10. Dezember 2024

Klimafreundlich Städte planen mit Künstlicher Intelligenz

Berlin (pm) – CO2-Emissionen des motorisierten Individualverkehrs müssen stark gesenkt werden, um Berlins Klimaziele zu erreichen. Ein großes Potenzial zur Einsparung von CO2-Emissionen im Transportsektor liegt in der Veränderung der urbanen Infrastruktur. Das zeigt der neueste Sachstandsbericht des Weltklimarats. Jedoch ist es bisher nicht klar, wie genau die Infrastruktur der Hauptstadt das individuelle Fahrverhalten der Berliner*innen und die damit verbundenen CO2-Emissionen beeinflusst. Wissenschaftler*innen der TU Berlin entwickeln eine KI-gestützte Methode, um den Einfluss der gebauten Umgebung auf den motorisierten Stadtverkehr zu ermitteln und damit Grundlagen für eine klimafreundliche Stadtplanung zu schaffen. Eine Studie mit ersten Ergebnissen ihrer Untersuchungen haben sie soeben in der renommierten Fachzeitschrift „Transportation Research“ veröffentlicht.

Die Studie des neugegründeten Climate Change Centers Berlin Brandenburg (CCC), unterstützt vom Mercator Research Institute on Global Commons and Climate Change (MCC Berlin), zeigt: Vor allem die Ausdehnung der Stadt, aber auch die Entfernung zu lokalen Kiezzentren, können einen großen Einfluss auf die gefahrenen PKW-Wegstrecken und auf die damit einhergehenden CO2-Emissionen haben. So wird deutlich, dass kurze Entfernungen zu Kiezzentren mit kürzeren Autofahrten einhergehen und dass, je weiter man sich vom Stadtzentrum entfernt, Wegstrecken und gekoppelte CO2-Emissionen exponentiell ansteigen. Dies betrifft vor allem Stadtteile im Süd-Osten (Marzahn-Hellersdorf, Treptow-Köpenick) sowie im Süd-Westen (Steglitz-Zehlendorf und Spandau). Außerdem zeigt sich, dass vor allem PKWs aus Stadtteilen mit einkommensschwacher Bevölkerungsstruktur längere PKW-Wegstrecken zurücklegen müssen. Das spreche, so die Wissenschaftler*innen, für Stadtplanungsstrategien, die auf eine Verdichtung der Innenstadt abzielen und gleichzeitig die Peripherien von der Abhängigkeit vom Auto befreien.

3,5 Millionen Autofahrten und hochauflösende Daten zur städtischen Bebauung wurden ausgewertet

Die Autor*innen der Studie haben für ihre Untersuchungen eine für den Kontext der Stadtplanung neu entwickelte KI-Methode verwendet sowie eine Stichprobe von 3,5 Millionen Autofahrten über ein Jahr lang und hochauflösende Daten zur städtischen Bebauung. Die Ergebnisse zeigen, wie KI für klimaschutzrelevante Anwendungen eingesetzt werden kann. Der leitende Autor der Studie, Felix Wagner, Doktorand am MCC, einem An-Institut der TU Berlin, sagt: „Das Potenzial von KI im Bereich der nachhaltigen Stadtplanung liegt darin, dass man stadtübergreifende Dynamiken, wie auch lokale Details in einem Modell berücksichtigen kann.“

Lokale Subzentren sind wichtig für nachhaltige Mobilität in Berlin

Prof. Dr. Felix Creutzig, wissenschaftlicher Koordinator des Climate Change Centers Berlin Brandenburg (CCC) und Koautor der Studie, betont die klimapolitische Bedeutung dieser neuen Methode: „Mit der Auswertung und Anwendung städtischer Big Data-Komponenten können Stadtplaner*innen agil und schnell wünschenswerte Ziele wie die Klimafreundlichkeit einschätzen. Gerade in Zeiten des Personalmangels kann dieser Ansatz effektiv helfen, die Klimaschutzziele bis 2045 zu erreichen.“ Entsprechend treibe das CCC, die Berlin-Brandenburger Klima-Allianz unter Federführung der TU Berlin, mit Unterstützung des MCC Berlin die Entwicklung von klimaschutzrelevanten KI-Anwendungen weiter voran.

Die Ergebnisse zeigen auch, wie wichtig lokale Subzentren für eine nachhaltige Mobilität in Berlin sind. Während die Studie von Felix Wagner einen ersten Ansatz darstellt, soll in weiteren Forschungen der Fokus noch mehr darauf gerichtet werden, den Einfluss zukünftiger Planungsstrategien auf Nachhaltigkeit vorherzusagen. Öffentlich zugängliche Daten auf Portalen wie https://daten.berlin.de/ können helfen, so Felix Creutzig, klimarelevante Stadtplanungsstrategien voranzutreiben. Dies könne die Berliner Senatsverwaltungen und Stadtplaner*innen unterstützen, Entscheidungen zu treffen, die den Klimaschutz stärker berücksichtigen.

http://www.climate-change.center/
http://www.mcc-berlin.net

Veröffentlichung in „Transportation Research“

Wagner, F., Milojevic-Dupont, N., Franken, L., Zekar, A., Thies, B., Koch, N., & Creutzig, F. (2022). Using explainable machine learning to understand how urban form shapes sustainable mobility. In: Transportation Research Part D: Transport and Environment, 111, 103442:
https://doi.org/10.1016/j.trd.2022.103442

 

Pressemitteilung: Technische Universität Berlin