VelObserver macht die Qualität von Velowegen aus Sicht der Bevölkerung sichtbar. Nutzerinnen und Nutzer bewerten einzelne Streckenabschnitte anhand von Fotos und ihren Erfahrungen. Die räumlich zusammengeführten Bewertungen zeigen, wo Verbesserungen des Velonetzes besonders benötigt werden. Adrian F. Meyer arbeitet mit der POSMO Genossenschaft als Data Scientist und Lead AI Development an der Entwicklung KI-gestützter Analyseverfahren für die Veloinfrastruktur. Das Projekt verbindet datenbasierte Auswertungen mit den Erfahrungen der Menschen, die das Velonetz im Alltag nutzen.
Einordnung und Bedeutung
Die bauliche Kategorie einer Veloverbindung verrät nicht automatisch, ob sie sich sicher und angenehm befahren lässt. Abgestellte Fahrzeuge, Mischverkehr oder unklare Führung können das Erleben stark beeinflussen. VelObserver ergänzt deshalb amtliche Infrastrukturinformationen um fotografisch dokumentierte Perspektiven und ortsbezogene Nutzererfahrungen.
Die KI-Entwicklung soll visuelle Merkmale strukturieren und Vergleiche erleichtern. Subjektive Bewertungen und automatisch abgeleitete Merkmale bleiben dabei unterscheidbar: Ein Algorithmus kann Hinweise auf Infrastrukturprobleme liefern, aber nicht allein bestimmen, wie Menschen eine Straße erleben.
01
Die Forschungsfrage
Wo wird eine Verbesserung der Veloinfrastruktur aus Sicht ihrer Nutzerinnen und Nutzer besonders benötigt?
02
Der Weg zur Antwort
- Bewertungen einzelner Streckenabschnitte anhand von Fotos und Alltagserfahrungen zusammenführen.
- Räumliche Nutzungserfahrungen mit datenbasierten Auswertungen verbinden.
- KI-gestützte Analyseverfahren für die Veloinfrastruktur entwickeln.
03
Ergebnisse und Transfer
- Räumlich gebündelte Bewertungen der Qualität von Velowegen.
- Eine gemeinsame Informationsgrundlage für die bedarfsgerechte Weiterentwicklung des Velonetzes.
