Durch den Fortschritt in der Informationstechnologie und das immer rapidere Anwachsen der Datenmengen steigen die Anforderungen an Systeme, die Wissen aus Daten extrahieren und darstellen. Urbanes Data Mining wird als Methodik zur Problemlösung verstanden, um logische oder mathematische, zum Teil komplexe Beschreibungen von Mustern und Regelmäßigkeiten in Datensätzen mit Geobezug zu entdecken und Erkenntnisse (Wissen) aus numerischen Daten zu erzeugen. Mining impliziert einen aufwendigen Prozess der Suche nach verborgenen Zusammenhängen in einer großen Datenmenge. Eine für Menschen verständliche Erklärung des Zusammenhanges wird als Knowledge Discovery bezeichnet.
Data Mining in Verbindung mit Techniken der Knowledge Discovery erhalten auch zunehmende Bedeutung für urbane Untersuchungs- und Planungsprozesse. Die Techniken des Urban Data Mining werden an einem raumbezogenen Datensatz in ihrer Anwendung beispielhaft vorgestellt. Dieser bezieht sich auf die Erfassung und Strukturierung von bereits erfolgten Agglomerations- und Verdichtungsprozessen in Deutschland. Ausgewählte raumstrukturelle Kenngrößen werden hierzu einer Einzeluntersuchung unterzogen und auf ihre Eignung zur Klassenbildung geprüft. Angestrebt wird eine sachlich-räumliche Differenzierung des deutschen Gemeindesystems.

Schlüsselwörter: Urban Data Mining, Urban spatial monitoring, Knowledge Discovery