Ausgangspunkt dieser Untersuchung ist die Analyse und Eignungsbewertung des Standortes, der an die Bestandsaufnahme bei der städtebaulichen Projektentwicklung angelehnt ist. Hierzu wird das Untersuchungsgebiet in Rasterzellen mit einer Auflösung von einem Meter unterteilt, was die maximale Genauigkeit unter Berücksichtigung der Datenqualität gewährleistet. Diese werden auf Basis von Bewertungskriterien mittels Fuzzy-Logik einer Beurteilung unterzogen. Fuzzy-Logik eignet sich insbesondere im Umgang mit Ungenauigkeiten, die bei der Definition der Klassen und der Messung des Phänomens auftreten. Sie kann Entscheidungsträgerinnen und Entscheidungsträgern helfen, unter Berücksichtigung dieser Ungenauigkeiten Entscheidungen zu treffen. Das beschriebene Verfahren konzentriert sich auf die Modellierung der Ungenauigkeiten von Klassengrenzen. Es berücksichtigt dabei die Tatsache, dass die Zugehörigkeit eines Wertes zu einer Bewertungsklasse (z. B. geeignet – ungeeignet) eine subjektive Entscheidung darstellt und daher Ungenauigkeiten aufweist.

Mit abnehmenden Werten ist es immer weniger denkbar, dass der ursprüngliche Merkmalswert ein Element dieser Menge ist. Der Wert von 1 besagt also, dass die Zelle sicher in der Menge enthalten ist, der Wert von 0 schließt definitiv aus, dass dieser in der Menge enthalten ist. Die konventionelle (boolesche) Logik, die auf der Zugehörigkeit zu diskreten, trennscharfen Klassen basiert (wahr oder falsch), wird um eine überlagerte Menge der Teilwahrheit erweitert (Zhao/Zhang/Murayama 2011: 30; Malczewski/Rinner 2015: 197).

Zunächst muss grundlegend bestimmt werden, wie die Klassengrenzen im Modell definiert werden. So lässt sich zwischen dem expertenbasierten Modell („Semantic Import“-Ansatz, SI) und der natürlichen Klassifikation unterscheiden. Die Klassengrenzen im erstgenannten Ansatz basieren auf der Einschätzung durch Expertinnen und Experten, im zweiten Ansatz basieren diese auf der lokalen Übereinstimmung mit dem Datensatz (Zhao/Zhang/Murayama 2011: 31) und weist Analogien zur Clusteranalyse auf (Kaufman/Rousseeuw 2005: 164). Da in diesem Beitrag eine lokal begrenzte Analyse angestrebt wird, bei dem Cluster hoher Eignung Vorrang vor der Übereinstimmung von Messwerten mit a priori durch Expertinnen und Experten festgelegten Grenzwerten haben, wird die natürliche Klassifikation angewandt. Sie entspricht dem üblichen Vorgehen bei der Segmentierung von Mikro-Standortanalysen, wo Standorte mit ihrer unmittelbaren Umgebung verglichen werden (vgl. Isenhöfer/Väth/Hofmann 2008: 416). Zudem ist die Klassengrenze nicht durch den aktiven Eingriff der Bewerterinnen und Bewerter manipulierbar.

Fuzzyfizierung findet über eine Transformation der Daten mittels Zugehörigkeitsfunktionen statt. Diese ist so zu wählen, dass sie in der Form möglichst die Realität abbildet (Zhao/Zhang/Murayama 2011: 31). Gängige lineare Zugehörigkeitsfunktionen sind beispielsweise die Dreiecks- oder Trapezfunktion. Im vorliegenden Beitrag werden die nichtlinearen Zugehörigkeitsfunktionen „Fuzzy Small“ (kleinere Messwerte erhöhen die Zugehörigkeit) und „Fuzzy Large“ (größere Messwerte erhöhen die Zugehörigkeit) gewählt. Beide Zugehörigkeitsfunktionen haben für die Untersuchung aufgrund ihrer Transformationskurve den Vorteil, dass bei ungünstigen Messwerten unter dem arithmetischen Mittel die Zugehörigkeitsfunktion stärker abfällt als bei einer linearen Transformation.

