Prognose

Scholles, Frank Book Part Prognose Provided in Cooperation with: ARL – Akademie für Raumentwicklung in der Leibniz-Gemeinschaft Suggested Citation: Scholles, Frank (2018) : Prognose, In: ARL – Akademie für Raumforschung und Landesplanung (Ed.): Handwörterbuch der Stadtund Raumentwicklung, ISBN 978-3-88838-559-9, ARL - Akademie für Raumforschung und Landesplanung, Hannover, pp. 1811-1820, https://nbn-resolving.de/urn:nbn:de:0156-55991688 This Version is available at: https://hdl.handle.net/10419/225829 Standard-Nutzungsbedingungen: Die Dokumente auf EconStor dürfen zu eigenen wissenschaftlichen Zwecken und zum Privatgebrauch gespeichert und kopiert werden. Sie dürfen die Dokumente nicht für öffentliche oder kommerzielle Zwecke vervielfältigen, öffentlich ausstellen, öffentlich zugänglich machen, vertreiben oder anderweitig nutzen. Sofern die Verfasser die Dokumente unter Open-Content-Lizenzen (insbesondere CC-Lizenzen) zur Verfügung gestellt haben sollten, gelten abweichend von diesen Nutzungsbedingungen die in der dort genannten Lizenz gewährten Nutzungsrechte. Terms of use: Documents in EconStor may be saved and copied for your personal and scholarly purposes. You are not to copy documents for public or commercial purposes, to exhibit the documents publicly, to make them publicly available on the internet, or to distribute or otherwise use the documents in public. If the documents have been made available under an Open Content Licence (especially Creative Commons Licences), you may exercise further usage rights as specified in the indicated licence. https://creativecommons.org/licenses/by-nd/3.0/de/ Die ARL ist Mitglied der Leibniz-Gemeinschaft FrankScholles Prognose S.1811bis1820 URN: urn:nbn:de:0156‐55991688 CC‐Lizenz:BY‐ND3.0Deutschland In: ARL–AkademiefürRaumforschungundLandesplanung(Hrsg.): HandwörterbuchderStadt‐undRaumentwicklung Hannover2018 ISBN978‐3‐88838‐559‐9(PDF‐Version) 1811 Prognosen in der Planung basieren auf möglichst rationalen, GJLW¾SIJYJS*W\FWYZSLJSZSI\JSNLJWFZK\NXXJSXHMFKYQNHMJS Gesetzmäßigkeiten oder Wahrscheinlichkeitsrechnungen. Sie INJSJSIJW5TQNYNPGJWFYZSLZSIXTQQJS2F¡SFMRJSGJLW¾SIJS XTIFXXNMW3NHMYJNSYWJKKJSM¦ZąLFQX*WKTQL_Z\JWYJSNXY)FX Methodenspektrum reicht von umfangreichen Modellrechnungen GNX_ZJMJWXHMQNHMYJS&SFQTLNJXHMQ¾XXJS Prognose Frank Scholles Gliederung 1 Zweck und Planungsrelevanz von Prognosen 2 Arten von Prognosen 3 Methodenüberblick 4 Raumordnungsprognosen 5 Fazit Literatur Prognose 1812 1 Zweck und Planungsrelevanz von Prognosen Planung ohne Prognostizieren ist undenkbar, denn jedes zielgerichtete Handeln benötigt Annahmen über die Zukunft und die Wege dorthin. Erforderlich sind beispielsweise Prognosen zu zukünftigen Zuständen ohne weitere Maßnahmen (Status-quo-Prognose), zu Auswirkungen von Vorhaben oder Maßnahmen oder zur Entwicklung von begründeten Maßnahmen (Wirkungsprognose). In der ▷ Raumordnung haben Prognosen eine längere Tradition. Heute geht es dabei vor allem um das Offenhalten von Zukunftsoptionen für kommende Generationen (nachhaltige Entwicklung) und um Aktivitätsfolgenabschätzung. Zweck von Prognosen in der Planung ist es, die zu erwartende zukünftige Entwicklung zu beschreiben, um bei nicht steuerbaren Entwicklungen anpassende und bei