Flächenfindung mit Geodaten
150 Millionen Datenpunkte in einem Modell zusammengeführt. Aus 38.000 Flurstücken entstand in drei Wochen eine belastbare Shortlist.
- Datenpunkte in einem Modell zusammengeführt
- 150 Mio.
- Flurstücke automatisch bewertet
- 38.000
- Zeit bis zur Standort-Shortlist
- −80 %

- Projektkontext
- Projektentwickler im Wohnungs- und Gewerbebau, Region Karlsruhe
- Leistung
- Datenanalyse und Bilderkennung
Ausgangslage
Ein Projektentwickler aus der Region Karlsruhe plant gemischt genutzte Quartiere mit Wohnungen, Gewerbe und Nahversorgung. Neue Flächen fand das Unternehmen bisher über Makler, Kontakte zu Gemeinden und einzelne Kartenauszüge. Bis eine Fläche überhaupt intern bewertet werden konnte, vergingen oft drei bis vier Monate. Und niemand konnte sagen, welche Flächen dabei übersehen wurden.
Die Geschäftsführung wollte das umdrehen: Statt auf Angebote zu warten, sollte das gesamte Stadtgebiet systematisch nach Flächen durchsucht werden, die zum eigenen Suchprofil passen.
Woche 1: Suchprofil und Datenquellen
Zum Auftakt haben wir mit Geschäftsführung und Akquise einen halben Tag lang das Suchprofil erarbeitet. Welche Mindestgröße braucht ein Quartier? Wie wichtig sind ÖPNV-Anbindung, Lärm, Nahversorgung und Schulen? Welche Ausschlusskriterien gibt es, etwa Hochwasserflächen, Schutzgebiete oder Altlastenverdacht? Am Ende standen 14 Kriterien mit klarer Gewichtung, die wir gemeinsam schriftlich festgehalten haben.
Danach haben wir die passenden Daten beschafft: ALKIS-Flurstücke, Bebauungs- und Flächennutzungspläne, Bodenrichtwerte, Lärmkarten, Schutzgebiets- und Hochwasserkarten, Haltestellen und Taktzeiten des Nahverkehrs, Versorgungsnetze sowie Satellitenbilder zur Bestimmung des Versiegelungsgrads. Viele dieser Daten sind offen verfügbar, einige haben wir bei Stadt und Landesamt angefragt.
Woche 2: Ein Modell für alles
In der zweiten Woche haben wir alle Quellen in ein gemeinsames Geodatenmodell überführt. Das war der aufwendigste Teil: unterschiedliche Koordinatensysteme, Datenstände von 2019 bis 2025, fehlende Werte und widersprüchliche Grenzen. Am Ende umfasste das Modell rund 150 Millionen Datenpunkte.
Das Stadtgebiet haben wir in ein gleichmäßiges Sechseckraster zerlegt. Für jede Zelle berechnet das Modell aus den 14 Kriterien einen Eignungswert. Zusätzlich haben wir eine Bilderkennung auf die Satellitenbilder angesetzt, die untergenutzte Flächen erkennt: große Parkplätze, Brachen, eingeschossige Gewerbebauten auf großen Grundstücken. Genau dort liegen oft die interessantesten Potenziale.
Woche 3: Bewertung auf Flurstücksebene
Mit dem Raster ließ sich das Stadtgebiet in Minuten eingrenzen. Die vielversprechenden Zonen haben wir anschließend auf Flurstücksebene heruntergebrochen. Insgesamt wurden 38.000 Flurstücke automatisch bewertet. 140 davon erfüllten das Suchprofil besonders gut.
Für diese 140 Flächen haben wir je ein Kurzprofil erstellt: Größe, Eigentumsart, Planungsrecht, Erschließung, Lärm, Bodenrichtwert und offene Fragen. In einem Workshop mit der Akquise haben wir die Gewichtung live im Modell angepasst. Als die ÖPNV-Anbindung stärker gewichtet wurde, rückten zwei Gebiete im Osten nach oben, die vorher niemand auf dem Schirm hatte.
Ergebnis
Nach drei Wochen hatte der Projektentwickler eine Shortlist mit 12 Standorten, jeweils mit nachvollziehbarer Begründung und Quellenangabe. Drei davon gingen direkt in die Ankaufsprüfung, für einen läuft inzwischen ein Gespräch mit dem Eigentümer. Die Zeit von der ersten Suche bis zur Shortlist sank im Vergleich zum bisherigen Vorgehen um rund 80 %.
Was bleibt
Das Modell gehört dem Kunden und wird von uns quartalsweise mit neuen Daten aktualisiert. Neue Bebauungspläne, geänderte Bodenrichtwerte oder frei werdende Gewerbeflächen erscheinen damit automatisch in der Bewertung. Inzwischen haben wir es auf zwei weitere Städte in der Region ausgeweitet.

