Geht Tourismus alle an? Teilnahme der deutschen Gemeinden am Übernachtungstourismus

1 Einführung

Die Interaktionen zwischen Touristinnen und Touristen und Einheimischen ist seit geraumer Zeit in den Blickpunkt der Tourismusforschung gerückt (Erul & Woosnam, 2022; Jiang & Tu, 2022; Kim & Park, 2021). Dabei spielt die Diskussion um eine Überbelastung (Crowding, „Overtourism“) der sozialen und natürlichen Tragfähigkeitsgrenzen einer Gemeinde oder Destination eine wesentliche Rolle (Postma et al., 2020; Tokarchuk, Barr, et al., 2021).

Tourismusakzeptanz kann als „das Ausmaß, in dem die einheimische Bevölkerung einer Destination dem dort stattfindenden Tourismus positiv oder negativ gegenübersteht“ (Schmücker & Eisenstein, 2021, S. 207) verstanden werden. Für Deutschland ist der Tourismusakzeptanz-Wert sowohl in der Perspektive für den Wohnort als auch für die Person selbst positiv, was als Indikator gedeutet wurde, dass „jedenfalls kein flächendeckendes Tourismusproblem“ erkennbar sei (Schmücker & Eisenstein, 2021, S. 218). Die Corona-Pandemie wurde als zusätzlicher Risikofaktor für eine nachlassende Tourismusakzeptanz identifiziert (S. Li et al., 2022). Gleichzeitig wurde in verschiedenen Studien eine Abhängigkeit der Tourismusakzeptanz bzw. der Lebenszufriedenheit mit der Tourismusintensität am Wohnort postuliert. So zeigt eine Studie, dass die Tourismusakzeptanzwerte und die Übernachtungsintensität (Übernachtungen je Einwohner) positiv korrelieren (Schmücker & Eisenstein, 2021). Allerdings weisen die Autoren darauf hin, dass die Fallzahlen für eine detailliertere Betrachtung von hoch-intensiven Gemeinden nicht ausreichen. In einer anderen Studie über die Postleitzahlengebiete in Berlin zeigen die Autoren, dass bei steigender Übernachtungsintensität die Lebenszufriedenheit sinkt (Tokarchuk, Gabriele, et al., 2021, S. 3). Es gibt also begründeten Anlass zu der Annahme, dass für die Einschätzung der Interaktion zwischen Einheimischen und Touristinnen und Touristen und insbesondere der Reaktion von Einheimischen auf Tourismus an ihrem Wohnort Daten zur Tourismusintensität (Übernachtungen je Einwohner) hilfreich sind.

Diese Studie liefert für alle Gemeinden in Deutschland entsprechende Intensitätswerte und bezieht dabei nicht nur die Beherbergungsstatistik der Statistischen Landesämter ein, sondern erstmals auch die Daten zur Privatvermietung aus den Plattformen Airbnb und Fewo-direkt. Dies hat den Vorteil, dass neben den in der amtlichen Beherbergungsstatistik ausgewiesenen Übernachtungen mit mehr als zehn Betten auch der in dieser Quelle nicht vorkommende Privatvermietungsmarkt berücksichtigt wird. Die Darstellung erfolgt für das Berichtsjahr 2018, um eine Prä-Covid-Grundlage für weitere Forschungen bzw. Fortschreibungen zu etablieren (einen ähnlichen Ansatz verfolgen zum Beispiel Adamiak & Szyda, 2021; C. Li et al., 2022; Ramos et al., 2021).

Nachfolgend wird zunächst der Forschungsstand zur räumlichen Abbildung von Tourismusangebot und -nachfrage eingeordnet. Anschließend werden die für diese Studien genutzten Datenquellen beschrieben (Abschnitt 3) und dann im Hinblick auf die Teilnahme der deutschen Gemeinden am Übernachtungstourismus und die Intensität des Übernachtungstourismus in den Gemeinden ausgewertet (Abschnitt 4). In Abschnitt 5 werden die Ergebnisse zusammenfassend diskutiert und reflektiert.

2 Forschungsstand

Bislang durchgeführte Analysen zur räumlichen Verteilung und Bedeutung des Tourismus in Deutschland erfolgten zumeist auf Basis von Stadt- und Landkreisen bzw. auf Ebene der deutschen Reisegebiete (bspw. Becker, 2000; Kagermeier, 2020). Eine Analyse auf Gemeindeebene hingegen stellt die Ausnahme dar und wird in erster Linie bei regionalspezifischen Betrachtungen herangezogen, so zum Beispiel für den Tourismus in Bayern (Job et al., 2013).