steuerbaren Entwicklungen unterstützende oder gegensteuernde Maßnahmen zum Trend zu ergreifen und so einen politisch erwünschten Zustand zu erreichen. Planungsprognosen dienen daher auch der Politikberatung. Bei einer wissenschaftlichen Analyse ist gemäß dem deduktiv-nomologischen Erklärungsmodell der zu erklärende Zustand eines Objekts oder ein zu erklärendes Ereignis gegeben, während die Erklärung dafür gesucht wird. Bei einer Prognose ist es logisch äquivalent, aber umgekehrt: Die Erklärung ist bereits gegeben, der künftige Zustand des Objekts wird gesucht (vgl. Stiens 1996: 23). Die Prognose besteht demzufolge mindestens aus (vgl. Stiens 1996: 24f.): • dem Vorauszusagenden (zukünftiger Zustand des Objekts), • den allgemeinen Gesetzen und sonstigen Rahmenbedingungen, auf deren Grundlage die zukünftigen Zustände des Objektbereichs berechnet oder beschrieben werden können, und • den Anwendungsbedingungen. Prognose als Grundlage für wissenschaftlich fundierte Planung wird definiert als wissenschaftlich begründete, möglichst rationale Erwartung künftiger Entwicklungen, Zustände oder des voraussichtlichen Verlaufs auf der Basis bestimmter Rahmenbedingungen. Kritisch-rationale und probabilistische Prognoseverständnisse, die durch Deduktion Gesetzmäßigkeiten bzw. durch Wahrscheinlichkeitsrechnung statistische Häufigkeiten herauszufinden und so zukünftige Zustände zu ermitteln versuchen, sind nicht planungsrelevant (vgl.Scholles 2008). Denn in der Planung können aufgrund von Rahmenbedingungen, die sich ständig verändern können, nur wenige Aussagen aus Naturgesetzen deduziert werden. Wissenschaft sucht nach Wahrheit, während Planung angemessene, verhältnismäßige oder zumutbare Maßnahmen anstrebt, die auf Werten als Rahmen fußen. Ereignisse, die im Einzelfall ohne statistische Stabilität auftreten, sind im statistischen Verständnis nicht zufällig, sondern unbestimmt, sodass keine Wahrscheinlichkeit berechnet werden kann (vgl. Tarassow 1998: 50). Vielmehr beruhen solche Ereignisse meist auf der Lernfähigkeit von Systemen. Zu diesen gehören auch (bewusst) geregelte, geplante und selbstregulierende Systeme. Planung und Steuerung wirken dem Zufall entgegen. Deswegen rechtfertigen weniger errechnete Wahrscheinlichkeiten als vielmehr Vernunftgründe und Erfahrungen Prognosen in der Planung. Knapp (1978) begreift Prognose im hier interessierenden Zusammenhang als logische und nicht als wahrscheinlichkeitstheoretische Fragestellung. Prognose ist demnach Ausdruck einer Erwartung. Diese muss plausibel begründet sein, wobei die Art der Begründung objektiv oder subjektiv sein kann, jedoch immer der vorliegenden Situation, d. h. dem Prognoseproblem, Prognose 1813 entsprechen muss. Eine Erwartung ist der Ausdruck eines räumlich und zeitlich bestimmten Ereignisses und die Wertung, die dieses Ereignis vor anderen möglichen Ausgängen bevorzugt (vgl. Knapp 1978: 36 ff.). Die Erwartung ist unabhängig davon, ob sie enttäuscht wird, gerechtfertigt oder nicht; die Qualität der Prognose kann daher nicht an ihrem Zutreffen gemessen werden (vgl. Schlömer 2012: 18). Planungsprognosen haben oft Auswirkungen auf die Zukunft und sollen zu Maßnahmen führen (vgl. Martino 1983; Atteslander 2010): Es gibt Prognosen, die zu Gegenmaßnahmen führen („self-destroying prophecy“), wie z.B. (hoffentlich) die Prognosen zur Entwicklung des CO2-Ausstoßes und des Treibhauseffekts, und es gibt Prognosen, die zu ihrer Erfüllung beitragen („selffulfilling prophecy“), wie Verkehrsprognosen, die als Basis für die Verkehrswegeplanung und damit die Mittelbereitstellung dienen, oder Wohnungsbedarfsprognosen, die als Grundlage für Wohnbaulandausweisungen in der ▷ Bauleitplanung dienen. 