Beim opportunistischen Public Sensing werden mobile Geräte wie beispielsweise Smartphones benutzt, um ein räumlich verteiltes Umgebungsphänomen, wie eine Temperaturverteilung oder einen Geräuschpegel zu erfassen. Dazu werden Messpunkte festgelegt, an denen ein Wert abgefragt werden soll. Damit dies möglich ist, muss sich im Umkreis eines Messpunktes mindestens ein mobiles Gerät befinden, das den entsprechenden Wert aufnehmen kann. Durch Einsatz eines Modells kann der Aufwand der Erfassung reduziert werden. Ein solches Modell bildet die Korrelation der Werte an verschiedenen Punkten ab. Als gut geeignet für die meisten Umgebungsphänomene hat sich eine multivariate Gaußverteilung erwiesen, die auch in dieser Arbeit benutzt wird. Wenn für einen Teil der Messpunkte Werte bekannt sind, können an den anderen Stellen Werte aus dem Modell berechnet werden. Das kann dazu benutzt werden, die Zahl der angefragten Messpunkte zu reduzieren. Jedoch werden selten alle angefragten Messwerte auch erhalten. Für diesen Fall ist es möglich, auf Basis des Modells alternative Messwerte anzufragen. Diese werden auf den mobilen Geräten ausgewählt. Dadurch entsteht jedoch zusätzlicher Aufwand, da das Modell bei jeder Anfrage mitgeschickt werden muss. In dieser Arbeit wird untersucht, ob sich durch die Partitionierung des Modells und der Optimierung auf den Teilgebieten, dieser Aufwand reduzieren lässt. Damit ergibt sich eine Möglichkeit, eine Alternativplanung zu nutzen ohne den vergrößerten Nachrichtenaufwand in Kauf nehmen zu müssen.