Open Data und KI-gestützte raumbezogene Analysen: Ausweitung der Risikobeurteilung von Hochwasserhilfen auf die Grundgesamtheit

Autor: Joaquín Izquierdo Peris, leitender Prüfer, Sindicatura de Comptes de la Comunitat Valenciana (regionale Rechnungskontrollbehörde, Valencia, Spanien)

Zusammenfassung

Am 29. Oktober 2024 löste eine DANA – Abkürzung der spanischen Bezeichnung für ein abgeschnürtes Höhentief in der oberen Atmosphäre, das sich über dem Mittelmeer bildet – katastrophale Sturzfluten in der spanischen Provinz Valencia aus. Innerhalb weniger Stunden gab es in mehreren Gemeinden heftige Regenfälle, die der Niederschlagsmenge eines ganzen Jahres entsprachen, mit Spitzenwerten von bis zu 771 Litern pro Quadratmeter. Dies führte zur Verwüstung ganzer Ortschaften, ließ Tausende Menschen gestrandet zurück, beschädigte über 60.000 Wohnstätten, zerstörte mehr als 130.000 Fahrzeuge und forderte 230 Menschenleben.

Innerhalb weniger Wochen führte die Regionalregierung ein umfassendes Katastrophenhilfsprogramm ein, dessen Umfang sich im März 2026 auf über 2.000 Millionen Euro belief, einschließlich eines Programms für Direktzuschüsse („Hilfe für grundlegende Haushaltsartikel“), um betroffene Haushalte für den Verlust grundlegender Gegenstände an ihrem Hauptwohnsitz zu entschädigen. Um alle 27.282 im Rahmen dieses Zuschussmodells eingereichten Anträge zu prüfen, entwickelte die regionale Rechnungskontrollbehörde Valencia eine automatisierte Methode, die Open Data, raumbezogene Analysen, Python-Skripte sowie KI-gestützte Entwurfserstellung einband und so eine individuelle Antragsbeurteilung ohne Rückgriff auf Stichproben ermöglichte.

1. Hintergrund und Prüfungsauftrag

Nach dem DANA-Hochwasser im Oktober 2024, der tödlichsten Naturkatastrophe in der jüngeren Geschichte Spaniens, gewährte die Regionalregierung Eigentümerinnen und Eigentümern sowie Mieterinnen und Mietern betroffener Wohnstätten Direktzuschüsse von bis zu 9.000 Euro als Entschädigung für den Verlust von Haushaltsgeräten sowie anderen grundlegenden Haushaltsgegenständen. Die Zuschüsse wurden ohne vorherige Prüfung gewährt, allein auf der Grundlage einer von der Antragstellerin bzw. dem Antragsteller unterzeichneten Erklärung, in der sie bzw. er bestätigt, dass grundlegende Haushaltsgegenstände an ihrem bzw. seinem Hauptwohnsitz durch das Hochwasser beschädigt wurden. Dieses Vorgehen legte die gesamte Nachweislast auf die Antragstellerin bzw. den Antragsteller und schuf aus Kontrollsicht ein Hochrisikoszenario: genau die Art von Situation, die in GUID 5330¹ der INTOSAI als charakteristisch für die Katastrophenhilfe ausgewiesen wird.

Die regionale Rechnungskontrollbehörde Valencia² erstellte einen Sonderprüfbericht, eine Kombination aus Ansätzen der Recht- und Ordnungsmäßigkeitsprüfungen sowie Wirtschaftlichkeitsprüfungen, um zu beurteilen, ob die Hilfszahlungen ihren vorgesehenen Zweck erfüllt haben.

Die Prüfung stellt eine zentrale analytische Frage: Inwieweit liefern die von den einzelnen Antragstellerinnen und Antragstellern angegebenen geografischen Merkmale des Hauptwohnsitzes objektive, öffentlich überprüfbare Anhaltspunkte, die der wesentlichen Anspruchsvoraussetzung des Programms entsprechen, nämlich dass grundlegende Haushaltsgegenstände an dieser Adresse tatsächlich durch das Hochwasser beschädigt wurden?