Fuzzy-Gamma ist das mit Gamma potenzierte Produkt aus dem Fuzzy-Produkt (erste Zeile der Gleichung 4) und der als Fuzzy-Summe transformierten Werte (zweite Zeile der Gleichung 4), bildet also eine Kompromisslösung aus diesen beiden Transformationen. Wie sich empirisch gezeigt hat, eignen sich Kompensatoren besser zur Nachbildung des menschlichen Präferenzverhaltens (Nissen 2007: 12–13). So kann beispielsweise ein Standort auch für eine Wohnbebauung geeignet sein, wenn eine schlechte Anbindung mit dem Individualverkehr durch eine gute ÖPNV-Anbindung kompensiert wird. In diesem Modell wird daher der Gamma-Operator für die Kombination der Kategorien zum Gesamteignungsraster genutzt. Aufgrund der vielen Zielkategorien wird ein γ von 0,8 gewählt, was erhöhte kompensatorische Effekte zwischen den Gruppen erlaubt.

Hierbei stehen SA_i und SS_i für die Scores aus simple Region-Growing und Parameterized Shape-Growing, w₁ und w₂ sind Gewichtungsfaktoren für den Trade-off zwischen SA_i und SS_i (Brookes 1997b: 381; Malczewski/Rinner 2015: 148). In der Fallbeispielanwendung wird eine 30:70-Gewichtung zugunsten der räumlichen Übereinstimmung des PSG-Scores gewählt. Der Wachstumsprozess stoppt, wenn die Region auf die gewünschte Größe angewachsen ist. Regionen sind Gruppen von zusammengehörigen Zellen ähnlicher Werte. In dieser Untersuchung stellen die Regionen die Baufelder für die städtebauliche Projektentwicklung dar. Die Größe, Grenzkonfiguration, Ausdehnung und Orientierung an einer idealen Form der Baufelder werden a priori festgelegt, auch ein Verfahren zum Eliminieren von Löchern in den Baufeldern ist im Algorithmus eingebaut (Brookes 1997b: 375). Das Wachstum der Baufelder auf der Fläche des Areals erfolgt dabei sinnvollerweise rechteckig, um die Parzellenform zu erhalten. Die zulässige Minimalfläche jeder Region beträgt 3.000 m², zwischen denen ein Abstand von mindestens 15 Metern vorgeschrieben ist. Die Maximalgröße beträgt 7.000 m², was in etwa der Größe eines großen Baufeldes zur (Hochbau)projektentwicklung entspricht. Mit diesen Restriktionen ergeben sich bei zwei Drittel Gesamtflächenausnutzung der 8,7 ha großen Fläche im Mittel rund zwölf Baufelder (2/3* 8,7 ha / ((0,3 ha + 0,7 ha) /2)).

Der Wachstumsprozess kann theoretisch für jeden Zellwert durchgeführt werden, jede Zelle auf dem Areal ist ein potenzieller Ausgangspunkt. Da dies aber die Verarbeitungszeit am Rechner potenzieren würde, muss über eine Evaluierungsmethode eine Präferenz für die Ausgangspunkte angegeben werden. Sie kann auf der Grundlage einer Eignungsstatistik (z. B. höchste Durchschnittswerte) oder einer räumlichen Anordnung der Zellen (größte Kerngebietszone) festgelegt werden. In der Untersuchung werden die höchsten Fuzzy-Eignungswerte als Ausgangspunkt für das Wachstum der Baufelder verwendet (in diesem Fall 12 Ausgangszellen für die 12 Baufelder).

Der Ansatz wird anhand der ehemaligen Holsten-Brauerei in Hamburg demonstriert. Das Areal befindet sich im Stadtteil Altona-Nord, angrenzend an die Altonarer Altstadt (vgl. Abbildung 1a). Die Brauerei verlagerte die Produktion 2019 weiter aus der Kernstadt heraus nach Hamburg-Hausbruch. Auf der 8,7 ha großen Planfläche in zentraler Lage soll, angrenzend an das im Osten neu entstandene Stadtquartier Mitte Altona, ein neues städtebauliches Projekt entstehen. 2016 verständigten sich der Eigentümer Carlsberg Deutschland mit der Stadt- und Bezirksverwaltung in einem Letter of Intent auf Planungsziele, die auf zirka 160.000 m² Bruttogrundfläche (BGF) überwiegend Wohnnutzungen und einen Anteil von 25.000 m² für verschiedene Gewerbeflächen (Büros, Hotel, Einzelhandel, Gastronomie) vorsehen. 10 Prozent der Fläche sind für Gemeindebedarf, weitere 10 Prozent für Parkanlagen reserviert.

