Der steigende Trend zur Urbanisierung stellt sowohl auf lokaler als auch auf globaler Ebene eine beträchtliche Herausforderung dar. Bis zum Jahr 2050 werden beinahe 7 von 10 Menschen in städtischen Gebieten leben, was einer Verdopplung der städtischen Bevölkerung gleichkommt. Die Schwierigkeit liegt darin, dass städtische Regionen momentan im Durchschnitt doppelt so schnell expandieren wie ihre Bevölkerung wächst. Man erwartet, dass das Anwachsen der städtischen Bevölkerung zusammen mit der wirtschaftlichen Entwicklung in den nächsten drei Jahrzehnten weltweit zu einer zusätzlichen bebauten Fläche von etwa 1,2 Millionen km2 führen wird. Neben negativen Auswirkungen wie dem Verlust von fruchtbaren Böden und Biodiversität durch Versiegelung und Fragmentierung, bieten Urbanisierungsprozesse auch Chancen für eine nachhaltigere Entwicklung. Daher ist es wichtig, diesen Prozess zu steuern, um die negativen Auswirkungen zu minimieren. Die Steuerung der Siedlungsentwicklung erfordert verlässliche Datengrundlagen. Die derzeitige Datenlage in Deutschland beruht jedoch eher auf Annahmen und Schätzungen denn empirischen Erhebungen. Ursache hierfür ist die Erfassung von Nutzungsänderungen aggregiert auf administrative Einheiten und deren Zusammenfassung in einer Nutzungsklasse, der Siedlungs- und Verkehrsfläche. Damit können weder kleinräumige Flächenänderungen noch die Qualität der Änderungen hinreichend bestimmt werden. In Wissenschaft, Stadt- und Regionalplanung besteht daher gleichermaßen Bedarf an aktuellen, homogenen, aussagekräftigen und ökonomisch generierten Informationen zur Siedlungsentwicklung. Im Rahmen dieser Arbeit wurde ein Abgrenzungsverfahren zur Erstellung detaillierter Siedlungsabgrenzungen, insbesondere des Innenbereichs im baurechtlichen Sinne, entwickelt. Um eine möglichst breite Anwendbarkeit zu gewährleisten, wurden als Eingangsdaten ausschließlich Gebäudegrundrisse und allgemein verfügbare topographische Daten verwendet. Nach einer Partitionierung des Datensatzes erfolgte eine semantische Filterung und Aggregation über einen dichtegesteuerten Clusteralgorithmus. Eine besondere Herausforderung stellte dabei die Berücksichtigung planerischer und rechtlicher Aspekte in Deutschland dar. Die Anwendung der Methode erfolgte in Untersuchungsgebieten in Frankfurt am Main, in der Region Hannover und im ländlichen Raum Brandenburgs. Die Abgrenzungsergebnisse wurden mit Hilfe von GIS-Analysen und Expertenbefragungen evaluiert. Die Ergebnisse zeigen, dass die Methode in der Lage ist, sowohl ländliche Gebiete als auch Großstädte und Ballungsräume mit einer Genauigkeit von 75 bis 94 % im Vergleich zu Expertenabgrenzungen abzubilden. Insbesondere Gebiete mit Wohn- und Mischbebauung liefern sehr gute Ergebnisse. Optimierungspotenzial bieten dagegen Flächen mit Sondernutzungen oder stark heterogene Siedlungsbereiche. Das Verfahren stellt somit ein wertvolles Instrument zur Generierung von Grundlagendaten für zukünftige Studien oder Fachanwendungen dar. Die automatisiert generierten Abgrenzungen können Planungsaufgaben auf verschiedenen räumlichen Ebenen unterstützen, sie bilden die Grundlage für die Bestimmung von Innenentwicklungspotenzialen bzw. -indikatoren und eignen sich außerdem für Untersuchungen zur Zersiedelung.:Übereinstimmungserklärung Danksagung Zusammenfassung Abstract Abkürzungsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis 1. Einleitung 1 1.1. Reduzierung der Flächeninanspruchnahme als politisches Ziel 1.2. Funktion des Siedlungsflächenmonitoring 1.3. Problemstellung 1.4. Zielstellung und Forschungsfragen 1.5. Aufbau der Arbeit 2. Forschungsansätze für automatisierte Siedlungsabgrenzungen 2.1. Datenquellen 2.2. Methoden 2.3. Bewertung bisheriger Ansätze 3. Begriffliche und konzeptionelle Grundlagen 3.1. Im Zusammenhang bebauter Ortsteil 3.1.1. Vorhaben 