Dieser Beitrag gibt Einblicke in ein laufendes Dissertationsprojekt. Den thematischen Schwerpunkt bildet die Adaption des Kerndichteschätz-Verfahrens zur Optimierung der Hotspotanalyse von Big Geodata im Kontext ziviler Sicherheitsforschung im urbanen Raum. In der Vergangenheit wurden die Parameter dieser Methode entweder streng-mathematisch oder mit Faustformeln festgesetzt. Der Raumbezug der zu untersuchenden Ereignisse bleibt damit vollkommen unberücksichtigt. Dies birgt bei der Ergebnisvisualisierung in Form von Hotspot-Karten enorme Risiken. So werden einerseits Georäume zum Polizei- oder Notarzt-Einsatz-Hotspot deklariert, obwohl nur eine geringe und oftmals nicht signifikante Stichprobe an Einsatzdaten vorliegt. Andererseits besteht die Möglichkeit, dass aufgrund eines zu eng- oder grobmaschigen Rasters, Hotspots visuell verschwinden oder überbetont werden. Die Interpretation dieser visuellen Erzeugnisse können dann zu einer fehlerhaften taktischen, strategischen sowie operationellen Planung führen. Die hier vorgestellte, neue Verfahrenskette löst das Problem auf relativ einfache, teilautomatisierbare Weise.

This article gives insight into a running PhD-project. The focus lies on the adaption of kernel density estimation to optimize hotspot analysis for big geodata in the context of civil security research in urban areas. The parameters of kernel density estimation are mostly set in an exclusive mathematic way or using rules of thumb. The elements spatial component is left disregarded in practice. This causes an enormous risk concerning the geovisualization in the form of hotspot maps. Urban areas may be declared as police or emergency hotspots although the use of a small or even not significant random sample of events. Furthermore there is the risk of over- or under-smoothing of real existing hotspots in the visual output, because of a too close- or coarse-meshed cell size for the maps grid. That may lead to incorrect tactical, strategic and operational planning for agencies and organizations with civil security tasks. The presented linked methods show a relative simple and semi-automatized solution in terms of this challenge.