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.

Die Gemeinsame Agrarpolitik (GAP) der Europäischen Union wird vollständig aus dem EU-Haushalt finanziert. Für den Förderzeitraum 2021 bis 2027 steht ein Gesamtbudget von 386,6 Milliarden Euro zur Verfügung. Deutschland erhält davon 34,4 Milliarden Euro. Ab 2028 soll dieser Betrag im Rahmen der neu geplanten Agrarreform um rund 1,3 Milliarden Euro sinken.

Volkswirtschaftlich trägt die Land- und Forstwirtschaft in der Europäischen Union im Jahr 2024 etwa 1,7 % zur gesamten Wirtschaftsleistung (BIP) bei. In Deutschland ist die Bedeutung des Agrarsektors geringer: Die Bruttowertschöpfung des primären Sektors lag 2024 bei rund 0,9 % der Gesamtwirtschaft.

Auch auf dem Arbeitsmarkt zeigt sich diese strukturelle Bedeutung: In der Europäischen Union waren im Jahr 2023 rund 3,8 % aller Erwerbstätigen** in der Land- und Forstwirtschaft beschäftigt. In Deutschland lag der Anteil der Erwerbstätigen in Land-, Forstwirtschaft und Fischerei im selben Jahr bei 1,2 %, was den vergleichsweise kleinen, aber spezialisierten Stellenwert des Sektors im deutschen Arbeitsmarkt widerspiegelt.

Gemeinsame Agrarpolitk (GAP)

Anteile der Wirtschaftssektoren am BIP

Bruttowertschöpfung der Forst- und Landwirtschaft

Erwerbstätige nach Wirtschaftssektoren in der europäischen Union (2013-2023)

Erwerbstätige nach Wirtschaftssektoren in der europäischen Union (2023)

Einlesen

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

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

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

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

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

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

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

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

Die drei wichtigsten Fördertöpfe der EU-Agrarpolitik sind der EGFL, der ELER und die nationale Kofinanzierung. Der EGFL gehört zur ersten Säule und finanziert vor allem Direktzahlungen an Landwirte, also eine Art Grundunterstützung, die komplett aus EU-Mitteln stammt. Der ELER bildet die zweite Säule und unterstützt Projekte zur Entwicklung des ländlichen Raums, zum Beispiel Umwelt-, Klima- oder Innovationsmaßnahmen. Diese Programme werden von den Ländern selbst gestaltet und teilweise mit nationalen Mitteln mitfinanziert. Die nationale Kofinanzierung bedeutet also, dass Deutschland oder die Bundesländer einen Teil dieser ELER-Förderungen selbst bezahlen müssen. Dadurch können die Programme besser an regionale Bedürfnisse angepasst 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.

Ein left_join() nimmt den linken Datensatz vollständig (hier: waldbraende_gesamt) und fügt dazu passende Informationen aus dem folgenden Datensatz (waldbraende_information) hinzu.

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 Ausgangslage nutzen: European Council und European Commission

Vergleich der Förderbeträge nach Bundesland (in Mio. €)
Bundesland Summe Original Summe Berechnet Abweichung
Bayern 1.421,23 1.286,81 134,42
Niedersachsen 966,03 939,27 26,76
Baden-Württemberg 683,39 613,81 69,58
Nordrhein-Westfalen 633,84 594,13 39,71
Sachsen-Anhalt 598,78 552,65 46,13
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 32,73
Schleswig-Holstein 399,57 370,23 29,34
Hessen 335,00 320,41 14,59
Rheinland-Pfalz 323,47 293,27 30,20
Saarland 34,71 31,22 3,49
Hamburg 7,40 7,23 0,17
Berlin 6,35 5,47 0,88
Bremen 4,87 4,40 0,47

Die größten Abweichungen zwischen Summe_Original und Summe_Berechnet treten in Bundesländern wie Bayern, Baden-Württemberg und Sachsen-Anhalt auf – in Bayern sogar mit rund 134 Mio. €.

Diese Differenzen entstehen, weil in Summe_Berechnet ausschließlich die Fördergelder enthalten sind, die eindeutig über EGFL, ELER oder die Nationale Kofinanzierung ausgezahlt wurden.

Die Summe_Original hingegen liegt in allen Bundesländern höher. Das deutet darauf hin, dass in Förderbetrag_gesamt weitere Mittel enthalten sind, die außerhalb dieser drei regulären Förderkategorien liegen.

Dazu können zum Beispiel sonstige nationale Mittel oder ad-hoc Unterstützungsmaßnahmen in Krisenzeiten gehören, die nicht als EGFL-, ELER- oder nationale Kofinanzierung klassifiziert sind und daher in der eigenen Berechnung nicht berücksichtigt wurden.

Damit lassen sich die systematischen Differenzen schlüssig erklären: Nicht alle im Datensatz enthaltenen Zahlungen gehören zu den standardisierten EU- und Bundesförderprogrammen, weshalb die berechnete Summe zwangsläufig geringer ausfällt als die „Summe_Original“.

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:

Vergleich Gesamtfördersummen 2024: Höchste 6 vs. Niedrigste 6 Empfänger
Begünstigter Förderbetrag gesamt (€) PLZ Gemeinde Bundesland
Höchsten 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
Niedrigsten 6 Empfänger
Kleinempfänger 55,51 04886 Arzberg Sachsen
Kleinempfänger 48,80 96482 Ahorn Bayern
Kleinempfänger 36,45 97753 Karlstadt, St Bayern
Kleinempfänger 36,43 29468 Bergen an der Dumme, Flecken Niedersachsen
Kleinempfänger 26,45 02894 Vierkirchen Sachsen
Kleinempfänger 25,48 97348 Markt Einersheim, M Bayern

Eine Beobachtung entspricht in diesem Datensatz einem einzelnen Begünstigten in einem bestimmten Haushaltsjahr, nachdem die Daten ins Wide-Format überführt wurden. Das bedeutet: Pro Begünstigtem und Jahr gibt es genau eine Zeile, in der alle relevanten Förderbeträge (EGFL, ELER, nationale Kofinanzierung sowie der ausgewiesene Gesamtbetrag) zusammengeführt sind.

