SpatialDecisionSupportSystems (DSS)

Transkript

1 SpatialDecisionSupportSystems (DSS) Hausarbeit zum HS: Analyse und Modellierung räumlicher Daten Leitung: Dr. M. Herold Vorgelegt von: Annika Künne Friedrich-Schiller-Universität Jena Institut für Geographie Wintersemester 2004/05

2 Inhalt 1 Einleitung 2 2 Räumliche Fragestellungen und Entscheidungsprobleme 2 3 Der Entscheidungsprozess: decision making 3 4 Entscheidungsunterstützungssysteme (Decision Support Systems) Entwicklung von SDSS Komponenten von DSS bzw. SDSS 7 5. SDSS zur Planungsunterstützung (PlanningSupportSystems) Anwendungsbeispiel Stadtplanung: Das METROPILUS PSS: Urban Models & GIS Entwicklung von METROPILUS Beispiele von METROPILUS- Informationsprodukten Anwendungsbeispiel: Virtual Slaithwaite- Städteplanung der Zukunft 14 6 Zusammenfassung und Ausblick 15 Literatur 16 2

3 1 Einleitung In jedem Bereich des täglichen Lebens müssen Entscheidungen getroffen werden. Diese sind je nach der Art der Problemstellung mehr oder weniger komplex. Bei komplexen und anspruchsvollen Problemen sollen Wirtschaftswissenschaftler, Planer, Ökologen etc. im Entscheidungsprozess unterstützt werden. Hierzu dienen spezielle Entscheidungsunterstützungssysteme, die Decision Support Systems (DSS). Bezogen auf räumliche Fragestellungen werden die DSS als ein unterstützendes Werkzeug der Geoinformationssysteme eingesetzt und als Spatial DSS (SDSS) bezeichnet. 2 Räumliche Fragestellungen und Entscheidungsprobleme Bezüglich räumlicher Planung unterscheiden LAURINI &THOMPSON sechs Typen räumlicher Probleme, die sich auf Punkt-, Linien- und Flächeneigenschaften stützen (siehe Abbildung 1). Abbildung 1: Problemkategorien der räumlichen Planung (Verändert nach: LAURINI & THOMPSON 1992:46). Location befasst sich mit der Suche nach einem optimalen Standorte z.b. für eine Verkaufsfiliale, während Allocation die Zuweisung einer optimalen Menge (z.b. Kunden) zu einem bestimmten Ort (Verkaufsfiliale) analysiert. Die Zonierung (Districting) dient zur Ausweisung optimaler Flächen/Gebiete (z. B. die der Gebiete für 3

4 den Bau einer Schule in Frage kommen). Für die Suche nach einer bestehenden Strecke, z.b. im Straßen- oder Bahnnetzwerk bietet sich die Routenfindung (Route) an. Die Trassenlegung wird verwendet, um eine optimale Strecke für eine neue Trasse (Straße, Bahnlinie etc.) zu finden. Layout beschäftigt sich mit der Gestaltung von Flächen (Czeranka 1997:50). In vielen Bereichen der Wirtschaft und Planung, geht es um derartige Fragestellungen. In den meisten Fällen steht nicht nur eine Fragestellung im Mittelpunkt, sondern mehrere der aufgeführten Kategorien sind zu beachten. So ist z.b. der Bau einer Wohnsiedlung, nicht nur eine Standortfrage, sondern auch eine Frage der Zonierung, Gestaltung und Trassenlegung. Je nach Komplexität der Fragestellung entstehen mehr oder weniger starke Entscheidungsprobleme. Lässt sich ein Problem nach einfachen Regeln und Verfahren lösen, wie es z.b. bei der Routenfindung der Fall ist, so wird es als strukturiert bezeichnet. Bei einem strukturierten Problem können Datenverarbeitungssysteme oder (bei der Erfordernis qualitativer Schlussfolgerungen) Expertensysteme zur Lösung eingesetzt werden. Meistens spielen jedoch gerade in den Bereichen der Planung mehrere Fragestellungen zusammen. So erfordert z.b. die Ausweisung von Industriegebieten auch gestalterische Fähigkeiten (Layout) in Bezug auf die Attraktivität des Standortes sowie eine umweltfreundliche Trassenlegung usw.. Solche Probleme besitzen kein eindeutiges Lösungsschema und werden daher als semi- oder unstrukturiert oder illstructured bezeichnet (Densham 1991:404). Somit existiert oft eine Vielzahl von Lösungsmöglichkeiten, die den Entscheidungsträger überfordern können. Für diese Art von Problemen werden Entscheidungsunterstützende Systeme eingesetzt (Decision Support Systems) (Czeranka 1997:48f). Die Grenze zwischen strukturierten und semi- oder unstrukturierten Problemen ist nicht eindeutig, sondern vom Wissensstand des Entscheidungsträgers abhängig. Oft werden in dem Entscheidungsprozess mehrere Kriterien einbezogen, dieser wird als Multi- Kriterieller Entscheiduns Prozess (MKEP) bzw. als multi-citeria decision making bezeichnet (ANTENEH 1994:91). 3 Der Entscheidungsprozess: decision making Der Prozess der Lösungsfindung sollte bei unstrukturierten Problemen nach bestimmten Schritten erfolgen. Nach SIMON (1960 in: MALCZEWSKI 1997:2) kann der Entscheidungsprozess in drei Hauptphasen unterteilt werden: Intelligence, Design und Choice. In der "Intelligence"-Phase wird nach Problemen oder Möglichkeiten für eine Veränderung gesucht. Das Problem wird genau analysiert und definiert. Ebenfalls von Bedeutung ist die Identifikation der Ziele. Die "Design"-Phase umfasst die Erfindung, Entwicklung sowie die Analyse einer Menge von möglichen Entscheidungsalternativen für das in der Intelligence-Phase 4

