Linz (OTS) – Im Frühling steigen vermehrt Menschen aufs Fahrrad –
vorausgesetzt,
sie fühlen sich im Straßenraum sicher. Doch was verunsichert
Radfahrer:innen, wie lässt sich das Sicherheitsempfinden messen und
die Infrastruktur verbessern? Antworten darauf liefert Martin Moser,
PhD der Interdisciplinary Transformation University (IT:U) in Linz:
Im Rahmen seiner Dissertation hat er eine Methode entwickelt, die
Stress beim Radfahren sichtbar macht und Planungsbehörden konkrete
Gefahrenstellen zeigt.
Im Rahmen seiner Dissertation hat Martin Moser Radfahrende mit
Sensoren ausgestattet, die Stressreaktionen erfassen. Diese werden
mit GPS-Daten verknüpft. „Wenn 30 von 40 Radfahrenden an derselben
Kreuzung Stress empfinden, ist das ein klarer Hinweis: Dort muss
geprüft werden, was die Ursache ist – und wie sich die Situation
verbessern lässt“ , erklärt Moser, PhD der Forschungsgruppe
GeoSoziale KI an der IT:U. So lassen sich Schwachstellen in der
Infrastruktur identifizieren: Ein dringendes Anliegen, denn laut
Daten des Innenministeriums (Verkehrsunfallbilanz 2025) hat sich die
Zahl der tödlich verunglückten Rad- und E-Bike-Fahrer:innen im Jahr
2025 von 32 auf 65 erhöht – seit 2002 die höchste Opferzahl.
Zwtl.: Von interdisziplinärer Forschung in die Stadtplanung
Die Methode hat bereits das Interesse städtischer Stellen
geweckt. Ein Beispiel aus Salzburg zeigt den Nutzen: In Faistenau
entstand durch einen neu errichteten Supermarkt an einer stark
befahrenen Straße ein potenziell gefährlicher Weg. Die Analyse machte
die Stelle objektiv sichtbar und lieferte eine fundierte Grundlage
für gezielte Maßnahmen zur Entschärfung. „Wir können mit
wissenschaftlich gesicherten Erkenntnissen zeigen, welche Stellen in
der Stadt gefährlich sind und dass eine Maßnahme gesetzt werden
sollte, beispielsweise der Bau eines Radweges“ , verdeutlicht Bernd
Resch, Professor für GeoSoziale KI und Betreuer der Dissertation.
Am 31. März 2026 verteidigte Moser diese erfolgreich am IT:U
Education Campus – als erster Absolvent der neuen Technischen
Universität in Linz. Begonnen hatte er seine Arbeit an der
Universität Salzburg (Fachbereich Geoinformatik), in den vergangenen
zwei Jahren setzte er sie an der IT:U fort. „Der Unterschied liegt in
der gelebten Interdisziplinarität: Für meine Forschung brauche ich
Kenntnisse aus Machine Learning, Stadt- und Verkehrsplanung sowie
erklärbarer KI“ , sagt Moser, der als Postdoc an der IT:U bleibt und
das Forschungsprojekt, das in Zusammenarbeit mit langjährigen
Partnern wie dem Karlsruher Institut für Technologie, der Stadt
Osnabrück und Outdooractive läuft, weiterführen wird.
Zwtl.: KI macht Radfahren sicherer
Bernd Resch und sein Team haben eigene Algorithmen entwickelt,
die körperliche Stressreaktionen beim Radfahren messbar machen. Diese
Daten werden anschließend mit Einflüssen aus der Umgebung verknüpft.
Mithilfe von KI, die verschiedene Datenarten kombiniert, lassen sich
die Informationen zusammenführen und auswerten. „Der Algorithmus
funktioniert bereits gut. Wenn ein Stadt- oder Planungsamt mit einer
konkreten Problemstelle – etwa einer Kreuzung oder Straße – auf uns
zukommt, können wir vor Ort eine Studie durchführen und bei der
Planung unterstützen“ , erklärt Bernd Resch. Zugleich betont er, dass
es noch weiteren Forschungsbedarf gibt: „Wir entwickeln die KI-
Methoden laufend weiter, um möglichst genaue und verlässliche
Information für Stadt- und Mobilitätsplanung zu liefern.“