Observing cities as a complex system

Dieser Artikel stellt die Prinzipien der urbanen Skalierung vor und untersucht gleichzeitig die Notwendigkeit, die oft stärkeren innerstädtischen Unterschiede bei Lebensbedingungen zu analysieren, anstatt Städte lediglich auf einzelne aggregierte Indikatoren zu reduzieren.

Das Wesentliche

Städte als riesige, lebendige Organismen: Eine Reise durch die Stadt-Physik

Stellen Sie sich eine Stadt nicht als eine Ansammlung von Häusern und Straßen vor, sondern als einen riesigen, lebendigen Organismus, ähnlich wie ein menschlicher Körper oder ein Ameisenstaat. Dieser Organismus wächst, atmet, produziert Dinge und hat sogar eigene Gesetze, die bestimmen, wie er sich verhält, wenn er größer wird.

Der Autor, Rafael Prieto-Curiel, nimmt uns mit auf eine Reise, um zu verstehen, wie wir diese komplexen Systeme beobachten können – und wo die einfachen Regeln versagen.

1. Der Vergleich: Ist eine große Stadt nur eine vergrößerte kleine Stadt?

Stellen Sie sich vor, Sie haben zwei Städte: eine kleine mit 1 Million Einwohnern und eine riesige mit 2 Millionen.

• Die naive Frage: Wenn die Bevölkerung verdoppelt wird, verdoppeln sich dann auch alles andere? Die Straßen, die Krankenhäuser, die Restaurants?
• Die Realität: Nein! Städte wachsen nicht wie ein Foto, das man einfach größer macht.
  • Soziale Dinge (wie Patente oder Einkommen): Diese wachsen oft überproportional. Eine doppelt so große Stadt ist nicht nur doppelt so produktiv, sondern oft sogar mehr als doppelt so kreativ und reich. Man könnte sagen: Je mehr Menschen auf engem Raum sind, desto mehr "Funken" springen zwischen ihnen über, was zu mehr Ideen führt.
  • Infrastruktur (wie Straßen oder Wasserleitungen): Diese wachsen oft unterproportional. Eine doppelt so große Stadt braucht nicht doppelt so viele Tankstellen oder Wasserleitungen pro Kopf. Die Menschen teilen sich die Ressourcen effizienter. Es ist wie bei einem großen Familienessen: Wenn 100 Personen essen, braucht man nicht 100 separate Töpfe, sondern kann mit weniger Töpfen auskommen, die einfach größer sind.

2. Das "BASE"-Modell: Wie Städte ihren Bauchumfang vergrößern

Wenn eine Stadt wächst, muss sie Platz schaffen. Wie macht sie das?
Stellen Sie sich vor, die Stadt ist ein Keks, der auf dem Teller wächst.

1. Vertikal (Hochhaus): Sie baut nach oben (wie in Hongkong, wo der Platz knapp ist).
2. Horizontal (Zerklüftung): Sie breitet sich wie ein Fleck auf dem Teller aus (wie in vielen afrikanischen Städten).
3. Die Form: Wird die Stadt rund und kompakt wie ein Ball, oder langgestreckt wie ein Wurm?

Der Autor zeigt, dass Städte in Afrika oft sehr "gestreckt" und zerklüftet wachsen. Das bedeutet, die durchschnittliche Entfernung zwischen zwei Häusern wird schneller größer, als man erwarten würde. Es ist, als würde man einen Wollknäuel immer weiter ausziehen, bis die Fäden weit auseinanderliegen. Das macht das Leben für die Bewohner anstrengender, weil sie weiter laufen oder fahren müssen.

3. Der "Line"-Vorschlag: Eine Stadt als Strich

Ein extremes Beispiel ist der Plan für "The Line" in Saudi-Arabien.
Stellen Sie sich eine Stadt vor, die nicht rund ist, sondern wie ein riesiger, 170 Kilometer langer Streifen.

