Motivation

Die Land- und Forstwirtschaft prägt nicht nur unsere Kulturlandschaft, sondern ist auch ein fundamentaler Pfeiler unserer Volkswirtschaft. Sie sichert unsere Ernährung und versorgt uns mit wichtigen Rohstoffen. Doch dieser Sektor steht heute im Spannungsfeld zweier großer Herausforderungen: Einerseits milliardenschwere staatliche Subventionen, die Stabilität und Wettbewerbsfähigkeit sichern sollen, und andererseits steigende Produktionskosten, volatile Märkte und strukturelle Anpassungszwänge, die die wirtschaftliche Tragfähigkeit vieler Betriebe gefährden.

Datengrundlage

In diesem Projekt werden Sie anhand von aktuellen Daten des Bundesministeriums, der EU-Kommission (GAP-Zahlungen) und statistischer Ämter die ökonomischen Dimensionen dieser Entwicklungen genau untersuchen. Sie werden analysieren, wie Subventionen verteilt werden, welche Betriebstypen und Regionen besonders abhängig von Förderungen sind und welche wirtschaftlichen Effekte daraus entstehen. Der Fokus liegt dabei sowohl auf der gesamtwirtschaftlichen Perspektive als auch auf spezifischen Teilsektoren - etwa der Forstwirtschaft als Fallstudie für strukturelle Transformation und Kostenentwicklung.

Ihre Aufgabe ist es, durch fundierte datengestützte Analysen Licht ins Dunkel dieser komplexen Zusammenhänge zu bringen. Sie werden die Effektivität von Förderinstrumenten kritisch hinterfragen, Verteilungswirkungen quantifizieren und die realen volkswirtschaftlichen Kosten des aktuellen Subventionssystems bewerten. Auf Basis Ihrer Erkenntnisse können Sie fundierte Handlungsempfehlungen ableiten, die für Politik, Agrarverbände und Unternehmen von entscheidender Bedeutung sind, um die deutsche Land- und Forstwirtschaft effizienter, wettbewerbsfähiger und wirtschaftlich zukunftsfähig zu gestalten.

  1. Verschaffen Sie sich in einem ersten Schritt einen Überblick über die gesamtwirtschaftliche Bedeutung der Land- und Forstwirtschaft. Dies hilft Ihnen, die Relevanz der staatlichen Förderungen und die potenziellen Kosten besser einzuordnen. Führen Sie eine Recherche durch, um die folgenden makroökonomischen Kennzahlen für das Jahr 2024 zu ermitteln. Beantworten Sie die folgenden Fragen in Textform und geben Sie für jede Information die exakte Quelle an.

EU-Agrarsubventionen Gesamtbudget für die Gemeinsame Agrarpolitik (GAP) der EU für Gesamteuropa: Das Gesamtbudget für die GAP im aktuellen Finanzrahmen 2021-2027 beläuft sich auf rund 387 Milliarden Euro. Dieser Betrag umfasst sowohl die Mittel für Direktzahlungen und Marktmaßnahmen (Säule 1) als auch für die Entwicklung des ländlichen Raums (Säule 2) über den gesamten Zeitraum. Quelle: Europäische Kommission, Generaldirektion Landwirtschaft und ländliche Entwicklung (DG AGRI), Stand 2024.

Betrag davon für Deutschland: Für den Programmplanungszeitraum 2023-2027 stehen Deutschland insgesamt rund 30,2 Milliarden Euro an EU-Mitteln aus der GAP zu. Dies beinhaltet sowohl die Mittel des Europäischen Garantiefonds für die Landwirtschaft (EGFL) als auch die Kofinanzierung des Europäischen Landwirtschaftsfonds für die Entwicklung des ländlichen Raums (ELER). Quelle: Bundesministerium für Ernährung und Landwirtschaft (BMEL), Nationale Strategieplanung der GAP, Stand 2023/2024.

Wirtschaftliche Bedeutung (Bruttoinlandsprodukt - BIP) Prozentualer Anteil der Land- und Forstwirtschaft am BIP der gesamten EU: Der Wertschöpfungsanteil der Landwirtschaft (einschließlich Forstwirtschaft und Fischerei) am gesamten Bruttoinlandsprodukt (BIP) der EU-27 lag im Jahr 2023 bei etwa 1,4%. Obwohl es sich um einen geringen direkten Anteil handelt, ist der Sektor durch Vor- und Nachleistungen (z.B. Nahrungs- und Genussmittelindustrie) von wesentlich größerer gesamtwirtschaftlicher Bedeutung. Quelle: Eurostat, Bruttoinlandsprodukt und Hauptkomponenten, Stand 2024.

Entsprechender Anteil am BIP Deutschlands: In Deutschland ist der direkte Beitrag der Land- und Forstwirtschaft (einschließlich Fischerei) am BIP tendenziell geringer. Im Jahr 2023 lag der Anteil bei nur etwa 0,7%. Quelle: Statistisches Bundesamt (Destatis), Volkswirtschaftliche Gesamtrechnungen, Stand 2024.

Bedeutung für den Arbeitsmarkt Prozentualer Anteil aller Erwerbstätigen in der EU im Sektor Land- und Forstwirtschaft: Im Jahr 2023 waren in der EU-27 rund 4,2% aller Erwerbstätigen im Primärsektor (Land-, Forstwirtschaft und Fischerei) beschäftigt. Quelle: Eurostat, Beschäftigungsstatistiken, Stand 2024.

Prozentualer Anteil in Deutschland: In Deutschland ist der Anteil der Erwerbstätigen im Primärsektor deutlich niedriger und betrug im Jahr 2023 nur etwa 1,3%. Quelle: Statistisches Bundesamt (Destatis), Erwerbstätigenrechnung, Stand 2024.

Einlesen

Für die Politik und die Wirtschaft ist es von entscheidender Bedeutung zu verstehen, wie sich der strukturelle Wandel, bestehend aus steigenden Produktionskosten, globalen Handelskonflikten, technologischem Wandel und veränderten Marktbedingungen, auf die Erträge, Kosten und die Struktur des gesamten Sektors auswirkt. Um diese komplexen Zusammenhänge zu beleuchten, sollen Sie nun die nachfolgenden Datensätze und Berichte genauer analysieren.

  1. Lesen Sie den Datensatz Subventionen.csv aus ihrem Daten-Ordner ein und speichern Sie diesen als subventionen_gesamt ab.

Der Datensatz enthält für jeden Begünstigten (z.B. einen Landwirt oder ein Unternehmen) oft mehrere Beobachtungen in unterschiedlichen Zeilen. Dies liegt daran, dass für jede erhaltene Fördermaßnahme eine eigene Zeile existiert. Der Datensatz ist aktuell nicht für eine Analyse auf Ebene des Begünstigten passend, da die Informationen zu den verschiedenen Fördertöpfen untereinander stehen, weshalb der Datensatz nun in ein Wide-Format umgewandelt werden soll. Passen Sie den Datensatz so an, dass die unterschiedlichen Fördertöpfe (EGFL, ELER, Nationale_Kofinanzierung) die Spalten darstellen. Tragen Sie in die Zellen die jeweiligen Gesamtbeträge ein, die ein Begünstigter aus dem entsprechenden Topf im jeweiligen Jahr erhalten hat.

Erstellen Sie anschließend eine neue Spalte namens Förderbetrag_berechnet. Diese Spalte soll für jeden Begünstigten die Summe aus den Werten der Spalten EGFL_Förderbetrag, ELER_Förderbetrag und Nationale_Kofinanzierung enthalten.

Recherchieren Sie die Bedeutung der drei Hauptfördertöpfe EGFL, ELER und Nationale Kofinanzierung. Erklären Sie anschließend kurz in Ihren eigenen Worten, wofür diese Fonds stehen und wie sie sich in ihren Förderzielen und Maßnahmen unterscheiden.

Hinweis 1: Die Datei Subventionen.csv.zip enthält die Subventionen.csv in gezippter Form um diese in GitHub hochladen zu können. Sie können die entzippte Datei nicht auf GitHub pushen, sondern immer nur Subventionen.csv.zip.

Hinweis 2: Für die Recherche können die Seiten des Bundesministeriums für Landwirtschaft, Ernährung und Heimat (BMLEH) oder der EU-Kommission hilfreich sein.

Hinweis 3: Die Daten haben wir für Sie entsprechend aufbereitet. Die Ursprungsdaten können Sie auf der folgenden Webseite finden.

Die drei Hauptförertöpfe sind Teil der Gemeinsamen Agrarpolitik (GAP) der europäischen Union. Dabei deckt der Europäische Garantiefond für die Landwirtschaft kurz EGFL die erste der zwei Säulen der GAP ab. Er soll vor allem landwirtschaftliche Einkommen absichern, beispielsweise um Ernteausfällle auszugleichen.Desweiteren soll die Wettbewerbsfähigkeit des europäischen Agrarsektors erhalten werden. Bei der zweiten Säule handelt es sich um den Europäischen Landwirtschaftsfond für die Entwicklung des ländlichen Raums (ELER). Dieser unterstützt Maßnahmen, welche die Landwirtschaft nachhaltiger gestalten sollen sowie die Stärkung des Wachstums und der Infrastruktur im ländlichen Raum. Etwa die Hälfete der ELER Fördergelder sollen der nachhaltigen Nutzung von Ressourcen dienen während der Rest die Infrastruktur, Inovation, Digitalisierung, Wettbewerbsfähigkeit, usw. länlicher Regionen stärken soll. Die Nationale Kofinanzierung ergänzt die EU Mittel durch Geld von Bund und Ländern. Da die Mittel der europäischen Union nicht alle Programme ausreichen, müssen diese kofinanziert werden.,

Nachdem Sie die Daten zu den Subventionen aufbereitet haben, wenden Sie sich nun den zentralen Daten der Waldbrandstatistiken zu. Um später die ökonomischen Folgen von Produktionsrisiken und strukturellen Belastungen analysieren zu können, ist es wichtig, auch diese Daten vorab aufzubereiten und in ein wide Format zu bringen, welches für die Folgeanalysen erforderlich ist.

  1. Lesen Sie den Datensatz Waldbrände_gesamt.csv ein und speichern diesen als waldbraende_gesamt ab. In diesem Datensatz erhalten Sie eine Übersicht, wie viele Waldbrände monatlich in einem Bundesland (und in Deutschland gesamt) auftreten und welche Fläche dabei gebrannt hat. Der Datensatz liegt aktuell noch im long-Format vor. Transformieren Sie den Datensatz so, dass Sie pro Region und Monat eine Beobachtung haben. Erstellen Sie dabei separate Spalten für die Anzahl der Brände und die verbrannte Fläche (in Hektar). Benennen Sie abschließend die Spalten für die Gesamtbrände in Gesamtmonatlich_Anzahl und Gesamtmonatlich_ha um.

Hinweis: Auch für diese Aufgabe haben wir die Daten für Sie aufbereitet. Die Originaldaten können Sie auf der folgenden Webseite finden.

  1. In einem weiteren Datensatz haben Sie nun aggregierte Jahreswerte zu Ursachen, Kosten und Präventionsmaßnahmen von Waldbränden auf Bundeslandebene (einschließlich Gesamtdeutschland). Lesen Sie hierzu den Datensatz Waldbrände_Übersicht.csv ein und speichern diesen als waldbraende_information ab. Fügen Sie anschließend die beiden Datensätze waldbraende_gesamt und waldbraende_information zu einem großen Datensatz waldbraende zusammen. Verwenden Sie die Variablen Region und Jahr als Schlüssel für ihren Join.