Beim Vergleich zeigt sich ein extremer Unterschied in der Förderhöhe. Die Top-6-Empfänger erhalten Förderbeträge im mehrstelligen Millionenbereich und sind überwiegend große öffentliche Einrichtungen, wie Landesforste, Ministerien oder Umweltbehörden. Diese Institutionen verwalten große Flächen oder Infrastrukturprojekte und haben daher einen hohen Förderbedarf. Die Bottom-6-Empfänger dagegen erhalten nur wenige Dutzend Euro. Dabei handelt es sich meist um Kleinstbetriebe oder private Antragsteller, die lediglich geringe, sehr spezifische Zuschüsse erhalten. Der Kontrast zeigt sehr deutlich die ungleiche Größenordnung und Bedeutung der geförderten Projekte.

Die Forstwirtschaft spielt besonders in der Gruppe der Top-Empfänger eine zentrale Rolle. Mehrere der größten Förderempfänger sind Landesforstbetriebe oder Institutionen, die Aufgaben im Bereich Waldpflege, Naturschutz oder Infrastruktur im ländlichen Raum übernehmen. Das ist logisch, da Forstbetriebe große Flächen bewirtschaften und vielfältige Aufgaben erfüllen – etwa Waldschutzmaßnahmen, Aufforstung, Klimaanpassung oder Präventionsmaßnahmen gegen Waldbrände. Diese Tätigkeiten sind kostenintensiv und werden daher überproportional stark gefördert.

  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 Statistiken der Fördervariablen (in €)
EGFL ELER Nationale
Kofinanzierung 		Förderbetrag
(gesamt) 		Förderbetrag
(berechnet)
Anzahl 288.334 288.334 288.334 288.334 288.334
Durchschnitt 18.075 5.818 358 26.057 24.251
Median 7.256 561 0 10.012 9.515
Standardabweichung 51.772 87.095 2.363 132.233 104.737
Min 0 -840 0 0 0
Max 6.345.377 28.223.329 644.951 37.149.868 28.223.329

Die Tabelle zeigt deutliche Unterschiede in der Verteilung der fünf Fördervariablen. Auffällig ist zunächst, dass alle Variablen sehr schiefe Verteilungen besitzen: Die Mittelwerte liegen überall deutlich über den Medianen. Das weist darauf hin, dass einige wenige Begünstigte extrem hohe Zahlungen erhalten, während die Mehrheit deutlich geringere Beträge bekommt.

Beim EGFL_Förderbetrag und ELER_Förderbetrag zeigt sich ein ähnliches Muster: beide weisen relativ niedrige Medianwerte, aber sehr hohe Maximalwerte auf. Die Standardabweichungen sind groß, was die hohe Streuung unterstreicht. Das deutet darauf hin, dass die Zahlungen in beiden Töpfen stark konzentriert sind.

Die Nationale_Kofinanzierung fällt deutlich niedriger aus. Der Median liegt sogar bei 0 €, was bedeutet, dass viele Begünstigte überhaupt keine nationale Kofinanzierung erhalten. Auch hier gibt es jedoch einige wenige Fälle mit sehr hohen Beträgen, was den hohen Maximalwert erklärt.

Der Förderbetrag_gesamt bündelt diese Muster: Der Median ist viel kleiner als der Mittelwert, was erneut zeigt, wie stark die Verteilung durch wenige Großempfänger verzerrt wird. Die hohe Standardabweichung bestätigt dieses Ungleichgewicht.

Der Wert für Förderbetrag_berechnet liegt nah am offiziellen Gesamtbetrag, zeigt aber leichte Abweichungen, die durch Rundungen, zeitliche Zuordnungen oder unterschiedliche Berechnungslogiken entstehen können.

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

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

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

Die Grafik zeigt deutliche Unterschiede in der Zusammensetzung der Fördergelder zwischen den Bundesländern. In fast allen Ländern machen die EGFL-Mittel den größten Anteil der Gesamtförderung aus. Besonders agrarstarke Regionen wie Niedersachsen, Bayern oder Mecklenburg-Vorpommern weisen entsprechend hohe EGFL-Anteile auf. Der ELER-Anteil hingegen variiert wesentlich stärker. Vor allem strukturschwächere oder stärker ländlich geprägte Länder wie Brandenburg, Sachsen oder Thüringen nutzen ELER-Mittel verstärkt für Entwicklungs-, Umwelt- oder Klimaprojekte.

Auffällig ist jedoch, dass einige Bundesländer von diesem Muster deutlich abweichen. Besonders Berlin sticht heraus: Als Stadtstaat verfügt Berlin über extrem wenig landwirtschaftliche Nutzfläche, weshalb nur sehr geringe EGFL-Direktzahlungen ausgezahlt werden. Gleichzeitig können ELER-Mittel unabhängig von Fläche vergeben werden, da sie projektorientiert sind. Das führt dazu, dass in Berlin rund 60 % der Fördergelder aus dem ELER stammen – der höchste Wert aller Bundesländer und der einzige Fall, in dem ELER die EGFL-Mittel übersteigt. Hamburg zeigt im Vergleich, dass eine Stadtstaatenstruktur nicht automatisch zu niedrigen EGFL-Anteilen führt: Dort erreicht der EGFL-Anteil fast 80 %, weil die Stadt über vergleichsweise mehr landwirtschaftliche Nutzflächen verfügt.

Die nationale Kofinanzierung spielt hingegen bundesweit eine untergeordnete Rolle. In vielen Ländern ist sie kaum sichtbar, was zeigt, dass der Großteil der Programme überwiegend EU-finanziert ist. Die restliche Kategorie „Sonstige nationale Mittel“ bleibt ebenfalls gering und erklärt lediglich Differenzen zwischen Gesamtförderbetrag und berechneten Einzelkomponenten.

Insgesamt wird deutlich, dass die Förderstrukturen sowohl wirtschaftliche Ausgangslagen als auch politische Prioritäten der Regionen widerspiegeln. Flächenstarke Länder setzen stärker auf EGFL zur Einkommenssicherung, während andere – wie Berlin – deutlich entwicklungsorientierter agieren und ELER-Programme für Umwelt-, Klima- oder Stadtentwicklungsmaßnahmen nutzen. Die Bundesländer verwenden also dieselben Instrumente, aber mit sehr unterschiedlichen strategischen Zielsetzungen, je nachdem, welche agrar- und strukturpolitischen Herausforderungen vor Ort bestehen.

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).

