3. Datenschutz-Problematik

Transkript

1 Salzburger Geographische Arbeiten, Bd. 38, S Salzburg 2005 Hierarchische Aggregation: Detailinformation versus Datenschutz am Beispiel adressbezogen georeferenzierter Datensätze Josef Strobl Inhalt 1. Zusammenfassung 2. Ausgangsposition: Adressbezogene Statistik 3. Datenschutz-Problematik 4. Lösungs-Strategie 5. Methodische Umsetzung 6. Schlussfolgerungen und Ausblick Literaturverzeichnis 1. Zusammenfassung Die vorliegende Arbeit steht im Zusammenhang mit der praktischen Auswertung adressbezogener Datensätze im Rahmen von Projekten zur nachhaltigen Stadtplanung, Infrastrukturanalyse und Standortoptimierung. Dabei kommen Methoden der multikriteriellen Bewertung, Kostenoberflächen und Potenzialanalyse zur Abbildung von Distanzfunktionen und Werkzeuge der fuzzy algebra zum Einsatz, sodass eine Aggregation der Merkmale von Adresspunkten auf Rasterzellen operativ erforderlich ist. Insbesondere bei über die reine Einwohnerzahl hinausgehenden differenzierteren Statistiken tritt dabei die Frage des personenbezogenen Datenschutzes auf. Einerseits um den gesetzlichen Rahmenbedingungen zu entsprechen, andererseits um die Stabilität statistischer Maße mit einem Minimum an Beobachtungen zu gewährleisten, wurde eine Methode der rekursiven hierarchischen Aggregation entwickelt, die von der Dichte der Adresspunkte bzw. den Werten der damit verknüpften Maßzahlen gesteuert ist. Rasterzellen werden nach dem Schema von Quadtrees solange rekursiv zusammengefasst, bis vorgegebene Mindestwerte von Zellfrequenzen erreicht sind. Damit wird ein Raster variabler Auflösung implementiert, das in dicht besiedelten Gebieten die räumliche Auflösung maximiert, andererseits durchgehend eine Mindestpopulation je Zelle gewährleistet. 2. Ausgangsposition: Adressbezogene Statistik Regionalstatistische Information wird von Anwendern traditionell in aggregierter Form verarbeitet, in der Regel bezogen auf administrative Einheiten (Kommunen, Länder) oder darauf abgestimmte statistisch-organisatorische Entitäten (Zählbezirke, Sprengel, Blöcke). Erhebungen im Rahmen der staatlichen Volkszählung wurden auf derartige Einheiten aggregiert und in entsprechender Form publiziert. Diese Arbeit wurde im Rahmen der Grundlagenforschung in Zusammenarbeit mit dem Forschungsstudio ispace der Research Studios Austria - ARC Seibersdorf research GmbH angefertigt (ispace.researchstudio.at). 163

2 Die überwiegende Mehrzahl aller regionalstatistischen Analysen wie auch die kartographische Kommunikation bediente und bedient sich solcher aggregierter Zähldaten, meist durch Summenbildung über verschiedenste Kategorien. Im Mittelpunkt stehen dabei personenbezogene Deskriptoren (Alter, sozioökonomische Merkmale) sowie auf Betriebe oder Gebäude abzielende Erhebungen. Zunehmend stehen jedoch Individualdaten mit detailliertem Standortbezug zur Verfügung. Die Verbindung von Straßen-Adressen als Verortungsmechanismus mit statistisch auswertbaren Merkmalen ist zwar in der staatlichen Geoinformations-Infrastruktur (z.b. Kataster und Grundbuch) schon seit langem grundgelegt, wurde jedoch zunächst nicht durch explizite und einheitliche koordinative Lokalisierung von Adressen in Wert gesetzt. Vielmehr trat zunächst der privatwirtschaftlich nach Prozessoptimierung strebende Sektor von Logistik und Navigation in den Vordergrund, indem Anbieter von Navigationssystemen ihre auf Verkehrswege orientierten Referenzsysteme zunehmend in Richtung von Adressverortung verfeinerten. Lokalisierte Adressen spielen hier die Rolle einer Benutzerschnittstelle im Sinne eines Human-Computer-Interface (HCI): Straßenadressen sind für Standortidentifikation, Zielangaben und Kommunikation im verbauten Gebiet unentbehrlich. Auf GPS und anderen Verortungstechniken basierende Navigationssysteme