Beantworten Sie anschließend die Frage, welche Art von “Join” sich in diesem Fall anbietet und warum?

Hinweis: Der Datensatz waldbraende ist nun ihr Hauptdatensatz, der als Grundlage für die Analysen zu Waldbränden und deren Faktoren dient.

Da Waldbraende_gesamt als Hauptdatensatz dient, ist der Left Join die passende Wahl. So bleiben sämtliche vorhandenen Monatswerte bestehen und die jeweiligen zusätzlichen Informationen aus Waldbraende_information werden passend hinzugefügt.

Konsistenzcheck

Nachdem Sie im ersten Teil die Rohdaten aufbereitet haben, folgt nun die Validierung und erste deskriptive Analysen. In einem primären Schritt ist es das Ziel, die Struktur der Fördergelder zu verstehen, Ungereimtheiten in den Daten aufzudecken und erste ökonomische Muster im Kontext der Landwirtschaft zu erkennen.

  1. In Ihrem aufbereiteten Datensatz subventionen_gesamt haben Sie nun eine Spalte mit dem angegebenen Gesamtbetrag (Förderbetrag_gesamt) pro Begünstigtem und eine Spalte mit Ihrer eigenen Berechnung (Förderbetrag_berechnet). Sie möchten nun überprüfen, ob Ihre eigene Summierung der Einzelbeträge mit den ausgewiesenen Gesamtsummen übereinstimmt.

Aggregieren Sie dafür Ihre Daten auf Ebene der Bundesländer unabhängig der einzelnen Jahre 2023 und 2024. Erstellen Sie eine übersichtliche Tabelle, die für jedes Bundesland die folgenden Spalten enthält:

  • Die Summe der in den Originaldaten ausgewiesenen Gesamtbeträge pro Begünstigten (Förderbetrag_gesamt).
  • Die Summe aus den beiden zuvor berechneten Spalten (Förderbetrag_berechnet).
  • Die absolute Abweichung zwischen diesen Förderbeträgen.

Achten Sie dabei auf eine ansprechende Darstellung mithilfe der Pakete kableExtra oder gt. Sortieren Sie die Tabelle absteigend nach der Summe laut Originaldaten. Beschreiben und interpretieren Sie ihre Tabelle. Gehen Sie bei der Interpretation insbesondere auf folgende Fragen ein:

  • In welchen Bundesländern ist die absolute Summe der “unerklärten” Differenzen am größten?
  • Sofern es zu Differenzen kommt, erklären Sie, warum es überhaupt dazu kommt, obwohl die Daten aus einer offiziellen Quelle stammen.
  • Wodurch können die Unterschiede begründet sein?

Hinweis Für die Recherche und Beantwortung der Unterschiede können Sie folgenden Seiten als Augangslage nutzen: European Council und European Commission

Aggregierte Förderbeträge der Haushalte nach Bundesland im Jahr 2023 und 2024
Bundesland Summe des
Förderbetrags		 Berechnete Summe des
Förderbetrags		 Absolute
Differenz		 Relative Differenz
(in %)
Baden-Württemberg 1,297,200,409 613,812,855 683,387,554 52.68
Bayern 2,708,045,657 1,286,813,513 1,421,232,143 52.48
Berlin 11,824,083 5,474,610 6,349,473 53.70
Brandenburg 1,162,731,578 564,370,137 598,361,441 51.46
Bremen 9,264,606 4,399,513 4,865,093 52.51
Hamburg 14,629,459 7,230,227 7,399,231 50.58
Hessen 655,417,333 320,414,201 335,003,132 51.11
Mecklenburg-Vorpommern 1,168,478,578 569,968,479 598,510,099 51.22
Niedersachsen 1,905,303,477 939,273,699 966,029,778 50.70
Nordrhein-Westfalen 1,227,972,367 594,130,704 633,841,663 51.62
Rheinland-Pfalz 616,739,317 293,265,505 323,473,812 52.45
Saarland 65,933,262 31,218,491 34,714,770 52.65
Sachsen 922,279,841 446,330,984 475,948,856 51.61
Sachsen-Anhalt 1,151,430,065 552,646,660 598,783,406 52.00
Schleswig-Holstein 769,795,574 370,230,128 399,565,446 51.91
Thüringen 818,630,839 392,947,179 425,683,660 52.00

Die größte absolute Abweichung tritt in Bayern auf. Darauf folgen Niedersachsen und Baden-Württemberg. Dies sind gleichzeitig die drei Bundesländer mit dem höchsten Gesamtförderbetrag, weshalb sich dort die absoluten Differenzen besonders stark auswirken. Die Abweichungen entstehen aufgrund unterschiedlicher rechtlicher Vorgaben der jeweiligen Förderperiode zustande. In der vorangegangenen Förderperiode von 2014-2022 wurden der Betrag der nationalen Kofinanzierung in den jeweiligen ELER Maßnahme nicht seperat ausgewiesen, findet sich jedoch trotzdem im Gesamtförderbetrag wieder. In den Agrarhaushalten der Jahre 2023 bis 2026 befinden sich weiterhin sogenannte Altmaßnahmen, die noch unter die alte Rechtsbestimmung fallen. Somit gelten für sie auch die damaligen Transparenzvorgaben, weshalb teilweise die Beträge aus dem ELER Fördertopf sehr klein oder sogar als Null ausgewiesen werden. Somit kommt es zu Differenzen in den Daten, obwohl sie aus einer offiziellen Quelle stammen. Diese Abweichungen sind EU-Rechtlich bedingt und stellen keinen Fehler in den Daten dar, sondern ergeben sich aus den Übergangsregelungen zwischen den Förderperioden.

Deskriptive Analysen - Landwirtschaft im Spannungsfeld von Förderung und finanziellen Herausforderungen

  1. Zu Beginn sollen Sie sich einen ersten konkreten Überblick über die Empfängerstruktur verschaffen. Es ist wichtig zu verstehen, welche Art von Akteuren sich hinter diesen Zahlen verbergen. Ihre Aufgabe ist es, eine Tabelle mit ihrem Datensatz subventionen_gesamt zu erstellen, die die 6 Begünstigten mit den höchsten und die 6 Begünstigten mit den niedrigsten Gesamtfördersummen (Förderbetrag_gesamt) im Haushaltsjahr 2024 zeigt.

Die Tabelle soll folgende Informationen enthalten:

Beschreiben und interpretieren Sie anschließend die Tabelle. Gehen Sie dabei auf folgende Fragen ein:

Top-6 und Flop-6 der Subventionsempfänger im Jahr 2024
Name des Begünstigten Postleitzahl Gemeinde Bundesland Foerderung_gesamt Gesamtförderung
(in TEUR)
Landesbetr. f.Hochwasserschutz u. Wasserwirtsch. (LHW) 39104 Magdeburg, Landeshauptstadt Sachsen-Anhalt 65373197.10 65,373.20
Landesbetrieb für Küstenschutz Nationalpark u Meeresschutz 25813 Husum, Stadt Schleswig-Holstein 26117459.10 26,117.46
Land Mecklenburg-Vorpommern Ministerium für 19061 Schwerin, Landeshauptstadt Mecklenburg-Vorpommern 23723623.36 23,723.62
Landesamt für Umwelt (LfU) 14476 Potsdam, Stadt Brandenburg 13812567.29 13,812.57
Landgard Obst + Gemüse GmbH + Co. KG 47638 Straelen, Stadt Nordrhein-Westfalen 7650174.42 7,650.17
Landfrisch AG 50126 Bergheim, Stadt Nordrhein-Westfalen 7550736.78 7,550.74
ClÃŒsserath, Sigrid 54349 Trittenheim Rheinland-Pfalz 2117.75 2.12
KlÀsgen, Kevin 53520 Reifferscheid Rheinland-Pfalz 2101.45 2.10
Welches, Uwe 56820 Senheim Rheinland-Pfalz 2093.98 2.09
Zahn, Eckhard 55422 Bacharach, Stadt Rheinland-Pfalz 2062.00 2.06
Kleinempfänger NA NA Bremen 1396.34 1.40
Kleinempfänger NA NA Hamburg 965.64 0.97

Die Analyse des Datensatzes zeigt eine sehr ungleiche Verteilung der Fördermittel. Während einige Institutionen (Bsp. Landesbetriebe oder Minesterien) Fördermittel im zweistelligen Millionenbereich erhalten, liegen die Zuschüsse für die kleinsten Empfänger teilweise unter 2000€. Dies zeigt, dass sich ein Großteil der Subventionen auf wenige große Betriebe und Institutionen verteilt.

Beim Blick auf die Top-6 und die Low-6 zeigt sich das ziemlich deutlich. Während die Top-6 nur aus öffentlichen Institutionen und großen landwirtschaftlichen Betrieben besteht, darunter Landesbetriebe für Hochwasser-, Küsten-, und Umweltschutz sowie Landesministerien. Die niedrigsten 6 Empfänger bestehen hingegen überwiegend aus Privatpersonen oder sehr kleinen Betrieben. Somit ergibt sich eine logische Zweiteilung der Empfängerstruktur zwischen staatlichen Institutionen und Großbetrieben auf der einen und kleinen Unternehmen und Privatpersonen auf der anderen Seite.

Die Forstwirtschaft scheint unter den Subventionsempfängern eine wichtige Rolle einzunehmen. Viele hohe Fördersummen fließen an Umwelt- und Landesbehörden, die unter anderem Maßnahmen wie Hochwasser- und Klimaschutz umsetzen, sich aber auch um Waldschutz und Wiederaufforstung kümmern. Somit spielt die Forstwirtschaft eine zentrale Rolle in den beobachteten Daten.

  1. Sie sollten sich im ersten Schritt einen Überblick über ihre Daten und deren Verteilung verschaffen. Auf Basis des Datensatzes subventionen_gesamt sollten Sie eine deskriptive Tabelle mit der Anzahl an Beobachtungen (ohne fehlende Werte), den Mittelwerten, den Standardabweichungen, dem Median sowie den Minima und Maxima für folgende Variablen erstellen:

Achten Sie auch hier auf eine ansprechende Darstellung der Tabelle. Beschreiben und interpretieren Sie ihre Tabelle. Gehen Sie insbesondere auf die Verteilungen der einzelnen Variablen ein. Was fällt hier besonders auf?

Deskriptive Kennzahlen der wichtigsten Fördervariablen
Fördervariable Anzahl (n) Mittelwert Standardabweichung Median Minimum Maximum
EGFL Förderbetrag 265,129 19,657.47 54,209.93 8,059.57 0.00 6,345,377.21
ELER Förderbetrag 265,129 6,327.28 90,824.75 627.78 −839.89 28,223,328.68
Nationale Kofinanzierung 265,129 389.31 2,495.56 0.00 0.00 644,950.72
Gesamter Förderbetrag 265,129 54,711.77 246,537.26 21,557.48 965.64 65,373,197.10
Berechneter Förderbetrag 265,129 26,374.06 109,363.90 10,491.39 0.00 28,223,328.68

Die Tabelle zeigt die deskriptiven Kennzahlen der gegeben Förderungen und deren Gesamtbeträge für insgesamt 265,129 Beobachtungen. Somit ist die Datenbasis der Analyse sehr groß und belastbar.

