SensEm - Citizen Science Toolkit
Nachbarschaft macht Wissenschaft
Wie sauber ist die Luft auf dem Schulweg meiner Kinder? Wie laut ist es wirklich an der Hauptstraße vor meinem Fenster? Diese Fragen lassen sich in einer Stadt wie Berlin nicht beantworten, da es in der gesamten Hauptstadt nur ganze 4 (!) Hintergrund-Messstationen gibt, die Aussagen über alltagsrelevante Orte wie Spielplätze, Schulwege oder Wohnstraßen ermöglichen würden. Abhilfe soll SemEm schaffen, ein Projekt nach dem Prinzip der Citizen Science – also sozusagen Wissenschaft von Bürgern für Bürger.
SensEm ist ein vom Bundesministerium für Bildung und Forschung (BMBF) gefördertes Forschungsprojekt zu Ermittlung der Luftqualität. Kern des Projekts ist die Idee, den gesamten Citizen-Science-Forschungszyklus durch digitale Werkzeuge zu begleiten: von der ersten Frage über die Hypothesenbildung, das Experimentdesign und die Durchführung der Messungen bis zur Auswertung und Verwertung der Ergebnisse. Dazu entwickelte und erprobte das Konsortium aus der Digitalagentur Scholz & Volkmer, der BTU Cottbus-Senftenberg (Sozialwissenschaften) und dem Fraunhofer IZM (Sensorik und Umweltbewertung alle Komponenten selbst: kostengünstige Sensor-Module für Feinstaub, NO₂, Lärm und Wetter, eine Kalibrierstation zum Abgleich mit offiziellen Referenzmessstationen, eine Online-Plattform zur Organisation der Projekte mit mobilen Assistenten für die Sensor-Installation und Feldarbeit, interaktive Analyse- und Visualisierungstools sowie einen KI-gestützten Forschungsassistenten.
Die Stadtteilkarte bildet den Verlauf der Messungen auf der lokalen Umgebung ab.
Ein zentrales Werkzeug ist die Space-Time-Concept Map. Sie verbindet drei Perspektiven: eine Stadtteilkarte zeigt, wo gemessen wird, ein Zeitstrahl zeigt, wann etwas passiert, und ein Begriffsnetzwerk bildet die vermuteten Zusammenhänge zwischen Einflussfaktoren ab – etwa zwischen Straßensperrung, Verkehrsaufkommen und Feinstaubbelastung. Diese drei Sichten existieren sowohl als großformatige Poster für die gemeinsame Arbeit in Workshops als auch in digitaler, interaktiver Form.
Der Zeitstrahl ermöglicht die Deutung von temporären Ereignissen.
Ein KI-gestützter Forschungsassistent führt die Teilnehmenden im Dialog durch den Forschungsprozess. Er vermittelt fachliches Wissen über Luftschadstoffe und Messtechnik, unterstützt bei methodischen Aufgaben wie der Formulierung von Hypothesen und dem Entwurf von Experimenten und hilft, aus vagen Vermutungen überprüfbare Forschungsfragen zu entwickeln.
Der KI-Assistent Assistent führt durch den Forschungsprozess und stellt methodisches und fachliches Wissen bereit. Dabei wird das LLM nicht nur als Chatbot eingesetzt, sondern für eine strukturierte Prozessführung genutzt.
In drei Fallstudien untersuchten die Beteiligten konkrete Fragestellungen rund um lokale Verkehrsinterventionen: ein Superblock-Wochenende mit temporären Straßensperrungen in Wiesbaden, eine Messkampagne im Berliner Samariterkiez sowie die Auswirkungen einer baustellenbedingten Straßensperrung der Proskauer Straße in Berlin. Letztere entwickelte sich zu einer Langzeitstudie mit rund 40 Sensoren über 222 Messtage und etwa 1,5 Millionen Einzelmessungen zu Feinstaub (PM2.5, PM10), Stickstoffdioxid (NO₂), Lautstärke, Temperatur und Luftfeuchtigkeit.
Im Ergebnis hat das Projekt einen funktionsfähigen Prototypen des Toolkits hervorgebracht sowie methodische Erkenntnisse zur Organisation partizipativer Umweltforschung. Die Erfahrungen zeigen, dass Citizen Sensing einen wichtigen Beitrag zur lokalen Umweltbewertung leisten kann – aber auch, dass die Begleitung durch Workshops und die Motivation der Teilnehmenden entscheidende Faktoren für den Erfolg sind.
