Ein neuer Ansatz für mikrogeografische Haushaltsanalysen von infas 360 schließt die Lücke zwischen technischer Infrastruktur und sozialer Realität.
Die Kommunale Wärmeplanung (KWP) in Deutschland steht vor einem Paradox: Während Gebäudedaten, Wärmekataster und Netzinfrastrukturen digital erfasst und georeferenziert vorliegen, bleiben die eigentlichen Akteure der Wärmewende – die Menschen in den Gebäuden – weitgehend unsichtbar. Diese Planungslücke könnte sich als Achillesferse der Energietransformation erweisen. Kommunen verfügen zwar über detaillierte technische Daten: Wärmebedarfe sind kartiert, Gebäudetypen klassifiziert, potenzielle Fernwärmetrassen geplant. Was fehlt, ist das Verständnis für die sozioökonomischen Realitäten hinter den Fassaden. Kann sich der alleinerziehende Vater im unsanierten Altbau den Fernwärmeanschluss leisten? Werden die zerstrittenen Eigentümer der Reihenhaussiedlung jemals zu einer gemeinsamen Lösung finden? Diese Fragen entscheiden mit über Erfolg oder Scheitern der lokalen Wärmewende – werden aber in konventionellen Planungsprozessen kaum systematisch adressiert.
Diese Wissenslücke führt zu Planungsunsicherheiten: Ist ein Quartier wirklich für Fernwärme geeignet, wenn die Bewohner die Anschlusskosten nicht stemmen können? Lohnt sich Wärmepumpen-Contracting in einer Gegend mit prekären Eigentümer? Wo braucht es gezielte Unterstützung bei Investitionskosten oder Koordination? Die Folgen zeigen sich spätestens in der Umsetzungsphase, etwa wenn Fernwärmenetze mangels zahlungskräftiger Abnehmer unwirtschaftlich werden, Förderprogramme ihre Zielgruppen nicht erreichen, oder komplexe Eigentümerstrukturen in Quartieren die Transformation hindern.
Scorecard von einer der 16 Persona, die vom Sozial-Klimarat für Fragestellungen der Kommunalen Wärmeplanung entwickelt wurden. Grafik: infras360
Mikrogeografie trifft Sozialstruktur
Eine methodisch interessante Lösung haben das Bonner Unternehmen infas 360 und der Sozial-Klimarat entwickelt. Sie ordnen jeden der etwa 42 Millionen deutschen Haushalte einer von 16 spezifischen Kategorien zu – basierend auf einer KI-gestützten Analyse von fünf Schlüsselmerkmalen: Energieträger, Eigentumsverhältnis, Einkommen, Gebäudeform und Baujahr. Das Ergebnis sind sogenannte „Personas“, die von der „Generation Wärmepumpe“ bis zu „Mietern außerhalb des Blickfeldes“ reichen.
Die Besonderheit dieses Persona-Ansatzes, der im Bereich des Geomarketings noch wenig bekannt ist, liegt darin, dass die Daten auch kleinräumig bis auf Gebäudeebene vorliegen und nahtlos in bestehende Planungsworkflows und GIS-Prozesse integriert werden können. „Wir können damit erstmals in die Gebäude hineinschauen und verstehen, wer dort lebt und welche Handlungsmöglichkeiten diese Menschen haben“, erklärt Frederik Digulla vom Sozial-Klimarat.
Dabei wurden Scorecards für 16 Persona KI-basiert generiert, die die komplexen Daten verdichten. Das hilft bei einem schnellen strategischen Überblick und gleichzeitig bei der kommunikativen Dimension der Wärmeplanung. Auch Bürger können so nachvollziehen, welche sozialen Aspekte berücksichtigt werden und wo die Herausforderungen in den einzelnen Quartieren liegen.
Von der Clusteranalyse zur regelbasierten Segmentierung
Die methodische Entwicklung des Ansatzes ist über die beiden letzten Jahre ausgereift. Während die erste Version noch auf einer klassischen Clusteranalyse mit zwölf gleichgewichteten Merkmalen basierte, setzt die aktuelle Iteration auf ein regelbasiertes Verfahren. „Die ursprünglichen Cluster waren zu inhomogen für präzise Planungsableitungen“, erläutert Dr. Barbara Wawrzyniak, Manager Data Science bei infas 360. „Die neue Methodik ermöglicht homogenere Gruppen und damit eine bessere Regionalisierung.“ Die Umstellung auf ein regelbasiertes Verfahren ist einfacher, geht schneller und basiert auf den zuvor gewonnenen Erkenntnissen. So konnten fünf Merkmale (Energieträger, Eigentumsverhältnis, Einkommen, Gebäudeform und Baujahr des Gebäudes) gezielt ausgewählt werden, was trotz der Einfachheit zu präziseren und handlungsrelevanteren Erkenntnissen führt. „Ein klassisches Beispiel dafür, dass in der Datenanalyse weniger oft mehr ist“, sagt Wawrzynia. Die neue Analyse erleichtert politische Ableitungen aus den Persona-basierten Untersuchungen. Die Gruppen sind jetzt weit homogener, was eine bessere Regionalisierung bis auf die Ebene einzelner Siedlungsblöcke ermöglicht. Davon profitieren Planungsworkflows, in die die Persona-Daten integriert wurden. Planer können nun systematisch identifizieren:
• Vulnerabilitäts-Hotspots: Quartiere mit hohem Anteil einkommensschwacher Haushalte werden sichtbar. Hier sind flankierende Sozialmaßnahmen oder besondere Förderkonzepte erforderlich.
• Entscheidungsstrukturen: Die Unterscheidung zwischen Wohnungsgesellschaften, privaten Vermietern und Eigentümergemeinschaften ermöglicht passgenaue Ansprachestrategien und realistische Zeitplanungen.
• Koordinationsbedarfe: Reihenhaussiedlungen oder Quartiere mit vielen Wohnungseigentümergemeinschaften erfordern andere Planungsansätze als homogene Mietwohnungsbestände.
Prüfgebiete als Testfall
Besonders relevant wird der Ansatz bei den sogenannten Prüfgebieten – jenen Bereichen, in denen die Entscheidung zwischen netzgebundener und dezentraler Versorgung noch offen ist. Hier können die sozioökonomischen Faktoren den Ausschlag geben: Ein Gebiet mit komplexen Eigentümerstrukturen und geringer individueller Investitionsfähigkeit spricht tendenziell für eine netzgebundene Lösung, während wohlhabende Eigenheimbesitzer eher für dezentrale Lösungen zu gewinnen sind.
Neue Geschäftsfelder für Planungsbüros
Für die Planungsbranche eröffnen sich durch diese Entwicklung neue Perspektiven. Die Kombination von technisch-infrastruktureller und sozioökonomischer Analyse erweitert das Leistungsspektrum erheblich. Von der fundierten Stake-holder-Analyse über die Entwicklung zielgruppenspezifischer Kommunikationsstrategien bis zur sozialverträglichen Umsetzungsplanung entstehen neue Beratungsfelder.