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.

Grundgedanke der Fuzzyfizierung ist die Transformation der ursprünglichen Messwerte in die Möglichkeit, dass sie zu einer definierten Menge gehören. Dabei geht man davon aus, dass der Wert x Є X zu einem bestimmten Grad der Zugehörigkeit einer unscharfen Menge $$\tilde{A}$$ A ~ , dem „fuzzy set“ angehört (Zhao/Zhang/Murayama 2011: 30), die durch eine reelle Zahl angegeben werden kann (gemeinhin im Wertebereich [0, 1]) (Nissen 2007: 5). Eine unscharfe Menge $$\tilde{A}$$ A ~ wird dabei durch die folgende Zugehörigkeitsfunktion $$\upmu_{\overline{A}}$$ μ A ‾ beschrieben:

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.

Die Funktionen (2) (Fuzzy Small) und (3) (Fuzzy Large) transformieren die Messwerte x wie folgt:

f1 bestimmt die Steilheit der Kurve der Zugehörigkeitsfunktion und f2 den Mittelpunkt mit dem Fuzzy-Wert 0,5. Ersteres wird auf 5 festgelegt, was einer genau mittigen Steigung entspricht, der Mittelpunkt wird auf das arithmetische Mittel des Wertebereichs der Messwerte definiert.

Nach der Transformation erfolgt eine Überlagerung der Attribute zu den Zielkategorien und zur Gesamteignung. Sie ist notwendig, um die Bewertung einzelner Attribute zu einem Gesamteignungsraster zu aggregieren. Dies geschieht durch die Vereinigung mittels Regeln gemäß Definition eines Regelwerks, der sogenannten Fuzzy-Überlagerung. Sie drückt die Beziehung der transformierten Attribute zueinander aus. Die Basisoperatoren bei der Überlagerung unscharfer Mengen sind Vereinigung und Durchschnitt. Ersteres gibt die größten Werte für die Zugehörigkeit an. Auf das Modell bezogen würde dies beispielsweise bedeuten, dass die Überlagerung einen hohen Eignungswert ausgibt, wenn mindestens ein Kriterium Teilmenge eines als hoch betrachteten Wertes ist, selbst wenn die anderen niedrig sind. Der Durchschnitt entspricht dem Minimalwert der vereinigten Werte. Die hieraus resultierende größere Streuung der Bewertung bietet sich für die Überlagerung zu den Zielkategorien in diese Analyse an, weil beim Vereinigungsverfahren sonst ein Großteil der Flächen hohe Eignungswerte erhalten würde (Chen/Hwang/Hwang 1992: 49-52). Neben den Basisoperatoren gibt es sogenannte mittelnde/kompensatorische Operatoren, die einen Ausgleich unter den Mengen herstellen können. Operatoren wie Fuzzy-Gamma führen ein Kompensationsparameter (γ) im Wertebereich [0, 1] ein, wobei γ = 0 keine Kompensation und γ = 1 eine vollständige Kompensation darstellt:

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.

Das mittels Fuzzy-Überlagerung entstandene Gesamteignungsraster bildet im Untersuchungsraum mit einer Skala von 0 bis 1 die Möglichkeit ab, dass dieser sich gemäß den Bewertungskriterien für eine Wohnbebauung eignet. Es beachtet jedoch nicht die räumlichen Anforderungen bzw. Vorgaben an die Standorte möglicher Baufelder wie beispielsweise die gewünschte Größe oder Form. Es bedarf also eines weiteren Schrittes, um die räumlichen Anforderungen mit den Attributanforderungen zu kombinieren und hieraus ‚optimale‘ entwickelbare Baufelder („land subdivisions“) zur Wohnnutzung abzuleiten. Hierzu wird der Parameterized Region-Growing-Algorithmus von Brookes (1997b) verwendet. Mittels heuristischer Algorithmen wird iterativ in einem annehmbaren Zeitrahmen versucht, ein ‚optimales‘ Resultat im Hinblick auf ein vorgegebenes Gütemaß zu finden. Sie garantieren keine fehlerfreie Lösung, können in der Regel jedoch sinnvolle Ergebnisse hervorbringen, insbesondere wenn es die Komplexität räumlicher Optimierungsprobleme erschwert, jede Lösung mithilfe der klassischen mathematischen Programmierung zu bewerten. Parameterized Region-Growing (PRG) ist dabei eine Fusion zweier Ideen: Zum einen wird durch ein Zelleignungswachstum („simple Region-Growing“, SRG) iterativ die am besten geeignete Nachbarzelle hinzugefügt (bei gleicher Eignung von zwei oder mehr Zellen wird diejenige gewählt, die dem Ausgangspunkt am nächsten liegt). In dieser Untersuchung ist das Fuzzy-Gesamteignungsraster die Grundlage für das Zelleignungswachstum. Zum anderen werden mit einer räumlichen Regionseignung („Parameterized Shape-Growing“, PSG) der Abstand und die Richtung der Zelle zur Ausgangszelle mit einem Score bewertet. Hierbei wird der gleiche iterative Prozess verwendet wie beim simple Region-Growing. Dieser basiert aber auf einer räumlichen Eignungsbewertung, die durch die Länge und die Richtung zur Ausgangszelle bestimmt wird. Parameterized Shape-Growing beginnt mit der geeignetsten Nachbarzelle in Bezug auf den Score und addiert iterativ angrenzende Zellen, die in jedem Schritt des Verfahrens neu bewertet werden (Brookes 1998: 96). Der PRG-Algorithmus berechnet schließlich aus dem gewichteten Mittelwert der Scores von simple Region-Growing (SA _i ) und Parameterized Shape-Growing (SS _i ) den Gesamtwert der i‑ten Zelle ST _i . Diese ergibt sich also aus einem Kompromiss aus dem Beitrag der Zelle zur Aufrechterhaltung der gewünschten Gestalt (z. B. Rechteck oder Kreis) und ihres attributiven Eignungswertes:

Hierbei stehen SA _i und SS _i für die Scores aus simple Region-Growing und Parameterized Shape-Growing, w ₁ und w ₂ 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.

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.

https://www.consus.ag/projektentwicklung/projekte/projekte-hamburg/holstenquartier-hamburg (11.11.2021).

Der Suchraum für die Entscheidungsalternativen der Landeignungsprüfung und der Verortung der Baufelder zur optimalen Landnutzung ist unterschiedlich, da die Eignungsprüfung auch die Stadtteile Altona-Nord und Altona-Altstadt (54,2 ha; 7.330.728 Zellen; vgl. Abbildung 1b) berücksichtigt. Die Optimierung findet nur noch auf dem Holsten-Areal statt, wobei auf dem Gelände befindliche Gebäude, bei denen aus verschiedenen Gründen (z. B. Denkmalschutz) keine Neubebauung stattfinden kann (vgl. Abbildung 1c), ausgenommen sind. Zur Generierung der Fuzzy-Landeignung für Wohnbauflächen werden Attribute aus den fünf Zielkategorien erfasst, die in Tabelle 2 aufgeführt sind und im Folgenden erläutert werden.

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.

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.

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 Kernsumme

Als Kerngebiet werden alle Zellen bezeichnet, die sich mehr als eine Zelle vom Rand der Region entfernt befinden. Die Kernsumme ist die Summe der Eignungswerte der Kerngebiete.

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 BauNVO

Baunutzungsverordnung in der Fassung der Bekanntmachung vom 21. November 2017 (BGBl. I S. 3786), die durch Artikel 2 des Gesetzes vom 14. Juni 2021 (BGBl. I S. 1802) geändert worden ist.

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.

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.