Die zukünftige Entwicklung der Grundschulversorgung im Kontext ausgewählter Wanderungsszenarien

Dräger, Sebastian; Kopp, Johannes; Münnich, Ralf; Schmaus, Simon Article — Published Version Die zukünftige Entwicklung der Grundschulversorgung im Kontext ausgewählter Wanderungsszenarien AStA Wirtschaftsund Sozialstatistisches Archiv Provided in Cooperation with: Springer Nature Suggested Citation: Dräger, Sebastian; Kopp, Johannes; Münnich, Ralf; Schmaus, Simon (2022) : Die zukünftige Entwicklung der Grundschulversorgung im Kontext ausgewählter Wanderungsszenarien, AStA Wirtschaftsund Sozialstatistisches Archiv, ISSN 1863-8163, Springer, Berlin, Heidelberg, Vol. 16, Iss. 1, pp. 51-77, https://doi.org/10.1007/s11943-022-00301-x This Version is available at: https://hdl.handle.net/10419/307495 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/4.0/ ORIGINALVERÖFFENTLICHUNG https://doi.org/10.1007/s11943-022-00301-x AStA Wirtsch Sozialstat Arch (2022) 16:51–77 Die zukünftige Entwicklung der Grundschulversorgung im Kontext ausgewählter Wanderungsszenarien Eine kleinräumige Mikrosimulationsstudie am Beispiel der Stadt Trier Sebastian Dräger · Johannes Kopp · Ralf Münnich · Simon Schmaus Eingegangen: 16. August 2021 / Angenommen: 25. Januar 2022 / Online publiziert: 17. Februar 2022 © Der/die Autor(en) 2022 Zusammenfassung Um die Potentiale der Mikrosimulation als ein Instrument zur Analyse zukünftiger Versorgungslagen in verschiedenen (sozialpolitischen) Bereichen aufzuzeigen, wurde am Beispiel der Stadt Trier eine Mikrosimulationsstudie durchgeführt, bei der der Einfluss unterschiedlicher Wanderungsszenarien auf die Situation der Grundschülerinnen und Grundschüler im Stadtgebiet untersucht wurde. Die Datenbasis stellt eine synthetische Grundgesamtheit der Bevölkerung auf Basis der Zensusergebnisse 2011 dar, welche mit Hilfe von Zensusgitterzellen geografisch im Stadtgebiet verortet und modellbasiert in die Zukunft fortgeschrieben wurde. Außerdem liegen für Trier für die Jahre 2011 bis 2018 präzise Zahlen zu Schülerinnen und Schülern der Elementarstufe vor, an denen nicht nur die Simulationsgesamtheit konfiguriert werden kann, sondern die auch als zentrale Benchmarks für die Validität der Fortschreibungsmodule und –Parameter dienen können. Schlüsselwörter Grundschulinfrastruktur · Bedarfsplanung · Demographie · Kleinräumige Mikrosimulationsmodelle · Georeferenzierung Sebastian Dräger () · Johannes Kopp Fachbereich IV – Abteilung Soziologie, Universität Trier, Universitätsring 15, 54296 Trier, Deutschland E-Mail: [email protected] Johannes Kopp E-Mail: [email protected] Ralf Münnich · Simon Schmaus Fachbereich IV – Abteilung Volkswirtschaftslehre, Universität Trier, Universitätsring 15, 54296 Trier, Deutschland Ralf Münnich E-Mail: [email protected] Simon Schmaus E-Mail: [email protected] K 52 S. Dräger et al. The future development of primary school demand in the context of selected migration scenarios A spatial microsimulation study using the city of Trier as an example Abstract In order to demonstrate the potential of microsimulation as an instrument for analysing future supply situations in various (socio-political) areas, a microsimulation study was carried out using the city of Trier as an example, in which the influence of different migration scenarios on the situation of primary school pupils in the urban area was investigated. The data basis is a synthetic population based on the census results of 2011, which was geographically located in the city area with the help of census grid cells and was extrapolated into the future based on models. In addition, precise figures on elementary school students are available for Trier for the years 2011 to 2018, which can not only be used to configure the simulation population, but can also serve as central benchmarks for the validity of the update modules and parameters. Keywords Primary school infrastructure · Demand planning · Demographics · Spatial microsimulation models · Georeferencing 1 Einleitung Eine kürzlich von der Bertelsmann Stiftung veröffentlichte Studie zur zukünftigen Schülerzahl im Primarbereich (Klemm und Zorn 2019) hat ergeben, dass die von der Kultusministerkonferenz (KMK) antizipierten Zahlen die Realität deutlich zu unterschätzen scheinen. Während im Mai 2018 seitens der Verantwortlichen bis zum Schuljahr 2025/2026 ein Anstieg um 5,7Prozent erwartet wurde (KMK Kultusministekonferenz 2018), wies bereits im Juni 2019 die Bevölkerungsvorausberechnung durch das Statistische Bundesamt einen Zuwachs um 11,8Prozent aus – und zwar in der Variante, die den geringsten Anstieg der Sechsbis unter Zehnjährigen annimmt (Statistisches Bundesamt 2019). In Zahlen bedeutet das eine Differenz von rund 168.000 Kinder im entsprechenden Alter, die bis zum Jahr 2025 zusätzlich beschult werden müssen und infolgedessen eben auch einen Mehrbedarf an ohnehin schon knappen Lehrkräften im Primarbereich. Die Planung solcher zukünftigen Bedarfe, nicht nur an Personal, sondern auch beispielsweise an Einrichtungen, aber auch die politischen und praktischen Reaktionen benötigen dabei aber eine gewisse Vorlaufzeit, aufgrund von oftmals nicht unerheblichen Ausbildungszeiten oder wegen langwieriger bürokratischer und planerischer Prozesse. Daher sind verlässliche Zahlen und Aussagen über zukünftige Entwicklungen unerlässlich, um eine effiziente Planung von Interventionen und Investitionen durchführen zu können. Neben den Bevölkerungsvorausberechnungen der statistischen Ämter stellen sogenannte Simulationsmodelle ein relativ neues methodisches Instrument der sozialwissenschaftlichen und demographischen Forschung dar, um solche zukünftigen Umstände nicht bloß intuitiv annehmen zu müssen, sondern auch objektiv und empirisch begründen zu können. Dabei handelt es sich um Modelle, die – im Falle von Mikrosimulationsmodellen – auf Basis des antizipierten Verhaltens von Einheiten auf K Die zukünftige Entwicklung der Grundschulversorgung im Kontext ausgewählter... 