Abbildung 1 Verortung des Areals in (a) Hamburg, (b) in Altona und (c) zu erhaltenden Bestandsgebäuden

---

Ein städtebaulich-freiraumplanerischer Wettbewerb fand 2017 statt. Nach nun insgesamt vier Eigentümerwechseln wurde der Baubeginn laut aktuellem Entwickler, der Consus AG, auf das Jahr 2021 terminiert.² Das vorliegende Fallbeispiel ist insofern ein typisches Beispiel für die Problematik von Akteurwechseln, mit denen Kommunen in der Zusammenarbeit mit privatwirtschaftlichen Entwicklungsunternehmen aufgrund der Problematik des Land Banking in deutschen Großstädten oft konfrontiert sind. Ein Satzungsentwurf für den Bebauungsplan liegt mittlerweile vor und wird beschlossen, sobald sich die Parteien im Rahmen eines städtebaulichen Vertrags über die Ziele der Entwicklung rechtsverbindlich einigen.

Die Auswahl der Zielkategorien erfolgte aufgrund der im Letter of Intent vereinbarten, überwiegenden Wohnnutzung nach Standortpräferenzen spezifisch für diese Kategorie. Grundlegend eignet sich die Methodologie aber auch für andere Nutzungen wie etwa Einzelhandel, sofern eine Anpassung der Zielkategorien erfolgt. Im Wohnbereich wird die Erreichbarkeit von Infrastrukturen als essenzieller Faktor bei der Bewertung von Entwicklungen angesehen (Peiser/Hamilton 2012: 78; Alda/Hirschner 2016: 84). Die Auswahl der Einrichtungen und Verkehrsträger erfolgte dabei in Anlehnung an Nadler, Spieß und Müller (2018: 448) und berücksichtigt aufgrund von Untersuchungen zu Nutzerpräferenzen im Wohnbereich auch die Erreichbarkeiten von Nahversorgung, Naherholung, medizinischer Versorgung und Freizeitnutzungen (LBS 2017: 71). Als Datengrundlage zur Analyse der fußläufigen und ÖPNV-Anbindung wird mittels eines frei verfügbaren General Transit Feed Specification (GTFS)-Datasets des Hamburger Verkehrsverbundes (HVV) ein multimodales Netzwerk-Modell für ÖPNV- und Fußwege erstellt. Der motorisierte Individualverkehr wurde mittels des Netzwerk-Modells des ArcGIS-Routing-Services ermittelt.

Die Geländeeigenschaften subsummieren Merkmale, die notwendigerweise zur Bebaubarkeit des Geländes hergestellt werden müssen (Johnson 2008: 7). Hierbei werden Landmerkmale auf physisch-technische Eignung als Baugebiet untersucht. Die Analyse von Neigung und Topographie spielt dabei eine wichtige Rolle (Johnson 2008: 11: Peiser/Hamilton 2012: 78; Dewberry 2019: 153). Ebenso sollte aber die Beschaffenheit des Bodens beachtet werden, da diese die Baukosten beeinflussen kann, beispielsweise durch zusätzliche Regenwasserbewirtschaftungsmaßnahmen im Gebiet (Johnson 2008: 9; Dewberry 2019: 169).