Sowohl im Falle von Analysen auf Stadt- und Landkreisebene als auch bei Analysen auf Gemeindeebene basieren die Daten zumeist auf der amtlichen Beherbergungsstatistik. Die „Monatserhebung im Tourismus“ dient hier als Grundlage, da sie sowohl räumlich (bis auf Gemeindeebene) als auch funktional (Betriebsarten etc.) tief gegliedert ist, aber eben nur einen Teil des Angebots und der Nachfrage ausweist. Die Abschätzung der touristischen Bedeutung von einzelnen Gemeinden erfolgt entweder anhand einer kartographischen Darstellung von absoluten Kenngrößen (Ankünfte, Übernachtungen) oder als Relationswerte bspw. in Bezug auf die Einwohner. Eine über die Nutzung der amtlichen Beherbergungsstatistik hinausgehende bzw. die Monatserhebung im Tourismus ergänzende Analyse des Tourismus auf Gemeindeebene ist nicht bekannt.

Auf europäischer Ebene wurden bereits erste Ansätze erprobt, die die amtlich erfassten Nachfragedaten um weitere Nachfragedaten ergänzt. So legten Batista e Silva et al. (2019) eine kombinierte räumliche Analyse (Nuts2/3-Ebene) auf der Basis der Beherbergungsstatistik einerseits und Daten aus Online-Plattformen (Booking.com und TripAdvisor) andererseits vor. Allerdings wurden dabei nur Hotels berücksichtigt. Der Beitrag der analysierten Onlineplattformen bestand nicht darin, zusätzliche Kapazitäts- oder Nachfragedaten beizusteuern, sondern lediglich eine genaue räumliche Zuordnung zu ermöglichen. Die hier vorgelegte Studie verfolgt hingegen einen anderen Ansatz: Ziel ist es, auf Gemeindeebene Daten der Beherbergungsstatistik und zur Privatvermietung so zu kombinieren, dass erstmals Intensitätswerte und -dichten sichtbar werden und somit ein vollständigeres Bild des deutschen Übernachtungstourismus entsteht.

Die Kurzzeitvermietung von privatem Wohnraum über digitale Plattformen ist erst seit ca. zehn Jahren ein Gegenstand der touristischen Forschung. Aktuelle Studien nutzen dabei auch die Möglichkeit, mehrere Datenquellen übereinander zu legen, um ein genaueres Bild über die räumliche Verteilung des Tourismus zu erlangen. Dies erfolgt entweder mit Fokus auf die räumlichen Unterschiede zwischen Hotels und Airbnb-Angeboten, bspw. in London (La et al., 2022) oder aber mit Blick auf die räumlichen Veränderungen durch die neuen Sharingangebote, bspw. anhand der US-Zensus-Distrikte (Akhtari, 2021). Der Fokus auf den Tourismus in Städten ist jedoch bei vielen Studien evident (Coles, 2021; Duso et al., 2020; Petruzzi et al., 2020; M. Schäfer & Tran, 2020; P. Schäfer & Braun, 2016; P. Schäfer & Hirsch, 2017; Sequeira & Filippova, 2020; Shabrina et al., 2021; Smigiel et al., 2019; Xia et al., 2020; Zekan et al., 2019).

Analysen des Privatvermietungsmarktes oder der sogenannten „Sharing Economy“ (World Tourism Organization, 2017) außerhalb von Städten finden sich daher deutlich seltener. Zu den Ausnahmen in Deutschland kann eine Grundlagenstudie des Bundesministeriums für Wirtschaft gelten (Busch et al., 2018, S. 48 ff.). Die Autorinnen und Autoren stellten zwar den „traditionellen Unterkunftssektor“ der „Sharing Economy“ summarisch gegenüber, eine regionalisierte Analyse oder gar eine Kombination der beiden Quellen fand jedoch nicht statt.

3 Datengrundlagen und Analysemethoden

Für diese Studie wurden drei verschiedene Datenquellen genutzt: (1) Das Gemeindeverzeichnis, (2) Daten zur Beherbergungsstatistik und (3) Daten zur Privatvermietung von AirDNA. Die erste Grundlage der Studie ist ein Auszug aus dem Gemeindeverzeichnis mit Datenstand vom 31.12.2018 (GVISYS) (Statistisches Bundesamt 2019b). Das Gemeindeverzeichnis enthält Daten zu Fläche, Bevölkerung, Reisegebietszuordnung und Verstädterungsgrad für Bundesländer, Statistische Regionen und Regierungsbezirke, Regionen, Stadt- und Landkreise, Verwaltungsbeziehungen und Gemeinden. Diese Auswertung bezieht sich nur auf die Gemeinden. Für die Analyse werden das gemeinsame deutsch-luxemburgische Hoheitsgebiet und das Küstengewässer in Mecklenburg-Vorpommern nicht betrachtet, da hier keine Einwohner vorhanden sind. Die Basis für diese Studie besteht daher aus 11 095 Gemeinden.