5 identifizierte Problem. Gerade bei räumlichen Entscheidungsprozessen sind oftmals mehrere Interessengruppen involviert, die unterschiedliche Ziele als wichtig erachten (z.b. haben beim Bau eines Einkaufscenters nicht nur Ökonomen Einfluss auf die Entscheidungsfindung, sondern auch Bauämter und Umweltämter usw.). Dabei werden alle Entscheidungsalternativen anhand mehrerer Kriterien bewertet (ein sog. "multicriteria decision making"). Die Kriterien können Einschränkungen des Entscheidungsraumes sein oder Faktoren, die einander ausgleichen oder voneinander unabhängig sind (CZERANKA 1997:49). So ist es von großer Wichtigkeit mehrere Modelle bzw. Methoden zu entwickelt, um eine optimale Lösung zu erarbeiten. In der "Choice"-Phase wird aus den entwickelten Lösungsalternativen die passende ausgewählt (MALCZEWSKI 1997:2f). ARONSON & TURBAN (2001:41) ergänzen noch eine vierte Phase. Die "Implementation" (Ausführungs-) Phase, die in der erfolgreichen Ausführung der Lösung der realen Probleme besteht. Czeranka (1997:51) hat die oben aufgeführten Verfahrensschritte um weitere Aspekte ergänzt, die in Abbildung 2 aufgelistet sind. Abbildung 2: Ablaufplan der Problemlösung semi-oder unstrukturierter Entscheidungen (Czeranka 1997:51). Funktionen zur Entscheidungsfindung, wie Problemanalysen, Vorhersage zukünftiger Zusammenhänge, Wirkungsabschätzungen sowie der Vergleich und die Bewertung von Alternativen werden von einem Entscheidungsunterstützungssystem bereit gestellt. 5

