Urban AI

Über

Stadtplanerische Entscheidungen werden zunehmend durch Daten, Modelle und digitale Plattformen geprägt. Unsere Urban-AI-Forschung untersucht, wie diese Technologien so gestaltet, evaluiert und gesteuert werden können, dass sie die Planungspraxis unterstützen und nicht verschleiern.

Wir entwickeln Machine-Learning-Modelle, Entscheidungsunterstützungssysteme und urbane Digital-Twin-Methoden für Probleme wie städtische Erneuerung, sozioökonomische Folgenabschätzung, Parzellenaggregation und multidisziplinäre Stadtsimulation. Diese Projekte kombinieren Raumdaten, Planungswissen und computergestütztes Modellieren, um Planenden zu helfen, Alternativen zu vergleichen, bevor Maßnahmen umgesetzt werden.

Wir untersuchen auch die bekannten Grenzen von Urban AI: fragmentierte und heterogene Daten, Modellverzerrungen, schlechte Übertragbarkeit auf andere Städte und die Schwierigkeit, technische Outputs in verwertbare Planungsbelege zu übersetzen. Unsere Arbeit betont daher Interpretierbarkeit, rigoroses Benchmarking und Validierung in realen Planungskontexten gemeinsam mit Partnerinstitutionen.

Das Ziel ist, Urban AI als zuverlässige, überprüfbare Forschungs- und Planungsinfrastruktur zu etablieren — eine, die nicht nur unter idealen Bedingungen nützlich ist, sondern auch in den datenschwachen, komplexen Umgebungen, in denen die meiste reale Planung stattfindet.