Nicht zuletzt sollten Planungsansätze danach streben, den Nutzen von Blickbeziehungen und visuellen Auswirkungen zu maximieren (Johnson 2008: 19; Wieland 2104: 165). Hierbei sind gerade die Blickbeziehung und die Verschattung durch den Gebäudebestand entscheidend. Eine bestehende verkehrliche Erschließung kann weiterhin die Kosten positiv beeinflussen. Auch die frühzeitige Auseinandersetzung mit dem Planungsrecht ist für Projekte essentiell (Alda/Hirschner 2016: 84; Dewberry 2019: 41). Dieses sollte aus der Sicht des Entwicklungsträgers möglichst viel Fläche erlauben und sich zur Genehmigung der Planung nach Art und Maß in die Umgebungsbebauung einfügen. Aus dem Planungsrecht der Umgebungsbebauung werden dazu die städtebaulichen Dichtekennwerte Grundflächenzahl (GRZ) und Geschossflächenzahl (GFZ) ebenso wie die Gebäudehöhen abgeleitet und in der Landeignungsprüfung bzw. in der folgenden Landnutzungsoptimierung erfasst. Die erforderlichen Daten hierfür stammen aus dem XPlanungs-System von Hamburg, einem standardisierten und maschinenlesbaren Datenaustauschformat für Planungsdaten (Leitstelle XPlanung/XBau 2020: 6). Grundlage für die Beurteilung waren die Angaben aus den Polygonen der Baugebietsteilflächen. Die Übertragung der Planungswerte auf die nicht beplanten Gebiete (z. B. das Untersuchungsgebiet Holsten-Areal) erfolgte mittels der Areal-Interpolation-Methode. Bei dieser geostatistischen Interpolationsmethode werden Schätzungen von einer Ausgangsmenge von Polygonen zu einer überschneidenden, aber nicht deckungsgleichen Menge von Zielpolygonen gebildet (Krivoruchko/Gribov/Krause 2011: 19). So lassen sich Flächenattribute simulieren, die durch die Bestandsparameter bedingt werden (in dieser Untersuchung Gebäudehöhen und -dichtewerte wie GRZ und GFZ).

Die räumliche Verteilung der unscharfen Landeignungsbewertung über alle Attribute der Tabelle 2 inklusive der entsprechenden Überlagerung der Zugehörigkeitsfunktionen wird in Abbildung 2 dargestellt. Diese ergibt ein recht heterogenes Gesamtbild, bei dem kleinräumige Cluster hoher und niedriger Eignung zu erkennen sind. Die Verteilung entspricht einer leicht rechtsschiefen annähernden Normalverteilung und liegt im Mittel bei 0,45, was impliziert, dass die meisten untersuchten Zellen eher nicht den im Untersuchungsansatz gestellten Anforderungen an Wohnbauflächen entsprechen.

Abbildung 2 Unscharfe Gesamtbewertung der Landeignung im Untersuchungsraum

---

Etwa 32,1 Prozent der Zellen weisen eine Eignung über 0,5 auf (ohne Ausschlussflächen wie Straßen) und sind daher als eher geeignet für eine Bebauung zu sehen. So gut wie keine Zelle ist als geeignet bewertet worden (0,02 %). Die als eher geeignet bewerteten Zellen finden sich hauptsächlich in Altona-Nord, entlang einer Parkstruktur zwischen dem Wohlers Park und dem Emil-Wendt-Park im Osten sowie im Bereich des später fokussiert zu betrachtenden Holsten-Areals. Lediglich 2,5 Prozent der nicht ausgeschlossenen Flächen weisen einen Wert von unter 0,25 auf, was eine Eignung im Modell ausschließt. Diese Flächen konzentrieren sich stark in einem Gewerbegebiet im nördlichen Teil des Untersuchungsgebietes sowie an der Elbe im Süden. Die aktuelle Bodennutzungskategorie der Grünflächen schneidet aufgrund der guten Erreichbarkeit und der Geländeeigenschaften (flache Topographie, Sickerfähigkeit, geringe Verschattung) mit einem Mittelwert von 0,44 am besten ab. Die als Gewerbegebiet ausgewiesenen Flächen haben mit 0,37 im Mittel in etwa die gleiche Eignung wie die Wohnflächen, die bei 0,36 liegen. Hiernach folgen die gemischten Bauflächen und Flächen für den Gemeinbedarf (im Mittel: 0,32 bzw. 0,30).

Das aktuell als gewerbliche Fläche festgesetzte Holsten-Areal schneidet im Durchschnitt mit 0,51 („eher geeignet“) etwas besser ab, mit einigen Ausreißern nach oben und unten (Standardabweichung = 0,11). Es hat also eine grundsätzlich hohe Bedeutung als künftige Wohnbaufläche für den Stadtteil. Die schlecht bewerteten Flächen befinden sich besonders im Nordosten nahe der Bahnschienen, höher bewertete Flächen tendenziell im Süden und Südwesten. Hiervon ausgenommen ist die Landfläche rund um die Grundschule im äußersten Süden des Areals, die eine schlechte Eignung besitzt.

