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
Generic filters
Exact matches only
Search in title
Search in excerpt
Search in content

Flächennutzung in Deutschland

Die Flächennutzung in Deutschland unterliegt langfristigen Verschiebungen. Analysieren wir doch einmal die Entwicklungen der Flächen der einzelnen Nutzungsarten in den Bundesländern!

Die Daten der Flächennutzung

Zugewiesene Flächen etwa für Verkehr, Wohnung und Erholung bleiben ständig ein Streitthema in der Politik. Das Statistische Bundesamt stellt mit der Tabelle 33111-0002 Daten über die Flächennutzung in Deutschland zur Verfügung. Die Daten sind nach Bundesländern gegliedert und liegen für die Jahre 2016 bis 2022 jeweils für den Stichtag 31.12. vor. An diesem Datensatz werden wir mittels unserer Business-Intelligence-Software DeltaMaster demonstrieren, wie wir interessante Muster identifizieren. Nebenbei gehe ich auch auf typische Tücken und auf Fragen zur Modellierung ein.

Bodenflächendaten der Bundesländer im Zeitverlauf nach Nutzungsart

Bodenflächendaten der Bundesländer im Zeitverlauf nach Nutzungsart

Diese Grafische Tabelle zeigt die Entwicklung der Bodenfläche in Quadratkilometern außer für den Gesamtwert auch für die erste Ebene der Nutzungsarthierarchie – jeweils für jedes der 16 Bundesländer für den Zeitraum 2016 bis 2022. Es ist der Zeilenumbruch aktiviert, und die Skalierung der Sparksäulen erfolgt pro Spalte, also pro Bundesland.

An dieser Grafischen Tabelle sind bereits einige Eigenheiten zu erkennen, die wir bei der Analyse berücksichtigen werden müssen. Während sich die Gesamtflächen der Bundesländer in dieser Darstellung erwartungsgemäß von Jahr zu Jahr entweder gar nicht oder jedenfalls nicht sichtbar verändern, gilt dies beinahe durchgehend auch für die vier Elemente der ersten Ebene (Siedlung, Verkehr, Vegetation und Gewässer). In der Grafischen Tabelle ist bei der gewählten Auflösung gerade einmal zu erkennen, dass es bei der Siedlungsfläche in Bremen (HB) im Jahr 2020 einen Anstieg gegeben hat, der sich nun auch sichtbar in der Grafik niedergeschlagen hat.

Welche Optionen haben wir, um Änderungen besser zu erkennen? Dazu später mehr!

Gut erkennbar ist hingegen, dass die Stadtstaaten Berlin (BE), Bremen (HB) und Hamburg (HH) ein anderes Muster als die restlichen Bundesländer aufweisen. Sie besitzen anteilsmäßig mehr Siedlungsflächen. Im Bereich Vegetation haben sie im Vergleich zu den großen Bundesländern jedoch einen geringeren Flächenanteil.

Beginnen möchte ich aber mit der Erstellung der Nutzungsart-Hierarchie.

Unvollständige Hierarchie Nutzungsart

Im angebotenen Datensatz ist zunächst nämlich nur eine flache Liste der Nutzungsarten zu sehen:

Der Screenshot beweist: Die Nutzungsarten sind als flache Liste gegeben

Der Screenshot beweist: Die Nutzungsarten sind als flache Liste gegeben

Im interaktiven Menu zur Auswahl der Elemente gibt es aber die notwendige Information zum Aufbau der Hierarchie:

Der Code ADVN09-xyz hilft uns weiter

Der Code ADVN09-xyz hilft uns weiter

Der hier sichtbare Code ADVN09-xyz liefert die benötigte Logik zur Hierarchiebildung. Die einstelligen Ziffern (hinter dem Bindestrich!) ADVN09-1, ADVN09-2, ADVN09-3 und ADVN09-4 gehören zur ersten Ebene und stehen für Siedlung, Verkehr, Vegetation und Gewässer. Die zweistelligen Ziffern sind der passenden einstelligen Ziffer untergeordnet. Zum Beispiel stehen ADVN09-11 (Wohnbaufläche), ADVN09-12 (Industrie- und Gewerbefläche), …, ADVN09-19 (Friedhof) direkt unter Siedlung und ergeben in der Summe auch dessen Wert (in der Theorie!).