Im Zuge des in diesem Beitrag beschriebenen raumbezogenen Prüfungsverfahrens wurde eine beträchtliche Anzahl bewilligter Anträge ermittelt, deren geografische Angaben die Anspruchsvoraussetzung des Programms nicht erfüllten. Die Bewilligungsstelle wird diese Anträge einer individuellen Dokumentenprüfung unterziehen müssen, um festzustellen, ob der angegebene Schaden belegt werden kann. Das Prüfungsteam erörterte diese vorläufigen Ergebnisse mit den zuständigen Mitarbeitern der foerdernden Stelle. Der vollständige und endgültige Bericht über die Prüfung der Beihilfen im Zusammenhang mit dem DANA wurde am 15. September 2026 veröffentlicht und ist auf der Website der Sindicatura de Comptes (auf Spanisch) verfügbar.³

2. Über Stichproben hinaus: ein Ansatz zur Prüfung der Grundgesamtheit

Als es die automatisierte Pipeline noch nicht gab, erforderte die raumbezogene Überprüfung eines bewilligten Antrags, dass das Prüfungspersonal jede Katasternummer – eine umfassende Erfassung der Grenzen von Grundstücken oder Immobilien – manuell über den Kartografie-Viewer der valencianischen Regierung⁴ abfragte, den Standort der angegebenen Immobilie mit der offiziellen DANA-Überflutungsfläche abglich und gleichzeitig das elektronische Katasterregister hinsichtlich der Beschreibung sowie baulichen Daten der Immobilie konsultierte. Dieses manuelle Verfahren – dargestellt in Abbildung 1 – ist bei der Überprüfung einzelner Fälle zwar genau und zuverlässig, aufgrund seines schrittweisen Charakters für insgesamt 27.282 Anträge jedoch völlig unpraktikabel: Bei einer konservativen Schätzung von fünf Minuten pro Fall würde eine vollständige Überprüfung der Grundgesamtheit Prüferinnen und Prüfern über 2.200 Arbeitsstunden abverlangen.

In der konventionellen Prüfungspraxis wäre die raumbezogene Analyse auf eine geschichtete Stichprobe – typischerweise 200 bis 400 Fälle – beschränkt worden, wobei die Ergebnisse statistisch hochgerechnet worden wären. Die Verfügbarkeit vollständiger und maschinenlesbarer öffentlicher Datensätze veränderte die Kosten-Nutzen-Abwägung dieser Entscheidung grundlegend.

Die Verfügbarkeit der beiden genannten Datensätze war eine notwendige, aber keine hinreichende Voraussetzung: Um diese in ein Prüfungsverfahren für eine Grundgesamtheit umzuwandeln, waren eine auf einem Geoinformationssystem (GIS) beruhende Analyseumgebung, Python-Skripte zur automatisierten Verarbeitung von 27.282 Datensätzen sowie eine KI-gestützte Entwurfserstellung zur Unterstützung der iterativen Entwicklung der Analysepipeline erforderlich.

Die Überflutungsfläche⁵ ist eine georeferenzierte Vektorebene, die das am 29. Oktober 2024 von Oberflächenwasserüberflutung betroffene Gebiet darstellt. Sie wurde vom Kartografischen Institut Valencia (ICV/GVA) durch die Auswertung von Satellitenbildern und Luftbildaufnahmen, die unmittelbar nach dem Ereignis aufgenommen und als Open Data veröffentlicht wurden, erstellt.

Das elektronische Katasterregister⁶ der Generaldirektion für Kataster (spanische Zentralregierung) bietet kostenlosen öffentlichen Zugang zu Katasterinformationen. Zu den verfügbaren Ressourcen gehören alphanumerische Immobiliendatensätze und vektorbasierte Parzellenkarten, die nach Provinzen heruntergeladen werden können, sowie Webdienste für Einzel- und Massenabfragen von nicht geschützten Katasterattributen – darunter Nutzungsart, Stockwerke und bebaute Fläche – für jedes registrierte Grundstück.

Das im folgenden Abschnitt beschriebene Prüfungsverfahren dient nicht der Feststellung, ob im Einzelfall Schäden vorliegen oder nicht. Vielmehr handelt es sich um ein GIS-basiertes Datenanalyseverfahren, das dem in GUID 5330 empfohlenen risikobasierten Ansatz entspricht und objektive, öffentlich überprüfbare Prüfansätze für priorisierte Follow-up-Dokumentenüberprüfungen liefert.

