Die strukturelle Wirkung von Stadtparklandschaften auf psychische Erholung mittels Graph-Learning aufdecken

Warum Parkgestaltung für den Geist wichtig ist

In belebten Städten gehen viele Menschen instinktiv in einen Park, um den Kopf freizubekommen. Doch nicht jede Grünfläche oder Baumreihe wirkt gleichermaßen beruhigend. Diese Studie stellt eine überraschend praktische Frage: Was ist es an der detaillierten Anlage eines Stadtparks – der Anordnung von Bäumen, Wegen, Rasenflächen, Wasser und Bebauung – das manche Orte geistig erfrischender macht als andere? Indem sie Psychologie mit moderner künstlicher Intelligenz verbinden, zeigen die Forschenden, wie subtile Unterschiede in der Parkstruktur beeinflussen können, wie gut ein Ort beim Entspannen, Stressabbau und bei der Wiederherstellung der Aufmerksamkeit hilft.

Parks durch die Augen der Menschen betrachten

Das Team begann mit dem Aufbau einer neuen Bildsammlung namens ParkScape-PR, bestehend aus 1.346 Fotografien von Stadtparks, aufgenommen aus einer normalen Blickhöhe beim Gehen. Die Bilder decken verschiedene Parktypen ab, von nachbarschaftlichen Grünflächen bis zu kulturellen und ökologischen Parks, und enthalten unterschiedliche Wetter- und Jahreszeitensituationen. Neunzehn Studierende bewerteten jedes Bild nach Gefallen und empfundener Erholsamkeit mithilfe eines standardisierten Fragebogens, der erfasst, wie sehr eine Szene den Geist klärt, Entspannung fördert und Aufmerksamkeit wiederherstellt. Das Ergebnis ist ein detaillierter „Erholungswert“ für jede Parkansicht, der auf realen menschlichen Eindrücken beruht statt auf Vermutungen.

Szenen in Netzwerke von Parkelementen verwandeln

Um über vage Etiketten wie „grün“ oder „natürlich“ hinauszukommen, zerlegten die Forschenden jedes Bild in die konkreten sichtbaren Dinge: Bäume, Sträucher, Rasen, Wege, Bänke, Gebäude, Wasser und mehr. Mithilfe einer Kombination aus automatischen Werkzeugen und sorgfältiger Kontrolle zeichneten sie jedes Objekt nach und ordneten es einer von 18 Kategorien zu. Anschließend nutzten sie ein großes Sprachmodell, um zu beschreiben, wie diese Elemente räumlich angeordnet sind – zum Beispiel ein Baum über einer Bank oder ein Rasen angrenzend an einen Weg. Diese Informationen werden als Netzwerk bzw. Graph gespeichert: Jedes Objekt ist ein Knoten, jede räumliche Beziehung eine Verbindung. Zusätzlich fügten sie Tiefeninformationen hinzu, die erfassen, ob Elemente im Vordergrund, Mittelgrund oder Hintergrund liegen, da geschichtete Ansichten und ein Gefühl von räumlicher Tiefe das Empfinden von Flucht unterstützen.

Ein KI-„Perceiver“, der vorhersagt, wie beruhigend eine Szene wirkt

Mit dieser strukturellen Beschreibung entwickelte das Team ein Vorhersagemodell, das sie Perceiver nennen. Anstatt jedes Bild als flaches Pixelraster zu behandeln, liest Perceiver den Graphen aus Objekten und Beziehungen sowie eine kompakte Zusammenfassung der Tiefeninformation. Dann lernt es, die sieben psychologischen Bewertungen für jedes Bild vorherzusagen. Mithilfe moderner graphbasierter neuronaler Netze erfasst das Modell, wie Kombinationen von Elementen und deren Positionen gemeinsam die Reaktion eines Betrachters formen. In Tests reproduzierte Perceiver zuverlässig die menschlichen Bewertungen; eine Version ohne Tiefeninformation schnitt merklich schlechter ab. Das legt nahe, dass nicht nur der Inhalt der Szene, sondern auch Entfernung und Schichtung entscheidend für mentale Erholung sind.

Ein „Miner“, der zeigt, welche Muster am wichtigsten sind

Allein Vorhersagen reichen für Planer nicht aus; sie müssen auch verstehen, warum bestimmte Anordnungen besser funktionieren. Um dies aufzudecken, entwickelten die Forschenden ein Begleitwerkzeug namens Miner. Miner behandelt Perceiver als festen Beurteiler und „dimmt“ oder „hebt hervor“ einzelne Objekte und Beziehungen im Graphen, um zu sehen, welche die vorhergesagte Erholungsbewertung am stärksten beeinflussen. Daraus extrahiert es einen vereinfachten „wahrnehmungsrelevanten Subgraphen“, der nur die einflussreichsten Elemente und Verbindungen enthält. Über viele Bilder hinweg zeigt Miner, dass einzelne Merkmale wie „Baum“ oder „Rasen“ allein die beruhigende Wirkung nicht erklären. Stattdessen stechen bestimmte Kombinationen und Anordnungen hervor – zum Beispiel sonniger Himmel über Bäumen und Rasen, Bäume, die offene Grasflächen neben einem Weg einrahmen, sowie natürliche Elemente vor oder in der Nähe von menschlichen Einrichtungen wie Bänken und Gehwegen.

Was eine Parkansicht wirklich erholsam macht

Durch die Analyse dieser destillierten Netzwerke liefert die Studie konkrete Hinweise für Planer und Gestalter. Besonders erholsame Szenen haben tendenziell vielfältige natürliche Elemente – Bäume, Sträucher, Rasenflächen und gelegentlich Wasser – die in einer kohärenten, geschichteten Struktur angeordnet sind. Bäume und Kronendächer rahmen oft den Blick, anstatt ihn zu blockieren, und erzeugen ein Gefühl von Schutz mit offener Aussicht über Gras oder Wasser. Wege sind sanft geschwungen und verbinden Blickpunkte, während Bänke und andere Ausstattungen in der Nähe von Grünflächen platziert sind statt von harten Flächen umgeben zu werden. In Graph-Begriffen zeigen diese Szenen reichhaltige, aber geordnete Verbindungen, wobei zentrale natürliche Merkmale als Knoten fungieren. Weniger erholsame Szenen können ähnliche Zutaten enthalten, aber in spärlicher, fragmentierter oder visuell überladener Anordnung. Die Autorinnen und Autoren argumentieren, dass das Geheimnis eines beruhigenden Parks nicht einfach im Hinzufügen von mehr Grün liegt, sondern in der sorgfältigen Gestaltung der räumlichen Beziehungen zwischen Elementen, sodass die Gesamtkomposition das Auge und den Geist still zur Erholung lenkt.

Zitation: Zhang, Y., Li, Y., Yin, Y. et al. Uncovering the structural influence of urban park landscapes on psychological restoration via graph learning. Sci Rep 16, 14135 (2026). https://doi.org/10.1038/s41598-026-40102-8

Schlüsselwörter: Stadtparks, mentale Erholung, Landschaftsdesign, Graph-Neuronale Netze, Umweltpsychologie