Gehen wir eine Ebene tiefer, erkennen wir den Stolperstein in diesem Datensatz. Am besten sichtbar ist dies bei ADVN09-18 (Sport-, Freizeit- und Erholungsfläche): Von den möglichen beitragenden Elementen ADVN09-181, ADVN09-182, … ist nur ein einziges Element ADVN09-184 (Grünanlage) mit einem Wert aufgeführt. D. h., wir werden eine Aggregation auf das zusammenfassende Elternelement nicht selbst durchführen können, da die Hierarchie unvollständig ist.

Weitere Recherche zu den Nutzungsarten

Auf der Download-Seite der Arbeitsgemeinschaft der Vermessungsverwaltungen der Länder lässt sich ein veralteter Nutzungsartenkatalog von 2011 ansehen, der verrät, dass es noch die Rubriken 181 (Sportanlage), 182 (Freizeitanlage) und 183 (Erholungsfläche) gegeben hat.

Im Dokument Methodenbericht zur Flächenerhebung 2018 werden auf S. 10 die auch in diesem Datensatz verwendeten Rubriken genannt, die sich als Minimalkonsens der Länder im ab 2016 gültigen System ALKIS (Amtliches Liegenschaftskatasterinformationssystem) ergaben.

Es lohnt sich, dieses Dokument zumindest flüchtig durchzulesen, um einen Eindruck des administrativen Aufwands und der Verrenkungen bei der Anpassung der Länder an ein gemeinsames System zu bekommen. Weiterhin wird deutlich, dass gleichnamige Rubriken im Zuge der Umstellung neue Bedeutungen bekommen haben. Deshalb werden beim Statistischen Bundesamt auch getrennte Datensätze bis 2015 und ab 2016 angeboten.

Noch nicht ganz von mir durchdrungen ist die Tatsache, dass sich teilweise bei der Neugliederung beispielsweise die Punkte 12 (Industrie- und Gewerbefläche) und 121 (Industrie und Gewerbe) aus im alten System disjunkten Teilpunkten ergeben (z. B. in Bayern und Hessen), aber nun 121 ein Unterpunkt von 12 ist/sein soll.

Jedenfalls ergeben sich in diesem Datensatz die Werte für 1-Siedlung als Summe allein der Elemente mit zweistelliger Nummer von 11 bis 19 – also ohne 121 und 184. Deshalb habe ich 121 unter 12 und 184 unter 18 angesiedelt.

Parent-Child-Dimension für die unvollständige Hierarchie

Mit der Problematik unvollständiger Hierarchien hatte ich mich bereits im Blogbeitrag Unvollständige Hierarchien modellieren und einsetzen beschäftigt. Das Mittel der Wahl sind hier Parent-Child-Dimensionen.

Im vorliegenden Datensatz gibt es nur zwei Elemente, die einsam in der dritten Ebene angesiedelt und für die unvollständige Hierarchie verantwortlich sind: ADVN09-121 (Industrie und Gewerbe) und ADVN09-184 (Grünanlage). Ich könnte diese zwei Elemente ignorieren und DeltaMaster die Werte der zweiten Ebene gemäß der vorhandenen Hierarchie selbst aggregieren lassen, ohne Einsatz einer Parent-Child-Hierarchie.

Doch auch hier gibt es eine Problematik, die ich bereits in einem sehr frühen Blogbeitrag Runden: Abgerundet wird zum Schluss aus dem März 2013 behandelt habe:

Die Summe der gerundeten Werte ist ungleich der gerundeten Summe der ungerundeten Werte

Die Summe der gerundeten Werte ist ungleich der gerundeten Summe der ungerundeten Werte

Aggregiert man die Werte selbst – hier am Beispiel von Gewässer und seiner vier Kinder demonstriert -, ergibt sich nicht der Wert, der bereits in der Tabelle gegeben ist. Dies liegt daran, dass eigentlich mehr als zwei Nachkommastellen vorliegen und die Summe der vier Kinder für die Tabelle erst nach der Aggregation auf zwei Stellen gerundet wird. Wir haben aber nur die bereits auf zwei Nachkommastellen gerundeten Werte der Kinder zur Verfügung und aggregieren mit einem Fehler.

