Veranstaltungsprogramm

Die Studie untersucht strategische Rahmenbedingungen für den KI-Einsatz in 146 Städten des IMD Smart City Index. Ergebnis: Nur zwölf Städte verfügen über eine eigenständige KI-Strategie, unabhängig von ihrer Platzierung im Ranking. Strategien konzentrieren sich zeitlich auf 2023/2024, was auf eine Reaktion auf die Verbreitung Generativer KI hinweist. Inhaltlich variieren sie stark – von kurzen Leitlinien bis zu umfassenden Dokumenten. Regionale Unterschiede sind deutlich: US-Städte setzen auf praxisorientierte Roadmaps und GenAI-Guidelines, asiatische Metropolen fokussieren Wirtschaftsförderung, während deutsche Städte trotz Digitalisierungsfortschritt oft keine formalisierte KI-Strategie haben. Die Analyse zeigt: Nicht jede Kommune benötigt eine separate KI-Strategie, entscheidend ist die Integration von Governance-Mechanismen und KPIs in bestehende digitale Agenden, um Risiken wie Bias oder Halluzinationen zu minimieren und die Wettbewerbsfähigkeit sowie Daseinsvorsorge zu sichern.

Der Beitrag diskutiert das Konzept lokaler öffentlicher KI als gemeinwohlorientierten Ansatz für Smart Cities und stellt die lokale Info-App molo als empirisches Beispiel vor, in dessen Kontext das Konzept entstand. Angesichts der Probleme des Lokaljournalismus und lokaler Information allgemein wurde molo entwickelt, um die Stadtöffentlichkeit zu beleben. Dies geschah co-kreativ mit Bürger:innen, Medien, Zivilgesellschaft usw. zunächst in Bremen. Die bundesweite Skalierung machte zunehmenden KI-Einsatz notwendig. Dies warf die Frage auf, wie dieser gemeinwohlorientiert gestaltet werden kann. Das als Antwort darauf entwickelte Konzept lokaler öffentlicher KI umfasst sechs Prinzipien: 1. Nicht-Generativität (KI strukturiert vorhandene Daten, erzeugt aber keine Inhalte.) 2. Co-Creation (berücksichtigt Bedürfnisse lokaler Communitys); 3. Quelloffenheit (ermöglicht gesellschaftliche Kontrolle); 4. Datensparsamkeit und Privacy by Design (schützen Nutzende); 5. Human-in-the-loop (zur Vermeidung/Korrektur unerwünschter KI-Effekte); 6. Minimierung von Ressourceneinsatz und Umweltauswirkungen. Der Beitrag reflektiert Spannungsfelder und (Noch-)Grenzen der Umsetzung.

Der Beitrag stellt einen KI-Monitor Raumplanung als Instrument zur Positionsbestimmung der digitalen Transformation im Kontext Smart City vor. Ausgangspunkt ist eine Diskrepanz zwischen strategischem Anspruch und operativer Nutzung von KI in Planungsorganisationen. Der KI-Monitor überträgt evolutionäre Reifegradmodelle auf die Raumplanung und versteht KI-Integration als sozio-technischen Lernprozess. Zentral ist der interdisziplinäre Ansatz: Raumplanerische, organisationale und technologische Perspektiven werden systematisch zusammengeführt. Diese Perspektivenvielfalt ist bei den beteiligten Forschungseinrichtungen des Monitors verankert. Die Ostschweizer Fachhochschule bringt Expertise zu Governance, Planungskulturen und Prozessen ein, das Karlsruher Institut für Technologie fokussiert urbane Dateninfrastrukturen und Systemarchitekturen, während das Deutsche Forschungszentrum für Künstliche Intelligenz anwendungsnahe KI-Methoden und Bewertungsansätze beisteuert. Für die Smart City wird damit ein steuerbares Management-und Lerninstrument geschaffen, das Vergleichbarkeit ermöglicht und interdisziplinäre Innovationspfade systematisch unterstützt und langfristige strategische Orientierung stärkt in kommunalen Transformationsprozessen nachhaltig.

Die zunehmende Autonomie von KI-Systemen in der städtischen Daseinsvorsorge erfordert eine präzise Klassifikation. Der Autonomiebegriff wird in der kommunalen Praxis oft unscharf verwendet. Dies führt zu Unklarheiten bei der Zurechenbarkeit, erschwert die Bestimmung der verbleibenden menschlichen Kontrollnotwendigkeit und die Umsetzung regulatorischer Vorgaben. Etablierte Schemata, etwa aus der Fahrzeugtechnik, sind auf soziotechnische kommunale Systeme nicht direkt übertragbar.

Dieser Beitrag stellt einen mehrdimensionalen Klassifikationsrahmen für KI im kommunalen Kontext vor. Er basiert auf der systematischen Auswertung relevanter Standards und Literatur. Das Schema ordnet Autonomiegrade anhand spezifischer Kriterien ein. Die Analyse fokussiert dabei auf die Ausgestaltung der menschlichen Aufsicht, die Komplexität der Aufgaben, die Risikobewertung sowie die räumliche und technische Dimension. Das laufende Forschungsvorhaben validiert das Schema mittels Dokumentenanalysen und Expertenworkshops. Der Beitrag leitet erste Governance-Anforderungen ab. Das entwickelte Schema bietet Kommunen eine analytische Grundlage für die präzisere Risikobewertung und die verantwortungsvolle Integration autonomer Systeme.