6 4 Entscheidungsunterstützungssysteme (Decision Support Systems) DSS sind eine Weiterentwicklung der Management Support Systems (MIS), die in den 1960er Jahren entwickelt wurden. MIS waren einfach strukturierte Auskunftssysteme, die das Management mit Führungsinformationen versorgten und Hilfe bei strukturierten Problemen (z.b. Buchhaltung, Materialwirtschaft usw.) bieten sollte. MIS waren jedoch keine Hilfe bei semi- oder unstrukturierten Problemen. Daher entwickelten GORRY & SCOTT MORTON Ende der 60er Jahre Management Decision Systems (MDS), die Managern auch bei schwierigen Fragestellungen eine Entscheidungsunterstützung boten. Vorwiegend in den Wirtschaftswissenschaften und im Ingenieurswesen fand die Forschung und Weiterentwicklung von DSS statt, die auf Grund der Konkurrenz von intelligenten Workstations, Expertensystemen und neuen Kommunikationsmethoden immer höheren Ansprüchen genügen mussten. Eine häufig gebrauchte Definition von DSS stammt von (BRENNAN & ELAM 1986:130 in CZERANKA 1997:53): "DSS are computer-based systems whose objective is to enable a decision maker to device high-quality solutions to what are often only partially formulated problems". Parallel zu den DSS haben sich auch die räumlichen (spatial) DSS entwickelt. Sie werden eingesetzt, wenn ein DSS eine räumliche Dimension annimmt. Das SDSS ist also ebenfalls ein DSS, welches darüber hinaus auch die Integration räumlicher Daten und raumbezogene Analysemethoden ermöglicht (CZERANKA 1997:54). SDSS sind nach DENSHAM (1991:405): "...explicitly designed to provide the user with a decision-making environment that enables the analysis of geographical information to be carried out in a flexible manner." Es handelt sich bereits um Entscheidungsunterstützung, wenn dem Nutzer Anleitungen und Hilfen nahegebracht werden, die ihm eine systematische und informative Datenaufbereitung, wie Tabellen, Graphiken, Vergleiche etc., ermöglichen. Nach GEOFFRION (1983 aus DENSHAM 1991:406) sollte ein DSS folgende Charakteristika besitzen: - Lösung halb- oder unstrukturierter Probleme - Leistungsstarke und einfach zu bedienende Benutzeroberfläche - flexible Kombination analytischer Modelle und Daten - Unterstützung bei der Erforschung des Lösungsraumes mit Hilfe von Modellen, welche Lösungsalternativen aufzeigen - Unterstützung der Vielfalt von Entscheidungen und Erweiterungen, welche dem Benutzer neue Fähigkeiten zur Verfügung stellen - Problemlösung über interaktive und rekursive Prozesse, welche den Entscheidungsprozess differenzieren und über verschiedene Lösungswege verfügen Werden diese sechs Eigenschaften auf die räumlichen Entscheidungsunterstützungssysteme bezogen, sind nach Densham (1991:406) weitere Fähigkeiten und Funktionen von Nöten, um den komplexeren räumlichen Problemen 6

7 gerecht zu werden. So sollten SDSS Mechanismen zur Eingabe von räumlichen bzw. geographischen Daten (Vektor- und Rasterdaten) unterstützen. Darüber hinaus ist die Repräsentation komplexer räumlicher Relationen und Strukturen wünschenswert. Desweiteren sollten SDSS analytische und raumbezogene Techniken beinhalten und über eine große Vielfalt räumlicher Ausgabeverfahren verfügen, z.b. Karten etc. Um wirklich brauchbare Ergebnisse zu erzielen, wird an das DSS ein erheblicher Anspruch gestellt. So müssen die verwendeten Daten auf ihre Genauigkeit in räumlicher und zeitlicher Hinsicht überprüft werden, da es andernfalls zu Problemen im Lösungsprozess kommen kann (CZERANKA 1997:117). 4.1 Entwicklung von SDSS Die Entwicklung von DSS zielt auf eine effektive Zusammenarbeit von Mensch und Maschine. Dabei ist und bleibt der Entscheidungsträger die wichtigste Komponente, während das System lediglich als Unterstützung des Entscheidungsträgers fungiert. Nach SPRAGUE (1980 in: MALCZEWSKI 1997:2ff) werden drei Ebenen der DSS- Technologie unterschieden. Auf der untersten Ebene sind die DSS-Tools angeordnet. Dies sind Hard- und Softwarekomponenten, die die Entwicklung von DSS-Generatoren und spezifischen DSS erst ermöglichen, daher auch Entwickler oder Toolsmith genannt werden [Bsp. nach MALCZEWSKI (1997:7f): ArcMacroLanguage (AML), Programmierwerkzeug von ArcInfo, Avenue von ArcViewGIS]. Auf der zweiten Ebene befinden sich die DSS-Generatoren. Dieser Brückenpfeiler zwischen den DSS-Tools und den spezifischen DSS besteht ebenfalls aus einer Sammlung von Hard- und Softwarekomponenten, die eine Reihe von Möglichkeiten bieten, die Gestaltung, Implementierung und Benutzung der spezifischen Anwendungen (spezifisches DSS) zu erleichtern und zu beschleunigen. DSSG sind z.b. Simulationssprachen oder Planungssprachen (Programmiersprachen der vierten Generation, z.b. Structured Query Language, Java etc.), da sie folgende Funktionen besitzen: Modellierung, Möglichkeit der Methodenauswahl, Datenverwaltung, Reporting, Graphik und Konsolidierungsmöglichkeiten. Kennzeichnend für Planungssprachen ist die Möglichkeit repräsentative Modelle zu erstellen, die mit "What-if"- Abfragen und "Target"-Analysen erreicht werden (ANTENEH 1994:83f). Beispiele sind GISysteme wie ArcInfo, ArcView, ArcNetwork, IDRISI etc. (MALCZEWSKI (1997:7f). Die spezifischen DSS sind auf spezielle Probleme des Entscheidungsträgers zugeschnitten. Sie bieten verschiedene Möglichkeiten der Ergebnispräsentation in gewünschter Form (Tabellen, Graphiken etc.). Teilergebnisse können hier zwischengespeichert, Daten manipuliert und subjektive Informationen hinzugefügt werden (Bsp.: IDRISI Decision Support- MCE- Modul in IDRISI32). 7

