SmartSport: Crowd-Counting trifft auf große Sprachmodelle für intelligentes Anlagenmanagement

Warum intelligentere Sportflächen wichtig sind

In vielen Städten entstehen ständig neue Parks, Plätze und Fitnessstrecken, doch Basketballplätze sind oft überfüllt, während nahegelegene Spazierwege leer bleiben. Diese Diskrepanz verschwendet öffentliche Mittel und frustriert Einwohner, die einfach nur eine faire Chance zum Sporttreiben wollen. Die SmartSport-Studie stellt einen Ansatz vor, mit dem Kameras und fortschrittliche KI genutzt werden, um zu messen, wie öffentliche Sportanlagen tatsächlich genutzt werden, und diese Zahlen in konkrete Empfehlungen für Stadtmanager zu übersetzen. Das Ziel ist schlicht: Gemeinden dabei zu helfen, aus den vorhandenen Flächen mehr Gesundheit und Freude zu ziehen.

Von Klemmbrettern zu kontinuierlichem Erfassen

Heute verlassen sich die meisten Städte noch auf Mitarbeiter mit Klemmbrettern oder gelegentliche Umfragen, um abzuschätzen, wie belebt ein Platz oder eine Laufbahn ist. Diese Methoden liefern nur kurze Momentaufnahmen, erfassen viele Standorte nicht und sind zu langsam, um Alltagsentscheidungen zu steuern. Außerdem erklären sie kaum, warum einige Anlagen überlastet sind, während andere nahezu ungenutzt bleiben. SmartSport ersetzt diese verstreuten Bemühungen durch ein automatisiertes System, das Anlagen über fest installierte Kameras beobachtet, zählt, wie viele Menschen sich über die Zeit dort aufhalten, und diese Informationen mit Karten, Bevölkerungsdaten und anderem Kontext verknüpft.

Computern beibringen, Menschen fair zu sehen

Der erste Teil von SmartSport, genannt CrowdVision, konzentriert sich darauf, Menschen in offenen Sportbereichen wie Freiluftplätzen, Feldern und Fitnessstrecken zu erkennen und zu zählen. Statt Gesichter oder Identitäten zu verfolgen, sucht das System nach kleinen visuellen Hinweisen, die auf eine Person in einer weiten Szene hindeuten, etwa winzige Figuren im Hintergrund oder teilweise verdeckte Personen. Die Forscher entwickelten ein kompaktes Vision-Netzwerk, das Bilder aus unterschiedlichen Blickrichtungen scannen, Muster über die gesamte Szene zusammenfügen und mit Personen in sehr unterschiedlichen Größen im selben Bild umgehen kann. Jede Person wird als Punkt statt als Begrenzungsrahmen dargestellt, was die genaue Lokalisierung einzelner Personen in Menschenansammlungen erleichtert und gleichzeitig schnell genug bleibt, um auf kostengünstigen Edge-Geräten in Kameranähe zu laufen.

Rohzählungen in bessere Entscheidungen verwandeln

Der zweite Teil, LLM-Advisor, fungiert als digitaler Berater für Anlagenmanager. Er nimmt die Zeitreihen der von CrowdVision erzeugten Personenanzahlen und kombiniert sie mit weiteren Informationen: wo sich jede Anlage in der Stadt befindet, wer in der Nähe lebt, wie gut sie mit öffentlichen Verkehrsmitteln erreichbar ist und welche Ausstattung vorhanden ist. Mithilfe großer Sprachmodelle — derselben Art von KI, die moderne Chatbots antreibt — wird das System durch sorgfältig formulierte Prompts angeleitet, einen schrittweisen Denkprozess zu verfolgen. Es identifiziert tägliche und wöchentliche Muster, erkennt Anzeichen von Überlastung oder Unterauslastung und schlägt dann praktische Maßnahmen vor, etwa angepasste Öffnungszeiten, Aufwertungen bestimmter Plätze oder die Schaffung neuer Anlagen in unterversorgten Vierteln. Eine begleitende Wissensdatenbank mit praxisnahen Best Practices und Richtlinien sorgt dafür, dass die Vorschläge an beruflichen Standards ausgerichtet bleiben.

Nachweis der Praxistauglichkeit

Um SmartSport zu testen, bewertete das Team CrowdVision anhand standardisierter Datensätze zur Personenzählung sowie anhand ihrer eigenen Sammlung von Bildern aus 15 öffentlichen Sportanlagen. Das Vision-Modul erreichte in diesen realen Sportumgebungen eine Zählgenauigkeit von etwa 94 Prozent, übertraf mehrere jüngere Forschungsmethoden und lief zudem effizient genug für Echtzeitüberwachung. Für den Empfehlungsteil baten die Autor:innen 12 Expert:innen im Anlagenmanagement, über 250 KI-generierte Berichte blind zu bewerten. Im Durchschnitt gaben die Expert:innen den Empfehlungen einen Qualitätswert von 4,2 von 5, lobten ihre Vollständigkeit und logische Argumentation, wiesen jedoch darauf hin, dass sehr detaillierte, standortspezifische Vorschläge weiterhin herausfordernd sind. Zusammengenommen deuten diese Ergebnisse darauf hin, dass SmartSport sowohl die Nutzung zuverlässig messen als auch Management-Einsichten liefern kann, die Fachleuten als wirklich nützlich erscheinen.

Was das für den Alltag der Nutzer bedeutet

Für Anwohner bedeutet SmartSport keine Flut neuer Bildschirme oder Gadgets, sondern besser verwaltete Parks und Plätze. Indem das System still zählt, wie viele Menschen jede Anlage wann nutzen — ohne zu verfolgen, wer sie sind — hilft es Stadtverantwortlichen zu erkennen, welche Flächen unterinvestiert und welche ungenutzte Chancen sind. Mit der Zeit könnte das kürzere Wartezeiten an beliebten Plätzen, sinnvoller platzierte Spazierwege und Trainingsstationen sowie Zeitpläne, die zu lokalen Routinen passen, bedeuten. Zwar weisen die Autor:innen darauf hin, dass künftige Arbeiten extreme Lichtverhältnisse, Datenschutzmaßnahmen und ein tieferes Verständnis von Verhalten adressieren müssen, doch ihre Studie zeigt, dass die Kombination von Computer Vision und sprachgestütztem Schlussfolgern das Management öffentlicher Sportanlagen von Vermutungen hin zu evidenzbasierter, stadtweiter Planung bewegen kann.

Zitation: Li, P., Xu, C. SmartSport: crowd counting meets large language models for smart facility management. Sci Rep 16, 13991 (2026). https://doi.org/10.1038/s41598-026-44145-9

Schlüsselwörter: öffentliche Sportanlagen, Personenzählung, städtische KI, intelligente Stadtplanung, Anlagenmanagement