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

Die Tabelle zeigt deutlich, dass in allen Bundesländern die Fördergelder von 2023 auf 2024 zurückgegangen sind – sowohl absolut als auch prozentual. Besonders stark fällt der prozentuale Rückgang in Niedersachsen, Berlin und Sachsen aus. Die größten absoluten Rückgänge verzeichnen dagegen Baden-Württemberg, Thüringen und Bayern; in Bayern beträgt die Verringerung der Fördersumme rund 207 Millionen Euro.

Diese flächendeckende Abnahme lässt sich im Wesentlichen durch zwei strukturelle Veränderungen in der Gemeinsamen Agrarpolitik erklären. Erstens wurde die Basisprämie abgesenkt: Landwirte erhielten 2023 noch 170,93 Euro pro Hektar, 2024 jedoch nur noch 157,63 Euro. Da ein großer Anteil der EU-Agrarmittel flächenbezogen vergeben wird, führt diese Reduktion direkt zu geringeren Gesamtförderungen.

Zweitens trat 2023 die neue GAP-Reform in Kraft, die die Vergabekriterien grundlegend verändert hat. Fördermittel hängen seitdem weniger stark von der Fläche ab, sondern stärker von der Erfüllung umfangreicher Umwelt- und Bewirtschaftungsauflagen (Konditionalität). Gerade kleinere und mittlere Betriebe hatten Schwierigkeiten, alle Anforderungen zu erfüllen, was zu geringeren oder sogar vollständig wegfallenden Direktzahlungen führte.

Zusammengefasst spiegeln die Rückgänge also keine kurzfristigen Schwankungen wider, sondern strukturelle Effekte der neuen Förderlogik sowie Budgetverschiebungen innerhalb der CAP-Periode 2023–2027. Diese Faktoren erklären, warum alle Bundesländer ausnahmslos geringere Fördersummen erhalten und warum einzelne Regionen dabei besonders stark betroffen sind.

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 Auswertung zeigt, dass die Agrarsubventionen in Deutschland in den Jahren 2023 und 2024 bei etwa 5 Milliarden bzw. 3,4 Milliarden Euro lagen, was einem Durchschnitt von rund 4,2 Milliarden Euro entspricht. Gleichzeitig wurden für die Jahre 2018 und 2019 klimabedingte Schäden von insgesamt 25,6 Milliarden Euro ausgewiesen – im Durchschnitt also rund 12,8 Milliarden Euro pro Jahr allein für die Land- und Forstwirtschaft. Damit übersteigen die jährlichen Schadenskosten die Subventionen deutlich, was zeigt, dass die Fördergelder nicht als echte Versicherung fungieren können. Sie sind weder an konkrete Schadensereignisse gekoppelt noch risikoorientiert konzipiert und reichen bei weitem nicht aus, um die tatsächlichen Belastungen vollständig auszugleichen. Stattdessen haben sie eher den Charakter einer allgemeinen Einkommensstützung, die nur einen Teil der klimabedingten Risiken abfedern kann.

Vor diesem Hintergrund erscheint es ökonomisch sinnvoller, Fördermittel stärker in Präventionsmaßnahmen umzulenken. Investitionen in klimaresiliente Technologien oder nachhaltige Bewirtschaftungsformen verursachen zwar zunächst Kosten, reduzieren aber langfristig Schäden und verhindern Folgekosten. Reine Schadenskompensationen dagegen greifen erst nach Eintritt eines Ereignisses, wirken nur kurzfristig stabilisierend und werden mit zunehmender Häufigkeit von Extremwetterereignissen immer teurer.

Bei der Bewertung möglicher Maßnahmen zeigt sich, dass eine Erhöhung der Direktzahlungen nach Schadenseintritt zwar schnell und unkompliziert umsetzbar wäre, aber strukturell wenig verändert und die finanziellen Belastungen des Staates sogar erhöhen könnte. Zielgerichtete Investitionen in Anpassungsmaßnahmen – wie im zweiten Maßnahmenvorschlag – sind dagegen langfristig effizienter, stärken die Widerstandsfähigkeit des Sektors und können künftige Schäden nachhaltig reduzieren. Sie erfordern jedoch mehr Planung, Prüfung und Verwaltungsaufwand, entfalten dafür aber einen deutlich größeren Nutzen für die landwirtschaftliche Stabilität in Zeiten zunehmender Klimarisiken.

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.

Waldbrände in Deutschland
Jahr Anzahl Brände Verbrannte Fläche(Ha) Wirtschaftliche Verluste (Mio. €) Schaden (Mio. €)
2018 1708 2349 2.14 2.67
2019 1523 2711 1.66 2.22
2020 1360 368 1.60 2.19
2021 548 148 0.66 0.67
2022 2397 3058 4.85 5.14
2023 1059 1240 0.96 1.19
2024 563 334 0.68 0.68

Die Tabelle zeigt das Jahr, die Anzahl der Brände, die verbrannte Fläche, die wirtschaftlichen Verluste und den Schadeen in dem jeweiligen Zeitraum.

Die höchsten Schadenssumen, als auch die Gesamtschäden decken sich weitesgehend miteinander in den Jahren, die die größten Verluste verzeichnen. Besonders hervorhebend sind nämlich die Jahre 2018, 2019,2020 und 2022. Mit 3058 Hektar zerstörter Waldfläche und Gesamtschäden von etwa 5 Millionen Euro liegt das Jahr 2022 deutlich über den anderen festgehaltenen Daten.

Dennoch ist der Unterschied zwischen den Waldbränden der jeweiligen Jahre deutlich hervorzuheben. Die Kombination aus sehr großen Brandflächen und hohen Schadenssummen deutet darauf hin, dass es sich in diesen Jahren eher um wenige, aber dafür sehr große und verheerende Brände gehandelt hat. Solche Ereignisse entstehen häufig infolge trockener Sommerperioden oder anderer begünstigender Witterungsbedingungen. Im Gegensatz dazu sprechen die deutlich kleineren, aber zahlreichen Brände in anderen Jahren für lokal begrenzte Ereignisse, die wirtschaftlich insgesamt weniger gravierende Auswirkungen hatten.

Anhand der vorliegenden Werte lässt sich kein klarer Trend einer zunehmenden ökonomischen Belastung erkennen. Die Schadenssummen schwanken stark zwischen den Jahren. Dies spricht eher für eine hohe Variabilität, die von einzelnen Großbrandereignissen geprägt wird, und nicht für eine kontinuierliche Zunahme der ökonomischen oder ökologischen Belastung über die Zeit.