benötigen als HCI damit nahezu zwingend verortete Adressen. Die damit vorliegenden Adresskoordinaten erwiesen sich umgehend für zahlreiche Anwendungen als attraktiv und wertvoll: Personen- und Betriebsdaten liegen in einem breiten Spektrum von existierenden Verzeichnissen vor, beispielsweise von Telefonbüchern und Mitgliedsverzeichnissen bis hin zu Versandhaus-Kundendatenbanken. Eine Verortung aller dieser Datenbanken durch Adress-Korrelation ( address matching, geocoding ) eröffnete ein Spektrum innovativer Anwendungen z.b. zur Optimierung von Logistikprozessen bis hin zum Gesamtgebiet des Geomarketing. Traditionelle Adressverlage wie neue Geomarketing-Unternehmen sahen insbesondere in Direktmarketing- und Marktsegmentierungs-Anwendungen Gelegenheit zur Entwicklung innovativer Angebote. In manchen Staaten trat wiederum die Post bzw. deren Nachfolgeunternehmen als Anbieter auf, mit dem entscheidenden Vorteil eines systemimmanenten Aktualisierungs-Mechanismus ein kritischer und teilweise problematischer Faktor für manchen anderen Anbieter! Adress-referenzierte Sachdaten bis hin zum Individualniveau werden zumeist in den Branchen Geomarketing, Markt- und Meinungsforschung sowie Werbewirtschaft gehandelt und über variable Aggregationsniveaus (Baublöcke, Straßenzüge, Bezirke) hinweg eingesetzt. Regionalstatistik wird damit vorrangig zur marktbezogenen Segmentierung betrieben, für Grundlagenforschung und Planung kommen diese Datenprodukte wohl auch aus Kostengründen nur selten zum Einsatz. Auch Aufgaben im öffentlichen Interesse werden auf der Grundlage adressbasierter HCI vorteilhaft wahrgenommen. So steht z.b. auf Ebene österreichischer Bundesländer der Aufgabenbereich Einsatzleitung / Katastrophenmanagement im Mittelpunkt von Initiativen zur Geokodierung von Adressen, wobei damit meist Notrufe und Einsatzdetails auf Karten und Pläne unterschiedlicher Maßstäbe referenziert werden. Der Aktualisierungsmechanismus wird in der Regel über die betroffenen Kommunen eingerichtet. Auf (österreichischer) nationaler Ebene steht die Komplettierung eines einheitlichen, zwischen dem Katasterwesen (BEV die National Mapping Agency ) und der Statistik Austria abgestimmten georeferenzierten Adressregisters kurz bevor (siehe Bundesgesetzblatt Jahrgang 2004, , Teil 1). Damit wird einerseits der Zugriff zu Grundbuch und darauf aufbauenden Anwendungen erleichtert, andererseits nach angekündigtem Ende der statisti- 164

3 schen Großzählungen die beliebige gebietsbezogene Aggregation von Daten der staatlichen Melderegister ermöglicht. Damit scheint sich nach vielen Jahrzehnten die Forderung und der Traum eines Vorkämpfers der koordinatengebundenen Statistik zu verwirklichen: bereits seit den 60er Jahren (siehe z.b. Vorwort zu Wonka 1983) hat sich E. Arnberger aus seiner langjährigen Tätigkeit an den Schnittstellen von Statistik, Geographie und Kartographie vehement für den Aufbau einer dahingehenden Datenstruktur ausgesprochen und diese unter anderem mit dem Vorteil einer daraus beliebig konfigurierbaren Aggregation auf geometrische und administrative Zonen jeder Art begründet. Interessanterweise hat z.b in den USA die nationale Volkszählung ( census ) schon seit langem einen Ansatz expliziter, vollständiger Georeferenzierung von Einzeladressen verfolgt und damit die Grundlage für hochauflösende Straßengraphen mit Adresszuordnung gelegt erwähnt sei das an dieser Stelle, weil sich darauf die prävalente Logik der Adressverwaltung in den marktführenden GIS-Softwareprodukten ergibt. Die stetig zunehmende Bedeutung georeferenzierter Kommunikation mittels Adressen sowie deren Potenzial als universeller Schlüssel zur Verknüpfung unterschiedlicher Datenbestände führte zu dringendem Bedarf an der Normierung dieses Datentyps. Während frühere Normen primär die Schreibweise