Proskauer Straße

Berlin 2024/25 – Systematische Untersuchung einer Straßensperrung mit BACI-Design und KI-Unterstützung

Die dritte Fallstudie war die umfangreichste und methodisch anspruchsvollste des Projekts. Eine ungeplante Straßensperrung ermöglichte ein quasi-experimentelles Setting. Erstmals kamen der KI-Forschungsassistent und ein systematisches BACI-Experimentdesign zum Einsatz. Die Kampagne erstreckte sich über sechs Monate und lieferte 1,5 Millionen Einzelmessungen.

Ausgangslage

Die Gelegenheit

Am 6. September 2024 wurde die Proskauer Straße zwischen Rigaer Straße und Schreinerstraße wegen eines Wasserrohrbruchs vollständig für den Kraftfahrzeugverkehr gesperrt. Die Bauarbeiten sollten ursprünglich bis Mitte Oktober dauern.

Solche temporären Straßensperrungen bieten eine seltene Forschungsgelegenheit: Sie ermöglichen den Vergleich derselben Straße mit und ohne Verkehr – ein quasi-experimentelles Setting, das unter normalen Umständen nicht herzustellen wäre. Die Gruppe entschied sich, diese Gelegenheit zu nutzen und die Auswirkungen der Sperrung auf Lärm und Luftqualität zu untersuchen.

Vorbereitung der Infrastruktur

Die Proskauer Straße liegt am Rand des ursprünglichen Untersuchungsgebiets. Um eine ausreichende LoRaWAN-Abdeckung zu gewährleisten, wurden im August und September zwei zusätzliche Gateways installiert – eines auf einem Balkon in der Waldeyerstraße, eines im Kirchturm der Samariterkirche.

Eine systematische Begehung mit Kartierung der Signalstärke stellte sicher, dass alle geplanten Sensorstandorte zuverlässig erreicht werden konnten.

Das BACI-Experimentdesign

Der KI-Forschungsassistent im Einsatz

Im Workshop am 26. September 2024 kam erstmals der KI-Forschungsassistent zum Einsatz. Seine Aufgabe: Die Teilnehmenden bei der Entwicklung eines methodisch sauberen Experimentdesigns zu unterstützen.

Der Ablauf im Workshop:

Sammlung der Fragen: Die Teilnehmenden formulierten ihre Interessen und Vermutungen – etwa: „Wird es in der gesperrten Straße leiser?", „Verlagert sich der Verkehr auf Umgehungsstraßen?", „Welchen Einfluss hat die Baustellenaktivität?"
Verfeinerung zur Forschungsfrage: Der Assistent half, die verschiedenen Fragen zu einer präzisen Forschungsfrage zu verdichten: „Wie unterscheidet sich die Lärm- und Feinstaubbelastung im gesperrten Straßenabschnitt, in angrenzenden Straßen, in Umgehungsstraßen und in Kontrollstraßen zwischen dem Zeitraum während der Straßensperrung und nach der Wiedereröffnung?"
Hypothesenbildung: Basierend auf der Forschungsfrage schlug der Assistent differenzierte Hypothesen vor – für jede Straßenkategorie eine eigene Erwartung.
Experimentdesign: Der Assistent empfahl ein BACI-Design (Before-After-Control-Impact) und erläuterte dessen Logik.

Was ist ein BACI-Design?

BACI steht für Before-After-Control-Impact. Das Design vergleicht Messungen an betroffenen Standorten (Impact) und unbetroffenen Standorten (Control) jeweils vor und nach einer Intervention (Before-After). Nur wenn sich die Veränderung an den Impact-Standorten signifikant von der an den Control-Standorten unterscheidet, kann ein Effekt der Intervention angenommen werden. Das Design kontrolliert für allgemeine Veränderungen (etwa Wetter oder saisonale Effekte), die beide Standorttypen gleichermaßen betreffen.

Variablenextraktion: Der Assistent identifizierte die relevanten Variablen – abhängige (Feinstaub, Lärm), unabhängige (Straßenkategorie, Zeitraum) und Kontrollvariablen (Baustellenaktivität, Wetter, Tageszeit).
Standortdefinition: Gemeinsam wurden Kriterien für die vier Standortkategorien erarbeitet und konkrete Messorte auf der Karte identifiziert.

