Luftverschmutzung und Lärm zählen zu den größten umweltbedingten Gesundheitsrisiken in Europa. Doch was heißt das vor der eigenen Haustür? Wie sauber ist die Luft auf dem Schulweg meiner Kinder? Wie laut ist es wirklich an der Hauptstraße vor meinem Fenster? Und ändert sich etwas, wenn eine Straße gesperrt oder verkehrsberuhigt wird? Mit den Daten der offiziellen Umweltüberwachung lassen sich solche Fragen kaum beantworten: Die festen Messstationen liefern zwar präzise Werte, stehen aber nur an wenigen Standorten – alltagsrelevante Orte wie Spielplätze, Schulwege oder Wohnstraßen bleiben unberücksichtigt. In ganz Berlin etwa gibt es nur 15 offizielle Messstationen, davon vier, die für Wohngebiete aussagekräftig sind.
Hier setzt Citizen Science an: Anwohnerinnen und Anwohner messen mit kostengünstigen Sensoren selbst — dort, wo es für sie relevant ist. Dabei müssen sie nicht bei der Rolle der Datensammler bleiben: Als Mitgestaltende entwickeln sie eigene Fragestellungen, planen Experimente und werten die Ergebnisse gemeinsam aus. SensEm hat dafür einen digitalen Werkzeugkasten entwickelt und in drei Fallstudien in Wiesbaden und Berlin erprobt: Er führt durch jede Phase dieses Prozesses und stellt alles Nötige dafür bereit — Sensor-Module, Workshop-Methoden, eine Online-Plattform und Analysewerkzeuge.
Forschen heißt mehr als messen #
Die meisten Citizen-Science-Projekte im Umweltbereich beschränken sich auf das Erfassen von Messwerten — bei SensEm gestalten die Beteiligten den gesamten Forschungsprozess. Damit gilt für sie, was für alle Forschung gilt: Wert und Gültigkeit der Ergebnisse hängen von der Einhaltung wissenschaftlicher Prinzipien ab — Objektivität, Validität, Nachvollziehbarkeit, zusammengefasst als „gute wissenschaftliche Praxis“.
In den Werkzeugkasten ist eingebaut, was gute Forschung ausmacht — vermittelt nicht als Handbuch, sondern eingebettet in die Arbeitsschritte:
- Überprüfbare Hypothesen statt vager Vermutungen
- Durchdachtes Experimentdesign mit Vergleichs- und Kontrollmessungen
- Kalibrierte Sensoren, abgeglichen mit offiziellen Referenzstationen
- Dokumentierter Kontext: Was geschah wann und wo, während gemessen wurde — vom Wetter bis zu den Beobachtungen der Teilnehmenden?
- Ehrliche Interpretation, die auch sagt, was die Daten nicht zeigen
Diese Standards sind kein Selbstzweck. Wer im eigenen Viertel misst, bringt selten eine methodische Ausbildung mit — aber meist ein Anliegen, und wünscht sich oft ein bestimmtes Ergebnis. Die wissenschaftliche Methode diszipliniert diese Voreingenommenheit: Sie macht Ergebnisse belastbar und nachvollziehbar. Erst dadurch werden sie auch für Dritte glaubwürdig — für die Verwaltung, die Politik, die Nachbarn mit anderer Meinung — und anschlussfähig an offizielle Entscheidungsprozesse.
[Bild] Die Kalibrierstation: ein Dutzend identischer Sensor-Module dicht nebeneinander auf einem Gestell, direkt neben dem Container einer offiziellen Messstation. Bildunterschrift: „Vor dem Einsatz wurden alle Sensoren Seite an Seite mit offiziellen Referenzstationen kalibriert.“
Der Werkzeugkasten #
Der Werkzeugkasten vereint methodisches Wissen, digitale Werkzeuge und Hardware. Er führt Schritt für Schritt durch eine eigene Messkampagne — von der ersten Frage über Hypothese, Experimentdesign und Messung bis zur Auswertung und Nutzung der Ergebnisse. Für jeden Schritt gibt es das passende Werkzeug, ob für Beobachtungen im Feld, das Festhalten von Kontext oder die Visualisierung der Messdaten. Und weil alles in einer Software zusammenläuft, bleiben Abläufe und Daten einheitlich, dokumentiert und vergleichbar.