zur Herstellung der Eindeutigkeit zum Ziel hatten und das address matching ermöglichen sollten, greift der aktuelle Entwurf für eine ÖNORM A Normierung der Übermittlung von Lokationsangaben (Adressen) des österreichischen Normungsinstituts seiner Bezeichnung entsprechend deutlich weiter aus und soll in Form eines GML-Schemas spezifiziert werden. Damit hat sich in den vergangenen Jahren in Konzeption, Methodik und auch Anwendung der Bereich der adressbezogenen Statistik gleichermaßen im öffentlichen Sektor wie in der marktorientierten Wirtschaft etabliert. Insbesondere die damit verbundene hohe räumliche Auflösung ist ein attraktives Merkmal für Informationsangebote und Entscheidungsprozesse, durch den möglichen Rückgriff bis auf (nahezu) Individualebene ist ein außerordentlich mächtiges Werkzeug zur räumlichen Analyse entstanden jedoch nicht ganz ohne damit auch Probleme zu schaffen! 3. Datenschutz-Problematik Genau dieses Heranrücken regionalstatistischer Analyse an die Individualebene, dieses aufden-(adress)-punkt-kommen hat sich als ein kritischer Faktor aus Sicht des personenbezogenen Datenschutzes herauskristallisiert. Insbesondere bei differenzierter, reichhaltiger Attributisierung gestattet ein häufig nur wenige Personen zusammenfassender Datensatz je Einzel- Adresse vielfach Rückschlüsse auf Merkmale einzelner Individuen und verletzt damit potenziell gesetzliche Regelungen. Einer breiteren Öffentlichkeit wurde diese Problematik bewusst, als Adressverlage fein ausdifferenzierte Datensammlungen für den Einsatz in regionalisierter Marktforschung und Direktmarketing anboten (siehe z.b. Herold Marketing CD business, at/). Auch im täglichen Leben ist vielfach zu beobachten, wie gezielt Zusendung von Werbematerial, Telefonmarketing und sonstiges targeting erfolgen, nicht zuletzt ermöglicht durch die adressbasierte Integration unterschiedlicher Datensammlungen. Neben dem direkten Zugriff auf Individual- oder extrem niedrig aggregierte Datensätze beinhaltet die Regionalstatistik auch weitere Problempunkte aus Sicht des personenbezogenen Datenschutzes: die Rasterfahndung durch regionalisierte Kombination ( overlay, Verschneidung) von Datenbeständen erzeugt potenziell einen gläsernen Bürger. De facto werden da- 165

4 bei durch multifaktorielle Disaggregation aus der Kombination mehrerer, für sich jeweils regional ausreichend hoch aggregierter = anonymisierter Datenbestände Rückschlüsse auf Individuen möglich die in der Kriminologie akzeptabel, als wirtschaftlicher Mechanismus jedoch problematisch sind. Generell ist festzuhalten dass adressbezogene und damit koordinatengebundene statistische Erhebungen und entsprechend georeferenzierte Datenbanken als Grundlage für flexible und problemgerechte Aggregation wünschenswert sind und als Grundlage zur Erarbeitung von Planungs- und Entscheidungsunterlagen enormes Potenzial aufweisen. Andererseits sind Koordinaten immer dann datenschutzrechtlich bedenklich, wenn sie unmittelbar mit Personen verbunden sind. Dies gilt für Adressen als Mittelpunkt der Lebensinteressen von Personen ebenso wie für den aktuellen Standort, wenn dieser über Mobilfunk-Endgeräte ( Handys ) ermittelt wird. 4. Lösungs-Strategie Als grundlegender Ansatz geographischer Arbeitsweisen wird Überblick unter Hintanstellung von Detail verfolgt, Erkenntnisse werden aus der Zusammenschau in kleineren Maßstäben, aus der Zusammenfassung großer Mengen von Einzelbeobachtungen angestrebt. Das Interesse an Individualdaten war aus der Sicht der Suche nach Regelhaftigkeiten und generellen Mustern kaum gegeben, Aggregation auf räumliche Bezugseinheiten ist ein Grundelement geographischer Methodik. Auch (ursprünglich) ohne Berücksichtigung datenschutzrechtlicher Aspekte ist demnach räumliche Aggregation Ziel analytischer wie auch