Für die Übernachtungsstatistik wurde auf Daten der Monatserhebung im Tourismus zurückgegriffen, die von den Statistischen Ämtern des Bundes und der Länder in der Regionaldatenbank vorgehalten werden (www.regionalstatistik.de). Die Daten wurden bereinigt und in den Fällen, in denen aus Geheimhaltungsgründen keine Kapazitäts- und Nachfragedaten angegeben sind, anhand eines Durchschnittswertes imputiert.^[1]

Die Daten zur Privatvermietung stammen von dem kommerziellen Dienstleister AirDNA. Dieses Unternehmen liest die öffentlich verfügbaren Daten von zwei international tätigen Vermittlungsplattformen, Airbnb und Homeaway (in Deutschland unter der Marke Fewo-Direkt aktiv), von der Website ab (scraping) und bearbeitet sie. Durch regelmäßiges Scraping ist es nach Angaben des Unternehmens möglich, nicht nur Auskunft über die Listings, also die auf den Plattformen gelisteten Angebote, sondern auch über die Reservierungstage je Listing zu erhalten (James, 2018). Diese Datenquelle wurde bereits in zahlreichen Studien angewendet (Agarwal et al., 2019; Gibbs et al., 2018; Leick et al., 2021; Nyns & Schmitz, 2022). Für das Jahr 2018 liegen in rund 3,9 Mio. Datensätzen die monatsweisen Ergebnisse pro aktives Listing vor. Diese wurden je Listing für das Gesamtjahr aggregiert. Daraus resultieren 414 852 Listings, die weitaus meisten mit der Immobilienart „Gesamte Wohnung/Haus/Appartement“ (Tabelle 1).

Für jedes Listing ist eine Geokoordinate vorhanden, die aber um bis zu 150 Meter von der tatsächlichen Position abweichen kann (Angaben des Datensatzlieferanten). Damit kann der Datensatz in den Grenzen der genannten Unschärfe auf eine Karte der Gemeindeverwaltungsgrenzen zugeordnet werden, sodass aus den 414 060 Mikrodaten auf Angebotsebene ein Gemeindedatensatz entsteht, der mit den 11 095 Gemeinden des Gemeindeverzeichnisses verschnitten wird. Das Ergebnis sind Angebote und Reservierungstage aus dem Privatvermietungsmarkt in Deutschland. Diese Angebote stammen zum größeren Teil von der Airbnb-Plattform (70 %), allerdings generieren die Listings der Fewo-direkt-Plattform eine etwas höhere Zahl von Reservierungstagen (Nachfrage) je Listing (Tabelle 2). Die Zahl der Listings, die in beiden Plattformen gefunden wurden, ist hingegen mit 2 % ausgesprochen klein. In Summe gab es im Jahr 2018 rund 24 Mio. Übernachtungen in rund 414 Tsd. Unterkünften. Es ist nicht ausgeschlossen, dass Teile dieser hier dargestellten Übernachtungen auch in der amtlichen Beherbergungsstatistik eingegangen sind, da durchaus auch bei Airbnb gewerbliche Betriebe gelistet sein können. Rückschlüsse über den Marktanteil der beiden Plattformen bzw. über die Abdeckung des Privatvermietungsmarktes in Deutschland lassen sich aus diesen Werten nicht ziehen. Schätzungen des Übernachtungsanteils von Ferienhäusern und -wohnungen belaufen sich auf 12,6 % und der sogenannten „Sharing Economy“ in Deutschland auf 8,6 % für das Jahr 2016 (Busch et al., 2018, S. 62).

Die vorliegende Analyse betrachtet nur zwei Vermittlungs-Plattformen. Der Anteil dieser Plattformen im Markt der Online-Buchungsplattformen einerseits und der Privatvermietungen andererseits ist unbekannt. Nach Ergebnissen des Statista Global Consumer Survey vom Mai 2022 (Statista, 2022) wird zum Beispiel die Plattform booking.com (55 % der Befragten in den letzten zwölf Monaten) in Deutschland mehr genutzt als Airbnb (18 %) und Expedia oder Trivago (12 %) mehr als FeWo-direkt (11 %). Allerdings ist der Anteil von Hotel- und Privatvermietungen in den genannten Plattformen unbekannt. Zudem kann eine derartige Nachfragebetrachtung im Quellmarkt Deutschland nicht unmittelbar auf die Angebotsbetrachtung im Zielmarkt Deutschland übertragen werden. Unentgeltliche private Übernachtungsmöglichkeiten (z. B. die Übernachtung bei Freunden und Verwandten oder die Nutzung von unentgeltlichen „Couchsurfing“-Angeboten) oder aber auch der Tagestourismus werden in dieser Studie aufgrund von mangelnden Daten auf Gemeindeebene nicht betrachtet.