3.1.2. Bebauungszusammenhang 3.1.3. Ortsteil 3.2. Baulücke 3.3. Außenbereich im Innenbereich 3.4. Innenbereichssatzungen 3.4.1. Klarstellungssatzung 3.4.2. Entwicklungssatzung 3.4.3. Einbeziehungs- oder Ergänzungssatzung 3.5. Außenbereich 4. Verfahrensentwicklung 4.1. Allgemeiner methodischer Ansatz 4.2. Eingangsdaten 4.3. Anforderungen 4.4. Methodik 4.4.1. Partitionierung 4.4.2. Erstellung von Baublockgeometrien 4.4.3. Ermittlung Überbauungsgrad 4.4.4. Filterung 4.4.5. Identifizierung dicht bebauter Blöcke 4.4.6. Aggregation mittels minimalen Spannbaum 4.4.7. Nachbearbeitung 4.5. Parametrisierung des Verfahrens 4.5.1. Eingangsdaten für Innenbereichsabgrenzung 4.5.2. Objektauswahl für die Filterung 4.5.3. Schwellwert für dicht bebaute Blöcke 4.5.4. Größe von Baulücken und Freiflächen 4.5.5. Größe von Außenbereichsflächen im Innenbereich 4.5.6. Mindestanzahl von Gebäuden und Mindestgröße eines Ortsteils 4.5.7. Abgrenzung der Innenbereichsflächen vom Außenbereich 4.6. Programmtechnische Umsetzung 5. Evaluationsmethodik 5.1. Vorüberlegungen 5.1.1. Ziel der Bewertung 5.1.2. Definition von Qualität 5.1.3. Kontext der Bewertung 5.1.4. Qualitative und quantitative Methoden zur Bewertung von Geometrien 5.2. Empirische Bestimmung der Abgrenzungsqualität 5.3. Bestimmung der Abgrenzungsqualität mittels Expertenbefragung 5.3.1. Umsetzung der Datenerhebung mittels Fragebogen 5.3.2. Datenerhebungstechnik 5.3.3. Erfassen und Auswerten von Daten 5.3.4. Stichprobenbildung für Experteninterviews 5.3.5. Bewertung der Innenbereichsgeometrien 5.3.6. Mögliche Fehlerquellen von Umfragen 5.3.7. Gütekriterien 6. Ergebnisse 6.1. Vergleich der Abgrenzungsergebnisse mittels Referenzdaten 6.1.1. Untersuchungsgebiete und verwendete Daten 6.1.2. Auswertung GIS-Analyse 6.2. Auswertung der Befragung und Experteneinschätzung 6.2.1. Vorerfahrungen der Teilnehmenden 6.2.2. Allgemeine Fragen zum Thema Innenbereich 6.2.3. Beurteilung der Karten 6.2.4. Auswertung der Bewertungen der Karten nach Flächennutzung 6.2.5. Bewertung aller Abgrenzungen im Untersuchungsgebiet 6.2.6. Urteile zu Einsatzmöglichkeiten des Verfahrens 7. Diskussion 7.1. Stärken und Schwächen des Verfahrens 7.2. Beurteilung der quantitativen Bewertungsmethode 7.2.1. Einfluss der Siedlungsstruktur auf das Abgrenzungsergebnis 7.2.2. Umgang mit unvollständigen Referenzabgrenzungen 7.3. Bewertung der Expertenbefragung 7.4. Herausforderungen der Innenbereichsabgrenzung 7.4.1. Wohnbebauung 7.4.2. Kleingartensiedlungen 7.4.3. Wochenendhaussiedlungen 7.4.4. Industrie- und Gewerbegebiete 7.4.5. Tagebau 7.4.6. Landwirtschaftliche Betriebe 7.4.7. Streusiedlungen und Einzelgehöfte 7.4.8. Großflächige Photovoltaikanlagen 7.4.9. Kasernen 7.5. Fehlerbetrachtung 7.6. Vergleich mit anderen Studien 7.7. Anwendung und Übertragbarkeit 8. Fazit und Ausblick 8.1. Kriterien für die Innenbereichsabgrenzung und Aspekte bei der Abgrenzung durch Experten 8.2. Ansatz, Voraussetzungen und Vorgehen beim automatisierten Abgrenzen von Innenbereichen 8.3. Einfluss Struktur der Siedlungen auf die Abgrenzungsqualität 8.4. Anwendungsfelder einer Innenbereichsabgrenzung 8.5. Forschungsbedarf A. Anhang A.1. Befragungsergebnisse A.1.1. Einführungstext zur Befragung A.1.2. Hintergrund der Teilnehmenden A.1.3. Grundlagen Innenbereich A.1.4. Bewertung der Karten A.1.5. Bewertung der Abgrenzung in der Gesamtheit A.2. Detailauswertung nach Flächennutzungen A.3. Quellcode A.3.1. Skripte IB-Tool A.3.2. Skript qualitative Bewertung A.3.3. Skript Auswertung Befragung A.3.4. Zufallsfunktion für Flächenauswahl A.4. Geodaten Literaturverzeichnis