visualisierend-geographischer Arbeitsweisen. Da nun marktwirtschaftliche Mechanismen auf einzelne wirtschaftliche Akteure (individuelle Bürger) durchzugreifen versuchen, ist allerdings bewusster der Zugang zur Individualebene einzuschränken und der methodische Werkzeugsatz der Aggregation zu verfeinern. Bei regionalisierter Datenanalyse ist vielfach eine räumlich differenzierte Darstellung angestrebt, um z.b. in der Orts- und Standortplanung einzelne Positionen von etwa Haltestellen, Läden, zentralen Einrichtungen usw. hinsichtlich ihres Potenzials adäquat beurteilen zu können. Während nun viele der erforderlichen Berechnungen (Allokation, Potenzialanalyse, Einzugsgebiete) durchaus auf Einzel-Adressdaten zugreifen können um daraus zusammengefasste Werte z.b. für alternative Standorte zu generieren, ist dies zur Visualisierung nicht möglich. Entscheidungsunterstützung wie auch Hypothesen-Generierung kommen jedoch kaum ohne Visualisierung aus. Der wohl häufigste kartographische Zugang liegt in der Visualisierung regionalstatistischer Maßzahlen auf Basis administrativer (Sprengel) oder organisatorischer (Baublöcke) Bezugseinheiten. Da diese jedoch durch Siedlungsstrukturen, Topographie und variable Dichten geometrisch sehr unterschiedlich gestaltet sein können und vielfach die relevanten Ballungszonen (an Straßenzügen) durchschneiden, wird mit dieser Vorgangsweise die Vergleichbarkeit von Teilen einer Untersuchungsgebiets erschwert. Gerade bei Vorliegen adressbezogener Basisdaten wird daher zunehmend auf Rasterzellen aggregiert. Diese homogenisieren das räumliche Erscheinungsbild, Absolutwerte sind gleich Dichtewerten zu interpretieren, und die Integration mit beliebigen anderen Datensätzen bis hin zur Fernerkundung ist effektiv und algorithmisch einfach möglich. Weiters basieren statistische Methodiken wie z.b. der Ansatz der point pattern analysis vielfach auf Punktdaten, die auf Rasterzellen aggregiert werden (Gatrell und Rowlingson 1994). Genau dieser Ansatz der Aggregation adressbezogener Daten auf Rasterzellen bietet sich zur flexiblen Zusammenfassung unter gleichzeitiger Berücksichtigung datenschutzrechtlicher As- 166

5 pekte an. Die Wahl einer geeigneten Größe für Rasterzellen wird dann nicht nur aus kartographischen oder Auflösungs- bzw. Maßstabs-Überlegungen gesteuert, sondern soll auch eine ausreichende Aggregation von Einzelwerten zur Vermeidung der Exposition von Individualdaten gewährleisten. Da gerade in typischen Siedlungsräumen die Dichte an Personen und Adressen enorm variiert, ist es kaum möglich, eine für ein Untersuchungsgebiet (z.b. einer Stadt) gültige Raster- Auflösung festzulegen. Ausgehend von einem Schwellwert von z.b. mindestens 20 Einwohnern je Zelle wird dieser Wert schon bei einem Raster von 25*25m in dicht besiedelten Zonen leicht erreicht werden, während selbst die hundertfache Zellgröße von 250*250m an der Peripherie kaum für die Erreichung dieses kritischen Wertes an Mindesteinwohnerzahl ausreichen wird. Aggregiert man jedoch auf die in extensiv besiedelten Teilgebieten erforderlich große Zelldimension, wird die Aussage bzw. Darstellung für zentrale, dichte Teilgebiete viel zuwenig differenziert und kaum aussagekräftig sein. Zur Lösung dieses Problems variabler Auflösung stehen in der Geoinformatik etablierte Methoden zur Verfügung, die mit entsprechenden Datenstrukturen grundgelegt sind. Einige Ansätze fokussieren auf Datenkompression (z.b. einfache TIFF-Algorithmen, siehe Adobe Systems Inc. 1992), andere nutzen hierarchische Datenstrukturen wie Quadtrees (Samet 1990). Letztere sind für das gegebene Problem gut geeignet, jedoch in GIS-Software meist nur als Sekundärstruktur (räumlicher Index), kaum jedoch als primäre Datenstruktur verfügbar (eine der seltenen Ausnahmen: SPANS bzw. Geomatica, siehe In der