Der EGFL Förderbetrag hat einen Mittelwert von 19.657,93€, während der Median bei rund 8.060€ deutlich niedriger liegt. Die sehr hohe Standardabweichung von 54.209,93€ zeigt, dass die EGFL-Beträge extrem streuen. Dies deutet auf eine rechtsschiefe Verteilung hin, bei der wenige sehr hohe Beträge den Durchschnitt nach oben ziehen. Das zeigt auch das Maximum von ca. 6,3 Mio € .

Ein ähnliches Bild zeigt sich beim ELER Förderbatrag. Der Mittelwert liegt hier bei rund 6.327€. Der Median hingegen beträgt nur etwa 628€ und die Standardabweichung ist mit rund 90.824€ sogar noch höher als beim EGFL. Auch hier ist die Verteilung nach rechts verschoben mit einem sehr hohen Maximum von über 28 Mio €. Also gibt es auch hier wenige hohe Förderungssummen, die für die Rechtsverschiebung der Verteilung verantwortlich sind. Auffällig ist auch das negative Minimum. Eventuell ist dies auf Rückforderungen oder Korrekturbuchungen zurückzuführen.

Die nationale Kofinanzierung fällt im Vergelich deutlich geringer aus. Der Mittlewert beträgt lediglich rund 389€, der Median liegt sogar bei 0€. Das zeigt, dass die Förderungen bei einem Großteil der Empfänger nicht durch den Bund bzw. die Länder kofinanziert wurde. Das Maximum weicht auch hier stark von Mittelwert und Median ab und die Standardabweichung von 2.495,56€ zeigt, dass die nationale Kofinanzierung hauptsächlich bei den großen Förderbeträgen nötig war.

Beim Gesamtförderbetrag liegen Mittelwert (ca. 54.712€) und Median(ca. 21.557€) erneut deutlich auseinander. Die Standardverteilung von 246.537€ zeigt auch hier eine extrem breite Verteilung der Fördersummen. Ein Maximum von über 6,5 Mio € unterstreicht, dass sich die Fördermittel auf weige große Empfänger konzentrieren.

Auch beim berechneten Förderbetrag zeigt sich das gleiche Muster. Mittelwert und Median liegen auch hier weit auseinander. Die Standardabweichung ist, wie auch beim aggregierten Gesamtförderbetrag, extrem hoch (ca. 109.364€). Auch hier wird die deutlich rechtsschiefe Verteilung der Beträge und die deutlichen Unterschiede zwischen kleinen und sehr großen Empfängern sichtbar.

Die bisherigen Analysen haben Ihnen einen Überblick über die Gesamtstruktur der Agrarförderung in den Jahren 2023 und 2024 verschafft. Um die regionalen Unterschiede und die Finanzierungslogik besser zu verstehen, ist es nun sinnvoll, sich zunächst intensiv mit einem einzelnen Jahr auseinanderzusetzen. Konzentrieren Sie sich daher in der folgenden Aufgabe auf das Haushaltsjahr 2023 und analysieren Sie die detaillierte Zusammensetzung der Fördergelder auf Bundeslandebene. Diese Bestandsaufnahme ermöglicht es Ihnen später, in Aufgabe 9 systematisch Veränderungen zwischen 2023 und 2024 herauszuarbeiten.

  1. Schauen Sie sich in einem nächsten Schritt die Zusammensetzung der Fördergelder im Datensatz subventionen_gesamt auf Bundesland-Ebene für 2023 an. Visualisieren Sie, wie sich EGFL, ELER, Nationale Kofinanzierung und Sonstige Nationale Mittel (Differenz aus Förderbetrag_gesamt und Förderbetrag_berechnet) pro Bundesland anteilig zusammensetzen. Beschränken Sie für diese Analyse ihre Daten auf das Haushaltsjahr 2023. Gruppieren Sie die Daten nach Bundesland und berechnen Sie die Summen für EGFL_Förderbetrag, ELER_Förderbetrag, Nationale_Kofinanzierung und Sonstige nationale Mittel. Erstellen Sie nun ein gestapeltes (stacked) Balkendiagramm, das für die Bundesländer die prozentuale Zusammensetzung der Fördergelder (in Bezug auf die gesamte Fördersumme) darstellt. Die Balken sollen die Anteile von EGFL, ELER, Nationale Kofinanzierung und der von Ihnen berechneten Differenz visualisieren.

Beschreiben und interpretieren Sie anschließend ihre Grafik. Gehen Sie insbesondere auf folgende Fragen ein:

Die prozentuale Zusammensetzung der Agrarförderittel unterscheidet sich zwischen den Bundesländern, folgt aber insgesamt einem klaren Muster. In allen Bundesländern stellen die “Sonstigen Mittel” den größten Anteil der Gesamtförderung dar. Der EGFL-Anteil bewegt sich überwiegend auf einem Niveau zwischen 30-40 %. Diese relativ konstanten Werte lassen sich dadurch erklären, dass die EGFL hauptsächlich aus (flächenbezogenen) Direktzahlungen bestehen und somit bundesweit weitgehend einheitlich Vergeben werden. Dadurch ergibt sich in allen Bundesländern, unabhängig von der jeweiligen Förderstrategie, eine relativ gleichmäßige Verteilung. Die ELER-Mittel variiern dagegen deutlich stärker. Auffällig ist insbesondere, dass mehrere ostdeutsche Bundesländer - wie Sachsen oder Sachsen-Anhalt - vergleichsweise höhere ELER-Anteile aufweisen. Dies deutet auf einen stärkeren Förderbedarf im Bereich der ländlichen Entwicklung, der Infrastruktur und Strukturanpassungsmaßnahmen hin. Die nationale Kofinanzierung spielt, wie bereits in vorigen Analysen zu sehen war, kaum eine Rolle.

Wichtig ist, dass der Plot durch die Altmaßnahmen, welche teilweise in die Rechtsordung der alten Förderperiode fallen, verzerrt wird. Diese Altmaßnahmen werden nicht als ELER-Maßnahme verbucht sondern zählen zu sonstigen Mitteln. Dadurch entsteht der Eindruck, dass der Anteil der ELER-Förderungen vergleichsweise gering ist, obwohl ländliche Entwicklungsmaßnahmen weiterhin eine wichtige Rolle spielen.

Die ökonomischen Schwerpunkte der Bundesländer spiegeln sich klar in der Zusammensetzung der Förderungen wider. Ein hoher EGFL-Anteil steht für eine stärkere Ausrichtung auf Einkommenssicherung und Direktzahlungen. Dies ist typisch für ein wirtschaftliches starkes Land wie Deutschland. Hier fallen vergleichsweise hohe Betriebs- und Unterhaltskosten an, welche durch Direktzahlungen ausgeglichen werden sollen. Die höheren Anteiel der ELER-Förderungen in strukturschwächeren Gebieten (v.a im Osten aber auch in Bremen) deuten auf einen erhöhten Fokus auf die Entwicklung des ländlichen Raumes hin.

Nachdem Sie die Struktur der Förderungen innerhalb der Bundesländer und innerhalb eines Jahres analysiert haben, gehen Sie nun einen Schritt weiter und betrachten die Dynamik über die Zeit. Für politische Entscheidungsträger und Wirtschaftsanalysten ist es von großem Interesse zu sehen, ob sich das Gesamtvolumen der Agrarsubventionen verändert - und wenn ja, in welchen Regionen diese Änderungen am stärksten ausfallen. Mögliche Rückgänge oder Zuwächse können wichtige Indikatoren für politische Neuausrichtungen oder veränderte Rahmenbedingungen sein.

  1. In der nächsten Aufgabe sollen Sie daher, die Entwicklung der Gesamtfördersummen zwischen 2023 und 2024 auf Bundeslandebene quantifizieren und visualisieren. Aggregieren Sie hierzu Ihren Datensatz subventionen_gesamt nach Bundesland und Haushaltsjahr, um die jährliche Gesamtfördersumme für jedes Bundesland zu berechnen. Berechnen Sie anschließend die absolute Veränderung der Fördersumme von 2023 auf 2024 in Millionen Euro, sowie die relative (prozentuale) Veränderung der Fördersumme im gleichen Zeitraum pro Bundesland.

Erstellen Sie eine übersichtliche Tabelle, die die Fördersummen für 2023 und 2024, sowie die absolute und relative Veränderung für alle Bundesländer darstellt. Achten Sie auf eine ansprechende und gut lesbare Formatierung mit kableExtra oder gt, inklusive sinnvoll gerundeter Zahlen.

Beschreiben und interpretieren Sie ihre Tabelle. Gehen Sie auch auf folgende Fragen ein:

Hinweis 1: Nutzen Sie zur Berechnung der Gesamtfördersumme die Fördermittel aus ELER, EGFL, Nationaler Kofinanzierung und sonstigen nationalen Mitteln.

Hinweis 2: Ordnen Sie ihre Tabelle sinnvoll an (z.B. nach den Fördersummen in 2023 oder nach den Änderungen der absoluten Fördersummen).

Entwicklung der Gesamtfördersumme 2023–2024
nach Bundesland
Fördersumme 2023 Fördersumme 2024 Absolute Veränderung Relative Veränderung in Prozent
Saarland 14,764,420.75 16,454,070.74 1,689,649.99 11.44
Bremen 2,229,102.72 2,170,410.25 −58,692.47 −2.63
Baden-Württemberg 312,480,481.64 301,332,373.71 −11,148,107.93 −3.57
Hessen 168,174,666.28 152,239,534.24 −15,935,132.04 −9.48
Thüringen 206,937,101.78 186,010,077.31 −20,927,024.47 −10.11
Hamburg 3,828,456.82 3,401,770.38 −426,686.44 −11.15
Nordrhein-Westfalen 327,728,869.05 266,401,834.55 −61,327,034.50 −18.71
Bayern 713,900,513.04 572,913,000.27 −140,987,512.77 −19.75
Schleswig-Holstein 210,277,303.79 159,952,824.28 −50,324,479.51 −23.93
Rheinland-Pfalz 167,211,508.40 126,053,996.97 −41,157,511.43 −24.61
Mecklenburg-Vorpommern 325,005,494.40 244,962,984.41 −80,042,509.99 −24.63
Brandenburg 322,035,173.89 242,334,963.39 −79,700,210.50 −24.75
Sachsen 257,046,707.08 189,284,277.29 −67,762,429.79 −26.36
Sachsen-Anhalt 320,865,873.45 231,780,786.30 −89,085,087.15 −27.76
Berlin 3,208,972.07 2,265,637.93 −943,334.14 −29.40
Niedersachsen 558,286,065.77 380,987,633.69 −177,298,432.08 −31.76

Die Tabelle zeigt für fast alle Budesländer einen deutlichen Rückgang der Agrarfördersummen für das Jahr 2024. Besonders starke Rückgänge treten in Niedersachsen, Bayern, NRW und anderen ostdeutschen Bundesländern auf. Eine Ausnahme bildet das Saarland, welches als einziges Bundesland einen relativen Zuwachs von 11,44% verzeichnet.

Die Entwicklungen sind auf die neue Förderperiode der Gemeinsamen Agrarpolitik der EU (GAP) zurückzuführen. Eine Ursache ist die Umschichtung von Mitteln aus der ersten Säule (EGFL) in die 2. Säule (ELER). Während die flächenbezogenen Direktzahlungen zur Einkommenssicherung gekürzt werden, gewinnen projektbezogenen Strukturmaßnahmen an Bedeutung. Diese werden im gegensatz zu den Direktzahlungen nicht pauschal und sofort ausgezahlt, sondern sind zeitlich verzögert. Zusätzlich werden die Direktzahlungen der ersten Säule stärker an Öko-Regelungen gekoppelt. Diese werden von vielen Betrieben nicht direkt erfüllt, sondern benötigen Anpassungszeit. Dies fällt vor allem in flächenstarken Bundesländern wie Bayern oder Niedersachsen auf.

