Tourismus und Lebenszufriedenheit – eine empirische Analyse mit Fuzzy Logic am Beispiel des Allgäus

4.1 Deskriptive Auswertung

Das Balkendiagramm in Abbildung 4 zeigt in blau markiert die Verteilung der Top-two-Antwortmöglichkeiten ‚wichtig’ und ‚sehr wichtig’ auf die Frage 14b „Wie wichtig ist Ihnen [das jeweilige Item A1 bis A11] für Ihre Lebenszufriedenheit?“. Die Verteilung der Antworten auf die Frage 14c „Wie wird [das jeweilige Item A1 bis A11] Ihrer Meinung nach durch den Tourismus im Allgäu beeinflusst?“ wird mit den Farben grün (Top-two-Box ‚positiv’ und ‚sehr positiv’), grau (‚kein touristischer Einfluss’) und rot (Bottom-two-Box ‚negativ’ und ‚sehr negativ’) dargestellt. Die elf Items sind aufsteigend nach dem Anteil der Personen sortiert, die den Einfluss des Tourismus auf das jeweils angefragte Item als (sehr) negativ bewerten (rote Fläche).

Für den Tourismus spricht die jeweilige Länge der grünen Flächen: je länger der grüne Balken, desto größer der Anteil der Befragten, die dem Tourismus im jeweiligen Bereich einen positiven Einfluss zuschreiben. Die Länge der grauen Balken stellt den prozentualen Anteil der Befragten dar, die den Tourismus ohne Einfluss auf das jeweilige Item sehen. In Kombination mit der Darstellung der Wichtigkeit für die Lebenszufriedenheit (blaue Balken) scheint auf den ersten Blick der Einfluss des Tourismus auf die Items A10 Vielfalt an kulturellen Angeboten und A3 Freizeitinfrastruktur besonders positiv zu sein. Hier ist der Anteil der Personen, die den Einfluss des Tourismus auf diese beiden Bereiche (sehr) positiv bewerten (grün) größer als der Anteil, die diese Items als (sehr) wichtig für ihre Lebenszufriedenheit einstufen (blau).

Das Diagramm zeigt, dass insbesondere die Items A11 Ökologische Faktoren, A4 Lebenshaltungskosten und A5 Verfügbarkeit von ausreichend bezahlbarem Wohnraum kritische Bereiche sind. Diese Items werden von den Befragten als besonders wichtig für ihre Lebenszufriedenheit bewertet (Anteil über 70 %, Länge der blauen Balken). Zugleich wird der Einfluss des Tourismus auf diese Bereiche von 36 % oder mehr der Befragten als (sehr) negativ bewertet (Länge der roten Balken). Auch die Items A7 Gesundheitsversorgung, A1 Finanzielle Situation und A9 Sicherheit werden von einer Mehrheit als sehr oder eher wichtig für die eigene Lebenszufriedenheit bewertet. Zugleich wird der Einfluss des Tourismus von weniger Personen als bei A11, A4 und A5 als (sehr) negativ bewertet; der Anteil der Personen, die den Einfluss des Tourismus als (sehr) positiv bewerten, ist höher als bei den Items A11, A4 und A5.

Abbildung 4:

Einfluss des Tourismus auf jeden der elf Aspekte unter Beachtung der Wichtigkeit für die Lebenszufriedenheit

Quelle: eigene Abbildung, Datensatz ‚Lebenszufriedenheit, Tourismusbewusstsein und Tourismusentwicklung im Allgäu’ (Bauer & König, 2022).

Diese deskriptive Analyse deutet auf eine Dysbalance bei einigen Items zwischen der Wichtigkeit der lebensweltlichen Bereiche einerseits und dem wahrgenommenen Einfluss des Tourismus andererseits hin. Um die sichtbaren Dysbalancen systematisieren und quantifizieren zu können, wird im Folgenden die Fuzzy Logic genutzt. Diese Methode ermöglicht es, die hier einzeln deskriptiv dargestellten Dysbalancen zusammengefasst als numerische Werte für unterschiedliche Zielgruppen auszudrücken.

4.2 Ergebnisse der Heatmap nach Anwendung der Fuzzy Logic

Die Heatmap in Form der Tabelle 3 zeigt die Ergebnisse der Fuzzy Logic farblich abgestuft von grün (positive Bewertung) nach rot (negative Bewertung). Die Farbgebung signalisiert die oben genannten Dysbalancen und erlaubt DMOs, (Kommunal-)Politik und Regionalentwicklung eine intuitive Orientierung hinsichtlich des subjektiven Erlebens der lokalen Bevölkerung.

