Smarte Städte: wie Sensoren und KI den öffentlichen Raum vermessen

Der Begriff "Smart City" wird für sehr unterschiedliche Dinge benutzt: von digitalen Bürgerdiensten über vernetzte Ampeln bis zu großen Datenplattformen. Für den Alltag greifbar wird er meist an einer Stelle, nämlich bei Sensoren, die Zustände im öffentlichen Raum laufend erfassen. Dieser Beitrag konzentriert sich auf diesen Teil: wie die Messwerte entstehen, wie sie übertragen werden und was KI-Verfahren mit ihnen anfangen.

Funk für sparsame Sensoren

Ein Sensor an einer Brücke oder in einem Parkplatz hat selten Strom- und Netzwerkkabel. Er soll jahrelang mit einer Batterie auskommen und nur kleine Datenmengen senden: eine Temperatur, einen Füllstand, ein Ja oder Nein. Dafür wurden Funktechniken mit großer Reichweite und geringem Energiebedarf entwickelt, zusammengefasst unter dem Kürzel LPWAN. Eine verbreitete Variante ist LoRaWAN. Sie nutzt in Europa lizenzfreie Frequenzen um 868 Megahertz und erreicht je nach Bebauung Reichweiten von einigen hundert Metern bis zu mehreren Kilometern. Der Preis dafür sind sehr niedrige Datenraten und Vorgaben, wie oft ein Gerät senden darf.

Die Sensoren senden an Gateways, die auf Dächern oder Masten montiert sind und die Daten über das Internet weiterreichen. Neben Stadtwerken und Netzbetreibern betreiben auch Bürgerinitiativen solche Gateways, häufig in offenen Gemeinschaftsnetzen.

Beispiel Luftqualität

Wie sich Messtechnik und Bürgerbeteiligung verbinden lassen, zeigt das Projekt Sensor.Community. Es entstand 2015 in Stuttgart unter dem Namen luftdaten.info. Freiwillige bauen aus günstigen Bauteilen Feinstaubmessstationen, hängen sie an Balkon oder Hauswand und stellen die Messwerte offen zur Verfügung. Inzwischen gibt es solche Stationen in vielen Ländern.

Diese Daten ersetzen keine amtlichen Messnetze. Die Messstationen der Länder und des Umweltbundesamts arbeiten mit geprüften Referenzverfahren. Günstige optische Feinstaubsensoren reagieren dagegen empfindlich auf hohe Luftfeuchtigkeit und können dann zu hohe Werte anzeigen. Ihr Wert liegt in der Dichte: Viele ungenaue Messpunkte zeigen räumliche Muster, die wenige genaue Stationen nicht erfassen können. Statistische und KI-gestützte Verfahren werden eingesetzt, um solche Messreihen zu kalibrieren und Ausreißer zu erkennen.

Was KI mit Sensordaten macht

Die Sensoren liefern Zahlen. Nützlich werden sie erst durch Auswertung. Typische Aufgaben, bei denen maschinelles Lernen eingesetzt wird:

• Vorhersage: Wie entwickelt sich die Luftqualität in den nächsten Stunden, wie voll wird ein Parkhaus, wann steigt ein Pegel?
• Anomalieerkennung: Ein Wasserrohr, dessen Durchfluss nachts nicht auf null fällt, deutet auf ein Leck hin. Eine Brücke, deren Schwingungsmuster sich ändert, wird früher geprüft.
• Steuerung: Ampelschaltungen, die sich an Verkehrsströmen orientieren, oder Straßenbeleuchtung, die bei leerer Straße dimmt.
• Zusammenführung: Sogenannte digitale Zwillinge verbinden Kartendaten, Gebäudemodelle und Messwerte zu einem Modell der Stadt, an dem Planungen durchgespielt werden.

Viele dieser Anwendungen sind unspektakulär und gerade deshalb wirksam. Ein Winterdienst, der weiß, welche Straßenabschnitte zuerst vereisen, spart Streusalz und Fahrten.

Ein Sensor, der Autos zählt, ist etwas anderes als eine Kamera, die Gesichter erkennt. Die Grenze zwischen beidem verdient Aufmerksamkeit.

Wo die Grenzen liegen

Personenbezug

Solange Sensoren Temperatur oder Feinstaub messen, ist der Datenschutz unkritisch. Bei Kameras, WLAN-Zählern oder Bluetooth-Erfassung, mit denen sich Bewegungen von Personen verfolgen lassen, sieht das anders aus. Viele Kommunen setzen deshalb auf Verfahren, die Bilder direkt im Sensor auswerten und nur Zählwerte weitergeben. Für biometrische Fernidentifizierung in Echtzeit im öffentlichen Raum zu Zwecken der Strafverfolgung enthält die europäische KI-Verordnung ein grundsätzliches Verbot mit eng begrenzten Ausnahmen.

Abhängigkeit und Wartung

Sensoren müssen gewartet, Batterien getauscht, Plattformen betrieben werden. Nicht wenige Pilotprojekte endeten, als die Förderung auslief. Offene Schnittstellen und Datenformate helfen, dass Messnetze den Anbieterwechsel überstehen.

Scheingenauigkeit

Ein Dashboard mit Echtzeitwerten wirkt präzise. Doch wenn Messfühler falsch kalibriert sind oder ungünstig hängen, werden Fehler in schöne Grafiken übersetzt. Die Qualität der Entscheidung hängt an der Qualität der Messung, nicht an der Intelligenz der Auswertung.

Was das mit dem eigenen Zuhause zu tun hat

Die Technik im Haushalt und in der Stadt ähnelt sich: kleine Sensoren, Funknetze, eine Plattform, die Daten sammelt, und zunehmend KI, die Muster erkennt. Auch die Fragen sind ähnlich: Wer hat Zugriff auf die Daten, was passiert, wenn ein Anbieter aufgibt, und wie viel Steuerung soll ein System selbst übernehmen? Wer sich im eigenen Smart Home damit auseinandersetzt, versteht auch die Debatten über vernetzte Städte besser. Die privaten Aspekte behandelt der Beitrag zum Datenschutz im Smart Home.

Quellen

• Sensor.Community, offenes Messnetz für Luftqualität, sensor.community.
• Umweltbundesamt: Messnetze und Daten zur Luftqualität in Deutschland, umweltbundesamt.de.
• Verordnung (EU) 2024/1689 (KI-Verordnung), Art. 5, EUR-Lex.