Hier finden Sie Berichte, Analysen und Fragen zu Sicherheit im öffentlichen Raum, Beleuchtung, Wahrnehmung und integrierter Stadtentwicklung. Nicht theoretisch, sondern alltags- und entscheidungsrelevant 

06.09.2026

Kann eine KI sehen, ob wir uns sicher fühlen?

Man zeigt einer künstlichen Intelligenz ein Straßenbild und fragt sie, ob dieser Ort sicher oder unsicher wirkt. Anschließend zeigt man ihr dasselbe Bild noch einmal. An der Straße, der Bebauung und der Beleuchtung hat sich nichts verändert. Lediglich die Perspektive wird vorgegeben. Einmal soll die KI den Ort aus Sicht eines Mannes beurteilen, einmal aus Sicht einer Frau.

Die Bewertung verändert sich trotzdem.

Genau damit beschäftigt sich eine neue Studie von Ciro Beneduce, Bruno Lepri und Massimiliano Luca, die am 3. September 2026 in EPJ Data Science veröffentlicht wurde. Die Forscher wollten wissen, wie gut multimodale KI-Modelle menschliche Sicherheitsbewertungen anhand von Straßenbildern nachvollziehen können. Dafür verwendeten sie Bilder aus 56 Städten, für die mit Place Pulse 2.0 bereits menschliche Bewertungen vorlagen.

Zunächst ist das Ergebnis durchaus erstaunlich. Die vier untersuchten KI-Modelle kommen den menschlichen Bewertungen in vielen Fällen relativ nahe. Interessant ist auch, welche Eigenschaften der Stadträume in ihren Begründungen auftauchen. Pflegezustand, Grün und Wohnnutzung werden eher mit Sicherheit verbunden. Bei unsicheren Räumen erscheinen dagegen baulicher Verfall, Isolation, schlechte Beleuchtung und geringe Fußgängeraktivität.

Vieles davon kennen wir aus der Forschung zu CPTED, Kriminalitätsfurcht und räumlicher Wahrnehmung. Menschen bewerten einen Raum nicht abstrakt. Sie nehmen wahr, was sie sehen können, ob andere Menschen anwesend sind, ob ein Ort gepflegt erscheint, ob Sichtbeziehungen funktionieren und ob eine Situation überschaubar bleibt. Genau diese Faktoren finden sich auch in den Bewertungen der KI wieder.

Das bedeutet allerdings noch lange nicht, dass sich Sicherheitsgefühl nun automatisiert messen ließe. Die Studie zeigt nämlich gleichzeitig eine erhebliche Schwäche. Die Modelle halten Räume häufiger für sicher als die Menschen, mit deren Bewertungen sie verglichen werden. Besonders bei weniger eindeutigen Situationen kommt es zu Abweichungen.

Für die Untersuchung von Angsträumen ist das aber ein wichtiger Befund. Ein problematischer Ort muss nicht offensichtlich verwahrlost oder bedrohlich aussehen. Unsicherheit kann aus mehreren eher unspektakulären Faktoren entstehen. Eine eingeschränkte Sicht, fehlende soziale Präsenz, dunkle Randbereiche oder Verdeckungsmöglichkeiten können zusammengenommen einen Raum entstehen lassen, der gemieden wird, obwohl auf einem Straßenbild zunächst nichts Dramatisches zu erkennen ist.

Besonders spannend wird die Untersuchung dort, wo die Forscher der KI unterschiedliche demografische Perspektiven vorgeben. Beim Geschlecht zeigt sich über alle vier Modelle hinweg der stabilste Effekt. Soll die KI denselben Raum aus der Perspektive einer Frau betrachten, bewertet sie ihn häufiger als unsicher. Je nach Modell steigt der Anteil der Unsicherheitsbewertungen gegenüber der neutralen Ausgangsbewertung um etwa 7 bis knapp 28 Prozentpunkte.

Auch die Begründungen verändern sich. Bei der weiblichen Perspektive werden häufiger Isolation, schlechte Beleuchtung, eingeschränkte Sichtbarkeit und fehlende Fußgänger genannt. Gerade das ist interessant, weil diese räumlichen Eigenschaften auch aus der Forschung zum geschlechtsspezifischen Sicherheitsgefühl bekannt sind. Es entspricht zudem einem Befund, der sich in meinen Arbeiten zur Wahrnehmung nächtlicher öffentlicher Räume immer wieder zeigt. Entscheidend ist nicht allein, ob eine Leuchte vorhanden ist. Entscheidend ist, was ein Mensch in einem Raum erkennen, überblicken und einschätzen kann.

An dieser Stelle ist allerdings wissenschaftliche Vorsicht notwendig. Aus der Studie lässt sich keineswegs ableiten, dass eine KI tatsächlich weiß, wie Frauen einen Stadtraum wahrnehmen. Sie kann ebenso gut empirisch bekannte Unterschiede reproduzieren wie gesellschaftliche Vorstellungen darüber, wovor Frauen sich vermeintlich fürchten. Genau das lässt sich anhand der Ergebnisse nicht voneinander trennen.

Darin liegt für mich einer der interessantesten Aspekte dieser Untersuchung. Die KI liefert eben keine neutrale Sicht auf die Stadt. Ihre Bewertung verändert sich bereits dadurch, dass ihr eine andere Person als Betrachterin oder Betrachter vorgegeben wird.

Für die Stadtforschung eröffnet das durchaus Möglichkeiten. Solche Verfahren könnten große Mengen von Straßenbildern auswerten und Hinweise darauf geben, welche Orte einer genaueren Untersuchung bedürfen. Sie könnten damit ein zusätzliches Analyseinstrument werden. Problematisch würde es jedoch, wenn daraus der Anspruch entstünde, einem Ort einen vermeintlich objektiven Sicherheitswert zuzuweisen.

Denn genau das bestätigt die Studie nicht. Sie zeigt vielmehr, wie schwierig ein solcher Anspruch ist.

Ein Stadtraum besitzt Eigenschaften, die wir erfassen können. Wir können Beleuchtung messen, Sichtbeziehungen untersuchen, Vegetation, Verdeckungsmöglichkeiten, Pflegezustand und Nutzungen dokumentieren. Wie diese Bedingungen wahrgenommen werden, hängt aber auch von den Menschen ab, die sich in diesem Raum bewegen.

Das entspricht einem wesentlichen Ansatz meiner eigenen Arbeit mit öffentlichen Räumen. Die Untersuchung objektivierbarer räumlicher Merkmale ist unverzichtbar. Sie wird aber erst dann vollständig, wenn wir danach fragen, was diese Merkmale für diejenigen bedeuten, die einen Ort tatsächlich nutzen.

Die neue Studie zeigt nun auf ungewöhnliche Weise, dass selbst künstliche Intelligenz diesem Problem nicht entkommt.

Vielleicht lautet die spannendere Frage deshalb gar nicht, ob eine KI sehen kann, ob wir uns sicher fühlen. Viel interessanter ist, durch wessen Augen sie die Stadt zu sehen glaubt.

Studie

Beneduce, C., Lepri, B. und Luca, M. (2026), Multimodal large language models predict urban safety perception but encode non-neutral demographic priors, EPJ Data Science, veröffentlicht am 3. September 2026