Die Heatmap zeigt in den Spalten die in den Fragen 14b und 14c abgefragten lebensweltliche Dimensionen A1 bis A11. Die Zeilen sind nach verschiedenen Aufrissgruppen gegliedert. Diese reichen von Altersgruppen, Geschlecht und Wohnort (Landkreisebene) bis hin zur beruflichen und finanziellen Abhängigkeit vom Tourismus sowie dem Ausmaß, in dem sich die Befragten vom Tourismus gestört fühlen.

Die Farben lassen auf den ersten Blick eine differenzierte Verteilung der Bewertungen erkennen. Es fällt auf, dass insbesondere die Bereiche A3 Freizeitinfrastruktur sowie A10 Vielfalt an kulturellem Angebot gemäß der Fuzzy Logic (und den weiter oben spezifizierten Regeln) in allen Gruppen nahe 1 liegen und deshalb die Farbe ‚grün’ zugewiesen bekommen. Dies deckt sich insofern mit den deskriptiven Auswertungen (vgl. Abbildung 4), als dass der Einfluss des Tourismus auf die Bereiche A3 und A10 als (sehr) positiv bewertet und zugleich der Einfluss dieser beiden Bereiche auf die Lebenszufriedenheit weniger bedeutend ist. Auch für den Bereich A2 Beschäftigungsmöglichkeiten ergeben sich zumeist Werte nahe 1 (grüne Flächen). Für die Gruppe der 25- bis 29-Jährigen und für Befragte aus der Stadt Kempten gibt die Fuzzy Logic mit 0,7 etwas niedrigere Werte aus. Hier könnte ein Corona-Effekt vermutet werden: vielleicht sind insbesondere Berufseinsteiger:innen oder Personen in der Berufsorientierung gegenüber der Tourismusbranche als Arbeitgeber vor dem Hintergrund der Pandemie eher kritisch eingestellt und finden im Raum Kempten eine Reihe alternativer Branchen und Beschäftigungsfelder.

Bei Item A8 Mobilitätslösungen streuen die Ergebniswerte der Fuzzy Logic stark. Regionale Effekte werden für den Landkreis Lindau und die Stadt Kempten im Vergleich zu den anderen Landkreisen durch niedrigere Ergebniswerte deutlich. Zwei Zielgruppen fallen besonders auf: Die Altersgruppen ab 50 Jahren oder älter unterscheiden sich durch niedrigere Werte von jüngeren Gruppen. Möglicherweise liegt dies an einer geringeren Toleranz, im Stau zu sehen bzw. warten zu müssen. Auch diejenigen, die sich vom Tourismus besonders gestört fühlen, weisen deutlich niedrige Ergebniswert (0,04) auf als solche, die sich vom Tourismus eher nicht gestört fühlen (Ergebniswert von 0,96). Für touristische Entscheider:innen könnte dieser Unterschied ein Hinweis darauf sein, dass der Unmut über den Tourismus in Mobilitätsthemen eine Hauptursache – neben Lebenshaltungskosten, Wohnraumverfügbarkeit und Ökologie – hat. Am Beispiel Lindau zeigt sich zudem, dass sowohl die Stichprobe als auch die Fuzzy Logic als Auswertungsmethode regionale Problemlagen herauszustellen vermag. Die Altstadt Lindaus liegt auf einer Binneninsel im östlichen Bodensee und ist bei Tourist:innen sehr beliebt. Aufgrund der Insellage und der dichten historischen Bebauung sind die Parkmöglichkeiten sehr begrenzt. Dennoch fahren Tourist:innen trotz polizeilicher Warnung auf der Suche nach einem Parkplatz auf die Insel und erzeugen so extreme Stausituationen (was sich einem sehr niedrigen Kennwert von 0,055 zeigt).

Tabelle 3:

Heatmap mit Kennwerten nach Berechnung über Fuzzy Logic

Quelle: eigene Abbildung nach eigener Berechnung,

Legende: Die mittleren 50 % der Werte in der Tabelle sind orange eingefärbt; Werte darunter sind rot unterlegt, Werte darüber grün.

