Klimaanpassung, Flächenmanagement, Mobilitätswende und begrenztes Personal stellen Städte und Landkreise vor komplexe Aufgaben. Herausforderungen wie die regelmäßige Aktualisierung von Flächendaten, die Bewertung klimarelevanter Veränderungen oder die Auswertung komplexer Mobilitätsdaten verbrauchen erhebliche Ressourcen in Kommunen. Künstliche Intelligenz kann hier unterstützen, indem sie wiederkehrende Analyseaufgaben automatisiert, große Datenmengen strukturiert auswertet und Entwicklungen frühzeitig sichtbar macht. Dadurch gewinnen Verwaltungen Zeit für planerische und strategische Entscheidungen. Vor diesem Hintergrund entstanden im Projekt URBAN.KI KI-Prototypen, die zukünftig Kommunen pragmatisch und effizient unterstützen können.
Mit dem Projekt Sursentia aus dem Kreis Recklinghausen wurde ein KI-Modell entwickelt, das unterschiedliche Oberflächenarten mithilfe von Luftbildern erkennt. Es unterscheidet zwischen versiegelten und unversiegelten Flächen, Gebäuden und Solaranlagen. Diese Informationen sind für Aufgaben wie klimatische Bewertungen, den Hochwasserschutz oder die Berechnung von Abwassergebühren für Kommunen relevant.
Der Einsatz von KI reduziert hier den manuellen Aufwand erheblich. Statt zeitaufwendiger grafischer Auswertung von Luftbildern können große Gebiete automatisiert und einheitlich erfasst werden. Grundlage dafür sind sogenannte Foundation Models, vortrainierte KI-Modelle, die allgemeine Muster in Bilddaten erkennen und sich dadurch robust auf verschiedene Regionen übertragen lassen. Für Kommunen bedeutet das eine effizientere Nutzung knapper personeller Ressourcen bei gleichzeitig verbesserten Ergebnissen.
Damit KI-Modelle im kommunalen Alltag nutzbar werden, braucht es geeignete technische Rahmenbedingungen. Hier setzt im Kreis Unna die Plattform aviary an. Sie wird als universelle KI-Engine entwickelt, um Daten mit Raumbezug auszuwerten, also Informationen, die eindeutig einem Ort oder Gebiet zugeordnet sind, etwa Luftbilder, Karten oder andere geografische Fachdaten. aviary verfolgt einen modularen Ansatz: Datenimport, Vorverarbeitung, KI-Inferenz und Ergebnisaufbereitung lassen sich flexibel kombinieren. Neben einer Kommandozeile steht mit der KI-Engine eine Webanwendung zur Verfügung, die eine niedrigschwellige Konfiguration ermöglicht. Ziel ist es kommunalen IT-Fachstellen einen unkomplizierten Zugang zu KI-gestützten Analysen zu eröffnen.
Besonders anschaulich wird der Nutzen von KI in der Mobilitätsplanung im Landkreis Osnabrück. Dort wurde mit AIMOS ein Analyse- und Prognosesystem für On-Demand-Verkehre entwickelt. Ausgangslage war ein wachsendes Fahrtenaufkommen bei begrenzter Fahrzeugkapazität. AIMOS (AI Mobility Osnabrück) analysiert die Betriebsdaten, identifiziert sogenannte Poolingeffekte, also die Zusammenlegung mehrerer Fahrtwünsche, und macht Kapazitätsengpässe sichtbar. Die Auswertung zeigte, dass durch optimiertes Pooling und bessere Routenplanung erhebliche Strecken und Zeitersparnisse möglich sind. So wurde sichtbar, wo und wann Anpassungen des Angebots sinnvoll sind.
KI wird in diesem Ansatz nicht als Ersatz für fachliche Expertise verstanden, sondern als Werkzeug zur Verbesserung der Datengrundlage und zur Unterstützung fundierter Entscheidungen. Gleichzeitig zeigen sich auch Grenzen: Unvollständige oder veraltete Daten, komplexe Datenschutzanforderungen – insbesondere bei Mobilitätsdaten – sowie hohe Anforderungen an Rechenleistung und IT-Infrastruktur stellen reale Herausforderungen dar. Nicht jede planerische Fragestellung lässt sich allein datenbasiert beantworten.
URBAN.KI entwickelt, erprobt und reflektiert KI-Lösungen daher schrittweise und in enger Zusammenarbeit mit Kommunen. Die bisherigen Ergebnisse zeigen, dass KI bereits heute einen konkreten und praxisrelevanten Mehrwert für Stadt- und Mobilitätsplanung leisten kann.