Für die Analyse wurden neben einfachen deskriptiven Maßzahlen Konzentrationswerte errechnet. Wesentliche hier genutzte statistische Maßzahl ist der Gini-Koeffizient, ein auf der Lorenzkurve basierendes Konzentrationsmaß, und für die visuelle Analyse die zugehörige Lorenzkurve (Berger, 2019, S. 95 ff.). Der Gini-Koeffizient wurde bewusst anderen Indizes zur Messung von (Un)gleichheit bevorzugt, da er leicht aus der visuellen Analyse (Lorenzkurve) ableitbar und verhältnismäßig einfach interpretierbar ist. Der Gini-Koeffizient kann Werte von 0 (vollständige Gleichverteilung) bis 1 (vollständige Konzentration) annehmen. Die Lorenzkurve zeigt auf der Abszisse die kumulierten Anteile der betrachteten Objekte (hier: der Gemeinden) und auf der Ordinate die kumulierten Anteile des interessierenden Merkmals. Gini-Koeffizienten und Lorenzkurven wurden mit dem R package „ineq“ (Zeileis, 2014) erstellt.

4 Ergebnisse

4.1 Teilnahme der Gemeinden am Übernachtungstourismus

In diesem Abschnitt wird untersucht, wie viele Gemeinden am Übernachtungstourismus teilnehmen. Zunächst wird geprüft, wie viele Gemeinden auf Basis der amtlichen Statistik am Übernachtungstourismus teilnehmen. Der Privatvermietungsmarkt wird separat analysiert und im Anschluss die beiden Datenquellen verschnitten. Durch die Kombination der beiden Datenquellen ergibt sich die Aussage, welche Gemeinden in beiden Datenquellen auftreten, welche jeweils nur in der einen Quelle in Erscheinung treten oder welche gar nicht am Übernachtungstourismus in Deutschland teilnehmen.

4.1.1 Teilnahme der Gemeinden nach der Beherbergungsstatistik

Basis sind die 11 095 Gemeinden des Gemeindeverzeichnisses 2018. Von diesen haben 4369 (39 %) keine statistisch erfassten Beherbergungsbetriebe. Die verbleibenden 61 % der Gemeinden decken jedoch 81 % der Fläche und 94 % der Einwohner Deutschlands ab (Abbildung 1).

Abbildung 1:

Gemeinden nach Teilnahme am Übernachtungstourismus in Deutschland nach Quelle

links: Gemeinden in Deutschland 2018 nach Klassen der Beherbergungsstatistik; rechts: Gemeinden in Deutschland 2018 nach Klassen der Privatvermietung; Quelle: Eigene Berechnungen auf Basis von Daten des Statistischen Bundesamtes und AirDNA. Berichtsjahr 2018

Inklusive der Gemeinden ohne statistisch gemeldete Beherbergungsbetriebe ergeben sich für 2018 im Mittel 5,76 Übernachtungen je Einwohner und 1334 Übernachtungen je Quadratkilometer.

4.1.2 Teilnahme der Gemeinden bei der Privatvermietung

Basis sind ebenfalls die 11 095 Gemeinden des Gemeindeverzeichnisses 2018. Von diesen haben 2954 (27 %) keine Listings in den beiden Plattformen Airbnb und Fewo-direkt. Die verbleibenden 73 % der Gemeinden decken aber 88 % der Fläche und 96 % der Einwohner Deutschlands ab (Abbildung 1).

In Bezug auf die beiden hier betrachteten Plattformen ergibt sich ein interessanter räumlich-statistischer Effekt: Während nur rund 2 % der Listings auf beiden Plattformen gefunden wurden (Tabelle 2), finden sich 85 % aller Listings in Gemeinden, in denen Angebote auf beiden Plattformen verfügbar sind. Gemeinden, in denen es nur Listings auf Fewo-direkt gibt, spielen hingegen eine deutlich untergeordnete Rolle (0,3 % der Listings und der Reservierungstage). Dies zeigt die hervorstechende Rolle von Airbnb bei der Privatvermietung.

4.1.3 Verschneidung von Beherbergungsstatistik und Privatvermietung

Um die übernachtungstouristische Aktivität in den deutschen Gemeinden genauer zu erfassen, wurden die beiden hier genutzten Datenquellen (Beherbergungsstatistik und Daten zur Privatvermietung) kombiniert. Dieser Schritt scheint gerechtfertigt, auch wenn nicht sicher ist, dass die beiden Datenquellen keine Überschneidungen aufweisen (s. o.). Es ist durchaus möglich, dass ein zur Beherbergungsstatistik meldepflichtiges Angebot auch über die Privatvermietungsplattformen Airbnb oder Fewo-direkt am Markt erscheint. Bei der hier vorgenommenen Kategorisierung der Gemeinden ist dieser Effekt jedoch vernachlässigbar, da die Analyse auf die Teilnahme der Gemeinden am Übernachtungstourismus abzielt. Anders wäre es, wenn Angebots- oder Nachfragevolumina aus beiden Quellen addiert werden würden. Dies würde zu Verzerrungen und demnach zu einer Überschätzung führen, da Angebot und Nachfrage doppelt gezählt werden würden.

