METROPOLIS: Urbaner Digitaler Zwilling

Ein offenes, interoperables urbanes Digital-Twin-Framework zur Integration von Stadtdaten, Bereitstellung urbaner KI-Modelle und Unterstützung evidenzbasierter Planung.

METROPOLIS: Urban Digital Twin

Über

METROPOLIS entwickelt ein offenes, interoperables urbanes Digital-Twin-Framework für Planung, Simulation und Entscheidungsunterstützung. Das Projekt reagiert auf eine strukturelle Lücke: Städte müssen zunehmend die Konsequenzen wichtiger Planungsentscheidungen vor der Umsetzung bewerten, aber die technische Infrastruktur dafür existiert noch nicht zuverlässig im großen Maßstab.

Urbane digitale Zwillinge können im Prinzip räumliche Daten, Echtzeit-Feeds, historische Aufzeichnungen und Vorhersagemodelle in eine einheitliche analytische Umgebung verbinden. In der Praxis sind diese Systeme jedoch schwer aufzubauen und zu pflegen. Stadtdaten sind über Behörden und Anbieter fragmentiert, in inkompatiblen Formaten gespeichert und nach unterschiedlichen institutionellen Standards verwaltet. KI-Modelle erfordern heterogene Eingaben, die selten in kompatiblen Formen verfügbar sind, und Städten fehlen die Workflow-Orchestrierungs- und Benchmarking-Tools, die erforderlich sind, um Modelle zu kohärenten Planungsprozessen zu kombinieren.

METROPOLIS adressiert diese Herausforderungen durch spezifische technische Infrastruktur: eine Daten-Interoperabilitätsschicht, eine modulare Schnittstelle zur Bereitstellung urbaner KI-Modelle, Szenario-Generierungs-Pipelines zur Orchestrierung mehrerer Modelle und vergleichende Evaluierungs-Benchmarks zur Bewertung der Modellleistung über Städte und Planungskontexte hinweg. Das Framework wird durch ein Pilotprojekt mit Tel Aviv validiert.

Der Beitrag des Projekts ist Infrastruktur, kein einzelnes Modell oder eine einzelne Vorhersage. Indem METROPOLIS die urbane Digital-Twin-Technologie modular, dokumentiert und replizierbar macht, zielt es darauf ab, die Hürde für Forschende und Kommunen zu senken, auf der Arbeit der anderen aufzubauen und praktische Standards für die urbane KI-Integration zu etablieren.

Publikationen

2026 Publikation

Why Students Don't Use Urban AI: A Study of Machine Learning Tool Adoption in the Design Studio

Ofir Glassman, Orly Cohen-Moas, Achituv Cohen, Noam Teshuva, Jonathan Dortheimer
  • Zeitschrift / Konferenz Damtsas, E. and Spaeth, A. B. (eds.), Informed Creativity in Architecture and Engineering - Proceedings of the 44th Conference on Education and Research in Computer Aided Architectural Design in Europe (eCAADe 2026), Volume 3
2026 Publikation

Few-Shot Transfer Learning for Cross-City Pedestrian Level-of-Service Mapping Using Spatio-Temporal Graph Models

Atakilti Brhanu Kiros, Jonathan Dortheimer, Noam Teshuva, Achituv Cohen
  • Zeitschrift / Konferenz Urban Science
2025 Publikation

AI-Driven Recommendations for Strategic Urban Renewal

Haya Brama, Tal Grinshpoun, Oded Landau, Jonathan Dortheimer
  • Zeitschrift / Konferenz Architectural Informatics, Proceedings of the 30th International Conference on Computer-Aided Architectural Design Research in Asia (CAADRIA 2025)
2024 Publikation

Towards a Robust Evaluation Framework for Generative Urban Design

Haya Brama, Agata Dalach, Tal Grinshpoun, Jonathan Dortheimer
  • Zeitschrift / Konferenz Data-Driven Intelligence - Proceedings of the 42st eCAADe Conference
2022 Publikation

A machine learning approach to urban design interventions in non-planned settlements

Anna Boim, Jonathan Dortheimer, Aaron Sprecher
  • Zeitschrift / Konferenz Post Carbon - Proceedings of the 24th International Conference on Computer-Aided Architectural Design Research in Asia, CAADRIA 2022 Conference