Die durch Waldbrände verursachten Schäden machen zudem nur einen sehr kleinen Anteil an den gesamten Subventionen aus, die Land- und Forstwirte jährlich erhalten. Selbst in den Extremjahren entsprechen die Schäden von wenigen Millionen Euro nur einem geringen Teil der gesamten Fördermittel. Dies zeigt: Auf einzelbetrieblicher Ebene kann ein Waldbrand eine erhebliche Belastung darstellen, gesamtwirtschaftlich beanspruchen solche Ereignisse jedoch nur einen kleinen Teil der verfügbaren Mittel. Dennoch dürfen einzelne Extremjahre – wie etwa 2022 – aufgrund ihrer Höhe und Streuung nicht unterschätzt werden. Sie verdeutlichen, dass entsprechende Anpassungsmaßnahmen notwendig sein können, insbesondere da der fortschreitende Klimawandel zunehmend witterungsbedingte Risikofaktoren mit sich bringt, die langfristig auch eine größere gesamtwirtschaftliche Relevanz entwickeln können.

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 vorliegenden Diagramme zeigen die prozentualen Anteile der unterschiedlichen Eigentumsarten, die die Gesamtheit der Waldbrände ausmachen. Zum einen wird im ersten Diagramm auf die prozentualen Anteile der verbrannten Fläche der jeweiligen Eigentumsform eingegangen, und zum anderen im zweiten Diagramm auf die prozentualen Anteile der Anzahl der Brandereignisse. Somit lassen sich sowohl der Umfang als auch die Häufigkeit der Brände zwischen den Besitzarten klar miteinander vergleichen.

Die höchsten flächenmäßigen Verluste schwanken leicht zwischen den Jahren, aber die prozentual am stärksten betroffene Eigentumsart ist der Privatwald. Auch hinsichtlich der Anzahl der Brandfälle ist der Privatwald die am stärksten betroffene Eigentumsform.

Im Privatwald kommt es zu vielen Brandfällen mit großen verbrannten Flächen. Der Bundeswald und der Landeswald zeigen keine klare Tendenz; sie befinden sich sowohl bei der Anzahl der Fälle als auch bei der Hektaranzahl im mittleren bis unteren Bereich. Der Körperschaftswald hingegen weist einen kleineren Anteil an Brandhäufigkeiten, aber einen leicht höheren Anteil an verbrannten Flächen auf, was auf wenige, dafür aber größere und verheerendere Brandereignisse hindeutet.

Durch die starke Belastung des privaten Bereichs sollte der größte Handlungsaufwand hier betrieben werden, denn vor allem in diesem Bereich dürften die größten gesamtwirtschaftlichen Schäden entstehen. Eine staatliche Feuerprävention, Aufklärung und finanzielle Unterstützung für diese Privatgrundstücke dürfte hier am dringendsten benötigt werden. Da es sich im Körperschaftswald um zahlenmäßig wenige, aber flächenmäßig große Brände handelt, dürften Kommunen oder einzelne Gemeinden besonders belastet werden, was eine individuelle Unterstützung der stark betroffenen Eigentümer sinnvoll erscheinen lässt. Durch die prozentual eher geringere Beteiligung des Bundes- und Landeswaldes ist hier ein vergleichsweise geringerer Handlungsbedarf vonnöten, dennoch sollte angesichts des fortschreitenden Klimawandels die Überwachung und Prävention auch in diesem Bereich nicht vernachlässigt werden.

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 beiden Diagramme veranschaulichen, wie sich zwischen 2018 und 2024 die Anzahl der Waldbrände und die verbrannte Fläche nach verschiedenen Ursachen entwickeln. Auffällig ist hierbei, dass die Werte stark schwanken und besonders das Jahr 2022 deutlich abweicht.

Unbekannte Ursachen dominieren in den meisten Jahren sowohl bei der Zahl der Brände als auch bei der verbrannten Fläche. Zwar folgt Fahrlässigkeit meist knapp danach, sticht aber nicht so eindeutig hervor, wie es auf den ersten Blick zu vermuten ist. Besonders auffällig ist das Jahr 2022, da hier fast alle Ursachen stark ansteigen und die Werte allgemein viel höher sind, als in den restlichen Jahren. Natürliche Ursachen spielen hingegen kaum eine Rolle, da sie durchgängig sehr niedrig bleiben.

Wenn man die gesamte Zeit betrachtet, lässt sich über die Zeit für die meisten Ursachen kein klarer Trend erkennen. Dass die Werte stark von Jahr zu Jahr schwanken, liegt vermutlich an extremen Wetterbedingungen. Hingegen bleiben unbekannte Ursachen über den gesamten Zeitraum hinweg relativ hoch und fahrlässige Brände bleiben konstant ein Stück darunter. Ebenfalls zeigen natürliche Ursachen wenig Abweichung, sie bleiben den ganzen Zeitraum über selten und stabil niedrig.

Sollte sich in Zukunft ein Muster wie 2022 häufiger wiederholen, hätte dies sowohl politische als auch wirtschaftliche Konsequenzen. Da die Brände größtenteils nicht natürlich entstehen, wären strengere Kontrollen, Prävention und Aufklärung besonders sinnvoll und vergleichsweise kostengünstig. Gleichzeitig verdeutlicht das Jahr 2022, dass der Klimawandel die Wirkung von Waldbränden verstärken kann, obwohl die Anzahl natürlicher Brände nicht steigt. Für Waldbesitzende und die Politik bedeutet das langfristig höhere Anforderungen an Risikomanagement, Umbau der Wälder und bessere Überwachungssysteme bis hin zu klimaresistenteren Strukturen, da sonst die wirtschaftlichen Schäden in Zukunft deutlich zunehmen könnten.

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:

In den Punktdiagrammen ist insgesamt kein eindeutiger Zusammenhang zwischen den Ausgaben für Forstverwaltung bzw. Kontrollmaßnahmen und den wirtschaftlichen Verlusten der Bundesländer zu erkennen. Hohe Schäden treten sowohl in Ländern mit hohen als auch mit geringen Ausgaben auf, sodass man keinen negativen Trend vermuten kann. Vielmehr deuten die Daten darauf hin, dass die Schadenshöhe nicht alleine von Präventionsausgaben erklärt werden kann. Daher lässt sich die Hypothese, höhere Ausgaben für Prävention und Kontrolle würden mit geringeren wirtschaftlichen Schäden einhergehen, anhand der grafischen Darstellung nicht bestätigen.

