Veranstaltungsprogramm

UCRmatrix ist ein webbasiertes Decision Support System (DSS), das Kommunen bei der Identifikation lokalklimatischer Risikoflächen unterstützt. Vor dem Hintergrund zunehmender klimawandelbedingter Belastungen und begrenzter personeller sowie fachlicher Ressourcen, insbesondere in kleineren Kommunen, automatisiert und adaptiert die Anwendung die Matrix-Methode zur lokalklimatischen Bewertung. Das Untersuchungsgebiet wird in Rasterzellen unterteilt, für die relevante Indikatoren aus offen zugänglichen Geodaten abgeleitet werden. Diese Indikatoren fließen in Bewertungsmatrizen ein und ermöglichen eine Einstufung lokalklimatischer Risiken. Die Weiterentwicklung zur Web-Anwendung erlaubt eine intuitive Nutzung und eine verständliche Visualisierung der Ergebnisse für Untersuchungsgebiete in ganz Deutschland. Exemplarisch zeigt sich das methodische Potenzial am Indikator Oberflächenfarbe, der durch die automatisierte Berechnung der Albedo aus Sentinel-2-Satellitendaten ersetzt wird und so eine objektivere, physikalisch fundiertere Bewertung ermöglicht. Insgesamt senkt UCRmatrix die Anwendungshürden der Matrix-Methode und fördert eine ressourceneffiziente, skalierbare Unterstützung kommunaler Klimaanpassungsmaßnahmen.

Das von der Carl-Zeiss-Stiftung geförderte Verbundprojekt Crafting Futures erforscht, wie Augmented Reality (AR) und generative Künstliche Intelligenz (KI) eingesetzt werden können, um bislang unsichtbare oder abstrakte Folgen des Klimawandels in Städten ortsbezogen und unmittelbar erfahrbar zu machen und so eine breitere gesellschaftliche Sensibilisierung zu erreichen. Ziel ist es, durch eingebettete interaktive Visualisierungen in realen urbanen Räumen sowohl Bürger:innen als auch Fachplaner:innen einen niedrigschwelligen Zugang zu komplexen klima- und umweltbezogenen Daten sowie zu möglichen Zukunftszenarien zu eröffnen und damit informierte Diskurse und evidenzbasierte Stadtplanung zu unterstützen. Das zweijährige Projekt wird seit März 2025 gemeinsam von der Technischen Hochschule Mannheim, der RPTU Kaiserslautern-Landau und dem Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) durchgeführt. Dieser Beitrag gibt einen Überblick über das Gesamtprojekt, stellt insbesondere methodische Ansätze, konzeptionelle Überlegungen und Zwischenergebnisse aus Sicht von Stadtplanung, Informatik, KI, Visualisierung und AR vor und zieht erste Schlüsse für die weitere Projektarbeit in der Realisierungs-, Umsetzungs- und Evaluierungsphase.

Die Klimakrise erfordert tiefgreifende gesellschaftliche und politische Transformationsprozesse hin zu nachhaltigen sozio-technischen Systemen. In Deutschland verpflichten sich Bund, Länder und Kommunen gesetzlich zur Reduktion von Treibhausgasemissionen, wobei Kommunen eine zentrale Rolle bei der lokalen Umsetzung spielen. Smart-City-Ansätze gewinnen dabei an Bedeutung, da sie zunehmend auf ökologische Nachhaltigkeit ausgerichtet sind und Kommunen bei Energieeinsparung, Ressourceneffizienz und Verhaltensänderungen unterstützen können. Gleichzeitig ist kommunaler Klimaschutz eine freiwillige Aufgabe ohne verlässliche Bundesfinanzierung, was insbesondere finanzschwache Kommunen vor große Herausforderungen stellt. Dies wirft Fragen räumlicher Gerechtigkeit und gleichwertiger Lebensverhältnisse auf. Ziel der Arbeit ist es, Determinanten der kommunalen Klimaschutzfinanzierung zu identifizieren. Anhand der von Landkreisen und kreisfreien Städten in Rheinland-Pfalz eingeworbenen Fördermittel werden mittels quantitativer Regressionsmodelle zentrale Einflussfaktoren der Fördermittelakquise analysiert, um erfolgreiche Transformationsbedingungen besser zu verstehen.

Klimawandel, Extremwetterereignisse, Schädlingsbefall, struktureller Fachkräftemangel sowie heterogene Datenbestände stellen die Forstwirtschaft vor erhebliche Herausforderungen. Dieser Beitrag stellt das Konzept des Datenraum Wald und eines darauf aufbauenden digitalen Zwilling des Waldes vor, der ökologische, infrastrukturelle und betriebliche Aspekte integriert. Ziel ist die Steigerung der Arbeitseffizienz sowie der Vorausschauenden Klimafolgenabschätzung, durch eine kontinuierliche, hochqualitative datenbasierte Entscheidungsunterstützung. Neben der Integration bestehender Datenquellen in eine gemeinsame Datenbasis sieht das Konzept auch den Einsatz autonomer Arbeitsmaschinen vor, um fehlende oder veraltete Daten automatisiert zu erfassen und wiederkehrende Aufgaben im Forst zu erledigen. Darüber hinaus können verschiedene Anwendungsfälle sowie Auswirkungen auf das Ökosystems mittels des Zwillings simuliert werden.