2 Arten von Prognosen Zunächst kann man stärker quantitativ oder qualitativ arbeitende Methoden unterscheiden: Zu den quantitativen Prognosemethoden gehören die Extrapolation und Simulationsmodelle. Zu den qualitativen, auch als intuitiv bezeichneten Methoden zählen z. B. Delphi und ▷ Szenario. Die Genauigkeit von quantitativen Prognosen hängt ab: • vom Prognosezeitraum (je kürzer der Zeitraum, desto genauer die Prognose), • vom Maßstab (je kleiner der Maßstab, d. h. je größer der Raum, desto genauer die Prognose), • von der Stabilität der Rahmenbedingungen (je stabiler die Bedingungen, desto genauer die Prognose). Weiter kann nach dem Typ der Aufgabenstellung unterschieden werden: Soll ein zukünftiger Zustand beschrieben werden, dann werden explorative Prognosen eingesetzt. Sie können im Unterschied zu den bislang genannten Prognosemethoden auch analysieren, welche Prozesse für die vorausgesagte Situation verantwortlich sind. Wenn Wege zum Erreichen vorher festgelegter Leitbilder und Qualitätsziele aufgezeigt werden, handelt es sich um normative Prognosen. Diese gehen von definierten zukünftigen Zuständen als Zielen aus und stellen zurückschreitend fest, wie die Gegenwart beeinflusst werden muss, um die erwünschten Zustände zu erreichen (vgl. Jantsch 1967; Jessel 1998: 203).  2JYMTIJS¾GJWGQNHP  9WJSIJ]YWFUTQFYNTSJS Ziel einer Trendextrapolation ist es, eine Aussage darüber zu erzeugen, wie sich das Untersuchungsobjekt entwickelt, wenn alle Rahmenbedingungen so wie bisher, also im Trend, weiterverlaufen. Das Objekt stellt die abhängige Variable, die Rahmenbedingungen stellen die unabhängigen Variablen dar. Für die Durchführung einer Extrapolation müssen die Art und die Stärke der Prognose 1814 Beziehung zwischen der abhängigen Variable und den unabhängigen Variablen und die Entwicklung Letzterer bekannt sein. Zusätzlich müssen die weiteren Rahmenbedingungen betrachtet werden. Die Trendextrapolation kommt zum Einsatz, wenn aus der bisherigen Entwicklung einer Größe (des Objekts) eine mathematisch definierbare Gesetzmäßigkeit abgeleitet werden kann. Der beobachtete Trend wird dann in die Zukunft verlängert. Voraussetzung für die Anwendung einer Trendextrapolation ist nur das Entdecken einer mathematisch definierbaren Gesetzmäßigkeit in den empirisch ermittelten Werten. Dabei spielt es keine Rolle, ob es sich um eine theoretisch begründbare Gesetzmäßigkeit handelt, die auch mathematisch beschreibbar ist, oder nur um eine formale Regelhaftigkeit. Trendextrapolationen sind also induktive, datenorientierte, pragmatische, nicht theoretisch begründete Prognosen, bei denen der zukünftige Verlauf aus vorangegangenen Verläufen abgeleitet wird (vgl. Stiens 1998: 121). Die Trendextrapolation hat vor allem die Schwäche, dass sie lediglich versucht, Regelmäßigkeiten zu entdecken und diese in die