Zum Inhalt springen

Bauzonenkapazität berechnen – traditionell vs. mit KI

Die Bauzonenkapazität ist eine der wichtigsten Kennzahlen der Schweizer Raumplanung. Sie bestimmt, ob eine Gemeinde neue Bauzonen einzonen darf oder bestehende zurückzonen muss. Doch wie verlässlich sind die klassischen Berechnungsmethoden – und was kann KI besser?

Was ist die Bauzonenkapazität?

Die Bauzonenkapazität gibt an, wie viele Einwohnerinnen und Einwohner in den bestehenden Bauzonen einer Gemeinde Platz finden. Das revidierte Raumplanungsgesetz (RPG 1) verlangt, dass Gemeinden ihre Bauzonen auf den Bedarf der nächsten 15 Jahre dimensionieren. Überdimensionierte Bauzonen müssen zurückgezont werden.

Die Berechnung der Bauzonenkapazität ist damit nicht nur ein technisches Instrument, sondern hat direkte finanzielle und politische Konsequenzen: Rückzonungen sind teuer und unpopulär.

Die klassische Methode

Die traditionelle Berechnung folgt einer relativ einfachen Formel:

Kapazität = (Bauzonenfläche × Ausnutzungsziffer × Wohnanteil) ÷ (Wohnfläche pro Person)

Die Eingangsdaten stammen typischerweise aus dem kantonalen GIS, der Nutzungsplanung und den BFS-Statistiken. Die Berechnung wird pro Zone durchgeführt und anschliessend aggregiert.

Stärken der klassischen Methode

  • Transparent und nachvollziehbar
  • Etabliert und rechtlich anerkannt
  • Vergleichbar zwischen Gemeinden
  • Geringer Datenbedarf

Schwächen der klassischen Methode

  • Pauschale Ausnutzungsziffern über ganze Zonen
  • Keine Berücksichtigung der tatsächlichen Bebauung
  • Statische Bevölkerungsprognosen
  • Verdichtungspotenziale schwer erkennbar

Der KI-gestützte Ansatz

KI-Methoden ergänzen die klassische Berechnung auf mehreren Ebenen:

Parzellenscharfe Analyse

Statt Durchschnittswerte pro Zone zu verwenden, analysiert KI jede Parzelle individuell. Durch Kombination von Gebäudedaten, Grundrissen, Baujahr und Zonenvorschriften lässt sich die tatsächliche Ausnutzung pro Parzelle berechnen – und damit das reale Verdichtungspotenzial.

Dynamische Prognosen

Machine-Learning-Modelle können Bevölkerungsentwicklungen differenzierter prognostizieren als lineare Trendfortschreibungen. Sie berücksichtigen lokale Faktoren wie Erreichbarkeit, Immobilienmarkt und geplante Infrastrukturprojekte.

Mustererkennung

KI-Algorithmen erkennen Muster in Bebauungsstrukturen, die manuell schwer zu identifizieren sind: Welche Parzellen werden in den nächsten Jahren wahrscheinlich überbaut? Wo stehen Ersatzneubauten an? Welche Gebiete zeigen die höchste Transformationsdynamik?

Praxisvergleich: Eine Gemeinde, zwei Methoden

In einem konkreten Projekt für eine Aargauer Gemeinde haben wir beide Methoden parallel angewendet. Die klassische Berechnung ergab eine Reserve von 12 Jahren. Die KI-gestützte Analyse, die tatsächliche Gebäudestrukturen und lokale Marktdynamiken einbezog, kam auf 9 Jahre – ein signifikanter Unterschied mit direkten Folgen für die Revisionsplanung.

Der Grund: Die klassische Methode überschätzte das Verdichtungspotenzial in einem Quartier mit denkmalgeschützten Bauten, das die KI korrekt als «blockiert» identifizierte.

