Verstecktes Bauland: KI macht sichtbar, wo noch gebaut werden kann

Ergebnis einer Baulückenanalyse: Je heller die Farbgebung von Violett über Blau und Grün bis Orange, desto höher ist der Anteil unbebauter Fläche.

Foto: Fraunhofer-Institut für Graphische Datenverarbeitung IGD

Wo können Städte zusätzlichen Wohnraum schaffen, ohne neue Flächen zu versiegeln? Das Fraunhofer-Institut für Graphische Datenverarbeitung IGD setzt dabei auf Künstliche Intelligenz.

Dafür kombiniert das Institut Luftbilder, Laserscandaten und amtliche Geodaten. Die KI erkennt, wo Baulücken bestehen, welche Flächen sich nachverdichten lassen und welche Gebäude für eine Aufstockung infrage kommen. Kommunen sollen so schneller erkennen, welche Reserven sie im Bestand haben.

Auf der Suche nach geeignetem Bauland

Der Bedarf ist groß, denn Wohnraum fehlt und der Flächenverbrauch soll sinken. Wo innerhalb bestehender Siedlungen noch gebaut werden könnte, wissen viele Kommunen ungefähr. Doch die genaue Erfassung kostet viel Handarbeit. Geodaten aus verschiedenen Quellen müssen zusammengeführt, Luft- und Satellitenbilder ausgewertet und manche Flächen vor Ort geprüft werden. Für Verwaltungen mit knappem Personal ist das eine spürbare Belastung.

Am Anfang des Fraunhofer-Verfahrens steht die Bildauswertung. Die KI erkennt auf Luft- oder Orthofotos zunächst potenzielle Flächen. Diese Treffer werden mit amtlichen Geodaten verknüpft und in einem geografischen Informationssystem (GIS) aufbereitet. So sollen nachvollziehbare und aktualisierbare Datengrundlagen entstehen, die sich in bestehende Planungssysteme einfügen.

KI erkennt auch Aufstockungspotenziale

Bei Baulücken prüft das Verfahren unter anderem, welcher Anteil eines Grundstücks unbebaut ist. Dafür gleicht es die Bilddaten mit amtlichen Flurstückdaten ab.

Mit 3D-Laserscandaten geht das Verfahren über die reine Baulückensuche hinaus. Es bestimmt Gebäudehöhen und vergleicht sie mit der Umgebung. Das liefert Hinweise auf Häuser, die sich womöglich aufstocken lassen. Die Ergebnisse lassen sich als Kartenlayer, Datensatz oder 3D-Visualisierung ausgeben.

„Viele Städte verfügen bereits über umfangreiche Geodatenbestände, deren Potenzial bislang nur teilweise genutzt wird“, sagt Dr. Eva Klien, Bereichsleitung Infrastruktur und Public Services am Fraunhofer IGD. „Unsere Lösung zeigt, wie sich diese Daten automatisiert auswerten lassen, um Wohnraumpotenziale im Bestand sichtbar zu machen und Planungsprozesse effizient zu unterstützen.“

Münster setzt auf ein Baupotenzialregister

Wie das in der Praxis aussieht, zeigt Münster. Die Stadt hat ein Baupotenzialregister in Auftrag gegeben, das Baulücken und Aufstockungspotenziale erfassen soll. Das Projekt startete im Juni 2025. Die Ergebnisse liegen im standardisierten Geodatenformat GeoJSON vor und fließen in ein QGIS-Plugin ein.

Für die Aufstockungsanalyse werden die Gebäudehöhen vollautomatisch aus Punktwolken vermessen. Damit sich die Dachflächen einzelnen Gebäuden zuordnen lassen, werden die Punktwolken mit Gebäudeumringen aus dem Open-Data-Angebot des Landes Nordrhein-Westfalen verschnitten. Das Ergebnis bildet die Grundlage für die weitere Potenzialanalyse.

Trainingsdaten machen die Suche automatisierbar

Bei der Erkennung von Baulücken lernt ein Modell aus Beispielen. Dafür wurden Flächen zunächst von Hand markiert. Daten des amtlichen Liegenschaftskatasters (ALKIS) liefern den Startpunkt, um etwa nicht bebaubare Bereiche von prüfenswerten Flächen zu trennen. Mit diesen Trainingsdaten erkennt das Modell potenzielle Baulücken anschließend selbstständig in Luftbildern.

Lesen Sie auch: Wieviel Beton steckt im Haus? Tool schätzt es mit OpenStreetMap

Über das QGIS-Plugin erhält die Stadtplanung ein Werkzeug, das sich in vorhandene Arbeitsabläufe einbinden lässt. Der Open-Source-Ansatz soll nach Angaben des Fraunhofer IGD außerdem die Übertragung auf andere Städte und Gemeinden erleichtern.

Vorarbeit aus Sachsen-Anhalt

Die aktuellen Arbeiten bauen auf früheren Projekten auf. Gemeinsam mit dem Ministerium für Infrastruktur und Digitales des Landes Sachsen-Anhalt untersuchte das Fraunhofer IGD bereits, wie sich die Suche nach Potenzialflächen automatisieren lässt. Dabei kommen Geoinformationen, Fernerkundungsdaten und Computer Vision zusammen.

Ein selbstlernender Algorithmus ordnet über die sogenannte semantische Segmentierung jedem Pixel eines Satellitenbilds eine Klasse zu. Das Ergebnis wird mit Flurstückdaten abgeglichen. Nach Angaben des Fraunhofer IGD liegt die Genauigkeit bei 86 %. Vor-Ort-Prüfungen sollen dadurch deutlich seltener nötig werden. Die gefundenen Flächen lassen sich nach weiteren Kriterien filtern, etwa nach ihrer Lage zu Straßen, Autobahnen oder Bahnhöfen. Aus diesen Ansätzen ist eine skalierbare KI-Pipeline entstanden.

Für ein landesweites Potenzialflächenkataster in Sachsen-Anhalt entwickelte das Fraunhofer IGD eine Lösung, die digitale Orthofotos analysiert. Die Ergebnisse werden mit Daten aus ALKIS, der amtlichen Topographie (ATKIS) und der Raumordnung verknüpft. Ziel ist eine einheitliche und reproduzierbare Datengrundlage, die auch über einzelne Kommunen hinaus nutzbar ist.

KI ersetzt keine Bau- und Planungsprüfung

Die KI nimmt den Planern Sucharbeit ab, Entscheidungen aber nicht. Ob sich eine erkannte Fläche bebauen oder nachverdichten lässt oder ein Gebäude aufgestockt werden kann, bleibt Sache der zuständigen Stellen. Sie prüfen Bau- und Planungsrecht, Eigentumsverhältnisse, politische Prioritäten und bautechnische Fragen.

Lesen Sie auch: München kartiert seine Häuser und entdeckt Millionen Tonnen Rohstoffe

Das Fraunhofer IGD versteht die KI deshalb als Hilfe, große Datenbestände schneller zu durchsuchen und eine qualifizierte Vorauswahl zu liefern. Planerinnen und Planer bekommen so eine systematisch erzeugte Grundlage und müssen potenzielle Flächen nicht mehr einzeln aus verschiedenen Quellen zusammentragen. Die relevanten Standorte können sie dann gezielt genauer untersuchen.

Kommunen könnten damit vorhandene Flächenreserven besser ausschöpfen und zusätzlichen Wohnraum schaffen, ohne zwangsläufig neue Siedlungsflächen auszuweisen.