Intelligence for Cities (I4C): KI-Modell zeigt Hitzebelastung in Freiburgs Freiräumen

Mithilfe von künstlicher Intelligenz konnte ein Forscherteam der Universität Freiburg die Temperaturen im Freiburger Stadtgebiet berechnen – und somit zeigen, welche Orte besonders von Hitze betroffen sind. Die Erkenntnisse sind besonders wertvoll für die Stadtplanung, beispielsweise bei der Standortwahl von Bäumen.

Hitzebelastung
Plan von Freiburg mit jährlicher Stundenanzahl mit gefühlten Temperaturen über 32°C, gemittelt aus den Jahren 2019–2022. Rot: 520 h, orange: 400 h, gelb: 280 h, grün: 160 h, blau: 40 h. Bild: Briegel et al., 2024

Mit zunehmender Bebauung steigen im Sommer auch die Temperaturen, was besonders bei großer Hitze zu einer enormen Belastung für Stadtbewohner werden kann. Forscher der Universität Freiburg können nun anhand eines KI-Modells zeigen, wie sich die Hitzebelastung in den Straßen von Freiburg entwickelt.

Das Forschungsprojekt „I4C – Intelligence for Cities“ war ein interdisziplinäres Projekt der Universität Freiburg sowie mehrerer Fraunhofer-Institute und lief von Anfang 2021 bis Ende Juni 2024. Es wurde vom Bundesumweltministerium mit rund drei Millionen Euro als KI-Leuchtturm gefördert.

In den vergangenen dreieinhalb Jahren haben die Wissenschaftler Modelle erarbeitet, die mithilfe von KI präzise Vorhersagen ermöglichen, etwa zur Häufigkeit von Hitzestress oder zu Auswirkungen von planerischen Veränderungen wie dem Pflanzen von Bäumen oder der Verdichtung eines Stadtviertels. Auch ethische Fragen etwa hinsichtlich KI oder Datenschutz waren Thema des Projekts.

Hitzebelastung
Vier 500 × 500 m große Teilgebiete verschiedener Stadtviertel von Freiburg. Mit durchschnittlichen Stunden pro Jahr mit ≥ 32 °C: (a) Stadtzentrum von Freiburg, (b) ein Industriegebiet im Norden von Freiburg, (c) Stadtteil mit Altbauten und dichtem oder ausgewachsenem Baumbestand und (d) ein nach 1995 errichtetes Neubaugebiet, (e) zeigt die Verteilungen von (a)–(e). Bild: Briegel et al., 2024.

Dabei wurde auch ein KI-basiertes Modell entwickelt, das Hitzebelastungen über mehrere Dekaden darstellen kann. Auf Basis regionaler Klimadaten wurde ein Künstliches Neuronales Netz (KNN) auf die gesamte Stadt Freiburg angewendet, wodurch sich der Hitzestress hochauflösend bis auf Ebene einzelner Straßen berechnen lässt.

„Was wir eingeben, sind die Wetterbedingungen und wie die Stadt gebaut ist. Dann bildet die KI ab, was sie denkt, wie die Hitzebelastung aussieht“, erklärt Andreas Christen, Professor für Umweltmeteorologie und Teil der KI-Projektgruppe.

Dafür ermittelten die Wissenschaftler die Hitzebelastung aus drei unabhängigen physikalischen Modellen und überprüften sie mithilfe von Daten städtischer Messstationen.

Zur Optimierung der Stadtplanung

Im Modell fehlen noch Daten zur Anfälligkeit einzelner städtischer Räume. Dennoch kann es bereits dafür verwendet werden, stadtplanerische Maßnahmen zu bewerten, wie etwa die Entsiegelung von Flächen.

„Für die Klimaforschung eröffnen sich mit den im Projekt entwickelten KI-Methoden völlig neue Möglichkeiten, die Auswirkungen des Klimawandels praktisch bis vor die Haustüre darzustellen“, erklärt Prof. Dr. Andreas Christen, Professor für Umweltmeteorologie an der Universität Freiburg.

So können beispielsweise in einem Stadtteil automatisch die Positionen von zu pflanzenden Bäumen bestimmt und dadurch die Hitzebelastung bereits im Planungsprozess maximal reduziert werden. Die Position der Bäume wird dabei mit einem klassischen Machine-Learning-Algorithmus optimiert. Zusätzlich wurde auch ein KI-basiertes Strömungsmodell entwickelt und es wurde untersucht, welchen Einfluss lokale Winde auf die Hitzebelastung im Stadtgebiet haben.

Potenziale und Herausforderungen von KI-Simulationen

„Das große Potential KI-gestützter Tools sehe ich vor allem darin, dass die Auswirkungen von verschiedenen Planungsszenarien zum Beispiel auf die Hitzeentwicklung schneller simuliert werden können“, sagt Verena Hilgers, Klimaanpassungsmanagerin der Stadt Freiburg. So könnten verschiedene Wechselwirkungen im Vorfeld besser abgeschätzt werden und frühzeitig in den Planungsprozess einfließen.

Michael Bauder, Leiter der Stabsstelle Data Science bei der Stadt Freiburg, setzt hinzu: „Die Herausforderung besteht darin, ein solches künstliches neuronales Netz in die bestehenden IT- und Datenstrukturen der Stadt einzubinden, es einfach benutzbar für Fachanwender*innen zu machen und das System fortlaufend mit großen Datenmengen weiter zu entwickeln.“

Auch gesellschaftlich-politischen Aspekten widmete sich das Projekt: So fanden unter anderem zwei partizipative Ethikforen und weitere Aktionen zur Bürgerbeteiligung statt.

---

Quelle:

Briegel, F., Wehrle, J., Schindler, D., & Christen, A. (2024): High-resolution multi-scaling of outdoor human thermal comfort and its intra-urban variability based on machine learning. Geoscientific Model Development, 17, 1667–1688. https://doi.org/10.5194/gmd-17-1667-2024