• Das Problem: Wenn Sie in einem solchen Streifen wohnen, ist die Entfernung von einem Ende zum anderen enorm. Es ist, als würde man versuchen, in einem 170 km langen Tunnel zu wohnen. Die Distanz zwischen den Bewohnern wäre extrem hoch, was den sozialen Zusammenhalt erschwert.
• Der Vorteil: Der "Fußabdruck" auf der Erde wäre winzig. Es wäre ein Versuch, die Natur zu schonen, indem man alles in eine einzige, extrem hohe Linie packt. Aber es ist wie ein langer, dünner Spaghetti: Er ist sehr effizient im Durchmesser, aber sehr ineffizient im Leben, weil alles so weit voneinander entfernt ist.

4. Die Falle der Durchschnittswerte: Warum "Durchschnitt" trügt

Hier kommt der wichtigste Punkt des Artikels: Eine Stadt ist nicht überall gleich.
Stellen Sie sich eine Stadt wie einen Apfel vor. Von außen sieht er vielleicht gleich aus. Aber wenn Sie hineinschneiden, sehen Sie, dass die eine Hälfte saftig und süß ist (reich, gut versorgt), während die andere Hälfte faul und trocken ist (arm, schlecht versorgt).

• Das Beispiel Kriminalität: Wenn man sagt "Große Städte haben mehr Kriminalität", ist das wie zu sagen "Der ganze Apfel ist faul". In Wirklichkeit gibt es in einer großen Stadt nur ein paar wenige "faule Stellen" (Tatorte), während der Rest sicher ist. Die meisten Menschen in einer Großstadt erleben gar keine Kriminalität.
• Das Beispiel Computer: Wenn man die Daten aller Haushalte in einer Stadt mittelt, verpasst man die Realität. In der Stadtmitte haben fast alle einen Computer. Am Rand der Stadt (weit entfernt vom Zentrum) haben kaum welche. Der "Durchschnitt" verschleiert diese riesige Kluft.

5. Die neue Brille: "Entfernung zum Zentrum" statt "Stadtgröße"

Um Städte wirklich zu verstehen, schlägt der Autor vor, nicht nur auf die Gesamtgröße zu schauen, sondern auf die Entfernung zum Zentrum.
Stellen Sie sich die Stadt als eine Zwiebel vor.

• Die Schalen: Je weiter Sie von der Mitte (dem Kern) entfernt sind, desto schlechter ist die Versorgung.
• Die Metrik "Entfernung": Der Autor entwickelt eine Formel, die die Entfernung eines Viertels zum Zentrum relativ zur Größe der Stadt misst.
  • Ein Haus 5 km vom Zentrum entfernt ist in einer kleinen Stadt schon "am Rand der Welt".
  • In einer riesigen Stadt wie Mexiko-Stadt sind 5 km noch "ganz in der Nähe".
  • Wenn man diese relative Entfernung betrachtet, sieht man ein klares Muster: Egal wie groß die Stadt ist, die ärmsten und am schlechtesten versorgten Gebiete liegen immer dort, wo die "Entfernung zum Zentrum" am größten ist.

Fazit: Was lernen wir daraus?

Städte sind wie komplexe Ökosysteme.

1. Größe zählt, aber nicht alles: Große Städte sind effizienter bei Infrastruktur, aber produktiver bei Ideen.
2. Der Durchschnitt lügt: Man darf nicht nur auf die Gesamtzahl schauen. Die Unterschiede innerhalb einer Stadt (zwischen arm und reich, Zentrum und Rand) sind oft größer als die Unterschiede zwischen verschiedenen Städten.
3. Ort ist entscheidend: Ob Sie in einer Stadt gut leben, hängt weniger davon ab, wie viele Menschen dort insgesamt wohnen, sondern davon, wie weit Sie vom Zentrum entfernt sind und wie gut Ihr eigenes Viertel vernetzt ist.

Um Städte besser zu planen, müssen wir also aufhören, sie nur als große Zahlen zu betrachten, und anfangen, sie wie ein Mosaik zu sehen, bei dem jedes einzelne Stückchen (jedes Viertel) seine eigene Geschichte und seine eigenen Probleme hat.

Technische Zusammenfassung

Technische Zusammenfassung: Städte als komplexe Systeme beobachten

1. Problemstellung
Städte sind hochkomplexe, menschliche Systeme, die durch Synchronisation von Aktivitäten (Arbeit, Verkehr, Abfallmanagement) gekennzeichnet sind. Trotz lokaler Unterschiede zeigen Städte globale Gemeinsamkeiten (z. B. Lärm, Segregation). Ein zentrales Problem der aktuellen Stadtforschung ist die Reduktion komplexer urbaner Realitäten auf einzelne aggregierte Indikatoren (z. B. Gesamteinkommen oder Gesamtkriminalität).