Im Gegensatz zu den oben berichteten Items mit Ergebniswerten mehrheitlich nahe 1 (grün), liegen die Ergebniswerte der Fuzzy Logic für alle Aufrissgruppen bei Item A5 Verfügbarkeit von ausreichend bezahlbarem Wohnraum unter 0,05. Dieses Ergebnis spiegelt wider, dass bezahlbarer Wohnraum eine hohe Relevanz für die Lebenszufriedenheit der Befragten hat und zugleich der Einfluss des Tourismus darauf als (sehr) negativ bewertet wird. Ein ähnliches Bild, wenn auch in leicht abgeschwächter Form, zeigt sich für das Item A4 Lebenshaltungskosten. Auch bei Item A11 Ökologische Faktoren zeigen sich vorwiegend Werte unter 0,1. Hier spiegelt sich die hohe Relevanz ökologischer Faktoren für die individuelle Lebenszufriedenheit wider. Zudem offenbaren sich geschlechtsspezifische Unterschiede: Frauen sind ökologische Faktoren wichtiger und sie bewerten den Einfluss des Tourismus darauf zugleich negativer als Männer. Zugleich werden dem Tourismus negative Einflüsse auf diesen Bereich zugeschrieben. Eine mögliche Konsequenz aus DMO-Perspektive könnte sein, die Effekte des Tourismus auf lokale Wohnungsmärkte, auf die Lebenshaltungskosten sowie auf die ökologische Tragfähigkeit zu untersuchen. Je nach Ergebnis könnten dann konkrete Maßnahmen ergriffen werden. Dazu zählen bspw. Zonierungskonzepte (Klein et al., 2020, S. 11), Regulierung über Flächennutzungspläne, Maßnahmen des Besuchermanagements, Gästekarten-Vergünstigungen auch für Einwohner:innen oder aber kommunikative (Aufklärungs-)Maßnahmen zur Versachlichung und dem Abbau von Vorurteilen.

Die Diskussion der Ergebnisse fokussierte sich auf Items mit besonders hohen oder besonders niedrigen Ergebniswerten – mit dem Ziel, Ansatzpunkte für Veränderungsprozesse aufzuzeigen. Nicht zu vernachlässigen sind die Bereiche A1 Finanzielle Situation, A6 Sicherstellung der Nahversorgung, A7 Gesundheitsversorgung und A9 Sicherheit, die mit Ergebniswerten zwischen 0,60–0,75 im Mittelfeld liegen und damit nur einen moderaten Handlungsbedarf signalisieren. Aus Platzgründen werden diese hier nicht weiter diskutiert.

5.1 Diskussion

Das methodische Vorgehen sowie die empirischen Ergebnisse sollen hier eingeordnet und diskutiert werden. Als Referenzstudien werden die Untersuchungen von Pikkemaat und Siller (2020) sowie die Untersuchung des Deutschen Wirtschaftswissenschaftlichen Instituts für Fremdenverkehr e.V. (dwif, 2023) zur Tourismusakzeptanz in der Tourismusregion Berchtesgaden herangezogen. Die Auswahl der Studien ist durch ihre Aktualität, ihre vergleichbare geographische Lage und inhaltliche Stoßrichtung sowie unterschiedliche methodische Vorgehensweisen motiviert. Zudem adressieren sie die Effekte des Tourismus aus Sicht der Einwohner:innen anhand von Befragungsdaten. Während die Untersuchung des dwif die oben beschriebene Methodik zur Berechnung des Tourismusakzeptanzsaldos TAS nutzt, hat die Studie von Pikkemaat und Siller die Entwicklung eines neuen Lebensqualitäts-Index zum Ziel. Dieser soll erfassen, wie sich der Tourismus auf die Lebensqualität der Bewohner:innen in einer Tourismusregion auswirkt.

Die empirischen Befunde der genannten Studien weisen starke Überlappungen auf. Sowohl die Studie des dwif (2023, S. 29 ff.) als auch die Untersuchung von Pikkemaat und Siller (2020, S. 39 ff.) zeigen, dass sich der Tourismus aus Sicht der Befragten positiv auf die Bekanntheit des Wohnortes und das Freizeitangebot auswirkt sowie positive Beschäftigungseffekte für die einheimische Bevölkerung hat. Dies deckt sich mit den eigenen Befunden (wobei die Bekanntheit des Wohnorts hier nicht abgefragt wurde, vgl. Abb. 4). Pikkemaat und Siller (ebd.) sowie die vorliegende Studie zeigen zudem, dass sich der Tourismus aus Sicht der Befragten positiv auf die (Nah-)Versorgungssituation auswirkt. Bei der Betrachtung der negativen Effekte des Tourismus sind es v. a. die Lebenshaltungskosten, Verkehrsprobleme sowie ökologische Probleme, die die Befragten auf den Tourismus zurückführen. Auch dies deckt sich mit den eigenen Befunden.