53 der Individualebene Entwicklungen auf der Makroebene prognostizieren sollen. Die Erklärung makrostruktureller Veränderungen – wie beispielsweise die Entwicklung der Grundschülerzahl – durch die Modellierung der Prozesse auf der Mikroebene erlaubt es darüber hinaus zu testen, wie sich bestimmte Szenarien auf der Makrooder auf der Mikroebene auf die zukünftigen Begebenheiten auswirken. Ziel dieses Beitrags ist es nun, am Beispiel der Stadt Trier exemplarisch die Anwendung solcher Mikrosimulationsmodelle für die Generierung valider Informationen über zukünftige Entwicklungen im Bereich der Grundschulen und vor allem der Zahl der Schülerinnen und Schüler zu demonstrieren. Neben der Fokussierung auf die Mikroebene, die es in Abgrenzung zu den gängigen Bevölkerungsvorausberechnungen zusätzlich erlaubt, in den Modellen und Projektionen die Interdependenzen von verschiedenen Ereignissen – ob als Wechselwirkung biographischer Ereignisse oder als (fiktive) Szenarien – und ihre Wirkung auf die Makroebene darzustellen (Hannappel und Troitzsch 2015), nimmt das dieser Arbeit zugrundeliegende Mikrosimulationsmodell zusätzlich eine regionale, kleinräumige Perspektive ein. Mit Blick auf eine möglichst effiziente Bedarfsplanung ist es nicht nur wichtig zu wissen, wie viele Grundschülerinnen und Grundschüler zukünftig in Trier zu finden sein werden, sondern es ist auch interessant zu wissen, ob es Stadtteile oder Regionen im Stadtgebiet geben wird, in denen die Konzentration von Sechsbis unter Zehnjährigen Kindern zukünftig besonders hoch sein wird. Da es sich bei dieser Kombination aus Georeferenzierung von Daten und Mikrosimulation um die Verknüpfung von zwei noch eher neuen und in der Praxis seltener angewendeten Methoden handelt, müssen in Kap. 2dieses Beitrags einige methodische Grundlagen diskutiert werden. Hierzu gehört neben der Erstellung und der räumlichen Verortung einer geeigneten Datenbasis auch eine Auseinandersetzung mit den für Mikrosimulationsmodelle spezifischen Fortschreibungsmodulen und –modellen. Kap. 3widmet sich dann der Frage der Qualität und der Validität der Daten und der Fortschreibungsroutinen, indem ausgehend vom Startjahr 2011 die simulierten Ergebnisse mit den Informationen über die tatsächliche Anzahl an Grundschülerinnen und Grundschülern bis zum Jahr 2018 verglichen werden. Darauf aufbauend werden hier auch einige Simulationsergebnisse unter verschiedenen Wanderungsszenarien bis ins Jahr 2061 vorgestellt und gezeigt, wie sich diese auch auf die räumliche Verortung auswirken. Kap. 4schließt den Artikel mit einer Zusammenfassung und einem kurzen Ausblick. 2 Methodisches Vorgehen Mikrosimulationen im Allgemeinen beschreiben Techniken, die es erlauben, Entwicklungen von Systemen (Populationen) und Einflüsse politischer Maßnahmen über die Betrachtung der kleinsten enthaltenen Einheiten zu untersuchen. Diese Einheiten können sich je nach Untersuchungsgegenstand unterscheiden. Im Kontext sozialwissenschaftlicher sowie ökonomischer Fragestellungen handelt es sich meist um Haushalte oder Personen. In der Praxis finden sich unzählige Möglichkeiten, Mikrosimulationen umzusetzen. Diese gehen von sogenannten statischen Modellen, in denen nur einzelne politische Maßnahmen wie Steuersysteme angepasst werden, K 54 S. Dräger et al. bis hin zu deutlich komplexeren dynamischen Modellierungen, die individuelles Verhalten in die Zukunft fortschreiben (Li und O’Donoghue 2013; Burgard et al. 2020a). Dass Mikrosimulationsmodelle in den Sozialwissenschaften als neu gelten, ist nicht zwangsweise ihrem Alter, sondern viel mehr der enorm gestiegenen Rechenleistung sowie der Verfügbarkeit vieler Daten auf Individualebene geschuldet. Bereits 1957 äußerte Guy H. Orcutt in seinem vielzitierten Aufsatz A New Type of Socio-Economic System (Orcutt 1957) Kritik an den bestehenden Methoden und deren Unfähigkeit individuelles Verhalten von Akteuren auf der Mikroebene zu berücksichtigen und somit auch keine Simulation beispielsweise der Effekte politischer Reformen auf die gesamte Gesellschaft zuzulassen, da vor allem Prozesse auf der Aggregatebene berücksichtigt wurden. Neben der Berücksichtigung der Mechanismen auf der Mikroebene und der dadurch entstehenden Interdependenzen – nicht zwischen einzelnen biographischen Ereignissen eines Individuums, sondern auch zwischen der Mikround der Makroebene – stellt die Erweiterung der Mikrosimulationsmodelle um die kleinräumige Perspektive einen weiteren deutlichen Mehrwert dar. Der Vorteil, auch kleinste räumliche Einheiten gesondert analysieren zu können, liegt darin, regionale Disparitäten in den Blick nehmen zu können. Oftmals wurden lediglich größere Einheiten wie etwa Ostund Westdeutschland, oder auch die Bundesländer, als Analyseebene herangezogen und verglichen. Allerdings handelt es sich dabei um eine sehr große und oftmals auch heterogene Gliederungsebene, die tiefergehende Unterschiede – etwa zwischen Stadt und Land oder sozial gänzlich unterschiedlichen Milieus – nicht abbilden kann.1Im Falle der Grundschulversorgung besteht aber durchaus sogar Interesse an Entwicklungen in einzelnen Stadtteilen oder gar Straßenzügen, welche sich jedoch erst mit einer sehr kleinteiligen Betrachtung analysieren lassen. Am Beispiel von Trier soll nun gezeigt werden, wie man die entsprechenden Daten auswerten, in ein Simulationsmodell integrieren, in die Zukunft fortschreiben und die Ergebnisse entsprechend einer spezifischen Fragestellung analysieren kann. 2.1 Basispopulation Die Grundlage jeder Mikrosimulation ist ein geeigneter Ausgangsdatensatz, der das zu simulierende System mit den enthaltenen Mikroeinheiten zum Startzeitpunkt repräsentiert. In der Praxis sozialwissenschaftlicher und ökonomischer Simulationen kommen in den meisten Fällen Datensätze aus statistischen Erhebungen zum Einsatz (Li 2011; Li und O’Donoghue 2013). Der Grund liegt neben der leichten Verfügbarkeit insbesondere am großen Umfang enthaltener Informationen. Der Hauptnachteil dieser Daten liegt jedoch in geringen Stichprobenumfängen, die regionalisierte Untersuchungen, wenn überhaupt, nur auf sehr grober Ebene zulassen. Bei regionalisierten Analysen ist es kaum möglich, einen Sekundärdatensatz zu finden, der nicht nur repräsentativ für die zu untersuchende Grundgesamtheit ist, son1Thematisiert wird diese Notwendigkeit der Betrachtung regionaler Disparitäten im Kontext von Mikroanalysen oder -simulationen unter anderem von Chin und Harding (2006) beziehungsweise Tanton (2014) und Tanton (2018). K Die zukünftige Entwicklung der Grundschulversorgung im Kontext ausgewählter... 