CAS Stadtraum Landschaft

Daten kreativ und selbstbewusst nutzen, um Stadträume zu analysieren: Der CAS Urbane Daten vermittelt Programmier- und Datenkompetenzen für robuste Analysen, für datengestützten Entwurf und partizipative Stadtentwicklung. Zielpublikum:

Der CAS Urbane Daten richtet sich an alle, die Stadtlandschaften datenbasiert verstehen, analysieren und transformieren wollen. Dies umfasst Personen, die sich in Architektur-, Landschaftsarchitektur, Planungs- und Beratungsbüros, in kantonalen und kommunalen Verwaltungen, bei Behörden oder auch im Hochschulbereich und an Berufsschulen mit Fragen, Projekten und Prozessen zu datengestützten Komponenten der planerischen Praxis auseinandersetzen. 

Ziele:

Die Teilnehmenden erwerben praxisorientiertes Wissen und anwendungsnahe Fähigkeiten im Umgang mit urbanen Daten. Nach Abschluss des CAS können die Teilnehmenden:

• Fragestellungen zu Stadträumen datenbasiert beantworten – durch den Einsatz aktueller Methoden der Datenanalyse.
• Open-Source-Programme (QGIS, R/ Python) anwenden, um reproduzierbare und belastbare Analysen zu erstellen.
• Räumliche und nicht-räumliche Data-Science-Ansätze kombinieren, um komplexe urbane Zusammenhänge sichtbar zu machen.
• Datenquellen nutzen oder selbst erheben, von Open Government Data bis zu partizipativen Formaten mit der Bevölkerung.
• Datenqualität und Repräsentation kritisch beurteilen, ihre Aussagekraft evaluieren und Grenzen datenbasierter Verfahren erkennen.
• Verstehen, wie Daten in gesellschaftliche Prozesse eingebettet sind – von der Analyse über die Interpretation bis zur Mitwirkung.
• Erkenntnisse klar kommunizieren, indem sie Daten in Karten, Modellen, Diagrammen oder Storyboards verständlich visualisieren.
• Daten reflektiert in der Planungspraxis einsetzen, als Grundlage für Erkenntnis, Gestaltung und Beteiligung im städtischen Kontext.

Inhalt: Block 1: Über Fragen zu Datenquellen gelangen: Methoden und Werkzeuge

Das Einstiegsmodul vermittelt grundlegende Kenntnisse im Umgang mit räumlichen und nicht-räumlichen Datensätzen. Die Teilnehmenden lernen Methoden und Werkzeuge kennen, um datengetrieben urbane Forschungsfragen zu entwickeln und zu beantworten. Nebst der Vermittlung von Programmkenntnissen in R, Python und QGIS werden die Teilnehmenden mit geeigneten Datentypen und dem Umgang mit quantitativen und qualitativen Datenquellen vertraut gemacht, lernen Daten im “Feld” selbst zu erfassen und werden mit ethischen und erkenntnistheoretischen Fragestellungen konfrontiert, die im Umgang mit verschiedenen Formen urbaner Daten zu beachten sind.

Block 2: Von Daten lernen: Exploration und Analyse

Die Teilnehmenden erlernen in diesem Block die grundlegenden Techniken der Datenanalyse, um ihre Fragestellungen über den urbanen Raum zu beantworten. Sie erkunden Daten deskriptiv und inferenzstatistisch, formulieren kausale Modelle, und können statistische Fehlschlüsse vermeiden. 

Block 3: Mit Daten beteiligen: Digitalität und Mitwirkung

Der Block vermittelt, wie Daten in digitalen Mitwirkungsverfahren der Stadtplanung generiert, genutzt und interpretiert werden können: von Citizen Science bis zu interaktiven Stadtmodellen. Im Fokus steht das Verständnis der Wechselwirkung zwischen Daten, Öffentlichkeit und gebautem Raum – und die Bereitschaft, den Umgang mit solchen Prozessen aktiv zu lernen und anzuwenden. 

Block 4: Durch Daten Geschichten erzählen: Kommunikation und Visualisierung

Erst wenn urbane Daten lesbar gemacht, passend visualisiert und erzählt werden, entfalten sie ihr Potential, Debatten auszulösen und Veränderungen anzustossen. In diesem Block geht es um Modelle, Karten, Diagramme, Storyboards und weitere Möglichkeiten, die Resultate datengestützter Erkundungen und Projekte so aufzubereiten, dass sie sich klar, griffig und reizvoll vermitteln lassen.