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-Argrarsubventionen:

Wirtschaftliche Bedeutung:

Bedeutung für den Arbeitsmarkt:

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.


EGFL
Der Europäische Garantiefonds für die Landwirtschaft (EGFL) stellt die Finanzierungsgrundlage der ersten Säule der Gemeinsamen Agrarpolitik (GAP) dar. Aus ihm werden überwiegend die Direktzahlungen an landwirtschaftliche Betriebe sowie marktbezogene Maßnahmen finanziert, die der Stabilisierung der Agrarpreise und -märkte dienen. Der EGFL verfolgt damit primär das Ziel, die Einkommen der Landwirte zu sichern, Preisschwankungen abzufedern und die Wettbewerbsfähigkeit der europäischen Landwirtschaft zu unterstützen.

ELER
Der Europäische Landwirtschaftsfonds für die Entwicklung des ländlichen Raums (ELER) finanziert die zweite Säule der Gemeinsamen Agrarpolitik (GAP). Er fördert strukturelle und entwicklungsorientierte Maßnahmen, darunter Investitionen in landwirtschaftliche Betriebe, Agrarumwelt- und Klimaschutzprogramme, Existenzgründungen sowie Infrastrukturprojekte in ländlichen Regionen. Der Schwerpunkt liegt auf einer langfristigen, nachhaltigen Entwicklung des ländlichen Raums und nicht auf der Stabilisierung von Märkten oder Einkommen.

Nationale Kofinanzierung
Die nationale Kofinanzierung bezeichnet den Finanzierungsanteil, den ein Mitgliedstaat zusätzlich zu den EU-Mitteln bereitstellt. Besonders im Rahmen des ELER ist diese Kofinanzierung von zentraler Bedeutung, da die erste Säule der GAP (EGFL) vollständig aus EU-Mitteln finanziert wird und keine nationale Beteiligung vorsieht. Viele ELER-Maßnahmen können daher nur durch die Kombination aus europäischen und nationalen Mitteln realisiert werden. Ohne die ergänzenden Beiträge von Bund oder Ländern würden zahlreiche Projekte der ländlichen Entwicklung – etwa im Bereich Umwelt, Infrastruktur oder Betriebsinvestitionen – nicht umgesetzt 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.

In diesem Fall bietet sich der “left_join” an, da man in waldbraende_gesamt schon alle Daten für alle Regionen und Jahre enthalten hat und diese dann lediglich um die Informationen aus waldbraende_informationen ergänzt.

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

Konsistenzprüfung der Förderbeträge: Vergleich offizieller und berechneter Summen nach Bundesland (in Mio. €)
Bundesland gesamter Förderbetrag berechneter Förderbetrag absolute Abweichung
Bayern 1.421,23 1.286,81 134,42
Niedersachsen 966,03 939,27 26,76
Baden-Württemberg 683,39 613,81 69,57
Nordrhein-Westfalen 633,84 594,13 39,71
Sachsen-Anhalt 598,78 552,65 46,14
Mecklenburg-Vorpommern 598,51 569,97 28,54
Brandenburg 598,36 564,37 33,99
Sachsen 475,95 446,33 29,62
Thüringen 425,68 392,95 32,74
Schleswig-Holstein 399,57 370,23 29,34
Hessen 335,00 320,41 14,59
Rheinland-Pfalz 323,47 293,27 30,21
Saarland 34,71 31,22 3,50
Hamburg 7,40 7,23 0,17
Berlin 6,35 5,47 0,87
Bremen 4,87 4,40 0,47


Die Tabelle „Konsistenzprüfung der Förderbeträge: Vergleich offizieller und berechneter Summen nach Bundesland“ vergleicht den gesamten und den berechneten Förderbetrag aller Bundesländer sowie die absolute Abweichung zwischen diesen Werten. Alle Angaben erfolgen in Millionen Euro.

Die Analyse der summierten Einzelbeträge im Vergleich zu den offiziell ausgewiesenen Gesamtförderbeträgen zeigt deutliche Abweichungen zwischen den Bundesländern. Besonders hohe Differenzen treten in Bayern (ca. 134,4 Mio. €), Baden-Württemberg (ca. 69,6 Mio. €), Sachsen-Anhalt (ca. 46,1 Mio €), Nordrhein-Westfalen (ca. 39,7 Mio €) auf. Diese Länder verfügen über umfangreiche landwirtschaftliche Strukturen und eine große Zahl förderberechtigter Betriebe, wodurch auch das Gesamtvolumen der Zahlungen deutlich höher ist als in kleineren Bundesländern oder Stadtstaaten. Selbst kleinere Abweichungen auf Einzelfallebene wirken sich deshalb bei der Aggregation stark auf die Gesamtsumme aus. In Ländern wie Hamburg, Bremen oder Berlin fallen die Differenzen dagegen wesentlich geringer aus, was in erster Linie auf das insgesamt niedrigere Fördervolumen zurückzuführen ist.

Dass trotz der Nutzung offizieller EU-Daten Unterschiede zwischen den ausgewiesenen Gesamtbeträgen und den berechneten Fördersummen entstehen, lässt sich durch grundlegende Eigenschaften der Gemeinsamen Agrarpolitik (GAP) erklären. Während der EGFL vollständig aus EU-Mitteln finanziert wird und die entsprechenden Zahlungen direkt auf EU-Ebene erfolgen, bestehen ELER-Mittel aus einem Mischfinanzierungsmodell, bei dem die EU einen Teil und die jeweiligen Mitgliedstaaten einen zusätzlichen nationalen Beitrag (die Nationale Kofinanzierung) leisten. Dieser nationale Anteil wird nicht immer gleichzeitig mit den EU-Zahlungen verbucht, sondern kann zeitlich versetzt erfolgen oder über unterschiedliche Haushaltsjahre verteilt sein. Zudem werden Zahlungen für mehrjährige Fördermaßnahmen häufig in Tranchen ausgezahlt, sodass die im Datensatz erfassten Einzelbeträge nicht zwingend mit den offiziell ausgewiesenen Gesamtbeträgen übereinstimmen. Zusätzlich spielen Rundungsdifferenzen, unterschiedliche Aggregationsregeln und die Tatsache eine Rolle, dass ein Begünstigter mehrere Fördermaßnahmen erhalten kann, die im Datensatz jeweils einzeln erscheinen.

Insgesamt beruhen die beobachteten Differenzen daher höchstwahrscheinlich nicht auf Fehlern in den Daten, sondern auf der strukturellen Komplexität der GAP-Finanzierung sowie den vielfältigen administrativen Prozessen, die zwischen Zusage, Auszahlung und endgültiger Abrechnung liegen. Theoretisch wäre es zwar denkbar, dass einzelne Abweichungen auch aus fehlerhaften Meldungen oder Unregelmäßigkeiten entstehen, doch lässt sich dies mit dem vorliegenden Datensatz weder bestätigen noch ausschließen. Die Datenlage erlaubt lediglich die Feststellung, dass Abweichungen auftreten, nicht aber eine Aussage über deren konkrete Ursache. Daher ist es angemessen, die Differenzen primär auf administrative oder zeitliche Faktoren zurückzuführen, die für EU-Förderprozesse typisch sind.

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:

Begünstigte mit den höchsten und niedrigsten Gesamtfördersummen im Jahr 2024
Name des Begünstigten Gesamter Förderbetrag in € Postleitzahl Gemeinde Bundesland
Top 6 Empfänger
Landesbetr. f.Hochwasserschutz u. Wasserwirtsch. (LHW) 37.149.868,42 39104 Magdeburg, Landeshauptstadt Sachsen-Anhalt
Landesbetrieb für Küstenschutz Nationalpark u Meeresschutz 17.070.234,73 25813 Husum, Stadt Schleswig-Holstein
Land Mecklenburg-Vorpommern Ministerium für 13.243.166,07 19061 Schwerin, Landeshauptstadt Mecklenburg-Vorpommern
Landesamt für Umwelt (LfU) 7.892.895,63 14476 Potsdam, Stadt Brandenburg
Landgard Obst + Gemüse GmbH + Co. KG 3.825.087,21 47638 Straelen, Stadt Nordrhein-Westfalen
Landesforst Mecklenburg-Vorpommern 3.795.238,63 17139 Malchin, Stadt Mecklenburg-Vorpommern
Niedrigste 6 Empfänger
Kleinempfänger 25,48 97348 Markt Einersheim, M Bayern
Kleinempfänger 26,45 02894 Vierkirchen Sachsen
Kleinempfänger 36,43 29468 Bergen an der Dumme, Flecken Niedersachsen
Kleinempfänger 36,45 97753 Karlstadt, St Bayern
Kleinempfänger 48,80 96482 Ahorn Bayern
Kleinempfänger 55,51 04886 Arzberg Sachsen

Eine Beobachtung im Datensatz subventionen_gesamt entspricht einer einzigen Zeile und beschreibt jeweils einen Begünstigten in einem bestimmten Haushaltsjahr. Jede dieser Zeilen enthält sämtliche relevante Informationen zu diesem Empfänger, darunter Haushaltsjahr, Name des Begünstigten, Postleitzahl, Gemeinde, Bundesland und den betroffenen Staat. Außerdem umfasst jede Beobachtung die einzelnen Förderbeträge aus EGFL, ELER und der nationalen Kofinanzierung sowie sowohl den offiziell ausgewiesenen Gesamtförderbetrag als auch den von uns neu berechneten Gesamtbetrag. Eine Beobachtung bildet somit die vollständige Fördersumme eines Empfängers für ein Jahr ab, unabhängig davon, wie viele Einzelfördermaßnahmen dieser im ursprünglichen Datensatz tatsächlich erhalten hat.