Nachdem Sie die Verteilung und Entwicklung der Agrarförderungen analysiert haben, sollen Sie diese nun in den breiteren ökonomischen Kontext einbetten. Staatliche Subventionen sichern Einkommen und stabilisieren Betriebe, stehen jedoch einer Reihe von ökonomischen Risiken und Kostenfaktoren gegenüber - etwa volatile Marktpreise, steigende Produktionskosten oder strukturelle Anpassungslasten. Diese Aufgabe soll die Brücke schlagen zwischen der reinen Subventionsanalyse und der nachfolgenden, vertieften Untersuchung von wirtschaftlichen Belastungen und Risikofaktoren im Sektor.

  1. Lesen Sie den Artikel Landwirte haben Riesenschäden durch extreme Wettereignisse aus dem Wochenblatt für Landwirtschaft & Landleben. Stellen Sie in einer ersten Beschreibung die im Artikel genannten jährlichen Durchschnittsschadenssummen durch Extremwetterereignisse den berechneten Subventionen ihrer Analyse gegenüber. Beantworten Sie auf Basis Ihrer bisherigen Analyse und den Erkenntnissen aus dem Artikel die folgenden Fragen:
Finaler Analysebericht
Korrelation (r) = 0.166
Bundesland Avg.
Förderung (Mio. €)		 Rang Förd. Avg.
Fläche (ha)		 Rang Fläche
Bayern 643.41 Top 5 Förderung 294 Top 5 Fläche
Niedersachsen 469.64 Top 5 Förderung NA Mittel
Baden-Württemberg 306.91 Top 5 Förderung NA Mittel
Nordrhein-Westfalen 297.07 Top 5 Förderung NA Mittel
Mecklenburg-Vorpommern 284.98 Top 5 Förderung 1,206 Top 5 Fläche
Rheinland-Pfalz 146.63 Flop 5 Förderung NA Mittel
Saarland 15.61 Flop 5 Förderung 0 Flop 5 Fläche
Hamburg 3.62 Flop 5 Förderung 0 Flop 5 Fläche
Berlin 2.74 Flop 5 Förderung 24 Flop 5 Fläche
Bremen 2.20 Flop 5 Förderung 0 Flop 5 Fläche
Brandenburg NA Mittel 5,946 Top 5 Fläche
Sachsen NA Mittel 882 Top 5 Fläche
Sachsen-Anhalt NA Mittel 366 Top 5 Fläche
Schleswig-Holstein NA Mittel 6 Flop 5 Fläche

Im Artikel „Landwirte haben Riesenschäden durch extreme Wettereignisse“ wird deutlich, dass extreme Wetterlagen mittlerweile jedes Jahr enorme Schäden in der Landwirtschaft verursachen. Für die Jahre 2018 und 2019 wurden Schäden in Milliardenhöhe festgestellt. Diese Schadenssummen lassen sich gut mit den ebenfalls sehr hohen Agrarsubventionen vergleichen, die Landwirte jährlich erhalten. Betrachtet man beides zusammen, kann man die Subventionen durchaus als eine Art staatliche Risikoprämie oder sogar als Ersatz für eine Versicherung verstehen. Zwar sind sie offiziell nicht als Versicherung gedacht, aber sie stabilisieren das Einkommen der Landwirte und helfen dabei, wetterbedingte Schwankungen aufzufangen. Da sich extreme Wetterlagen häufen und private Versicherungsanbieter solche Risiken kaum vollständig abdecken können, übernimmt der Staat hier indirekt eine wichtige Absicherungsfunktion. Im Artikel wird außerdem betont, dass eine reine Entschädigung der Schäden ökonomisch weniger sinnvoll ist als vorbeugende Maßnahmen. Schadenskompensation setzt immer erst dann an, wenn der Schaden schon passiert ist. Das ist teuer und löst das eigentliche Problem nicht. Zudem kann es dazu führen, dass Landwirte weniger in eigene Vorsorgemaßnahmen investieren, wenn sie davon ausgehen, dass der Staat ihnen ohnehin hilft. Präventive Maßnahmen – wie zum Beispiel bessere Bewässerungssysteme, klimaresistente Sorten oder ein nachhaltigeres Bodenmanagement – können dagegen zukünftige Schäden verringern und langfristig Kosten sparen. Das macht sie ökonomisch effizienter als ständige nachträgliche Ausgleichszahlungen.

Vor diesem Hintergrund lassen sich die beiden politischen Ansätze unterschiedlich bewerten. Der erste Ansatz, nämlich die Erhöhung der Direktzahlungen, würde kurzfristig dafür sorgen, dass Landwirte nach Ernteausfällen finanziell handlungsfähig bleiben. Das hilft in akuten Krisen und ist administrativ einfach umzusetzen. Allerdings hat dieser Ansatz klare Nachteile: Er schafft keine langfristige Lösung und könnte Landwirte davon abhalten, selbst in Risikomanagement oder Anpassung zu investieren. Außerdem entstehen dem Staat dadurch dauerhaft hohe Kosten.

Der zweite Ansatz, Mittel gezielt in Projekte zur Klimaanpassung umzuschichten, hat eher einen langfristigen Nutzen. Wenn Betriebe in klimaresiliente Technologien investieren – wie etwa Bewässerungssysteme oder trockenheitsresistente Sorten –, können zukünftige Schäden reduziert werden. Das macht die Landwirtschaft insgesamt widerstandsfähiger. Der Nachteil ist, dass die Wirkung solcher Maßnahmen nicht sofort eintritt und kleinere Betriebe möglicherweise Schwierigkeiten bei der Finanzierung haben. Trotzdem ist dieser Ansatz aus volkswirtschaftlicher Sicht sinnvoller, weil er nicht nur Symptome bekämpft, sondern die strukturellen Ursachen adressiert.

Zusammengefasst kann man also sagen: Die Subventionen wirken heute schon wie eine Art staatliche Absicherung gegen Klimarisiken. Eine reine Schadenskompensation ist aber langfristig nicht effizient. Deshalb ist der Ansatz, in präventive Maßnahmen zu investieren, wirtschaftlich gesehen die bessere Lösung, auch wenn er nicht sofort wirkt.

Deskriptive Analysen - Waldbrände als ökonomisches Risiko

Wie die bisherigen Analysen gezeigt haben, fließen erhebliche Fördermittel in die Land- und Forstwirtschaft. Um die wirtschaftliche Gesamtbilanz einordnen zu können, ist es wichtig, diesen Subventionen auch tatsächlich entstehende Kosten gegenüberzustellen.

Sie konzentrieren sich nun dabei auf Waldbrände als spezifisches Teilsegment der Forstwirtschaft. Waldbrände machen zwar nur einen kleinen Teil der gesamten Schäden im Sektor aus, bieten jedoch einen entscheidenden Vorteil: Die ökonomischen Folgen sind hier besonders gut quantifizierbar. Im Gegensatz zu Ertragsausfällen der Ernte (durch Sturm oder Ernteeinbußen durch Trockenheit) lassen sich Holzverluste, Löschkosten und Wiederaufforstungsmaßnahmen präzise beziffern. Zudem ermöglichen die verfügbaren Daten eine detaillierte Analyse nach Ursachen, Flächen und regionalen Mustern.

Diese Datentransparenz macht Waldbrände zu einem passenden Fallbeispiel, um exemplarisch zu zeigen, wie sich sektorale Belastungen entwickeln, auch im Kontext von Trockenheit und Hitzeperioden, und wie sie sich zu staatlichen Förderungen verhalten. Die nachfolgende Analyse liefert somit einen ersten konkreten Eindruck von der Größenordnung spezifischer Risiken in der Forstwirtschaft.

  1. Schauen Sie sich in einem ersten Schritt an, wie viele Waldbrände (Gesamt) es in Deutschland in den Jahren von 2018 bis 2024 gab. Ihre Aufgabe ist es, eine deskriptive Tabelle zu erstellen, die die wichtigsten jährlichen Kennzahlen zum Waldbrandgeschehen in Deutschland zusammenfasst.

Filtern Sie Ihren Datensatz waldbraende für die Region “Deutschland”. Achten Sie darauf, dass die Werte genutzt werden, welche bereits auf Jahresebene aggregiert sind. Stellen Sie in der Tabelle die jährliche Gesamtsumme der verbrannten Fläche (ha), die Anzahl der Brandfälle, die wirtschaftlichen Verluste und die entstandenen Schäden dar.

Markieren Sie in Ihrer Tabelle die Jahre, in denen die Schadenssumme 1,5 Million Euro überstiegen hat, farblich, um Extremjahre kenntlich zu machen.

Beschreiben und interpretieren Sie ihre Tabelle. Betrachten Sie dabei insbesondere folgende Fragen:

Hinweis: Um die Größenordnung der verbrannten Waldfläche einordnen zu können, können Sie sich auf folgenden Artikel beziehen.

Jährliche Kennzahlen zum Waldbrandgeschehen in Deutschland im Zeitraum 2018 bis 2024
Jahr Anzahl Brände Verbrannte
Fläche (ha)		 Wirtschaftliche
Verluste (EUR)		 Entstandene
Schäden (EUR)		 Extremjahr
> 1,5 Mio. EUR
2018 1,708.0 2,348.0 25,733,160 32,040,000 Ja
2019 1,523.0 2,711.0 19,955,400 26,640,000 Ja
2020 1,360.0 367.0 19,149,600 26,280,000 Ja
2021 548.0 148.0 7,910,880 8,040,000 Ja
2022 2,397.0 3,058.0 58,216,560 61,680,000 Ja
2023 1,059.0 1,240.0 11,487,960 14,280,000 Ja
2024 563.0 334.0 8,163,000 8,160,000 Ja