3. Methodisches Vorgehen

Mithilfe von QGIS⁷ und der darin integrierten Python-Konsole erstellte das Prüfteam eine Reihe automatisierter Skripte, welche die Grundgesamtheit (27.282 Datensätze) in sieben aufeinanderfolgenden Schritten nahtlos verarbeiteten.

In der ersten Phase wurde überprüft, ob jede von den Antragstellerinnen bzw. Antragstellern angegebene Katasternummer einer bei der Generaldirektion für Kataster registrierten Immobilie entsprach. Dafür wurde für alle 27.282 Nummern eine Abfrage auf dem Webdienst für öffentliche Daten des Katasters durchgeführt. Das Skript sah eine Pause von zwei Sekunden zwischen den Abfragen vor, um eine Drosselung auf Serverseite zu vermeiden, mit automatischer Erkennung blockierter Antworten und bis zu drei Wiederholungsversuchen pro Nummer.

In der zweiten Phase wurde die Katasterkartografie der Provinz zusammengestellt. Das Skript lud die Parzellenpläne für die gesamte Provinz Valencia aus dem elektronischen Katasterregister herunter, fasste sie für alle 266 Gemeinden zu einer einzigen Ebene zusammen und führte eine Geometriekorrektur durch. Die resultierende Ebene beinhaltet über 1,7 Millionen georeferenzierte Parzellen.

In der dritten Phase wurde jede anhand ihrer Katasternummer identifizierte Wohnstätte, für die ein Zuschuss erhalten wurde, dem geometrischen Plan der zugehörigen Katasterparzelle zugeordnet. Das Skript verwendete eine Datenverknüpfung, bei der einer Parzelle mehrere Katasternummern zugeordnet werden können. So wurde verhindert, dass bei Gebäuden mit mehreren Wohneinheiten Daten verloren gehen.

In der vierten Phase wurde die vom Kartografischen Institut Valencia (ICV/GVA) veröffentlichte offizielle Überflutungsfläche einbezogen. Das Skript las die Ebene ein und führte vor ihrer Verwendung in der raumbezogenen Analyse eine Geometriekorrektur durch.

In der fünften und zentralen Phase wurden die räumlichen Überschneidungen zwischen den Datensätzen analysiert. Für jeden Anwendungsfall prüfte das Skript, ob sich das Polygon der Katasterparzelle mit dem Polygon der Überflutungsfläche überschnitt; alle räumlichen Überlappungen – auch noch so kleine – führten dazu, dass die Katasterparzelle als innerhalb der Überflutungsfläche liegend eingestuft wurde. In ähnlich konservativer Weise erzeugte das Skript eine 200-Meter-Pufferzone um den Umfang der Überflutungsfläche herum und legte somit eine angrenzende Zone fest. Parzellen innerhalb dieses Streifens wurden getrennt von jenen, die eindeutig außerhalb liegen, klassifiziert.

In der sechsten Phase wurden die Baumerkmale – Nutzungsart, Stockwerkcode und bebaute Fläche – jeder gemeldeten Immobilie über automatisierte Abfragen auf dem Kataster-Webdienst abgerufen.

In einer abschließenden Konsolidierungsphase wurden alle Ergebnisse in einer Tabelle zusammengefasst und eine georeferenzierte Ausgabenebene mit einer dreistufigen Farbklassifizierung erstellt – grün für Parzellen innerhalb des Überflutungsperimeters, orange für die angrenzende Zone und rot für Parzellen, die mehr als zweihundert Meter außerhalb liegen.

4. Open Data, Automatisierung und KI-gestützte Entwurfserstellung

Die gesamte Analysekette stützte sich auf öffentlich zugängliche Datensätze: die Überflutungsfläche und das nationale Katasterregister – beides offene Regierungsquellen, die keinen Zugangsbeschränkungen unterliegen und von jedem Dritten mit Zugriff auf dieselben öffentlichen Daten frei reproduzierbar sind, ohne dass eine spezielle Dateninfrastruktur benötigt wird.