55 dern auch alle für die Analyse benötigten (Individual-)Merkmale enthält, vor allem, wenn zusätzlich hohe Anforderungen an die räumliche Differenzierbarkeit gestellt werden. In diesem Fall besteht die Möglichkeit, auf die Erstellung eines synthetischen Datensatzes zurückzugreifen. Hierbei wird anhand vorhandener Informationen und Surveydaten eine Basispopulation erstellt, die zwar nicht real existierenden Individuen entspricht, aber dennoch in dem Sinne realitätsnah ist, dass man mit einer hohen Sicherheit davon ausgehen kann, dass die Strukturen auf den Aggregatebenen den Ergebnissen tatsächlicher Erhebungen gleichkommen, während individuelle Verteilungen aus erhobenen Individualdaten approximiert werden. Aufgrund der hohen Flexibilität wurde als Basispopulation für diese Arbeit eine realitätsnahe synthetische Grundgesamtheit von Trier mit insgesamt 105.000 Individuen in 50.000 Haushalten erstellt. Die Erstellung dieser Datenbasis erfolgte dabei durch die Erweiterung und Aktualisierung einer Simulationsgesamtheit, die im Rahmen eines Projektes zum Zensus 2011 erstellt wurde (Münnich et al. 2012; Burgard et al. 2019). Um sicherzustellen, dass diese Basispopulation auch den tatsächlichen Begebenheiten in Trier entspricht, wurde diese an die Zensusergebnisse aus dem Jahr 2011 (Statistische Ämter des Bundes und der Länder 2014) angepasst. Hierzu wurden sowohl Kalibrierungsverfahren (Deville und Särndal 1992) als auch Methoden der heuristischen Optimierung (van Laarhoven und Aarts 1987) verwendet. Der so erstellte Datensatz enthält bereits eine Vielzahl an überwiegend soziodemographischen Merkmalen der synthetischen Individuen. Außerdem besteht die Möglichkeit einen solchen synthetischen Datensatz nach Bedarf um weitere Merkmale der Individuen zu erweitern, sofern dies für neue Fragestellungen oder auch wegen neuer Erkenntnisse über relevante Einflussfaktoren bereits untersuchter Phänomene benötigt wird. Hierzu wird versucht, aus bestehenden Untersuchungen die Parameter für die Verteilung der interessierenden Merkmale bestmöglich zu erfassen, um aus diesen letztlich Vorhersagen für die synthetische Basispopulation treffen zu können. Die Qualität der Modelle lässt sich dann unter dem Kriterium der prädikativen Inferenz, also inwiefern auf diese Weise tatsächlich möglichst realitätsnahe Werte vorhergesagt werden können, beurteilen.2Fügt man auf diese Art weitere Merkmale ein, ist zusätzlich zu berücksichtigen, dass dadurch die neue Datenbasis nicht etwaigen bekannten Verteilungen widerspricht. Hierzu kann man als Benchmarkgrößen oftmals Daten der amtlichen Statistik nutzen, um die modellbasierten Vorhersagen zu kalibrieren und an die Realität anzupassen. Small-Area-Methoden können zusätzlich helfen die Qualität des synthetischen Datensatzes zu verbessern, sofern keine realen und regional differenzierten Vergleichswerte vorhanden sein sollten, an denen man die Basispopulation ausrichten kann.3Für die Analyse der Grundschulversorgung in Trier wurden auf diese Weise allerdings nur wenige Merkmalskombinationen, vornehmlich zu interpersonellen Beziehungsstrukturen, über das Sozio-ökonomische Panel (SOEP – Goebel et al. 2019) und den Mikrozensus (Statistisches Bundesamt 2017) implementiert. Der Beginn der Schulpflicht und somit der Eintritt in die Grundschule ist nun weitgehend durch die allgemeine Schulpflicht und entsprechende Vorgaben zum 2Zur näheren Beschreibung der Methode siehe Kolb (2013). 3Zur Logik der Small-Area-Methoden siehe Münnich et al. (2013). K 56 S. Dräger et al. Eintrittsalter gesetzlich geregelt.4Deshalb genügt es für die hier formulierte Zielsetzung, die Bevölkerungsstruktur unter Berücksichtigung einfacher Fertilitätsmodelle fortzuschreiben, um so kleinräumig die entsprechende Zahl an Schülerinnen und Schüler im Zeitverlauf zu prognostizieren. Die erste Betrachtung des Basisjahres 2011 und der Vergleich der realen mit den in der Simulationsgesamtheit realisierten Zahlen, soll vornehmlich dem Zweck dienen die Realitätsnähe der erstellten synthetischen Basispopulation zu evaluieren. Mit Blick auf die zugrundeliegende Fragestellung ist die zentrale Zielgröße dabei die Zahl der Grundschülerinnen und Grundschüler im Jahre 2011 in Trier. Als Vergleich dienen hierzu die von der Schulbehörde von Trier übermittelten Daten, die – differenziert nach Schule und Klasse – Auskunft über die tatsächliche Zahl der Grundschülerinnen und Grundschüler geben. Demgegenüber enthält die Simulationsgesamtheit allerdings keine genauen Informationen darüber, ob ein Kind eine Grundschule besucht oder nicht. Da es sich bei der Einschulung allerdings um ein Phänomen handelt, welches im Grunde sowohl in Bezug auf die Wahrscheinlichkeit als auch auf den Zeitpunkt des Eintretens determiniert ist, ist es naheliegend, dieses Merkmal über das Alter zu approximieren. Das Schulgesetz von Rheinland-Pfalz sieht vor, dass alle Kinder die bis zum 31. August des entsprechenden Jahres das sechste Lebensjahr vollenden mit Beginn des Schuljahres eingeschult werden (Ministerium für Bildung, Wissenschaft, Weiterbildung und Kultur 2014, §57 des Schulgesetzes von Rheinland-Pfalz). Da eine Grundschullaufbahn in der Regel vier Schuljahre umfasst, wäre somit anzunehmen, dass Zehnjährige bereits nicht mehr zu den Grundschülerinnen oder Grundschülern zu zählen sind. Folgende Grafik zeigt dementsprechend die reale Zahl der Grundschülerinnen und Grundschüler im Vergleich zu der Zahl der Sechsbis unter Zehnjährigen in der Basispopulation. Dieser recht basale Vergleich zeigt bereits, dass bei dieser groben Approximation des Grundschulbesuchs die Zahlen der Simulationsgesamtheit die realen Begebenheiten nur leicht überschätzen. Etwas differenzierter kann man diese generelle Übereinstimmung bewerten, wenn man nicht bloß die Gesamtzahlen vergleicht, sondern auch die Verteilung auf die Klassenstufen betrachtet. Analog zur gesamten Grundschülerzahl entspricht den realen Klassenstärken die Zahl der Sechs-, Sieben-, Achtund Neunjährigen. Dieser Vergleich lohnt sich dabei nicht nur mit Blick auf die