Motivation

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

Datengrundlage

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

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

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

EU-Agrarsubventionen:

Das Gesamtbudget der Gemeinsamen Agrarpolitik (GAP) der EU für den Zeitraum 2023-2027 beträgt 307 Mrd. Euro (EU-Mittel + nationale Mitfinanzierung). Der Anteil der reinen EU-Mittel beträgt dabei etwa 264 Mrd. Euro über die gesamte Periode. Deutschland stehen jährlich rund 6,3 Mrd. Euro an GAP-Mitteln zur Verfügung. Also erhält Deutschland über die gesamte Periode ca 31,5 Mrd. Euro.

Wirtschaftliche Bedeutung:

Nach Eurostat-Daten trug die Landwirtschaft 2024 etwa 1,2% zum Bruttoinlandsprodukt der EU bei. Für Deutschland liegt der Anteil der Land-(bzw. Landwirtschaft einschließlich ggf Forst/Fisch) am BIP 2024 bei 0,83%.

Bedeutung für den Arbeitsmarkt:

Laut Eurostat waren 2024 etwa 4,2% aller Erwerbstätigen in der EU im Bereich Landwirtschaft beschäftigt. Für Deutschland liegt der Anteil der Erwerbstätigen im Agrarsektor deutlich niedriger, nämlich bei etwa 1,2%.

Quellen:

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.

Der Europäische Garantiefonds für die Landwirtschaft (EGFL) finanziert in erster Linie Direktzahlungen an landwirtschaftliche Betriebe, sowie marktbezogene Maßnahmen wie Interventionen oder Marktstützungen. Sein Ziel ist es, die Einkommen der Landwirte zu sichern, die Agrarmärkte zu stabilisieren und die grundlegende Funktionsfähigkeit der Landwirtschaft zu gewährleisten. Dieser Fond wird vollständig von der EU finanziert.

Der Europäische Landwirtschaftsfonds für die Entwicklung des ländlichen Raums (ELER) hingegen, unterstützt langfristige Entwicklungsprozesse in ländlichen Regionen. Dazu zählen Investitionen in eine nachhaltige Landwirtschaft, Agrarumwelt- und Klimamaßnahmen, der Ausbau ländlicher Infrastruktur und die wirtschaftliche Diversifizierung. Im Gegensatz zum EGFL werden keine Direktzahlungen finanziert, sondern gezielte Förderprogramme. Die Finanzierung des ELER erfolgt gemeinsam durch die Europäische Union und die Mitgliedstaaten, was bedeutet, dass eine nationale Kofinanzierung notwendig ist.

Die Nationale Kofinanzierung ist der verpflichtende finanzielle Beitrag Deutschlands zur Umsetzung der ELER-Maßnahmen. Da die EU die Kosten der ländlichen Entwicklung nicht vollständig übernimmt, beteiligen sich Bund und Länder mit einem eigenen Anteil an der Finanzierung, um die Programme des ELER in Deutschland durchführen zu können.

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.

Meiner Meinung nach bietet sich hier der “inner join” an. Dieser hat die Eigenschaft, dass er nur die Daten zeigt, die in beiden Datensätzen vorhanden sind. Folglich wird es zum Beispiel die Spalte “Privatwald Anzahl” in dem aggregierten Datensatz “waldbraende” nicht geben. Diese Spalte kommt nur im zweiten Datensatz vor und wird somit durch den inner join nicht zum neuen Datensatz hinzugefügt.

Konsistenzcheck

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

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

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

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

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

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

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

Differenzen zwischen den angegebenen und per Hand berechneten Förderbeträgen
Bundesland Förderbetrag_gesamt Förderbetrag_berechnet Unterschied
Bayern 1.421.232.143,28 1.286.813.513,31 134.418.629,97
Niedersachsen 966.029.777,93 939.273.699,46 26.756.078,47
Baden-Württemberg 683.387.553,64 613.812.855,35 69.574.698,29
Nordrhein-Westfalen 633.841.663,00 594.130.703,60 39.710.959,40
Sachsen-Anhalt 598.783.405,62 552.646.659,75 46.136.745,87
Mecklenburg-Vorpommern 598.510.099,22 569.968.478,81 28.541.620,41
Brandenburg 598.361.440,68 564.370.137,28 33.991.303,40
Sachsen 475.948.856,13 446.330.984,37 29.617.871,76
Thüringen 425.683.659,52 392.947.179,09 32.736.480,43
Schleswig-Holstein 399.565.446,12 370.230.128,07 29.335.318,05
Hessen 335.003.132,18 320.414.200,52 14.588.931,66
Rheinland-Pfalz 323.473.811,90 293.265.505,37 30.208.306,53
Saarland 34.714.770,29 31.218.491,49 3.496.278,80
Hamburg 7.399.231,34 7.230.227,20 169.004,14
Berlin 6.349.473,05 5.474.610,00 874.863,05
Bremen 4.865.093,43 4.399.512,97 465.580,46

Das Bundesland Bayern hat mit großem Abstand die höchste Differenz (134.418.629,97), aber auch Bundesländer wie Baden-Württemberg (69.574.698,29) und Sachsen-Anhalt (46.136.745,87) haben eine auffallend hohe Differenz im Vergleich zu Hamburg (169.004,14), Berlin (874.863,05) und Bremen (465.580,46). Wenn man die Differenzen und die Förderbeträge der Bundesländer vergleicht, ist der Unterschied prozentual gesehen doch immer ähnlich (ganz grob um 10%). Dies deutet darauf hin, dass es zum Beispiel durch Abrechnungsfehler oder eine unklare zeitliche Zuordnung überall anteilig gesehen ähnlich hohe Differenzen gibt. Die absolute Höhe der Fördergelder hängt also auch mit der absoluten Höhe der Ungenauigkeiten zusammen.

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:

Die sechs Begünstigten mit der höchsten und niedrigsten Gesamtfördersumme im Jahr 2024
Begünstigter Gesamtfördersumme (€) PLZ 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 den Auszahlungen der Fördermittel an einen konkreten Begünstigten in einem bestimmten Haushaltsjahr.