8 Abbildung 3: Die DSS- Ebenen (nach SPRAGUE 1980:10 in: KEENAN 1997:6) 4.2 Komponenten von DSS bzw. SDSS Nach ARONSON & TURBAN (2001:100ff) besteht ein DSS typischerweise aus drei Hauptkomponenten: - Datenbankmanagement Subsystem (DBMS) - Modellbankmanagement Subsystem (MBMS) - Dialogsubsystem (User Interface). Den Kern bildet das DBMS. Es dient zur Sammlung, Speicherung, Abfrage, Manipulation sowie zum Schutz von Daten. Besonders bei SDSS sollte das DBMS nach GOODCHILD UND KEMP (1990:3) in der Lage sein drei räumliche Datentypen zu verwalten: 1. lokale Daten, wie Koordinaten und Ketten, 2. topologische, mit Attributen versehene Daten, wie Punkte, Knoten, Linien und deren Beziehung zueinander und 3. thematische Daten (Attribute topologischer Objekte). Die Datenbank sollte den Benutzer bei der Konstruktion und Nutzung der räumlichen Relationen zwischen allen drei Datentypen unterstützen. Das MBMS verwaltet die Modell- und Methodenbanken und beinhaltet ein Softwarepaket quantitativer Modelle, welche zur Lösung strukturierter Probleme dienen oder Lösungsalternativen aufzeigen. Um analytische Modelle in Geoprozesssysteme zu integrieren, sollten Bibliotheken entwickelt werden, die bereits existierende Programme in ein System bringen. Auf diese Weise wird eine große Zahl von Modellen schnell und einfach zugänglich gemacht (GOODCHILD & KEMP 1990:3). Die dritte Komponente, das User-Interface oder die Benutzerschnittstelle (graphical user interface GUI) dient zur Kommunikation zwischen dem Entscheidungsträger und dem DSS. Das wichtigste Kriterium, welches das GUI zu unterstützen hat, ist eine einfache Handhabung, auch ohne spezielle EDV-Kenntnisse. Dabei sollte die Benutzeroberfläche mit Hilfe der graphischen Anzeige für den Nutzer intuitiv gestaltet werden, d.h. Icons 8