absoluten Zahlen der beiden Datenquellen, sondern auch bezüglich der Frage, ob die generelle Verteilung auf die Klassenstufen annähernd realistisch ist (Abb. 1). Bei der Betrachtung der Klassenstufen in den absoluten Zahlen lassen sich leichte Abweichungen erkennen, die in der Summe der Differenz der Gesamtschülerzahl entspricht. Bemerkenswert ist allerdings, dass diese Fehler nicht gleich verteilt sind, sondern gewissermaßen systematisch die erste Klassenstufe in der Approximation über das Alter eher unterschätzt wird, während die späteren Stufen überschätzt werden. Verantwortlich hierfür kann wiederum die Möglichkeit der Einschulung von 4Es wird hier durchaus davon ausgegangen, dass die Abweichungen von der gesetzlichen Verpflichtung zum Schulbesuch ab dem Alter von sechs Jahren so gering sind, dass diese (zunächst) vernachlässigt werden können. Auch Klassenwiederholungen sind nur in 0,9Prozent der Fälle überhaupt aufgetreten, weshalb dieser Umstand ebenfalls zu vernachlässigen ist. (Vgl. Statistisches Bundesamt 2018) Ob gegebenenfalls eine Modellierung der Entscheidung wann ein Kind erstmals die Grundschule besucht, vonnöten ist, sollen die Ergebnisse dieser Arbeit zeigen. K Die zukünftige Entwicklung der Grundschulversorgung im Kontext ausgewählter... 57 Abb. 1 Vergleich der Grundschülerzahlen nach Klassenstufen mit der Basispopulation (2011) (Quelle: Kommunales Bildungsmanagement Trier und eigene Berechnungen) 0,9% 0,3% -0,1% -1,0% 0% 5% 10% 15% 20% 25% 30% 1. Klasse 2. Klasse 3. Klasse 4. Klasse Real Basispopulation Kindern schon mit fünf Jahren, sein. Dies würde sowohl die Unterschätzung der ersten Klasse – hier werden in der Simulation nur Sechsjährige verortet – als auch die Überschätzung der vierten Klassenstufe erklären, da Kinder die mit fünf Jahren eingeschult wurden bereits mit acht Jahren ihre Grundschullaufbahn beenden. Aber auch neue Phänomene, wie der Wegzug im Laufe des Zeitraums des Grundschulbesuchs, können hier eine Rolle spielen. Diese leichten Differenzen zeigen sich dann auch, wenn man den Anteil an der Gesamtschülerzahl je Klassenstufe betrachtet und somit die Abweichung in der absoluten Gesamtgrundschülerzahl nicht berücksichtigt. Alle Darstellungen zeigen jedoch, dass sowohl die Simulationsgesamtheit, als auch die vereinfachte Approximation des Merkmals „Grundschülerinnen und Grundschüler“ über das Alter der Populationseinheiten durchaus der Realität nahekommen. Der Grund dafür ist aber nicht zuletzt auch die Tatsache, dass die Basispopulation gezielt an den Zensusergebnissen von 2011 kalibriert wurde und es damit zu erwarten ist, dass grundlegende soziodemographische Merkmale und deren Verteilung mit einiger Sicherheit den realen Häufigkeiten dieses Jahres entsprechen. 2.2 Geographische Referenzierung Die Zuordnung der Individuen des auf die eben beschriebene Art und Weise erstellten Basisdatensatzes an die real existierenden Adressen und damit auch gegebenenfalls in bestimmte Haushaltskonstellation stellt eine weitere Herausforderung dar, da zur räumlichen Verortung generell keine Informationen im synthetisch erzeugten Datensatz vorhanden sind. Um dennoch mit einiger Sicherheit die Personen der Basispopulation auf die real existierenden Adressen und Wohngebäude verteilen zu können, bieten sich die sogenannten Zensusgitterzellen an. Seit der Änderung des Bundesstatistikgesetzes im August 2013 wurde es der amtlichen Statistik rechtlich möglich, die Erhebungsmerkmale nicht mehr bis maximal auf die Ebene der Blockseite5, sondern – unabhängig von den Verwaltungseinheiten – auf Zellen, mit einer minimalen Gitterweite von 100Metern auszuwerten (Neutze 2015). Damit stehen Randverteilungen bestimmter Merkmale für diese 100m100m, beziehungsweise auf einer höheren Ebene 1000m1000m großen Gitterzellen zur Verfügung. Somit besteht auch die Möglichkeit, die Individuen der Simulationsgesamtheit für Trier so auf die entsprechenden Gitterzellen zu verteilen, dass die für 5Blockseite ist innerhalb eines Gemeindegebiets die Seite mit gleicher Straßenbezeichnung von der durch Straßeneinmündungen oder vergleichbare Begrenzungen umschlossenen Fläche. (§10 Abs. 3 BStatG). K 58 S. Dräger et al. Blau: Grundschulen Rot: Haushalte mit Grundschülern Gelb: Haushalte mit Grundschülern und Distanz zur nächsten Grundschule ≤ 1km (nur rechts) Abb. 2 Grundschulen und -schüler im Stadtgebiet (2011) (Map data copyrighted OpenStreetMap contributors and available from https://www.openstreetmap.org) diese bekannten Randbedingungen bestmöglich nachgebildet werden. Dabei wurde in drei Stufen vorgegangen: Zunächst wurden die Personen auf die gröberen 1000m1000m Zellen aufgeteilt, welche Informationen etwa zu Alter, Geschlecht und Wohnfläche der Personen enthalten. In einem zweiten Schritt wurden die Individuen von den gröberen Einheiten den deutlich kleineren 100m100m Zellen zugeordnet. Als letztes wurden die Einheiten der Simulationsgesamtheit mit Hilfe von Kartenmaterial der OpenStreetMap Foundation innerhalb dieser Zellen auf real existierende Wohngebäude mit den entsprechenden Adressen verteilt (OpenStreetMap contributors 2021). Die Verteilung auf der letzten Stufe erfolgt auf Basis des verfügbaren Wohnraums, welcher von unbewohnten Gebäuden differenziert wird, zufällig (Burgard et al. 2019). Die kleinräumige Perspektive dieses Mikrosimulationsmodells erlaubt neben der Analyse der Entwicklung der absoluten Zahlen der Grundschülerinnen und Grundschüler auch Aussagen darüber, wo diese leben beziehungsweise leben werden. Dabei besteht das Ziel einer optimalen Versorgung eines Gebiets in Bezug auf die Grundschulen darin, eine möglichst bedarfsgerechte aber auch wohnortnahe Infrastruktur zu errichten. Zur Darstellung des Ergebnisses der Verortung der Population mit Hilfe der Gitterzellen wurden auf einer Karte alle Haushalte mit Kindern im Alter von sechs bis unter zehn Jahren und zusätzlich alle Grundschulen identifiziert und in Abb. 2dargestellt. Generell zeigt sich hier, dass in Trier ein enges Netz an Schulen der Primarstufe vorhanden ist. Allerdings lassen sich auch Regionen erkennen, in denen Anfahrtswege und -zeiten länger sind. Eben diese Betrachtung konkreter Anfahrtswege und -zeiten stellt eine spannende aber auch problembehaftete Erweiterung der hier vorgestellten kleinräumigen Perspektive dar. Um diese berechnen zu können, benötigt man eine Zuordnung der Grundschülerinnen und Grundschüler zu ihrer jeweiligen Schule. Hierbei zeigt sich K Die zukünftige Entwicklung der Grundschulversorgung im Kontext ausgewählter... 