• Kritik an der Aggregation: Die Variation von Lebensbedingungen innerhalb einer einzigen Stadt (Intra-Urban-Variation) ist oft größer als die Variation zwischen verschiedenen Städten.
• Skalierungslimit: Die klassische „Urban Scaling Theory" untersucht, wie städtische Metriken mit der Bevölkerungszahl skalieren. Es ist jedoch unklar, ob diese Skalierungsgesetze universell gültig sind oder ob sie nur für bestimmte Regionen (z. B. USA) gelten. Zudem werden durch reine Skalierungsanalysen räumliche Heterogenitäten und interne Ungleichheiten übersehen.

2. Methodik
Der Autor nutzt einen datengetriebenen Ansatz, der auf komplexen Systemen, maschinellem Lernen und neuen großen Datensätzen basiert. Die Methodik gliedert sich in drei Hauptebenen:

• Datenquellen:

  • Nutzung von OpenStreetMap und KI-gestützter Analyse von Satellitenbildern zur Erfassung von Gebäudefootprints (Anzahl, Höhe, Alter) in Millionen von Gebäuden weltweit.
  • Nutzung von Volkszählungsdaten (z. B. Mexiko 2020) und mobilen Daten.
  • Vergleich von realen Daten mit Permutations-Tests (Randomisierung), um Muster von Zufälligkeit zu unterscheiden.

• Analyse der Urban Scaling (Skalierung):

  • Anwendung der Potenzgesetz-Formel: $Y_i = \alpha P_i^\beta$, wobei $Y$ eine städtische Metrik und $P$ die Bevölkerung ist.
  • Unterscheidung zwischen superlinear ($\beta > 1$), sublinear ($\beta < 1$) und linear ($\beta \approx 1$) Skalierung.
  • Entwicklung des BASE-Modells (Buildings, Area, Sprawl, Elongation) zur Zerlegung der durchschnittlichen Distanz zwischen Gebäuden ($D_i$) in vier multiplikative Komponenten: Anzahl der Gebäude ($B$), durchschnittliche Fläche ($A$), Zersiedelung ($S$) und Verlängerung ($E$).

• Analyse der innerstädtischen Heterogenität:

  • Einführung des Konzepts der „Remoteness" (Entfernung/Abgelegenheit): Um den Einfluss der Stadtgröße zu eliminieren, wird die physische Distanz zum Stadtzentrum ($D_{i,j}$) durch die Quadratwurzel der Bevölkerung ($\sqrt{P_i}$) normiert: $R_{i,j} = 1000 \cdot D_{i,j} / \sqrt{P_i}$.
  • Vergleich von Indikatoren (z. B. Computerbesitz, Kriminalität) entlang dieser normierten Distanzskala über verschiedene Städte hinweg.

3. Wichtige Beiträge und Ergebnisse

• Validierung von Mustern durch Permutation:

  • In Vichy (Frankreich) wurde gezeigt, dass benachbarte Gebäude in der Realität eine viel geringere Höhen- und Altersdifferenz aufweisen als bei einer zufälligen Permutation der Gebäudeeigenschaften. Dies beweist, dass Nachbarschaften nicht zufällig, sondern durch planerische oder sozioökonomische Kräfte geformt sind.

• Skalierung der Infrastruktur (BASE-Modell):

  • Die Analyse von 6.000 afrikanischen Städten ergab, dass die durchschnittliche Distanz zwischen Gebäuden mit $\beta_D \approx 0,532$ skaliert (leicht schneller als die Wurzel der Bevölkerung).
  • Ursache: Dies liegt nicht an einer stärkeren Zersiedelung oder Verlängerung, sondern daran, dass die Anzahl der Gebäude sublinear wächst ($\beta_B \approx 0,98$) und die durchschnittliche Gebäudegröße mit der Stadtgröße zunimmt ($\beta_A \approx 0,067$).
  • Fallstudie „The Line" (Saudi-Arabien): Das geplante lineare Stadtprojekt wird als extremes Beispiel für Verlängerung ($E \approx 25,8$) und Zersiedelung ($S \approx 4,5$) analysiert. Die Berechnungen zeigen, dass die durchschnittliche Distanz zwischen Bewohnern in einer solchen linearen Struktur ca. 10,7-mal höher ist als in einer kompakten, kreisförmigen Stadt, was massive Herausforderungen für die Mobilität schafft.