vorliegenden Arbeit wurde daher eine Methode entwickelt, die im Endeffekt einem Quadtree entspricht, ohne jedoch eine entsprechende hierarchische Datenstruktur mit korrespondierender Adressierung zu benötigen. Ausgehend von georeferenzierten Adressen werden diese auf Rasterzellen aggregiert, bei Unterschreitung eines kritischen Populationswertes werden die Rasterzellen multiplikativ vergrößert bis ein z.b. datenschutzrechtlich relevanter Schwellwert erreicht wird. 5. Methodische Umsetzung Als Datengrundlage stand ein Datensatz mit allen Adresspunkten in der Stadt Salzburg zur Verfügung, attributiert mit der Einwohnerzahl (ordentliche Wohnsitze). Alle Einwohnerzahlen unter 10 je Adresse wurden vor der weiteren Verarbeitung durch Zufallszahlen im Wertebereich 0-9 ersetzt. Die Lagegenauigkeit der Adresspunkte war für die gegenständliche Arbeit aus methodischer Sicht irrelevant. Während Originaldaten bevorzugt in Geographischen Koordinaten (Länge, Breite) vorgehalten werden, ist für die Definition von Rasterzellen die Wahl eines planaren, also projizierten Koordinatensystems erforderlich. Auf Grund der Anzahl möglicher bzw. je nach Untersuchungsgebiet relevanter Projektionen ist keine eindeutige, generelle Entscheidung möglich. Die Aggregation ausgehend von eindeutig definierten Punkten kann jedoch problemlos ad hoc auf ein Raster in einem jeweils als geeignet angesehenen Bezugssystem erfolgen. Von Kaminger et al. (2004) wird die Publikation von uniformen Rasterdaten auf Basis der amtlichen Statistik dargelegt. Während damit insbesondere für großräumige Fragestellungen eine wichtige Alternative angeboten wird, mangelt es der dort vorgeschlagenen statischuniformen Kodierung von Adressen zu vordefinierten Rasterzellen ganz klar an Flexibilität und ist wohl durch die traditionelle (a-räumliche) Datenbank-Orientierung zu erklären. Aggregation mittels GIS auf ein beliebig definiertes Raster-Bezugssystem ist jederzeit als einfacher Analyseschritt möglich. Bei Unterschreitung datenschutzrechtlicher Grenzwerte kann bei dem oben zitierten Ansatz nur der Wert der jeweiligen Zelle unterdrückt werden. 167

6 Sobald nun Untersuchungsgebiet, Orientierung des Rasternetzes und dessen minimale bzw. Ausgangs-Auflösung festgelegt sind, kann eine Aggregation der Adresspunkte in die entsprechenden Rasterzellen erfolgen. Dabei wird entweder die Zahl der Punkte ( count ) oder in den meisten Fällen die Werte einer Ausprägung wie z.b. der Einwohnerzahl je Adresse kumuliert ( sum Funktion). Daraus ergibt sich ein Rasterdatenbestand, dessen Zellen die Population (oder darauf bezogene Maßzahlen) der je Zelle zusammengefassten Adresspunkte als Werte beinhalten. Aufgrund der uniformen Zelldimension ist dies zugleich eine Dichte-Darstellung der Population, allerdings bei datenschutzrechtlich relevanten Themen in manchen Zellen verbunden mit der Problematik, dass zu niedrige Einwohnerzahlen je Zelle vorliegen können (z.b. bei sozioökonomischen oder gesundheitsbezogenen Daten). Im nächsten Schritt werden daher solche Zellen mit drei Nachbarn zu einem 2*2-Block zusammengefasst. Wird nun wiederum nicht der vorgegebene Schwellwert einer Mindestpopulation erreicht, wird der letzte Schritt wiederholt. Abbildung 1: Sukzessive Modifikation von Rasterzellen mit rekursiver 2*2 Blockung. (Eigene Darstellung) Ablaufschema. 1. Aggregation von Adresspunkten auf kleinste Zelldimension 2. Prüfung je Zelle, ob Schwellwert an Mindest-Population erreicht wird 3. Falls dieser überschritten wird, zu Ansonsten: Aggregation der Zelle innerhalb eines 2*2 Blockes 5. Mit aggregierten Zellen zu Fertigstellung. Abbildung 2: Modellstruktur zur Aggregation von Zellen mit Population unterhalb des Schwellwerts. (Eigene Darstellung) 168