Alle Komponenten wurden im Projekt selbst entwickelt und erprobt:
- Workshops und Materialien strukturieren die gemeinsame Arbeit: In Präsenzterminen werden Forschungsfragen entwickelt, Experimente geplant und Ergebnisse diskutiert — mit eigens gestalteten großformatigen Arbeitsmaterialien. → Mehr erfahren
- Der KI-Forschungsassistent führt im Dialog durch den Forschungsprozess: Er hilft, aus ersten Ideen Forschungsfragen und Hypothesen zu entwickeln, identifiziert relevante Variablen und schlägt Experimentdesigns vor — angepasst an den Kenntnisstand der Nutzenden. → Mehr erfahren
- Sensor-Module erfassen Feinstaub, Lärm, Temperatur und Luftfeuchtigkeit. Sie sind für den Einsatz durch Laien gebaut: robust, einfach zu installieren, über Funk (LoRaWAN) mit dem Daten-Backend verbunden. Eine Kalibrierstation sichert die Qualität der Messwerte durch den Abgleich mit offiziellen Referenzstationen. → Mehr erfahren
- Die Online-Plattform organisiert und dokumentiert die Messkampagne: Sie verwaltet Teilnehmende, Messorte und Beobachtungen — am Desktop wie mobil. Spezialisierte Assistenten unterstützen bei der Sensor-Installation und der Dokumentation im Feld. → Mehr erfahren
- Analyse- und Visualisierungswerkzeuge bereiten die Messdaten auf: als Zeitreihen, Karten, statistische Verteilungen und Korrelationsanalysen. Externe Quellen wie offizielle Messstationen und Wetterdaten lassen sich für vergleichende Analysen einbinden. → Mehr erfahren
Ein Element verbindet alle Phasen: die Space-Time-Concept Map. Sie verortet Wissen, Beobachtungen und Ereignisse in Raum und Zeit — auf der Stadtteilkarte, wo etwas geschieht, auf dem Zeitstrahl, wann, im Begriffsnetz, wie es vermutlich zusammenhängt — und schafft so den Kontext, in dem Messwerte lesbar werden.
[Bild] Eine geöffnete Hand hält das aufgeklappte Sensor-Modul, Platine und Sensoren sichtbar, im Hintergrund unscharf die Straße, die es vermessen soll. Bildunterschrift: „Das Sensor-Modul wurde im Projekt entwickelt — vom Schaltplan bis zum 3D-gedruckten Gehäuse, das in zehn Iterationen im Feldeinsatz reifte.“
[Bild] Workshopszene von schräg oben: viele Hände über einer großformatigen Stadtteilkarte, Klebezettel, Garn, Filzstifte; niemand schaut in die Kamera. Bildunterschrift: „In Workshops entwickeln die Beteiligten Fragen, Vermutungen und Messpläne — auf Papier, im Gespräch, im Quartier.“
Erprobt in drei Quartieren #
Das Toolkit entstand nicht am Reißbrett — es wuchs mit seinen Fallstudien. In drei Erprobungen mit lokalen Bürgerinitiativen wurde es eingesetzt, kritisiert und weiterentwickelt. Alle drei untersuchten dieselbe Art von Frage: Was bewirken Eingriffe in den Straßenverkehr — messbar, vor Ort?
Wiesbaden, Rheingauviertel: Ein Superblock-Wochenende mit temporären Straßensperrungen. Die kürzeste Kampagne — und die Probe aufs Exempel, ob sich ein so kurzes Ereignis überhaupt messbar niederschlägt.
Berlin, Samariterkiez (Waldeyer Straße): Eine mehrmonatige Messkampagne, die vor allem eines lehrte: Citizen Science scheitert seltener an der Technik als an unklaren Rollen und ungleich verteilter Arbeit.
