Wo ist der ideale Standort für eine neue Filiale, eine weitere Anlage oder das neue Restaurant? In diesem Beitrag zeigen wir, wie eine GIS-gestützte Multikriterienanalyse die Geschäftsplanung auf eine solide Datenbasis stellt.

Optimale Standorte 

Multikriterienanalysen kennt man aus Bereichen wie der Habitatsmodellierung oder anderer Analysen, wie der Modellierung möglicher Standorte von Windkraftanlagen oder für Anbaugebiete von Kaffee oder Wein.

Abbildung: Ergebnis einer Eignungsanalyse für potenzielle Standorte von Takeaway-Restaurants

Ein weiteres Feld für GIS-gestützte Multikriterienanalysen stellen Standortsuchen für Warendepots, Produktionsstätten oder Verkaufsflächen dar. Die zentrale Frage lautet jeweils, wo der optimale Standort für eine neue Anlage oder Filiale ist.

Takeaway-Restaurant

Quelle: Unsplash

Im Rahmen eines Demo-Cases wurden potenzielle Standorte in der Stadt Zürich für Takeaway-Restaurants gesucht.

Das Vorgehen bei der Multikriterienanalyse wurde in drei gängige Schritte unterteilt:

  1. Definition der Kriterien
  2. Auswahl der Daten
  3. Klassifizieren und analysieren

Im Folgenden werden die drei Schritte anhand eines fiktiven Beispiels erläutert. Zudem wird aufgezeigt, wie der Suitability Modeler in ArcGIS Pro insbesondere beim dritten Schritt unterstützen kann.

Im Allgemeinen ist das Vorgehen bei Eignungsanalysen ein nicht linearer, iterativer Prozess. Der Suitability Modeler stellt in allen Phasen der Eignungsmodellierung analytisches Feedback bereit und ermöglicht ein nahtloses Hin- und Herwechseln zwischen den einzelnen Phasen der Modellentwicklung. Die Erkenntnisse, die in einer Phase des Prozesses gewonnen werden, können Entscheidungen in einer anderen Phase unterstützen und beeinflussen.

Definition der Kriterien

Das Herausschälen der relevanten Kriterien für den optimalen Standort eines Geschäfts ist vielleicht der aufwändigste Schritt und erfordert neben Branchenkenntnissen auch vertieftes Knowhow über die Strategie des eigenen Geschäfts und über aktuelle und historische Geschäftszahlen.

Zur Vereinfachung wurden für diesen Demo-Case folgende Kriterien beispielhaft gewählt:

  • Siedlungsgebiet
    Ein potenzieller Standort muss sich im bestehenden Siedlungsgebiet befinden.
  • Verkehrszonen
    Für ein Takeaway-Restaurant eignen sich insbesondere Fussgänger- und Begegnungszonen oder sonstige verkehrsberuhigte Strassen.
  • Bau- und Zonenordnung
    Der städtische Zonenplan legt fest, wo sich Zonen befinden, in denen es möglich ist, ein Gewerbe zu betreiben.
  • Öffentlicher Verkehr
    Im ÖV-Land Schweiz ist der Erfolg von potenziellen Standorten massgeblich von der Erreichbarkeit durch den öffentlichen Verkehr abhängig.
  • Bevölkerung und Beschäftigte
    Künftige Verkaufsstandorte sollen dort entstehen, wo viele Menschen leben und arbeiten.
  • Geldautomaten
    In Zeiten des bargeldlosen Zahlungsverkehrs mag die Erreichbarkeit eines Geldautomaten an Bedeutung verlieren. Nichtsdestotrotz kann die Nähe zu einem Geldautomaten beispielhaft als Indikator für den potenziellen Erfolg eines künftigen Standorts in Abhängigkeit zu sogenannten POI (Points of Interest) hergenommen werden.
  • Mitbewerb
    Ein Takeaway-Restaurant ist vermutlich dort erfolgreich, wo es bereits ähnliche Angebote gibt, eine genügend grosse Distanz zu bestehenden Angeboten ist aber gleichermassen wichtig.

Auswahl der Daten

Die Stadt Zürich stellt eine Vielzahl an Daten als Open Data zur Verfügung. So sind die besiedelte Fläche, die Verkehrszonen, die Bau- und Zonenordnung und die Haltestellen des öffentlichen Verkehrs als auch die ÖV-Güteklassen als freizugängliche Geodaten auf dem Open Data Portal der Stadt Zürich erhältlich.

Abbildung: Die ÖV-Güteklassen der Stadt Zürich

Die Bevölkerungsdaten und die Daten zu den Beschäftigten werden vom Bundesamt für Statistik schweizweit auf Hektargenauigkeit zur Verfügung gestellt. Diese Daten sind über den ArcGIS Living Atlas of the World bereits in ArcGIS integriert und können ebenfalls frei genutzt werden.

Animation: Die Beschäftigten (Vollzeitäquivalente) und die Bevölkerung pro Hektare in der Stadt Zürich

Für die Geldautomaten und die Standorte des Mitbewerbs wurde im Rahmen dieses Demo-Cases auf die frei zugänglichen Daten von OpenStreetMap zurückgegriffen.

Datenaufbereitung

In einem ersten Schritt wurden die Daten in Raster konvertiert, so dass jede Rasterzelle, die für die weitere Analyse benötigten Werte enthält. Zum Beispiel wurde für die ÖV-Güteklassen ein Raster erzeugt, das für jede Zelle die entsprechende Güteklasse enthält. Dies dient als Basis, um in einem nächsten Schritt jeder Rasterzelle der verschiedenen Datensätze einen Eignungswert zuzuweisen.