Der Vergleich der sechs höchsten und sechs niedrigsten Empfänger zeigt eine erhebliche Unterschiede in der Höhe der bewilligten Fördermittel. Unter den Top-6-Empfängern dominieren staatliche Einrichtungen und öffentliche Institutionen. Dazu gehören Landesbehörden für Hochwasserschutz, Landesämter für Umwelt, Küsten- und Naturschutzbetriebe sowie, erst an sechster Stelle, ein landesforstlicher Betrieb. Diese Empfänger erhalten jeweils Fördersummen im Millionenbereich, was darauf zurückzuführen ist, dass sie große Umweltschutz-, Infrastruktur- oder Naturschutzprojekte durchführen, oftmals im Rahmen mehrjähriger ELER-Maßnahmen mit erheblichen Budgetvolumina. In dieser Spitzengruppe spielt die klassische Landwirtschaft überraschenderweise kaum eine Rolle. Landwirtschaftliche Betriebe tauchen unter den Top-Empfängern nicht auf, und auch die Forstwirtschaft ist nur durch eine staatliche Einrichtung vertreten, die erst am Ende der Gruppe erscheint.

Auf der anderen Seite stehen die sechs niedrigsten Empfänger, die allesamt nur sehr geringe Beträge, meist unter 100 Euro, erhalten haben. Hierbei handelt es sich typischerweise um Kleinstempfänger wie kleine landwirtschaftliche oder forstwirtschaftliche Betriebe, Nebenerwerbsbetriebe oder Privatpersonen mit minimalen Flächen oder sehr spezifischen Einzelmaßnahmen. Solch niedrige Zahlungen entstehen beispielsweise durch kleine Agrarumweltmaßnahmen oder geringfügige Flächenförderungen, die sich aus der Größe der bewirtschafteten Flächen oder der Art der Maßnahme ergeben.

Die Forstwirtschaft nimmt insgesamt eine eher untergeordnete Rolle ein. Zwar taucht sie unter den Top-Empfängern auf, jedoch erst an letzter Stelle und in Form einer staatlichen Einrichtung. Die höchsten Förderbeträge fließen vor allem in Projekte des Umwelt-, Küsten- und Naturschutzes sowie in staatliche Infrastrukturmaßnahmen, nicht aber in die traditionelle Bewirtschaftung land- oder forstwirtschaftlicher Betriebe. Gleichzeitig ist die Forstwirtschaft auch unter den Kleinempfängern vertreten, allerdings eher in Gestalt kleiner Privatwaldbesitzer oder Nebenerwerbsforstbetriebe, die nur geringe Zahlungen erhalten. Insgesamt zeigt sich damit, dass die Forstwirtschaft im Datensatz zwar präsent ist, jedoch weder im oberen noch im unteren Bereich eine dominante Rolle spielt. Die größten Fördermittel konzentrieren sich klar auf staatliche und öffentliche Institutionen, die umfangreiche Umwelt- und Naturschutzmaßnahmen durchführen.

  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 Statistik verschiedener Fördervariablen
Variable Anzahl Beobachtungen Mittelwert Median Standardabweichung Minima Maxima
EGFL Förderbetrag 288.334 18.075,44 7.256,10 51.772,29 0 6.345.377
ELER Förderbetrag 288.334 5.818,06 560,53 87.094,53 -840 28.223.329
Nationale Kofinanzierung 288.334 357,98 0,00 2.362,96 0 644.951
Förderbetrag gesamt 288.334 26.057,11 10.011,80 132.233,18 0 37.149.868
Förderbetrag berechnet 288.334 24.251,48 9.515,18 104.736,93 0 28.223.329


Die deskriptive Tabelle zeigt, dass die Verteilungen aller Fördervariablen stark rechtsschief sind. Dies wird vor allem durch die deutlichen Unterschiede zwischen Median und Mittelwert sichtbar. Der Median liegt bei allen Variablen erheblich unter dem Mittelwert, was darauf hinweist, dass die Mehrheit der Begünstigten vergleichsweise kleine Beträge erhält, während wenige sehr große Zahlungen den Durchschnitt stark nach oben ziehen. Ein typischer EGFL-Förderbetrag liegt bei etwa 7.256 €, der Durchschnitt jedoch bei über 18.000 €. Beim ELER-Förderbetrag fällt die Diskrepanz noch deutlicher aus: Der Median beträgt lediglich 560 €, während der Mittelwert mit rund 5.818 € mehr als das Zehnfache beträgt.

Besonders auffällig ist die enorme Spannweite der Daten. Während die meisten Förderbeträge im niedrigen bis mittleren vierstelligen Bereich liegen, zeigen die Maximalwerte Extrembeträge im Millionenbereich. Der höchste EGFL-Betrag beläuft sich auf über 6,3 Millionen Euro, während der maximale ELER-Betrag sogar mehr als 28 Millionen Euro erreicht. Der Gesamtförderbetrag pro Empfänger weist ein Maximum von rund 37,1 Millionen Euro auf. Diese sehr hohen Einzelbeträge erklären auch die großen Standardabweichungen, die bei allen Variablen ein Vielfaches der Medianwerte darstellen und die ausgeprägte Streuung der Daten widerspiegeln.

Insgesamt wird deutlich, dass die Verteilung der Fördermittel sehr ungleich ist: Die breite Masse der Begünstigten erhält relativ geringe Beträge, während wenige Großempfänger außergewöhnlich hohe Zahlungen erhalten. Dadurch wird der Mittelwert als Maß der zentralen Tendenz stark verzerrt, während der Median die typische Förderhöhe wesentlich besser abbildet. Die Tabelle zeigt somit eine Förderlandschaft, die durch viele kleine und wenige sehr große Auszahlungen gekennzeichnet ist. Erklären lassen sich diese großen Diskrepanzen folgendermaßen: Zum einen werden Institutionen und Landesbehörden gefördert, welche beispielsweise im Hochwassserschutz oder im Landesforst tätig sind. Des weiteren werden aber auch vergleichsweise viele Kleinunternehmen oder Privatpersonenn gefördert. Diese benötigen deutlich weniger Subventionen, da ihre Vorhaben auch weniger kostenspielig sind. Demnach ensteht ein solch großer Unterschied zwischen Median und Mittelwert.

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:




Das Diagramm zeigt Prozentuale Zusammensetzung der Fördermittel für jedes Bundesland in dem Jahr 2023. Vertreten sind dabei EGFL (rot), ELER (grün), Nationale Kofinanzierung (blau) und Sonstige Nationale Mittel (lila), welche dem jeweiligen Bundesland anteilig gegenübergestellt werden.

Die grafische Darstellung der prozentualen Fördermittelzusammensetzung im Jahr 2023 zeigt, bis auf einige Ausreißer, keine deutlichen Unterschiede zwischen den Bundesländern. Der Grundkonsens ist, dass der EGFL-Förderbetrag den Großteil eines jeden Bundeslandes ausmacht. Den zweitgrößten Anteil macht in der Regel der ELER-Förderbetrag aus und sonstige Nationale Mittel den drittgrößten Anteil. Die Nationale Kofinanzierung taucht in dem Diagramm nirgendwo in relevanter Größenordnung auf.

Nun zu den Auffälligkeiten: Besonders auffällig ist zunächst, dass der EGFL-Förderbetrag, also die zentralen Direktzahlungen der ersten Säule der GAP zwar in den meisten Bundesländern den größten Anteil ausmacht, jedoch nicht überall dominiert. Während Länder wie Hamburg (über 80 %), Niedersachsen (über 75 %), Schleswig-Holstein (ca. 75 %) oder Baden-Württemberg (ca. 64 %) sehr hohe EGFL-Anteile aufweisen, zeigt vor allem Berlin eine komplett andere Struktur. Hier stellt der ELER-Förderbetrag mit über 57 % den größten Anteil dar, während der EGFL-Anteil nur etwa 28 % beträgt. Berlin fällt damit als deutliches Ausreißerbeispiel auf, was vor allem durch die geringe landwirtschaftliche Fläche und die stärkere Ausrichtung auf stadtnahe Entwicklungs- oder Umweltmaßnahmen zu erklären ist. Auch Bremen hat als Stadtstaat auch keine besonders ausgeprägte Agrarwirtschaft und gehört deswegen mit einem EGFL-Anteil von “nur” knapp 50 % und einem vergleichsweise hohen ELER-Anteil von rund 35 % zu solchen Ausreißerbeispielen. Erklären lässt sich das unter anderem durch die Tatsache, dass bei diesen Stadtstaaten generell die EGFL-Fördermittel geringer ausfallen und deshalb der ELER einen umso größeren Anteil an den Gesamtfördermitteln des jeweiligen Bundeslandes ausmacht.

Die nationale Kofinanzierung spielt wie bereits erwähnt insgesamt nur eine marginale Rolle. Mit Ausnahme von Nordrhein-Westfalen (ca. 0,18 %) und Niedersachsen (ca. 0,56 %) tritt sie in keinem Bundesland in signifikanter Höhe auf. Diese Zahlen bestätigen, dass der Großteil der Förderinstrumente direkt über EU-Mittel abgewickelt wird und nationale Kofinanzierungen nur in wenigen spezifischen Förderprogrammen vorkommen.

