Technische Hochschule Rosenheim CaMoRoT CampusMobilität Rosenheim Traunstein; CO2-Reduktion im Campusverkehr geplant

24 pt Schriftgröße, 28 pt Zeilenabstand Schrift Arial bold, Schriftfarbe weiß

© Technische Hochschule Rosenheim, 21./28. Juli 2026, Prof. Dr. Wibke Michalk, Seite 2 Die MiD – Ein Datenschatz für die Mobilitätsforschung Umfrage mit umfangreicher Stichprobe Zusätzlich Regionalverdichtungen Befragung auf Haushalts- und Personenebene Bild erzeugt mit ChatGPT

© Technische Hochschule Rosenheim, 21./28. Juli 2026, Prof. Dr. Wibke Michalk, Seite 4 Die MiD – Ein Datenschatz für die Mobilitätsforschung (2) Regional Bayern • Verdichtete Daten, die als Datengrundlage für Forschung zu Spezialthemen dienen können • Vergleichbarkeit zwischen siedlungsstrukturellen Kreistypen – aber auch Regionalstatistischen Raumtypen möglich Bild erzeugt mit ChatGPT

© Technische Hochschule Rosenheim, 21./28. Juli 2026, Prof. Dr. Wibke Michalk, Seite 5 Warum ist die MiD 2023 besonders spannend? Aktualisierung der letzten MiD (2017) Erste MiD Post Covid Neue erweiterte Module

© Technische Hochschule Rosenheim, 21./28. Juli 2026, Prof. Dr. Wibke Michalk, Seite 7 DUnaMoT – Digitale Unterstützung nachhaltiger Mobilität im Tourismus Und was kann man draus machen? Zwei Beispiele CaMoRoT – CampusMobilität Rosenheim Traunstein Bild erzeugt mit ChatGPT Bild erzeugt mit ChatGPT

Wir führen ein innovatives Mobilitätsmanagement für die TH Rosenheim in Rosenheim und in Traunstein ein. Dazu zählen weitere Fahrradabstellplätze an sinnvollen Orten am Campus in Rosenheim, ein Bikesharing-Angebot zwischen Bahnhof und Hochschule in Rosenheim wie Traunstein und eine Mitfahrplattform für die Arbeitswege in der Region. Was ist unser Ziel? Wir möchten die Beschäftigten und die Studierenden der TH Rosenheim so motivieren, die (Einzel-)Nutzung des privaten PKW zu reduzieren, und damit als Hochschule insgesamt einen Beitrag zur Senkung der CO2-Emissionen leisten. Was ist dabei neu? Wir erfragen bei den Beschäftigten und den Studierenden, wie zum Beispiel das Bikesharing konkret ausgestaltet sein muss, um genutzt zu werden – und entwickeln es dann bedarfsgerecht für verschiedene Zielgruppen. Bild erzeugt mit ChatGPT

© Technische Hochschule Rosenheim, 21./28. Juli 2026, Prof. Dr. Wibke Michalk, Seite 9 Wie läuft CaMoRoT ab? Wie sehr können CO2-Emmissionen gesenkt werden? 01/2025: Projektstart 07/2025: Ex Ante- Erhebung 01/2026: Fahrradständer Teil 1 05/2026: Start Bikesharing Rosenheim 05/2026: Ex Post Erhebung 1 07/2026: Start Ridesharingplattform 09/2026: Fahrradständer Teil 2 10/2026: Start Bikesharing Traunstein (geplant) 10/2026: Ex Post Erhebung 2 03/2027: Finale Erhebung

© Technische Hochschule Rosenheim, 21./28. Juli 2026, Prof. Dr. Wibke Michalk, Seite 10 Die MiD hilft einzuordnen. Design der Studie in CaMoRoT an MiD orientiert. CaMoRoT • Fokus: Wege von und zur Hochschule • Soziodemographie • Mobilitätsausstattung • Mobilitätsverhalten • Digitale Helfer • Technologieakzeptanz MiD • Fokus: Alltagsmobilität • Soziodemographie • Mobilitätsausstattung • Mobilitätsverhalten • (Infrastruktur und digitale Versorgung)

© Technische Hochschule Rosenheim, 21./28. Juli 2026, Prof. Dr. Wibke Michalk, Seite 11 Weitere Themen in CaMoRoT Bedarfe der Autofahrer • Nicht ganz überraschend: vergleichsweise häufige Nennung bessere Parkmöglichkeiten • Aber eben auch: • Bessere Bus-/Bahnverbindungen • Attraktivere Preise für den ÖPNV • Sichere Radwege [eigene Darstellung – Ergebnisse CaMoRoT]

© Technische Hochschule Rosenheim, 21./28. Juli 2026, Prof. Dr. Wibke Michalk, Seite 12 Technologieakzeptanz und Mobilität Modal Split unterscheidet sich je nach Technologienutzung. Social Influence spielt eine Rolle! Wer Technologie im Zusammenhang mit Mobilität nutzt, hat ein Umfeld, das das auch tut. Technologie muss helfen: 64% der Technologienutzer geben an, dass die Planung der Reise erleichtert wird.