Für die wirtschaftlichen Verluste ist die Verwendung einer logarithmischen Skala methodisch sinnvoll, da die Schadenssummen teilweise stark voneinander abweichen. Durch die Logarithmierung vermeidet man, dass einzelne sehr hohe Werte die Darstellung dominieren, und ermöglicht es, sowohl kleine als auch große Verluste besser vergleichbar zu machen.

Auffällig ist außerdem, dass die jährlich anfallenden Präventionskosten mancher Bundesländer teilweise in derselben Größenordnung liegen wie die deutschlandweiten wirtschaftlichen Verluste einzelner Jahre. Dies zeigt, dass Prävention erhebliche finanzielle Ressourcen bindet, deren Höhe nicht unbedingt im Verhältnis zu den tatsächlichen Schadenssummen steht.

Dass trotz hoher Präventions- und Kontrollkosten keine proportionalen Schadensreduktionen zu beobachten sind, kann mehrere Ursachen haben. Extreme klimatische Bedingungen wie der Sommer 2022 können die Entstehung und Ausbreitung von Waldbränden begünstigen und somit die Wirkung präventiver Maßnahmen begrenzen. Zudem wirken viele Maßnahmen, insbesondere der Waldumbau, erst langfristig und zeigen kurzfristig wenig Effekt. Auch regionale Unterschiede in Waldstruktur, Risikoprofilen und menschlichem Verhalten beeinflussen die Schadenshöhe erheblich. Insgesamt legen die Ergebnisse nahe, dass Prävention zwar notwendig ist, ihre Wirksamkeit jedoch durch äußere Faktoren eingeschränkt bleibt.

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?

Das obere Diagramm zeigt die monatliche Entwicklung der Waldbrände in Deutschland von 2018 bis heute. Das farbige Balkendiagramm zeigt die insgesamt verbrannte Fläche pro Monat und die rote Linie die Anzahl der Brände. Durch die zeitliche Angabe wird ersichtlich, wie sich die beiden Größen zueinander verhalten.

Typischerweise treten die meisten Brände im Juni, Juli und August auf und liefern dementsprechend die höchsten Brandzahlen, was auf die charakteristisch geringen Niederschläge und die trockene Vegetation zurückzuführen ist. Auch flächenmäßig sind die Sommermonate, wie zu erwarten, die Spitzenreiter.

Die Spitzenereignisse fallen, wie man es vermuten könnte, von Anzahl und Fläche nicht immer zusammen. Es gibt Monate mit vielen Bränden, bei denen die verbrannte Fläche relativ gering bleibt, aber auch Monate, in denen es wenig Brände gibt, aber vergleichsweise größere Flächen.

Die zahlreichen, jedoch meist flächenmäßig kleinen Brände sind in der Regel auf menschliche Ursachen zurückzuführen. Sie entstehen oft nach kurzen Trockenperioden, in denen die Vegetation noch nicht vollständig ausgetrocknet ist, oder sie werden dank guter Aufklärungs- und Schutzmaßnahmen frühzeitig eingedämmt.

Es könnte mehrere Gründe für die starken Schwankungen der einzelnen Sommermonate geben. Einer davon ist die Tatsache, dass es in den Jahren zu unterschiedlichen Wetterextremen gekommen ist oder sich die Vegetation im Laufe der Zeit verändert hat. Ein anderer Grund, wie an der Grafik unschwer zu erkennen ist, sind im Jahr 2020 auch weniger Brände ausgebrochen, was sich sehr zu den Jahren davor und danach unterscheidet. Diese Beobachtung lässt sich höchstwahrscheinlich auf die Corona-Pandemie zurückführen, da sich in dieser Zeit weniger Menschen beispielsweise draußen getroffen haben zum grillen und der von Menschenhand verursachte Waldbrand so in Grenzen gehalten hat.

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)?
Deskriptive Waldbrandkennzahlen für Bayern und Brandenburg (2022–2023)
Region Jahr Gesamtzahl Brände Gesamtfläche (ha) Durchsch. Fläche pro Brand (ha) Wirtschaftliche Verluste (Tsd. €) Verlust pro ha (€)
Bayern 2023 75 44 0.59 197.64 4492
Brandenburg 2023 251 765 3.05 6.90 9
Bayern 2022 145 214 1.48 297.06 1388
Brandenburg 2022 523 1426 2.73 13.60 10

Die Tabelle umfasst für Bayern und Brandenburg die Zahl der Waldbrände, die verbrannten Flächen sowie die wirtschaftlichen Schäden der Jahre 2022 und 2023. Sie zeigt sowohl die durchschnittliche Fläche pro Brand als auch die Verluste pro Hektar. Damit ermöglicht sie einen klaren Vergleich der Brandintensität und Schadenshöhe zwischen beiden Bundesländern.

In beiden Jahren verzeichnet Brandenburg deutlich mehr Waldbrände und größere Flächenverluste als Bayern. Bayern weist in beiden Jahren zusammen 220 Brände mit insgesamt 258 Hektar Schaden auf, Brandenburg hingegen 774 Brände und mehr als 2.190 Hektar verbrannte Fläche. Somit ist Brandenburg deutlich stärker von Brandhäufigkeit und Flächenverlusten betroffen.

Im Gegensatz dazu sind die wirtschaftlichen Verluste pro Hektar in Bayern erheblich höher. 2023 liegen die Verluste in Bayern bei ca. 4.490 €/ha, während Brandenburg mit 9 €/ha nur einen sehr geringen Schaden pro Fläche verzeichnet. Im Jahr 2022 ist dasselbe Muster erkennbar. Daher sind in Bayern die ökonomischen Auswirkungen eines Hektars Waldbrand um ein Vielfaches größer als in Brandenburg.

Dieser Unterschied ist ein Hinweis darauf, dass die bayerischen Wälder wirtschaftlich wertvoller sind. Das liegt daran, dass Bayern über Misch- und Nutzwälder mit höherpreisigen Holzarten wie Buche oder Fichte verfügt, was zu höheren Verlusten pro beschädigter Fläche führt. Brandenburg ist hingegen von ausgedehnten Kiefernmonokulturen auf nährstoffarmen Böden geprägt, deren Holz einen deutlich geringeren Marktwert besitzt. Die unterschiedlichen Verluste spiegeln somit strukturelle Unterschiede in Waldtyp, Holzpreisen und Bewirtschaftung wider.