Nun zu den „sonstigen nationalen Mittel“, also die Differenzen zwischen dem offiziellen Gesamtförderbetrag und dem berechneten Fördersummenmodell. Diese Anteile variieren zwar moderat, aber auch nicht besonders viel zwischen den Bundesländern. In Hamburg oder Niedersachsen liegen sie mit etwa < 5% eher niedrig, während die Anteile in Berlin (ca. 14%), Saarland (ca. 15%), Bremen (ca. 14%) und Baden-Württemberg (ca. 15%) höher ausfallen. Die Unterschiede bei den sonstigen nationalen Mitteln ergeben sich vor allem aus der jeweiligen Förderarchitektur und den landesspezifischen Programmen. Nationale Mittel sind oft niedriger als EGFL/ELER-Mittel, weil EGFL (Direktzahlungen) EU-weit vereinheitlicht ist, ELER (Ländliche Entwicklung) stark kofinanziert wird und zusätzliche nationale Gelder als staatliche Beihilfen gelten, die strengen EU-Regeln unterliegen – was eine Aufstockung erschwert und das Risiko von Wettbewerbsverzerrungen birgt; Länder bevorzugen die EU-Regelungen, um Rechtssicherheit zu haben, und wollen die Landwirtschaft nicht durch zu viele eigene Subventionen überregulieren.

Die in Aufgabe 2 definierten Begrifflichkeiten im Hinterkopf behaltend, lässen sich nun gewisse ökonomische Schwerpunkte aus diesen unterschiedlichen Strukturen für die Agrarpolitik der jeweiligen Bundesländer ableiten. Deutschland als ganzes betrachtet, hat definitiv einen Schwerpunkt auf EGFL-Fördermittel. Sprich: Im Großen und Ganzen wird der Fokus stark auf Einkommenssicherung und Unterstützung der Wettbewerbsfähigkeit der Landwirtschaft gelegt. Ein weiterer Fokus liegt bei nachhaltiger Struktur -und Entwicklungsorientierung. Bundesländer, bei denen hier ein besonderer Schwerpunkt vorliegt, sind zum Beispiel Bremen und Berlin, die vergleichsweise wenige Direktzahlungen erhalten und deshalb die Fördermittel-Investitionen (zB. in Infrastrukturprojekte und Klimaschutzprogramme) hier einen größeren Anteil ausmachen.

Insgesamt zeigt die Grafik somit, dass die Agrarförderstruktur der Länder nicht einheitlich auf die verschiedenen Fördermittel verteilt ist, sondern eng mit der regionalen Wirtschaftsstruktur, der Bedeutung des Agrarsektors und den spezifischen Entwicklungsbedürfnissen der Länder verknüpft ist. Große Flächenländer und jene mit intensiver Landwirtschaft sind stark EGFL-dominiert (sind sehr abhängig von den Direktzahlungen, da sie oft die Einkommen absichern), während Länder mit geringer landwirtschaftlicher Fläche oder spezifischen strategischen Ausrichtungen mehr Schwerpunkte auf ELER-Fördermittel haben (Investitionen in nachhhaltige Projekte, auch zukunftsweisend).

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 Gesamtfördersummen zwischen 2023 und 2024 auf Bundeslandebene
Bundesland Fördersumme 2023
in Mio. € 		Fördersumme 2024
in Mio € 		Absolute Veränderung
in Mio. € 		Relative Veränderung
in %
Bayern 814,11 607,12 -206,99 -25,4
Niedersachsen 577,14 388,89 -188,25 -32,6
Sachsen-Anhalt 351,54 247,24 -104,30 -29,7
Mecklenburg-Vorpommern 344,70 253,81 -90,89 -26,4
Brandenburg 343,29 255,08 -88,21 -25,7
Sachsen 280,39 195,56 -84,83 -30,3
Nordrhein-Westfalen 356,61 277,23 -79,38 -22,3
Schleswig-Holstein 227,04 172,53 -54,51 -24,0
Baden-Württemberg 368,65 314,74 -53,91 -14,6
Rheinland-Pfalz 186,46 137,01 -49,45 -26,5
Thüringen 227,59 198,09 -29,50 -13,0
Hessen 181,51 153,49 -28,02 -15,4
Berlin 3,76 2,59 -1,18 -31,3
Hamburg 3,96 3,44 -0,52 -13,1
Bremen 2,61 2,26 -0,35 -13,4
Saarland 17,38 17,33 -0,05 -0,3


Die Tabelle “Entwicklung der Gesamtfördersummen zwischen 2023 und 2024 auf Bundeslandebene” visualisiert die Entwicklung der Gesamtfördersummen für alle deutschen Bundesländer in den Jahren 2023 und 2024. Dabei werden den einzelnen Bundesländern die jeweiligen Summen in diesen Jahren, sowie die absolute und relative Veränderung in jeweils einer Spalte gegenübergestellt. Die Zahlen sind in Millionen Euro geschrieben, außer bei der relativen Veränderung, welche in Prozent angegeben wird.

Die Bundesländer, welche mit Abstand am meisten Fördersummen über die beiden Jahre erhalten haben sind Bayern (ca. 1421 Mio €) und Niedersachsen (ca. 966 Mio €). Ein zweiter Block an sehr untereinander ähnlich hohen Fördersummen enthält die Bundesländer Baden-Württemberg (ca. 683 Mio €), Nordrhein-Westfalen (ca. 634 Mio €), Sachsen-Anhalt (ca. 599 Mio €), Mecklenburg-Vorpommern (ca. 599 Mio €) und Brandenburg (ca. 598 Mio €). Die restlichen Bundesländer sind ein weiterer Block, jener mit den geringsten Fördersummen.

Die zentrale Beobachtung ist ein Rückgang der Fördersummen bei allen Bundesländern von 2023 auf 2024. Dies deutet darauf hin, dass die Entwicklung kein einzelnes Länderphänomen, sondern ein struktureller Effekt ist. Bayern und Niedersachsen verschreiben in absoluten Zahlen die größten Rückgänge (-206 bzw. -188 Mio €). Diese Länder gehören zu den größten Agrarstandorten Deutschlands, weshalb die Fördersummen auch entsprechend hoch ausfallen. Auch der Rückgang in absoluten Zahlen ist bei solch großen Werten besonders sichtbar. Die geringsten absoluten Rückgänge verschreiben die Bundesländer Saarland, Hamburg, Berlin und Bremen (≤ -1 Mio €), was erwartbar war, da Stadtstaaten weniger Agrarfläche und damit wenig Fördermittel haben. Auch das Saarland, als kleines Bundesland hat wenig Agrarfläche. Die relativen Veränderungen geben jedoch ein ganz anderes Bild. Nun gehört Berlin zu den stärksten Rückgängen Deutschlands (ca. -31%). Dazu gehören noch Sachsen (ca. -30%), Niedersachsen (ca. -33%) und Sachsen-Anhalt (ca. -30%).

Die Reduzierung der Agrarfördersummen in mehreren deutschen Bundesländern lässt sich im Wesentlichen durch strukturelle Veränderungen in der Gemeinsamen Agrarpolitik (GAP) 2023–2027 erklären. Laut EU-Kommission wurden die Direktzahlungen grundlegend reformiert, indem pauschale flächenbasierte Zahlungen reduziert und durch stärker umwelt- und klimabezogene Fördermechanismen ersetzt wurden. Damit verschiebt sich der Mitteleinsatz deutlich hin zu Öko-Regelungen und Agrarumweltmaßnahmen. Diese Umschichtung wird durch den deutschen GAP-Strategieplan verstärkt, der Prioritäten auf Umwelt-, Klima- und Biodiversitätsziele legt, wodurch klassische Förderbereiche weniger Mittel erhalten. Beispielsweise entfiel dadurch eine relevante Einnahmequelle für viele landwirtschaftliche Betriebe, insbesondere in Ländern mit intensiver Flächenwirtschaft. Zugleich zeigen Analysen des Umweltbundesamtes, dass durch die Neuausrichtung der GAP ein größerer Anteil der europäischen Agrargelder für klimawirksame Maßnahmen vorgesehen ist, was zwangsläufig zu Verschiebungen im Fördervolumen der bisherigen Programme führt. Die auffälligen Rückgänge ergeben sich somit aus einem Zusammenspiel von EU-weiten Reformen und nationalen Schwerpunktsetzungen. Berlin weist wegen seines sehr kleinen landwirtschaftlichen Flächenanteils besonders hohe prozentuale Rückgänge auf, da die EU-Agrarförderung überwiegend flächengebunden vergeben wird. Schon kleinere absolute Kürzungen oder Umschichtungen in der GAP wirken dadurch in Berlin überproportional stark.

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:

In dem Artikel wird berichtet, dass Extremwetterereignisse seit dem Jahr 2000 durchschnittliche jährliche Schäden von rund 6,6 Milliarden Euro verursachen. Für die besonders betroffenen Hitzesommer 2018 und 2019 werden zusammen mindestens 35 Milliarden Euro Schäden genannt, was auf beide Jahre verteilt über 17 Milliarden Euro pro Jahr entspricht. Im Vergleich dazu liegen die agrarischen Fördermittel, die wir in unserer Analyse für die Bundesländer berechnet haben, nur im einstelligen Milliardenbereich pro Jahr. Die Summen der GAP-Direktzahlungen und weiteren Fördermittel bewegen sich insgesamt lediglich um wenige Milliarden Euro, während die jährlichen Extremwetterschäden ein Mehrfaches davon ausmachen. Dadurch wird deutlich, dass die wirtschaftlichen Belastungen durch Klimafolgen die Größenordnung der landwirtschaftlichen Subventionen weit übersteigen.