Auf der Basis dieses lokal erzeugten Eignungsrasters erfolgte die Generierung der Wohnbaufelder auf dem Gelände mit dem Optimierungsalgorithmus Parameterized Region-Growing. Das Ergebnis und die dreidimensionale Darstellung der Baufelder in Verbindung mit aus der Umgebung interpolierten städtebaulichen Kennwerten können Abbildung 3 und Tabelle 3 entnommen werden. Um unerwünschte Artefakte in der Geometrie zu entfernen, erfolgte eine Normalisierung der Flächen mittels Glättung und Winkeltreue.

Abbildung 3 Ergebnis der generierten Baufelder mit Parameterized Region-Growing (a) sowie Modellierung der Höhenentwicklung (b)

---

Tabelle 3 Zusammenfassende Darstellung der Merkmale der aus der Landnutzungsoptimierung erzeugten Baufelder

Attributive und geometrische Eigenschaften										Städtebauliche Kennwerte
ID	Mittelwerta	Summea	Mediana	Maxa	Mina	Kern-fläche (m2)	Kern-summea	Kanten-menge	Größe (m2)	GRZ	GFZ	Höhe	Ge-schosse	BGF (m2)
0	Keine Baufläche								41.080
1	0,48	1.824	0,52	0,64	0,34	3.440	1.672	1,19	3.735	0,6	2,1	14,4	4	7.753
2	0,44	1.487	0,38	0,60	0,28	2.978	1.311	1,49	3.337	0,7	3,0	12,8	6	9.944
3	0,35	1.449	0,34	0,46	0,31	3.835	1.327	1,17	4.160	0,8	2,1	12,6	5	8.606
4	0,55	1.838	0,55	0,56	0,37	3.049	1.674	1,14	3.327	0,7	2,6	15,0	5	8.682
5	0,45	2.264	0,48	0,64	0,31	4.591	2.086	1,21	4.967	0,8	2,0	13,5	4	10.155
6	0,53	1.990	0,46	0,71	0,30	3.301	1.741	1,72	3.714	0,9	2,1	12,4	5	7.659
7	0,58	3.852	0,60	0,66	0,40	6.080	3.550	1,43	6.559	0,8	3,0	17,3	6	19.677
8	0,66	2.209	0,64	0,73	0,51	3.056	2.016	1,13	3.378	0,8	2,8	15,3	5	9.371
9	0,63	3.130	0,63	0,74	0,58	4.586	2.884	1,22	4.897	0,8	1,9	14,5	4	9.226
10	0,59	2.465	0,62	0,74	0,41	3.794	2.240	1,31	4.187	0,7	3,0	18,3	6	12.499
11	0,57	1.917	0,61	0,71	0,40	3.024	1.736	1,22	3.318	0,7	1,8	12,6	5	5.937
12	0,63	2.620	0,62	0,74	0,55	3.820	2.403	1,18	4.139	0,7	2,5	15,2	5	10.180

Anmerkung: Die in der Überschrift mit a markierten Zellen beziehen sich auf die Werte der Fuzzy-Gesamteignung. Die maximal ausnutzbare Bruttogeschossfläche (BGF) ergibt sich aus dem Produkt der Baufeldgröße und der Geschossflächenzahl (GFZ).

Es entstehen zwölf Baufelder, die sowohl eine ähnliche Gesamtbewertung als auch ähnliche Größen und Formen aufweisen. Die durchsichtig dargestellten Flächen (ID 0) gehören keiner Region bzw. keinem Baufeld an und können beispielsweise zur verkehrlichen Erschließung oder als Freiflächen genutzt werden. Der Median der Eignungsbewertung der Baufelder liegt zwischen 0,34 (Baufeld 3) und 0,64 (Baufeld 8). Die Gesamtsumme der Eignungswerte schwankt zwischen 1.449 (Baufeld 3) und 3.852 (Baufeld 7), was sich unter anderem aus der unterschiedlichen Größe der Baufelder ergibt (0,3 ha bis 0,6 ha). Die Kernsumme³ ist dabei stets niedriger als die Gesamtsumme der Eignungswerte innerhalb der Felder, die Flächen sind also kumulativ geeigneter als ihre Umgebungszellen. Auch die Kantenmenge, die als Verhältnis zwischen Umfang des Baufelds zum Umfang eines Kreises mit derselben Fläche ausgedrückt wird,⁴ ist für alle Baufelder nahe 1, was eine kompakte Form der Bauflächen anzeigt. Es lässt sich daher zunächst ungeachtet planerischer Implikationen resümieren, dass die Generierung von attributiv und räumlich gleichartigen Baufeldern aus den Eignungswerten erwartungsgemäß funktioniert hat.