Die zusammengestellte Tabelle zum Waldbrandgeschehen in Deutschland für den Zeitraum von 2018 bis 2024 fasst die zentralen jährlichen Kennzahlen zu Anzahl der Brände, verbrannter Fläche, wirtschaftlichen Verlusten und entstandenen Schäden zusammen. In allen betrachteten Jahren lagen die entstandenen Schäden über 1,5 Millionen Euro, weshalb jedes Jahr als Extremjahr eingestuft werden kann. Die Daten verdeutlichen deutliche Schwankungen zwischen den Jahren, sowohl hinsichtlich der Brandhäufigkeit als auch der betroffenen Flächen und ökonomischen Auswirkungen. Die Anzahl der Waldbrände zeigt über diesen Zeitraum eine hohe Volatilität: Von 548 Bränden im Jahr 2021 bis zu 2.397 Bränden im Jahr 2022 reicht die Spannbreite der beobachteten Ereignisse. Die verbrannten Flächen spiegeln ein ähnliches Muster wider. Während 2021 lediglich 148 Hektar durch Waldbrände betroffen waren, erreichte die Schadensfläche 2022 mit über 3.000 Hektar ihren Höchststand. Auch die wirtschaftlichen Verluste und entstandenen Schäden weisen deutliche Unterschiede auf. In den meisten Jahren bewegen sich die wirtschaftlichen Verluste zwischen etwa acht und 25 Millionen Euro, während sie im außergewöhnlichen Jahr 2022 auf rund 58 Millionen Euro steigen. Die entstandenen Schäden (einschließlich Folgekosten) liegen in den übrigen Jahren zwischen acht und 32 Millionen Euro und erreichen 2022 mit 61,68 Millionen Euro den deutlichsten Ausschlag. Die Jahre mit den höchsten Schadenssummen und den größten verbrannten Flächen sind insbesondere 2018, 2019, 2020 und vor allem 2022. Im Jahr 2022 wurden sowohl die höchste Anzahl an Bränden als auch die größten wirtschaftlichen Verluste und Schäden registriert. Dieses Muster deutet auf eine Kombination aus vielen Bränden und einzelnen großflächigen Schadensereignissen hin. In Jahren mit besonders hohen Flächenverlusten handelt es sich weniger um viele kleine Brände, sondern vielmehr um außergewöhnlich große Brandereignisse, die sich unter extremen klimatischen Bedingungen – wie besonders trockenen Sommern, anhaltender Hitze oder starkem Wind – schnell ausbreiten konnten. Die Jahre 2018, 2019 und 2022 sind in Deutschland allgemein als sehr trockene und hitzegeprägte Jahre bekannt, was sich in den Daten klar widerspiegelt. Ein eindeutiger langfristiger Trend im Sinne einer stetigen Zunahme der Schäden oder der Anzahl der Brände lässt sich aus den Daten nicht ableiten. Auffällig ist vielmehr ein Muster zunehmender Extremjahre. Während Jahre wie 2021, 2023 oder 2024 eher moderate Werte aufweisen, treten in anderen Jahren außergewöhnlich hohe Belastungen auf. Dieses Muster entspricht der aktuellen wissenschaftlichen Diskussion, nach der der Klimawandel nicht zwangsläufig zu einer kontinuierlichen Zunahme der Brandhäufigkeit führt, jedoch die Wahrscheinlichkeit und Intensität von Extremereignissen deutlich erhöht. Aus ökonomischer Perspektive bedeutet dies, dass das Risikoprofil forstwirtschaftlicher Tätigkeit volatiler wird und staatliche wie betriebliche Risikomanagementstrategien an Bedeutung gewinnen. Setzt man die Schäden aus Waldbränden in Relation zu den staatlichen Subventionen, die Land- und Forstwirtschaft jährlich erhalten, wird deutlich, dass die durch Brände verursachten Verluste zwar erheblich sind, aber im Verhältnis zu Gesamtzuwendungen aus öffentlichen Haushalten noch einen beherrschbaren Größenbereich einnehmen. Trotzdem wächst die wirtschaftliche Bedeutung solcher Extremereignisse, insbesondere wenn Spitzenjahre wie 2022 betrachtet werden. Der aus dem Ulmer Artikel hervorgehobene gesellschaftliche Wert des Waldes – insbesondere seine Funktionen für Klima, Luftreinhaltung, Wasserhaushalt und Naherholung – unterstreicht, dass Waldbrände nicht nur ökonomische, sondern auch ökologische und soziale Kosten verursachen. Der hohe volkswirtschaftliche Nutzen des Waldes rechtfertigt daher eine aktive staatliche Rolle bei Prävention und finanzieller Unterstützung.

Die Entwicklung der letzten Jahre verdeutlicht die Notwendigkeit eines stärkeren Fokus auf präventive Maßnahmen im Bereich der Forstwirtschaft. Während reine Schadenskompensation durch staatliche Mittel kurzfristig finanzielle Stabilität bietet, adressiert sie nicht die Ursachen der zunehmenden Extremjahre. Präventive Maßnahmen wie Waldumbau zu klimaresilienteren Baumarten, der Ausbau von Brandschutzwegen, die Schaffung von Löschwasserinfrastrukturen und ein insgesamt nachhaltigeres Waldmanagement bieten langfristig ökonomische Vorteile, da sie zukünftige Schäden reduzieren oder deren Ausmaß begrenzen. Angesichts der hohen gesellschaftlichen Bedeutung des Waldes und der zunehmenden klimatischen Belastungen erscheint ein präventiver Ansatz daher sinnvoller und effizienter als eine überwiegend reaktive Politik.

Abschließend zeigt die Analyse der Waldbranddaten von 2018 bis 2024, dass die wirtschaftliche Belastung durch Waldbrände erheblich und durch Extremjahre geprägt ist. Die Schäden weisen eine hohe Varianz auf und hängen stark von den jeweiligen klimatischen Bedingungen ab. Die zunehmende Bedeutung solcher Extremereignisse macht deutlich, dass eine langfristig orientierte Risikostrategie für die Forstwirtschaft notwendig ist. Hierzu gehören sowohl staatliche Förderprogramme als auch betriebliche Investitionen in Prävention und klimaangepasste Waldbewirtschaftung. Die Daten belegen, dass sich Waldbrände zu einem zentralen ökonomischen Risiko im Forstsektor entwickeln und eine proaktive Gestaltung der Forstpolitik erforderlich ist, um die Stabilität und Funktionsfähigkeit der Wälder auch in Zukunft zu sichern.

Nachdem Sie das Gesamtausmaß der Waldbrände betrachtet haben, ist es aus ökonomischer und politischer Sicht entscheidend zu wissen, welche Eigentumsformen des Waldes am stärksten betroffen sind. Dies hat direkte Auswirkungen auf die Frage, wer die wirtschaftlichen Lasten der Schäden und der Wiederaufforstung trägt; der Bund, die Länder, Kommunen oder private Eigentümer.

  1. In dieser Aufgabe sollen Sie sich die zeitliche Entwicklung der Anteile der Brandflächen und der Brandanzahl der verschiedenen Waldeigentumsformen (Bundeswald, Landeswald, Körperschaftswald, Privatwald) für Gesamtdeutschland genauer anschauen. Erstellen Sie ein oder mehrere (gestapelte) Balkendiagramme, die die prozentuale Verteilung

über die verschiedenen Jahre hinweg nach Eigentumsform darstellen.

Beschreiben und interpretieren Sie die Diagramme. Gehen Sie hierbei insbesondere auf folgende Fragen ein:

Hinweis: Achten Sie darauf, dass bei nebeneinander angeordneten Grafiken die y-Achse identisch skaliert sein sollte.

Die beiden gestapelten Balkendiagramme zeigen für die Jahre 2018 bis 2024 jeweils die prozentualen Anteile der Eigentumsformen Bundeswald, Landeswald, Körperschaftswald und Privatwald am Waldbrandgeschehen. Das erste Diagramm bezieht sich auf die Anzahl der Brandfälle, das zweite auf die verbrannte Fläche.

Im Diagramm zu den Brandfällen ist erkennbar, dass der Privatwald in allen Jahren den größten Anteil an der Gesamtzahl der Brände hat. Sein Anteil liegt in jedem Jahr ungefähr im Bereich der Hälfte aller Brandfälle, teilweise etwas darüber, teilweise etwas darunter. Landeswald und Körperschaftswald folgen mit mittleren Anteilen, während der Bundeswald in allen Jahren den kleinsten Anteil an der Brandanzahl aufweist. Über den gesamten Zeitraum bleiben diese Anteile relativ stabil; eine starke, dauerhafte Verschiebung zugunsten einer anderen Eigentumsform ist nicht zu sehen. Im Diagramm zur verbrannten Fläche zeigt sich ein ähnliches, aber nicht identisches Bild. Der Privatwald stellt auch hier in allen Jahren einen sehr großen Flächenanteil und ist häufig die Eigentumsform mit dem größten Anteil. Gleichzeitig fallen einzelne Jahre auf, in denen der Bundeswald deutlich höhere Flächenanteile hat als in anderen Jahren. In diesen Jahren ist der Anteil des Bundeswaldes an der Fläche deutlich größer als an der Zahl der Brände. Daraus lässt sich schließen, dass im Bundeswald eher wenige, dafür aber relativ große Brände vorkommen. Im Privatwald dagegen ist der Unterschied zwischen Anteil an der Fläche und Anteil an der Anzahl der Brände geringer, was eher auf viele Brände mit durchschnittlicher oder kleinerer Fläche hinweist. Landes- und Körperschaftswald liegen in beiden Diagrammen meist im mittleren Bereich.

Aus diesen Beobachtungen ergeben sich mehrere ökonomische Schlussfolgerungen. Da der Privatwald in allen Jahren den größten Anteil an den Brandfällen und auch einen sehr hohen Anteil an der verbrannten Fläche hat, liegt nahe, dass Präventions- und Unterstützungsmaßnahmen hier besonders wichtig sind. Maßnahmen, die die Zahl der Brände senken, hätten im Privatwald den größten direkten Effekt. Beim Bundeswald steht dagegen weniger die Zahl der Brände im Vordergrund, sondern die Vermeidung großer Einzelflächenbrände, weil dort der Flächenanteil in einzelnen Jahren stark ansteigt. Hier erscheint eine Ausrichtung auf die Begrenzung von Großschadensereignissen sinnvoll. Insgesamt zeigen die Diagramme, dass verschiedene Eigentumsformen unterschiedliche Risikoschwerpunkte haben: Privatwald eher bei der Häufigkeit, Bundeswald eher bei der möglichen Schadenshöhe. Staatliche Präventions- und Fördermaßnahmen sollten daher je nach Eigentumsform unterschiedlich ansetzen.

Nachdem Sie im vorherigen Schritt analysiert haben, welche Eigentumsformen besonders stark von Waldbränden betroffen sind, stellt sich nun die nächste zentrale Frage: Wie entstehen diese Brände überhaupt?

Um gezielte und wirksame Präventions- und Schutzmaßnahmen zu entwickeln, ist es wichtig, die Hintergründe und Auslöser von Waldbränden genauer zu verstehen und ihre Veränderung im Zeitverlauf nachzuvollziehen. Eine differenzierte Betrachtung der Ursachen ermöglicht es, Verantwortlichkeiten und Handlungsspielräume besser einzuordnen und künftige Risiken gezielter zu minimieren.

  1. Sie sollen die Entwicklung der Waldbrände nach ihren Hauptursachen für Gesamtdeutschland analysieren. Ihr Ziel ist es, herauszuarbeiten, welche Ursachen über die Jahre hinweg die meisten Brände und die größten Flächenverluste verursacht haben. Nutzen Sie wiederum ihren Datensatz waldbraende und gehen Sie insbesondere auf folgende Ursachen in ihrer Analyse ein:

Erstellen Sie zwei Liniendiagramme, die untereinander angeordnet sind. Das erste Diagramm zeigt die zeitliche Entwicklung der Anzahl der Waldbrände nach Ursache. Das zweite Diagramm soll die zeitliche Entwicklung der verbrannten Waldfläche (in ha) nach Ursache darlegen.

Beschreiben und interpretieren Sie die Diagramme. Gehen Sie hierbei insbesondere auf folgende Fragen ein:

Über die Jahre zeigt sich klar dass Fahrlässigkeit die häufigste Ursache für Waldbrände ist und auch die größten Flächenverluste verursacht. Vorsätzliche Brände und natürliche Ursachen spielen eine deutlich kleinere Rolle, tauchen aber in manchen Jahren sichtbar auf. Besonders Auffällig ist dass die Schwankungen stark mit trockenen Sommern zusammenhängen, also klimatischen Bedingungen und menschlichem Verhalten gleichzeitig.