Vor diesem Hintergrund lassen sich die Subventionen als eine Art staatliche Risikoprämie interpretieren, da sie Landwirten helfen, klimabedingte Ertragsschwankungen finanziell abzufedern und Liquiditätsengpässe zu vermeiden, während die eigentlichen Schadenssummen ein Vielfaches übersteigen

Der im Artikel zitierte Appell von Bundesumweltministerin Lemke und Bundeswirtschaftsminister Habeck, stärker in „Krisenvorsorge“ und Anpassungsmaßnahmen zu investieren, weist darauf hin, dass eine Politik reiner Schadenskompensation strukturelle Fehlanreize setzt. Sie gleicht Verluste nach Extremereignissen aus, verhindert aber zukünftige Schäden nicht. Ökonomisch ist das ineffizient, weil Mittel wiederholt für Reparaturen statt für Risikoreduktion aufgewendet werden. Präventive Investitionen wie Klimaanpassungsmaßnahmen weisen hingegen langfristig oft ein höheres Kosten-Nutzen-Verhältnis auf, da sie Schadenserwartungswerte senken und die Abhängigkeit von dauerhaften Ausgleichszahlungen reduzieren

Eine Erhöhung der Direktzahlungen (Ansatz A) bietet den Vorteil, dass Landwirte nach extremen Ernteausfällen unmittelbar über Liquidität verfügen und wirtschaftlich stabil bleiben. Der Nachteil ist jedoch, dass Direktzahlungen keine strukturelle Risikominimierung bewirken und somit langfristig immer neue Kompensationen erforderlich machen können. Eine Umschichtung zu projektbezogenen ELER-Förderungen (Ansatz B) ermöglicht gezielte Investitionen in klimaresiliente Technologien, wodurch sich künftige Schäden reduzieren lassen. Dies erhöht die langfristige Effizienz der öffentlichen Mittel. Allerdings sind solche Maßnahmen oft aufwendiger in Planung und Umsetzung, und ihre Wirkung tritt erst mittel- bis langfristig ein, was kurzfristige Belastungen für Betriebe nicht unmittelbar abfedert

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.

Waldbrandgeschehen in Deutschland (2018–2024)
Jahr Anzahl der Brände Verbrannte Fläche in ha Wirtschaftliche Verluste in T€ Entstandene Schäden in T€
2018 2.349 1.708 2.144,43 2.670
2019 2.711 1.523 1.662,95 2.220
2020 368 1.360 1.595,80 2.190
2021 148 548 659,24 670
2022 3.058 2.397 4.851,38 5.140
2023 1.240 1.059 957,33 1.190
2024 334 563 680,25 680


Die Tabelle “Waldbrandgeschehen in Deutschland (2018-2024)” enthält für jedes Jahr vier Kennzahlen: die Anzahl der Brände, die verbrannte Fläche in Hektar, die wirtschaftlichen Verluste in Euro und die entstandenen Schäden in Euro. Extremjahre, in denen die Schadenssummen 1.5 Millionen Euro überschritten haben, sind rot gekennzeichnet.

Die höchsten ökonomischen Schäden traten 2022 auf (ca. 5,14 Mio. €). Gleichzeitig war dies auch das Jahr mit der größten verbrannten Fläche (2.397 ha) und der höchsten Anzahl an Bränden (3.058). Ebenfalls auffällig ist 2018, das trotz einer geringeren Fläche (1.708 ha) und niedrigeren Schadenssummen (2,67 Mio. €) zu den stärker belasteten Jahren gehörte. 2019 und 2020 gehören mit entstandenen Schäden von jeweils über 2 Millionen Euro, verbrannter Fläche von über jeweils 1300 Hektar und wirtschaftlichen Verlusten von jeweils über 1.5 Millionen Euro auch zu den Extremjahren. Die niedrigsten Werte über alle Indikatoren finden sich 2021 und 2024.

Die Kombination der Werte zeigt, dass die Branddynamik stark variieren kann. Jahre wie 2022 mit vielen Bränden und großer Gesamtfläche deuten auf zahlreiche, teils großflächige Feuer hin, die vermutlich durch anhaltende Trockenheit begünstigt wurden. Das Jahr 2020 hingegen fällt dadurch auf, dass trotz weniger Brände (368) eine außergewöhnlich große Fläche (1.360 ha) verbrannte. Das ist ein klares Zeichen für wenige, aber sehr große und schwer kontrollierbare Einzelbrände. In ruhigeren Jahren wie 2021 und 2024 sind sowohl Brandanzahl als auch Flächen gering, was auf kleine und weniger häufige Feuer hindeutet. Diese Muster zeigen, dass hohe Schadenssummen nicht nur von der Häufigkeit, sondern vor allem von der Intensität einzelner Brände abhängen.

Ein klarer linearer Trend ist nicht erkennbar, weil sich die Werte stark zwischen den Jahren unterscheiden. Die Schadenssummen zeigen zwar hohe Ausschläge in einzelnen Jahren (2018, 2022), nämlich Schadenssummen von etwa 2,67 Millionen beziehungsweise 5,14 Millionen Euro, aber insgesamt keine kontinuierliche Zunahme von 2018 bis 2024. Vielmehr handelt es sich um ein Muster starker Schwankungen, das typisch für klimabedingte Extremereignisse ist: einzelne „Ausreißerjahre“ mit massiven Schäden werden von ruhigeren Perioden wie vor allem in den letzten Jahren 2023 und 2024 unterbrochen. Die entstandenen Schäden in Höhe von circa 1,19 Millionen und 0,68 Millionen Euro sind deutlich geringer ausgefallen als in den Extremjahren. Die Daten stützen daher die Interpretation, dass Waldbrandrisiken volatil und extremwetterabhängig, aber nicht stetig steigend sind.

Die Waldbrandschäden liegen jährlich zwischen 0,67 Millionen und 5,14 Millionen Euro. Das ist um Größenordnungen niedriger als die Agrarsubventionen, die sich bundesweit auf mehrere Milliarden Euro pro Jahr belaufen. Während die Waldbrandschäden ein relativ kleiner, aber lokaler und für die Forstwirtschaft dennoch schmerzhafter Kostenblock sind, dienen die jährlichen Subventionen einem viel breiteren Zweck: Sie fungieren, wie vorher genannt, als eine Art staatliche Risikoprämie, die auch andere klimabedingte Risiken (Dürre, Hitze, Ernteausfälle) abfedert. Das Verhältnis zeigt, dass Waldbrände zwar erhebliche ökologische Schäden verursachen, aber ökonomisch nur ein kleiner Teil des gesamten Klimarisikos sind, das über Subventionen adressiert wird.

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 Grafik besteht aus zwei gestapelten Balkendiagrammen, welche die prozentuale Verteilung der Waldbrände nach Eigentumsform über die Jahre 2018 bis 2024 darstellen. Das obere Diagramm zeigt den Anteil der verbrannten Waldfläche, während das untere Diagramm den Anteil der Anzahl der Brandfälle abbildet. Beide Diagramme sind einheitlich von 0 bis 100 % skaliert, wodurch ein direkter visueller Vergleich möglich ist.

Der Privatwald ist in allen Jahren von 2018 bis 2024 in beiden Diagrammen mit Abstand am stärksten betroffen. Der Anteil der verbrannten Fläche liegt in den meisten Jahren bei 50 % oder darüber. Besonders auffällig ist das Jahr 2024 mit einem Peak von rund 75 %. Im Jahr 2021 ist der Anteil des Privatwaldes an der verbrannten Fläche deutlich gesunken, stieg jedoch in den Folgejahren wieder an. Gleichzeitig ist im Jahr 2021 der Flächenanteil bei Bundeswald und Landeswald stark angestiegen. Insgesamt schwanken die Anteile der Eigentumsformen Bundeswald, Körperschaftswald und Landeswald über die Jahre hinweg. Der Landeswald weist dabei einen moderaten, aber durchaus schwankenden Anteil von etwa 15 bis 35 % auf. Bundeswald und Körperschaftswald spielen flächenmäßig dagegen eine eher untergeordnete Rolle.

Auch bei der Anzahl der Brandfälle wird das Balkendiagramm klar vom Privatwald dominiert. Sein Anteil liegt relativ konstant bei etwa 50 %, sodass ungefähr die Hälfte aller Waldbrände im Privatwald stattfindet. Der Landeswald liegt stabil bei etwa 20 bis 25 %, der Körperschaftswald meist zwischen 15 und 20 %. Der Bundeswald bleibt mit unter 10 % konstant auf niedrigem Niveau. Im Gegensatz zur verbrannten Fläche ist die Verteilung der Brandanzahl über die Jahre hinweg sehr stabil und weist keine extremen Ausschläge auf. Insgesamt bleibt der Privatwald somit sowohl bei der verbrannten Fläche als auch bei der Anzahl der Brandfälle durchgehend die am stärksten betroffene Eigentumsform.

Beim Vergleich beider Diagramme wird deutlich, dass Landeswald und Bundeswald tendenziell eher von wenigen, dafür aber flächenmäßig größeren Bränden betroffen sind. Der Körperschaftswald weist im Vergleich relativ viele Brände auf, diese sind jedoch meist kleiner. Der Privatwald hingegen ist sowohl durch eine hohe Anzahl an Bränden als auch durch große Flächenverluste gekennzeichnet.

