Ergebnisse
Die drei Fallstudien lieferten Ergebnisse auf zwei Ebenen: inhaltliche Befunde zu Luft und Lärm – und methodische Erkenntnisse darüber, wie Citizen Science im Quartier gelingt. Dieses Kapitel bündelt sie.
Sensorik #
PM2.5 ist kein geeigneter Verkehrsindikator #
Die Feinstaubkonzentration (PM2.5) erwies sich als wenig geeignet, um lokale Verkehrseffekte nachzuweisen. Die Messwerte werden stark von großräumigen Wetterlagen, Ferntransport und anderen Quellen beeinflusst. Selbst bei deutlichen Verkehrsreduktionen – wie beim Superblock-Wochenende in Wiesbaden – waren die Effekte im Feinstaub kaum messbar.
Lärm funktioniert besser #
Schallpegelmessungen reagieren unmittelbar auf lokale Verkehrsänderungen. In allen drei Fallstudien zeigten sich deutliche Unterschiede zwischen verkehrsbelasteten und verkehrsberuhigten Situationen. Lärm eignet sich damit gut als Proxy für lokale Verkehrsbelastung.
NO₂-Sensoren derzeit unzureichend #
Die getesteten Low-Cost-Sensoren für Stickstoffdioxid lieferten keine zuverlässigen Ergebnisse. Querempfindlichkeiten, Drift und aufwendige Kalibrierungsanforderungen machen sie für den Citizen-Science-Einsatz derzeit ungeeignet.
Kalibrierung ist entscheidend #
Die Genauigkeit von Low-Cost-Sensoren hängt stark von individueller Kalibrierung ab. Die entwickelte Methode mit Co-Location an Referenzstationen ermöglicht brauchbare Ergebnisse, erfordert aber erheblichen Aufwand. → Messen, kalibrieren, vertrauen
Toolkit #
KI-Assistent bewährt sich #
Der KI-Forschungsassistent unterstützte in der dritten Fallstudie erfolgreich das Experimentdesign. Er half bei der Strukturierung von Forschungsfragen, schlug das BACI-Design vor und begleitete die Hypothesenentwicklung. Die Akzeptanz bei den Teilnehmenden war hoch.
BACI-Methode funktioniert #
Das Before-After-Control-Impact-Design ermöglichte in der Proskauer-Fallstudie eine robuste statistische Auswertung. Die Methode ist anspruchsvoll, aber mit entsprechender Unterstützung auch für Laien umsetzbar.
Space-Time-Concept Map als zentrales Werkzeug #
Die Verbindung von räumlichen, zeitlichen und konzeptuellen Informationen in einer einheitlichen Oberfläche erwies sich als besonders wertvoll. Sie unterstützt Planung, Dokumentation und Analyse gleichermaßen.
Präsenz-Workshops unverzichtbar #
Digitale Werkzeuge können persönliche Treffen nicht ersetzen. Die Kick-off- und Co-Design-Workshops waren entscheidend für Gruppendynamik, gemeinsames Verständnis und Motivation. Hybride Formate funktionierten nur eingeschränkt.
Beteiligung #
Die Motivation der Teilnehmenden war überwiegend politisch-aktivistisch – konkrete lokale Anliegen wie Verkehrsberuhigung, Spielstraßen, Lärmminderung. Wissenschaftliche Neugier spielte eine untergeordnete Rolle. Das ist Stärke und Risiko zugleich: Wenn ein bestimmtes Ergebnis erwartet wird, kann das die wissenschaftliche Offenheit beeinträchtigen – enttäuschende Ergebnisse (etwa keine nachweisbare Feinstaubreduktion) dämpften die Motivation spürbar. Deshalb ist Erwartungsmanagement von Anfang an zentral.
Die Rollenkarten mit unterschiedlichen Beteiligungsgraden ermöglichten flexible Partizipation ohne Überforderung. Feldarbeit (Sensoren aufstellen, dokumentieren) wurde durchweg geschätzt, abstraktere Konzeptarbeit (Hypothesen, Variablen) erforderte mehr Anleitung. Langzeitprojekte wie die sechsmonatige Proskauer-Kampagne sind besonders herausfordernd – regelmäßige Treffen, sichtbare Zwischenergebnisse und klare Meilensteine sind nötig, um Engagement zu halten. Ausführlich: Citizen Science & Beteiligung .
Fazit #
Partizipative Umweltforschung funktioniert – unter bestimmten Bedingungen. Sie erfordert realistische Erwartungen, geeignete Messparameter, intensive Begleitung und die Akzeptanz, dass wissenschaftliche Ergebnisse nicht immer die gewünschten politischen Argumente liefern. Das SensEm-Toolkit bietet dafür eine solide Grundlage. Die größte Herausforderung bleibt die Balance zwischen wissenschaftlicher Strenge und partizipativer Offenheit.
Grenzen #
- Keine behördlich anerkannten Messdaten
- Funktionierender Prototyp, kein schlüsselfertiges Produkt
- Wissenschaftliche Begleitung bleibt nötig
Das Toolkit ist ein funktionsfähiger Demonstrator; die einzelnen Softwaretools (Plattform, Analyse, KI-Assistent) sind noch nicht in eine einheitliche Oberfläche integriert. Im Praxiseinsatz identifizierte Grenzen:
- Die Benutzerführung für Laien erfordert weitere Vereinfachung.
- Die Integration der digitalen Werkzeuge in die Feldarbeit bleibt herausfordernd.
- Ohne fachliche Begleitung können Teilnehmende Messergebnisse oft nicht eigenständig interpretieren.
- Datenvisualisierungen wurden teilweise als abstrakt empfunden; es fehlten Referenzwerte und Orientierungshilfen.
Ausblick #
Das Forschungsprojekt ist abgeschlossen, aber die Methoden und Werkzeuge haben Potenzial über den ursprünglichen Anwendungsfall hinaus.
Bessere Ausgangsbedingungen für Folgeprojekte: reale geplante Interventionen (nicht nur erhoffte), existierende Initiativen als Partner mit etablierten Strukturen, klare Fragestellungen von Anfang an und definierte Zeiträume für Vorher-Nachher-Vergleiche. Aus SensEm entstand zudem die Arbeitsgruppe „Citizen-Science Erhebungskonzepte", die methodische Standards für partizipative Umweltforschung entwickelt.
Übertragbarkeit der Werkzeuge: Das Space-Time-Concept-Mapping lässt sich über Citizen Science hinaus nutzen – etwa in der Radverkehrsplanung (Rad+ Visio), um Nutzungsdaten mit Infrastruktur und zeitlichen Mustern zu verknüpfen. Auch die Architektur des KI-Assistenten ist auf andere strukturierte, mehrstufige Prozesse übertragbar (u. a. KI-Brand-Engine).
Offene Fragen: Skalierbarkeit auf größere Gruppen und parallele Projekte; Selbstständigkeit ohne wissenschaftliche Begleitung; Formate zur Langzeitmotivation; künftige Zuverlässigkeit von Low-Cost-NO₂-Sensoren.