Fallstudien

Über zwei Jahre wurde SensEm in drei Nachbarschaften erprobt. Jede Fallstudie war zugleich Anwendung und Entwicklungsraum – das Toolkit wuchs mit ihnen. Dieses Kapitel erzählt, was in jedem Quartier geschah.

Eine gemeinsame Frage #

Alle drei Fallstudien drehten sich um dieselbe Art Frage: Was bewirken Eingriffe in den Straßenverkehr – messbar, vor Ort? Zugleich verfolgte das Projekt zwei Ebenen: die konkrete Umweltforschung mit den Beteiligten und die Entwicklung des Toolkits selbst. Beide waren eng verzahnt – die Teilnehmenden waren nicht Abnehmer eines fertigen Systems, sondern Partner in dessen Entwicklung. Das Toolkit entstand nicht am Schreibtisch, sondern wuchs mit den Fallstudien.

So lief eine Messkampagne ab

Ein typischer Verlauf, wie ihn das Toolkit unterstützt:

Auftakt-Workshop. Auf Karte, Zeitstrahl und Problembaum tragen die Beteiligten ihr Wissen über das Viertel zusammen – aus Vermutungen werden Fragen: Senkt die Sperrung unserer Straße wirklich den Lärm?
Hypothese und Experiment. Aus der Frage wird eine prüfbare Hypothese und ein Messplan – Messorte in der betroffenen und in einer Vergleichsstraße, vorher und währenddessen –, bei Bedarf im Dialog mit dem KI-Assistenten.
Installation. Die kalibrierten Sensoren werden selbst montiert; der mobile Assistent hält Standort, Höhe und Ausrichtung fest.
Messen und beobachten. Über Wochen senden die Sensoren ihre Daten; parallel notieren die Teilnehmenden, was im Viertel passiert – Baustelle, Ferien, Straßenfest – und warten die Geräte.
Auswertung. Im Abschluss-Workshop legen alle Zeitreihen, Wetter- und Referenzdaten nebeneinander und halten fest, was die Daten zeigen – und was nicht.
Nutzung. Die Ergebnisse gehören den Beteiligten: als Grundlage für Gespräche mit der Verwaltung, als Argument in der Nachbarschaft oder als Ausgangspunkt für die nächste Frage.

Wiesbaden, Rheingauviertel (2023) #

Luftqualität während eines Superblock-Wochenendes – ein Sprung ins kalte Wasser.

Die erste Fallstudie entstand aus einer ungeplanten Gelegenheit: Eine Bürgerinitiative sperrte am 15./16. Juli 2023 mehrere Straßenblöcke für ein „Superblock-Wochenende". Die Chance, eine reale Verkehrsintervention wissenschaftlich zu begleiten, führte dazu, die Fallstudie um ein halbes Jahr vorzuziehen. Für die Vorbereitung blieben nur wenige Wochen – ein Kraftakt, denn das Toolkit existierte erst in Ansätzen und die digitale Plattform war noch nicht einsatzbereit.

Mangels digitaler Werkzeuge arbeitete der zusammengelegte Kick-Off/Co-Design-Workshop mit Paper-Tools – großformatigen Karten, Zeitstrahl und Problemanalysen. Elf Anwohner betreuten 15 Sensoren über 20 Messtage, die das Superblock-Wochenende und ein normales Vergleichswochenende abdeckten.

Ergebnisse: Der Feinstaub zeigte keine erkennbare Korrelation mit der Sperrung; die Lautstärke dagegen war in den gesperrten Straßen merklich geringer. Die NO₂-Daten waren wegen Sensorproblemen unbrauchbar. Die Hoffnung, mit den Daten Argumente für dauerhafte Verkehrsberuhigung zu gewinnen, erfüllte sich nicht – ein fehlendes Signal bedeutet aber nicht fehlende Wirkung, sondern dass sie mit diesem kurzen Setting nicht nachweisbar war.

Was es lehrte: Die Paper-Tools funktionierten so gut, dass sie fester Toolkit-Bestandteil blieben; aus ihnen entstand die Idee der Space-Time-Concept Map . Die technischen Probleme – unzuverlässige NO₂-Sensoren, fünf Tage Batterielaufzeit, lückenhafte Netzabdeckung, nicht wetterfeste Gehäuse – definierten die Entwicklungsagenda der folgenden Monate.