Als ökonomische Schlussfolgerung lässt sich festhalten, dass der Privatwald politisch die höchste Priorität haben sollte, da diese Eigentumsform in Summe die größten Schäden und hohe Verluste pro Ereignis aufweist. Hinzu kommt, dass private Waldbesitzer häufig finanziell schwächer aufgestellt, schlechter versichert und besonders stark von Einzelschäden betroffen sind. Deshalb erscheinen Förderprogramme für Brandschutzstreifen, Löschwasserinfrastruktur und Waldumbau sowie finanzielle Unterstützung nach Großschäden und Schulungsangebote für private Waldbesitzer besonders dringend notwendig. Im Landeswald und Bundeswald entstehen zwar weniger Brände, diese führen aber häufig zu sehr hohen Kosten durch Feuerwehreinsätze, Wiederaufforstung und den Wiederaufbau von Infrastruktur. Hier sollte der Schwerpunkt daher stärker auf der Katastrophenvorsorge liegen. Im Körperschaftswald stellen vor allem die vielen kleineren Brände eine Belastung für kommunale Haushalte und lokale Feuerwehren dar. In diesem Bereich wäre es sinnvoll, die kommunale Prävention sowie die freiwilligen Feuerwehren gezielt zu unterstützen.

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:


Nun werden zwei Liniendiagramme betrachtet. Das obere Diagramm visualisiert die Anzahl der Waldbrände nach Ursache für die Jahre 2018 bis 2024, während das untere Diagramm die verbrannte Waldfläche nach Ursache in Hektar darstellt.

Sowohl bei der Anzahl der Brände als auch bei der verbrannten Fläche dominieren die unbekannten Ursachen in allen Jahren. Besonders hoch ist die Anzahl der Brände durch unbekannte Ursachen in den Jahren 2018 und 2022, wobei 2022 den höchsten Wert erreicht. Die verbrannte Fläche war dagegen im Jahr 2019 am größten, dicht gefolgt vom Jahr 2022. Bei der Anzahl der Brände stellt die Fahrlässigkeit die zweithäufigste Ursache dar. Natürliche Ursachen spielen in beiden Diagrammen nur eine sehr geringe Rolle. Zudem zeigt sich, dass Vorsatz (Brandstiftung) zwar vergleichsweise wenige Brände verursacht, diese jedoch häufig mit sehr hohen Flächenverlusten verbunden sind. Insgesamt lässt sich festhalten, dass unbekannte Ursachen in fast allen Jahren die führende Brandursache darstellen.

In Bezug auf die zeitliche Entwicklung ist kein gleichmäßiger Aufwärtstrend erkennbar, sondern vielmehr starke Schwankungen zwischen den einzelnen Jahren. Das Jahr 2021 stellt ein sehr „ruhiges“ Jahr dar, da bei allen Ursachen vergleichsweise niedrige Werte zu beobachten sind. Das darauffolgende Jahr 2022 zeigt hingegen einen massiven Ausschlag sowohl bei der Anzahl der Brände als auch bei der verbrannten Fläche. Natürliche Ursachen bleiben über den gesamten Zeitraum hinweg niedrig und nahezu konstant, weshalb sich hier kein klarer Trend erkennen lässt. Die Fahrlässigkeit als Ursache ist bis 2021 rückläufig, steigt im Jahr 2022 wieder deutlich an und nimmt anschließend erneut ab. Insgesamt lässt sich somit kein langfristiger Trend feststellen, vielmehr kann 2022 eindeutig als Extremjahr für Waldbrände bezeichnet werden.

Da unbekannte Ursachen dominieren, entstehen große Steuerungsprobleme, da diese politisch nur schwer beeinflussbar sind. Dies erschwert eine gezielte Prävention und erhöht gleichzeitig den Bedarf an Ursachenforschung, Überwachung und der Einrichtung von Frühwarn- und Früherkennungssystemen. Bei Fahrlässigkeit und Vorsatz besteht hingegen ein deutlich größerer politischer Handlungsspielraum, etwa durch Aufklärungskampagnen, strengere Kontrollen und höhere Strafen zur Abschreckung bei Brandstiftung. Vor allem der Vorsatz verursacht trotz vergleichsweise weniger Brände besonders hohe Schäden, etwa durch hohe Löschkosten, Wiederaufforstung und den Wiederaufbau von Infrastruktur. Zudem führen Extremjahre wie 2022 zu sprunghaften Kosten, was ein erhebliches Haushaltsrisiko für Bund und Länder darstellt und die Notwendigkeit von Katastrophenrücklagen sowie verstärkten Präventionsinvestitionen unterstreicht. Als politische Kernaussage lässt sich festhalten: Prävention ist deutlich günstiger als Schadensbeseitigung. Der Fokus sollte daher insbesondere auf der Vermeidung von Fahrlässigkeit, der Bekämpfung von Brandstiftung sowie der Früherkennung bei unbekannten Ursachen liegen.

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 Grafik zeigt zwei Punktediagramme, in denen jeweils die logarithmierten wirtschaftlichen Verluste (log(Wirtschaftliche Verluste)) auf der y-Achse den Präventionsausgaben auf der x-Achse gegenübergestellt werden. Im oberen Diagramm werden die Forstverwaltungskosten betrachtet, im unteren die sonstigen Kontrollkosten.

Für beide Diagramme lässt sich kein klarer linearer Zusammenhang zwischen Ausgaben und Verlusten erkennen. Bei den Forstverwaltungskosten vs. Verlusten (oben) sind die Punkte stark gestreut. Es gibt eine Konzentration von Datenpunkten bei niedrigen bis mittlere Forstverwaltungskosten (0–1.000 Tsd. €) mit einer breiten Spannweite der Verluste (log-Werte von ca. 7,5 bis 15). Hohe Forstverwaltungskosten (z. B. über 2.000 Tsd. €) sind sowohl mit mittleren als auch hohen Verlusten verbunden.Das untere Diagramm zu sonstigen Kontrollkosten zeigt, dass die Mehrheit der Punkte bei sehr niedrigen Kosten (<50 Tsd. €) liegt, mit ebenfalls stark gestreuten Verlusten. Hohe Kontrollkosten (≥100 Tsd. €) führen nicht zu einer erkennbaren Reduktion der Verluste.

Die Hypothese „Höhere Präventionsausgaben gehen mit geringeren Schäden einher“ wird durch die Grafiken nicht direkt gestützt. Es lässt sich keine negative Korrelation erkennen, also kein klarer Trend von links oben nach rechts unten. Hohe Ausgaben führen demnach nicht zwangsläufig zu niedrigeren Verlusten; es gibt viele Fälle, in denen hohe Ausgaben (z.B. Forstverwaltungskosten über 1.000 Tsd. €) nicht zu geringeren Verlusten führen als Regionen mit sehr niedrigen Ausgaben.

Die logarithmische Skala (log(Wirtschaftliche Verluste)) ist sinnvoll, da die tatsächlichen wirtschaftlichen Verluste stark schwanken. In Extremjahren wie 2022 (ca. 4.851 Tsd. €) sind die Verluste um Größenordnungen höher als in ruhigen Jahren wie 2021 (ca. 659 Tsd. €). Die Logarithmierung reduziert die Verzerrung durch diese Ausreißer und macht Muster und Zusammenhänge bei den häufig auftretenden kleinen und mittleren Verlusten besser sichtbar.

Beim Vergleich mit den wirtschaftlichen Gesamtverlusten Deutschlands fällt auf, dass einige Bundesländer jährlich bis zu 3 Mio. € für Forstverwaltung ausgeben. In ruhigen Jahren wie 2021 oder 2024 sind diese Ausgaben einzelner Bundesländer sogar höher als die gesamten wirtschaftlichen Schäden in Deutschland (z.B. 2024: Gesamtverluste ca. 680 Tsd. €). Präventionskosten sind somit ein kontinuierlicher, hoher Kostenblock, unabhängig von der Schadenshöhe. Die Schäden selbst sind dagegen stark schwankend: In guten Jahren klein, in Extremjahren wie 2022 (fast 5 Mio. €) plötzlich sehr hoch.

Es gibt mehrere mögliche Ursachen, warum trotz hoher Präventions- und Kontrollkosten die Schäden nicht proportional reduziert werden. Extreme Wetterbedingungen wie Trockenheit, Hitze oder starke Winde können die positiven Effekte der Prävention überlagern. Zudem könnten die Mittel ineffizient eingesetzt werden, beispielsweise durch bürokratische Hürden oder ungeeignete Maßnahmen. Viele Präventionsmaßnahmen wirken zudem erst langfristig, sodass der kurzfristige Nutzen schwer messbar ist. Auch die Risikoverteilung spielt eine Rolle: Bundesländer mit hohen Präventionskosten könnten gleichzeitig ein besonders hohes Grundrisiko haben, wodurch die Ausgaben lediglich verhindern, dass die Schäden noch größer ausfallen. Darüber hinaus sind nicht alle Brandursachen vorhersehbar oder steuerbar, was die Effektivität der Maßnahmen weiter einschränkt. Die Diagramme zeigen daher, dass hohe Ausgaben allein keine Garantie für geringere Schäden darstellen. Wichtiger ist, wie effektiv die Mittel eingesetzt werden. Präventionsmaßnahmen sollten kontinuierlich bewertet und an die zunehmende Volatilität der Extremjahre angepasst werden.