Ökonomisch bedeutet das, dass Prävention vor allem beim Menschen ansetzen muss etwa durch strengere Regeln, bessere Kontrolle und Aufklärung. Wenn natürliche Ursachen zunehmen würden hätte das stärkere politische Konsequenzen weil Waldumbau und Klimaanpassung dann wichtiger würden.

Aus wirtschaftlicher Sicht ist eine wichtige Frage, wie hoch zum einen die Schäden sind und zum anderen wie sie sich effizient verhindern lassen. Eine konkrete Stellschraube hierfür sind die laufenden Ausgaben für die Forstverwaltung und Kontrolle, die unter anderem Kosten für Präventionsmaßnahmen wie Waldpflege, Brandschutzstreifen und Überwachungssysteme umfassen.

  1. In dieser Aufgabe untersuchen Sie daher den ökonomischen Zusammenhang: Stehen höhere Ausgaben für Prävention und Kontrolle in einem messbaren Verhältnis zu geringeren Schäden? Sie werden analysieren, ob Bundesländer, die mehr in ihre Forstverwaltung investieren, tendenziell niedrigere Brandkosten und -verluste aufweisen.

Erstellen Sie 2 Punktediagramme in denen Sie für jedes Bundesland und für jedes Jahr in ihrem Datensatz die

auf der x-Achse abtragen und auf der y-Achse jeweils die logarithmierten wirtschaftlichen Verluste darlegen. Verwenden Sie hier nun alle Bundesländer (ohne die Gesamtwerte für Deutschland) im Datensatz, um ein Gesamtbild zu erhalten und ordnen Sie die 2 Diagramme so an, dass ein Vergleich zwischen den Schaubildern schnell und einfach möglich ist. Beschreiben und interpretieren Sie die Diagramme. Gehen Sie hierbei insbesondere auf folgende Fragen ein:

Die beiden Punktdiagramme zeigen den Zusammenhang zwischen den wirtschaftlichen Verlusten durch Waldbrände und den jährlichen Ausgaben der Bundesländer für Forstverwaltung sowie für sonstige Kontrollmaßnahmen. Die wirtschaftlichen Verluste wurden logarithmiert dargestellt, damit die großen Unterschiede zwischen den Schadenshöhen übersichtlich vergleichbar bleiben.

Im Diagramm zu den Forstverwaltungskosten konzentriert sich der Großteil der Punkte im Bereich niedriger Kosten, während nur wenige Bundesländer deutlich höhere Ausgaben aufweisen. Gleichzeitig streuen die Verlustwerte stark nach oben und unten. Sowohl bei geringen als auch bei hohen Verwaltungskosten kommen unterschiedlich hohe wirtschaftliche Verluste vor. Ein klarer Zusammenhang – etwa dass höhere Verwaltungsausgaben mit geringeren Schäden einhergehen – ist nicht zu erkennen. Das zweite Diagramm zeigt die sonstigen Kontrollkosten im Verhältnis zu den Verlusten. Auch hier liegen die meisten Ausgaben relativ niedrig, und die wirtschaftlichen Verluste variieren stark. Einzelne Punkte mit höheren Kontrollkosten weisen ebenfalls zum Teil hohe Verluste auf, während Länder mit niedrigen Kosten ebenfalls sehr unterschiedliche Verlustwerte erreichen. Ein eindeutiger Trend, der auf eine klare Beziehung zwischen Kontrollkosten und Schadenshöhe schließen lässt, ist auch hier nicht sichtbar.

Die logarithmische Skalierung der Verluste ist sinnvoll, da die Schadenssummen sich um mehrere Größenordnungen unterscheiden. Durch die Logarithmierung werden extreme Werte komprimiert und ein Vergleich zwischen Bundesländern und Jahren wird erleichtert.

Besonders auffällig wird der Zusammenhang, wenn die Ausgaben der Bundesländer den wirtschaftlichen Gesamtverlusten Deutschlands gegenübergestellt werden: Einige Bundesländer investieren in einzelnen Jahren ähnlich hohe oder sogar höhere Beträge in Verwaltung oder Kontrolle, als deutschlandweit an Verlusten durch Waldbrände entsteht. Dieses Verhältnis zeigt, dass Präventions- und Kontrollkosten sehr hoch ausfallen können, während die tatsächlich entstandenen Schäden im Bundesdurchschnitt deutlich geringer bleiben. Gleichzeitig wird sichtbar, dass höhere Ausgaben nicht automatisch zu niedrigeren wirtschaftlichen Verlusten führen. Die Schadenshöhen scheinen daher von Faktoren beeinflusst zu werden, die nicht direkt durch Verwaltung oder kontrollierende Maßnahmen gesteuert werden können, wie beispielsweise lokale Wetterextreme oder regionale Waldstrukturen.

Insgesamt legen beide Diagramme nahe, dass sich wirtschaftliche Verluste nicht proportional zu den Ausgaben reduzieren. Verwaltung und Kontrolle verursachen jedes Jahr feste Kosten, während Waldbrände unregelmäßig auftreten und stark schwanken. Die vorhandenen Ausgaben können zwar notwendig sein, verhindern jedoch nicht, dass in einzelnen Jahren trotz hoher Präventions- und Kontrollkosten erhebliche Verluste entstehen. Dadurch wird deutlich, dass reine Ausgabenerhöhungen allein nicht ausreichen, um Schäden zuverlässig zu verringern. Langfristig wirksame Maßnahmen – wie Verbesserung der Waldstruktur, Anpassung an Klimarisiken oder technische und organisatorische Modernisierung – erhalten dadurch eine größere Bedeutung.

Saisonale Unterschiede in Deutschland

Wie Sie zuvor gesehen haben, ist der überwiegende Teil der Waldbrände in Deutschland auf menschliches Handeln zurückzuführen. Gleichzeitig zeigen die bisherigen Analysen, dass ein höheres Ausgabenvolumen für Prävention und Kontrolle nicht automatisch mit geringeren Schäden korreliert. Um die Ursachen für die Schwankungen der Schäden besser zu verstehen und Präventionsmaßnahmen gezielt einzusetzen, lohnt es sich, die Betrachtung von der jährlichen auf die monatliche Ebene zu verfeinern. So können saisonale Muster und Zeiträume mit besonders hohem Brandrisiko identifiziert werden.

  1. Erstellen Sie ein kombiniertes Diagramm, in dem die monatliche Entwicklung der Waldbrände in Deutschland von 2018 bis zum aktuellen Jahr dargestellt wird:
  • Hierbei soll als Balkendiagramm die verbrannte Fläche (in Hektar) pro Monat abgetragen werden und als Liniendiagramm wird die Gesamtanzahl der Brände pro Monat gezeigt.
  • Verwenden Sie die monatlich aggregierten Daten aus Ihrem Datensatz waldbraende für Gesamtdeutschland.
  • Achten Sie auf eine übersichtliche Darstellung, mit klarer Achsenbeschriftung und Datum auf der x-Achse.

Beschreiben und interpretieren Sie anschließend ihre Grafik und beantworten Sie hierbei folgende Fragen:

  • In welchen Monaten treten typischerweise die meisten Brände auf und wann ist die verbrannte Fläche am größten?
  • Vergleichen Sie die Spitzen der Brandanzahl mit den Spitzen der verbrannten Fläche. Fallen diese immer zusammen?
  • Welche möglichen Ursachen könnte es geben, wenn es Monate mit vielen kleinen, aber wenigen großen Bränden gibt?
  • Welche Gründe könnten erklären, dass die Brände in den Sommermonaten über die Jahre stark schwanken?

Die Grafik zeigt ein klares saisonales Muster. Die meisten Brände treten im späten Frühjahr und im Sommer auf, besonders in den Monaten Mai bis August. Die verbrannte Fläche erreicht jedoch nicht immer genau dann ihren Höhepunkt, wenn auch die meisten Brände passieren. Das bedeutet, dass manche Sommer viele kleine Brände haben, während andere durch wenige, aber sehr große Brände geprägt sind. Solche Unterschiede entstehen oft durch die Wetterlage. Trockene und heiße Perioden begünstigen große Flächenbrände, während wechselhaftes Wetter eher viele kleinere Ereignisse verursacht. Dass die Sommerwerte zwischen den Jahren stark schwanken, zeigt, wie abhängig Waldbrände von extremen Witterungslagen sind. Insgesamt machen die Daten deutlich, dass die Brandgefahr saisonal konzentriert ist und besonders in trockenen Sommern sprunghaft ansteigen kann.

Unterschiede in Ost- und Westdeutschland

Nachdem Sie die Waldbranddynamik auf nationaler Ebene sowohl jährlich als auch saisonal analysiert haben, sollen Sie nun in die regionale Ebene einblicken. Eine deutschlandweite Betrachtung kann lokale Besonderheiten überdecken, die für gezielte politische Maßnahmen entscheidend sind. Um die strukturellen Unterschiede innerhalb Deutschlands besser zu verstehen, führen Sie eine vergleichende Analyse durch und konzentrieren sich auf zwei Bundesländer, die in den letzten Jahren besonders stark von Waldbränden betroffen waren, aber sehr unterschiedliche geografische und ökonomische Rahmenbedingungen aufweisen: Brandenburg im Osten und Bayern im Westen. Brandenburg, mit seinen sandigen Böden und ausgedehnten Kiefernwäldern, gilt als eine der trockensten und brandanfälligsten Regionen Deutschlands. Bayern hingegen ist durch seine Voralpenlage, Mischwälder und eine andere Wirtschaftsstruktur geprägt. Dieser Vergleich ermöglicht es zu untersuchen, ob es systematische Unterschiede im Schadensausmaß und in den wirtschaftlichen Verlusten zwischen Ost- und Westdeutschland gibt.

  1. Erstellen Sie eine deskriptive Tabelle für die Jahre 2022 und 2023, die für Bayern und Brandenburg folgende Kennzahlen darstellt:
  • Gesamtzahl der Brände
  • Gesamtfläche der Brände (ha)
  • Durchschnittliche Fläche pro Brand (ha/Brand)
  • Gesamte wirtschaftliche Verluste (in Tsd. €)
  • Verlust pro Hektar (in €/ha)

Beschreiben und interpretieren Sie ihre Tabelle und gehen insbesondere auf folgende Aspekte vertieft ein:

  • Welches der beiden Bundesländer verzeichnet absolut gesehen mehr Brände und größere Flächenverluste?
  • Welches Bundesland hat die höheren ökonomischen Verluste pro Hektar?
  • Was könnte dieser Unterschied über den Wert und die Art der Wälder (z.B. Nutzwald vs. Schutzwald, Holzpreise) in den beiden Regionen aussagen?
  • Basierend auf diesen Zahlen, würden Sie argumentieren, dass das “Waldbrandproblem” in beiden Bundesländern gleich gravierend ist, oder manifestiert es sich auf unterschiedliche Weise (z.B. häufige, aber weniger wertvolle Flächenbrände vs. seltenere, aber teurere Schäden)?
Kennzahlen zu Waldbränden zwischen Bayern & Brandenburg (2022 bis 2023)
Region Jahr Gesamt Brände Gesamt Fläche Durch.
Hektar / Brand		 Wirtschaftliche Verluste Verlust / Hektar
Bayern 2022 1740 2,568.00 1.48 3,564,720 1,388.13
Bayern 2023 900 528.00 0.59 2,371,680 4,491.82
Brandenburg 2022 6276 17,112.00 2.73 163,200 9.54
Brandenburg 2023 3012 9,180.00 3.05 82,800 9.02

Der Vergleich zeigt deutlich dass Brandenburg in beiden Jahren wesentlich stärker von Waldbränden betroffen ist als Bayern. Dort brennen nicht nur mehr Flächen sondern auch die Schäden fallen deutlich höher aus. In Bayern treten zwar weniger Brände auf doch die ökonomischen Verluste pro Hektar sind höher was darauf hinweist dass die Waldflächen dort wertvoller sind etwa durch höhere Holzqualitäten oder dichter bewirtschaftete Bestände. In Brandenburg zeigt sich eher ein Muster vieler Brände mit großen Flächenverlusten während Bayern seltener betroffen ist, dafür aber teurere Schäden erleidet. Wirtschaftlich bedeutet das Brandenburg kämpft stärker mit Flächenrisiken während Bayern vor allem Wertverluste trifft. Das Waldbrandproblem äußert sich also regional sehr unterschiedlich und erfordert jeweils andere Schutzmaßnahmen — Brandenburg braucht flächige Prävention und schnelle Erkennung Bayern eher zielgerichtete Schutzstrategien für wertvolle Bestände.