Die Verschneidung mit den bereits für die Fuzzy-Eignungsbewertung interpolierten Höhe- und städtebaulichen Dichtewerten ermöglicht eine Orientierung an möglichen städtebaulichen Kennwerten, die sich auf den Baufeldern realisieren lassen. Dies erlaubt die differenzierte Höhen- und Dichteentwicklung aus den Daten der Eignungsanalyse (vgl. Tabelle 3).

Die Tabelle 3 zeigt, dass sich für die Baufelder eine Geschossflächenzahl zwischen 1,8 und 3,0 ergibt. Gemäß den Obergrenzen für die Bestimmung des Maßes der baulichen Nutzung aus § 17 Abs. 1 BauNVO⁵ sind diese GFZ-Werte lediglich für urbane Gebiete, Kerngebiete sowie Gewerbegebiete, Industriegebiete und sonstige Sondergebiete zulässig. Die geplante kleinteilige Nutzungsmischung könnte also beispielsweise über die Gebietskategorie „Urbanes Gebiet“ (§ 6a BauNVO) realisiert werden. Auch andere vorwiegend dem Wohnen dienende Baunutzungskategorien können festgesetzt werden, sofern dies städtebaulich begründet wird und „allgemeine Anforderungen an gesunde Wohn- und Arbeitsverhältnisse nicht beeinträchtigt werden“ (§ 17 Abs. 2 BauNVO). Dies ist jüngst in anderen Planungsverfahren für Bebauungspläne in der Umgebung mit dem Verweis auf einen zeitgemäßen Städtebau geschehen (z. B. Bebauungsplan Altona-Nord 26). Die Grundflächenzahl der erzeugten Baufelder liegt zwischen 0,6 und 0,9, was ebenfalls aus der dichten Umgebungsbebauung resultiert. Die Höhenentwicklung, die sich an den Höhen der nächstgelegenen Umgebungsbebauung orientiert, liegt zwischen 12,6 und 18,3 Metern. Es kann mit mindestens vier bis sechs Vollgeschossen kalkuliert werden. Über diese Werte kann die maximal realisierbare Bruttogrundfläche (BGF) eingeschätzt werden. Diese beträgt für die Baufelder zwischen 5.937 m² (ID 11) und 19.677 m² (ID 7). Das westlich gelegene neue Stadtquartier Mitte Altona übt dabei Einfluss auf die zunehmenden Dichte- und Höhenentwicklungen aus, weshalb hier wahrscheinlich deutlich mehr Wohneinheiten realisiert werden können als im östlichen Teil. Die dargelegten Annahmen ergeben eine überschlägige Bruttogrundfläche von insgesamt 119.689 m² für die gesamte Quartiersentwicklung.

Zur städtebaulichen Einordnung der Ergebnisse erfolgt ein Vergleich mit dem programmatischen Leitbild des Holsten-Areals und dem aktuellen Bebauungsplan mit dem Stand November 2019 (vgl. Abbildung 4). Die vorgeschlagenen Baufelder sind mit 0,3 ha bis 0,6 ha etwa so groß wie die geplanten Flächen, die zwischen 0,3 und 0,7 ha liegen. Insgesamt ergeben die Flächen im Modell 4,9 ha, im Bebauungsplan liegt diese mit ca. 5,4 ha bei nur 10 Baufeldern etwas höher.