9 können genutzt werden, um Systemkapazitäten anzuzeigen, der Benutzer kann Parameter, Daten, Ausgabe etc. einfach und intuitiv auswählen und kann die Modellprozesse einfach visualisieren. Bezüglich der Architektur eines SDSS sind nach ARMSTRONG et al (in: DENSHAM 1991:409f) auch das Display- und Reporterstellungsmodul (Display und Report Generator) (siehe Abbildung 4) für Karten, Graphiken, Tabellen und Texterläuterungen von großer Bedeutung. Diese Module sollten eine hoch auflösende kartographische Anzeige besitzen und die Darstellung zwei- und dreidimensionaler statistischer Graphiken ermöglichen. Mit dem Reporterstellungsmodul wird der Weg der Entscheidungsfindung nachvollziehbar wiedergegeben. Der letztendliche Aufbau eines SDSS, ist jedoch von dem jeweiligen Problemfeld abhängig. So benötigt ein Manager einen anderen Aufbau von DSS als ein Raumplaner. Einen möglichen Aufbau für ein SDSS geben Armstrong et al in Abbildung 3 (1986 aus: DENSHAM 1991:408). Abbildung 3: Architektur eines SDSS nach ARMSTRONG et al (1986 aus: DENSHAM 1991:408). 4.3 GIS vs. SDSS Anhand der in Punkt 4 dargestellten Charakteristika von SDSS wird deutlich, dass ein (S)DSS kein GIS ist. Ein GISystem dient zur Verarbeitung, Verwaltung und Darstellung räumlicher Daten. Es erfüllt also ebenfalls bestimmte Eigenschaften der SDSS, wie das DBMS und das GUI, sowie zahlreiche Visualisierungstechniken und eine ähnliche Display-Generierung, besitzt jedoch kein MBMS, keine entscheidungsunterstützenden 9

10 Funktionen, kein Expertenwissen und keine künstliche Intelligenz. Dennoch spielen GIS eine wichtige Funktion als zusätzliche Hilfsmittel bei DSS. So können sie z.b. bei strukturierten Teilproblemen numerische oder statistische Berechnungen etc. durchführen. Nach CZERANKA (1997:70f) sollte das GIS ein Baustein von SDSS sein und daher bei der Entwicklung eines SDSS quasi als "Herzstück" in das DSS eingesetzt werden (siehe Abbildung 4). Somit setzt sich ein SDSS aus einem GIS und einem DSS zusammen (siehe auch Abbildung 5). GIS ist jedoch kein Teil von DSS oder umgekehrt, es ist höchstens ein Teil von SDSS. Grundsätzlich entscheidend für den Aufbau eines (S)DSS ist jedoch, wie bereits erwähnt, die Anpassung eines DSS an bestimmte Problemfelder und dementsprechende Methoden zur Problemlösung. Abbildung 5 zeigt zusätzlich die Schnittmenge der Funktionalitäten von DSS und GIS. Abbildung 4: GIS als Herzstück eines SDSS (in: CZERANKA 1997:71) Abbildung 5: Zusammensetzung von SDSS aus GIS und DSS; Schnittmenge der Funktionalitäten (aus: CZERANKA 1997:71). 10

11 5. SDSS zur Planungsunterstützung (PlanningSupportSystems) Wird bei SDSS neben der Entscheidungsunterstützung die Szenarienplanung in den Mittelpunkt gestellt, so spricht man von einem Planungsunterstützungssystem (PSS). Wie bei den SDSS ist das "Herz" eines PSS das GIS. Hinzu kommen spezielle Werkzeuge zur Lösung von Planungsaufgaben in der Stadt- und Regionalwirtschaft, für demographische Analysen und Vorhersagen, zur Umweltmodellierung, Transportplanung, Zukunftsentwicklung sowie zur Entwicklung von Landnutzungsmustern. Ein PSS sollte über strukturierte und leicht zugängliche Informationen der realen Welt verfügen sowie über eine große Bandbreite von Software für Analyse- und Vorhersageverfahren und Entscheidungsunterstützung. Desweiteren sollte ein PSS v.a. kollektives Planen, soziale Interaktion, Kommunikation der beteiligten Personen sowie Diskussionen fördern, um somit gemeinsame Planungsziele schneller zu verwirklichen. Wichtig ist, dass jedes PSS auf das zu bearbeitende Planungsproblem zugeschnitten ist, bzw. über passende technische Funktionen verfügten, die dem jeweiligen Entscheidungsproblem entsprechen (KLOSTERMANN 2001:14ff). Abbildung 6 zeigt eine Möglichkeit, welche von HARRIS (1989/91 in: BATTY & DENSHAM 1996:3) als PSS vorgeschlagen wird. Diese Struktur eines PSS ist mit einer Menge von computerbasierter Software (rechte Seite der Abbildung 6) verbunden, welche in den verschiedenen Ebenen des Planungsprozesses (linke Seite der Abbildung 6) Entscheidungen unterstützt. 11