Die folgende Analyse schlüsselt die Verluste für die Jahre 2022 und 2023 für Bayern und Brandenburg weiter auf. Hier sollen Sie betrachten, wie groß die Verluste an hochpreisigem Stammholz und an günstigerem Industrieholz sind.

  1. Erstellen Sie für die Jahre 2022 und 2023 ein Balkendiagramm, das die strukturellen Unterschiede der Waldbrandschäden in Bayern und Brandenburg visualisiert. Hierbei soll der absolute Verlust von Stammholz (in Festmetern, m³) und Industrieholz (in Festmetern, m³) für beide Bundesländer und beide Jahre vergleichend dargestellt werden.

Beschreiben und interpretieren Sie das Diagramm und gehen Sie dabei insbesondere auf folgende Aspekte ein:

  • Vergleichen Sie die Entwicklung von 2022 zu 2023 in ihrem Diagramm. Welche Trends oder signifikanten Veränderungen fallen Ihnen auf?
  • Welche ökonomischen Schlussfolgerungen lassen sich aus ihren Ergebnissen über die Art der geschädigten Wälder in den beiden Bundesländern ziehen?

Für Bayern zeigt sich zwischen 2022 und 2023 ein deutlicher Anstieg der Holzverluste. Beide Holzarten – Stammholz und Industrieholz – steigen im Jahr 2023 erheblich an. Während die Verluste 2022 noch relativ gering sind, erreichen sie 2023 ein deutlich höheres Niveau. Besonders auffällig ist der starke Zuwachs bei Stammholz, das 2023 in Bayern klar dominiert. Industrieholz nimmt ebenfalls zu, jedoch nicht in derselben Größenordnung wie Stammholz. Dies weist darauf hin, dass die Brände in Bayern im Jahr 2023 verstärkt Bereiche betroffen haben, in denen höherwertiges Holz oder ältere Bestände standen. In Brandenburg zeigt sich ein anderes Muster. Auch hier steigen die Verluste von 2022 auf 2023 deutlich an, jedoch fällt der Anstieg von Industrieholz wesentlich stärker aus als der von Stammholz. Die Verluste an Industrieholz liegen 2023 in Brandenburg auf einem sehr hohen Niveau, während Stammholz zwar ebenfalls zunimmt, aber im Verhältnis deutlich kleiner bleibt. Dieses Verhältnis deutet darauf hin, dass die Brände in Brandenburg im Jahr 2023 vor allem jüngere Bestände oder Holz mit geringerer Wertschöpfung getroffen haben, wie es typischerweise in großflächigen Kiefernwäldern vorkommt. Der Vergleich der beiden Bundesländer macht klar, dass Waldbrände je nach Waldstruktur unterschiedliche Holzkategorien treffen. Während in Bayern 2023 vor allem höherwertiges Stammholz betroffen war, betreffen die Schäden in Brandenburg überwiegend Industrieholz. Diese Unterschiede sind wahrscheinlich auf regionale Waldtypen und Altersstrukturen zurückzuführen. Bayern besitzt einen höheren Anteil an Misch- und Laubwäldern mit wertvolleren Beständen, während Brandenburg große Kiefernflächen aufweist, die häufiger Industrieholz erbringen.

Ökonomisch betrachtet haben diese Unterschiede direkte Auswirkungen auf die Schadenshöhe. Verluste von Stammholz – wie in Bayern im Jahr 2023 – bedeuten höhere wirtschaftliche Einbußen, da dieses Holz am Markt wesentlich wertvoller ist. Brandenburg hingegen verliert zwar größere Mengen an Holz, doch der überwiegende Anteil an Industrieholz führt dazu, dass der wirtschaftliche Schaden pro Kubikmeter geringer ausfällt. Die Daten zeigen somit, dass nicht nur die Menge des verbrannten Holzes entscheidend ist, sondern auch die Art des betroffenen Waldes.

Insgesamt verdeutlicht das Diagramm, dass Waldbrände nicht in jedem Bundesland dieselbe wirtschaftliche Bedeutung haben. Bundesländer mit hohen Anteilen wertvoller Bestände tragen bei vergleichbaren Flächenverlusten ein größeres ökonomisches Risiko. Für die Gestaltung zukünftiger Präventionsmaßnahmen bedeutet dies, dass neben der reinen Brandhäufigkeit auch die Art der Waldbestände berücksichtigt werden sollte, da diese die potenziellen Verluste erheblich beeinflussen.

Nachdem Sie in den vorherigen Aufgaben die Entwicklung der Waldbrände in Deutschland über die Jahre hinweg analysiert haben, zunächst auf Jahres- und dann auf Monatsebene, sowie getrennt nach Ost- und Westdeutschland, sollen Sie nun die ökonomische Wirksamkeit möglicher Gegenmaßnahmen bewerten.

  1. Die Politik diskutiert verschiedene Ansätze, um das wachsende Problem der Waldbrände zu adressieren. Analysieren und bewerten Sie die folgenden drei Strategien unter dem Gesichtspunkt von Kosten und Nutzen. Argumentieren Sie, warum diese Maßnahmen sinnvoll oder weniger sinnvoll sein könnten und in welcher Form sie umgesetzt werden könnten:
  1. “Abschreckung und Strafen: Eine signifikante Erhöhung der Bußgelder und Strafen für fahrlässige Brandstiftung (z.B. weggeworfene Zigaretten) und vorsätzliche Brandlegung.”
  2. “Anreize für Waldumbau: Staatliche Subventionen und Förderprogramme für private und kommunale Waldbesitzer, um den Umbau von anfälligen Monokulturen (z.B. Kiefernwälder) in klimaresilientere und weniger brennbare Mischwälder zu beschleunigen.”
  3. “Investition in Technologie: Ein flächendeckender Ausbau der technischen Überwachung durch moderne Systeme wie Drohnen mit Wärmebildkameras, Satellitenüberwachung und ein dichtes Netz an Sensoren zur Früherkennung.”

Hinweis: Beziehen Sie sich auf die vorherigen Aufgaben. Diskutieren Sie auch, welche Maßnahmen zu den beobachteten Schadensmustern, saisonalen Schwankungen und regionalen Unterschieden zwischen Ost- und Westdeutschland passen, und bedenken Sie Kosten-Nutzen-Aspekte.

#Höhere Bußgelder für fahrlässige oder vorsätzliche Brandstiftung setzen direkt an der Hauptursache an und sind vergleichsweise kostengünstig. Ihre Wirksamkeit hängt jedoch stark davon ab, wie konsequent kontrolliert und durchgesetzt wird. Der Waldumbau hin zu klimaresilienten Mischwäldern reduziert langfristig das Brandrisiko großer Flächen und wirkt #nachhaltig, ist aber teuer und braucht viele Jahre, bis Effekte sichtbar werden. Moderne Überwachungstechnologien wie Drohnen, Sensoren oder Satelliten ermöglichen schnelle #Reaktionen und können Schäden deutlich begrenzen, verhindern aber menschliches Fehlverhalten nicht und sind ebenfalls kostenintensiv.

#Am wirkungsvollsten ist daher eine Kombination: kurzfristig stärkere Abschreckung, mittelfristig ein Ausbau der technischen Frühwarnsysteme und langfristig ein strategischer Waldumbau. Die Maßnahmen müssen regional angepasst werden – Brandenburg profitiert besonders vom Waldumbau und dichter Überwachung, während Bayern vor allem von konsequenter Abschreckung und dem Schutz wertvoller Bestände gewinnt. So lassen sich Ressourcen gezielt einsetzen und Brände nachhaltig eindämmen.

Zusatzfrage (optional)

Diese Frage ist von der Bearbeitung her etwas schwieriger. Bevor Sie sich an diese Aufgabe machen, sollten Sie sicherstellen, dass Sie alle vorherigen Fragen ausführlich beantwortet haben. Eine korrekte Beantwortung dieser Frage gibt einen Punktebonus von 3 Punkten (das Projekt umfasst insgesamt 30 Punkte, inkl. Screencast).

In den vorangegangenen Aufgaben haben Sie eine umfassende Analyse der ökonomischen Rahmenbedingungen der Land- und Forstwirtschaft in Deutschland durchgeführt. Sie betrachteten dabei sowohl die direkten Kosten und Förderungen auf nationaler Ebene als auch spezifische Treiber von Waldbrandschäden. Anschließend haben Sie den Fokus auf regionale Unterschiede verengt und gezeigt, dass beispielsweise in Bayern und Brandenburg die Dynamik von Waldbränden deutlich variiert. Ein Hinweis darauf, dass sowohl ökologische als auch ökonomische Faktoren lokal sehr unterschiedlich wirken.

Im nächsten Schritt weiten Sie den Blick nun auf die EU-Ebene. Sie analysieren die Verteilung und Entwicklung der Agrar- und Forstwirtschaftssubventionen über verschiedene Länder hinweg. Ziel ist es, die Gesamtbeträge pro Land und Jahr zu betrachten, Unterschiede zwischen den Mitgliedsstaaten zu identifizieren und ein Verständnis dafür zu entwickeln, wie Förderungen innerhalb Europas verteilt sind und sich über die Jahre verändern.

  1. Lesen Sie den Datensatz Finanzsubventionen_EU.csv ein und speichern Sie diesen als eu_subventionen ab. Filtern Sie nur für die Jahre ab 2010 und behalten Sie ausschließlich Länder (keine aggregierten EU-Werte). Verschaffen Sie sich nun einen ersten Überblick über ihren Datensatz. Beantworten Sie hierzu folgende Fragen:

Berechnen Sie nun mit dem Datensatz eu_subventionen die Gesamtsubventionen pro Land und Jahr. Gruppieren Sie hierzu nach Member_Name (Land) und Time (Jahr). Summieren Sie anschließend die Subventionen (Subsidy) pro Land und Jahr zu Total_Subsidy und achten Sie darauf, fehlende Werte korrekt zu behandeln. Speichern Sie dies wiederum in eu_subventionen ab.

Hinweis: Den Datensatz hierfür haben wir für Sie wieder vorbereitet. Die Ursprungsdaten können hier eingesehen werden.