Empfehlung für Gemeinden

Wir empfehlen nicht, die klassische Methode zu ersetzen – sie bleibt der rechtlich anerkannte Standard. Aber eine KI-gestützte Ergänzungsanalyse liefert wertvolle zusätzliche Erkenntnisse:

  • Validierung der klassischen Ergebnisse
  • Identifikation von Verdichtungspotenzialen auf Parzellenebene
  • Präzisere Grundlage für Ortsplanungsrevisionen
  • Früherkennung von Handlungsbedarf

Bei SPEKTRUM bieten wir beide Methoden an und beraten Gemeinden, welche Kombination für ihre spezifische Situation am sinnvollsten ist. Unser Hintergrund in der KI-Beratung und die langjährige Erfahrung in der Raumplanung ermöglichen es uns, Technik und Planung sinnvoll zu verbinden.

Bauzonenanalyse für Ihre Gemeinde?

Wir berechnen Ihre Bauzonenkapazität – klassisch und KI-gestützt.

Beratung anfragen →

Calculating Building Zone Capacity – Traditional vs. AI

Building zone capacity is one of the most important metrics in Swiss spatial planning. It determines whether a municipality may zone in new building areas or must zone back existing ones. But how reliable are the classical calculation methods – and what can AI do better?

What Is Building Zone Capacity?

Building zone capacity indicates how many residents can be accommodated in a municipality’s existing building zones. The revised Spatial Planning Act (SPA 1) requires municipalities to dimension their building zones to meet the needs of the next 15 years. Oversized building zones must be rezoned back.

Calculating building zone capacity is therefore not just a technical instrument, but has direct financial and political consequences: rezonings are expensive and unpopular.

The Classical Method

The traditional calculation follows a relatively simple formula:

Capacity = (Building zone area × Floor area ratio × Residential share) ÷ (Living area per person)

Input data typically comes from the cantonal GIS, land-use planning and FSO statistics. The calculation is performed per zone and then aggregated.

Strengths of the Classical Method

  • Transparent and comprehensible
  • Established and legally recognised
  • Comparable across municipalities
  • Low data requirements

Weaknesses of the Classical Method

  • Flat-rate utilisation indices across entire zones
  • No consideration of actual development
  • Static population forecasts
  • Densification potential difficult to identify

The AI-Supported Approach

AI methods complement the classical calculation on several levels:

Plot-Level Analysis

Instead of using average values per zone, AI analyses each plot individually. By combining building data, floor plans, year of construction and zone regulations, the actual utilisation per plot can be calculated – and thus the real densification potential.

Dynamic Forecasts

Machine learning models can forecast population development more precisely than linear trend extrapolations. They take into account local factors such as accessibility, the real estate market and planned infrastructure projects.

Pattern Recognition

AI algorithms identify patterns in development structures that are difficult to identify manually: Which plots are likely to be developed in the next few years? Where are replacement new buildings imminent? Which areas show the highest transformation dynamics?

Practical Comparison: One Municipality, Two Methods

In a concrete project for a municipality in the canton of Aargau, we applied both methods in parallel. The classical calculation yielded a reserve of 12 years. The AI-supported analysis, which incorporated actual building structures and local market dynamics, arrived at 9 years – a significant difference with direct consequences for revision planning.

The reason: the classical method overestimated the densification potential in a neighbourhood with heritage-listed buildings, which the AI correctly identified as «blocked».

Recommendation for Municipalities

We do not recommend replacing the classical method – it remains the legally recognised standard. But an AI-supported supplementary analysis provides valuable additional insights:

  • Validation of classical results
  • Identification of densification potential at plot level
  • More precise basis for land-use plan revisions
  • Early identification of need for action

At SPEKTRUM, we offer both methods and advise municipalities on which combination makes most sense for their specific situation. Our background in AI consulting and long-standing experience in spatial planning enable us to sensibly combine technology and planning.

Building Zone Analysis for Your Municipality?

We calculate your building zone capacity – classically and AI-supported.

Request consultation →