Foto von Prof. Dr. Helena Mihaljević und Christian Jamal LarsenChristian Jamal Larsen ©️ Archiv Technologiestiftung & Prof. Dr. Helena Mihaljević ©️ HTW Berlin/Alexander Rentsch

Prof. Dr. Helena Mihaljević und Christian Jamal Larsen

Die Hochschule für Technik und Wirtschaft (HTW) und die Technologiestiftung Berlin (TSB) haben die auf Open Source basierende „OpenDataCam“ erfolgreich für den Einsatz bei Verkehrszählungen getestet. Sie arbeitet mit Algorithmen des Maschinellen Lernens und ermöglicht es, in Echtzeit akkurate Verkehrszählungen durchzuführen, ohne Bildaufnahmen zu speichern. Das Projekt wurde vom Bundesministerium für Verkehr und digitale Infrastruktur im Rahmen der Innovationsinitiative „mFUND“ mit rund 118.000 Euro gefördert.

Wir haben in einem Doppelinterview mit Prof. Dr. Helena Mihaljević, Professorin für Data Science and Analytics und Leiterin des Projekts an der HTW Berlin, sowie mit Christian Jamal Larsen gesprochen, der das Projekt als wissenschaftlicher Mitarbeiter im „Ideation & Prototyping Lab“ der TSB begleitet hat.

Kommunale Verkehrszählungen sind wichtig für die Stadt- und Verkehrsplanung. Inwiefern wird dies mit dem von Ihnen in Berlin getesteten Open-Traffic-Count-Ansatz erleichtert?

Christian Jamal Larsen: Die kommunale Verkehrszählung wird oft noch händisch durchgeführt. Jede*r kennt das Bild von Rentner*innen und jungen Student*innen, die am Straßenrand in gelben Westen sitzen und Autos zählen. Ohne genauer auf dieses Verfahren einzugehen, lässt sich doch feststellen, dass es oft teuer und organisatorisch aufwändig ist. Und dass es nur schwer zu validierende Momentaufnahmen ermöglicht. Zusätzlich werden dabei häufig nur automobile Verkehrsteilnehmer*innen gezählt.

Neben dieser Methode gibt es auch mobile und stationäre Zählsysteme, die oft auf einzelne Verkehrsklassen zugeschnitten sind. Hier gibt es auch Verfahren, die auf Videomaterial basieren. Es ist jedoch schwierig, diese im urbanen Bereich einzusetzen, da die meisten aufgrund ihrer Funktionsweise als nicht privatsphärekonform einzustufen sind. Das von uns getestete „ODC“-System hingegen kann einer Klasse von Systemen zugeordnet werden, die mit Hilfe des maschinellen Sehens eine privatsphärekonforme Verkehrszählung ermöglicht.

Mit dem von uns getesteten System ist es möglich, mit einem handlichen und mobilen System aus vielen unterschiedlichen Perspektiven komplexe Verkehrsströme, zum Beispiel Kreisverkehre, zu erfassen. Obwohl das System in unseren Perfomanztests bei Pkw deutlich besser abschneidet als beispielsweise bei Fußgänger*innen, so lassen sich doch Näherungswerte für Fuß-, Rad-, Rollerverkehr etc. erfassen. Die einfach zu verstehende Benutzer*innen-Oberfläche ermöglicht es, das System an unterschiedlichen Standorten flexibel zu verwenden. Die Resonanz aus anderen Projekten sowie von Verwaltungen in ganz Deutschland zeigt, dass der Bedarf für so ein System hoch ist.

Für Ihr Projekt haben Sie die bereits Open Source verfügbare „OpenDataCam“ eingesetzt. Wie funktioniert das? Und wie liefen die Experimente/Szenarien Ihrer KI-basierten Verkehrszählung ab?