12 Abbildung 6: Der Planungsprozess als ein Abschnitt von Computer- Methoden die Entscheidungsunterstützung ermöglichen (nach HARRIS 1989/91 in: BATTY & DENSHAM 1996:3) 5.1 Anwendungsbeispiel Stadtplanung: Das METROPILUS PSS: Urban Models & GIS (aus: Puthman & Chan 2001:99ff) In den letzten Jahren entstand bei der Entwicklung geographischer Informationssysteme, urbaner Landnutzungs- und Transportmodellierung sowie der Computer-Hardware eine noch nie da gewesene Flut von verfügbaren Informationen für Planer. Das folgende Beispiel zeigt, wie durch die Integration eines urbanen Landnutzungsmodells (EMPAL und DRAM) in ein leistungsstarkes GIS Software Packet (ArcView) umfassende Informationen für ein zukunftsorientiertes Planungsunterstützungssystem zur Verfügung gestellt werden. Das kombinierte System (METROPILUS) wird in sechs großen Metropolen der Vereinigten Staaten angewendet. Stadtmodelle dienen dem Planer als Assistent, in dem sie folgende Funktionen vereinen: Analysefunktionen, Vorhersagen, Berechnungen, und Auswirkungsanalysen. Das 12

13 Modell DRAM lokalisiert die Stellung von Haushalten, währen EMPAL Arbeitnehmer und Arbeitgeber lokalisiert. Der Planungsprozess umfasst folgenden Ablauf: Problemdefinition, Analyse, Zielstellung, Ausarbeitung der Planungsalternativen, Bewertung der Alternativen und Auswahl von Alternativen sowie die darauf folgende Umsetzung. Ein auf einem urbanem Model und GIS (UM/GIS) basierendes PSS sollte drei Module besitzen, um den Funktionen eines PSS gerecht zu werden (siehe Abbildung 7): 1. Model Knowledge Modul - Bietet Hilfe und Unterstützung für den Nutzer. - Für die zukünftige Entwicklung wäre Internet in Zusammenhang mit einem Model Knowledge Modul wesentlich effektiver (Nutzer kann Modul fragen, welches der Module für das spezifische Problem am besten geeignet ist und andere Hilfethemen abfragen). 2. Model Operation Modul - Enthält Sammlung urbaner Modelle, die für Planungsaktivitäten oder - behörden notwendig sind. - Bietet Vorhersage- und Anleitungsfunktionen in Abhängigkeit von den Inhalten der verwendeten Module 3. Information Transformation/Communication Module - Dient der Informationssammlung, -organisation und- kommunikation 4. DBMS, welches zur Verwaltung und zum Austausch der Daten erforderlich. Abbildung 7: Übersicht eines Stadtmodell/GIS basiertem PSS (in Puthman & Chan 2001:105) 13