Zukunft fortzuschreiben. Sie ist theoretisch nicht hinreichend begründet und geht darüber hinaus (oft unzutreffenderweise) davon aus, dass sich Trends aus der Vergangenheit in der Zukunft fortsetzen. Dazu müssen die Beziehungen zwischen den herangezogenen Variablen konstant bleiben, also Gesetzmäßigkeiten darstellen, was in der Realität jedoch nicht immer der Fall ist. Allerdings dürften reine (naive) Trendextrapolationen in der Planungspraxis kaum anzutreffen sein. In der Regel werden in irgendeiner Art und Weise Annahmen über Änderungen oder Sprünge bei bestimmten Variablen in die Berechnungen einbezogen.  9MJTWNJLJQJNYJYJ5WTLSTXJ Die theoriegeleitete Prognose versucht, Wirkungszusammenhänge zu verstehen und zukünftige Zustände darauf basierend zu beschreiben, anstatt sie aus Datenreihen herzuleiten. Ein Trend wird bei dieser Methode nur dann fortgeschrieben, wenn es inhaltliche Gründe dafür gibt. Die theoriebasierte Prognose besteht formal aus mathematischen Gleichungen. Aus dem angelsächsischen Raum in den 1960er Jahren im Rahmen der Quantifizierungseuphorie eingeführt, wird dieses Vorgehen heute praktisch kaum noch verfolgt, weil es unverhältnismäßig aufwendig ist, die Gleichungssysteme zu erstellen. Nur bei der Bevölkerungsprognose innerhalb der Raumordnungsprognose ist diese Methode immer noch aktuell (vgl. Schlömer 2012). Die Bestandteile werden über Indikatoren gemessen. Solche aufwendigen Prognosen kann allerdings nur eine gut ausgestattete Institution mit jahrzehntelanger Erfahrung im Untersuchungsgebiet leisten. Auf regionaler und kommunaler Ebene fällt der vertretbare Aufwand für Prognosemethoden deutlich bescheidener aus. 3.3 Analogieschluss Beim Analogieschluss wird Erfahrungswissen aus einem oder möglichst mehreren gut untersuchten und dokumentierten Fällen auf das aktuelle Prognoseproblem übertragen. Darauf sind Planer oft angewiesen, weil weder kausale noch statistische Herleitungen möglich sind. Voraussetzung ist allerdings, dass die Fälle in Bezug auf den zu prognostizierenden Faktor auch wirklich vergleichbar sind, z. B. hinsichtlich der Zentralität eines Orts, der Bevölkerungszusammensetzung, der Artenzusammensetzung, der abiotischen Bedingungen. Dabei reichen äußerliche (evtl. scheinbare) Beziehungen zwischen den betrachteten Fällen nicht aus, es sind sachlogisch-inhaltliche Prognose 1815 Beziehungen nötig (vgl.Jessel 2000: 201). Aufgrund der Unmöglichkeit, generell von vergangenen Entwicklungen auf zukünftige zu schließen, müssen Gründe dafür angegeben werden, dass dies im Einzelfall erwartet wird.  'JLW¾SIJYJ&SSFMRJSZSIFGLJXNHMJWYJ*]UJWYJSRJNSZSLJS Subjektive Wahrscheinlichkeit hängt von der Stärke der Überzeugung ab, die ein rational denkendes Subjekt über den Eintritt eines Ereignisses haben sollte, gewisse Gründe als Absicherung vorausgesetzt. Bei Fehlen ausreichenden Wissens muss nahezu jede solche Überzeugung akzeptiert werden, weswegen nur Expertenmeinungen akzeptiert werden sollten (vgl. van der Staal 1989: 26f.).Das bekannteste Verfahren, unabhängige Expertenmeinungen einzuholen, ist das Delphi. Wenn der dazu nötige Aufwand unverhältnismäßig erscheint, sind Experteninterviews und Literaturauswertungen mögliche Alternativen. Auf dieser Basis werden begründete, möglicherweise