Räumliche Bewertung und Entscheidung
Eignung, Kriterien, Gewichtung, Zielkonflikte und Kostenoberflächen
Leitfrage der Sitzung
Räumliche Entscheidungsfindung beginnt dort, wo mehrere räumliche Kriterien nicht nur analysiert, sondern bewertet, gewichtet und miteinander kombiniert werden.
Die Karte ist dabei kein neutrales Ergebnis. Sie ist die räumliche Form einer begründeten Bewertungslogik.
Lernziele
Nach der Sitzung sollten Sie erklären können,
- warum Eignungs- und Kostenkarten Entscheidungsmodelle sind,
- wie räumliche Kriterien operationalisiert und standardisiert werden,
- wie boolesche und gewichtete Verschneidungen funktionieren,
- warum Gewichte fachliche Annahmen sichtbar machen,
- wie aus einer Eignungskarte Zielkonflikte und Kostenfragen entstehen,
- welche Aussagegrenzen solche Karten besitzen.
Warum räumliche Entscheidung?
Viele Planungsfragen sind räumlich und konfliktgeladen:
Wo ist eine Fläche geeignet, ohne andere Ziele stark zu verletzen?
Ein GIS kann solche Entscheidungen nicht ersetzen. Es kann aber Kriterien, Annahmen und Zielkonflikte räumlich sichtbar machen.
Entscheidend ist nicht nur, welche Karte entsteht, sondern welche Annahmen in der Karte stecken.
Von Analyse zu Bewertung
In Unit04 ging es vor allem um Ableitungen:
Eignungsanalyse
Eine Eignungsanalyse sucht Räume, die eine Kombination bestimmter Eigenschaften erfüllen.
Waldnähe + Siedlungsferne + geringe Versiegelung + geeignete Reliefbedingungen → potenzielle Eignung
Eine Eignungskarte zeigt nicht „die Wahrheit“, sondern das Ergebnis einer räumlichen Bewertungsregel.
Eignung und Vulnerabilität
Eignung
Hohe Werte bedeuten meist:
hier passt die Fläche gut zum Ziel.
Beispiel: potenziell geeigneter Standort, Habitat, Nutzung, Korridor.
Vulnerabilität / Gefahr
Hohe Werte bedeuten meist:
hier ist die Fläche stärker betroffen oder gefährdet.
Beispiel: Lawinengefahr, Überflutungsrisiko, Erosionsanfälligkeit.
Die Richtung der Skala muss vor der Kombination eindeutig sein.
Wildkatzen im Marburger Uniwald
Die Beobachtungen begründen das Beispiel. Die folgende Eignungsanalyse ist trotzdem keine Nachweiskarte und kein validiertes Habitatmodell.
Ausgangsfrage Wildkatze
Die fachliche Frage lautet nicht:
Wo wurde eine Wildkatze fotografiert?
sondern:
Wo könnten innerhalb des Untersuchungsraums Flächen liegen, die nach ausgewählten Kriterien eher geeignet oder eher ungeeignet sind?
Aus Beobachtung wird Modellfrage. Aus Modellfrage wird Kriterienlogik.
Kriterienmodell
Für das Beispiel werden Kriterien als Proxys genutzt:
Günstig
Walddichte / Deckung
Siedlungsferne
geeignete Reliefbedingungen
Ausschluss oder Abwertung
versiegelte Flächen
stark bebaute Bereiche
störungsnahe Bereiche
Die Kriterien sind bewusst vereinfacht. Sie zeigen die GIS-Logik, nicht die vollständige Autoökologie der Wildkatze.
Von Kriterium zu Rasterwert
Eine Multikriterienanalyse braucht gemeinsame Skalen.
Rohdaten → räumlicher Parameter → Reklassifikation → standardisierter Kriterienwert
Beispiel:
Erst dadurch können unterschiedliche Kriterien miteinander verrechnet werden.
Boolesche Verschneidung
Bei boolescher Verschneidung gilt oft: Ein Ausschlusskriterium reicht, um eine Fläche aus dem Ergebnis zu entfernen.
Boolesche Logik
Wenn zwei Kriterien nur 0 oder 1 annehmen, kann Eignung als harte Bedingung formuliert werden:
\[ E = K_1 \times K_2 \]
Nur wenn beide Kriterien erfüllt sind, bleibt die Fläche geeignet.
Vorteil: klar und transparent. Nachteil: hart, unempfindlich gegenüber Abstufungen.
Ranglisten statt Ausschluss
Statt harte Ausschlüsse zu erzeugen, können Kriterienwerte addiert werden:
\[ R = K_1 + K_2 \]
Das Ergebnis ist keine Ja/Nein-Karte mehr, sondern eine einfache Rangfolge.
Damit beginnt der Übergang zur gewichteten Eignungsschätzung.
Von boolesch zu gewichtet
Viele räumliche Entscheidungen sind nicht hart binär.
Eine Fläche kann gering, mittel oder hoch geeignet sein. Dann werden Kriterien standardisiert und gewichtet kombiniert.
\[ E = \sum_i w_i \cdot K_i \]
mit
\[ \sum_i w_i = 1 \]
Gewichtete Kriterienaddition
Gewichtung macht eine fachliche Entscheidung sichtbar: Nicht jedes Kriterium zählt gleich stark.