Das erweiterte BACI-Design

Das Experimentdesign ging über ein klassisches BACI hinaus und unterschied vier Standortkategorien:

Kategorie	Beschreibung	Erwartung während der Sperrung
Impact	Gesperrter Abschnitt der Proskauer Straße	Deutlich geringere Belastung
Angrenzend	Straßen direkt neben dem gesperrten Bereich	Leicht erhöhte Belastung
Umgehung	Wahrscheinliche Ausweichrouten	Deutlich erhöhte Belastung
Kontrolle	Straßen ohne erwarteten Einfluss	Keine Veränderung

Dieses erweiterte Design ermöglichte nicht nur die Prüfung des Haupteffekts (Sperrung), sondern auch die Untersuchung von Verlagerungseffekten.

Differenzierte Hypothesen

Für jede Standortkategorie wurde eine eigene Hypothese formuliert:

Gesperrter Abschnitt: Die Lärm- und Feinstaubbelastung ist während der Sperrung signifikant niedriger als nach der Wiedereröffnung.
Angrenzende Straßen: Die Belastung ist während der Sperrung leicht erhöht, jedoch nicht so stark wie in den Umgehungsstraßen.
Umgehungsstraßen: Die Belastung ist während der Sperrung deutlich höher als nach der Wiedereröffnung.
Kontrollstraßen: Keine signifikanten Unterschiede zwischen den Zeiträumen.

Durchführung

Start der Messkampagne

Am 13. Oktober 2024 startete die Messkampagne mit einem gemeinsamen Treffen aller Beteiligten.

Kalibrierung: Zunächst wurden alle 17 Sensoren gemeinsam kalibriert – erst in einer „Reinraum-Kalibrierung" in einer luftdichten Box, dann eine halbe Stunde an der BLUME-Referenzmessstation an der Frankfurter Allee. Diese sorgfältige Kalibrierung sollte die Vergleichbarkeit der Sensoren untereinander sicherstellen.

Installation: Anschließend verteilten sich die Sensorpaten auf ihre zugewiesenen Standorte und installierten die Sensoren. Erstmals kamen die Rollenkarten zum Einsatz, die klare Verantwortlichkeiten definierten.

Dokumentation: Jede Installation wurde in der App dokumentiert – mit GPS-Koordinaten, Fotos und Metadaten wie Montagehöhe und Abstand zur Straße.

Die lange Messphase

Was als vierwöchige Kampagne geplant war, entwickelte sich zu einer sechsmonatigen Langzeitmessung. Die Aufhebung der Straßensperrung wurde mehrfach verschoben:

Datum	Neue Prognose für Wiedereröffnung
7. Oktober 2024	Ende Oktober
28. September 2024	Ende 2024
27. Dezember 2024	Ende Februar 2025
März 2025	25. April 2025

Diese wiederholten Verschiebungen erforderten eine kostenneutrale Projektverlängerung und stellten die Teilnehmenden vor Herausforderungen – aber sie ermöglichten auch die Untersuchung von Langzeiteffekten, die ursprünglich nicht geplant waren.

Herausforderungen im Langzeitbetrieb

Die sechsmonatige Messphase offenbarte die Grenzen des Toolkit-Designs für Langzeiteinsätze:

Technische Probleme:

Die winterlichen Temperaturen reduzierten die Batterielaufzeit auf 4–5 Tage
Starke Korrosionsschäden an Sensoren und Powerbanks nach längerer Witterungsexposition
Sensordrift erforderte mehrfache Neukalibrierungen (November, Januar)
Mehrere Sensorausfälle machten Backup-Module erforderlich

Organisatorische Herausforderungen:

Sinkende Motivation der Teilnehmenden durch wiederholte Verschiebungen
Wartungslücken durch widrige Wetterverhältnisse und urlaubsbedingte Abwesenheiten
Erhöhter Koordinationsaufwand für das Projektteam

Anpassungen:

Bereitstellung von 10 Backup-Sensormodulen
Entwicklung eines mobilen Kalibriergestells für Zwischenkalibrierungen durch die Teilnehmenden
Zusätzliche Reinigungsaktion im Januar wegen Feuchtigkeitsschäden