Abbildung 4 Vergleich des Modellergebnisses mit dem programmatischen Leitbild und dem Bebauungsplan

---

Der markanteste Unterschied stellt die Planung der Parkanlagen im künftigen Quartier dar: An den Stellen im (traditionell erstellten) Bebauungsplan, an denen Parkanlagen geplant sind, findet sich im Optimierungsmodell ein Baufeld, da hier eine Clusterung von besonders geeignetem Bauland identifiziert wurde. Die Nähe zu der bestehenden Grünfläche im Westen und die relativ dichte Bebauung des angrenzenden Quartiers wirken sich dabei positiv auf die Bewertung aus. Hieran zeigt sich exemplarisch auch ein Zielkonflikt städtebaulicher und immobilienwirtschaftlicher Bewertung, bei dem die Weiterführung des Grünzugs mit der baulichen Nutzung einer guten Lagebewertung in Konkurrenz stehen. Die gewachsenen Baufelder im Optimierungsmodell haben die Orientierung um etwa 40 Grad Richtung Nord-Süd-Achse gedreht. Im Bebauungsplan wird die Erschließung ebenfalls gedreht, um das Erschließungssystem an die Umgebungsstraßen anzupassen. Dabei knickt die Erschließung mittig ab, um die Durchgängigkeit des Gebietes zu gewährleisten, was im Modell nicht gelingt. Der Ansatz hat insgesamt Verbesserungsbedarf beim Einbezug von Entwicklungsparametern, die außerhalb der Untersuchungsregion das Entwurfsdesign beeinflussen. Dies zeigt sich insgesamt bei der Verlängerung des Grünzugs aus dem Quartier Neue Mitte Altona und beim Einbezug der verkehrlichen Erschließung.

Das programmatische Leitbild enthält keine Aussage (mit Ausnahme von sogenannten identitätsstiftenden Orten) zum Umgang mit Bestandsgebäuden. Im Optimierungsmodell wurden diese berücksichtigt und an die Bauflächen angeschlossen. Ähnlichkeiten mit dem Leitbild bestehen bei der Platzierung des Quartiersplatzes im Nordosten. Im Modell besteht eine Freifläche um die Bestandsgebäude im Nordosten, was mit den Planungen aus dem Leitbild vereinbar ist. Der zweite Quartiersplatz hingegen wurde etwas weiter südwestlich verortet.

Im aktuellen Bebauungsplan ist die Zahl der Geschosse erwartungsgemäß bereits differenzierter dargestellt. Generell wurden deutlich höhere Geschossigkeiten geplant als in der Umgebung. Auf dem Areal sind fünf bis sieben Vollgeschosse zulässig, einzelne Hochpunkte in Richtung Bahnschienen im Norden besitzen sogar acht Vollgeschosse. Von der geschlossenen, höheren Bebauung wird vermutlich eine abschirmende Wirkung gegenüber dem Schienenlärm erwartet. Dies wird im Modell ähnlich, wenn auch niedriggeschossiger vorhergesagt. Lediglich das an der Bahn liegende Baufeld ID 3 fällt mit nur vier Vollgeschossen aus dem Raster, hier verzerrt ein niedriggeschossiges Gebäude die Interpolation nach unten. Die nördlich und westlich gelegenen Flächen haben eine Geschosszahl von fünf, in Richtung des im Westen gelegenen neuen Stadtquartiers „Neue Mitte Altona“ steigt die Geschosszahl auf sechs. Die Spannweite ist geringfügig höher als im Bebauungsplan, wo alle Baufelder im Mittel bei etwa sechs Vollgeschossen liegen.

Auf Angaben zur Grundflächenzahl und Geschossflächenzahl wurde im traditionellen Planentwurf verzichtet, vermutlich weil die Baugrenzen ohnehin wenig Spielraum bei der Ausnutzung der Grundstücksfläche übriglassen. Dennoch lässt sich zum Vergleich überschlägig ein Wert für die Baufelder berechnen, indem die Fläche der Baugrenzen durch die gesamte Fläche des Baufeldes geteilt wird. Die Baufelder mit der Wohnbebauung besitzen eine Grundflächenzahl zwischen 0,5 und 0,6, die Gewerbe‑, Misch- und Sondergebiete im Osten der Fläche liegen zwischen 0,7 und 0,9. Im Optimierungsmodell liegt die Grundflächenzahl aufgrund des etwas höheren Maßes der baulichen Nutzung in der Umgebung zwischen 0,6 und 0,8. In dem vom Bebauungsplan als Gewerbe‑, Misch- und Sondergebiet festgesetzten Teil liegt diese bei fast 1. Dies kommt der Vorgabe im traditionellen Bebauungsplan schon recht nahe. Für die Durchmischung mit Gewerbeflächen würde auch die beste fußläufige Erreichbarkeit und Sichtbarkeit der Fläche im Eignungsmodell sprechen.