65 0123 2012 2014 2016 2018 Jahr Anteil Grundschüler (%) Anteil Grundschüler (bekannt) Anteil Grundschüler (simuliert) Abb. 5 Entwicklung der relativen Gesamtgrundschülerzahl (2011–2018) (Quelle: Kommunales Bildungsmanagement Trier und eigene Berechnungen) im Rahmen der Flüchtlingsbewegung – 2016 wanderten deutlich mehr Menschen in die Erstaufnahmestelle in Trier zu, die aber 2017 bereits wieder im Rahmen der Weiterverteilung in die umliegenden Gemeinden abwanderten. Die Kinder im Alter zwischen sechs und neun Jahren, die wir als Grundschulkinder klassifizieren, welche in diesem Zeitraum in Trier lebten, wurden allerdings nicht in den Grundschulen, sondern in den Aufnahmeeinrichtungen beschult. Diese Sondermigration ist allerdings nicht nur bei den potentiellen Grundschülerinnen und Grundschülern, sondern auch in der gesamten Bevölkerung von Trier zu erkennen. Daher ist es sinnvoll, die absoluten Zahlen in das Verhältnis zur jeweiligen Bevölkerungszahl zu setzen. Auch in Abb. 5kann man betrachten, dass die Kurven zu Beginn sehr ähnlich sind und später etwas auseinandergehen. Allerdings erstrecken sich die Differenzen auch hier nur auf die durch Sondermigration geprägten Jahre 2015 und 2016. Der Anstieg des tatsächlichen Anteils der Grundschülerinnen und Grundschüler an der Gesamtbevölkerung weist dabei darauf hin, dass zwischen den Jahren 2015 und 2016 etwas stattgefunden hat, was dafür gesorgt hat, dass die Zahl der Schülerinnen und Schüler der Primarstufe überproportional zu der Gesamtbevölkerung gestiegen ist. Zum einen können hierfür Migrationsbewegungen in diesem Zeitraum verantwortlich sein. Zum anderen können aber auch wachsende Inklusionsbemühungen – die dafür sorgen, dass Kinder die vormals auf bestimmten Förderschulen eingeschult wurden nun häufiger eine Regelschule besuchen – einen solchen Anstieg mitverursachen. Sichtbar wird das beispielsweise daran, dass die Zahl der auf Förderschulen eingeschulten von 2007 bis 2017 um 21,8Prozent abnahm (Ottenbacher 2018). Der Anstieg in Trier muss aber nicht zwangsweise auf die Geflüchteten aus den Kriegsgebieten im Nahen Osten zurückzuführen sein. Im Zuge der EU-Osterweiterung sind ab dem 01.01.2014 die Übergangsbestimmungen zur Freizügigkeit von Ländern wie Polen, Rumänien, Bulgarien und Ungarn entfallen (Ottenbacher 2018). Hierdurch hat sich ebenso wie durch den Zuzug von Geflüchteten die ZuK 66 S. Dräger et al. sammensetzung der ausländischen Bevölkerung in Trier durchaus in dieser Hinsicht verändert. Da es sich dabei um Zuwanderung aus dem EU-Ausland handelt, ist hier auch anzunehmen, dass diese ihren festen Wohnsitz in der Stadt Trier langfristig haben und somit auch ihre Kinder vermehrt die Grundschulen im Stadtgebiet besuchen. Dass die Simulationsergebnisse sich nicht komplett an die tatsächlichen Zahlen anpassen, liegt mit Sicherheit auch daran, dass es schwierig ist plötzlich auftretende externe Ereignisse – wie beispielsweise die Flüchtlingskrise – zu modellieren und in die Fortschreibung mit einfließen zu lassen. Wäre es in diesem Falle noch prinzipiell möglich die Basispopulation und die Fortschreibungsparameter an den vergangenen Ereignissen auszurichten und damit auch die Informationen für die Prognose in die Zukunft zu nutzen, ist es unmöglich Vorherzusagen, welche einschneidenden Schocks in Zukunft die reale Verteilung beeinflussen könnten. Jedoch bieten sich Mikrosimulationen an, um die Auswirkungen externer Schocks, die als Szenarien implementiert werden, sowohl unmittelbar als auch mittelund langfristig zu untersuchen. Auch wenn die simulierten Gesamtschülerzahlen in Grundschulen leichte Abweichungen zeigen, lässt sich generell erkennen, dass bereits ohne die Berücksichtigung früherer beziehungsweise späterer Einschulungen oder der Abweichungen in der Dauer der Grundschulkarrieren, gute Ergebnisse mit dem Alter als Proxy-Variable für den Besuch einer Grundschule erreicht werden. Die Simulationsergebnisse sind also vergleichbar mit den tatsächlichen Begebenheiten. Hierbei sollte angemerkt werden, dass das primäre Ziel von Mikrosimulationen nicht in der Vorhersage von Punktprognosen liegt, da, neben der Komplexität des Gesamtmodells, externe Schocks wie beispielsweise Kriege und ihre Folgen, Pandemien oder Naturkatastrophen nicht antizipiert werden können. Die Fortschreibung einer Basispopulation mit den Methoden der Mikrosimulation erfolgt ab dem gegenwärtigen Zeitpunkt immer ceteris paribus. Der Sinn von Mikrosimulationsmodellen liegt daher hauptsächlich in der Möglichkeit der Untersuchung alternativer Szenarien (Li und O’Donoghue 2013). 3.2 Zukünftige Entwicklung und Szenarien Relevanter als das nachbilden der bekannten Schülerzahlen ist natürlich die Fortschreibung in die Zukunft. Das Benchmarking hat dabei gezeigt, dass – unter Anpassung der Wanderungszahlen an bekannte Werte – die Grundschülerzahlen sehr gut abgebildet werden konnten, sodass mit einiger Überzeugung davon ausgegangen werden kann, dass die Fortschreibeparameter realistisch die Bevölkerungsentwicklung simulieren können. Zukünftig ist es aber nicht mehr möglich, den Wanderungssaldo in Trier an bekannten Werten auszurichten. Daher ist es Notwendig, Annahmen über die zukünftige Zubeziehungsweise Abwanderung in Trier zu treffen. In Hinblick auf die angesprochene Möglichkeit der Integration von Szenarien und das erwähnte Phänomen der Migration kann man nun die Entwicklung der Zahl der sechs bis neun Jahre alten Kinder in verschiedenen Wanderungsszenarien vergleichen. In Szenario 1 wurde angenommen, dass die Wanderungszahlen in Trier ab 2019 konstant auf den letzten bekannten Werten bleiben und die Nettowanderung damit insgesamt positiv ist (Zuwanderung: 13.532, Abwanderung: 12.510). In Szenario 2 wurde dann angenommen, dass ebenso viele Menschen zuwie abwanK Die zukünftige Entwicklung der Grundschulversorgung im Kontext ausgewählter... 