Nachhaltige Landnutzung spielt eine Schlüsselrolle für den Klimaschutz, den Erhalt der Biodiversität und die landwirtschaftliche Produktion. Jede dieser Herausforderungen kann aber scheinbar nur auf Kosten der jeweils anderen bewältigt werden, weshalb der Wissenschaftliche Beirat der deutschen Bundesregierung Globale Umweltveränderungen (WBGU) vom „Landnutzungs-Trilemma“ spricht. Politische Maßnahmen adressieren hingegen häufig nur einzelne Herausforderungen. So soll etwa im Rahmen der österreichischen PV-Strategie (BMK 2024a) die Photovoltaik bis 2030 um 11 TWh ausgebaut werden. Die damit verbundene Zunahme an Freiflächen-Photovoltaik kann sich aber negativ auf die Biodiversität und die landwirtschaftliche Produktion auswirken. Auf anderer Ebene soll mit der Europäischen Wiederherstellungsverordnung (NRL) die Biodiversität gefördert werden, was eine Reduktion der für die Landwirtschaft verfügbaren Fläche erfordert. Strategien zur Minimierung von Zielkonflikten innerhalb des Landnutzungstrilemmas und anderer Ökosystemleistungen erfordern daher einen integrativen Ansatz, ebenso wie kollaborative Prozesse, die relevante Interessengruppen auf verschiedenen Ebenen einbinden.
Das Hauptziel von TriLand ist es, kollaborative regionale Lösungen für das Landnutzungstrilemma zu entwickeln. Aus der Sicht der Landschafts-Governance und -planung zielt TriLand dabei auf folgendes ab:
Der erste Schritt von TriLand besteht darin, wissenschaftlich fundierte, landnutzungsbezogene Indikatoren zu ermitteln, um die drei Eckpunkte des Trilemmas zu beschreiben und ihre Anwendbarkeit in der CS zu bewerten. Der td-Ansatz von TriLand beinhaltet „consulting td“-Ansätze, bei denen nationale und regionale Interessengruppen auf Zwischenergebnisse (z. B. indikatorbasierte Biodiversitäts- und Landnutzungsergebnisse in der CS) reagieren, sowie „participatory td“, bei dem sie vollständig in die Wissensproduktion eingebunden sind. Die NRL- und österreichischen Klimaziele werden in einem expertenbasierten Prozess, der von einer nationalen Interessengruppe bewertet wird, auf die regionale Ebene heruntergebrochen. In einem Co-Creation-Prozess (Interviews, Landscape.Lab, Workshops mit regionalen Interessengruppen), werden erforderliche Maßnahmen zum Schutz der Biodiversität und zur Eindämmung des Klimawandels ermittelt und in jeder CS räumlich verortet. Diese Maßnahmen werden in das bioökonomische landwirtschaftliche Modell FAMOS integriert, das Zielkonflikte oder Synergien zwischen den Einkommen der Landwirte, der Biodiversität und dem Klimaschutz ermittelt. Auf der Grundlage der Modellergebnisse werden gemeinsam mit regionalen Interessengruppen geeignete Instrumente zur Umsetzung dieser Maßnahmen entwickelt. Serious Gameplay über das Landscape.Lab bildet eine kollaborative Lernumgebung, um Diskussionen und Kooperationen zwischen regionalen Interessengruppen zu fördern und dabei zu helfen, die vorgeschlagenen Maßnahmen mit landwirtschaftlichen Maßnahmen zu verstehen.
Um diese Ziele zu erreichen, wird ein umfassender transdisziplinärer Ansatz umgesetzt, der Methoden wie Modellierung, GIS, Walking Interviews, Visualisierung und Serious Gaming kombiniert. Als Fallstudienregionen (CS) werden die Biosphärenparks Wienerwald und Lungau untersucht. Aufgrund ihrer Rolle in der nachhaltigen regionalen Entwicklung gehören zu den Interessengruppen nationale (z. B. Bundesministerien, Umwelt-NGOs) und regionale Vertreter, die in den CS involviert sind:
TriLand liefert mit einem systemischen Ansatz neue Erkenntnisse über die Skalierung internationaler Klima- und Biodiversitätsziele und die Kompromisse und Synergien zwischen den drei Aspekten des Landnutzungstrilemmas unter Berücksichtigung der Perspektiven nationaler und regionaler Interessengruppen. TriLand entwickelt politische Instrumente zur Erreichung der Ziele des Biodiversitäts- und Klimaschutzes. Die kollaborative Lernumgebung bietet neue Erkenntnisse über die Bedeutung der gemeinsamen Gestaltung für die Konsensbildung im Landnutzungstrilemma und ermöglicht die methodische Weiterentwicklung von FAMOS und dem Landscape.Lab.