Gut 2000 Gemeinden in Deutschland haben keine übernachtungstouristischen Angebote in den in der Studie genutzten Datenquellen. Das sind rund 19 % aller Gemeinden in Deutschland (Tabelle 3), die aber nur 7 % der Fläche und sogar nur 2 % der Einwohner ausmachen. Mehr als die Hälfte der Gemeinden hat übernachtungstouristische Angebote in beiden Datenquellen; diese Gemeinden decken rund 75 % der Fläche Deutschlands ab und umfassen 92 % der Einwohner.

Weitere gut 2200 Gemeinden, das sind 20 %, tauchen in der Beherbergungsstatistik nicht auf, haben aber Angebote in den beiden Privatvermietungsplattformen. Hier zeigt sich ein erster Wert dieser Verschneidung, denn diese 2200 Gemeinden würden allein bei Betrachtung der Beherbergungsstatistik als weiße Flecken auf der Karte gezeigt.

Tabelle 3:

Gemeinden in Deutschland nach Einwohnern und Flächenanteilen

	Anzahl Gemeinden	Einwohner (Summe)	Fläche (Summe) in qkm
Gemeinden insgesamt	11 095	83 019 213	358 319
Gemeinden ohne Übernachtungsangebot	19,4 %	1,8 %	7,4 %
Gemeinden mit Übernachtungsangebot
nur in der Beherbergungsstatistik	7,2 %	1,9 %	4,7 %
nur in der Privatvermietung	20,0 %	4,3 %	11,6 %
in beiden Angebotsformen	53,4 %	91,9 %	76,3 %

Quelle: Eigene Berechnungen auf Basis von Daten des Statistischen Bundesamtes und AirDNA. Berichtsjahr 2018.

Um die Bedeutung der hier dargestellten drei Gemeindeklassen nicht nur anhand der Einwohnerzahl oder Fläche zu ermessen, können die Übernachtungszahlen (Beherbergungsstatistik) oder Reservierungstage (Privatvermietungen) herangezogen werden. Beide Messwerte werden aber getrennt dargestellt, da nicht sichergestellt werden kann, dass die beiden Datenquellen überschneidungsfrei sind, was Voraussetzung für eine Normierung und Addition wäre (s. o.).

Tabelle 4 zeigt, dass für beide Messwerte der größte Teil auf die Gemeinden entfällt, die sowohl in der Beherbergungsstatistik als auch in der Privatvermietung erscheinen (98,4 % der Übernachtungen und 97,5 % der Reservierungstage). Die beiden hier dargestellten Kenngrößen (Übernachtungen laut Beherbergungsstatistik und Reservierungstage aus Privatvermietung) korrelieren über alle Gemeinden sehr hoch miteinander (r = + 0,95). Obwohl nicht auszuschließen ist, dass wenige Ausreißergemeinden mit sehr hohen Werten in beiden Variablen den Korrelationskoeffizienten künstlich erhöhen (high leverage points), zeigt das hohe Zusammenhangsmaß auf, dass der Übernachtungstourismus in größeren (in der Regel statistisch berichtspflichtigen) und kleineren Betrieben oftmals Hand in Hand geht.

Tabelle 4:

Gemeinden in Deutschland nach Einwohnern und Flächenanteilen

	Anzahl Gemeinden	Übernachtungen lt. Beherbergungsstatistik (Summe)	Reservation Days aus Privatvermietung (Summe)
Gemeinden insgesamt	11 095	478 038 776	23 553 405
Gemeinden ohne Übernachtungsangebot	2154	0	0
Gemeinden mit Übernachtungsangebot
nur in der Beherbergungsstatistik	800	1,6 %	0 %
nur in der Privatvermietung	2215	0 %	2,5 %
in beiden Angebotsformen	5926	98,4 %	97,5 %

Quelle: Eigene Berechnungen auf Basis von Daten des Statistischen Bundesamtes und AirDNA. Berichtsjahr 2018

4.1.4 Gemeinden ohne Übernachtungsangebot

Wie oben dargestellt, haben rund 19 % aller Gemeinden in Deutschland kein übernachtungstouristisches Angebot in den hier analysierten Datenquellen. Dieser Anteil ist jedoch nach Bundesland durchaus unterschiedlich. So sind in Thüringen 44 % der 821 Gemeinden ohne übernachtungstouristisches Angebot, in Rheinland-Pfalz 33 % und in Schleswig-Holstein 24 %. In Nordrhein-Westfalen hingegen haben alle 396 Gemeinden ein nachgewiesenes übernachtungstouristisches Angebot in den beiden Datenquellen (Tabelle 5).