Die vorliegende Tabelle zeigt jeweils die Begünstigten mit den sechs höchsten und sechs niedrigsten Fördersummen, sowie deren Wohnort. Die Top-6-Empfänger erhalten Förderbeträge im Millionenbereich, angeführt von der LHW mit rund 37 Millionen Euro. Weitere Spitzenempfänger sind der Landesbetrieb für Küstenschutz, Nationalpark- und Meeresschutz (17 Millionen Euro) sowie das Ministerium des Landes Mecklenburg-Vorpommern (13 Millionen Euro). Auch das Landesamt für Umwelt und Unternehmen wie “Landgard Obst + Gemüse GmbH + Co. KG” erhalten mehrere Millionen Euro. Bei den größten Empfängern handelt es sich also überwiegend um öffentliche Institutionen oder große Agrarunternehmen, weshalb die höchsten Fördermittel insbesondere in Hochwasserschutz, Küstenschutz, Wasserwirtschaft und Landwirtschaft fließen. Demgegenüber liegen die Förderbeträge der sechs kleinsten Empfänger zwischen 25 und 56 Euro. Diese extrem geringen Summen verdeutlichen die enorme Spannweite zwischen großen institutionellen Akteuren und den kleinen Einzelbegünstigten. Räumlich betrachtet zeigt sich, dass die höchsten Förderbeträge in Nord- und Ostdeutschen Bundesländern konzentriert sind (Sachsen-Anhalt, Schleswig-Holstein, Mecklenburg-Vorpommern, Brandenburg). Dies lässt sich durch den erhöhten Bedarf an Hochwasser- und Küstenschutzmaßnahmen in diesen Regionen erklären. Die niedrigsten Beträge finden sich überwiegend in Bayern, wobei sich daraus kein allgemeiner Trend ableiten lässt, dass der Süden insgesamt mehr Kleinbeträge erhält.

Die Forstwirtschaft ist mit dem Landesforst Mecklenburg-Vorpommern - der rund 3,8 Millionen Euro erhält - ebenfalls stark vertreten, was die Bedeutung staatlicher Investitionen in die Waldbewirtschaftung zeigt. Dennoch dominieren in den höchsten Fördersummen Institutionen des Hochwasser- und Küstenschutzes. Gleichzeitig profitiert die Forstwirtschaft indirekt von diesen Investitionen, da sie den Erhalt von Natur- und Landflächen sichern und damit auch die langfristige ökologische Stabilität sowie die wirtschaftliche Leistungsfähigkeit der Wälder unterstützen.

  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?

Überblick über wichtige Zahlen im Hinblick auf Fördergelder
Variable Anzahl Minimum Median Mittelwert Maximum Standardabweichung
EGFL_Förderbetrag 288334 0,00 7.256,10 18.075,44 6.345.377,21 51.772,29
ELER_Förderbetrag 288334 -839,89 560,53 5.818,06 28.223.328,68 87.094,53
Nationale_Kofinanzierung 288334 0,00 0,00 357,98 644.950,72 2.362,96
Förderbetrag_gesamt 288334 0,07 10.011,80 26.057,11 37.149.868,42 132.233,18
Förderbetrag_berechnet 288334 0,00 9.515,18 24.251,48 28.223.328,68 104.736,93

In der Tabelle sind Zahlen zu Subventionen dargestellt, dazu gehören unter anderem die gesamten Förderbeträge, die Nationale Kofinanzierung und die EGFL-, sowie die ELER-Förderbeträge. Von allen Werten sind sowohl die Anzahl als auch wichtige Eckdaten (Minimum, Median, Standardabweichung…) dargestellt, dies dient dazu sich einen Überblick über die wichtigen Zahlen im Hinblick auf Fördergelder zu verschaffen.

Es sticht direkt ins Auge, dass die Nationale Kofinanzierung häufig bei 0 liegt, dies lässt sich daran erkennen, dass der Median ebenfalls 0 ist. Also wird bei über der Hälfte der Fälle keine Hilfe geleistet.

Der ELER-Förderbetrag hat auch eine deutlich höhere Schwankung in seinen Zahlungen als der EGFL-Förderbetrag, dies erkennt man an der höheren Standardabweichung, dies zeigt dass es eine breitere Streuung gibt.

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:

In dem Balkendiagramm sind alle deutschen Bundesländer auf der x-Achse aufgetragen, auf der y-Achse ist der Anteil an der Gesamtfördersumme in Prozent zu sehen. Die Kategorien sind EGFL, ELER, Nationale Kofinanzierung und sonstige Nationale Mittel.

Auffällig ist, dass einige Bundesländer wie Berlin, Bremen, aber auch Sachsen und Sachsen-Anhalt im Vergleich zu den anderen einen hohen Anteil an ELER-Fördergeldern haben (ca. 25-40%). Dies lässt sich dadurch erklären, dass es weniger landwirtschaftliche Betriebe gibt, die Hilfe benötigen, folglich liegt der Fokus bei diesen Bundesländern stärker auf der ländlichen Entwicklung. Die ELER-Fördergelder sind keine Zahlungen an einzelne Betriebe, sondern werden für gezielte Maßnahmen regional verwaltet.

Andere Bundesländer wie Hamburg, Niedersachsen und Schleswig-Holstein haben dagegen hohe EGFL-Förderungen (ca. 75-85%). Dies lässt sich auch damit erklären, da es zum Beispiel in Schleswig-Holstein sehr viele landwirtschaftliche Betriebe gibt. Wenn es mehr Betriebe gibt, müssen diese im Normalfall auch mehr gefördert werden. Diese Bundesländer konzentrieren sich also auf die Einkommenssicherung der Landwirte und auf das weitere Bestehen der landwirtschaftlichen Betriebe.

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 von 2023 auf 2024
Bundesland 2023 (Mio. €) 2024 (Mio. €) Absolute Veränderung (Mio. €) Relative Veränderung (%)
Saarland 17,38 17,33 -0,05 -0,27
Bremen 2,61 2,26 -0,35 -13,41
Hamburg 3,96 3,44 -0,52 -13,14
Berlin 3,76 2,59 -1,18 -31,27
Hessen 181,51 153,49 -28,02 -15,44
Thüringen 227,59 198,09 -29,50 -12,96
Rheinland-Pfalz 186,46 137,01 -49,45 -26,52
Baden-Württemberg 368,65 314,74 -53,91 -14,62
Schleswig-Holstein 227,04 172,53 -54,51 -24,01
Nordrhein-Westfalen 356,61 277,23 -79,38 -22,26
Sachsen 280,39 195,56 -84,83 -30,25
Brandenburg 343,29 255,08 -88,21 -25,70
Mecklenburg-Vorpommern 344,70 253,81 -90,89 -26,37
Sachsen-Anhalt 351,54 247,24 -104,30 -29,67
Niedersachsen 577,14 388,89 -188,25 -32,62
Bayern 814,11 607,12 -206,99 -25,42

Die Tabelle zeigt die absolute und relative Entwicklung der Gesamtfördersummen von 2023 auf 2024 für die Bundesländer. In allen Bundesländern sanken die Fördermittel, wodurch ein bundesweiter Trend erkennbar ist.