• Skalierung von Eigentum und Mobilität (Mexiko-Studie):

  • Bei 75 Metropolregionen in Mexiko zeigte sich, dass die Anzahl der Autos superlinear mit der Bevölkerung skaliert ($\beta_V \approx 1,1$), was auf mehr Autos pro Kopf in großen Städten hindeutet.
  • Warnung vor Logarithmierung: Die Darstellung in logarithmischen Skalen kann Fehler verschleiern. In linearer Darstellung überschätzt das Skalierungsmodell die Anzahl der Autos in Mexiko-Stadt um 69 % (4,6 Mio. geschätzt vs. tatsächliche Werte).
  • Gewichtete Regression: Wenn man der Bevölkerungszahl der Städte gewichtet (da große Städte mehr Information liefern), kehrt sich das Ergebnis für Autos in Sublinearität um ($\beta \approx 0,96$). Dies unterstreicht die Instabilität von Skalierungskoeffizienten je nach Methodik.

• Räumliche Heterogenität und „Remoteness":

  • Die Analyse des Computerbesitzes in Mexiko zeigt, dass bei Betrachtung der absoluten Distanz zum Zentrum große Unterschiede zwischen Städten bestehen.
  • Durch die Normierung auf Remoteness ($R_{i,j}$) verschwinden diese Unterschiede: In allen Städten (unabhängig von der Größe) besitzen Haushalte in zentralen Bereichen (niedrige Remoteness) signifikant häufiger Computer als in abgelegenen Bereichen (hohe Remoteness).
  • Dies bestätigt, dass sozioökonomische Ungleichheiten und Infrastrukturgüte primär durch die relative Position zum Zentrum und nicht durch die absolute Stadtgröße bestimmt werden.

4. Signifikanz und Implikationen

• Überwindung des „Skalierungs-Determinismus": Das Paper argumentiert, dass Urban Scaling keine universellen Naturgesetze sind, sondern kontextabhängige Rahmenwerke. Skalierungskoeffizienten variieren stark je nach Definition der Stadtgrenzen, Datenqualität (z. B. veraltete Volkszählungen in Afrika) und regionalen Gegebenheiten.
• Notwendigkeit der räumlichen Auflösung: Um Städte wirklich zu verstehen, reicht die Betrachtung aggregierter Indikatoren nicht aus. Die Analyse muss auf der Ebene von Nachbarschaften und entlang räumlicher Gradienten (Remoteness) erfolgen.
• Politische Relevanz:
  • Infrastrukturplanung: Extreme Formen wie „The Line" zeigen die physikalischen Grenzen von Zersiedelung und Verlängerung auf.
  • Soziale Gerechtigkeit: Da die Ungleichheit innerhalb einer Stadt oft größer ist als zwischen Städten, müssen politische Maßnahmen (z. B. bei Kriminalität, Zugang zu Internet oder Verkehr) lokal und zielgerichtet auf abgelegene oder benachteiligte Viertel ausgerichtet werden, anstatt auf die gesamte Stadt als homogene Einheit.
  • Methodische Vorsicht: Die Studie warnt vor der blinden Anwendung von Skalierungsmodellen, da diese durch Datenartefakte (wie Log-Transformationen oder ungewichtete Regressionen) irreführende Ergebnisse liefern können.

Fazit
Das Paper fordert einen Paradigmenwechsel in der Stadtforschung: Weg von der reinen Skalierungsanalyse hin zu einer Betrachtung komplexer Systeme, die die innere räumliche Heterogenität, die relative Distanz zum Zentrum und die spezifischen lokalen Mechanismen berücksichtigt. Nur so können die wahren Treiber urbaner Dynamiken verstanden und effektive, gerechte Stadtentwicklungsstrategien entwickelt werden.