Da sich diese Rundungsfehler auf dem Rechenweg nach oben verstärken können und wir in unseren Berichten die veröffentlichten Zahlen – und keine Näherungen! – sehen wollen, ziehen wir die Modellierung mittels einer Parent-Child-Hierarchie vor. Dazu legen wir – hier in Excel vollzogen – eine Dimensionstabelle an, in der wir zu jedem Element das übergeordnete Elternelement angeben:

Die Nutzungsarten als Parent-Child-Hierarchie

Die Nutzungsarten als Parent-Child-Hierarchie

Für die Elemente der Child-Dimension, die wir später dann zu Nutzungsart umbenennen, vergeben wir eine sprechende Bezeichnung, wie im Datensatz angegeben. In den Hierarchieeigenschaften der angelegten Dimension müssen wir noch die automatische Aggregation abschalten:

Wir aggregieren für die Flächennutzung selbst!

Wir aggregieren für die Flächennutzung selbst!

Auch bei den Bundesländern gibt es einen voraggregierten Deutschlandwert, der sich nicht zwingend durch Aggregation über die Bundesländer ergibt. Wir modellieren auch diese Struktur über eine Parent-Child-Hierarchie mit abgeschalteter automatischer Aggregation.

Visuelle Analyse der Flächennutzung über Sparklines

Der Datensatz ist noch nicht so riesig, dass er nicht mehr auf einem PC-Bildschirm abgebildet werden kann. Ergänzen wir einmal die Namen mit den ADV-Nummern und klappen den Hierarchie-Baum vollständig auf. Mit den ADV-Nummern lassen sich leichter die Stellen finden, von denen ich rede. Über F12 schalten wir zur zellenbasierten Skalierung:

Flächennutzung im Detail

Flächennutzung im Detail

Bei dieser Betrachtungsweise ist der Beitrag zur Gesamtfläche weniger wichtig, sondern eher Veränderungen zum eigenen, typischen Niveau. Wenn sich in dieser Hinsicht etwas getan hat, fällt das Muster auf. Ich habe in obiger Tabelle per Grafikprogramm einige (aber nicht alle!) Kombinationen Nutzungsart/Bundesland markiert, “wo etwas passiert” ist.

Zum Beispiel nimmt die Fläche 35-Moor in Brandenburg (BB) stetig zu, 13-Halde in Hamburg (HH) hingegen ab und 14-Bergbaubetrieb sinkt im dritten Jahr 2018 in Rheinland-Pfalz abrupt. Dem 26-Schiffsverkehr in Hamburg (HH) wird plötzlich im Jahr 2022 ein Wert zugewiesen.

Variabilität messen: Variationskoeffizient

Nichtsdestrotrotz wird in dieser Darstellung viel Platz für Sparklines bereitgestellt, bei denen sich eigentlich nichts getan hat. Um beurteilen zu können, ob sich optisch Unterschiede im Zeitverlauf ergeben, brauchen wir ein Maß, das diese Variabilität misst. Beispielsweise können wir den Variationskoeffizienten nehmen, der die Standardabweichung der sieben Werte von 2016 bis 2022 durch den Mittelwert dieses Zeitraums dividiert.

Da wir relational im Selfservice mit Excel unterwegs sind, können wir ein berechnetes Element mit benutzerdefinierten Ausdrücken in der Zeitdimension anlegen:

Definition des Variationskoeffizienten als berechnetes Element mit benutzerdefinierten Ausdrücken

Definition des Variationskoeffizienten als berechnetes Element mit benutzerdefinierten Ausdrücken

Im Filter wird das aktuelle Jahr 2022 eingestellt und mit range(7) werden dann die letzten 7 Jahre von 2016 bis 2022 angesprochen. Der Zähler ermittelt mit der Endung stddev die Standardabweichung und der Nenner mit avg den Mittelwert. Wird dieses berechnete Element mit dem Analysewert Fläche zu einem Filterwert verbunden, erhalten wir eine nutzbare Kennzahl.

Mehr zu diesem Thema können Sie in meinem Beitrag Benutzerdefinierte Ausdrücke nachlesen.

Beispielsweise können wir nun eine Grafische Tabelle der Bundesland-/Nutzungsart-Kombinationen nach Auffälligkeit gemäß dem Variationskoeffizienten absteigend sortieren:

Auffälligkeiten der Verläufe der Flächennutzung nach Variationskoeffizient absteigend sortiert

Auffälligkeiten der Verläufe nach Variationskoeffizient absteigend sortiert

Hiermit werden auffällige Verläufe – ohne Berücksichtigung der absoluten Größe der Effekte – schön präsentiert und wir sehen beispielsweise, dass in Hamburg plötzlich im Jahr 2022 eine Fläche für den Schiffsverkehr reserviert ist. In Mecklenburg-Vorpommern und Rheinland-Pfalz sind im Jahr 2018 Flächen für Bergbaubetriebe abrupt verschwunden, in Thüringen dazugekommen.