Der EU-Datensatz zeigt, dass seit 2010 nahezu alle Mitgliedstaaten einzeln erfasst werden, darunter große Agrarländer wie Frankreich, Spanien und Polen ebenso wie kleinere Staaten. Der Zeitraum umfasst über ein Jahrzehnt und erlaubt damit einen guten Blick auf langfristige Entwicklungen. Die beiden Indikatortypen Output Pillar I und Output Pillar II entsprechen den zwei Säulen der Gemeinsamen Agrarpolitik: Während Pillar I Direktzahlungen und Marktstützungsmaßnahmen umfasst, bündelt Pillar II die Programme zur ländlichen Entwicklung. Damit spiegeln die Kategorien die deutsche Struktur mit EGFL-Direktzahlungen und ELER-Maßnahmen sehr genau wider.

Durch die Aggregation der Zahlungen pro Land und Jahr wird sichtbar, wie unterschiedlich die Subventionshöhe innerhalb Europas ausfällt. Staaten mit intensiver Landwirtschaft wie Frankreich erhalten besonders hohe Beträge, während Länder mit kleinerer Agrarfläche deutlich geringere Summen beziehen. Diese Unterschiede zeigen, wie stark die Förderlogik der EU auf Produktionsvolumen, Strukturbedingungen und historische Zahlungsrechte zugeschnitten ist. Gleichzeitig wird deutlich, dass die GAP-Mittel für viele Mitgliedstaaten ein zentraler wirtschaftlicher Pfeiler der Landwirtschaft bleiben.

Nachdem Sie in der vorherigen Aufgabe die Gesamtsubventionen pro Land und Jahr berechnet haben, sollen Sie nun den Datensatz vorbereiten, um im weiteren Verlauf die Verteilung der Subventionen über Europa anschaulich darzustellen. Ziel ist es, die Unterschiede zwischen Ländern und die Entwicklung über die Jahre interaktiv zu visualisieren. Hierfür können Sie im weiteren Verlauf Plotly nutzen, um eine dynamische Karte zu erstellen, die sich manuell über die Jahre steuern lässt.

  1. Um die Daten für die Visualisierung aufzubereiten und interaktiv darzustellen, laden Sie die folgenden Libraries:

Mit rnaturalearth erhalten Sie die geometrischen Daten der Länder für die Kartendarstellung. Speichern Sie in europe wiefolgt die geometrischen Daten ab:

Erstellen Sie nun den Datensatz plot_subventionen, indem Sie die geometrischen Daten mit den aggregierten Subventionsdaten verbinden. Selektieren Sie hierfür die Variablen name, iso_a3 und geometry aus dem world-Datensatz, joinen Sie dann den eu_subventionen-Datensatz über name bzw. Member_Name und filtern Sie auf die Daten zu denen Sie Subventionswerte haben.

In diesem Schritt bereitest du die Daten so auf, dass Europa später als interaktive Fördermittelkarte dargestellt werden kann. Dafür werden die geografischen Landesgrenzen mit den zuvor berechneten Subventionssummen verknüpft. Nur Länder, für die tatsächlich Subventionsdaten vorliegen, bleiben im Datensatz. Das Ergebnis ist ein sauberer, kombinierter Datensatz, der sowohl die Form jedes europäischen Landes als auch seine jährliche Subventionshöhe enthält – und damit perfekt für eine dynamische Plotly-Karte geeignet ist, die Veränderungen über die Zeit sichtbar macht.

Bevor Sie zu der interaktiven Visualisierung der Subventionen über Länder und Jahre übergehen, sollen Sie sich einen ersten Überblick über die Subventionen in der Vergangenheit verschaffen. Sie haben sich im bisherigen Projekt bereits ausführlich mit den Subventionszahlungen in Deutschland für 2023 und 2024 beschäftigt. Um zu sehen, in welchem Kontext Deutschland in der Vergangenheit stand, sollen Sie nun die 10 größten Länder nach Subventionszahlungen zwischen 2020 und 2022 darstellen und vergleichen.

  1. Erstellen Sie für die Jahre 2020 bis 2022 eine oder mehrere geeignete Grafik(en), die die Subventionszahlungen der EU in den größten Empfängerländern veranschaulichen. Hierbei soll einerseits die absolute Höhe der Gesamtsubventionen für die Top 10 Länder über die drei Jahre vergleichend dargestellt werden. Weiterhin sollen die Subventionen gestapelt nach Jahr aufgeschlüsselt werden, sodass die Entwicklung der Zahlungen pro Land über die Jahre 2020, 2021 und 2022 sichtbar wird. Filtern Sie hierzu den Datensatz plot_subventionen auf die Jahre 2020 bis 2022. Rechnen Sie die Subventionswerte geeignet um, damit sie lesbar dargestellt werden können.

Beschreiben und interpretieren Sie die Grafik(en) und gehen Sie dabei insbesondere auf folgende Aspekte ein:

Hinweis: Bestimmen Sie die Top 10 Länder nach Gesamtsumme über die drei Jahre.

Die Grafik zu den Subventionen der Jahre 2020–2022 zeigt, dass Länder wie Frankreich, Spanien, Deutschland und Italien konstant zu den größten Empfängern der EU-Agrarsubventionen gehören. Frankreich liegt klar an der Spitze – logisch, da es den größten Agrarsektor Europas hat. Insgesamt sind die Zahlungen in vielen Ländern leicht gestiegen, was vor allem auf höhere Förderbedarfe durch Klimarisiken, Marktvolatilität und steigende Produktionskosten zurückzuführen ist.

Einige Länder, wie Spanien oder Polen, zeigen deutliche Zuwächse über die drei Jahre. Das lässt sich unter anderem durch zunehmende Dürren, Strukturwandel und größere Förderprogramme für ländliche Entwicklung erklären. Länder mit geringeren Subventionssummen – etwa baltische oder nordische Staaten – haben meist kleinere Agrarflächen oder eine weniger intensive Landwirtschaft.

Insgesamt spiegeln die Unterschiede die Größe des Agrarsektors, die klimatischen Belastungen sowie die strategische Bedeutung der Landwirtschaft in den jeweiligen Ländern wider.

Wie Sie eben schon bemerken konnten, wird ein gestapeltes Balkendiagramm bei vielen Ländern und über mehrere Jahre hinweg schnell unübersichtlich. Um dem entgegenzuwirken, sollen Sie eine andere Form der Visualisierung anwenden. Sie werden sich die Verteilung der Subventionen über alle EU-Länder im Datensatz und für die Jahre 2010 bis 2022 anschauen und diese interaktiv visualisieren. Ziel ist es, dass Sie Trends, Unterschiede und Ausreißer bei den Subventionszahlungen zwischen den Ländern erkennen und über die Zeit nachvollziehen können.

  1. Erstellen Sie eine interaktive Karte. Nutzen Sie hierfür den Datensatz plot_subventionen, der die Länder-Geometrien (geometry), die aggregierten Subventionen (Total_Subsidy) und die Länderkennungen (iso_a3) enthält. Verwenden Sie die Funktion plot_ly(). Visualisieren Sie die Subventionen pro Land und Jahr, sodass die Karte über die Jahre animiert bzw. per Slider steuerbar ist. Gestalten Sie die Farbskala und den Text so, dass Subventionen und Länder leicht ablesbar sind. Optimieren Sie die Karte, um die Darstellung übersichtlich zu machen. Beschreiben und interpretieren Sie die interaktive Grafik, insbesondere hinsichtlich folgender Aspekte:

Hinweis: Überprüfen Sie die ISO3-Codes: Wenn einzelne Länder nicht korrekt angezeigt werden, können Sie die Codes in der Spalte iso_a3 anpassen.

Die interaktive Karte zeigt deutlich, dass Länder wie Frankreich, Spanien, Italien, Deutschland und Polen über die gesamte Periode 2010–2022 die höchsten Subventionssummen erhalten. Diese dominierenden Beträge spiegeln ihre große landwirtschaftliche Fläche und ihre Bedeutung für die Nahrungsmittelproduktion wider. Länder am Rand Europas etwa die baltischen Staaten oder kleinere Länder wie Luxemburg oder Malta erhalten deutlich geringere Subventionssummen. Das hängt vor allem mit ihrer geringeren Agrarfläche und agrarwirtschaftlichen Bedeutung zusammen. Auffällig ist, dass einige Länder über die Zeit starke Schwankungen zeigen. Solche Muster können auf EU-Reformen, nationale Agrarstrategien oder wirtschaftliche Krisen (z. B. Covid-19) zurückzuführen sein. Länder ohne Einfärbung haben keine passenden ISO3-Codes oder keine Subventionsdaten im Datensatz. Insgesamt zeigt die Karte, hohe Subventionen konzentrieren sich in den großen Agrarstaaten, und Veränderungen über die Zeit deuten oft auf politische Entscheidungen oder strukturelle Anpassungen in der Landwirtschaft hin.

Abschließend sollen Sie die Zusatzaufgabe noch einmal rekapitulieren und einige Fragen dazu beantworten.

  1. Sie sollen sich noch einmal bewusst werden, was Sie in den vorherigen Aufgaben analysiert haben und in welcher Form ihre Ergebnisse anwendbar und verallgemeinerbar sind. Beantworten Sie dazu Frage 1 und 2.

Frage 1: Betrachten Sie exemplarisch Deutschland und Frankreich in Ihrer interaktiven Karte.

Frage 2: Vergleichen Sie Länder mit stark schwankenden Subventionen über die Jahre (z.B. Länder, bei denen es große Anstiege oder Rückgänge gibt).

Wenn man sich Deutschland und Frankreich in der interaktiven Karte anschaut, fällt schnell auf, dass beide zwar große Empfängerländer sind, ihre Subventionssummen aber aus unterschiedlichen Gründen variieren. Deutschland bekommt viel Geld, weil die landwirtschaftlichen Strukturen breit aufgestellt sind und viele Betriebe von Direktzahlungen abhängig sind, während Frankreich traditionell zu den größten Empfängern zählt, da die Agrarpolitik dort eine noch stärkere Rolle spielt und der Staat landwirtschaftliche Strukturen oft gezielt stützt. Ein großer Teil der Unterschiede lässt sich also nicht allein durch die EU erklären, sondern durch nationale Prioritäten, die Größe und Spezialisierung der Landwirtschaft und historische Entwicklungen. Für die Wirtschaftspolitik bedeutet das, dass Subventionen zwischen Ländern nicht einfach vergleichbar sind. Jedes Land hat seine eigene Logik, warum bestimmte Bereiche mehr unterstützt werden als andere und das macht eine einheitliche Bewertung ziemlich schwierig.

Wenn man sich dann Länder mit stark schwankenden Subventionen anschaut, zum Beispiel solche mit plötzlichen Anstiegen oder Einbrüchen, erkennt man oft Muster, die über reine Agrarpolitik hinausgehen. Solche Sprünge entstehen häufig durch politische Richtungswechsel, wirtschaftliche Krisen oder Fördermaßnahmen, die zeitlich begrenzt sind. Manche Länder reagieren stärker auf EU-weite Umschichtungen, andere werden stärker durch nationale Programme beeinflusst. Die Schwankungen erzählen also viel darüber, wie instabil oder veränderungsanfällig die Landwirtschaft in einem Land ist und manchmal auch darüber, wie sehr ein Land auf externe Unterstützung angewiesen ist. Diese Entwicklungen lassen sich oft nur verstehen, wenn man politische Entscheidungen und wirtschaftliche Rahmenbedingungen im jeweiligen Zeitraum betrachtet, denn Subventionen spiegeln selten nur die Landwirtschaft wider, sondern auch die Prioritäten eines Landes und seine finanziellen Möglichkeiten.