Helena Mihaljević: Das Open-Source-Projekt „OpenDataCam (ODC)“ ermöglicht es, prototypische mobile Systeme zu erstellen, die verschiedene Arten von Objekten wie Pkw, Busse, Fahrräder und Fußgänger*innen erkennen und zählen können. Die „ODC“-Software verarbeitet ein eingehendes Video in zwei Schritten: Pro Videobild werden Objekte erkannt und mit Hilfe eines sogenannten Deep-Learning-Modells klassifiziert. Die erkannten Objekte werden dann mit Hilfe eines sogenannten Tracking-Verfahrens über die Bilder hinweg verfolgt. Das Ergebnis ist der Pfad bzw. die Trajektorie jedes Objekts zusammen mit seiner Objektkategorie, zum Beispiel Pkw. Die Pfade ermöglichen es nun insbesondere, Objekte in den jeweiligen Kategorien zu zählen. „ODC“ verarbeitet ein Video quasi in Echtzeit, ohne Video- oder Bilddaten zu speichern, wodurch der erwähnte hohe Schutz der Privatsphäre gewährleistet werden kann.

Für reale Anwendungsfälle ist es allerdings von zentraler Bedeutung zu wissen, wie gut die verschiedenen Verkehrsmittel vom System erfasst und klassifiziert werden. Darüber hinaus ist die Abhängigkeit von Wetter- und Lichtverhältnissen entscheidend, um die Robustheit für einen 24/7-Einsatz zu beurteilen.

Neben einer zuverlässigen Bewertung der Leistung war es im Projekt unser Ziel, Empfehlungen für eine möglichst effiziente Nutzung des Systems zu entwickeln. Zu diesem Zweck haben wir vier Experimente an zwei Standorten durchgeführt, die von Autos, Fahrrädern, Bussen und anderen Verkehrsmitteln stark frequentiert werden: eines im zweiten Stock des Robert-Koch-Forums in Berlin-Mitte, dem Sitz des Einstein Center Digital Future, mit Blick auf eine Kreuzung aus der Vogelperspektive, und eines im Erdgeschoss des CityLab-Gebäudes mit seitlichem Blick auf eine mehrspurige Straße und Kreuzung.

Die Experimente dauerten jeweils ein bis zwei Wochen. Dabei wurde alle 30 Minuten ein kurzes Video aufgezeichnet und anschließend manuell von mindestens einer Person ausgewertet. In den Experimenten haben wir verschiedene technische Konfigurationen erprobt und die Ergebnisse anschließend statistisch ausgewertet. Detaillierte Ergebnisse finden sich in unserem Open-Access-Fachartikel.

Ein Problem bei Smart-City-Technologien im öffentlichen Raum ist insbesondere die Erhebung von Bewegungsdaten, da sie die Privatsphäre des Einzelnen betreffen. Wie sind Sie damit umgegangen?

Christian Jamal Larsen: Obwohl „ODC“-Prototypen keine Bilddaten speichern, war es dennoch notwendig, organisatorische Maßnahmen zu ergreifen, um eine datenschutzkonforme Verkehrszählung zu ermöglichen. Dafür haben wir eng mit den Berliner Datenschutzbehörden zusammengearbeitet.

Wir haben das Experiment-Design vorab mit einem Fachanwalt und mit der Berliner Datenschutzbeauftragten abgestimmt. Unter anderem war es notwendig, Personen im öffentlichen Raum über das Projekt zu informieren, den physischen Zugang zu den Geräten zu sichern und den Zugang zu den erhobenen Daten zu beschränken. Diese technischen und organisatorischen Maßnahmen wurden als Teil des Experimenten-Designs von Anfang an mitgedacht.

Ihr Projekt war durch einen Stakeholder-Prozess begleitet, um alle Beteiligten für Probleme und Lösungsansätze kamerabasierter Datenerhebungen zu sensibilisieren. Wer war dabei und wie lief das ab?

Christian Jamal Larsen: Das Projekt wurde von einer Reihe von Workshops begleitet. Diese liefen teilweise in Person und teilweise digital ab. Vor allem war es uns wichtig, in der Anfangsphase Anforderungen und Anwendungsfälle zu identifizieren und mögliche Kooperationen mit Partner*innen auszuloten. Neben der Verwaltung und öffentlichen Trägern saßen auch eine Initiative, Studierende und interessierte Bürger*innen mit am Tisch.

Die Beteiligung ist mit dem Ende des Projektes nicht abgeschlossen. Die angeschafften Geräte werden von der TSB verliehen und können im Rahmen von eigenen Projekten genutzt werden. Wir helfen den Interessierten, Möglichkeiten und Limitationen der Systeme zu verstehen, diese zu konfigurieren und, falls notwendig, die Ergebnisse zu interpretieren.