67 0 50000 100000 150000 2010 2020 2030 2040 2050 2060 Jahr Einwohner Szenario 1 Szenario 2 Szenario 3 Abb. 6 Vergleich Wanderungsszenarien bis 2061 (Einwohnerzahl) dern (Zuwanderung: 13.532, Abwanderung: 13.532), was eine Nettowanderung von 0 zur Folge hat. Abschließend wurden in Szenario 3 die letzten bekannten Wanderungszahlen einfach gedreht (Zuwanderung: 12.510, Abwanderung: 13.532), was eine insgesamt negative Nettowanderung bedeutet. Die bekannten Verteilungen (vor allem Alter und Geschlecht) unter den Zubeziehungsweise Abwandernden wurden in allen drei Szenarien gleich auf dem Stand von 2019 belassen. Auch wenn es sich bei diesen Zahlen grundsätzlich nur um beispielhafte Annahmen handelt, die einzig dazu dienen sollen zu illustrieren, wie solche Szenarien die zukünftige Entwicklung beeinflussen können, basieren die implementierten Szenarios also durchaus auf realistischen Wanderungszahlen, die auf empirisch beobachteten Werten beruhen. Auch hier handelt es sich bei den Ergebnissen wieder um die Mittelwerte der Szenarien über 30 Simulationsdurchläufe pro Jahr. In Abb. 6wird zunächst die Entwicklung der Gesamtbevölkerung dargestellt. Die Möglichkeit Wanderung in den Jahren 2011 bis 2019 an bekannte Werte anzupassen führt dazu, dass die Kurven vor 2020 identisch verlaufen – die Szenarien wirken also erst ab dem Jahr 2020. Wenig überraschend zeigt sich danach, dass ein konstant positiver Wanderungssaldo in einem nahezu linearen Anstieg der Bevölkerungszahl Triers resultiert – und umgekehrt. Dass auch unter einer neutralen Nettowanderung Trier insgesamt schrumpft, liegt an Gründen wie einer Reproduktionszahl, die unter dem Bestandserhaltungsniveau liegt. Darüber hinaus weist Trier eine hohe Zuwanderung an jungen Menschen auf, die jedoch meist nur zu ihrer universitären Ausbildung in die Stadt ziehen und somit oft vor der Familiengründung wieder abwandern. Vor allem letzteres führt zu spezifischen Entwicklungen für Universitätsstädte, die sich auch auf die Zahl der Grundschülerinnen und Grundschüler (Abb. 7) auswirken. Es lässt sich auch beobachten, dass bei der Zuwanderung junger Erwachsener mehr Frauen in die Stadt ziehen. Das lässt sich mit der geisteswissenschaftlichen Ausrichtung der Universität erklären. Gleichzeitig ziehen Frauen mit K 68 S. Dräger et al. 0 1000 2000 3000 4000 2010 2020 2030 2040 2050 2060 Jahr Anzahl Grundschüler Szenario 1 Szenario 2 Szenario 3 Abb. 7 Vergleich Wanderungsszenarien bis 2061 (Anzahl Grundschülerinnen und Grundschüler) leicht fortgeschrittenem Alter überproportional häufig wieder fort, sodass letztendlich langfristig mehr zugewanderte Männer in Trier verbleiben. Generell lassen sich ähnliche Tendenzen wie bei der Einwohnerzahl konstatieren – die höchste Grundschülerzahl resultiert aus dem Szenario mit der höchsten Nettowanderung. Allerdings lässt sich nun feststellen, dass die Kurven deutlich nichtlinear verlaufen. In Szenario 1 lässt sich zwar ein deutlicher Anstieg der Einwohnerzahl erkennen, während die Grundschülerzahl selbst an ihrem Maximum kaum über den bereits 2016 erreichten Werten liegt. Grund hierfür, wie auch für die wellenförmige Entwicklung unter Szenario 1 (und bedingt auch Szenario 2), kann ebenfalls die hohe Abwanderung von Menschen kurz vor der typischen Phase der Fertilitätsentscheidungen sein. Erst wenn eine gewisse Zahl an jungen Menschen nach Trier gezogen und dort sesshaft geworden ist, zeigt sich auch ein beinahe sprunghafter Anstieg der Grundschülerzahlen (ab ca. 2035). Dieser ist vermutlich auf die Kinder der jungen Menschen zurückzuführen, die jetzt eben zu einem geringeren Anteil abwandern. Diese Kohorte der Neugeborenen kann man in Szenario 2 auch noch erahnen, wohingegen in Szenario 3 ein kontinuierlicher Rückgang der Grundschülerzahlen zu beobachten ist. Während der Rückgang bis 2040 sehr steil verläuft, wird die Kurve anschließend flacher. Neben den für die konkrete Planung der Grundschulinfrastruktur ausschlaggebenden absoluten Grundschülerzahlen reflektiert der Anteil der Grundschülerinnen und Grundschüler an der Gesamtbevölkerung (Abb. 8) – und damit die Kombination der vorangegangenen Grafiken – eher die Entwicklung der Bevölkerungsstruktur im Ganzen. Auffällig ist, dass der Grundschüleranteil in allen drei Szenarien insgesamt sinkt, was an bekannten demographischen Prozessen zu liegen scheint. Das Szenario 1 und Szenario 2 wiederum einen sehr ähnlichen Verlauf zeigen und insgesamt ein gewisser Niveauunterschied besteht, zeigt, dass nicht nur Menschen jenseits der fertilen Phase vermehrt nach Trier ziehen, sondern vor allem auch junge Menschen bezieK Die zukünftige Entwicklung der Grundschulversorgung im Kontext ausgewählter... 69 0.00 0.01 0.02 0.03 2010 2020 2030 2040 2050 2060 Jahr Anteil Grundschüler Szenario 1 Szenario 2 Szenario 3 Abb. 8 Vergleich Wanderungsszenarien bis 2061 (Anteil Grundschülerinnen und Grundschüler) hungsweise Familien. Umgekehrt wandert diese Bevölkerungsgruppe in Szenario 3 anscheinend überproportional ab. Sichtbar wird dies am konstanten abnehmen des Anteils der Grundschülerinnen und Grundschüler an der Gesamtbevölkerung auf unter 1Prozent. Letztlich können auf Grundlage des Mikrosimulationsmodelles neben der Migration, welche die Zahl der Grundschülerinnen und Grundschüler unmittelbar beeinflusst, auch weitere inhaltliche Szenarien einander gegenübergestellt werden. Diese Szenarien können dabei entweder auf fiktiven Annahmen über zukünftige Entwicklungen, auf empirisch erwartbaren Trends oder aber auch auf konkreten politischen Bemühungen zur Gestaltung der Zukunft beruhen. Auch Wanderungsszenarien können sehr präzise formuliert werden. So lassen sich Annahmen bezüglich aller soziodemographischen und sozioökonomischen Merkmale der zubzw. abwandernden Bevölkerung detailliert in die Simulation integrieren. Das Potential der Methode liegt also nicht nur in der Analyse der Grundschulversorgung von Trier und der Prognose der Strukturen unter der Bedingung diverser inhaltlicher Szenarien, sondern ganz allgemein in der Möglichkeit bei diversen Themenschwerpunkten Entscheidungsträgern in der Praxis Informationen auf der Basis von fundierten Prognosen zu geben. Aber auch wissenschaftliche Theorien – vor allem Handlungstheorien – können mit Hilfe von Mikrosimulationsmodellen verglichen und auf ihre potentielle Bedeutung für die zukünftige Entwicklung der Gesellschaft hin analysiert werden. 