Wie ist Wien ethnisch durchmischt – oder auch nicht? Und was kann Künstliche Intelligenz (KI) über diese sozialen Strukturen aussagen? Robert Musil vom Institut für Stadt- und Regionalforschung der Österreichischen Akademie der Wissenschaften (ÖAW) hat gemeinsam mit seinem Kollegen Jiannis Kaučić einen ungewöhnlichen Datensatz untersucht: Die Stadt Wien hat ihr Melderegister mit zwei Millionen Personen von einer KI nachbauen lassen.

Herausgekommen ist ein simulierter, synthetischer Datensatz. Musil und Kaučić wollten herausfinden, wie gut sich mit diesen künstlich generierten Daten soziale Muster in der Stadt analysieren lassen. Der große Vorteil von KI-Daten ist: Sie unterliegen keinem Datenschutz und sind leicht zugänglich. „Das erleichtert wissenschaftliches Arbeiten sehr. In den USA oder in Schweden forscht man schon mehr mit KI-Datensätzen, da ist man weiter als wir“, erklärt Robert Musil.

Verteilung zwischen Gürtel und inneren Bezirken

Um herauszufinden, wie sich die synthetischen Daten im Vergleich zum originalen Melderegister schlagen, haben Musil und sein Team sich die ethnische Verteilung der Bevölkerung in Wien angeschaut. Die Forscher wollten wissen, wie stark konzentriert bestimmte Bevölkerungsgruppen in bestimmten Bezirken wohnen – und wie gut sich das mit den KI-Daten abbilden lässt.

Diese zeigen klare Tendenzen: Während Menschen mit Wurzeln in Deutschland eher in den inneren Bezirken wie 1., 5., 6. oder 8. Bezirk leben, sind Menschen mit türkischem oder ex-jugoslawischem Hintergrund stärker in Bezirken rund um den Gürtel präsent – etwa in Ottakring, Rudolfsheim-Fünfhaus oder Favoriten. Die Gründe dafür können vielseitig sein, was aber jedenfalls laut Musil eine Rolle spielt: der Wohnungsmarkt. Die Mieten sind um den Gürtel herum niedriger, weil die Verkehrsbelastung groß ist. Ein weiterer Grund könnte aber auch die sogenannte freiwillige Segregation sein: „Man zieht eher dorthin, wo die eigene Community schon vertreten ist“, erklärt Musil.

Deutlich wurde bei der Analyse aber auch: Die Bevölkerungsgruppen sind unterschiedlich stark segregiert. Die ukrainische Bevölkerung zeigt sich laut Musil zum Beispiel besonders segregiert: „Viele Ukrainer:innen wohnen in organisierten Unterkünften. Das führt zu einer sehr hohen räumlichen Konzentration.“ Osteuropäische Gruppen wie zum Beispiel Menschen mit polnischem Hintergrund sind wiederum deutlich schwächer segregiert. „Das könnte daran liegen, dass die Gruppe sozial stärker durchmischt ist und sich je nachdem höherpreisige Mieten leisten oder nicht leisten kann und sich deswegen unterschiedlich in der Stadt verteilt“, sagt Musil.

Bevölkerungsdaten erkennen Problemzonen in der Stadt

Vergleicht man nun die Ergebnisse, die mithilfe des originalen Melderegisters herausgekommen sind, mit jenen vom KI-Datensatz, dann stellt sich heraus: „Wenn man für ganz Wien Analysen macht, dann passen die synthetischen Zahlen. Wenn man heruntergeht auf die lokale Ebene, dann gibt es Unterschiede. Im Großen funktioniert die Analyse mit den KI-Daten, im Kleinen, also im Detail, gibt es enorme Abweichungen von der Analyse mit dem originalen Melderegister“, fasst Musil zusammen. Zum Beispiel wurde die Segregation im KI-Datensatz eher unterschätzt.

Die Empfehlung des Forscherteams: Für künftige KI-Datensätze sollten mehr raumbezogene Faktoren wie Verkehrsachsen – etwa der Wiener Gürtel – stärker mitbedacht werden: „Wenn die KI nicht weiß, dass es dort billigen Wohnraum gibt, kann sie die Realität nicht richtig abbilden.“

Musil sieht großes Potenzial in der Forschung mit Bevölkerungsdaten: „Es ist möglich, den Stadtraum auf kleiner Ebene stark zu durchleuchten und dadurch mehr Verständnis für soziale Gefüge zu bekommen.“ Vieles an sozialen Dynamiken werde sichtbar, daraus ließen sich zum Beispiel politische Maßnahmen ableiten. „Soziale Problemgegenden könnten leicht entdeckt werden, man würde wissen, dass man hier genauer hinschauen sollte und dass es Maßnahmen braucht, um die Situation zu verbessern.“