Berlin, Waldeyer Straße (2024) #

Orientierungsmessung im Samariterviertel und erste Erprobung des digitalen Toolkits.

Im Berliner Samariterviertel stand die Erprobung der weiterentwickelten Werkzeuge im Vordergrund: neue Gehäuse, eine komplett neu entwickelte Online-Plattform, erweiterte Analysewerkzeuge. Nach einem Kick-Off mit rund 20 Interessierten wurde das Gebiet auf die Waldeyer Straße eingegrenzt. 13 Sensor-Module erfassten über knapp drei Wochen rund 120.000 Messungen zu zwei Fragen: Einfluss des Abstands zur Frankfurter Allee und Einfluss der Messhöhe.

Ergebnisse: Eine leichte Abnahme der Feinstaubwerte mit zunehmendem Abstand zur Hauptstraße war erkennbar; die Höhen-Hypothese bestätigte sich nicht. Die Serienstreuung der Low-Cost-Sensoren überlagerte teils die tatsächlichen Unterschiede.

Was es lehrte: Die wichtigsten Erkenntnisse betrafen nicht die Technik, sondern die Zusammenarbeit – ungleiche Arbeitslast, der Wunsch nach mehr Struktur, die Wahrnehmung des Teams als „Dienstleister", die Vorliebe für Feldarbeit gegenüber Konzeptarbeit. Als direkte Reaktion entstanden die Rollenkarten für unterschiedliche Beteiligungsgrade.

Berlin, Proskauer Straße (2024–2025) #

Systematische Untersuchung einer Straßensperrung mit BACI-Design und KI-Unterstützung.

Ein Wasserrohrbruch sperrte die Proskauer Straße ab September 2024 – ein quasi-experimentelles Setting. Erstmals kam der KI-Forschungsassistent zum Einsatz und schlug ein erweitertes BACI-Design mit vier Standortkategorien vor (gesperrt, angrenzend, Umgehung, Kontrolle), mit je eigener Hypothese. Erstmals wurden auch die Rollenkarten genutzt.

Aus der geplanten Vierwochen-Kampagne wurde durch wiederholt verschobene Wiedereröffnung eine sechsmonatige Langzeitstudie: rund 30 Sensoren an 20 Standorten, 222 Messtage, etwa 1,5 Millionen Einzelmessungen. Der Langzeitbetrieb offenbarte Grenzen – Korrosion, bei Kälte nur 4–5 Tage Batterielaufzeit, Sensordrift mit mehrfacher Nachkalibrierung, sinkende Motivation.

Ergebnisse: Feinstaub (PM2.5) stimmte gut mit den Referenzstationen überein, korrelierte aber mit Wind und überregionalen Lagen, nicht mit dem lokalen Verkehr – PM2.5 ist kein geeigneter Verkehrsindikator. Lärm dagegen korrelierte klar mit der Verkehrsaktivität. Die Befunde im Detail: Ergebnisse .

Was es lehrte: Methodisch ein Erfolg – das BACI-Design funktionierte, die Analysemethode lieferte interpretierbare, laienverständliche Ergebnisse. Dass PM2.5 lokalen Verkehr nicht abbildet, ist selbst ein wertvolles Ergebnis. Die Teilnehmenden vereinbarten, die finale Vorher-Nachher-Auswertung nach Wiedereröffnung über das Projektende hinaus fortzuführen.

Entwicklung über die Fallstudien hinweg #

Der Forschungszyklus blieb über alle drei Studien konstant, seine Umsetzung veränderte sich erheblich: Die Sensorhardware durchlief mehrere Generationen, die Kalibrierung entwickelte sich von Ad-hoc-Messungen zu systematischen Zyklen, die Plattform wurde neu entwickelt und mobil optimiert, die Analyse wuchs von einfachen Zeitreihen bis zur BACI-Methode. Aus der ersten Fallstudie entstand die Space-Time-Concept Map, aus der zweiten die Rollenkarten, in der dritten kam der KI-Assistent hinzu.

Synthese #

Über die drei Fallstudien hinweg kristallisierten sich zentrale Erkenntnisse heraus – zu Prozess, Beteiligung und Interpretation. Sie sind, mit den inhaltlichen Befunden, unter Ergebnisse gebündelt; die Beteiligungs-Erkenntnisse vertieft Citizen Science & Beteiligung .