Momentan sind zwei der Systeme für die Initiative „Sichere Wege Tempelhof“ und die Kampagne „Kiezblocks“ im Einsatz.

Sie haben nicht nur mit Open-Source-Software gearbeitet, sondern auch sonst transparent gemacht, welche Daten Sie aus dem öffentlichen Raum wie genutzt haben. Wie war die Resonanz auf die Ergebnisse Ihres Projekts?

Christian Jamal Larsen: Die vorliegenden Ergebnisse und das veröffentlichte Paper wurden mit Interesse aufgenommen. Insbesondere aus den Verwaltungen kommen reges Interesse und Nachfragen zur Einsatzmöglichkeit.

Es zeigt sich auch, dass viele weitere Akteur*innen großes Interesse an dem System haben. Wir erhalten wöchentlich Anfragen anderer Förderprojekte, die „ODC“ in ihren eigenen Forschungsprojekten nutzen möchten. Von Studierenden, die ihre konzeptionellen Vorschläge mit Zahlen untermauern möchten. Von Unternehmen, die insbesondere am Ansatz der privatsphärekonformen Verkehrszählung interessiert sind, beispielsweise im Rahmen von Parkraumbewirtschaftungslösungen. Und auch von Initiativen, die ihre Forderungen gegenüber der Politik mit Zahlen zur tatsächlichen Verkehrsbelastung untermauern möchten.

Die tiefergehende Analyse und Verschneidung mit anderen Daten, zum Beispiel Wetterdaten oder räumlichen Daten, spielt noch keine Rolle in den Anfragen, die wir erhalten haben. Wir freuen uns aber natürlich auf neue Anwendungsbeispiele und interessante Erkenntnisse, die mit dem System erarbeitet werden.

Zum Schluss ein Blick in die Zukunft: Was wünschen Sie sich im Hinblick auf datenschutzfreundlichere Smart-City-Entwicklungsprozesse?

Christian Jamal Larsen: Aufgrund der Komplexitäten einer nachhaltigen Änderung im System Verkehr wird evidenzbasierte Planung und die breite Beteiligung der unterschiedlichen Perspektiven immer wichtiger, um effektive und legitime Lösungen in der Stadt- und Verkehrsplanung anbieten zu können. Planerische Intuition, althergebrachte Praxis und losgelöste Teillösungen werden dieser Komplexität nicht gerecht.

Datengetriebene Erkenntnisse und Innovationen können einen entscheidenden Beitrag leisten, integrierte Lösungen zu realisieren. Das geht nur mit Beteiligung und Transparenz. Und wenn Bürger*innen die Risiken der Nutzung personenbezogener Bewegungsdaten einschätzen können und ihre eigene Perspektive praxisbezogen einbringen können, beispielsweise durch eigene Verkehrszählung und Auswertung von Daten. Es gilt also, das Gefälle von Expert*innen und Laien zu minimieren.

Damit Bürger*innen diese technischen Neuerungen verstehen, akzeptieren und mündig nutzen können, ist es unter anderem notwendig, die Persönlichkeitsrechte vollumfänglich in den Design-Prozess technischer Lösungen zu integrieren.

Daher wünsche ich mir ganz persönlich Open-Source-Systeme und die Förderung der konzeptionellen und praktischen Fähigkeiten der Bürger*innen am praktischen Beispiel. Also eine neue Praxis der Beteiligung. Eine, die auf die langfristige Entwicklung von Kompetenzen abzielt und diese bei den Bürger*innen, der Verwaltung und den politischen Entscheidungsträger*innen verankert.

Helena Mihaljević: Dem kann ich mich nur anschließen. Bürger*innen sollten einfachere Zugänge zu algorithmischen datenbasierten Systemen haben. Gesamtgesellschaftlich ist es zusätzlich notwendig, die Bildung in Bezug auf entsprechende Technologien zu fördern. Technologien, die quelloffen und somit überprüfbar sind, sollten stärker öffentlich gefördert werden, um die Entwicklung entsprechender Lösungen partizipativ und demokratisch gestalten zu können.

Vielen Dank für Ihre Zeit!