Tabelle 5:

Teilnahme der Gemeinden am Übernachtungstourismus nach Bundesländern

Land	Gemeinden insgesamt	Einwohner je Gemeinde	Gemeinden ohne Übernachtungsangebot	Gemeinden nur in der Beherbergungsstatistik	Gemeinden nur in der Privatvermietung	Gemeinden in beiden Datenquellen
Thüringen	821	2610	44 %	12 %	16 %	28 %
Rheinland-Pfalz	2304	1773	33 %	7 %	29 %	30 %
Schleswig-Holstein	1108	2614	24 %	5 %	32 %	39 %
Brandenburg	417	6024	19 %	0 %	42 %	39 %
Mecklenburg-Vorpommern	750	2146	17 %	4 %	29 %	50 %
Sachsen-Anhalt	218	10 130	15 %	17 %	13 %	55 %
Niedersachsen	968	8246	15 %	9 %	17 %	59 %
Bayern	2106	6209	13 %	9 %	13 %	65 %
Sachsen	421	9686	6 %	10 %	12 %	72 %
Baden-Württemberg	1103	10 036	6 %	6 %	12 %	76 %
Hessen	427	14 674	1 %	3 %	5 %	90 %
NRW	396	45 284	0 %	1 %	2 %	98 %
Saarland	52	19 048	0 %	0 %	8 %	92 %
Bremen	2	341 493	0 %	0 %	0 %	100 %
Hamburg	1	1 841 179	0 %	0 %	0 %	100 %
Berlin	1	3 644 826	0 %	0 %	0 %	100 %

Solche deutlichen Unterschiede liegen auch in den verschiedenen Verwaltungsstrukturen der deutschen Bundesländer begründet: Während Länder wie Thüringen, Rheinland-Pfalz, Bayern oder Schleswig-Holstein über sehr viele kleine Gemeinden verfügen, sind in Ländern wie Nordrhein-Westfalen oder Hessen deutlich größere Gemeinden zu finden. Je größer eine Gemeinde, desto höher ist auch die Chance, dass sich dort ein übernachtungstouristisches Angebot finden lässt. Gleichwohl lassen sich auch bei einwohnerstrukturell ähnlichen Bundesländern Unterschiede bei dem Anteil der Gemeinden ohne übernachtungstouristisches Angebot finden. So haben Thüringen und Schleswig-Holstein etwa gleich viele Einwohner pro Gemeinde, aber recht unterschiedliche Gemeindeanteile ohne Übernachtungsangebot. Eine ähnliche Aussage gilt für Sachsen-Anhalt im Vergleich zu Sachsen oder Baden-Württemberg.

Abbildung 2 zeigt diese Zusammenhänge graphisch: Die weiß gefärbten Gemeinden sind die, die in keiner der beiden Datenquellen vorkommen. Diese Gemeinden finden sich gehäuft zum Beispiel im Binnenland von Schleswig-Holstein und Mecklenburg-Vorpommern, in der nordöstlichen Hälfte von Thüringen oder in Rheinland-Pfalz – Bundesländer mit sehr kleinteiliger Gemeindestruktur.

Abbildung 2:

Gemeinden nach übernachtungstouristischem Angebot

4.2 Intensität des Übernachtungstourismus

In diesem Abschnitt wird nun anhand der Übernachtungen untersucht, welche Intensität der Übernachtungstourismus in den deutschen Gemeinden aufweist. Das Ziel sind gemeindegetreue Tourismusintensitätswerte in Deutschland.

4.2.1 Tourismusnachfrage in der Beherbergungsstatistik

Die Tourismusnachfrage auf Basis der Beherbergungsstatistik ist geprägt durch einen hohen Anteil von Gemeinden, die keine statistisch erfassten Beherbergungskapazitäten aufweisen (39 %, vgl. Abschnitt 4.1.4). Werden nur die 61 % der Gemeinden, in denen statistisch erfasste Betriebe angesiedelt sind, betrachtet, ergibt sich eine deutlich linkssteile und rechtsschiefe Verteilung für die Tourismusintensität (Übernachtungen je Einwohner, Abbildung 3).

Die Dichtewerte lassen sich zur besseren Interpretation und Lesbarkeit kategorisieren. Es wurden fünf Kategorien gebildet, die erste Kategorie ohne Übernachtungen, die anderen vier nach Quartilen.

Abbildung 3:

Gemeinden nach Tourismusintensität (Übernachtungen je Einwohner)

Hinweis: beide Achsen sind zur besseren Darstellbarkeit logarithmiert.