7 Auf diesem Weg wird eine hierarchische Rasterstruktur aufgebaut, in der jede Zelle einen vorzugebenden Minimalwert an Einwohnern (oder einer Teilpopulation, oder einer sonstigen Maßzahl) erreicht. Indem Zellen in Bereichen hoher Dichte klein gehalten und nur bei geringerer Dichte vergrößert werden kann in der Bearbeitung dem Leitsatz so detailliert wie möglich, so stark aggregiert wie (datenschutzrechtlich) nötig entsprochen werden. Abhängig von unterschiedlichen Dichten im Untersuchungsgebiet können die maximal notwendigen Zelldimensionen etwa in peripheren Gebieten auch extrem groß werden und damit andere Detailinformation ausblenden, in diesem Fall kann die sukzessive Aggregation abgebrochen und der Wert der Zelle nicht angezeigt werden. Sofern allerdings die Gesamtsumme des Untersuchungsgebiets relevant ist, muss in diesem Fall die Summe der solcherart unterdrückten Zellwerte anderweitig kompensiert werden. Abbildung 3: Aggregation der Einwohner je Adresse auf Rasterzellen variabler Dimension. (Eigene Darstellung) Abbildung 4: Hierarchische Rasterdarstellung der Einwohnerdichte mit Zellen variabler Dimension. (Eigene Darstellung) 169

8 Mit dieser Methode können adressbasierte Daten auch unter Wahrung personenbezogenen Datenschutzes analysiert und präsentiert werden und stehen gleichzeitig auch in einer für weitere Verarbeitung gut geeigneten Rasterstruktur zur Verfügung. Insbesondere der letztere Punkt ist ein Vorteil gegenüber grundsätzlich möglicher variabler Zusammenfassung auf Grundlage polygonaler Strukturen (etwa Gebäude - Block Sprengel Bezirk). Die Topographie von derartigen Bestandes- und administrativen Grenzen ist im Vergleich zur vorgeschlagenen Raster-basierten Vorgangsweise durch geringere Flexibilität charakterisiert, vor allem aber verlaufen die typischen Trennlinien (Hauptstrassen) vielfach durch homogene Zonen hoher Dichte. Durch die entfallende Abhängigkeit vom Vorliegen einer hierarchischen, polygonalen Raumstrukturierung ist in den meisten Fällen einem rasterbasierten Ansatz der Vorzug zu geben. Derartige hierarchisch organisierte Raster-Datenbestände variabler Auflösung eignen sich vorzüglich für die weitere Verarbeitung z.b. im Kontext von multi-thematischen Bewertungsverfahren (MCE Multi Criteria Evaluation ), von integrativen Standortmodellen und als Grundlage der Simulation temporaler Entwicklungsszenarien. Zu beachten ist allerdings, dass verfügbare Rasteroperatoren in gängigen Softwareprodukten Umgang mit variablen Auflösungen nicht unmittelbar unterstützen und daher elaborierte Verarbeitungsstrategien implementiert werden müssen. 6. Schlussfolgerungen und Ausblick Die hier vorgestellte Methode der flexiblen rekursiven Aggregation von aus adressbezogener bzw. koordinatengebundener Statistik abgeleiteten Zellwerten zu einem hierarchischen Raster variabler Auflösung konnte bereits in der Forschungs- und Planungspraxis erprobt und solcherart validiert werden (siehe z.b. Prinz 2004 und Prinz et al. 2004). Insofern konnten die Entwicklungsziele erreicht und der methodische Apparat der räumlichen Analytik erweitert werden. Zwei Punkte sind anzumerken: (1) Wenn gängige Werkzeuge (d.h. Softwareprodukte) Quadtree-basierte und andere hierarchische Datenstrukturen in geeigneter Implementation anbieten würden, könnten derartige Bearbeitungen wesentlich effizienter durchgeführt werden; (2) grundsätzlich könnten die Ziele des Erreichens vorgegebener Schwellwerte auch in manchen Fällen z.b. durch Verwendung binärer Aggregation (Zusammenfassung von 2 anstelle von 4 Zellen) erreicht werden. Dieser Weg wurde wegen der weiter erhöhten Ablaufkomplexität nicht umgesetzt, würde jedoch prinzipiell ein etwas höheres Auflösungsniveau bei gleichzeitiger Wahrung der datenschutzrechtlichen Kriterien sichern. Obschon es wünschenswert ist, dass effiziente Werkzeuge zur Anwendung der hier