3.3 Entwicklung der räumlichen Verteilung der Grundschülerinnen und Grundschüler in Trier Mit Blick auf die Grundschulversorgung kann man mit einem kleinräumigen Simulationsmodell wie es hier vorliegt auch untersuchen, wo im Stadtgebiet zukünftig Schwerpunkte entstehen oder wo vorhandene Einrichtungen mit schwindenden K 70 S. Dräger et al. Schülerzahlen zu kämpfen haben. Identifiziert man in einer Basispopulation ein Neubaugebiet, in dem sich innerhalb kürzester Zeit viele junge Paare ansiedeln, so ist zu erwarten, dass in den Folgejahren dort auch eine erhöhte Zahl an Kindern im Grundschulalter lebt. Speziell für diese dann aber dort eine Bildungseinrichtung zu planen, kann unter Umständen nicht ratsam sein, da wiederum nach einigen Jahren diese Kinder die Grundschule absolviert haben und auch nicht zwangsweise abzusehen ist, dass in diesem Gebiet in naher Zukunft wieder ein solcher Geburtenboom stattfindet. Auf diese Weise kann man dann nicht nur die erwarteten Folgen von alternativen Szenarien auf die aggregierte Zahl der Grundschülerinnen und Grundschüler analysieren, sondern auch eine räumliche Komponente betrachten. Vor allem mit Blick auf die verschiedenen Stadtgebiete, die zwar nach innen oftmals in Bezug auf zentrale soziodemographische Merkmale sehr homogen sind, sich aber untereinander deutlich unterscheiden können, ist zu erwarten, dass die Entwicklungen in diesen durchaus voneinander abweichen. Dadurch kann sich auch die Verteilung der Kinder im Grundschulalter im Stadtgebiet deutlich verändern. Gebiete, in denen derzeit kaum Kinder zwischen sechs und neun Jahren leben und die generell einen sehr hohen Altersdurchschnitt aufweisen, könnten in Zukunft von jungen Familien neu besiedelt werden, wohingegen andere Stadtteile, in denen derzeit viele Kinder geboren wurden, zunächst keinen erneuten Anstieg der Geburtenzahlen erwarten dürften. Solche Mechanismen führen in einer langfristigen Betrachtung dazu, dass sich das Stadtbild durchaus mehrmals verändern kann. Allerdings gibt es auch für eine solche Betrachtung derzeit noch Beschränkungen, da das Phänomen der Binnenwanderung im Stadtgebiet noch nicht wirklich in den Modulen erfasst werden kann. Außerdem konnten Neubaugebiete, die explizit ausgewiesen werden müssen, zum jetzigen Stand noch nicht berücksichtigt werden. Es ist zwar durchaus sinnvoll anzunehmen, dass junge Familien nach der Geburt ihres Kindes ihre derzeitige Wohnung verlassen und in eine größere und günstigere Alternative in anderen Stadtteilen umziehen, allerdings ist dies im zugrundeliegenden kleinräumigen Mikrosimulationsmodell noch nicht umgesetzt. Auf einer gröberen Ebene können geglättete Schätzungen der Wahrscheinlichkeitsdichte über bivariate Kerndichteschätzungen dazu herangezogen werden, um Muster und Veränderungen in der Struktur der Stadt aufzuzeigen und erste Anhaltspunkte für eine bedarfsgerechte Grundschulplanung zu liefern. Für weitere Informationen zur Verwendung von Kerndichteschätzungen zur Darstellung von Zusammenhangsund Konzentrationsgebieten sei beispielsweise auf Rendtel und Ruhanen (2018) und Rendtel et al. (2021) verwiesen. Zudem kann man mit einer Kerndichteschätzung die Verteilung der Haushalte mit Kindern im Grundschulalter besser veranschaulichen. Damit lassen sich Ballungsgebiete innerhalb von Verwaltungsgrenzen identifizieren. Diese Betrachtungsweise, die es dann auch erlaubt einzelne Ausreißer nicht zwingend mit zu berücksichtigen, ist in Abb. 9dargestellt und zwar einmal für das Startjahr 2011 und einmal für einen beispielhaften Durchlauf pro Szenario im Jahr 2061. Somit ist es auch möglich zu analysieren, ob und wie die Wanderungsszenarien Einfluss auf die räumliche Verteilung der Grundschülerinnen und Grundschüler nehmen und was dies für die verschiedenen Grundschulen (Dreiecke) bedeutet. K Die zukünftige Entwicklung der Grundschulversorgung im Kontext ausgewählter... 71 2061, Szenario 2 2061, Szenario 3 2011 2061, Szenario 1 730000 735000 740000 745000 750000730000 735000 740000 745000 750000 6400000 6410000 64200006400000 6410000 6420000 Abb. 9 Räumlicher Vergleich der Szenarien (Kerndichteschätzer) (Map data copyrighted OpenStreetMap contributors and available from https://www.openstreetmap.org) Die Nutzung von Dichteschätzern bietet sich dabei aus mehreren Gründen an: Sie erlauben nicht nur eine effektive Darstellung des Zusammenhangs von Konzentrationsgebieten auch für bestimmte Bevölkerungsgruppen, sondern vermeiden – in Abgrenzung zu den gängigen Flächenkartogrammen – Sprünge an den Gebietsgrenzen und sind flächentreu (Rendtel und Ruhanen 2018). Je dunkler die Färbung K 72 S. Dräger et al. der Flächen in Abb. 9, desto höher ist die Konzentration an Grundschülerinnen und Grundschülern in einem Gebiet. An diesen Grafiken (Abb. 9) lässt sich das Potential erkennen, welches eine kleinräumige Perspektive hat, da durchaus interpretierbare Veränderungen sichtbar werden. Ganz allgemein lässt sich zeigen, dass die Zahl der Grundschülerinnen und Grundschüler im Vergleich zum Basisjahr 2011 in allen Szenarien dazu tendiert sich in der Stadtmitte zu konzentrieren, was sich an der intensiveren Färbung des Kerndichteschätzers in diesem Bereich erkennen lässt. Die Konzentration der Grundschülerinnen und Grundschüler in den Randgebieten hingegen scheint ebenfalls in allen Szenarien eher abzunehmen, was konträr durch eine weniger intensive oder gar nicht mehr vorhandene Einfärbung erkennbar ist. Auch zwischen den Szenarien lassen sich vor allem in den weiter vom Stadtgebiet entfernten Stadtteilen Unterschiede erkennen. Nimmt man die Konzentration als Maßstab für die Auslastung einer Grundschule (Dreiecke), dann finden sich in Szenario 1 noch an allen Grundschulen Kinder im Grundschulalter, während im Szenario 2 und 3 Grundschulen durchaus an Standorten stehen, an denen kaum oder gar keine Schülerinnen und Schüler mehr leben. Allerdings stehen die Grundschülerinnen und Grundschüler bei Kerndichteschätzungen immer in Relation zur Gesamtbevölkerung, sodass diese Grafiken zwar