Das Waldbrandproblem prägt sich daher in beiden Bundesländern auf unterschiedliche Weise aus. In Brandenburg gibt es viele, teilweise großflächige Brände, die jedoch ökonomisch vergleichsweise geringe Schäden verursachen. Bayern dagegen hat weniger Brände, dafür ist aber jeder Hektar Verlust wirtschaftlich deutlich gravierender als in Brandenburg. Das Gefährdungsbild ist somit nicht gleich gravierend, sondern qualitativ verschieden: Brandenburg ist flächenmäßig stärker betroffen, während Bayern wirtschaftlich stärker betroffen ist.

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 Balkendiagramm zeigt die Verluste an Stamm- und Industrieholz in Bayern und Brandenburg für die Jahre 2022 und 2023. Dabei wird deutlich, dass es im Jahr 2023 deutlich höhere Holzverluste in beiden Bundesländern gibt als im Jahr 2022, wobei Brandenburg vor allem beim Industrieholz die größten Mengen verliert.

Von 2022 zu 2023 stiegen die Verluste in beiden Regionen stark an, insbesondere in Brandenburg, da dort die Industrieholzverluste deutlich zunehmen. Auch in Bayern wachsen die Verluste vor allem beim Stammholz spürbar. Insgesamt zeigt sich, dass 2023 ein wesentlich schwerwiegenderes Schadensjahr für beide Bundesländer war.

Ökonomisch lässt sich daraus schließen, dass Bayern vor allem hochwertiges Stammholz verliert, was auf wertvolle Nutz- und Mischwälder hinweist. Brandenburg verliert dagegen vorwiegend große Mengen an Industrieholz, was typisch für weniger wertvolle Kiefernbestände ist. Somit betreffen die Schäden unterschiedliche Waldtypen und haben eine unterschiedliche wirtschaftliche Bedeutung.

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.

Durch die vorangegangenen Analysen ist zu den drei strategischen Maßnahmen, unter dem Gesichtspunkt der Kosten und des Nutzens, folgende Stellung zu beziehen: Die erste Strategie, die als Maßnahme erwogen wurde, ist die Erhöhung von Bußgeldern und Strafen für fahrlässige Brandstiftung. Diese Maßnahme wäre vor allem gegen die kleinen, menschenverursachten Brände eine sehr sinnvolle, kurzfristig wirkungsvolle Intervention. Doch wie in den vorangegangenen Grafiken dargestellt, sind die großen Brandereignisse weniger der Unachtsamkeit zuzuschreiben, sondern vielmehr der Trockenheit in den heißen Sommermonaten sowie strukturell anfälligen Wäldern. Auch im Hinblick auf den Kostenfaktor bleibt diese Maßnahme vergleichsweise günstig, jedoch ist der Nutzen überwiegend auf kleine Brände beschränkt und würde den Hauptkostenfaktor – die Großbrände – nicht reduzieren. Hinzu kommt, dass die Hauptbrandursache in den Daten vielfach als „unbekannt“ klassifiziert ist, was die Durchsetzbarkeit der Gesetzesverschärfung zusätzlich erschwert. Zwar ist diese Methode auf dem Papier eine sinnvolle Form der Abschreckung, doch wird durch die Analyse deutlich, dass sie weder große Auswirkungen auf Großbrände hat noch eine einfache Durchsetzbarkeit mit sich bringt. Der Nutzen dieser Bußgelderhöhung ist somit nur begrenzt.

Die zweite Maßnahme, der Umbau des Waldes von Monokulturen zu Mischwäldern und die staatliche Subventionierung, ist hingegen eine Methodik, mit der der Nutzen deutlich gesteigert werden kann. Wie die Situation der vorherigen Aufgaben – beispielsweise in Brandenburg – zeigt, wo eine sehr hohe Brandanzahl und ein großer Flächenverlust vorliegen, spielen insbesondere die brandanfälligen Kiefernmonokulturen eine wichtige Rolle. Durch den Umbau von Monokultur zu Mischwäldern wird sowohl die Brandhäufigkeit als auch die Brandintensität deutlich gesenkt, was speziell in Ostdeutschland mit seinen zusammenhängenden Waldgebieten von Vorteil wäre. Diese Maßnahme reduziert die strukturelle Brandanfälligkeit insgesamt, unabhängig davon, ob ein Brand von Menschen oder natürlichen Ursachen ausgeht. Dadurch führt sie langfristig zu höherer ökologischer Stabilität und Schadensreduzierung. Daraus ist abzuleiten, dass diese Maßnahme hinsichtlich ihres Nutzens die effektivste ist. Allerdings ist sie auch äußerst kostenintensiv und weniger effizient, da der Waldumbau mehrere Jahrzehnte dauern kann und somit keine kurzfristige Lösung darstellt. Besonders Regionen mit struktureller Brandanfälligkeit würden langfristig von dieser Maßnahme profitieren, wenngleich sie kurzfristig kaum Effizienz aufweist.

Die dritte Maßnahme, die technologische Investition in Überwachungsinstrumente, stellt die unmittelbarste und operativste Methode dar. Sie ermöglicht eine frühzeitige Erkennung von Brandherden sowie eine schnelle Eindämmung der Ausbreitung, wodurch wirtschaftliche Schäden deutlich reduziert werden können. Vor allem in den Sommermonaten, in denen das Risiko von Großbränden am höchsten ist, wäre die Implementierung solcher Technologien sinnvoll. Da die verbrannte Fläche in diesen Monaten oft sprunghaft ansteigt, könnte eine schnelle Reaktion – beispielsweise durch Wärmebildkameras, Sensornetze oder Drohnen – extreme Schadenswerte verhindern. Besonders in Ostdeutschland, wo viele zusammenhängende Waldflächen existieren, wäre diese Technologie ein gewinnbringendes Mittel. Allerdings bringen auch diese Instrumente erhebliche Kosten für Installation, Personal und Wartung mit sich, sodass abzuwarten wäre, ob sie sich ökonomisch langfristig rentieren.

Zusammenfassend wird deutlich, dass die drei Ansätze zwar jeweils eigene Vor- und Nachteile besitzen, das Waldbrandproblem jedoch nicht alleine vollständig lösen können. Nur durch eine Kombination der drei Maßnahmen – angepasst an regionale Unterschiede – könnten die jeweiligen Vorteile der Brandverminderungsstrategien gezielt in den Risikogebieten zum Tragen kommen, um sowohl kurzfristig als auch langfristig das Waldbrandrisiko eindämmen zu können.