Berlin, Proskauer Straße: Eine baustellenbedingte Straßensperrung wurde zur Langzeitstudie — rund 40 Sensoren, 222 Messtage, etwa 1,5 Millionen Einzelmessungen.
Die Ergebnisse fielen nicht immer so aus, wie die Beteiligten es erwartet oder erhofft hatten. Sie zeigten, wie komplex urbane Umweltwirkungen sind — und wie leicht plausible Vermutungen täuschen.
[Bild] Dieselbe Straßenkreuzung als Diptychon: links voller Berufsverkehr, rechts am Superblock-Wochenende — Kinder mit Kreide auf dem Asphalt, ein Sensor am Mast in beiden Bildern identisch. Bildunterschrift: „Dieselbe Straße, zwei Zustände: Temporäre Sperrungen sind natürliche Experimente — wenn man rechtzeitig misst.“
Was wir gelernt haben #
Nach drei Jahren und drei Fallstudien bleiben neben dem Kontext-Prinzip vor allem diese Erkenntnisse:
Das gemeinsame Kartieren war das erfolgreichste Element. Die Arbeit an Karte und Zeitstrahl verband alle Phasen — vom ersten Workshop bis zur Interpretation der Daten.
Beteiligung macht Daten interpretierbar. Lokales Wissen — wann die Müllabfuhr kommt, wo der Schleichverkehr fährt — lieferte den Schlüssel zu vielen Befunden. Und wer mitforscht, versteht und vertraut den Ergebnissen.
Präsenz lässt sich nicht ersetzen. Digitale Werkzeuge unterstützen die gemeinsame Arbeit, aber sie ersetzen keine Workshops. Die wichtigsten Wendepunkte aller Fallstudien fanden an Tischen statt, nicht an Bildschirmen.
Es hängt an Rollen und Kommunikation. Citizen Science gelingt oder scheitert mindestens so sehr an klarer Aufgabenverteilung und verlässlicher Kommunikation wie an der Technik.
Was SensEm nicht ist #
SensEm ist ein Forschungsprojekt, kein Produkt. Das Toolkit ist ein funktionsfähiger, in drei Fallstudien erprobter Prototyp — keine marktreife Software. Es ist keine universelle Citizen-Science-Plattform, sondern für einen konkreten Anwendungsfall gebaut: die partizipative Erforschung lokaler Luft- und Lärmbelastung. Es ersetzt keine wissenschaftliche Begleitung — in allen Fallstudien arbeitete ein interdisziplinäres Team eng mit den Beteiligten zusammen. Und es liefert keine behördlich anerkannten Messdaten: Die kostengünstigen Sensoren eignen sich für vergleichende Analysen und Orientierung, nicht als Grundlage rechtlicher Entscheidungen.
Wer hinter SensEm steht #
Scholz & Volkmer (Wiesbaden/Berlin) entwickelte Hardware, Software und Gestaltung des Toolkits — vom Sensor-Modul über die Online-Plattform bis zum KI-Assistenten — und koordinierte die Fallstudien. Die BTU Cottbus-Senftenberg verantwortete die sozialwissenschaftliche Begleitforschung: Beteiligungsprozesse, Methoden, Wirkung. Das Fraunhofer IZM brachte die Expertise in Sensorik und Umweltbewertung ein, insbesondere bei Evaluation und Kalibrierung der Messtechnik. Gefördert wurde das Projekt vom Bundesministerium für Bildung und Forschung (Förderkennzeichen 16SV9113).
Wie es weitergeht #
Der Ansatz lässt sich auf andere Fragen der Umwelt- und Stadtforschung übertragen; Werkzeuge und Methoden können künftige Citizen-Science- und Co-Creation-Prozesse unterstützen. Die Erkenntnisse, Methoden und technischen Details sind auf dieser Website dokumentiert — die Vertiefungen führen Schritt für Schritt in die Einzelheiten.
Wer an den Erfahrungen interessiert ist oder ein ähnliches Vorhaben plant, erreicht das Projektteam direkt. → Kontakt