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 die monatliche Entwicklung der Waldbrände in Deutschland von 2018 bis 2024. Die verbrannte Fläche pro Monat wird als Balkendiagramm dargestellt, während die monatliche Anzahl der Brände als rote Linie eingezeichnet ist. Auf der x-Achse sind die Monate chronologisch von Januar 2018 bis Ende 2024 abgetragen, die linke y-Achse zeigt die verbrannte Fläche in Hektar, die rechte y-Achse die Anzahl der Brände.

Das Diagramm zeigt deutlich, dass Waldbrände in Deutschland stark saisonal auftreten. Die meisten Brände werden regelmäßig in den Sommermonaten Juni bis August registriert. Parallel dazu sind in den gleichen Monaten meist auch die größten verbrannten Flächen zu beobachten. Etwa in Sommer 2019, Sommer 2022 und in geringerem Ausmaß Sommer 2023. Außerhalb dieser Saison sinken sowohl Zahl der Brände als auch die verbrannte Fläche stark ab und liegen im Winter oft nahe null.

Die Anzahl der Brände erreicht ihre jährlichen Höhepunkte in den trockenen Sommermonaten (Juni bis August). Die größten Flächenschäden fallen ebenfalls meist in diese Zeiträume, wobei das Jahr 2022 hier besonders hervorsticht. Es zeigt sowohl die höchste Anzahl an Bränden als auch die mit Abstand größten verbrannten Flächen, sichtbar an den extrem hohen Balken und dem Peak der roten Linie.

Die Spitzen der Brandanzahl und die Spitzen der verbrannten Fläche fallen in der Grafik nicht immer zusammen. Während die Brandanzahl häufig im Hochsommer, typischerweise im Juli oder August, ihren Höhepunkt erreicht, können die größten verbrannten Flächen auch in Monaten auftreten, in denen insgesamt weniger Brände registriert wurden. Dies deutet darauf hin, dass einige Jahre durch viele kleine, schnell kontrollierbare Feuer geprägt sind, während in anderen Jahren wenige, aber besonders großflächige Brände auftreten. Monate, in denen es viele Brände gibt, die allerdings nur geringe Flächen betreffen, können durch verschiedene Faktoren bedingt sein. Zum einen trägt eine schnelle Erkennung und frühe Löschmaßnahme dazu bei, dass sich Feuer nicht großflächig ausbreiten können. Moderne Technologien wie Sensorik, Drohnen oder eine verstärkte Überwachung spielen hierbei eine wichtige Rolle. Zum anderen können günstige Witterungsbedingungen die Ausbreitung der Brände einschränken. Moderate Temperaturen, feuchte Böden und schwacher Wind verhindern, dass die Feuer schnell wachsen. Hinzu kommen lokal begrenzte Feuerquellen, beispielsweise menschliche Aktivitäten, die zahlreiche kleine Brände verursachen, diese jedoch nicht großflächig werden lassen. Schließlich können auch viele kleine, anthropogene Brände, wie durch Grillen oder Erntearbeiten, die unmittelbar gelöscht werden, zu einer hohen Anzahl an Bränden bei gleichzeitig geringen verbrannten Flächen führen.

Die starken jährlichen Schwankungen der Brandaktivität in den Sommermonaten sind typisch für Deutschland und lassen sich durch verschiedene Faktoren erklären. Zum einen spielt die Wetter- und Klimavariabilität eine zentrale Rolle. Einzelne Sommer können extrem trocken sein, wie etwa 2019 oder 2022, während andere Jahre, wie 2021, ungewöhnlich feucht ausfallen. Auch Hitzewellen und die Bodenfeuchte unterscheiden sich von Jahr zu Jahr und beeinflussen die Ausbreitung von Bränden maßgeblich. Darüber hinaus führt eine unterschiedliche Vegetationsentwicklung zu variierenden Brennstoffmengen. Nach regenreichen Frühjahren entsteht besonders viel Biomasse, die im Sommer als Brandmaterial zur Verfügung steht. Regionale Extremereignisse wie langanhaltende Dürren oder starke Winde können zudem eine extreme Ausbreitung begünstigen. Schließlich spielen auch Unterschiede im menschlichen Verhalten eine Rolle, etwa eine vermehrte Freizeitnutzung der Wälder in heißen Sommern. Besonders deutlich wird diese Kombination aus klimatischen und menschlichen Faktoren in den Jahren 2022, mit extremen Bränden, und 2021, als kaum große Feuer auftraten.

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)?
Kennzahlenvergleich für Bayern und Brandenburg (2022-2023)
Jahr Region Anzahl der Brände Verbrannte Fläche in ha Wirtschaftliche Verluste in T€ Durchschnittliche Fläche pro Brand (ha/Brand) Verlust pro Hektar (in €/ha)
2023 Bayern 75 44 197,6 0,59 4.491
2023 Brandenburg 251 765 6,9 3,05 9
2022 Bayern 145 214 297,1 1,48 1.388
2022 Brandenburg 523 1.426 13,6 2,73 10


Die Tabelle „Kennzahlenvergleich für Bayern und Brandenburg (2022–2023)“ zeigt zentrale Indikatoren zur Waldbrandbelastung in zwei strukturell unterschiedlichen Bundesländern. Für beide Jahre werden jeweils die Anzahl der Brände, die insgesamt verbrannte Fläche, die durchschnittliche Brandgröße, die wirtschaftlichen Gesamtschäden sowie die Verluste pro Hektar ausgewiesen. Damit illustriert die Tabelle die wesentlichen Unterschiede in Häufigkeit, Ausmaß und ökonomischen Auswirkungen von Waldbränden zwischen Brandenburg und Bayern und ermöglicht einen direkten Vergleich der regionalen Waldbranddynamik.

Absolut gesehen verzeichnet Brandenburg sowohl mehr Brände als auch größere Flächenverluste im Vergleich zu Bayern. In beiden Jahren (2022 und 2023) liegt die Zahl der registrierten Brände in Brandenburg (251 und 523) deutlich über der Zahl in Bayern (75 und 145). Ebenso ist die Gesamtheit der verbrannten Fläche, also die Summe der durch Brände betroffenen Hektar, in Brandenburg (765 und 1426 Hektar) erheblich höher als in Bayern (44 und 214 Hektar).

Pro Hektar betrachtet weist Bayern jedoch die deutlich höheren ökonomischen Verluste auf. Obwohl Brandenburg wesentlich größere Flächenverluste verzeichnet, liegt der Schaden je verbranntem Hektar in Bayern in beiden Jahren deutlich höher mit 4.492 €/ha und 1.388 €/ha im Vergleich zu Brandenburgs 9 €/ha und 9,5 €/ha.

Dieser Unterschied deutet darauf hin, dass die Wälder in Bayern wirtschaftlich deutlich höher bewertet sind als jene in Brandenburg. Das kann mehrere Gründe haben: Bayerische Wälder bestehen häufiger aus hochwertigen Misch- und Schutzwäldern, in denen wertvolle Baumarten wie Buche oder Fichte einen höheren Holzmarktpreis erzielen. Zudem sind viele Flächen stärker wirtschaftlich genutzt, was den potenziellen Schaden pro Hektar erhöht. Brandenburgs Wälder hingegen bestehen zu großen Teilen aus vergleichsweise weniger wertvollen Kiefernmonokulturen auf sandigen Böden, was zwar zu einer hohen Brandanfälligkeit führt, aber wirtschaftlich geringere Verluste pro Hektar verursacht. Insgesamt spricht der Unterschied dafür, dass Bayern über ökonomisch und ökologisch höherwertige Waldstrukturen verfügt, während Brandenburg größere, aber weniger wertvolle Bestände besitzt.

Auf Grundlage der Zahlen lässt sich klar erkennen, dass sich das Waldbrandproblem in beiden Bundesländern sehr unterschiedlich manifestiert, obwohl beide stark betroffen sind. In Brandenburg zeigt sich das Problem vor allem durch sehr viele Brände und große Flächenverluste. Die Region ist klimatisch und strukturell besonders brandanfällig, weshalb Brände häufig auftreten und sich schnell ausbreiten. Die wirtschaftlichen Verluste pro Hektar bleiben jedoch vergleichsweise gering, was nahelegt, dass der Fall häufige, aber weniger wertvolle Flächenbrände vorliegt. In Bayern dagegen treten weniger Brände mit deutlich geringerer Flächenausdehnung auf, doch die ökonomischen Schäden pro Hektar sind deutlich höher. Das bedeutet, dass Brände zwar seltener und räumlich begrenzter sind, aber wenn sie auftreten, treffen sie oft höherwertige oder sensiblere Waldstrukturen, mit entsprechend größeren finanziellen Folgen. Insgesamt ist das Waldbrandproblem also nicht gleich gravierend, sondern unterschiedlich ausgeprägt: Brandenburg kämpft primär mit Häufigkeit und Ausmaß der Brände, Bayern eher mit deren ökonomischer Tragweite.

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?


Das Diagramm visualisiert die Verluste von Stammholz und Industrieholz in Kubikmetern für die Bundesländer Bayern und Brandenburg in den Jahren 2022 und 2023 und zeigt damit die strukturellen Unterschiede der Waldbrandschäden auf. Insgesamt wird ersichtlich, dass in beiden Regionen eine deutliche Zunahme der Holzverluste stattfindet, wobei sich sowohl das Ausmaß als auch die betroffenen Holzarten erheblich unterscheiden. In Bayern steigen insbesondere die Stammholzverluste, welche von rund 0,27 Millionen Kubikmetern im Jahr 2022 auf etwa 0,9 Millionen Kubikmeter im Jahr 2023 ansteigen. Diese Entwicklung weist darauf hin, dass die Brände 2023 vor allem in wertvollen Beständen stattfanden, die typischerweise einen hohen Holzmarktwert besitzen. Auch die Industrieholzverluste nehmen zu, wenngleich sie im Vergleich zu den Stammholzverlusten weniger stark wachsen und sich eher moderat entwickeln.