Variabilität messen: Standardabweichung

Sind wir auch daran interessiert, dass die Änderungen bei der Flächennutzung auch absolut bedeutend sind, lassen wir den Nenner des Variationskoeffizienten weg und arbeiten einfach nur mit der Standardabweichung:

Auffälligkeiten der Verläufe der Flächennutzung nach Standardabweichung absteigend sortiert

Auffälligkeiten der Verläufe nach Standardabweichung absteigend sortiert

Die Standardabweichung ist eine vorzeichenlose Größe und kann die Richtung der Veränderungen nicht angeben. Deshalb haben wir hier das Trendbarometer aktiviert und der Pfeil wird eingeblendet, falls ein halbwegs linearer Trend angepasst werden kann.

Variabilität messen: Änderung von 2016 auf 2022

Eine leicht verständliche Größe ist auch durch die Änderung der Flächennutzung von 2016 auf 2022 gegeben. Diese kann sowohl positiv als auch negativ sein. Die Jahre aus dem Inneren des Zeitraums, also 2017 bis 2021, spielen jetzt keine Rolle.

Wir legen zwei Zeitanalyseelemente an, einmal für die absolute und einmal für die relative Änderung. Dazu werden wieder Filterwerte definiert, die diese Zeitanalyseelemente mit der Fläche verbinden.

Nun setzen wir das Analysemodul PowerSearch ein und lassen uns die Top-15- und Bottom-15-Kombinationen von Nutzungsart und Bundesland anzeigen:

Top-15- und Bottom-15-Kombinationen der Flächenänderungen von 2016 auf 2022

Top-15- und Bottom-15-Kombinationen der Flächenänderungen von 2016 auf 2022

Die größten negativen Abweichungen von 2016 auf 2022 gab es hauptsächlich bei den Flächen der Landwirtschaft.

Bei den positiven Entwicklungen stechen vor allem die vergrößerten Siedlungsflächen in Thüringen heraus, die vor allem den Grünanlagen zu verdanken sind.

Interessant wären noch Daten zu der Umwidmung von Flächen, ähnlich zu einer Wählerwanderung. Diese Daten sind hier aber nicht vorhanden und somit wissen wir nicht, was zum Beispiel aus den aufgegebenen Landwirtschaftsflächen geworden ist.

Flächennutzung mit Small Multiples darstellen

Da wir hier zwei Dimensionen haben – Bundesländer und Nutzungsart -, bietet es sich an, Small Multiples einzusetzen. Beispielsweise legen wir die 2. Ebene der Nutzungsarten auf die Zeilenachse einer Grafischen Tabelle, stellen im Ranking “Obere/Untere nach Anzahl” auf 3 ein und iterieren über die Bundesländer. Dabei sortieren wir nach der absoluten Abweichung und sehen somit die auffälligsten Entwicklungen – sowohl positiv als auch negativ – pro Bundesland:

Top-3- und Bottom-3-Nutzungsarten für alle Bundesländer bzgl. der Abweichung in der Flächennutzung

Top-3- und Bottom-3-Nutzungsarten für alle Bundesländer bzgl. der Abweichung in der Flächennutzung

Für alle Bundesländer gilt, dass die Fläche für Landwirtschaft in den Bottom 3 zu finden ist, meist sogar an letzter Stelle.

Was fällt sonst noch auf?

Beispielsweise wird wohl die Tegel-Fläche in Berlin in 2022 nicht mehr zum Flugverkehr gezählt. In dieser Pressemitteilung heißt es, dass auf dem Areal unter anderem Wohnungen entstehen sollen.

Allerdings ist die Wohnbaufläche im Jahr 2022 nur um 0,76 qkm gestiegen, also deutlich weniger als die Verringerung von 3,30 qkm bei der Flugverkehrsfläche. Die Fläche wird somit zurzeit wohl nicht oder nur zum Teil als Wohnbaufläche ausgewiesen:

Was passiert mit der Flugverkehrsfläche?

Was passiert mit der Flugverkehrsfläche?

Angaben über Umwidmungen wären somit in der Tat hilfreich.

Des Weiteren wird in der zitierten Pressemitteilung davon gesprochen, dass sich Teile der Flughafenfläche im Bundesbesitz befanden. Jede Fläche ist aber einem Bundesland zugeteilt, sodass sich die Zuordnung der Flächen zu Bundesländern aus geographischen Gesichtspunkten ergibt.