Umfang der Datenerhebung

Trotz aller Herausforderungen war die Datenbasis am Ende beeindruckend:

Dauer: 222 Tage (Oktober 2024 – Mai 2025)
Sensoren: 30 Sensoren an 20 Standorten (teilweise redundant)
Messungen: 1,5 Millionen Einzelmessungen
Parameter: PM2.5, PM10, NO₂, Lautstärke, Temperatur, Luftfeuchtigkeit

Auswertung

Workshop Datenwerkstatt

Am 10. April 2025 fand der abschließende Auswertungsworkshop statt – obwohl die Straße zu diesem Zeitpunkt noch immer gesperrt war und die finale Vorher-Nachher-Auswertung nicht möglich war.

Als externer Experte wurde Dr. Seán Schmitz vom RIFS (Research Institute for Sustainability) eingeladen. Er beantwortete fachliche Fragen und half bei der Interpretation der Ergebnisse.

Ergebnisse: Feinstaub

Die Feinstaubmessungen (PM2.5) zeigten sehr gute Übereinstimmung mit den offiziellen Referenzmessstationen. Die SensEm-Sensoren erfassten dieselben zeitlichen Muster – ein Beleg für die Zuverlässigkeit der Kalibrierung.

Allerdings zeigte die Korrelationsanalyse: Die Feinstaubwerte korrelierten stark mit Windgeschwindigkeit und -richtung, aber nicht mit dem Abstand zur Frankfurter Allee oder anderen räumlichen Mustern. Ausgeprägte Peaks von Januar bis März waren auch an den offiziellen Messstationen außerhalb des Stadtgebiets sichtbar – Dr. Schmitz erklärte diese als überregionale Phänomene durch Ferntransporte und Inversionswetterlagen.

Zentrale Erkenntnis: Feinstaub (PM2.5) ist kein geeigneter Indikator für lokale Verkehrsaktivität. Die starken zeitlichen und großräumigen Schwankungen überlagern lokale Effekte vollständig.

Ergebnisse: Lärm

Die Lärmmessungen zeigten ein anderes Bild. Es gab eine signifikante Korrelation mit dem Abstand zur Frankfurter Allee und der allgemeinen Verkehrsaktivität. Leichte Korrelationen mit Regen und Straßenbelag als modulierende Variablen wurden ebenfalls identifiziert.

Die subjektiven Eindrücke der Anwohner während der Sperrung – „Es ist viel ruhiger geworden" – wurden durch die Messdaten bestätigt.

Ergebnisse: NO₂

Die meisten NO₂-Sensoren erwiesen sich wie erwartet als unbrauchbar. Drei Sensoren zeigten jedoch eine relative Übereinstimmung mit dem zeitlichen Verlauf der Referenzwerte – wenngleich nicht absolut vergleichbar. Diese bildeten die Grundlage für eine spätere finale Auswertung.

Die BACI-Analysemethode

Für die finale Auswertung nach Ende der Vergleichsmessungen wurde das Toolkit um eine neue Analysemethode ergänzt, die speziell auf BACI-Experimente zugeschnitten ist.

Merkmale der Methode:

Regressionsbasierte Analyse, die auch mit nicht absolut vergleichbaren Sensoren funktioniert
Einbindung von Kontrollvariablen (Wetter, Tageszeit, Wochentag)
Berechnung von Qualitätsmetriken: R² (Modellgüte), Cohen’s d (Effektstärke), Signifikanz
Visualisierung des Interventionseffekts in einer Form, die auch ohne Statistikkenntnisse interpretierbar ist

Die Anwendung der Methode bestätigte die früheren Erkenntnisse: Die Feinstaubmessungen zeigten keine Korrelation zu den Experimentparametern. Die Hypothese, dass die Sperrung die Feinstaubbelastung reduziert, konnte nicht gestützt werden.