Zusatzfrage (optional)

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

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

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

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

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

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

Der Datensatz enthält alle EU-Staaten, für die die Europäische Kommission Subventionsdaten veröffentlicht hat: Belgien, Bulgarien, Dänemark, Deutschland, Estland, Finnland, Frankreich, Griechenland, Irland, Italien, Kroatien, Lettland, Litauen, Luxemburg, Malta, Niederlande, Österreich, Polen, Portugal, Rumänien, Schweden, Slowakei, Slowenien, Spanien, Tschechien und Ungarn.

Die Daten beginnen gemäß unserer Filterung ab dem Jahr 2010 und reichen bis zum letzten in der Datei verfügbaren Jahr, welches in der hochgeladenen Datei 2022 ist. Der Datensatz deckt somit einen Zeitraum von 13 Jahren (2010–2022) ab.

Der Output_Pillar I umfasst die erste Säule der GAP. Sie beinhaltet die Finanzierung des Europäischen Garantiefonds für die Landwirtschaft (EGFL / EAGF). Sie besteht aus zwei Förderarten: den Direktzahlungen und den Marktmaßnahmen. Sie wirkt kurzfristig stabilisierend und sorgt für die finanzielle Absicherung der landwirtschaftlichen Betriebe. Der Output_Pillar II, die zweite Säule der GAP, hingegen ist für die Finanzierung des Europäischen Landwirtschaftsfonds für die Entwicklung des ländlichen Raums (ELER / EAFRD) zuständig. Er sorgt für Maßnahmen der ländlichen Entwicklung, die unter der Förderkategorie „Rural Development“ zusammengefasst werden.

Diese unterschiedliche Verteilung der Kategorien ergibt sich aus der unterschiedlichen Zielsetzung und Funktionslogik. Die erste Säule verfolgt zwei unterschiedliche Ziele: die „Direct Payments“ (Einkommensstützung) und die „Market Measures“ (Marktinterventionen in Krisensituationen). Da diese Maßnahmen klar voneinander getrennte Aufgaben erfüllen, sind beide in unterschiedliche Kategorien untergeordnet. Bei der zweiten Säule hingegen werden alle Programme zur ländlichen Entwicklung nur zu einem Ziel („Rural Development“) zusammengefasst, da sie eine sehr ähnliche Zielsetzung und Funktionslogik besitzen. Diese organisatorische Unterscheidung differenziert die beiden Säulen eindeutig.

Die Indikatortypen lassen sich direkt den bestehenden Förderstrukturen in Deutschland zuordnen. Der Output_Pillar I entspricht in Deutschland den Direktzahlungen an landwirtschaftliche Betriebe und den Marktordnungsmaßnahmen im Rahmen der EU-Marktpolitik. Auch der Output_Pillar II ist direkt den ELER-Programmen, den europäischen Landwirtschaftsfonds-Maßnahmen, den Forst- und Waldschutzprogrammen, den Agrarumwelt- und Klimamaßnahmen sowie den Investitionsförderungen zuzuweisen.

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 zeigt die Subventionszahlungen der zehn größten Empfängerländer der EU für die Jahre 2020, 2021 und 2022. Durch die anschauliche Darstellung der einzelnen Länder als Balkendiagramm, jeweils unterteilt nach Jahren, lassen sich die absoluten Förderhöhen über die Zeit hinweg gut vergleichen und analysieren.

Trendmäßig lässt sich Folgendes feststellen: Die Reihenfolge der größten Empfängerländer bleibt über die Jahre hinweg stabil. Frankreich liegt dabei hinsichtlich der Subventionen an erster Stelle. Spanien, Deutschland, Italien und Polen folgen und erhalten ebenfalls vergleichsweise hohe, jedoch weitgehend konstante Zahlungen. Ein klarer Trend zwischen den Jahren ist nicht zu erkennen; das heißt, es gibt bei keinem Land einen starken Rückgang oder deutlichen Anstieg. Die Ergebnisse zeigen somit, dass die GAP-Fördermittel in diesem Zeitraum stabil, planbar und verhältnismäßig gleichmäßig verteilt wurden.

Zu den Schwankungen der Subventionen ist anzumerken, dass in fast allen Ländern kleinere Veränderungen auftreten, jedoch ohne extreme Ausschläge. Beispielhaft für leicht steigende Subventionen im Jahr 2022 sind Spanien oder Italien. Mögliche Gründe hierfür könnten Investitionen in nachhaltige Landwirtschaft oder Maßnahmen zur Trockenheitsbekämpfung sein. Irland hingegen zeigt leicht sinkende Subventionen, was auf klimatische Ereignisse, spezifische Krisenprogramme oder die insgesamt kleineren landwirtschaftlichen Nutzflächen zurückgeführt werden könnte.

Neben Irland sind auch Griechenland, Ungarn und Österreich von geringeren Förderungen betroffen. Diese niedrigeren Werte lassen sich – wie bereits erwähnt – hauptsächlich durch kleinere landwirtschaftliche Nutzflächen, einen geringeren Anteil der Landwirtschaft an der Gesamtwirtschaft sowie eine weniger intensive Agrarproduktion erklären.

Die Ursachen für die Verteilung der Subventionen sind klar festgelegt und lassen sich auf agrarökonomische Prinzipien zurückführen: Erstens beruhen die Direktzahlungen auf der landwirtschaftlichen Fläche. Länder mit großen Agrarflächen wie Frankreich, Spanien oder Polen erhalten daher automatisch hohe Basiszahlungen. Zweitens besteht der Grundsatz des Struktur- und Entwicklungsbedarfs, wonach Länder wie Rumänien oder Österreich von ländlicher Infrastrukturförderung und Entwicklungsprogrammen profitieren. Darüber hinaus spielen auch klimatische Bedingungen eine wichtige Rolle, da insbesondere südliche Länder wie Italien oder Spanien zusätzliche Mittel zur Bewältigung klimatischer Herausforderungen benötigen. Ein weiterer Faktor ist das Produktionsvolumen: Ein intensiver und exportorientierter Agrarsektor führt ebenfalls zu höheren Markt- und Interventionsmitteln.