14 5.1.1 Entwicklung von METROPILUS Die Entwickler von METROPILUS entschieden sich für ArcView (ESRI) um das benötigte GIS und DBMS bereit zu stellen, was das neue METROPILUS PSS unterstützen sollte. ArcView beinhaltet eine Programmiersprache- AVENUE, welche es ermöglicht, das Modell und die Benutzeroberfläche in das System einzubetten, sowie zusätzliche Werkzeuge. Darüber hinaus wurden Verbindungen zur Microsoft EXEL- Tabellenkalkulation kreiert. Diese neuen Systeme verhalfen Planern zu einem Anstieg der Produktivität, Flexibilität in der Stadt- und Transportmodellierung und sorgte darüber hinaus für eine einfache Nutzung. Der erste Prototyp von METROPILUS wurde 1996 hergestellt. Das Modell war DOS-basiert, was eine große Bandbreite von Anwendern zuließ. Das System war einfach zu nutzen. Bereits die ersten Unerfahrenen Anwender erzeugten neue innovative Modellanalysen und Präsentationen. Wichtige Rolle spielte dabei die intelligente AVENUE Skriptsprache, die Vorausberechnungen ermöglichte. Mit der späteren Entwicklung und ständigen Verbesserung des GUI, wurde die Anwendung und v. a. die Kommunikation zwischen Mensch und Maschine wesentlich verbessert Beispiele von METROPILUS- Informationsprodukten 1. System stellt beschreibende Informationen zur Verfügung, die Planer nutzen können um potentielle Probleme herauszufinden und um existierende Probleme zu erforschen.. Deren Produktion und Präsentation kann durch räumliche und nicht- räumliche Methoden vollendet werden. Die Informationen können durch Verteilungskarten oder in statistischen Modellen dargestellt werden. 2. Vorhersage Informationen, die zukünftige Perioden modellieren und beschreiben. Ist das Hauptprodukt des kombinierten PSS (METROPILUS). Für jedes geographische Gebiet beinhalten die Vorhersage der Information folgendes: Angabe von Arbeitsplatzverteilungen (geordnet nach Einkommen), Verteilung und Typisierung der Haushalte und die jeweilige Landnutzung, in Kategorien geordnet. Die Ausgaben können kombiniert, manipuliert und verändert werden. 3. Berechnungsanalyse, Auswirkungsanalysen und Vergleich sind eine einzigartige Verbindung mit urbanen Modellen. Bereits über einfache Extrapolation können akzeptable Ergebnisse über zukünftige Aspekte einer Region getroffen werden Jedoch kann die Extrapolation keine exakte Abschätzung der Effekte von Veränderungen, auf der Ebene von. Parametern, Annahmen und Variablen der Vorhersage geben. Das GUI unterstützt die Berechnungsanalyse und sorgt für eine einfache Benutzung. Die Ergebnisse werden im gewünschten Format präsentiert. Vergleiche sind einfach und schnell zu handhaben. 14

15 4. Die Funktion für räumliche Queries (Verbindungen) verbindet lokale, fokale und zonale Beziehungen. Lokale Informationen helfen dem Planer Situationen und Probleme spezifischer räumlicher Einheiten zu verstehen. Fokale Informationen werden genutzt um Auswirkungen einer lokalen Zone/Einheit auf die Nachbarzone darzustellen. Die zonale Informationen bezieht sich auf das komplette Gebiet. Die Query Funktion erlaubt es nun dem Planer diese drei Informationsarten zu verbinden, wodurch (neue) Zusammenhänge ersichtlich werden. Z. B. Können in einer speziellen Zone die Arbeitsplatz- und Haushaltsverteilungen aufgezeigt werden. Zusätzlich werden in einer Karte die Auswirkungen auf die angrenzende Zone dargestellt, wie höheres Verkehrsaufkommen durch Pendler usw.. METROPILUS stellt einen wichtiger ersten Schritt, hin zur Entwicklung eines kompletten PSS für die Stadtplanung dar. Um eine ideale Informationsumgebung zu erreichen ist es nach PUTHMAN & CHAN (2001:126) notwendig für Planer ihr Verständnis von den Informationen, die sie brauchen zu verfeinern und auszubauen. 5.2 Anwendungsbeispiel: Virtual Slaithwaite- Städteplanung der Zukunft ( Ein äußerst wichtige Aufgabe der PSS ist die Kommunikation der Planungsbehörde mit den Planungsbetroffenen. So soll gerade in der Stadtplanung, die Kommunikation mit den Bürgern erhöht werden, um dadurch mehr Verständnis für behördliche Planungen und Entscheidungen zu erlangen. Virtual Slaithwaite ist ein Internetbasierter Ansatz eines SDSS zur Beteiligung der Öffentlichkeit an Planungsprozessen. In dem Projekt, was an der Geographischen Universität Leeds unter der Leitung von CARVER, EVANS, KINGSTON und TURTON entwickelt wurde, wird ein Ausschnitt der Stadt Slaithwaite in West-Yorkshire (England) virtuell im Internet dargestellt. Die Bürger der Stadt können via Internet ihre Vorschläge zur Planung mit einbringen. Das Modell ist über Internet öffentlich zugängliches Vektor-GIS, d. h. auf einer vektoriellen Karte kann mit verschiedenen Funktionen gearbeitet werden (Pan, Zoom), Objekte können ausgewählt und kommentiert werden. System basiert auf der Java Programmiersprache. Virtual Slaithwaite ist kein klassisches PSS es dient zur Daten- und Meinungserfassung, die später zur Entscheidungsfindung bei der Planung eingesetzt wird. Vorteile liegen in der Anonymität der Beteiligten (Hemmschwelle der Beteiligung an Planungsprozessen sinkt), was aber gleichzeitig auch Nachteile mit sich bringt (Spam). Weiterhin verursacht, dass Modell einen geringen Kosten- und Arbeitsaufwand, bei hohem Nutzen. Jedoch sind die gesammelten Meinungen nicht immer repräsentativ, da nicht klar ist ob sich alle Bürger und v.a. auch ältere Menschen an dem Projekt beteiligen ( 15