Die zweiphasige Stichprobe zur Stratifizierung ist ein effizientes Inventurverfahren, das seine Praxistauglichkeit in verschiedenen Waldinventuren unter Beweis stellen konnte. Dennoch sind weitere Effizienzsteigerungen wünschenswert. In der vorliegenden Arbeit werden verschiedene Ansätze die Effektivität dieses Verfahrens zu steigern separat vorgestellt, in Fallstudien mit Daten der Niedersächsischen Betriebsinventur getestet und diskutiert. Der erste Ansatz (Kapitel 2) beschäftigt sich mit der Anwendung der zweiphasigen Stichprobe zur Stratifizierung in Wiederholungsinventuren. In einem Zusammengesetzten Schätzer werden Daten eines aktuellen mit Simulationsergebnissen des vorhergehenden Inventurdurchgangs kombiniert. Dabei kann der Stichprobenumfang der aktuellen Inventur verringert werden, während die Daten aller Inventurpunkte des vorherigen Durchgangs für Simulationen genutzt werden. Zwar kann ein solcher Schätzer konstruiert werden, jedoch lässt die Fallstudie darauf schließen, dass keine, oder zumindest keine ausreichende, Effizienzsteigerung erzielt werden kann. Erklärt werden kann dies durch die großen Unterschiede zwischen den aktuellen Inventurergebnissen aus den reduzierten Inventuren und den prognostizierten Volumina aus den Simulationen. Eine Erhöhung der Effizienz dieses Verfahrens könnte nur durch Weiterentwicklungen der Waldwachstumsmodelle möglich werden. In Wiederholungsinventuren kann jedoch eine höhere Effizienzsteigerung mit einem dreiphasigen Verfahren erreicht werden, das die zweiphasige Stichprobe mit der zwei\-phasigen Regressionsstichprobe kombiniert (Kapitel 3). Mittelwert- und Varianzschätzer, die auf dem sogenannten infinite population approach in der ersten Phase beruhen, werden präsentiert. Genutzt werden dabei die Korrelationen zwischen den aktuellen Inventurergebnissen und den Wachstumssimulationen auf der Basis des vorherigen Inventurdurchgangs. Statt der Simulationsergebnisse können auch einfach die Ergebnisse des vorherigen Inventurdurchgangs zur Berechnung der Korrelationen genutzt werden. Allerdings führt die Nutzung der Simulationsergebnisse als Regressor in den meisten Fällen zu besseren Ergebnissen. Bei verringertem Stichprobenumfang der Folgeinventur und damit einhergehendem Präzisionsverlust, ist die Effizienz des dreiphasigen Verfahrens höher als die des klassischen zweiphasigen Verfahrens. Die Nutzung der Vorinventur in Form eines stratenweisen Regressionsschätzers hat sich damit als erfolgreich und gegenüber dem zusammengesetzten Schätzer als deutlich überlegen gezeigt. Als weiterer Ansatz wird die Erweiterung der zweisphasigen Stichprobe zur Stratifizierung um eine geclusterte Unterstichprobe zu einem dreiphasigen Design vorgestellt (Kapitel 4). Sowohl für den Ratio-to-Size- als auch für den unverzerrten Ansatz werden entsprechende Mittelwert- und Varianzschätzer präsentiert. Verglichen mit dem zweiphasigen Verfahren, führt dieses dreiphasige Design in der Fallstudie zu keiner Effizienzsteigerung. Gründe hierfür können in der vergleichsweise kleinen Größe der Forstämter und der hohen Stichprobendichte der Niedersächsischen Betriebsinventur gesehen werden. Sinnvolle Anwendungen dieses Verfahrens sind aber möglicherweise unter anderen Erschließungsbedingungen in Großgebieten denkbar. In einer weiteren Fallstudie wird versucht existierende Probepunkte in Clustern von homogener Größe zusammenzufassen (Kapitel 5). Eine solche Zusammenfassung soll der Optimierung der Wegzeiten bei der Aufnahme von Inventurpunkten dienen. Dazu werden sieben verschiedene Methoden getestet und deren Ergebnisse miteinander verglichen. Durch einen Vergleich mit optimierten Richtwert-Lösungen wird zudem die Qualität dieser Lösungen evaluiert. Es zeigt sich, dass drei Algorithmen des Vehicle Routing Problems gut dazu geeignet sind, Cluster von homogener Größe zu erstellen. Nicht empfohlen werden kann dagegen die Verwendung von drei anderen Cluster-Algorithmen, sowie die Nutzung von Bewirtschaftungseinheiten als Cluster, da diese Methoden zu Clustern von sehr heterogener Größe führen.