Abstract
Zusammenfassung
Die angewandte Wirtschaftsgeographie, insbesondere die (regionale) Wirtschaftsförderung, arbeitet mit geographischen Daten als Grundlage für evidenzbasierte Entscheidungen in der Regionalentwicklung. Hierbei spielen insbesondere räumliche sozioökonomische Strukturdaten eine zentrale Rolle. Um mit diesen wirksam und empirisch informiert arbeiten zu können, ist die angewandte Wirtschaftsgeographie auf möglichst aktuelle, inhaltlich passende und räumlich granulare Daten angewiesen. Typischerweise basiert diese Datenarbeit entweder auf eigenen lokalen Primärdatenerhebungen oder auf Sekundärdaten, wie sie beispielsweise im Rahmen der amtlichen Statistik erhoben werden. Diese Daten sind jedoch oft kostenintensiv, räumlich stark aggregiert, veraltet oder inhaltlich nicht zweckgeeignet – teils treffen alle diese Limitationen gleichzeitig zu. Der Einsatz moderner Verfahren der Künstlichen Intelligenz zur Sammlung und Auswertung (neuer) geographischer Daten eröffnet Potenziale, die datenbasierte Arbeit in der angewandten Wirtschaftsgeographie zu verbessern. In diesem Beitrag reflektieren wir über den Einsatz Künstlicher Intelligenz in der angewandten Wirtschaftsgeographie vor diesem Hintergrund und stellen Möglichkeiten vor, (neue) Daten geographisch und temporal granular zu erheben und diese mit Methoden des Natural Language Processing inhaltlich zu analysieren. Wir orientieren unsere Reflexionen an drei Informationsquellen, die wir in aktueller Forschung für diese Zwecke nutzen und für die angewandte Wirtschaftsgeographie als relevant erachten: geographisch referenzierte Nachrichten, geographisch referenzierte Unternehmenswebsites sowie geographisch referenzierte Websites von Gebietskörperschaften. Diese Informationsquellen zeichnen sich durch drei zentrale Qualitätsdimensionen aus: Temporalität, geographische Granularität sowie inhaltliche Breite und Tiefe. Der Beitrag schließt mit Handlungsempfehlungen, wie diese Daten und Methoden in der angewandten Wirtschaftsgeographie genutzt werden können und welche (digitalen) Kompetenzen dazu künftig in der geographischen Ausbildung vertieft werden sollten.