Beispielgewichte
Für das Wildkatzenbeispiel könnte eine einfache Gewichtung lauten:
Die Gewichte ergeben zusammen 1 und können direkt im Rasterrechner verwendet werden.
Wichtig ist nicht, dass diese Gewichte „objektiv wahr“ sind. Wichtig ist, dass sie begründet und dokumentiert werden.
Rasterrechner als Modellformel
Der Ausdruck ist die technische Form der Bewertungslogik.
Einschränkungsmaske
Eine Maske entscheidet, welche Flächen überhaupt bewertbar bleiben.
Beispiele: versiegelte Flächen, Gebäude, Wasserflächen, rechtliche Ausschlussgebiete.
Eine Maske ist keine Gewichtung. Sie verändert den Möglichkeitsraum des Modells.
Interpretation der Eignungskarte
Eine Eignungskarte muss doppelt gelesen werden:
Was sie zeigt
räumliche Verteilung der modellierten Eignung
relative Unterschiede zwischen Flächen
Folgen der gewählten Kriterien und Gewichte
Was sie nicht zeigt
tatsächliche Wildkatzenpräsenz
validierte Habitatqualität
vollständige ökologische Realität
AHP: Gewichte systematischer herleiten
Der Analytic Hierarchy Process ersetzt keine fachliche Entscheidung.
Er macht sie strukturierter:
AHP hilft bei der Dokumentation von Gewichtungen, macht aber unsichere Kriterien nicht automatisch belastbar.
Paarvergleich
Beispielhafte Frage im AHP:
Ist Walddichte wichtiger als Siedlungsnähe?
Bewertungsskala:
Aus vielen Paarvergleichen entsteht eine Gewichtung.
Von MCE zu MOE
Eine Multi Criteria Evaluation bewertet mehrere Kriterien für ein Ziel.
Multi-Objective Evaluation
MOE macht sichtbar, wo Flächen eindeutig einem Ziel zugeordnet werden können und wo konkurrierende Eignungen auftreten.
Zielkonflikte als Ergebnis
Ein Konflikt ist kein Modellfehler.
hohe Eignung für Wildkatze + hohe Eignung für Erholung → planerischer Zielkonflikt
Gerade Konfliktflächen sind relevant, weil dort fachliche oder politische Abwägung notwendig wird.
Von Eignung zu Kosten
Eignung fragt:
Wo ist etwas geeignet?
Kostenanalyse fragt:
Wie aufwendig ist es, ein Ziel zu erreichen oder eine Verbindung herzustellen?
Beide arbeiten mit Rasteroberflächen, aber die Bedeutung der Werte ist umgekehrt.
Kostenanalyse auf Werteoberflächen
Hohe Werte bedeuten hier nicht „gut“, sondern hohen Aufwand, Widerstand oder geringe Durchlässigkeit.
Kostenoberfläche
Eine Kostenoberfläche kombiniert mehrere Kostentreiber:
\[ K = K_1 \cdot w_1 + K_2 \cdot w_2 + K_3 \cdot w_3 + \dots + K_n \cdot w_n \]
Beispiel:
\[ K = \text{Hangneigung} \cdot 0.4 + \text{Landnutzung} \cdot 0.4 + \text{Siedlungsnähe} \cdot 0.2 \]
Kumulative Kosten
Auf einer Kostenoberfläche zählt nicht die Luftlinie, sondern der aufsummierte Aufwand entlang eines Pfades.
\[ C_{\text{Pfad}} = \sum_i K_i \]
Der minimale Kostenpfad ist der Pfad mit der geringsten aufsummierten Kostenlast:
\[ C_{\text{min}} = \min \left( \sum_i K_i \right) \]
Wildkatze: Eignung und Verbindung
Für das Wildkatzenbeispiel verschiebt die Kostenanalyse die Frage:
Eine Fläche kann geeignet sein, aber durch Barrieren schlecht erreichbar oder stark isoliert.
Konzeptuelle Umsetzung in QGIS
Der Workflow bleibt eine Modellkette:
Typische Werkzeuge: Rasterisieren, Hangneigung, Rasterdistanz, Reklassifikation, Rasterrechner, r.cost, r.walk, Least-cost path.
Zentrale Unterscheidung
Eignung
hoher Wert = gut geeignet
Frage: Wo passt die Fläche zum Ziel?
Kosten
hoher Wert = hoher Widerstand
Frage: Wie aufwendig ist Bewegung oder Verbindung?
Vor jeder Kombination muss klar sein, welche Richtung die Werte haben.
Ergebnis und Aussagegrenze
Eignungs- und Kostenkarten sind Entscheidungsunterstützung.
Sie liefern keine automatische Entscheidung.
Sie zeigen:
als räumliches Ergebnis.
Eine gute Karte macht Annahmen sichtbar, statt sie zu verstecken.
Zusammenfassung
Unit05 verbindet vier Ebenen:
Arbeitsauftrag
Wählen Sie für ein kleines GIS-Projekt eine räumliche Entscheidungsfrage.
Formulieren Sie dazu:
Der wichtigste Satz der Dokumentation lautet: Warum führt genau diese Kriterienlogik zu genau dieser Karte?