wäre ein interessantes Untersuchungsfeld. Sind die Planungsintentionen benachbarter Pläne, die möglicherweise in unterschiedliche kommunale oder bezirkliche Zuständigkeiten fallen, kongruent oder widersprüchlich? Wo ermöglicht bestehendes Planungsrecht bereits Wohnungsbau, ohne dass diese Möglichkeit genutzt worden ist?

Die Digitalisierung und Erschließung der in den Bebauungsplänen enthaltenen Informationen ist die Voraussetzung für algorithmische Planung, gleichzeitig aber eine enorme Herausforderung. Will man nicht Jahrzehnte auf die Ergebnisse warten, wird diese Herausforderung selbst nur mit Verfahren maschinellen Lernens zu bewältigen sein. In dieser Hinsicht immerhin gibt es sehr vielversprechende Ansätze und konkrete Projekte. Dazu mehr in späteren Beiträgen auf diesem Blog.

 

Bisher keine Kommentare.

Bisher hat niemand einen Kommentar verfasst.

Leave a comment