Jedenfalls beträgt die Summe der Bundesländerflächen 357.592 qkm und das ist auch die offizielle Fläche Deutschlands.

Wenn Sie sich die Daten unter dem unten bei Quellen genannten Link online anschauen, gibt es unter “Flächenerhebung nach Art der tatsächlichen Nutzung” weitere Informationen, die sich leider nicht fest verlinken lassen. Dort wird lang und breit die Vorgehensweise bei der Datenerhebung erklärt.

Flächennutzung in Small Multiples mit Iteration über Nutzungsart

Vertauschen wir nun die Rollen von Nutzungstyp und Bundesländern und iterieren Grafische Tabellen über Nutzungsarten. Da wir davon ausgehen, dass wir den Schwerpunkt auf den Vergleich der Bundesländer legen, zeigen wir alle Bundesländer absteigend sortiert nach den prozentualen Zuwächsen von 2016 auf 2022. Wir bewegen uns mit den Nutzungsarten in der zweiten Ebene und konzentrieren uns beispielsweise auf die Elemente aus dem Bereich 3-Vegetation:

Flächennutzung für Bundesländer für einzelne Elemente aus dem Bereich Vegetation

Flächennutzung für Bundesländer für einzelne Elemente aus dem Bereich Vegetation

Zunächst sehen wir wieder, dass die Flächen bei der Landwirtschaft durchgehend abgenommen haben – mal prozentual mehr (Saarland), mal weniger (Mecklenburg-Vorpommern).

Dann fällt auf, dass etwa die Moorfläche in Brandenburg stetig zunimmt, mit zuletzt 7,98 qkm im Jahr 2022. Dass man bei der Interpretation der Zahlen vorsichtig sein muss, zeigt eine Internetrecherche.

More zu Moor

Das Statistische Bundesamt spricht (Info leider nicht verlinkbar!) – in Übereinstimmung mit diesem Datensatz – von 804 qkm Moorfläche für ganz Deutschland. Davon entfallen die genannten 7,98 qkm auf Brandenburg.

Die Seite des RBB redet hingegen von Mooren Brandenburgs in der Größe Saarlands bei genannten 243.432 Hektar (also 2434 qkm) – also von einer ganz anderen Größenordnung.

Im Dokument Flächenerhebung nach Art der tatsächlichen Nutzung für Brandenburg von 2015 (also vor der Reform) liest man folgende Zeilen:

  • 600 Landwirtschaftsfläche: Flächen, die dem Ackerbau, der Wiesen- und Weidewirtschaft, dem Gartenbau oder dem Weinbau dienen. Anmerkung: Hierzu gehören auch Moor- und Heideflächen sowie Brachland.
  • 650 Moor: Unkultivierte Flächen mit einer mindestens 20 cm starken oberen Schicht aus vertorften oder vermoorten Pflanzenresten, soweit nicht Abbauland. Anmerkung: Ein geringwertiger Baumbestand (Gehölz) ändert nicht den Charakter Moor.

Ein Moor, das für den Abbau genutzt wird, wird also der Landwirtschaft zugeordnet. Ein Moor mit Gehölz bleibt Moor.

Das Leibniz-Zentrum für Agrarlandschaftsforschung spricht von 95 % land- oder forstwirtschaftlicher Nutzung der Moore. Aber selbst, wenn man nur mit 5 % der Fläche rechnet, bleiben bei 2434 qkm ca. 120 qkm übrig und nicht 7,98 qkm.

In einem bei ADV-Online downloadbaren ALKIS-Objektartenkatalog DLKM von 2018 heißt es unter Moor wiederum “Torfstich bzw. Torfabbaufläche wird der Objektart 41005 Tagebau, Grube, Steinbruch mit AGT Torf zugeordnet.”

Der bereits erwähnte, nicht verlinkbare Online-Hilfetext hilft hier auch nicht weiter; es wird nur bemerkt, dass die hier genannten Flächen für Landwirtschaft von den spezifischen Zahlen der Agrarwirtschaft (siehe auch mein Blogartikel Landwirtschaftliche Betriebe in der DeltaApp) abweichen können, da Datenerhebung und Zielsetzung eine andere sei.

Ich kann nur hoffen, dass sich die Länder nicht nur auf eine gemeinsame Nutzungsartenhierarchie geeinigt haben, sondern auch die einzelnen Punkte identisch interpretieren und mit dem gleichen Inhalt füllen.