Tabelle 6:

Gemeindegruppen nach Tourismusintensitätsklassen

Gruppe	Anzahl Gemeinden	Klassengrenzen Tourismusintensitäten	Summe Einwohner	Summe Übernachtungen	Fälle im Datensatz
Alle Gemeinden	11 095	–	83 019 213	478 038 779	3295
1 – Gemeinden ohne Übernachtungen	4369	0	5 132 123	0	183
2 – Gemeinden mit Übernachtungen, erstes Quartil	1679	>0,15; 2,10	27 589 079	34 889 007	1070
3 – Gemeinden mit Übernachtungen, zweites Quartil	1686	>2,10;4,49	21 905 929	69 006 145	906
4 – Gemeinden mit Übernachtungen, drittes Quartil	1680	>4,49;11,30	20 901 584	150 560 350	847
5 – Gemeinden mit Übernachtungen, viertes Quartil	1681	>11,30	7 490 498	223 583 274	289

* Die 81 gemeindefreien Gebiete ohne Einwohner wurden ebenfalls der Klasse 1 zugeordnet. Quelle: Statistisches Bundesamt, eigene Berechnungen. Berichtsjahr 2018

Die zugehörige Karte (Abbildung 4) zeigt sehr deutlich die touristisch stark nachgefragten ländlichen Räume, in denen die Zahl der Übernachtungen je Einwohner am höchsten ist. Unter den Top-5-Gemeinden mit der höchsten Übernachtungszahl je Einwohner finden sich: Gröde (SH), Dobbin-Linstow (MV), Norddorf auf Amrum, Nürburg (RP) und Göhren-Lebbin (MV).

4.2.2 Ermittlung von Konzentrationswerten

Die Ermittlung der Einwohnerkonzentration und der Fläche in den deutschen Gemeinden kann im Rahmen der vorliegenden Studie als Referenzgröße der touristischen Ungleichverteilung für die Übernachtungen aus der Beherbergungsstatistik und dem Privatvermietungsmarkt verstanden werden. Die mittlere Einwohnerzahl der Gemeinden in Deutschland beträgt 7483, die mittlere Fläche 32,3 Quadratkilometer. Beide Kennwerte streuen jedoch erheblich. Vor allem bei der Einwohnerzahl stehen viele kleine Gemeinden wenigen sehr großen Metropolen gegenüber. Der Gini-Koeffizient als Maß der Ungleichverteilung beträgt für die Einwohnerzahl 0,779, die Lorenzkurve ist stark nach rechts unten gebogen.

Abbildung 4:

Gemeinden nach Tourismusintensität (Übernachtungen je Einwohner) in der Beherbergungsstatistik

Quelle: Statistisches Bundesamt, eigene Berechnungen. Berichtsjahr 2018

Wird die Verteilungsdichte der 11 095 Gemeinden anhand des Gini-Koeffizienten berechnet, so ergeben sich unterschiedlich hohe Konzentrationswerte: Für die Übernachtungen aus der Beherbergungsstatistik liegt der Gini-Koeffizient deutschlandweit bei 0,874, für die Reservierungstage in der Privatvermietung sogar bei 0,908. Die Tourismusnachfrage ist also noch einmal stärker konzentriert als die ohnehin schon recht ungleiche Einwohnerverteilung (0,779), die Lorenzkurven verlaufen noch einmal rechts von der Einwohnerkurve (Abbildung 5).

Abbildung 5:

Lorenzkurven der Einwohner, Übernachtungen und Reservation Days

Basis: 11 095 Gemeinden. Quelle: Statistisches Bundesamt, eigene Berechnungen. Gebietsstand: 31.12.2018

Diese hohen Konzentrationswerte sind einerseits darin begründet, dass ein nennenswerter Anteil der Gemeinden gar keine übernachtungstouristischen Angebote aufweist. Am anderen Ende des Spektrums vereinen wiederum sehr wenige Gemeinden einen erheblichen Teil der Nachfrage auf sich. Von den 11 095 hier betrachteten Gemeinden machen die zehn nachfragestärksten allein 21 % der in der Beherbergungsstatistik erfassten Übernachtungen aus (Top 10: Berlin, München, Hamburg, Frankfurt am Main, Köln, Düsseldorf, Dresden, Stuttgart, Nürnberg und Leipzig). Dabei handelt es sich um Großstädte über 100 000 Einwohner, erst an elfter Stelle folgt mit Sylt eine ländliche Gemeinde. Bei den Reservierungstagen machen die Top 10-Gemeinden sogar 29 % der gesamten Nachfrage aus. Hier sind unter den Top-10 mit Sylt und Heringsdorf aber auch zwei ländliche Gemeinden zu finden (Abbildung 6).

Abbildung 6:

Top 20-Gemeinden nach Übernachtungen in der amtlichen Statistik (in Mio.) (oben) und Privatvermietung (Reservierungstage absolut) (unten). Quelle: Eigene Berechnungen. Datengrundlage: Statistisches Bundesamt und AirDNA.

