Veranstaltungsprogramm

Die fortschreitende Digitalisierung kommunaler Verwaltungen erhöht die Vulnerabilität gegenüber Cyberangriffen. Das vom BBSR geförderte Forschungsprojekt „Digitale Resilienz in der kommunalen Verwaltung" entwickelt praxisorientierte Handlungsempfehlungen zur Stärkung der IT-Sicherheit in kleineren und mittleren Kommunen, insbesondere für Führungskräfte.

Das methodische Vorgehen umfasst eine systematische Literaturanalyse, Interviews mit Cybersicherheitsexperten sowie einen Workshop, in dem die Ergebnisse Fachexperten präsentiert und validiert wurden.

Die Ergebnisse verdeutlichen eine kritische Ausgangslage. Während IT-Fachkräfte die operative Verantwortung tragen, treffen Führungskräfte strategische Entscheidungen über Sicherheitsmaßnahmen, ohne über tiefergehende Fachkenntnisse im Themenfeld zu verfügen. Der Trend zur Digitalisierung und zur Etablierung von Smart Cities verschärft diese Lücke, da immer mehr IT-Systeme mit gleichbleibenden Ressourcen abgesichert werden müssen.

Das Paper beschreibt die Bedeutung IoT-basierter Infrastrukturen als fundamentales Element moderner Smart-City-Architekturen. Im Fokus stehen kommunale Versorgungsunternehmen, die aufgrund ihrer bestehenden Netze, Betriebsprozesse und technischen Ressourcen eine Schlüsselrolle beim Aufbau resilienter und interoperabler digitaler Dienste einnehmen können. Zentrale Voraussetzung hierfür ist die Verknüpfung von Echtzeit-IoT-Daten etwa mit LoRaWAN mit städtischen Plattformdaten, um verwertbare Informationslagen und steuerungsrelevante Mehrwerte zu erzeugen. Praxisbeispiele wie Smart Metering, smarte Straßenbeleuchtung, fernsteuerbare Thermostate und Leckagedetektion verdeutlichen das operative Optimierungs- und Effizienzpotenzial. Auf dieser Basis lassen sich drei Rollenmodelle ableiten: der integrierte Smart-City-Gestalter, der lokale Plattform-Provider sowie der interkommunale IoT-Enabler. Ergänzende Praxiserfahrungen zeigen, IoT- Kennzahlen für Skalierbarkeit, Wartungsaufwände und Ressourcenplanung wertvolle Grundlagen sein können. Das führt dazu, dass standardisierte IoT-Ökosysteme Versorgern ermöglichen, robuste, wirtschaftlich tragfähige Smart-City-Infrastrukturen bereitzustellen und einen substantiellen Beitrag zur digitalen Daseinsvorsorge zu leistengerade vor dem Hintergrund der Auswirkungen demografischer Prozesse aus die Infrastruktur im Allgemeinen.

Urbane Infrastrukturprojekte erfordern eine komplexe Koordination und transparente Kommunikation mit diversen Stakeholdern. Administrative Fragmentierung und technologische Datensilos behindern jedoch häufig den effektiven Informationsfluss. Dieser Beitrag stellt ein Forschungsprojekt des City Science Labs der Hafencity Universität Hamburg vor, das diesen Herausforderungen mit einer dreistufigen Systemarchitektur begegnet: 1) Ein zentraler Data-Hub zur Konsolidierung heterogener urbaner Daten, 2) eine webbasierte Administrationsanwendung, zum Kuratieren und Bereitstellen von Inhalten, und 3) API-gestützte bürgerorientierte Endprodukte, die auf Data-Storytelling und interaktive Karten setzen. Ein zielgerichteter Einsatz von KI-Methoden (LLMs) auf allen Ebenen hilft dabei den Pflege und Arbeitsaufwand für das Verwaltungspersonal zu verringern. Ziel ist es, Informationslücken zu schließen, Akzeptanz von Tiefbauprojekten zu erhöhen und partizipative Kommunikation in der Stadtplanung zu ermöglichen.

Der Klimawandel erhöht bereits heute die klimabedingten Belastungen der Straßenverkehrsinfrastruktur in urbanen wie ländlichen Räumen. Starkregen, Überflutungen, Hitzeperioden sowie Schnee- und Eisereignisse mindern die Funktionsfähigkeit von Straßennetzen und gefährden Verkehrssicherheit und Erreichbarkeit. Zugleich sind viele Straßen- und Entwässerungssysteme historisch gewachsen und unzureichend auf künftige Extreme vorbereitet. Das Paper untersucht den „Ausfall“ als kritische Überlastung des Straßennetzes durch kumulative klimatische Stressoren und zeigt die Entwicklung einer KI-gestützte Methodik zur Identifikation und Klassifikation für gefährdete Straßenzüge. Dafür werden Klimaprojektionen, meteorologische Messreihen, Topografie, Geodaten und Infrastrukturmerkmale zusammengeführt, um eine Risikobewertung zu ermöglichen. Ein Analysemodell erkennt Risikomuster mittels einem Regressionsmodell und bildet sie als digitalen Zwilling für 2050 ab. So schließt die Arbeit eine Lücke zwischen Klimaforschung, Infrastrukturplanung und digitaler Risikoanalyse und unterstützt Kommunen bei Priorisierung, Anpassungsmaßnahmen und langfristiger Investitionssteuerung.