alternative Annahmen über die zukünftige Entwicklung vorgenommen, um die relevante Information zu vervollständigen. Alsdann wird ein bestimmter Ausgang vor anderen zwecks gültiger Prognose als relativ vorzüglich bewertet, was eine fachliche Entscheidungssituation darstellt. Dies ist durchaus ein normatives Element einer Planung, allerdings eine rein fachliche Angelegenheit (Expertenbewertung), die nicht mit der Entscheidung über Vorhabenoder Planalternativen zu verwechseln ist. Prognosen werden in der Planung somit zum pragmatischen Mittel zur Auseinandersetzung mit alternativen zukünftigen Entwicklungsmöglichkeiten und ihrer expliziten Dokumentation. Sie dienen damit politischem Handeln, das sachlogisch vorgeht und auf Überzeugungskraft durch Begründung baut (vgl. Knapp 1978: 14; Wächtler 1992: 70, 90).  8_JSFWNT9JHMSNP Auf Basis der Systemanalyse wurde eine ganze Reihe von unterschiedlich formalisierten Projektionstechniken entwickelt, die unter der Bezeichnung Szenario-Technik subsumiert werden. Ihnen gemein ist, dass quantitative und qualitative Projektionen kombiniert werden können. 3.6 Visualisierungen In vielen Fällen sind umfangreiche Wortmodelle unübersichtlich und schwer zu kommunizieren. Dann bietet es sich an, grafische Visualisierungen einzusetzen. Diese können auf zweioder dreidimensionalen grafischen Modellen basieren. Sie sind grundsätzlich als Handzeichnungen oder Fotomontagen machbar, werden aber in zunehmend realitätsnaher Form mithilfe spezialisierter Software erstellt. Auch kartografische Visualisierungen wie Karto-Szenarien gehören hierzu. 4 Raumordnungsprognosen Kennzeichen räumlicher Prognosen ist die Langfristigkeit (im Verhältnis zu beispielsweise Wirtschaftsprognosen). Prognosezeiträume der aktuellen Raumordnungsprognose (vgl. Schlömer 2012) sind 15 bis 45 Jahre. In der Raumordnung kann man drei Phasen der Prognosemethodik unterscheiden, die parallel zum Planungsverständnis laufen (vgl. Stiens 2005: 804 ff.): Prognose 1816 1) quantitative Prognosen, deskriptiv, theoriegeleitet 2) primär qualitative raumbezogene Zukunftsforschung: Szenario-Technik, explorativ, heu ristisch 3) Zukunftsexploration in der kommunikativen Raumplanung, Zukunftswerkstätten und Kartoszenarien, explorativ, kommunikativ Die Raumordnungsprognose bestand ursprünglich nur aus Projektionen zu Bevölkerung und Arbeitsmarkt; heute ist sie ein Komponentensystem mit sehr komplexem Aufbau und vielen Abhängigkeiten: regionalisierte Bevölkerungsprognose, Prognose der Entwicklung der privaten Haushalte, regionalisierte Wohnungsmarktprognose, regionalisierte Arbeitsmarktprognose, Prognose der Siedlungsentwicklung (vgl. Stiens 2005: 808). Wegen der Fehleranfälligkeit quantitativer Methoden sowie Unsicherheiten bei der Planung ist man in den 1980er Jahren zu Szenarien übergegangen. Durch verbales Vorgehen können Faktoren einbezogen werden, die nicht durch Daten belegbar oder nicht kardinal messbar sind. Die innere Modellstruktur wird dabei nachvollziehbar offengelegt, quantitative Teilprognosen sind integrierbar. Für den Bedarf der Bundesraumordnungspolitik erstellt die zuständige Bundesbehörde seit den 1980er Jahren regelmäßig die Raumordnungsprognose, zuletzt mit dem Zeithorizont 2030 (vgl.Schlömer 2012). Sie