Die größten absoluten Rückgänge betreffen die großen Agrarländer: Bayern verliert knapp 207 Millionen Euro, Niedersachsen rund 188 Millionen Euro. Relativ betrachtet liegt Niedersachsen mit -32,62 % an der Spitze, dicht gefolgt von Berlin und Sachsen. Kleine Bundesländer wie Saarland, Bremen, Hamburg oder Berlin haben deutlich geringere Fördermittel in beiden Jahren erhalten, Saarland verzeichnet mit -0,05 Millionen Euro und -0,27 % den geringsten Rückgang. Besonders auffällig ist Berlin. Hier war zwar die absolute Veränderung der Fördersummen mit 1,18 Millionen Euro sehr gering, allerdings liegt der relative Rückgang bei über 30 %. Grund dafür ist vermutlich die niedrige Ausgangssumme (3,76 Millionen Euro), sodass bereits kleine absolute Veränderungen stärker ins Gewicht fallen. Insgesamt zeigen die Daten, dass große Flächenländer besonders stark von absoluten Rückgängen betroffen sind, während relative Veränderungen je nach Bundesland stark variieren.

Die Ursache für die Rückgänge ist die Förderlogik der Gemeinsamen Agrarpolitik. Die vorhergehende Förderperiode 2014 bis 2020 endete formal 2020, Auszahlungen erfolgten jedoch bis Ende 2023, wodurch 2023 außergewöhnlich hohe Fördermittel gezahlt wurden. Mit Beginn der neuen GAP-Periode 2023 bis 2027 führten neue Richtlinien, geänderte Prioritäten, komplexere Antragsverfahren sowie verschärfte Umwelt- und Klimaschutzauflagen zu Verzögerungen bei den Auszahlungen. Zusätzlich erfolgte eine stärkere Mittelumverteilung zugunsten kleinerer und mittlerer Betriebe, wodurch beispielsweise Bayern und Niedersachsen stärker an Fördervolumen verloren, da diese vermutlich eher große landwirtschaftliche Betriebe haben.

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:

Die Gesamtschäden durch Extremwetterereignisse in Deutschland belaufen sich seit dem Jahr 2000 auf knapp 145 Milliarden Euro, was einem durchschnittlichen jährlichen Schaden von rund 6,6 Milliarden Euro entspricht. Besonders stark fiel der Hitzesommer 2018/19 aus, in dem allein in der Land- und Forstwirtschaft Schäden von 25,6 Milliarden Euro entstanden. Zum Vergleich erhielten deutsche Landwirte in der Förderperiode 2014-2020 jährlich etwa 4,8 Milliarden Euro an EU-Direktzahlungen sowie rund 2,4 Milliarden Euro zur Förderung ländlicher Räume aus dem ELER-Fonds. Zusammen ergeben sich somit rund 7,2 Milliarden Euro pro Jahr - eine Summe, die in derselben Größenordnung liegt wie die mittleren jährlichen Wetterschäden.

Diese Zahlen verdeutlichen, dass Direktzahlungen und Fördermittel teilweise wie eine staatliche Risikoprämie wirken können. Sie stabilisieren Einkommen, sichern Liquidität und können dadurch Ertragsschwankungen zumindest abfedern. Allerdings bestehen klare ökonomische Einschränkungen: Eine hohe Erwartung staatlicher Unterstützung schwächt private Vorsorgeanreize und begünstigt moral hazard. Zudem orientieren sich die flächengebundenen Direktzahlungen nicht an der Klimavulnerabilität eines Betriebs. Dadurch fließen große Mittel an vergleichsweise gering gefährdete Betriebe, während besonders exponierte und hoch verletzliche Betriebe unterfinanziert bleiben. Insgesamt kann man schlussfolgern, dass die Direktzahlungen zwar versicherungsähnliche Effekte entfalten, ökonomisch aber kein Ersatz für gezielte Risikomanagementinstrumente und echte Anpassungsmaßnahmen sind.

Vor diesem Hintergrund stellt sich die Frage, warum reine Schadenskompensation weniger effizient ist als Prävention. Präventive Maßnahmen - etwa Bodenverbesserung, Erosionsschutz, Wasserrückhalt oder die Nutzung resilienter Sorten - reduzieren erwartete Schäden dauerhaft. Eine wiederkehrende Kompensation dagegen wirkt lediglich kurzfristig und verhindert keine zukünftigen Verluste. Prävention erzeugt zudem positive Nebeneffekte wie höhere Bodenfruchtbarkeit, bessere Wasserspeicherfähigkeit oder mehr Biodiversität, die auch über die unmittelbare Risikoreduktion hinaus gesellschaftlichen Nutzen stiften. Hinzu kommt: Wenn Landwirte mit nachträglichen Entschädigungen rechnen können, sinkt die Bereitschaft zu eigener Vorsorge, was langfristig die fiskalischen Lasten erhöht und zu einer ineffizienten Ressourcenallokation führt. Insgesamt ist Prävention daher ökonomisch überlegen, da sie Risiken reduziert, externe Effekte verbessert und Fehlanreize minimiert. Die beiden betrachteten politischen Ansätze weisen vor diesem Hintergrund unterschiedliche Stärken und Schwächen auf. Ansatz A - die Erhöhung der Direktzahlungen zur Sicherstellung von Liquidität nach Ernteausfällen - bietet den Vorteil einer schnellen und administrativ unkomplizierten Unterstützung. Sie verhindert kurzfristig Insolvenzen und stabilisiert Einkommen. Allerdings handelt es sich um ex-post-Zahlungen, die Schäden nicht vermeiden und langfristig erhebliche fiskalische Kosten verursachen können. Sie verstärken zudem moral hazard und folgen aufgrund ihrer Flächenbindung keiner effizienten, risikoorientierten Verteilung. Damit ist ihre ökonomische Bilanz zwar kurzfristig stabilisierend, jedoch langfristig ineffizient und teuer.

Ansatz B - die Umschichtung hin zu projektbasierter ELER-Förderung für klimaresiliente Technologien - setzt dagegen an der langfristigen Risikoreduktion an. Investitionen in Bewässerungssysteme, trockenresistente Sorten oder bodenschonende Verfahren erhöhen die Produktionssicherheit und senken zukünftige Schadenshöhen. Sie wirken gezielter, stärken die Innovationskraft und entfalten eine hohe Hebelwirkung. Dem stehen allerdings höhere Anfangskosten, mehr Verwaltungsaufwand sowie eine zeitliche Verzögerung der Wirksamkeit gegenüber. Zudem könnten kleinstrukturierte Betriebe ohne ausreichende Liquidität bei einer starken Verschiebung der Mittel benachteiligt werden. Langfristig bietet dieser Ansatz jedoch eine deutlich größere ökonomische Effizienz und Nachhaltigkeit, sofern er durch ergänzende Maßnahmen zur Überbrückung kurzfristiger Liquiditätsengpässe flankiert wird.