vorgestellten Methodik direkt in GIS zur Verfügung stehen, kann durch den Einsatz flexibler Modellierungsinstrumente der Bedarf in konkreten Anwendungsfällen weitgehend gedeckt werden. Dies gilt allerdings nicht für rasterbasierte Analysemethoden, die durchwegs uniforme Zellen je Thema ( Schicht ) voraussetzen. Allerdings ist vor dem Hintergrund der Datenschutz-Problematik in vielen dieser Fälle eine Arbeit mit punktbezogenen Originaldaten möglich, da ohnehin in der Endaussage eine Aggregation erfolgt: auf Zentren einer Allokationsanalyse, Eignungszonen nach gewichteter Faktorenintegration oder zum Standortevergleich. 170

9 Literaturverzeichnis Adobe Systems Inc. (2002): TIFF Revision (zuletzt verifiziert am 12. Juni 2004) Anegg, T. und E.Wonka (2001): Emissionskataster Hausbrand für die Stadtgemeinde Klosterneuburg auf der Basis von Planquadraten. Tagungsband CORP 2001 (siehe Bundesgesetzblatt für die Republik Österreich, Jahrgang 2004, ausgegeben am , Teil 1. (zuletzt verifiziert am 12. Juni 2004) Gatrell, A. and Rowlingson, B. (1994): Spatial point process modelling in a GIS environment. Taylor and Francis, London. Kaminger, I. und E. Wonka (2004): Von einer Österreichgliederung nach Gemeinden zu Planquadraten: Statistik Austria erweitert sein regionalstatistisches Angebot. Tagungsband CORP 2004 (siehe Kollarits, S. (1991) Adressen und Straßengraphen als detaillierte Informationsquellen zur Verfeinerung von Kundenverhaltensmodellen. In: Angewandte Geographische Informationsverarbeitung III. Beiträge zum AGIT-Symposium 1991 Selbstverlag des Instituts für Geographie der Universität Salzburg. Kollarits, S. und L.Riedl (1992): Adressen, Straßengraphen und Baublocks: grundlegende Beziehungen und deren praktische Umsetzung. In: Angewandte Geographische Informationsverarbeitung IV. Beiträge zum AGIT-Symposium 1992 Selbstverlag des Instituts für Geographie der Universität Salzburg. Niedertscheider, H. (1999): Vom analogen Plan bis zum Internet - die Bandbreite an Informationsservice bei TIRIS anhand des Projektes Adressverortung Tirol. In: Angewandte Geographische Informationsverarbeitung XI. Beiträge zum AGIT-Symposium Salzburg Wichmann-Verlag Heidelberg. Prinz, T. (2004): Integrative Bewertungsverfahren zur ressourcenschonenden Siedlungsentwicklung. In: Angewandte Geographische Informationsverarbeitung XVI. Beiträge zum AGIT-Symposium Salzburg 2004: pp Wichmann-Verlag Heidelberg. Prinz, T., J. Strobl und E. Wonka (2004): Flexible Aggregation regionalstatistischer Erhebungen online-produkte der amtlichen Statistik. In: Angewandte Geographische Informationsverarbeitung XVI. Beiträge zum AGIT-Symposium Salzburg 2004: pp Wichmann-Verlag Heidelberg. Rabl, G. (2004): Adressregister - das Modell der geocodierten Adressen. In: Angewandte Geographische Informationsverarbeitung XVI. Beiträge zum AGIT-Symposium Salzburg Wichmann- Verlag Heidelberg. Samet, H. (1990): Applications of spatial data structures: Computer graphics, image processing, and GIS. Reading, MA: Addison -Wesley, Wonka, E. (1983): Die kartographische Darstellung der Großzählungsergebnisse 1981 auf der Basis administrativer und geometrischer Bezugseinheiten gezeigt am Beispiel Klosterneuburgs. In: Mitteilungen der Österreichischen Geographischen Gesellschaft, Band 125. Wonka, E. (1993): Computergestützte kartographische Darstellungen statistischer Daten mittels Flächensignaturen auf der Basis von geometrischen Bezugseinheiten. In: Berichte und Informationen. Hrsg. Österreichische Akademie der Wissenschaften, Institut für Kartographie, Nr. 22, Wien. Wonka, E. (2001): Koordinatengebundene Statistik als Voraussetzung für die Infrastrukturplanung. In: Angewandte Geographische Informationsverarbeitung XIII. Beiträge zum AGIT-Symposium Salzburg Wichmann-Verlag Heidelberg. 171

10 172