Bei den Geldautomaten, die als Punktdatensatz vorhanden sind, wurde ein Raster erzeugt, bei dem jede Rasterzelle die Distanz zum nächsten Geldautomaten zugewiesen wurde. Das erlaubt es, in einem nächsten Schritt, den Rasterzellen entsprechende Eignungswerte zuzuweisen.

Bei den Standorten des Mitbewerbs, die ebenfalls als Punktdaten vorliegen, wurde eine etwas komplexere Herangehensweise gewählt. Einerseits sollen potenzielle Standorte möglichst weit weg von den Standorten der Konkurrenz liegen, andererseits sollen aber potenzielle Standorte dort ausgemacht werden, wo bereits eine möglichst hohe Dichte an ähnlichen Angeboten besteht. Hier liegt die Annahme zugrunde, dass ein Takeaway-Restaurant zwar einerseits über eine möglichst exklusive Lage verfügen soll, dass aber das Vorhandensein des Mitbewerbs tendenziell auch zu mehr potenzieller Kundschaft in einem Gebiet führt. Um das abzubilden, wurde in einem ersten Schritt – analog zu den Geldautomaten – ein Raster erzeugt, das für jede Zelle die Distanz zum nächsten Mitbewerber enthält. Je weiter weg vom Mitbewerb desto geeigneter, wobei nur äusserst geringe Distanzen als ungeeignet und bereits relativ geringe Distanzen als geeignet eingestuft wurden. Zudem wurde für die Standorte des Mitbewerbs ein Raster mit der Punktdichte erstellt. Das erlaubt es uns in einem späteren Schritt, Gebiete mit relativ hoher Dichte als geeignet und Gebiete mit tiefer Dichte als ungeeignet einzustufen.

Abbildung: Punktdichte des Mitbewerbs

Klassifizierung und Analyse

Damit die Datensätze kombiniert und verglichen werden können, müssen den ursprünglichen Daten Eignungswerte zugewiesen werden, die alle auf derselben Skala liegen. Mithilfe des Suitability Modelers in ArcGIS Pro können Rasterdaten unter anderem unter Verwendung von statistischen Modellen reklassifziert werden. In diesem Beispiel wurden den Rasterzellen Werte zwischen 1 und 10 zugewiesen:

Abbildung: Den Rasterzellen werden Eignungswerte zwischen 1 und 10 zugewiesen

Die sinnvolle Reklassifzierung ist im Rahmen von Multikriterienanalysen einer der wichtigsten Schritte und erfordert das Wissen von Expertinnen und Experten. Mithilfe des Suitability Modelers in ArcGIS Pro können die verschiedenen Inputdaten auf einfache Weise reklassifiziert und on-the-fly dargestellt werden. Dank dieses permanenten visuellen Feedbacks wird dieser sonst zeitaufwändige iterative Prozess deutlich erleichtert.

Die nachstehende Tabelle zeigt, wie die einzelnen Datensätze reklassifiziert wurden.

Abbildung: Reklassifizierung der Bevölkerungsdaten mittels kontinuierlicher Funktion
Abbildung: Reklassifizierung der Distanzen zu den Geldautomaten
Abbildung: Reklassifizierung der Dichte der Mitbewerber

Gewichtung

In einem letzten Schritt können den einzelnen Kriterien unterschiedliche Gewichtungen zugewiesen werden. Je höher die Gewichtung, desto stärker wird das Kriterium bei der Berechnung geeigneter resp. ungeeigneter Gebiete berücksichtigt.

Abbildung: Gewichtung der Kriterien im Suitability Modeler in ArcGIS Pro

Zu Demozwecken wurde verschiedenen Kriterien unterschiedliche Gewichte zugewiesen. Beispielsweise wurde der ÖV-Güteklasse ein relativ hohes Gewicht gegeben. Ebenso wurde die Bevölkerung und die Beschäftigten höher gewichtet als beispielsweise der Zonenplan.

Resultat

Sobald die Daten in der Karte als Raster vorhanden sind, diese reklassifiziert und gewichtet wurden, erhält man eine Ansicht der potenziellen Standorte mit entsprechender Eignung. Dabei werden alle Kriterien gemäss ihrer Gewichtung kombiniert. Jetzt kann man prüfen, ob die Ergebnisse plausibel sind oder ob gegebenenfalls an der Reklassifizierung und Gewichtung Anpassungen vorgenommen werden müssen.

Animation: Der Suitability Modeler in ArcGIS Pro erlaubt es einem, die Gewichtung der einzelnen Kriterien interaktiv anzupassen. In der Karte erhält man ein direktes visuelles Feedback und kann so die Parameter optimal anpassen. Hier wird die Gewichtung der Erreichbarkeit der ÖV-Haltestellen verändert. 

Falls die Analyse plausibel erscheint, können nun Gebiete als potenzielle Standorte festgelegt werden und es kann beispielsweise eine detailliertere Analyse dieser Gebiete vorgenommen werden. Beispielsweise kann man jetzt schauen, ob es an einem potenziellen Standort geeignete Immobilienangebote gibt und ob diese beispielsweise auch in finanzieller Hinsicht attraktiv sind.

Abbildung: Das Ergebnis zeigt in dunkelgrün potenzielle Standorte mit hoher Eignung, hellgrün und gelb sind potenzielle Standorte mit mittlerer Eignung und rot potenzielle Standorte mit tiefer Eignung

Eine andere Möglichkeit einer weiterführenden Analyse bestünde darin, diesen Analyseworkflow auf weitere Gebiete – zum Beispiel in anderen Schweizer Städten – anzuwenden.

Falls Sie das ArcGIS Pro Projekt mit den Daten und den dokumentierten Analyseschritten benötigen, zögern Sie nicht mich zu kontaktieren: t.aders@esri.ch