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.

Überblick über Schäden aufgrund von Waldbränden von 2018-2024
Jahr Verbrannte Fläche Anzahl der Fälle Wirtschaftliche Verluste Enstandene Schäden
2018 28.188 20.496 25.733.160 32.040.000
2019 32.532 18.276 19.955.400 26.640.000
2020 4.416 16.320 19.149.600 26.280.000
2021 1.776 6.576 7.910.880 8.040.000
2022 36.696 28.764 58.216.560 61.680.000
2023 14.880 12.708 11.487.960 14.280.000
2024 4.008 6.756 8.163.000 8.160.000

In der Tabelle werden die Jahre von 2018-2024 aufgelistet und die zugehörige verbrannte Fläche, die Anzahl der Waldbrände, die wirtschaftlichen Verluste und zum Schluss die entstandenen Schäden. Auffallend groß ist die verbrannte Fläche im Jahr 2022 (36.696ha) und 2019 (32.532ha), die entstandenen Schäden sind mit großem Abstand im Jahr 2022 am größten (61.680.000€). Durch diese zwei Informationen lässt sich daraus schließen, dass es im Jahr 2022 wohl viele und auch große Brände gab. Allerdings gab es 2019 zwar auch sehr viele Brände, aber aufgrund der geringen entstandenen Schäden vermutlich eher kleinere Brände, die wenig Schaden angerichtet haben.

Es lässt sich in keiner der Kategorien ein klarer Trend erkennen, in allen Kategorien gab es 2022 sehr hohe Zahlen, davor und danach sind sie aber deutlich niedriger und zeigen keine durchgehende fallende Tendenz. Für einen klaren Trend bräuchte man noch zusätzliche Daten aus Zukunft und Vergangenheit.

Außerdem ist erstaunlicherweise kein klarer Zusammenhang zwischen hohen Subventionen und weniger Waldbränden zu erkennen. Von 2023 bis 2024 hat beispielsweise fast jedes Bundesland weniger subventioniert, trotzdem sind die Waldbrände stark gesunken.

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

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

über die verschiedenen Jahre hinweg nach Eigentumsform darstellen.

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

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

Die beiden gestapelten Balkendiagramme veranschaulichen die prozentuale Verteilung der Waldbrände in Deutschland nach Eigentumsform und differenzieren zwischen der Anzahl der Brandfälle und der verbrannten Fläche von 2018 bis 2024.

Die Analyse der Brandfälle zeigt, dass der Privatwald im gesamten Betrachtungszeitraum die häufigsten Brandereignisse aufweist. Sein Anteil liegt durchgehend bei über 44 % und erreicht 2019 mit 53,3 % seinen Höchstwert. Auch bei der verbrannten Fläche dominiert der Privatwald, wobei die jährlichen Schwankungen deutlich stärker ausgeprägt sind als bei der Fallzahl. So entfielen in mehreren Jahren, insbesondere 2018, 2023 und 2024, mehr als 60 % der verbrannten Gesamtfläche auf den Privatwald, 2024 sogar fast 77 %. Der Landeswald folgt als zweitstärkste Kategorie bei den Brandfällen mit Anteilen zwischen etwa 21 und 26 %. Die Anzahl der Brände ist also relativ konstant, sein Flächenanteil variiert allerdings stark (von 3,8 % im Jahr 2019 bis zu 34,8 % im Jahr 2022). Besonders auffällig ist hier das Jahr 2019. In diesem Jahr sind 21,7 % der Brände im Landeswald entstanden. Die verbrannte Fläche lag allerdings nur bei 3,8 %. Dies deutet auf viele kleine Brände hin. Im Jahr 2019 entfielen 16,2 % der Brandfälle auf den Körperschaftswald, jedoch nur 3,7 % der verbrannten Fläche. Damit zeigt sich, dass hier zwar relativ viele Ereignisse auftreten, diese aber in der Regel kleinflächig bleiben (etwa unter 10 %). Im Gegensatz dazu treten Brände im Bundeswald vergleichsweise selten auf, sind dafür jedoch oft großflächig. Im Jahr 2019 entfielen nur 8,9 % der Brandfälle auf den Bundeswald, während er 42 % der verbrannten Fläche ausmachte. Auch im Jahr 2021 zeigt sich dies, in welchem 7,1 % der Brände 34 % der Fläche ausmachten. Insgesamt kann man bei allen Wäldern sagen, dass die Anzahl der Brände über die Jahre hinweg relativ konstant bleibt, die verbrannten Flächen dagegen stark variieren.

Der Privatwald trägt die größte ökonomische Gesamtlast im Hinblick auf Waldbrände, da er sowohl für die Mehrheit der Brandfälle als auch in den meisten Jahren für die größte verbrannte Fläche verantwortlich ist. Die extreme Volatilität des Flächenanteils verdeutlicht, dass die Brandbekämpfung hier in manchen Jahren nicht ausreicht, um Großbrände zu verhindern. Daher besteht hier der dringendste Bedarf an flächendeckenden staatlichen Unterstützungsmaßnahmen. Im Bundeswald zeigt sich ein hohes Schadenspotenzial pro Ereignis, da die Flächenanteile im Verhältnis zur Fallzahl meist überrepräsentiert sind. Brände in diesen Wäldern verursachen somit besonders hohe Kosten. Daraus ergibt sich der dringende Bedarf an Präventions- und Interventionsmaßnahmen, um Großschadensereignisse zu verhindern oder schnell zu kontrollieren. Körperschafts- und Landeswald zeichnen sich hingegen die meiste Zeit durch viele kleine Brände aus, was auf eine hohe Brandwahrscheinlichkeit, aber gleichzeitig auf eine effektive und schnelle Brandbekämpfung hinweist. Die ökonomischen Schäden pro Einzelfall sind hier vergleichsweise gering. Der Schwerpunkt staatlicher Maßnahmen sollte deshalb hier auf der Ursachenbekämpfung liegen.