In Brandenburg zeigt sich ebenfalls eine markante Verschärfung der Schadenslage, jedoch mit einer deutlich anderen Struktur. Besonders auffällig ist der drastische Anstieg im Industrieholzsegment. Die Verluste steigen von ungefähr 0,1 Millionen Kubikmetern im Jahr 2022 auf mehr als 1,3 Millionen Kubikmeter im Jahr 2023. Dieses Ausmaß übertrifft die Entwicklung in Bayern deutlich und verdeutlicht, dass dort großflächige Waldareale betroffen waren. Während auch die Verluste im Stammholzbereich zunehmen (auf etwa 0,65 Millionen Kubikmeter), liegen sie weiterhin unter den in Bayern verzeichneten Mengen. Das Verhältnis von Industrie- zu Stammholzverlusten verweist auf die unterschiedlichen forstwirtschaftlichen Strukturen der Bundesländer und macht sichtbar, dass 2023 in Brandenburg vor allem weniger wertvolle Bestände geschädigt wurden.

Die dargestellten Unterschiede erlauben wichtige ökonomische Rückschlüsse. In Bayern deuten die hohen Stammholzverluste darauf hin, dass Brände überdurchschnittlich häufig ältere und wirtschaftlich besonders wertvolle Misch- und Laubwälder getroffen haben. Da Stammholz im Vergleich zu Industrieholz wesentlich höhere Marktpreise erzielt, führt dies zu entsprechend gravierenden wirtschaftlichen Einbußen pro Hektar. In Brandenburg hingegen dominieren große Kiefernforste, die vor allem Industrieholz produzieren und insgesamt einen geringeren wirtschaftlichen Wert pro Volumeneinheit aufweisen. Die dort beobachteten hohen absoluten Verluste wirken daher in der ökonomischen Bilanz weniger stark, obwohl die Menge des zerstörten Holzes deutlich höher ausfällt.

Insgesamt zeigt das Diagramm somit nicht nur eine Verschärfung der Waldbrandschäden, sondern auch, dass sich die Auswirkungen regional sehr unterschiedlich manifestieren. Bayern verliert im Brandfall vergleichsweise hochwertiges Holz und erleidet dadurch höhere ökonomische Schäden pro Fläche, während Brandenburg stärker unter großflächigen, mengenmäßig massiven, aber ökonomisch weniger wertvollen Verlusten leidet.

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.
  1. Abschreckung und Strafen

Eine solche Maßnahme ist besonders sinnvoll, da ein großer Teil der Waldbrände in Deutschland laut den vorherigen Analysen auf menschliches Handeln zurückzuführen ist, vor allem auf Fahrlässigkeit und Vorsatz. Eine Erhöhung von Bußgeldern und Strafen kann hier eine direkte verhaltenslenkende Wirkung entfalten. Insbesondere in den Sommermonaten, in denen regelmäßig die meisten Brände auftreten, könnte eine stärkere Abschreckung das Risiko eines Waldbrandes deutlich senken. Die Maßnahme ist im Vergleich zu technischen Lösungen oder zum Waldumbau relativ kostengünstig, da vor allem Gesetzgebung, Kontrollen und Aufklärung notwendig sind. Sie kann ein wirksames Mittel gegen weggeworfene Zigaretten, illegales Grillen oder vorsätzliche Brandstiftung in Trockenperioden sein. Allerdings hat diese Maßnahme keinen Einfluss auf natürliche Ursachen oder auf die dominierenden unbekannten Ursachen, die in fast allen Jahren den größten Anteil an Bränden ausmachen. Zudem kann Abschreckung nur effektiv funktionieren, wenn genügend Kontrollen stattfinden und Verstöße konsequent verfolgt werden. In Extremjahren wie 2022, in denen klimatische Bedingungen eine entscheidende Rolle spielten, stößt Abschreckung außerdem an klare Grenzen und ist nur begrenzt wirksam. Die Maßnahme passt gut zu den Ergebnissen der Saisonalitätsanalyse, da die meisten Brände in den Sommermonaten auftreten. Besonders sinnvoll ist sie für Bayern, wo zwar weniger Brände auftreten, diese jedoch sehr hohe wirtschaftliche Schäden pro Hektar verursachen. Abschreckung kann hier vor allem helfen, die vielen kleineren, fahrlässigen Brände zu reduzieren. Insgesamt ist diese Strategie kosteneffizient, schnell umsetzbar und sinnvoll, reicht aber allein nicht aus, um große Flächenbrände oder Extremjahre zu verhindern.

  1. Anreize für Waldumbau

Diese Maßnahme ist besonders für Bundesländer wie Brandenburg sinnvoll, das durch seine großen Kiefernmonokulturen eine sehr hohe Anfälligkeit für Waldbrände aufweist. Mischwälder sind in der Regel feuchter, brennen langsamer und verhindern eine schnelle Flächenausbreitung der Brände. Außerdem erhöht ein solcher Waldumbau langfristig die ökologische Stabilität, die Widerstandsfähigkeit gegenüber Dürre sowie den Naturschutzwert der Wälder. Zusätzlich steigert er langfristig auch den ökonomischen Wert, da Mischwälder stabilere und hochwertigere Holzerträge liefern. Allerdings ist der Waldumbau mit sehr hohen Investitionskosten für Aufforstung, Pflege und mögliche Entschädigungen privater Waldbesitzer verbunden. Zudem tritt die Schutzwirkung erst nach vielen Jahren ein und bietet somit kurzfristig keinen Schutz vor Extremjahren wie 2022. Gerade Besitzer von Privatwäldern könnten sich damit schwertun, da sie oft geringe finanzielle Rücklagen haben und wenig Motivation für langfristige Investitionen ohne staatliche Unterstützung besteht. Staatliche Förderprogramme sind hier daher entscheidend. Die bisherigen Analysen haben gezeigt, dass Brandenburg sehr viele Brände und sehr große Flächenverluste verzeichnet, jedoch vergleichsweise geringe wirtschaftliche Verluste pro Hektar. Genau hier ist der Waldumbau besonders sinnvoll, da es langfristig vor allem um Flächenstabilisierung, Brandschutz und strukturelle Risikominderung geht und weniger um kurzfristige Schadenssummen. Gleichzeitig erklärt diese Maßnahme auch, warum sich hohe Präventionsausgaben nicht sofort in sinkenden Schäden widerspiegeln, da der Effekt zeitlich verzögert eintritt. Insgesamt ist der Waldumbau strukturell äußerst wichtig, aber teuer, langsam wirksam und keine kurzfristige Lösung für akute Brandjahre.

  1. Investition in Technologie

Eine verstärkte Investition in moderne Überwachungstechnologien wäre besonders wirksam bei der Früherkennung, schnellen Brandlokalisierung und der raschen Alarmierung der Feuerwehren. Dadurch kann verhindert werden, dass aus kleinen Bränden große Katastrophen entstehen. Diese Maßnahme ist vor allem relevant für große, unübersichtliche Waldgebiete und Regionen mit einem hohen Anteil unbekannter Brandursachen. Besonders sinnvoll ist sie daher für Brandenburg mit seinen weitläufigen Waldflächen sowie für Extremjahre wie 2022, in denen einzelne Brände sehr schnell große Flächen erreichen können. Allerdings sind die Kosten für diese Maßnahme sehr hoch, da nicht nur die Anschaffung der Technik, sondern auch Wartung, Betrieb und Fachpersonal erhebliche Ausgaben verursachen. Zudem verhindert diese Technologie nicht die Entstehung eines Feuers, sondern lediglich dessen unkontrollierte Ausbreitung. In Jahren mit sehr vielen Bränden kann selbst modernste Technik zudem an ihre Kapazitätsgrenzen stoßen. Deshalb ist diese Maßnahme vor allem bei wenigen, aber potenziell großflächigen Bränden besonders sinnvoll. Insgesamt ist Technologie sehr wirksam zur Schadensbegrenzung, aber kostenintensiv und nicht allein ausreichend.

Gesamtbewertung

Alle drei Maßnahmen sind grundsätzlich sinnvoll, jedoch jeweils in unterschiedlichen Bereichen und Zeiträumen wirksam. Die bisherigen Analysen haben gezeigt, dass Waldbrände in Deutschland stark saisonal, wetterabhängig und regional unterschiedlich auftreten. Deshalb reicht keine einzelne Maßnahme aus, um das Problem umfassend zu lösen. Prävention ist langfristig deutlich günstiger als Schadensbeseitigung, aber nur dann wirklich wirksam, wenn sie regional angepasst, technisch unterstützt und politisch konsequent umgesetzt wird. Ein sinnvoller Ansatz liegt daher in der Kombination aller drei Strategien: kurzfristig Abschreckung und Überwachung, mittelfristig gezielter Technikeinsatz in Hochrisikoregionen und langfristig der strukturelle Umbau der Wälder.

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.


In dem Datensatz ‘eu_Subventionen’ sind konkret die folgenden Länder enthalten: Bulgarien, Kroatien, Frankreich, Finnland, Tschechien, Rumänien, Portugal, Italien, Slovenien, Luxemburg, Litauen, Zypern, Irland, Belgien, Schweden, Estland, Spanien, Dänemark, Slovakei, Ungarn, Niederlande, Griechenland, Österreich, Polen, Lettland, Malta, Deutschland. Dies umfasst alle EU-Staaten.

