Wie KI Fußgängerzonen belebt und Städte attraktiver macht

Was können Street View Bilder uns darüber erzählen, wie wir unsere Städte nachhaltiger gestalten können? So einiges, erklärt HPI-Doktorand Marco Cipriano.  

In einem gemeinsamen Forschungsprojekt zwischen HPI und der MIT Morningside Academy of Design (MAD) arbeitet das Team, bestehend aus Marco, MIT-Doktorand Liu Liu, HPI-Doktorandin Alexandra Kudaeva und geleitet von Prof. Andres Sevtsuk (MIT) und Prof. Gerard de Melo (HPI), daran, zu verstehen, was manche Straßen geschäftiger macht als andere. Daran beteiligt sind die Fachgebiete "Artificial Intelligence and Intelligent Systems" des HPI und das "Department of Urban Studies and Planning" des Massachusetts Institute of Technology.

"Wir möchten verstehen, welche Faktoren und Aspekte Menschen zu sozialen Interaktionen veranlassen", erklärt Marco den Forschungsschwerpunkt. "Das Verständnis, wie Menschen sich in öffentlichen Räumen versammeln, verweilen und interagieren, liefert wichtige Erkenntnisse über die urbane Vitalität. Die Ziele dieser Studie werden wichtige Erkenntnisse darüber liefern, wie nachhaltigere Städte gestaltet werden können."

Das Team baut auf einem Ansatz der Städteplanung auf, für die in den 70er- und 80er-Jahren vor allem der Soziologe William H. Whyte in New York als Pionier galt. In damals noch vor Ort und händisch durchgeführten Studien beobachteten Forscher:innen wie Whyte, wie Menschen öffentliche Plätze nutzen. Daraus zogen sie Rückschlüsse für eine bessere Stadtgestaltung. 

Whytes Arbeit prägt New York bis heute, erzählt Liu Liu, Doktorand im Bereich Computational Urban Design am MIT: "Seine Forschungen ergaben, dass kleine Details im Design einen großen Unterschied machen – Sonnenlicht, das Plätschern von Wasser, Straßenverkäufer und sogar die Anordnung von Bänken. Nach über einem Jahrzehnt der Beobachtung flossen seine Erkenntnisse direkt in die Richtlinien für den städtischen Raum in New York City ein. So müssen öffentliche Räume heute beispielsweise einen Anteil an ‘beweglichen’ Sitzgelegenheiten aufweisen, was seine Erkenntnis widerspiegelt, dass Menschen Flexibilität bei der Anordnung von Sitzgelegenheiten für geselliges Beisammensein schätzen."

Das Team möchte diese Art der Stadtforschung revolutionieren. Sie arbeiten an KI-gestützten Tools, die frei zugängliche Street View Bilder im großen Stil analysieren, und daraus Rückschlüsse nicht nur über Anzahl, sondern auch Art der sozialen Aktivitäten treffen sollen. Dabei verfolgen sie momentan drei Ziele, die Liu näher erklärt:  

1. Technische Grenzen definieren: "Feststellen, was derzeit erkannt werden kann (z. B. Aktivitätserkennung) und was durch modernste Methoden noch ausgebaut werden kann (z. B. Erkennung sozialer Gruppen)."
2. Datengrenzen definieren: "Verstehen, welche Informationen aus Straßenbildern entnommen werden können und wann diese Bilder aufgenommen wurden. Wobei berücksichtigt wird, dass jedes Bild nur eine Momentaufnahme eines bestimmten Ortes und Zeitpunkts ist."
3. Ergebnisse aufbereiten und Forscher:innen zur Verfügung stellen: "Einen Prozess entwickeln, um alle „erkennbaren“ und aussagekräftigen Elemente abzubilden – nicht nur simple Metriken wie Personenzählungen, die zwar einfach, aber nicht sehr aufschlussreich sind. Diese Karte wird offen mit Stadtplanungsforschern geteilt, um deren Studien zu unterstützen."

HPI und MIT arbeiten gemeinsam an Lösungen zum Thema "Designing for Sustainability"

Die interdisziplinäre Zusammensetzung des Teams aus Informatiker:innen des HPI und Stadtforscher:innen des MIT wurde ermöglicht durch die Forschungskooperation zwischen den beiden Instituten, die gemeinsame Projekte zu nachhaltigem Design und digitaler Innovation fördert. So profitiert das Team von vielseitiger Expertise, auch über einen Ozean hinweg.

"Das Department of Urban Studies and Planning am MIT verfügt über Stadtplaner mit hervorragender Erfahrung in den Bereichen Computer Vision und künstliche Intelligenz", berichtet Marco. "Die Zusammenarbeit war großartig. Beide Seiten waren engagiert an dem Projekt beteiligt und entschlossen, Ergebnisse zu erzielen. Natürlich haben persönliche Treffen einen Unterschied gemacht. Mein kurzer Forschungsaufenthalt am MIT im April war eine großartige Erfahrung, die uns näher zusammengebracht hat und zu einem intensiveren und effizienteren Arbeitsablauf geführt hat."

Ergänzt werden die Forschungsaufenthalte durch regelmäßige gemeinsame Workshops, die abwechselnd am HPI und MIT ausgerichtet werden.

Zusammengehörende Menschengruppen erkennen die KI-Programme noch schlecht  

Kürzlich hat das Forschungsteam ein Paper zu ihrem Projekt bei der Association for the Advancement of Artifical Intelligence eingereicht. Darin testeten sie bestehende Analysemodelle auf ihre Fähigkeit, in Street View Images Bildbereiche zu erkennen, in denen sozial verbundene Menschen zu sehen sind. Anders gesagt: Erkennt die KI, welche Menschen im Bild zusammengehören und eine Gruppe bilden? 

Die Ergebnisse waren zunächst ernüchternd. Alexandra Kudaeva erzählt: "Objekterkennung und Bildsegmentierung gibt es schon seit sehr langer Zeit, und sie haben eine extrem hohe Genauigkeit erreicht. Unser Forschungsproblem, sozial verbundene Gruppen zu definieren, mag einfach klingen, ist es aber in Wirklichkeit nicht. Unsere Tests haben gezeigt, dass keines der bestehenden Modelle in der Lage ist, Bereiche im Bild zu erkennen, die durch komplexe und manchmal abstrakte Kriterien definiert sind. Die wichtigste Erkenntnis war, dass es noch viel Raum für Verbesserungen bei der Entwicklung multimodaler Algorithmen gibt, die ein Verständnis semantisch komplexer Konzepte und visueller Grundlagen erfordern. Wir hoffen sehr, dass die in unserem Artikel vorgeschlagenen Methoden zu interessanten Erkenntnissen für die Stadtplanung führen werden."

Mit Blick auf die Zukunft sagt das Team, dass man mit einer Verbesserung dieser Algorithmen perspektivisch erforschen könnte, welche physischen Umgebungen soziale Gruppeninteraktionen fördern. Das übersteige zum jetzigen Zeitpunkt aber den Rahmen ihres Projekts. 

Das Paper zum Nachlesen gibt es hier: https://arxiv.org/pdf/2509.13484v2 

Wir wünschen dem Projektteam weiterhin viel Erfolg bei ihrer Arbeit und drücken die Daumen für ihr Paper!