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:

Die logarithmisch skalierten Liniendiagramme zeigen die Entwicklung der Waldbrände in Deutschland von 2018 bis 2024 und unterscheiden sowohl zwischen der Anzahl der Brände als auch der betroffenen Waldfläche. Betrachtet man zunächst die Anzahl der Brände, wird deutlich, dass alle Ursachen über den gesamten Zeitraum hinweg einem allgemeinen Abwärtstrend folgen. Dieser verläuft jedoch nicht gleichmäßig, sondern ist stark durch Schwankungen geprägt. Nach einem ersten stärkeren Rückgang im Jahr 2020 erreichten alle Ursachen im Jahr 2021 ihren Tiefpunkt. Anschließend folgte 2022 ein deutlicher Wiederanstieg, bevor die Zahlen in den Folgejahren wieder nahezu linear abnahmen. Besonders auffällig ist, dass alle Ursachengruppen in ihrer zeitlichen Entwicklung sehr ähnlich verlaufen und somit parallel auf äußere Bedingungen reagieren. Außerdem fällt auf, dass hier die unbekannten Ursachen in allen Jahren dominieren und die natürlichen Ursachen die wenigsten Waldbrände verursachen.

Deutlich anders stellt sich die Entwicklung dar, wenn man die betroffene Waldfläche betrachtet. Hier zeigt sich eine wesentlich stärkere Volatilität und die Korrelation zwischen den verschiedenen Ursachen ist deutlich geringer. Zwar verursachen die unbekannten Ursachen in allen Jahren die größten Flächenverluste, während natürliche Ursachen durchgängig die geringste Rolle spielen, doch die drei anthropogenen Kategorien - Fahrlässigkeit, Vorsatz (Brandstiftung) sowie sonstige handlungsbedingte Einwirkungen - weisen in einzelnen Jahren stark voneinander abweichende Ausschläge auf. Von 2018 bis 2021 ist bei Fahrlässigkeit und Vorsatz eine relativ kontinuierliche Abnahme der betroffenen Fläche zu beobachten. Die sonstigen handlungsbedingten Einwirkungen hingegen erreichen 2019 ihr Maximum und fallen bereits 2020 auf ein Minimum zurück. Das Jahr 2021 markiert für fast alle Ursachen den niedrigsten Punkt der betroffenen Fläche, lediglich die sonstigen handlungsbedingten Einwirkungen weichen hiervon ab. Ab 2021 steigen die Flächenverluste bei allen menschlichen Ursachen wieder an, wobei die Brandstiftung im Jahr 2022 ihren Höchstwert erreicht und nur ganz knapp unter den 30.000 Hektar der unbekannten Ursachen liegt. Besonders hervorzuheben ist der deutliche Größenunterschied im Tiefpunktjahr 2021. Während natürliche Ursachen hier mit weniger als 100 Hektar nur eine geringe Rolle spielen, betreffen die menschlich bedingten Ursachen jeweils rund 1000 Hektar. Dies verdeutlicht, wie gering die Bedeutung natürlicher Auslöser im Vergleich zu den anderen Faktoren ist.

Die ökonomischen und politischen Implikationen eines solchen Trends sind erheblich. Die Dominanz unbekannter Ursachen erschwert die effiziente Prävention. Große Brände durch Brandstiftung verursachen direkte Schäden an Holzbeständen, erhöhen Wiederaufforstungskosten und erfordern verschärfte Überwachung sowie Präventionskampagnen. Sollten natürliche Brände zukünftig zunehmen, wären Anpassungen der Forstwirtschaft und Investitionen in Frühwarnsysteme erforderlich. Ein allgemeiner Anstieg der Brandhäufigkeit, wie 2022 beobachtet, würde zudem erhöhte Ausgaben für Feuerwehren und Katastrophenschutz nach sich ziehen und politischen Handlungsdruck erzeugen.

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:

Zu sehen sind zwei Punktediagramme, eines stellt den Zusammenhang zwischen den Forstverwaltungskosten und den wirtschaftlichen Verlusten durch Waldbrände dar, das andere zeigt den Zusammenhang zwischen sonstigen Kontrollkosten und den wirtschaftlichen Verlusten. Wie zu erwarten lässt sich erkennen, dass sehr geringe Forstverwaltungskosten oft mit hohen wirtschaftlichen Verlusten einhergehen. Bei den sonstigen Kontrollkosten gibt es dieselbe Beobachtung. Insbesondere bei den Forstverwaltungskosten gibt es aber auch einige Datenpunkte die hohen Kosten aber auch einen hohen wirtschaftlichen Verlust haben.

Der wirtschaftliche Verlust ist bei beiden Punktdiagrammen auf einer logarithmierten Skala dargestellt. Dies ist sinnvoll, da die wirtschaftlichen Verluste einen sehr großen Datenbereich abdecken. Allerdings sind in diesem Diagramm die exakten Zahlen nicht so relevant, sondern der grobe Verlauf, dafür ist eine logarithmierte Skala ausreichend.

Aufgrund des Sachverhaltes, dass in mehreren Bundesländern die Kosten ähnlich hoch, wie die wirtschaftlichen Verluste sind, lässt sich die Aussage treffen, dass die Kosten nur eine Schadensbegrenzung sind. Es drängt sich auch direkt die Frage auf, wieso trotz hoher Kosten die Schäden nicht proportional reduziert werden können. Dafür kann es mehrere Gründe geben. Es kann sein, dass die Maßnahmen, für die diese Kosten benötigt werden, schlichtweg nicht effizient genug sind. Aber es kann auch daran liegen, dass es deutlich kostspieliger wird sich gegen Waldbrände zu schützen wegen dem Klimawandel und den wiederkehrenden Hitzewellen.

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 deutscher Waldbrände von 2018 bis 2024. Graue Balken stellen die verbrannte Fläche pro Monat in Hektar dar, die rote Linie zeigt die Anzahl der Brände. Die linke y-Achse ist für die Fläche, die rechte für die Brandanzahl skaliert. Auffällig ist ein deutlicher saisonaler Zyklus mit Spitzen in den Sommermonaten. Die meisten Brände und die größten verbrannten Flächen treten im späten Frühjahr und Sommer auf, typischerweise im Zeitraum von Mai bis August. Die deutlichsten Spitzen liegen meist im Juni und Juli, können je nach Jahr aber auch schon im Mai auftreten. Dabei fallen die Spitzen der Brandanzahl und der verbrannten Fläche nicht immer zusammen: Einige Monate bzw. Jahre verzeichnen viele kleine Brände mit geringer Fläche (2020 und 2021), während andere wenige, dafür sehr große Brände verursachen, wie beispielsweise im Mai 2019. Hier gab es etwa 400 Waldbrände, wobei die verbrannte Fläche auf über 2000 Hektar fiel. Außerdem ist zu erkennen, dass die Waldbrandanzahl ihr Maximum im Juli 2022 mit über 600 Brände erreichte, während die meist verbrannte Fläche von über 2000 Hektar im Jahr 2019 sein Maximum erreicht.

