Urban Green Systems 4.0
a computational framework for novel Urban Green System design
Die rasche Urbanisierung und Umweltdegradation lenkten zunehmend die Aufmerksamkeit auf die Ökosystemleistungen, die Pflanzen in Städten erbringen. Zukünftige Urban Green Systems (UGS) sollten die Folgen des städtischen Klimawandels abmildern, die Qualität des Lebens im Freien verbessern und Gebäude sowie Menschen vor extremen Wetterereignissen schützen. Für die Gestaltung, Planung und Bewirtschaftung neuer UGS sollten Strategien historischer Landnutzungssysteme untersucht werden. Diese Systeme waren für bestimmte Kontexte und klar definierte Funktionen entwickelt worden. Zu ihren Techniken gehörten Niederwaldwirtschaft, Kopfbaumschnitt, Flechten und Pfropfen. Ihr Potenzial für neue UGS war zuvor nicht systematisch bewertet worden.
Unser Forschungsziel war es, die komplexe Dynamik des UGS-Entwurfs und des Pflanzenwachstums durch die Kombination von leistungsorientiertem Design, 3D-Scanning und Simulation zu bearbeiten. Dafür sollte ein Framework entstehen, das generative und analytische rechnergestützte Methoden mit einem Entscheidungsunterstützungssystem verband.
Der vorgeschlagene Workflow orientierte sich an zwei historischen Systemen: kopfgeschnittenen Baumkronen und geformten Hecken. Bei beiden wurde die tatsächliche Entwicklung regelmäßig mit der angestrebten Leistung verglichen. Dieses Vorgehen verband Entwurfsentscheidungen, Eingriffe an Pflanzen und Wachstumsprozesse. Daraus ergaben sich folgende Forschungsziele:
O1. Struktur und Funktion manipulierter Bäume: Ausgewählte Techniken wie Schneiden und Biegen von Ästen sowie ihre Auswirkungen auf Wachstum und Mechanik dokumentieren;
O2. Ökosystemleistungen: Modelle zur Simulation von Wirkungen wie Verschattung und Kühlung durch Transpiration entwickeln;
O3. Wachstumssimulation und Analysemethoden: Den Zusammenhang zwischen Pflanzenmanipulation, gewachsener Struktur und physiologischen Prozessen auf der Ebene von Pflanzenorganen untersuchen;
O4. Rechnergestütztes Design für UGS: Ein Entscheidungsunterstützungssystem entwickeln, mit dem sich kurzfristige Wachstumsreaktionen im Hinblick auf langfristige räumliche und mikroklimatische Wirkungen bewerten ließen;
O5. Validierung: Das Entscheidungsunterstützungssystem anhand von Entwurfsanwendungen und Fallstudien bewerten.
Konkret sollten Methoden entwickelt werden, um Wachstumsreaktionen auf unterschiedliche Eingriffe, mikroklimatische Ökosystemleistungen und die strukturelle Leistungsfähigkeit solcher Systeme zu simulieren. Außerdem sollte ein iterativer Entwurfs- und Managementansatz untersucht und die Werkzeuge anhand historischer Beispiele validiert werden.
Publikationen
Ludwig, F., Hensel, M., Rötzer, T., Ahmeti, A., Chen, X., Erdal, H. I., ... & Yazdi, H. (2024). Digital workflow for novel urban green system design derived from a historical role model. JoDLA – Journal of Digital Landscape Architecture, 9-2024, 333-345. doi.org/10.14627/537752030
Ludwig, F., Rötzer, T., Ahmeti, A., Chen, x., Reischl, A., Shu, Q., Tyc, J., Hensel, M. (2026/under review) Utilizing machinelearning and knowledge graphs for supporting tree species selection, planting design, and tree pruning decisions. In: Modelling Urban Systems - Multi-dimensional Perspectives on Designing Future Cities" (Springer Nature)
Parhizgar, L., Pattnaik, N., Yazdi, H., Shu, Q, Pauleit,S., Rahman, M.A., Ludwig, F., Pretzsch, H., Rötzer, T. (2025) Branch biomass allometries for urban tree species based on Terrestrial Laser Scanning (TLS) data. Trees 39:57. https://doi.org/10.1007/s00468-025-02637-7
Rötzer, T., Moser-Reischl, A., Pattnaik, N., Pauleit, S., Shu, Q., & Ludwig, F. (2026). Effects of pruning on growth and ecosystem services of plane trees in urban environment. Urban Forestry & Urban Greening, 129252. doi.org/10.1016/j.ufug.2025.129252
Shu Q, Rötzer T, Detter A, Ludwig F. Tree Information Modeling: A Data Exchange Platform for Tree Design and Management. Forests. 2022; 13(11):1955. doi.org/10.3390/f13111955 Shu, Q., Yazdi, H., Rötzer, T., & Ludwig, F. (2024). Predicting resprouting of Platanus× hispanica following branch pruning by means of machine learning. Frontiers in Plant Science, 15, 1297390. https://doi.org/10.3389/fpls.2024.1297390
Shu, Q., Rötzer, T., Yazdi, H., Reischl, A., & Ludwig, F. (2025). A comparative study of voxel-based leaf area densityestimation from quantitative structure models of trees. Science of Remote Sensing, 100246. https://doi.org/10.1016/j.srs.2025.100246
Qiguan Shu, Kai Zhe Boey, Ferdinand Ludwig; Reinforcement learning-driven decision support for target-oriented branchpruning on urban trees. Smart and Sustainable Built Environment 2025; doi.org/10.1108/SASBE-10-2024-0427 Yazdi, H., Shu, Q., & Ludwig, F. (2023). A target-driven tree planting and maintenance approach for next generation urban green infrastructure (UGI). JoDLA–Journal of Digital Landscape Architecture, (8-2023), 178-185. doi.org/10.14627/537740019