allgemeine Informationen zu Konzentrationsgebieten geben können, weniger aber dazu geeignet sind, die Basis für die tatsächliche Grundschulplanung zu sein. Daher zeigen die folgenden Abbildungen (Abb. 10) die Anzahl der Grundschülerinnen und Grundschüler im Stadtgebiet. Ist ein Hexagon in der Grafik vorhanden, so gibt es an dieser Stelle mindestens ein Kind im Alter zwischen sechs und neun Jahren. Je mehr Kinder innerhalb eines Hexagons in diesem Alter sind, desto dunkler ist es dargestellt. Diese Grafiken weisen im Gegensatz zu den Kerndichteschätzern darauf hin, dass in Szenario 2 und Szenario 3 die Zahl der Grundschülerinnen und Grundschüler flächendeckend abnimmt, auch wenn immer noch die meisten in der Stadtmitte zu finden sind. In Szenario 3 kann man sogar erkennen, dass in randständigen Gebieten (vor allem im Nord-Osten und im Süd-Westen der Stadt) viele Hexagone sogar gänzlich verschwinden – hier also gar keine Grundschülerinnen und Grundschüler mehr zu finden sind. Szenario 1 und damit das einzige Szenario, in welchem die Anzahl der Grundschülerinnen und Grundschüler nicht sinkt, sondern leicht steigt, zeigt hingegen, dass gerade im Nord-Osten ein Zuwachs zu verzeichnen ist. Insgesamt steigt die Zahl der Grundschülerinnen und Grundschüler aber auch hier am meisten im Innenstadtbereich an. Mit Blick auf die Möglichkeit verschiedene Szenarien testen zu können, können sich diese Ergebnisse allerdings auch gravierend ändern. Integriert man ein Modul zur Binnenwanderung, welches diese als abhängig von den Mietpreisen berücksichtigt, so könnte ein durchaus realistisches Szenario lauten, dass die Kosten für Mietwohnungen in der Stadtmitte kontinuierlich ansteigen. Junge Familien wiederum brauchen oftmals große und bezahlbare Wohnungen, die in diesem Fall eher nicht im Zentrum der Stadt zu finden sind. Unter diesen Umständen nehmen wir umgekehrt an, dass die Konzentration an Grundschülerinnen und Grundschülern eher in den Randgebieten stattfindet und sich somit auch dort Grundschulen befinden müssten, sofern diese möglichst wohnortnah sein sollen. Neben spezifischen Szenarien K Die zukünftige Entwicklung der Grundschulversorgung im Kontext ausgewählter... 73 2061, Szenario 2 2061, Szenario 3 2011 2061, Szenario 1 730000 735000 740000 745000 750000 730000 735000 740000 745000 750000 6400000 6410000 64200006400000 6410000 6420000 Abb. 10 Räumlicher Vergleich der Szenarien (Hexplots) (Map data copyrighted OpenStreetMap contributors and available from https://www.openstreetmap.org) die Einfluss auf die grundsätzliche Zahl der Kinder im Grundschulalter haben, können so also zukünftig auch spezifische Fragestellungen bearbeitet werden, die sich dezidiert damit beschäftigen, in welchen Gebieten der Stadt sich Grundschulkinder befinden. K 74 S. Dräger et al. 4 Fazit und Ausblick Im Zentrum dieser Arbeit standen vorrangig zwei Fragestellungen: Zum einen sollte eine Sachanalyse der Grundschulversorgung in Trier vorgenommen werden, zum anderen sollte die relativ neue Methodik der kleinräumigen Mikrosimulationsmodelle in einer konkreten Anwendung evaluiert werden. Die erste Fragestellung der Arbeit lässt sich zunächst leicht beantworten: Die Grundschulversorgung in Trier ist gut und das sowohl in Hinblick auf die zur Verfügung gestellten Plätze, als auch auf die Verteilung der Einrichtungen im Stadtgebiet. Diese Schlussfolgerung ergibt sich maßgeblich aus der Analyse der Begebenheiten im Startjahr 2011 (siehe Kap. 2.2) und der Feststellung, dass sich weder die absolute Zahl, noch die Konzentration in einzelnen Bereichen der Stadt im Simulationsverlauf – über alle Szenarien hinweg – maßgeblich nach oben verändert. Ein solches Ansteigen der Grundschülerzahlen würde bedeuten, dass neue Kapazitäten notwendig wären um zumindest das Niveau der Startperiode zu erhalten, eine höhere Konzentration in einem bestimmten Stadtgebiet als im Jahr 2011 wiederum würde sich negativ auf Anfahrtswege und -zeiten auswirken. Da aber beides nicht der Fall ist kann davon ausgegangen werden, dass sich zumindest diese beiden Parameter eher sogar weiter verbessern. Dies ist auch nicht unbedingt verwunderlich, da es sich um ein dicht besiedeltes städtisches Gebiet handelt. Eine Gegenüberstellung der Stadt mit angrenzenden und eher ländlich geprägten Landkreisen sollte daher in zukünftige Betrachtungen und Planungen integriert werden und soll auch ein Teil der weiteren Arbeiten zu diesem Projekt sein. Auch ein kurzer Blick in die zukünftigen Entwicklungen zeigt, dass eher nicht damit zu rechnen ist, dass gravierende Herausforderungen auf das Bildungsmanagement der Stadt zukommen, da die Zahl an Grundschülerinnen und Grundschülern ab einem Höhepunkt im Jahr 2025 eher rückläufig ist. Selbst unter einem Wanderungsszenario mit konstant positiver Nettowanderung steigt die maximale Anzahl der Grundschülerinnen und Grundschüler nur leicht an. Kritisch ist jedoch anzumerken, dass diese Aussagen nur unter der Annahme einer gewissen Konstanz in der Grundschulinfrastruktur gültig sind. Ändert sich diese, beispielsweise durch die Schließung einer oder mehrerer Einrichtungen, so kann dies unter Umständen eine mitunter drastische Verschlechterung der allgemeinen Versorgung nach sich ziehen. Auch die kleinräumige Betrachtung zeigt, dass sich nicht wider Erwarten in einem bestimmten Stadtgebiet ein deutlicher Mehrbedarf an Grundschulen ergibt. Generell wirken sich alle Szenarien durchaus flächendeckend aus. Die Konzentration ist und bleibt dennoch unter allen Szenarien im Innenstadtbereich am höchsten. Ein positiver Wanderungssaldo führt außerdem dazu, dass in Randgebieten die Zahl der Grundschülerinnen und Grundschüler steigt – allerdings gibt es auch hier schon entsprechende Einrichtungen um diesen Bedarf prinzipiell zu decken. Der flächendeckende Rückgang an Schülerinnen und Schülern mit einer Reduzierung der Zahl auf etwas mehr auf die Hälfte (Szenario 2) führt aber dennoch höchstwahrscheinlich dazu, das einzelne Schulen schließen müssen und dadurch deutlich längere Anfahrtswege und -zeiten entstehen. Die Beantwortung der zweiten Frage über die Eignung der Methode der kleinräumigen Mikrosimulationsmodelle für eine derartige Fragestellung gestaltet sich K