Welche neuen Erhebungsmethoden bzw. Datenmodelle können entwickelt werden, um die zurückgelegten Wege bzw. das Mobilitätsverhalten in der Stadt zu erfassen?

Die Erfassung städtischen Mobilitätsverhaltens in Wien stützt sich auf eine jährlich-kontinuierliche, repräsentative Mobilitätserhebung im Auftrag der Stadt Wien und der Wiener Linien (über 2.000 Personen pro Befragungsjahr, Stichtag-Methode mit gleichmäßig übers Jahr verteilten Erhebungstagen) — ergänzt um ÖPNV-Validator-Aggregate, Floating-Car-Data der Verkehrsverwaltung und anonymisierte Mobilfunk-Aggregate als Plausibilisierungsschicht 2025-stadt-wien-mobilitaetserhebung-methodikWien. Die GVS-Sample-Rate (~2.000/1,9 Mio ≈ 0,1 %) macht Mikro-Daten-Releases ohne Differential-Privacy oder synthetische Augmentation DSGVO-riskant. Tagebuch- bzw. Stichtag-Erhebungen untererfassen Kurzwege und Fuß-/Radwege systematisch (medium confidence; medium evidence, high agreement) 2021-fina-dlr-telco-mobility-validationEU.

Die EU-Forschung konvergiert auf Trip-Reconstruction aus Multi-Sensor-Streams (GPS + WLAN-/Bluetooth-Beacons + Telco-Aggregate + ÖPNV-Validator) im Mobility Data Space (NeTEx, MobilityDCAT-AP) 2024-eea-urban-adaptation-europeEU. Die DLR/ILS-Studie (Fina et al. 2021) validiert Telefónica-Aggregate in Hamburg, Berlin und München: Mobilfunk-Aggregate ergänzen, ersetzen aber nicht Tagebuch-Erhebungen — Kurzwege und Fuß-/Radwege werden systematisch untererfasst (medium-high confidence; medium evidence, high agreement) 2021-fina-dlr-telco-mobility-validationEU. Wiener-Linien-OGD und WienMobil-App liefern den ÖPNV-Anker für die Wien-Anwendung 2024-wiener-linien-energie-dekarbonisierungWien.

Wien-spezifische Längsschnitt-Datasets, die Tagebuch- und Sensor-Daten deckungsgleich auf Personenebene verschneiden, fehlen. Die demografische Repräsentativitätslücke ist empirisch belegt: Li et al. (2024) zeigen für SafeGraph-Daten, dass einkommensschwache Gruppen 2–3-fach unterrepräsentiert sind (high confidence; robust evidence, medium agreement) 2024-li-safegraph-mobility-biasGlobal — ein analoger Bias betrifft WienMobil-App-Logger und A1-/Magenta-Telco-Aggregate. DSGVO-konforme Aggregationsschwellen (k-anonymity, Differential-Privacy) für Telco-Verschneidung sind in EU-Forschung definiert, in Wien aber nicht standardisiert 2013-de-montjoye-unique-crowd-mobility-privacyGlobal. Synthetische Trip-Datasets als DSGVO-Mitigationspfad sind in EU-Pilots erprobt, in Wien jedoch nicht in Verkehrsmodellierung integriert 2025-iea-energy-and-aiGlobal.

Im Horizont 2025–2030 verschiebt sich die EU-Methoden-Lage zu sensorgetriebener Erhebung mit Befragungsvalidierung: Trip-Reconstruction aus Multi-Sensor-Daten löst die klassische Tagebuchmethode schrittweise ab 2024-eea-urban-adaptation-europeEU. Foundation Models für Trajectories (Transformer für Modus-Klassifikation und Prediction) sind in Hugging-Face- und Microsoft-GeoSpatial-Pilots verfügbar — Reife experimentell (low confidence; limited evidence, medium agreement) 2025-iea-energy-and-aiGlobal. Der Mobility Data Space als föderierte EU-Infrastruktur wird ab 2025 schrittweise operativ; Wien-Anschluss über AustriaTech ist geplant 2024-eea-urban-adaptation-europeEU. Privacy-by-Design wird vom Compliance-Add-on zur methodischen Voraussetzung 2013-de-montjoye-unique-crowd-mobility-privacyGlobal.

Score medium (D1=2, D2=3, D3=2, D4=1, Sum=8). Aufgabentypen: Pattern-Recognition (Modus-Klassifikation aus GPS-/Beacon-Streams), Prediction (Wege-Volumen-Forecasting auf MA-46-Daten), Generation (synthetische Trip-Datasets) und Simulation (Activity-Based-Models) 2025-iea-energy-and-aiGlobal. Reife: Trip-Reconstruction produktiv-hybrid, Foundation-Models experimentell. Direkt nutzbar: aggregierte ÖPNV-Daten, MA-46-Zählstellen; Telco/App-Logger DPIA-pflichtig.

Datenschutz-Folgenabschätzung (DSGVO Art. 35): Trip-Reconstruction nutzt personenrekonstruierbare Daten (Bewegungstrajektorien). Vier raum-zeitliche Punkte genügen für 95 % Re-Identifikation (high confidence; robust evidence, high agreement) 2013-de-montjoye-unique-crowd-mobility-privacyGlobal — Pseudonymisierung allein schützt nicht. Privacy-by-Design (k-Anonymität ≥20, Differential Privacy, synthetische Ersatzdaten) ist nicht-verhandelbar vor Datenerhebung. Sample-Bias: Smartphone-Sensing unterrepräsentiert einkommensschwache Gruppen 2–3× 2024-li-safegraph-mobility-biasGlobal — Bias-Audit ist Pflicht vor KI-Deployment. Bei Aggregation auf Wien-Zähl-Sprengel-Ebene (~250 Sprengel) sinkt Re-ID-Risiko substantiell; k≥20 + DP-Noise + Bias-Audit (de Montjoye 4-Punkt-Check) wird empfohlen. Caveat Sprengel-Heterogenität: ~130 der 250 Wiener Zähl-Sprengel haben <500 Einwohner:innen — k≥20 muss dort durch Bezirks-Aggregation (~23 Bezirke) ergänzt werden, sonst unterläuft Volkszählungs-Verschneidung den Schutz. Wien-Operatordaten (GVS, Wiener Linien, MA-46) sind DPIA-pflichtig; Telco-Aggregate (A1, Magenta) erfordern Art.-25-DSGVO-konforme Anonymisierungs-Qualitätsaudits. NGO-Positionen (epicenter.works, noyb) zu Anonymisierungsversprechen bei Sub-1000-Aggregaten sind als wissenschaftlicher Skeptizismus methodisch einzubeziehen.

Audit-Trail (Dimensionen-Scoring)