Neben den Konzentrationswerten lässt sich der Zusammenhang zwischen den Übernachtungen und den Einwohnern bzw. der Fläche auch anders in Relation setzen. Die Tourismusnachfrage kann nun mit der (imputierten) Übernachtungszahl (Beherbergungsstatistik) oder mit der Zahl der Reservierungstage (Privatvermietung) gemessen und dann mit der Einwohnerzahl der Gemeinde in Beziehung gesetzt werden. Die Einwohnerzahl korreliert sehr hoch mit der Zahl der Übernachtungen (r = + 0,92) und ebenfalls hoch mit der Zahl der Reservierungstage (r = + 0,89). Je einwohnerstärker die Gemeinde, desto höher die übernachtungstouristische Nachfrage und umgekehrt. Bezüglich der Fläche ergibt sich jedoch nur eine schwache Korrelation zur Übernachtungszahl (r = + 0,36) und zur Zahl der Reservierungstage (r = + 0,32). Die Gemeindefläche ist offensichtlich kein guter Indikator für die übernachtungstouristische Nachfrage.

5 Diskussion und Ausblick

Die Analyse zeigt erstmals, dass der Übernachtungstourismus in Deutschland ein beinahe flächendeckendes Phänomen ist: Nur rund 19 % der mehr als 11 000 Gemeinden weisen keine übernachtungstouristischen Angebote auf, 81 % der Gemeinden haben ein übernachtungstouristisches Angebot. 98 % der Einwohnerinnen und Einwohner in Deutschland leben in Gemeinden, in denen ein übernachtungstouristisches Angebot vorhanden ist. Die vorliegende Kombination von den beiden Datenquellen zum Übernachtungstourismus zeigt weiterhin, dass der Tourismus in Deutschland flächendeckender vorhanden ist, als dass es die amtliche Statistik vermuten lässt: Etwa ein Fünftel der deutschen Gemeinden bieten übernachtungstouristische Angebote über die Beherbergungsstatistik hinaus. Obwohl gerade in flächenmäßig großen Gemeinden ein Tourismusangebot in der Gemeinde nicht mit einem Tourismusangebot im eigenen Wohnumfeld gleichzusetzen ist, kann man festhalten: Tourismus geht fast alle an!

Gleichzeitig gibt es eine recht hohe Konzentration des übernachtungstouristischen Angebots und der Nachfrage. Diese Konzentration ist bei den Privatvermietungen höher als bei den Übernachtungen der statistisch berichteten Beherbergungsbetriebe. Die sehr heterogene Gemeindestruktur in Deutschland trägt zu diesen hohen Konzentrationswerten der übernachtungstouristischen Aktivität bei, ist aber nicht allein ursächlich, denn die Gini-Koeffizienten liegen für die Übernachtungszahlen der Beherbergungsstatistik bei 0,874, für die Reservation Days in der Privatvermietung sogar bei 0,908 und damit höher als die ohnehin schon sehr ungleiche Einwohnerverteilung (0,779).

Die Analyse hat zudem einige Unzulänglichkeiten des amtlichen statistischen Systems in Deutschland gezeigt, die eine Analyse unnötig aufwändig und fehleranfällig machen: So sind selbst die grundlegenden Datenbestände mit demselben Bezugsjahr nicht vollständig kohärent, in der Regionaldatenbank des Bundes und der Länder sind dann noch einmal andere Gemeindezahlen eingetragen und Datensätze mit (12 Bundesländer) und ohne (4 Bundesländer) Campingplätze vermischt. Unbefriedigend ist auch die Notwendigkeit zur (mittelwertbasierten) Imputation in Gemeinden mit einem oder zwei Beherbergungsbetrieben. Hier können weitergehende Forschungen voraussichtlich bessere Lösungen modellieren, für die diese Studie erste Ansätze liefert.

Der hier dargestellte Ansatz der regionalstatistischen Analyse kann in viele Richtungen vertieft werden, etwa zur Rolle von prädikatisierten Gemeinden oder zur Funktion der Gemeindeaggregation in Reisegebieten. Sowohl die Tatsache der fast flächendeckend vorhandenen Übernachtungsmöglichkeiten als auch die der starken Konzentration sind relevante Erkenntnisse für Diskussionen zur Struktur der Tourismusnachfrage oder zur Bewertung der Tourismusakzeptanz in der Wohnbevölkerung. Innerhalb des hier gewählten Ansatzes (angebotsbezogene Betrachtung der Übernachtungskapazitäten in den deutschen Gemeinden) ergeben sich weitere Forschungsoptionen, etwa zur räumlichen Konzentration und Autokorrelation, durch die Einbeziehung weiterer Datenquellen und die Fortschreibung der Analysen während und nach der Corona-Pandemie. Zugleich ergeben sich Forschungsfragen, die über das hier gewählte Betrachtungssegment hinausgehen, etwa zur Situation im Tagestourismus oder zur Situation in anderen Ländern.