Python-Skripte im integrierten Interpreter von QGIS automatisierten die gesamte Pipeline von den Rohdateien bis hin zu risikoklassifizierten Ausgabetabellen und kartografischen Ebenen, ohne dass in einer Zwischenstufe eine manuelle Datenbearbeitung erforderlich war. Gemäß einem intern dokumentierten Verfahren nutzte das Prüfteam das KI-gestützte Large Language Model (dt. etwa „großes Sprachmodell“) Claude von Anthropic als Unterstützung für die iterative Erstellung von Skripten, die Fehlerbehebung bei automatisierten Skripten, die Erstellung methodischer Anmerkungen sowie die Strukturierung des Berichtstextes.

Dabei war die KI streng auf eine unterstützende Rolle beschränkt und unterlag bei jeder Iteration einer Überprüfung: Alle methodischen Entscheidungen, die Kalibrierung der Schwellenwerte, die Datenvalidierung und die Interpretation der Erkenntnisse wurden ausschließlich vom Prüfteam vorgenommen.

5. Auswirkungen für die staatliche Finanzkontrolle

Dieser Fall zeigt, dass offene Geodaten, GIS-Automatisierung und KI-gestützte Entwurfserstellung Prüfungsnachweise von stichprobenbasierten Schlussfolgerungen hin zu einer Faktenermittlung für die Grundgesamtheit umwandeln können – selbst unter den für regionale Rechnungskontrollbehörden typischen Ressourcenbeschränkungen. Die ausschlaggebenden Faktoren waren dabei nicht außergewöhnlich hohe Technologiebudgets, sondern die Verfügbarkeit strukturierter öffentlicher Datensätze und die Bereitschaft, in maßgeschneiderte Skripts als Prüfungsverfahren zu investieren.

Drei Prinzipien erwiesen sich als übertragbar: Konservative räumliche Schwellenwerte schützen die Ergebnisse davor, den Beweiswert der Geodaten zu überschreiten; transparenter, versionierter Analysecode schafft einen nachvollziehbaren Prüfpfad, der überprüft und aktualisiert werden kann, ohne die gesamte Analyse erneut durchführen zu müssen; und die Einordnung des Standorts als Risikoindikator – statt als definitives Kriterium – wahrt die von den INTOSAI-Normen geforderte Verhältnismäßigkeit. Jede ORKB mit Zugang zu offenen Kataster- und Gefahrenzonendaten kann diesen Ansatz für Naturkatastrophenhilfen, Hochwasserhilfen, den Wiederaufbau nach Erdbeben oder Hilfsgelder zur Bewältigung der Folgen von Waldbränden unter Verwendung von quelloffenen GIS-Tools ohne zusätzliche Kosten reproduzieren.

Für weitere Informationen wenden Sie sich bitte per E-Mail an den Autor: jizquierdo@sindicom.es.

Fußnoten

1.  INTOSAI, GUID 5330: Leitfaden für die Prüfung des Katastrophenmanagements (Wien: INTOSAI, 2020), https://www.issai.org/wp-content/uploads/2020/12/GUID-5330-Guidance-on-Auditing-Disaster-Management.pdf ↩︎
2. https://www.sindicom.es/portada ↩︎
3. Abrufbar unter https://www.sindicom.es/informe-especial-subvenciones-dana-sector-autonomico-ejercicios-2024-y-2025 ↩︎
4.  Abrufbar unter https://visor.gva.es/visor/ ↩︎
5.  Abrufbar unter https://geocataleg.gva.es/#/search?uuid=spaicv0701_dana24_huella_inundacion&lang=spa ↩︎
6.  Abrufbar unter https://www.sedecatastro.gob.es/Accesos/SECAccDescargaDatos.aspx ↩︎
7.  QGIS ist eine quelloffene GIS-Anwendung, die das Einlesen geografischer Daten, die Überlagerung raumbezogener Datenebenen, das Messen und den Schnitt geometrischer Pläne sowie die kartografische Visualisierung der Ergebnisse ermöglicht. Abrufbar unter https://qgis.org/ ↩︎

Anmerkung: Der Autor nutzte KI-Unterstützung bei der Entwicklung der Formatierungskonzepte für die Abbildungen 3 und 4, die endgültigen Abbildungen wurden jedoch nicht von der KI erstellt.