16 6 Zusammenfassung und Ausblick Die Entscheidungsunterstützungssysteme bieten eine umfassende Hilfe bei unstrukturierten Problemstellungen. In Verbindung mit einem GIS sind sie ebenfalls auf räumliche Problemstellungen anwendbar. Die ursprünglich aus der Wirtschaft stammenden DSS werden heute in vielen Wissenschaftsbereichen eingesetzt (Geographie, Ökologie, Planung etc.). Gerade in der Planung wurden in den letzten Jahren vermehrt Ansätze zur Unterstützung des Planungsprozesses und zur Unterstützung der Einbeziehung der Öffentlichkeit (siehe Punkt 5.2) in diesen Prozess geschaffen. Ein wichtiges Hilfsmittel ist hierbei die Integration oder Kopplung von PSS und Modellen für spezielle Anwendungen, wie z.b. Stadtplanung (siehe Punkt 5.1). Dennoch finden solche Systeme in der Praxis selten Anwendung. Nicht zuletzt weil es an der Kommunikation, zwischen den an der Entwicklung eines solchen Systems, beteiligten Personen(gruppen) mangelt. Darüber hinaus ist der Dateninput für modellbasierte SDSS/PSS extrem aufwendig. Eine weitere Schwierigkeit stellt die Bedienung der Systeme dar, die trotz GUI, oft nicht den intuitiven Ansprüchen von "Look & Feel" entsprechen. Die Forschung versucht jedoch auf diesem Gebiet mit Hilfe von multimedialer Technik einen leichteren und breiteren Anwendungsbereich zu schaffen. So bestehen in der 3D-Animation und in Virtuel Reallity gerade in der Stadtplanung große Möglichkeiten, um Planungsprozesse und damit auch Entscheidungen zu vereinfachen. 16

17 Literatur: ANTENEH, S. (1994): Zur Lösung komplexer mehrkriterieller Entscheidungsprobleme mittels Decision Support Systemen. Frankfurt am Main. BATTY, M & P. J. DENSHAM (1996): DECISION SUPPORT, GIS, AND URBAN PLANNING. In: Centre for Advanced Spatial Analysis. London CZERANKA, M. (1997): GIS-basierte Entscheidungsunterstützung in der naturschutzorientierten Raumplanung. Vechta. DENSHAM, P. J. (1991): Spatial Decision Support Systems. In: MAGUIRE, D J., M F GOODCHILD & RHIND, D. (1991): Geographical Information systems. Princibles and Applications. New York. KEENAN, P. (1997): Using GIS as a DSS Generator. Department of Management Information Systems. Dublin. KLOSTERMANN, R. E. (2001): Planning Support Systems: A New Perspective on Computer-aided Planning. In: BRAIL, R. K. & KLOSTERMAN, E. (2001): Planning Support Systems. Redlands. GOODCHILD, M.F. & K.K. KEMP (1990): Unit 59- Spatial Descision Support Systems. NCGIA Core Curriculum in GIS. National Center for Geographic Information and Analysis, University of California, Santa Barbara. letzter Zugriff am LAURINI, R. & D. THOMPSON ( ): Fundamentals of spatial informationsystems. London. MALCZEWSKI, J. (1997): NCGIA Core Curriculum in GIS. Unit 127 -Spatial Descision Support Systems. letzter Zugriff am PUTHMAN, S. H. & S. L.CHAN (2001): The METROPILUS Planning Support System: Urban Models and GIS In: BRAIL, R. K. & KLOSTERMAN, E. (2001): Planning Support Systems. Redlands. TURBAN, E. & J. E. ARONSON ( ): Decision Support System and Intelligent System. USA. 17