Solche Unterschiede entstehen beispielsweise durch Wetterbedingungen, die die Entstehung vieler kleiner Brände begünstigen, aber ihre Ausbreitung verhindern können. Schnelle Löschmaßnahmen, feuchtere Vegetation oder geringe Windstärke verhindern oft, dass Brände großflächig werden. Menschliche Aktivitäten, wie Grillen oder Funkenflug, führen häufig zu vielen kleinen Bränden, während einzelne Großbrände für besonders große verbrannte Flächen verantwortlich sind. Die jährlichen Schwankungen der Sommerbrände lassen sich auf unterschiedliche Wetterlagen, Klimaextreme, Veränderungen in der Vegetation, verbesserte Überwachung und Prävention sowie zufallsabhängige Großereignisse zurückführen. Jahre mit Hitzewellen und langanhaltender Dürre (2018 oder 2022) weisen deutlich höhere Brandzahlen und größere Flächen auf, während regenreichere Jahre, wie 2021 vergleichsweise geringe Werte zeigen.

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)?
Zentrale Zahlen zu Waldbränden für Bayern und Brandenburg (2022 & 2023)
Gesamtanzahl der Brände Gesamtfläche (in ha) Gesamte wirtschaftliche Verluste (in Tausend €) Durchschnittliche Fläche pro Brand (in ha) Verlust pro ha (in €)
Bayern
2022 1.740 2.568,00 3.565 1,48 1.388,13
2023 900 528,00 2.372 0,59 4.491,82
Brandenburg
2022 6.276 17.112,00 163 2,73 9,54
2023 3.012 9.180,00 83 3,05 9,02

In der Tabelle sind zentrale Zahlen zu Waldbränden für die Bundesländer Bayern und Brandenburg in den Jahren 2022 und 2023 zu sehen. Die jeweils dargestellten Kennzahlen sind die Gesamtanzahl der Brände, die gesamte Fläche, der gesamte wirtschaftliche Verlust, die durchschnittlich Fläche pro Brand und der wirtschaftliche Verlust pro Hektar.

In Brandenburg (6.276 und 3.012) ist in beiden Jahren die Anzahl der Waldbrände um einiges höher als in Bayern (1.740 und 900). Passend dazu ist auch die Gesamtfläche in Brandenburg (17.112ha und 9.180ha) um einiges höher als in Bayern(2.568ha und 528ha). Allerdings ist der wirtschaftliche Verlust pro Hektar in Bayern (1.388,13 und 4.491,82) um ein Vielfaches höher als in Brandenburg (9,54 und 9,02).

Diese Beobachtungen lassen darauf schließen, dass es sich bei den abgebrannten Wäldern in Brandenburg hauptsächlich um Nutzwälder handelt. Nutzwäldern sind meistens schnellwachsend und haben wenige verschiedene Baumarten, diese haben auch einen nicht allzu hohen Holzpreis. Dies erklärt, wieso der wirtschaftliche Schaden pro Hektar in Brandenburg so gering ist. In Bayern handelt es sich vermutlich um Schutzwald, dieser zeichnet sich durch viele alte Bäume und auch diverse Baumarten aus. Da dort nicht nur die „billigsten“ Bäume stehen, erzielt Holz aus dieser Art von Wald deutlich höhere Preise, dementsprechend ist auch der wirtschaftliche Schaden pro Hektar deutlich höher.

In beiden Bundesländern gibt es ein Waldbrandproblem, aber es manifestiert sich auf sehr unterschiedliche Weisen. Während es in Brandburg sehr viele und auch flächenmäßig große Waldbrände gibt, richten diese wirtschaftlich nicht so einen großen Schaden an. Auch die Schäden sind nicht allzu hoch. In Bayern gibt es zahlenmäßig weniger Waldbrände, die auch eine kleinere Fläche umfassen. Allerdings richten diese Waldbrände einen wirtschaftlichen größeren Schaden an, da es sich um Schutzwald handelt.

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 vorliegende Diagramm vergleicht die strukturellen Unterschiede der Waldbrandschäden in Bayern und Brandenburg für die Jahre 2022 und 2023, gemessen am Verlust von Stammholz und Industrieholz in tausend Festmetern (1000 m³). Die Entwicklung von 2022 zu 2023 zeigt in beiden Bundesländern eine deutliche Zunahme der durch Waldbrände verursachten Holzausfälle. Während der Verlust von Industrieholz in Bayern von 773 Tausend auf 6.144 Tausend Festmetern um mehr als das Sechsfache zunahm, ist der Verlust in Brandenburg sogar von 1.026 auf 15.084 Tausend Festmetern und somit um etwa das 15-Fache gestiegen. Auch beim Stammholz kam es zu einem deutlichen Anstieg. So in Bayern von 3.128 auf 11.110 Tausend Festmetern und in Brandenburg von 308 auf 8.209 Tausend Festmetern. In Bayern dominiert also in beiden Jahren der Verlust von Stammholz, in Brandenburg dagegen der Verlust von Industrieholz. Insgesamt hat Brandenburg einen deutlich höheren Gesamtverlust erlitten als Bayern.

Die Unterschiede hier lassen sich ökonomisch erklären. So haben die Brände in Bayern vor allem ältere und hochwertigere Bestände getroffen, deren ökonomischer Wert pro Kubikmeter höher ist und deren Wiederaufbau besonders viel Zeit benötigt, etwa aufgrund langer Wachstumszeiten. In Brandenburg hingegen hat es vermutlich jüngere oder weniger wertvolle Bestände getroffen, weshalb der ökonomische Schaden pro Festmeter geringer ausfällt als in Bayern. Trotz der niedrigeren Wertigkeit des Materials führte die enorme Schadensmenge jedoch zu einem insgesamt sehr hohen wirtschaftlichen Verlust. Da die betroffenen Bestände tendenziell jünger waren, könnte die Wiederaufforstung hier schneller erfolgen als in Bayern.

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.

Die erste Strategie, Abschreckung und Strafen, zielt darauf ab, Bußgelder und Strafen für fahrlässige Brandstiftung und vorsätzliche Brandlegung deutlich zu erhöhen. Diese Maßnahme ist kosteneffizient, da sich die Kosten hauptsächlich auf das benötigte Personal beziehen, während der Nutzen hoch ist. Wie in vorherigen Aufgaben gesehen, zählen Fahrlässigkeit und Brandstiftung zu einer der meisten Ursachen von Waldbrände, weshalb die Durchsetzung dieser Maßnahme die Gesamtzahl der Waldbrände reduzieren könnte.