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 vorliegende interaktive Karte zeigt die Entwicklung der EU-Agrarsubventionen für alle Mitgliedsstaaten zwischen 2010 und 2022. Sie ermöglicht eine zeitliche Betrachtung der Förderhöhen und veranschaulicht die regionalen Unterschiede der Subventionsverteilung. Besonders auffällig ist dabei Frankreich: Es ist über den gesamten Zeitraum hinweg das mit Abstand größte Empfängerland. Dies entspricht seiner Rolle als einer der wichtigsten Agrarproduzenten der EU und erklärt die intensive Förderung durch die Gemeinsame Agrarpolitik (GAP).

Die Länder, die über den gesamten Zeitraum hinweg die geringsten Subventionssummen erhalten, sind vor allem kleinere Staaten wie Luxemburg, Lettland, Griechenland, Litauen, Slowenien und Malta. Die Subventionshöhen bleiben dort weitgehend stabil und weisen lediglich leichte Schwankungen auf. Grund dafür sind die geringe landwirtschaftliche Nutzfläche sowie die insgesamt geringere agrarwirtschaftliche Bedeutung im Vergleich zu anderen EU-Staaten.

Bei einigen Ländern, insbesondere Spanien, Rumänien und Polen, lässt sich über die Jahre hinweg ein steigender Trend erkennen. Dies ist auf wachsende Agrarproduktionen, zunehmende Investitionen in Modernisierung sowie auf Fördermaßnahmen zur Klimaresilienz oder zum Strukturwandel zurückzuführen. In südlichen Ländern zeigen sich zudem teilweise stärkere Schwankungen oder leichte Rückgänge, die auf Klimarisiken, Dürrejahre oder Förderperiodenwechsel zurückgeführt werden können. Insgesamt bleibt die Entwicklung jedoch relativ stabil, da die GAP in mehrjährigen Förderperioden organisiert ist.

Die Gründe dafür, dass manche Länder keine Einfärbung erhalten, liegen in der Regel nicht an fehlender Förderung, sondern daran, dass im Datensatz keine Subventionsdaten zu diesen Ländern vorliegen. Weitere mögliche Gründe sind, dass sie nicht Teil der EU-27 sind oder dass fehlende bzw. abweichende ISO-3-Codes eine Zuordnung verhindern.

Die Auswirkungen hoher Subventionen zeigen sich insbesondere im Wettbewerb und in der Agrarstruktur: Große Agrarnation wie Frankreich, Deutschland, Spanien, Italien und Polen profitieren stark von den umfangreichen Mitteln. Sie können ihre Landwirtschaft modernisieren, Einkommen stabilisieren, Investitionen ausbauen und ihre Marktposition stärken. Dies verschafft ihnen langfristige Vorteile innerhalb der EU. Länder mit deutlich geringeren Fördergeldern hingegen stehen vor strukturellen Nachteilen und können im europäischen Wettbewerb weniger stark auftreten.

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 zwischen Deutschland und Frankreich lassen sich vor allem durch strukturelle und politische Faktoren erklären. Frankreich verfügt über eine sehr große landwirtschaftliche Nutzfläche und eine traditionell besonders starke Agrarproduktion, wodurch es systematisch höhere flächenbezogene Direktzahlungen erhält. Zusätzlich spielt die französische Regierung seit Jahrzehnten eine prägende Rolle in der Gemeinsamen Agrarpolitik und setzt sich konsequent für umfangreiche Förderungen ein. Deutschland liegt ebenfalls weit oben, erreicht aber aufgrund seiner stärker gemischten Agrarstruktur und anderen politischen Prioritäten nicht das französische Niveau. Die EU-weiten Fördermechanismen verstärken diese Unterschiede, da sie Länder mit viel Agrarfläche automatisch begünstigen.

Für die wirtschaftspolitische Einordnung bedeutet das, dass die Subventionen zwischen Ländern nur eingeschränkt vergleichbar sind. Die Höhe der Zahlungen sagt weniger über Effizienz oder Förderbedarf aus als über landwirtschaftliche Flächen, betriebliche Strukturen und politische Einflussmöglichkeiten. Für einen fairen Vergleich wären daher Pro-Hektar-Kennzahlen oder strukturbezogene Indikatoren sinnvoller. Ansonsten besteht die Gefahr, Unterschiede falsch zu interpretieren oder Länder zu bewerten, ohne ihre agrarischen Ausgangsbedingungen zu berücksichtigen.

Bei Ländern mit stark schwankenden Subventionssummen zeigt sich, dass diese Entwicklungen fast immer durch äußere Einflüsse oder strukturelle Veränderungen entstehen. In südlichen EU-Staaten wie Spanien führen häufig Klimarisiken, wie etwa Dürreperioden oder Extremwetter, zu zeitweiligen Ausschlägen in der Förderung. In osteuropäischen Ländern wie Polen oder Rumänien lassen sich steigende Subventionssummen dagegen meist auf Modernisierungsprozesse, größere Investitionen sowie den Ausbau der Agrarproduktion zurückführen. Die Karte macht deutlich, dass solche Schwankungen weniger zufällig sind, sondern eng mit nationalen Entwicklungen oder Belastungen zusammenhängen.

In Deutschland und Frankreich lassen sich Schwankungen in den jährlichen Subventionssummen vor allem durch politische Veränderungen innerhalb der GAP-Förderperioden, nationale Schwerpunktsetzungen und strukturelle Bedingungen der Landwirtschaft erklären. In beiden Ländern wirken sich Reformen der Gemeinsamen Agrarpolitik, wie etwa die Umstellung auf stärker klima- und umweltorientierte Förderinstrumente, direkt auf die Höhe und Verteilung der Mittel aus. Frankreich ist mit seiner großen Agrarfläche und stärker produktionsorientierten Landwirtschaft besonders sensibel gegenüber Anpassungen bei flächenbezogenen Direktzahlungen, während in Deutschland die kleinteiligere Struktur und der höhere Anteil an Grünland zu anderen Verteilungseffekten führt. Zusätzlich erzeugen wirtschaftliche Krisen, zum Beispiel Preisschwankungen oder Ertragsausfälle infolge von Dürrejahren, zeitweise höheren Förderbedarf, etwa durch zusätzliche Hilfsprogramme oder Umschichtungen zwischen Fördertöpfen. Insgesamt entstehen die Schwankungen also aus einem Zusammenspiel aus GAP-Reformen, nationalen agrarpolitischen Prioritäten, strukturellen Unterschieden und äußeren wirtschaftlichen Einflüssen.