Insgesamt ergibt sich mit 119.689 m² eine geringere Bruttogrundfläche als die in der Planung angepeilten 160.000 m². Dies ist der im Modell kleineren Gesamtfläche der Baufelder, der niedrigen Geschossigkeit und der nicht mit einberechneten Bestandsgebäude geschuldet. Werden diese addiert, erhält man bereits eine Bruttogrundfläche von etwa 145.700 m², was einer Abweichung von noch rund 9 Prozent entspricht. Das Optimierungsmodell unterschätzt dabei die Höhe und überschätzt die Dichte, kann sich aber insgesamt den tatsächlich festgesetzten Werten aus der Flächenplanung annähern. Eine Plausibilisierung der Werte ist in der Entwurfsphase aber immer noch notwendig, allein schon deswegen, weil die städtebaulichen Parameter politisch festgelegt werden und sich daher einer exakten Vorausberechnung entziehen. Das Zusammenspiel der Werte ergibt sich letztlich aus dem finalen städtebaulichen Entwurf. Dennoch können die Modellwerte ebenso wie die verorteten Baufelder als frühzeitige Arbeitsgrundlage beispielsweise für wirtschaftliche Kalkulationen von Ankaufsentscheidungen von Projektentwicklern ebenso wie als Arbeitsgrundlage für den Rahmen- und Gestaltungsplan der kommunalen Bauleitplanung sehr dienlich sein, da sie aus Parametern der Umgebung abgeleitet sind und daher die Eigenart der näheren Umgebung widerspiegeln.

Es ist wichtig die Grenzen des Modells einzuordnen. Das übergeordnete Ziel ist die Entwicklung eines GIS-basierten Ansatzes, um Planerinnen und Planern zu helfen, das flächenbezogene städtebauliche Entwicklungspotenzial besser zu analysieren. Das Modell ist nicht als Substitut für einen städtebaulichen Entwurf zu verstehen. Vielmehr liefert es den kommunalen Städtebauerinnen und Städtebauern ebenso wie den privatwirtschaftlichen Land- und Projektentwicklern effiziente, digitale Unterstützung bei der Bestimmung städtebaulicher Parameter und der Verortung von Gebäuden und Verkehrsflächen zur Orientierung für die weitere Planung. Insofern bildet sich ein Effizienzvorteil im städtebaulichen Prozess durch die Beschleunigung der Verfahren aus. Dies gilt insbesondere nach erstmaliger Modellaufstellung für einen (groß)städtischen Untersuchungsraum wie Hamburg. Denn auch für andere Areale könnte dasselbe Modell die Entwicklungspotenziale beider Zielgruppen (Kommunen und Entwickler) in Echtzeit aufzeigen. Damit bestehen methodologische Transferpotenziale, die in dem bestehenden Datenmodell für noch nicht beplante Flächen gerade in wachstumsstarken Großstädten und Metropolräumen skaliert angewendet werden können. Zudem hilft es ein tieferes Verständnis für die Fläche im Zusammenhang mit ihrer Umgebung zu erhalten und hierüber frühzeitige Erkenntnis über mögliche Problembereiche sowie Potenziale zu erlangen. Je nach Präferenz der Stakeholder ist eine parametrische Anpassung über die Auswahl und Gewichtung der Standortfaktoren möglich, sodass auf dieser Basis auch unterschiedliche Bebauungspräferenzen räumlich simuliert werden können. Transparenzvorteile ergeben sich weiterhin, wenn die Ergebnisse als Grundlage zur Diskussion im Rahmen der Beteiligung von Bürgerinnen und Bürgern sowie Trägern öffentlicher Belange genutzt werden. So lassen sich realistische Planungsoptionen schneller bewerten und fachlich begleiten.