Die zweite Strategie, Anreize für den Waldumbau, beinhaltet staatliche Förderungen, um den Umbau anfälliger Monokulturen in klimaresilientere Mischwälder voranzutreiben. Diese Maßnahme ist zwar sinnvoll, aber sehr teuer. Der Nutzen ist hier ebenfalls hoch, da durch Waldumbau die Anfälligkeit des Waldes für Brände verringert wird. Diese Maßnahme wäre besonders in Ostdeutschland relevant, wo große Kiefermonokulturen dominieren, was sich in den hohen Industrieholzverlusten in Brandenburg widerspiegelt. Der Waldumbau ist daher eine wichtige langfristige Strategie, um die Intensität und den Flächenschaden von Bränden zu reduzieren.

Die dritte Strategie, Investitionen in Technologie, umfasst den flächendeckenden Einsatz moderner Überwachungssysteme wie Drohnen und Sensoren zur Früherkennung. Die Kosten sind mittel bis hoch, da Anschaffung, Wartung und Personal berücksichtigt werden müssen. Der Nutzen liegt in der schnellen Detektion von Bränden. Die vorherigen Aufgaben zeigen, dass im Frühjahr viele kleine Brände auftreten, während im Hochsommer die Flächenschäden am größten sind. Durch schnelle Reaktionen auf die kleineren Brände im Frühjahr lässt sich verhindern, dass sie zu großflächigen, schadenintensiven Bränden im Sommer eskalieren.

Zusammenfassend lässt sich sagen, dass die effektivste Strategie eine Kombination aller drei Ansätze ist, da sie unterschiedliche Aspekte des Risikomanagements abdeckt: Prävention (Abschreckung), Reaktion (Technologie) und strukturelle Resilienz (Waldumbau). Kurzfristig sollten Abschreckung und Technologie priorisiert werden, um schnelle Erfolge zu erzielen, während der Waldumbau langfristig als wichtigste Maßnahme gefördert werden muss.

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 sind die 27 Mitgliedstaaten der EU enthalten und er erstreckt sich über den Zeitraum von 2010 bis 2022.

Die Spalte Indicator_Type im Datensatz klassifiziert die Subventionen entsprechend den beiden Säulen der Gemeinsamen Agrarpolitik (GAP) der Europäischen Union. Output_Pillar I repräsentiert die erste Säule, deren Ziel die Einkommensstützung der Landwirte und die Stabilisierung der Agrarmärkte ist. Diese Säule wird vollständig über den EGFL finanziert und umfasst die beiden Kategorien “Direct Payments” und “Market Measures”. Die “Direct Payments” dienen der Sicherung der Einkommen der Betriebe, während “Market Measures” Interventionen beinhalten, die zur Stabilisierung der Agrarmärkte dienen. Die Trennung dieser beiden Kategorien ist sinnvoll, da sie sich sowohl in der Zielsetzung als auch in der Umsetzung deutlich unterscheiden. Output_Pillar II steht für die zweite Säule der GAP, deren Finanzierung über die ELER in Kombination mit einer nationalen Kofinanzierung der Mitgliedstaaten erfolgt. Im Datensatz wird diese Säule unter den Begriff “Rural Development” zusammengefasst, da sie zahlreiche unterschiedliche Programme bündelt, die alle auf eine langfristige und nachhaltige Entwicklung der ländlichen Gebiete abzielen.

Die Indikatortypen lassen sich gut mit den deutschen Förderstrukturen vergleichen. Output_Pillar I - “Direct Payments” entspricht den deutschen GAP-Direktzahlungen und “Market Measures” den Marktordnungsmaßnahmen der Bundesanstalt für Landwirtschaft und Ernährung. Output_Pillar II - “Rural Development” bildet die ELER-kofinanzierten Programme für die ländliche Entwicklung in Deutschland ab. So spiegeln die EU-Indikatoren die gleichen Förderbereiche wider, die in Deutschland umgesetzt werden.

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 vorliegende Grafik stellt die Gesamtsubventionen der EU-Agrarpolitik, aufgeschlüsselt nach den Jahren 2020, 2021 und 2022 für die zehn größten Empfängerländer dar. Die Gesamtlänge jedes Balkens repräsentiert die akkumulierte Fördersumme über diesen Dreijahreszeitraum.

Die absolute Höhe der Gesamtförderung über die drei Jahre hinweg zeigt eine klare Dominanz der größten Agrarnationen der EU. Frankreich ist der mit Abstand größte Empfänger mit einer Gesamtsumme von fast 70 Milliarden Euro. Es folgen Spanien, Italien und Deutschland, deren Gesamtförderungen jeweils zwischen 45 Milliarden Euro und ca. 50 Milliarden Euro liegen. Im Kontrast dazu stehen Länder am unteren Ende der Top 10, wie Österreich und Irland, deren kumulierte Subventionen jeweils deutlich unter 15 Milliarden € bleiben. Diese ungleiche Verteilung ist primär auf strukturelle Faktoren zurückzuführen, da der Großteil der GAP-Mittel (Pillar I) flächengebunden ist und somit Länder mit den größten landwirtschaftlichen Nutzflächen die höchsten absoluten Beträge erhalten.

Beim Vergleich der jährlichen Subventionen fällt als wichtigster Trend eine hohe jährliche Stabilität auf. Bei den westeuropäischen Empfängern (Deutschland, Italien, Spanien) sind die jährlichen Segmente nahezu gleich groß. Diese Stabilität reflektiert die Natur der Direktzahlungen, die jährlich fest budgetiert sind und eine hohe Planungssicherheit gewährleisten.

Dennoch sind bei einigen Ländern Abweichungen zu beobachten. Länder wie Polen und Rumänien zeigen eine steigende Tendenz der jährlichen Subventionen, wobei die Auszahlungen in den Jahren 2021 und 2022 zunehmen. Dieser Anstieg ist hauptsächlich durch die Konvergenz der Direktzahlungen zu erklären. Im Rahmen der GAP-Reformen werden die historisch niedrigeren Hektarprämien der mittel- und osteuropäischen Mitgliedstaaten schrittweise an den EU-Durchschnitt angeglichen, was zu einem relativen Wachstum ihrer absoluten Förderansprüche führt. Leichte Rückgänge oder Schwankungen bei traditionellen Agrarnationen wie Frankreich können hingegen auf die externe Konvergenz oder administrative Verschiebungen bei der Auszahlung der projektbezogenen Pillar II-Mittel zurückzuführen sein.

Länder wie Österreich und Irland erhalten im absoluten Vergleich geringere Fördermittel, was im europäischen Kontext durch ihre kleinere landwirtschaftliche Nutzfläche bedingt ist. Die geringere absolute Summe ist demnach ein Indikator für die nationale Größe des Agrarsektors und nicht zwingend für eine geringere agrarwirtschaftliche Bedeutung oder Effizienz. In diesen Ländern ist die Förderung pro Hektar oder die relative Bedeutung der Mittel für die Bewirtschaftung spezifischer Flächen (z.B. Bergbauernförderung in Österreich) oft hoch.