Flächennutzung in der DeltaApp Web

In unserem Produkt DeltaApp können Sie sich interaktiv mit den Daten beschäftigen. Ich habe einen Mobilen Bericht angelegt und über den Bissantz Service für die Analyse zur Verfügung gestellt. Die Daten sind nun im Browser navigierbar.

Eine Analysekette mit Kopieren, Klicken und Wischen

Eine Analysekette mit Kopieren, Klicken und Wischen

Von der einzigen Ausgangskachel links oben erzeuge ich zunächst eine Kopie, in der ich mit Sparksäulen die zeitliche Entwicklung der Ist-Flächen auf der 1. Ebene visualisiere. In einer 2. Kopie betone ich die Abweichungen zum Vorjahr auf der 1. Ebene der Nutzungsarten.

Die Kopien erlauben einerseits, sowohl Ausgangskachel als auch aufgeklappte Kachel gleichzeitig zu sehen. Mir geben die Kopien die Möglichkeit, die genannten Navigationsschritte in einem einzigen Screenshot zu zeigen. Prinzipiell können aber auch alle Schritte allein in der Ausgangskachel ablaufen.

Nun werfe ich zur Analyse der Flächennutzung einen näheren Blick auf die Siedlungsfläche, die leicht zugenommen hat. Es treten sowohl negative (Tagebau mit -66,9) als auch positive Entwicklungen auf. In einem letzten Schritt schaue ich mir die Bundesländer an und stelle fest, dass die meisten Bundesländer zulegen (absolut gesehen führt Bayern die Rangliste an), aber in Hamburg und Thüringen eine Verringerung der Fläche stattgefunden hat.

Nun lösche ich die letzte Kachel wieder, klappe in der nun rechten Kachel Siedlung zu und klicke auf den Wert -116 der Vegetation:

Moor in Brandenburg

Moor in Brandenburg

In einer Kopie klicke ich dann wieder auf den leichten Zuwachs 2,83 zum Vorjahr und sehe, dass dieser vor allem durch Brandenburg erzeugt wurde und zum Wert 7,98 qkm führte, den wir bereits oben mehrfach erwähnt hatten.

Flächennutzung Verkehr

Löschen wir nun alle Kopien und stellen den Ausgangsbericht durch seitliches Wischen auf die prozentuale Abweichung zum Vorjahr:

Entwicklung der Verkehrsfläche

Entwicklung der Verkehrsfläche

Ich arbeite hier wieder mit Kopien, und sämtliche Schritte, die zeitlich nacheinander auch in einer einzigen Kachel ablaufen könnten, werden hier der Anschaulichkeit halber in eigenen Kacheln demonstriert.

In der Gesamtfläche Deutschland tut sich normalerweise wenig. Wir konzentrieren uns hier auf den Verkehr, den wir mit einem Doppelklick in den Filter bringen. Der Schiffsverkehr hat zwar mit +6.3 % deutlich zugenommen, aber die belegte Fläche ist mit 23,8 qkm eher gering.

Schauen wir deshalb auf den Straßenverkehr, der deutschlandweit 0,2 % weniger Fläche benötigt. Wir bringen ihn in den Filter und klappen die Bundesländer auf. Die standardmäßige Sortierung (hier von negativ nach positiv) haben wir dabei umgedreht.

Bayern fällt mit dem zweitgrößten relativen Zuwachs bei bereits größter Fläche auf. Durch seitliches Wischen können wir wieder die absoluten Zahlen sehen. Solange wir diesen Ast nicht zuklappen, bleibt die Sortierung gemäß relativer Abweichung erhalten. In Bayern gab es somit 2022 knapp 5 qkm Zuwachs für den Straßenverkehr.

Hinweis: Auf unserer Demo-Seite können Sie die DeltaApp Web anhand einiger Beispiele ohne Anmeldung sofort ausprobieren.

Quellen

Datenquelle: Statistisches Bundesamt (Destatis), Genesis-Online, Abrufdatum am 26.10.2023; Datenlizenz by-2-0; eigene Berechnung/eigene Darstellung

Die Daten stammen aus der Position 33111-0002:
33111-0002: Bodenfläche (tatsächliche Nutzung): Bundesländer, Stichtag, Nutzungsarten

Diese Tabelle erreicht man über die Datenbank DESTATIS des Statistischen Bundesamts.

Für die Korrektheit der gezeigten Werte kann keine Gewähr übernommen werden.