Methodischer Erfolg trotz inhaltlicher Grenzen

Auch wenn die Messergebnisse die ursprünglichen Hypothesen nicht bestätigten, war die Fallstudie methodisch erfolgreich: Das BACI-Design funktionierte, die Analysemethode lieferte interpretierbare Ergebnisse, und die Visualisierung machte die Befunde auch für Laien nachvollziehbar. Die Erkenntnis, dass PM2.5 kein geeigneter Indikator für lokalen Verkehr ist, ist selbst ein wertvolles Ergebnis – sie verhindert, dass künftige Projekte auf dieser Annahme aufbauen.

Erkenntnisse für das Projekt

Technische Erkenntnisse

Beobachtung	Konsequenz
Starke Korrosion nach Langzeitexposition	Gehäusedesign für Langzeiteinsatz überarbeiten
Batterielaufzeit bei Kälte nur 4–5 Tage	Energiemanagement für Winterbetrieb optimieren
Sensordrift über Monate	Regelmäßige Zwischenkalibrierungen einplanen
Mehrere Sensorausfälle	Redundante Sensoren und Backup-Module vorsehen

Methodische Erkenntnisse

PM2.5 ist kein Verkehrsindikator: Die Feinstaubkonzentrationen werden von überregionalen und meteorologischen Faktoren dominiert. Für die Messung lokaler Verkehrseffekte wären PM10 oder NO₂ geeigneter – aber zuverlässige Low-Cost-Sensoren für diese Parameter fehlen derzeit.
Lärm funktioniert: Die Lärmmessungen zeigten klare räumliche Muster und korrelierten mit der Verkehrsaktivität. Sie könnten einen Beitrag zu den strategischen Lärmkarten nach EU-Recht leisten.
BACI-Design bewährt sich: Das erweiterte Experimentdesign mit vier Standortkategorien ermöglichte differenzierte Analysen. Der KI-Assistent half, dieses komplexe Design zu entwickeln.

Partizipative Erkenntnisse

Langzeitmotivation: Die wiederholten Verschiebungen und die Dauer der Kampagne führten zu sinkender Motivation. Erwartungsmanagement und regelmäßige Kommunikation über den Projektfortschritt wurden wichtiger denn je.
Rollenkarten funktionieren: Die klare Aufgabenverteilung durch die Rollenkarten half, die Wartung über sechs Monate zu organisieren. Dennoch war die Arbeitslast nicht gleichmäßig verteilt.
Commitment über Projektende hinaus: Die Teilnehmenden stimmten zu, die Messungen und die finale Auswertung auch nach Projektende weiterzuführen – ein Zeichen für das entstandene Engagement trotz aller Frustrationen.

Bedeutung für SensEm

Die Fallstudie Proskauer Straße war die anspruchsvollste und lehrreichste des Projekts. Sie demonstrierte:

Was funktioniert:

Der KI-Forschungsassistent unterstützt effektiv bei der Entwicklung von Experimentdesigns
Das BACI-Design ist für Citizen-Sensing-Projekte geeignet
Die Analysemethode liefert auch mit Low-Cost-Sensoren interpretierbare Ergebnisse
Lärmmessungen erfassen lokale Verkehrseffekte zuverlässig

Was an Grenzen stößt:

PM2.5-Sensoren sind für lokale Verkehrseffekte ungeeignet
Langzeitkampagnen stellen hohe Anforderungen an Technik und Teilnehmermotivation
Die Hardware war für sechsmonatige Outdoor-Exposition nicht ausgelegt

Was offen bleibt:

Die finale Vorher-Nachher-Auswertung nach Wiedereröffnung der Straße
Die Übertragbarkeit der Methoden auf andere Messparameter (z.B. Verkehrszählungen)

Die Ergebnisse – auch die negativen – sind wertvoll. Sie zeigen, was Citizen Sensing leisten kann und wo die Grenzen liegen. Die entwickelten Methoden und Werkzeuge sind auf künftige Projekte übertragbar.

Fortsetzung nach Projektende

Die Messungen wurden am 5. Mai 2025 beendet, aber die Zusammenarbeit geht weiter. Gruppe und Projektteam haben vereinbart, nach der Wiedereröffnung der Straße (voraussichtlich Sommer 2025) die finale BACI-Auswertung durchzuführen und die Ergebnisse an relevante Stakeholder zu kommunizieren – unabhängig vom offiziellen Projektende.