Die beobachtete Verteilung wird durch mehrere ökonomische und politische Faktoren bestimmt. Erstens ist die Verteilung auf die strukturelle Flächenabhängigkeit zurückzuführen: Da die Subventionen entkoppelt und flächenbasiert sind, korreliert die absolute Höhe direkt mit der Größe der bewirtschafteten Fläche. Zweitens spielen historische Faktoren eine Rolle, da die Basisansprüche der Subventionen auf Referenzperioden in der Vergangenheit beruhen, was die Dominanz der traditionellen Agrarstaaten zementiert. Drittens sind die Subventionen als Einkommensstützung konzipiert, um die Wettbewerbsfähigkeit der Landwirtschaft zu erhalten und die Bewirtschaftung der europäischen Agrarflächen zu sichern, unabhängig von den jährlich erwirtschafteten Erträgen. Die Verteilung spiegelt somit die politischen Prioritäten zur Stabilisierung des landwirtschaftlichen Einkommens und die historisch gewachsenen Agrarstrukturen wider.

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

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

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

Die interaktive Karte zeigt die Entwicklung der EU-Agrarsubventionen der Mitgliedstaaten im Zeitraum von 2010 bis 2022. Dabei stellen hellere Farben niedrigere Subventionssummen und dunklere Farben höhere Summen dar. Die Darstellung offenbart jedoch früh eine zentrale Einschränkung: Für zahlreiche westeuropäische Staaten - darunter Deutschland, Frankreich, Italien, Spanien und die Benelux-Länder - liegen erst ab 2014 vollständige Daten vor. Während diese Länder in den Jahren 2010 bis 2013 noch weiß erscheinen, sind sie ab 2014 durchgängig eingefärbt. Der Zuwachs an farblich dargestellten Staaten von 2013 auf 2014 verdeutlicht diesen Datenbruch. Darüber hinaus bleiben einige weiße Flächen bestehen, die entweder aus fehlenden Werten einzelner Länder oder aus der Nichtmitgliedschaft in der EU resultieren, wie im Fall der Schweiz oder Norwegens.

Ab 2014 wird ein konsistentes und aussagekräftiges Muster sichtbar. Frankreich, Deutschland, Italien, Spanien und Polen gehören zu den größten Empfängern von EU-Agrarsubventionen, wobei Frankreich deutlich hervorsticht. Die französischen Zuwendungen steigen von rund 12 Milliarden Euro im Jahr 2014 auf etwa 23,6 Milliarden Euro im Jahr 2022. Der starke Anstieg reflektiert weniger ein abruptes Wachstum der Förderpolitik als vielmehr Veränderungen in der Datenerfassung sowie die Integration zusätzlicher Programme nach Beginn der GAP-Förderperiode 2014 bis 2020. Luxemburg erhält aufgrund seiner sehr kleinen Agrarfläche die geringsten Subventionen, zeigt dabei jedoch relativ starke Schwankungen. Die Summen reichen von rund 117 Millionen Euro im Jahr 2014 über ein Zwischenhoch von knapp 200 Millionen im Jahr 2019 bis zu etwa 147 Millionen Euro im Jahr 2022. Diese Bewegungen entsprechen dem zyklischen Charakter der Zahlungen des Europäischen Landwirtschaftsfonds für die Entwicklung des ländlichen Raums, dessen projektgebundene Mittel überwiegend am Ende bestimmter Umsetzungsphasen abgerechnet werden. Die vermeintlich niedrigen Summen einzelner großer Staaten in den Jahren vor 2014 - etwa Spaniens rund 60 Millionen Euro im Jahr 2012 - sind dagegen klar als Ausdruck der Datenlücken zu interpretieren, da sie im Widerspruch zur tatsächlichen Verteilung der Direktzahlungen stehen.

Die Konzentration hoher Subventionsvolumina auf wenige große Mitgliedstaaten wirkt sich spürbar auf den agrarwirtschaftlichen Wettbewerb innerhalb der EU aus. Da die Direktzahlungen der Gemeinsamen Agrarpolitik wesentlich an die landwirtschaftliche Fläche gekoppelt sind, profitieren Staaten mit großflächigen Agrarbetrieben strukturell stärker. Diese Mittel stabilisieren bestehende Betriebsgrößen, erhöhen ihre Wettbewerbsfähigkeit und tragen gleichzeitig zu steigenden Bodenpreisen bei, was den Einstieg neuer oder kleinerer Betriebe erschwert und langfristig zu einer Verfestigung regionaler Ungleichheiten führt. In Ländern mit eher kleinteiliger Landwirtschaft entsteht dadurch ein struktureller Nachteil, da die relative Wirkung der Zahlungen geringer ausfällt und Modernisierungsprozesse schwieriger umzusetzen sind.

Schwankungen in den Subventionssummen - wie sie insbesondere bei Luxemburg sichtbar werden - sind meist weniger ein Indikator wirtschaftlicher Instabilität. Verzögerungen bei der Abwicklung von Fördermaßnahmen, die Bündelung von Zahlungen am Ende von Förderperioden oder administrative Anpassungen können erhebliche Ausschläge erzeugen. Auch nationale Entscheidungen hinsichtlich der Programmgestaltung oder Priorisierung einzelner Maßnahmen tragen dazu bei. Solche Sprünge verweisen daher eher auf die Logik europäischer Förderzyklen als auf kurzfristige politische oder ökonomische Krisen.

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).

Die Unterschiede in den Subventionssummen zwischen Deutschland und Frankreich lassen sich hauptsächlich durch agrarische Strukturen und EU-weite Fördermaßnahmen erklären. Frankreich verfügt über die größte landwirtschaftlich genutzte Fläche der EU und die Direktzahlungen der Ersten Säule der GAP sind flächengebunden, was zu höheren Summen führt. Nationale politische Rahmenbedingungen spielen nur eine untergeordnete Rolle. Absolute Subventionssummen sind daher nur bedingt vergleichbar - sinnvoller ist ein Vergleich relativ zur Fläche, zur Anzahl der Betriebe oder zur landwirtschaftlichen Wertschöpfung.

Länder mit stark schwankenden Subventionen, wie Luxemburg, zeigen gebündelte Zahlungen mit Anstiegen am Ende mehrjähriger Förderperioden. Ursachen sind vermutlich projektgebundene Mittel der Zweiten Säule (ELER), administrative Verzögerungen und strategische Abrufentscheidungen. In kleinen Agrarländern wirken einzelne Großprojekte proportional stärker, weshalb die Schwankungen in der Darstellung auffälliger erscheinen.