besteht aus den Elementen Bevölkerungs-, Haushalts-, Erwerbspersonenund Wohnungsmarktprognose. Im Folgenden wird nur die Bevölkerungsprognose als zentrales und am weitesten entwickeltes Teilmodell betrachtet. Der methodische Ansatz der Bevölkerungsprognose wurde über 30 Jahre entwickelt und inzwischen für das gesamte Bundesgebiet bis auf Kreisebene, teilweise noch darunter, verfeinert. Insofern ist diese Prognose auch ein Lernprozess. Entstanden ist ein Prognosemodell mit einem ganzen Kranz an Satellitenmodellen. Sachlich wird differenziert nach Geburten, Sterbefällen, Zuzügen und Fortzügen. Dazu wird mithilfe vielfältiger statistischer Methoden zunächst aus Datenmassen der Vergangenheit versucht, Informationen über die künftige Entwicklung „herauszudestillieren“ (vgl. Bucher/Schlömer/Lackmann 2004: 107). Daraus und aus weiteren Annahmen werden Hypothesen über den zukünftigen Verlauf gebildet. Das Modell insgesamt ist eine quantitative, modifizierte Trendextrapolation, die teilweise theoriegeleitet ist. Ziel ist es, die Frage zu beantworten, in welche Richtung die Entwicklung im Großen und Ganzen verläuft, wenn bestimmte (politisch beeinflussbare) Rahmenbedingungen mehr oder weniger wie bisher bestehen und keine zusätzlichen politischen Maßnahmen ergriffen werden. Es kann dabei auf eine vergleichsweise gute Datenbasis zurückgegriffen werden, die aus der amtlichen Statistik und der langjährigen Laufenden ▷ Raumbeobachtung der Bundesraumordnung gespeist wird. Die Annahmen haben entscheidende Bedeutung und daher liegt hier die zentrale strategische Aufgabe der Prognostik. Es sollen Eckwerte der künftigen räumlichen Bevölkerungsentwicklung geschätzt werden. Die Modellparameter für Fruchtbarkeits-, Sterblichkeitsund Mobilitätsraten wurden in einem hierarchischen Prozess top-down festgelegt (vgl. Bucher/Schlömer/Lackmann 2004: 115f.): 1) Definition einer räumlichen Ebene mit relativ homogenen Eigenschaften (daher keine administrative Ebene) 2) Projektion der Verhaltensparameter für größere Altersgruppen (Trendprojektion) Prognose 1817 3) Ausdifferenzierung für die Kreisebene 4) sachliche Differenzierung mithilfe zusätzlicher Information Die Annahmen zu Fruchtbarkeit und Sterblichkeit sind durch Zeitreihen gut belegbar, wohingegen diejenigen zu Mobilität aus dem Ausland und ins Ausland hochspekulativ sind und auf Expertendiskussionen beruhen. &GGNQIZSL0QJNSW¦ZRNLJ'J[¸QPJWZSLXI^SFRNPNS;JWLFSLJSMJNYZSI?ZPZSKY 1990 bis 2010 2010 bis 2030 Datenbasis: Laufende Raumbeobachtun g des BBSR, BBSR-Bevölkerun g s p ro g nose 2009-2030/ROP Geometrische Grundlage: BKG, Prognoseräume 2010 km100 V eränderung der Bevölkerungszahl 1990 bis 2010 in % bis unter -20 -20 bis unter -10 -10 bis unter -3 -3 bis unter 3 3 bis unter 10 10 und mehr Veränderung der Bevölkerungszahl 2010 bis 2030 in % bis unter -20 -20 bis unter -10 -10 bis unter -3 -3 bis unter 3 3 bis unter 10 10 und mehr NL BE LU FR CH AT CZ PL DK Kiel Mainz Erfurt Berlin Bremen Potsdam Dresden Hamburg München Schwerin Hannover Magdeburg Stuttgart Düsseldorf Saarbrücken Wiesbaden NL BE LU FR CH AT CZ PL DK Kiel Mainz Erfurt Berlin Bremen Potsdam Dresden Hamburg München Schwerin Hannover Magdeburg Stuttgart Düsseldorf Saarbrücken Wiesbaden BBSR Bonn 2012 © Quelle: BBSR 2012a