Der Zeitraum, über welchen sich der Datensatz erstreckt ist von 2003 bis 2022.

Der Typ ‘Output_Pillar I’ umfasst in diesem Datensatz die EGFL-Fördermittel, was sich anhand der Indikator-Kategorie (Direct payments und Market Measures) erkennen lässt. Vor allem die Direktzahlungen dienen im Rahmen des EGFL primär der Einkommensstützung und Marktstabilisierung. Zudem werden sie über EU-Garantiefonds finanziert. Innerhalb von Output_Pillar I gibt es zwei Unterkategorien: Direct Payments (Direktzahlungen) und Market Measures (Marktmaßnahmen). Direktzahlungen gehören zu Pillar I, weil sie direkt auf die Sicherung der Betriebseinkommen ausgerichtet sind und die Wettbewerbsfähigkeit der Landwirtschaft stärken. Marktmaßnahmen wie Ausgaben zur Stabilisierung der Agrarmärkte, Krisenmanagement oder sektorbezogene Programme gehören als marktpolitische Instrumente ebenfalls dazu. Beide Unterkategorien gehören also zu Pillar I, weil sie direkte, markt- oder einkommensbezogene Interventionen darstellen, die unmittelbar die landwirtschaftlichen Betriebe unterstützen, ohne dass es direkt um langfristige Entwicklungs- oder Umweltziele geht.

Bei dem Typ ‘Output_Pillar II’ handelt es sich um die ELER-Fördermittel. Diese Kategorie (Rural Development) umfasst ländliche Entwicklungsmaßnahmen, welche über den Europäischen Landwirtschaftsfonds für die Entwicklung des ländlichen Raums (ELER) mit EU-Mitteln plus nationaler Kofinanzierung finanziert werden. Alle Ausgaben der zweiten Säule fallen unter Rural Development, da sie auf ein gemeinsames, nachhaltiges Ziel ausgerichtet sind: Förderung ländlicher Räume, Umwelt- und Klimaschutz sowie Strukturmaßnahmen.

Pillar I und II messen unterschiedliche Politikziele (Einkommensstützung vs. Entwicklungs-/Umweltziele), haben unterschiedliche Finanzierungswege und liefern daher separierbare Output-Indikatoren in deinem Datensatz. Das erklärt, warum Output_Pillar I-Einträge typischerweise Direct-Payments-Zeilen enthalten, während Output_Pillar II-Einträge Programme und Projektzahlungen der ländlichen Entwicklung abbilden.

Die Indikatorentypen im Datensatz lassen sich zwar sehr gut auf die deutsche Förderstruktur übertragen, da sie die gleiche Trennung zwischen Einkommens-/Marktinterventionen (Pillar I) und ländlicher Entwicklung/Umweltprogrammen (Pillar II) widerspiegeln. Ein Blick auf die Abbildung aus Aufgabe 8 zeigt auch, das der EGFL und ELER einen Großteil der Fördermittel in Deutschland ausmachen. Jedoch fehlen auch die sonstigen Nationalen Fördermittel (also Zahlungen, die ausschließlich aus deutschen Bundes- oder Landesmitteln kommen und nicht Teil der EU-Fonds sind), denn sie werden durch diese Indikatoren nicht erfasst.

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.

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 zeigt die zehn größten Empfängerländer für Subventionen der EU in Milliarden Euro. Dabei werden die Jahre 2020, 2021 und 2022 in Betracht gezogen. Kenntlich wird, dass die Unterschiede zwischen den einzelnen Jahren marginal sind und bei keinem der Top 10 Länder besonders große Ab- oder Zunahmen in der Höhe der Fördermittel zu verschreiben sind. Frankreich bezieht im Ländervergleich über die drei jahre jeweils immer den höchsten Betrag, gefolgt, mit etwas Abstand von Deutschland und Spanien. Die Länder, welche hier die kleinsten Fördersummen beziehen, sind Österreich, Irland und Ungarn. Das ist womöglich auf ihre Agrarwirtschaft zurückzuführen, welche nicht ganz so viele Subventionen benötigt, verglichen mit einem Land wie Frankreich Einen wirklichen Trend kann man zwischen den Ländern nicht ausmachen. In Frankreich und Polen nehmen die Summen über den Zeitraum zum Beispiel zu, während sie in Irland stagnieren und in Deutschland sogar leicht abnehmen. Gründe für ein Ansteigen der Subventionen, könnten sein, dass die Entwicklungsprogramme erweitert werden und auch generell mehr in Umwelt und Klima investiert wird.

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.

## 
## 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 
##   11   11   11   11   26   26   26   26   26   26   26   26   26
## [1] 13


Die Grafik veranschaulicht die Entwicklung der EU-Agrarsubventionen in den EU-Ländern von 2010 bis 2022. Dabei wird jedes Jahr abgebildet und je heller ein Land gekennzeichnet ist, desto höher sind die Subventionen in dem entsprechenenden Jahr gewesen. Es gibt nicht in jedem Jahr Daten für jedes EU-Land, weshalb diese und nicht EU-Staaten weiß gekennzeichnet sind. Zu Beginn der Datenaufnahme (2010) sind die Subventionen generell relativ gering (< 1 Mrd. €). Nur Polen sticht ein wenig hervor, mit ca. 2 bis 2,7 Mrd € von 2010 bis 2013. Ab 2014 gibt es etwas größere Unterschiede zwischen den Ländern. Die Subventionen steigen im Schnitt erheblich und sind vor allem in Spanien und Polen sehr angestiegen. In Schweden und Finnland sind sie dagegen nicht ganz so hoch (< 3 Mrd €). Von Deutschland und Italien gibt es ab 2014 auch Daten und ab dem Zeitpunkt gehören sie auch zu den am höchsten Subventionen beziehenden Staaten. Tschechien, Österreich, SLovakei, Bulgarien, Irland, Portugal, Niederlande, Belgien und die baltischen Staaten haben eigentlich auch über den gesamten Zeitraum hinweg sehr niedrige Subventionssummen bezogen. Die Länder, welche hohe Summen beziehen, sind vermutlich auch deutlich kompetitiver im Agrarbereich, als jene, die keine bis sehr niedrige Subventionen beziehen. Vor allem Länder wie Deutschland, Polen, Spanien und Italien sind sehr große Wirtschaften, welche auch große Agrarwirtschaft betreiben und dort viele Investitionen tätigen um die Wettbewerbsfähigkeit ihrer Landwirte zu erhalten und Innovationen zu fördern. Länder mit stark schwankenden Subventionen sind beispielsweise Spanien, welche von sehr niedrig bis sehr hoch sich entwickelt haben. Das liegt vor allem an strukturellen Veränderungen in der spanischen Landwirtschaft, welche sich erst in den letzten Jahren von einer eher kleinteiligen, arbeitsintensiven Landwirtschaft zu einer stark modernisierten, flächenintensiven und exportorientierten Agrarwirtschaft entwickelt. Ansonsten haben die meisten Länder ein kleine, aber konstantes Wachstum jedes Jahr, was auf den natürlichen Wachstum der Wirtschaften und Agrarsektoren zurückzuführen ist.

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).


Frage 1

Deutschland und Frankreich unterscheiden sich bei den EU-Agrarsubventionen vor allem aufgrund ihrer landwirtschaftlichen Strukturen und ihrer unterschiedlichen politischen Schwerpunktsetzungen. Frankreich verfügt über die größte landwirtschaftliche Nutzfläche der EU, deutlich größere Betriebe und eine flächenintensive, exportorientierte Agrarproduktion. Da der Großteil der EU-Direktzahlungen flächengebunden ist, führt dies automatisch zu höheren Gesamtzahlungen für Frankreich. Deutschland weist kleinere Durchschnittsflächen, mehr Mischbetriebe und eine stärker tierhaltungsgeprägte Produktion auf, was ein anderes Förderprofil erzeugt. Hinzu kommt, dass Frankreich traditionell einkommens- und wettbewerbsorientierte Programme priorisiert, während Deutschland stärker auf Umwelt-, Klima- und Tierwohlmaßnahmen ausgerichtet ist. EU-weite Krisenprogramme spielen zwar eine ergänzende Rolle, erklären aber nicht die grundlegenden Unterschiede zwischen beiden Staaten.


Frage 2

Die stark schwankenden Subventionssummen in Ländern wie Spanien, Bulgarien, Polen oder Griechenland ergeben sich vor allem aus politischen Entscheidungen, Strukturveränderungen und externen Schocks. Anpassungen der nationalen GAP-Strategiepläne, Veränderungen bei Co-Finanzierungsquoten oder der Start und das Auslaufen großer Entwicklungs- oder Investitionsprogramme führen häufig zu deutlichen Ausschlägen – insbesondere in Staaten mit hohem Anteil an Mitteln für ländliche Entwicklung. Zusätzlich wirken wirtschaftliche Krisen wie die Pandemie oder der Ukraine-Krieg über Sondermaßnahmen auf die jährlichen Zahlungen. Solche Schwankungen sind daher keine Zufälligkeiten, sondern Ausdruck von Programmlogiken, Krisenreaktionen und strukturellen Anpassungen. Langfristige Trends geben entsprechend ein verlässlicheres Bild über die tatsächliche Förderentwicklung als kurzfristige Ausschläge.