© Technische Hochschule Rosenheim, 21./28. Juli 2026, Prof. Dr. Wibke Michalk, Seite 13 DUnaMoT – Digitale Unterstützung nachhaltiger Mobilität im Tourismus Forschungsprojekt am Campus Chiemgau Worum geht‘s?

DUnaMoT stärkt nachhaltige, grenzüberschreitende Mobilität im Tourismus in der Region Bayern–Tirol durch digitale Lösungen, die Informationen, Tickets und Tarife verständlicher und besser zugänglich machen. Dabei werden bestehende Angebote analysiert, touristische Bedürfnisse erfasst und datenbasierte Erkenntnisse zu Mobilitätsnachfragen gewonnen. Was ist unser Ziel? Ziel ist es, klimafreundliche Alternativen zum Auto bereits in der Urlaubsplanung sichtbar, nutzbar und attraktiv zu gestalten. Durch die Verknüpfung von digitalen Informationen, nutzerfreundlichen Tarifen und grenzüberschreitenden Ticketlösungen sollen Reisende motiviert werden, nachhaltige Verkehrsmittel zu wählen. Zudem sollen Handlungsempfehlungen für die Weiterentwicklung des öffentlichen Nahverkehrs abgeleitet werden. Bild erzeugt mit ChatGPT DUnaMoT

Wie reisen Sie an? Wie sind Sie im Urlaub vor Ort unterwegs? Wie informieren Sie sich und warum entscheiden Sie sich dafür? Wie sollen Informationen zum Mobilitätsangebot und zu Tickets gestaltet sein? Datenauswertung Analyse der Suchanfragen der Wohin-du-willst-App mithilfe von Feature- Engineering und Machine Learning als Datengrundlage des Projekts. Gewinnung neuer Erkenntnisse zum touristischen Mobilitäts- und Reiseverhalten im Raum EUREGIO Inntal. Ableitung von Handlungsempfehlungen zur potenziellen Verbesserung des öffentlichen Nahverkehrs. Personas und Situations Das Projekt nutzt verschiedene Personas, um den gesamten Reiseverlauf aus Kundensicht zu analysieren, kritische Pain Points an den Touchpoints zu identifizieren und daraus zielgerichtete Maßnahmen für eine nahtlose, nachhaltige Mobilität im Tourismus abzuleiten. DUnaMoT – Digitale Unterstützung nachhaltiger Mobilität im Tourismus Forschungsprojekt am Campus Chiemgau [eigene Darstellung – Ergebnisse DUnaMoT]

© Technische Hochschule Rosenheim, 21./28. Juli 2026, Prof. Dr. Wibke Michalk, Seite 15 Motivation und Auslöser zum Umstieg (aus Umfrage) • vollständige, stimmige Informationen • Funktionierendes Mobilitätsangebot • Übergreifende Ticketangebote Potenzial für nachhaltige touristische Mobilität im Grenzraum Verkehrsprognose Bayern Anwendung Anteil Kategorie touristisch aus ML-Verfahren Davon Anteil derer, die motiviert werden können umzusteigen Machine Learning Verfahren zur Vorhersage, ob eine Fahrt touristisch ist Anwendung auf Datensatz von Routing-Anfragen Ableitung untere Grenze des Potenzials Obere Grenze des Potenzials: Untere Grenze des Potenzials:

[eigene Darstellung – Ergebnisse DUnaMoT]

© Technische Hochschule Rosenheim, 21./28. Juli 2026, Prof. Dr. Wibke Michalk, Seite 18 MiD-Daten als Basis für ein Machine Learning Modell (3) Nutzung des trainierten Machine Learning Modells auf einem anderen Datensatz Prognose des Anteils der Freizeitfahrten mit nachhaltigen Verkehrsmitteln Ziel: Prognose der Menge der relevanten Wege