Unterschiede bei der Bewertung der Effekte des Tourismus auf die Akzeptanz bzw. Lebenszufriedenheit zeigen sich v. a., wenn der wirtschaftliche Bezug der Befragten zum Tourismus betrachtet wird. Die Ergebnisse des dwif (2024, S. 19) für die Region Berchtesgaden zeigen, dass Personen, die einen wirtschaftlichen Bezug zum Tourismus haben, dessen Effekte sowohl für den Wohnort als auch für sich persönlich positiver bewerten. Auch Pikkemaat und Siller (2020, S. 33 ff.) prüfen diesen Effekt, wobei sie zwischen unterschiedlichen Faktoren unterscheiden. „Die Beschäftigung im Tourismus hat einen negativen Effekt auf die Zufriedenheit mit den wirtschaftlichen und sozialen Faktoren, während die Zufriedenheit mit dem ökologischen Faktor (Tourismusaufkommen, Umweltschutz, Boden-/Flächennutzung, Verkehrsaufkommen) steigt, wenn der Befragte im Tourismus beschäftigt ist“ (ebd., S. 33 ff.). Die eigenen mittels Fuzzy Logic ermittelten Kennwerte weisen für Personen mit einer hohen beruflichen oder finanziellen Abhängigkeit vom Tourismus mit 0,965 einen Wert nahe 1 für das Item A1 Finanzielle Situation (hohe Wichtigkeit der finanziellen Situation für die Lebenszufriedenheit und positive Bewertung des Tourismus auf die finanzielle Situation) und einen Wert von 0,32 für das Item A4 Lebenshaltungskosten (im Gegensatz zu 0,05 für Personen ohne finanzielle Abhängigkeit von Tourismus) auf. Letzteres bedeutet, dass Personen, die im Tourismus beschäftigt sind, den Einfluss des Tourismus auf die Lebenshaltungskosten weniger negativ bewerten als Personen, die finanziell nicht vom Tourismus abhängig sind. Die weitere Forschung kann unter Betrachtung von Kontextvariablen zur Beschäftigungsstruktur (Bruttoeinkommen, Anteil der Voll- und Teilzeit- sowie Saisonkräfte) mögliche Ursachen zur Erklärung der Unterschiede in den betrachteten Untersuchungsräumen analysieren (vgl. Sommer et al., 2024).

Weitere Unterschiede können auf die Art der Fragestellung und dem damit verbundenen Erkenntnisinteresse zurückgeführt werden. So adressiert die Untersuchung des dwif (2023) noch Fragen der Verteilungsgerechtigkeit, indem sie bspw. erfasst, für wen touristische Angebote in erster Linie gemacht sind (Einheimische oder Gäste) und wer v. a. vom Tourismus profitiert (ebd., S. 39). Die vorliegende Studie unterscheidet sich zudem von der Erhebung von Pikkematt und Siller (2020), indem sie nicht direkt nach der Zufriedenheit mit den einzelnen Indikatoren fragt (ebd., S. 27–28), sondern nach der Wichtigkeit dieser Indikatoren für die Lebenszufriedenheit der Befragten.

Dies mag zunächst wie eine Nuance wirken, kann für die Destinations- und Regionalentwicklung aber einen wichtigen Unterschied machen, insbesondere bei der Priorisierung von Maßnahmen. So geben bspw. knapp 60 % der Befragten im Allgäu an, dass der Tourismus einen (sehr) positiven Effekt auf das kulturelle Angebot und die Freizeitinfrastruktur in der Region hat. Allerdings rangiert die Wichtigkeit dieser Items für die Lebenszufriedenheit der Befragten nur auf den letzten beiden Plätzen. Sehr viel wichtiger für die Lebenszufriedenheit sind die Gesundheits- und Nahversorgung, aber auch die eigene finanzielle Situation und ökologische Faktoren.

Pikkemaat und Siller (2020, S. 41 ff.) weisen den ‚Lebensqualitäts-Index Tirol‘ graphisch in Form von zwei separaten Kreisdiagrammen (jeweils für ‚Zufriedenheit’ und ‚Einfluss’, differenziert nach den Faktoren ‚Sicherheit’, ‚Ökologie’, ‚Soziales’ und ‚Wirtschaft’) sowie in Netzdiagrammen mit den betrachteten Indikatoren aus. Im Gegensatz dazu stellen die Kennwerte der weiter oben präsentierten Heatmap eine Verrechnung von ‚Wichtigkeit des jew. Items für die Lebenszufriedenheit’ mit dem wahrgenommenen ‚Einfluss des Tourismus auf das jew. Item’ dar; die relevanten Informationen werden also zu einem Kennwert verrechnet. Dabei sind weder die zugrunde liegenden Annahmen noch die Ergebnisse ausschließlich wahr oder falsch, sondern berücksichtigen linguistische Nuancen und können somit destinationsspezifisch definiert werden.

Zusammenfassend und aus einer Praxisperspektive kann festgehalten werden, dass die diskutierten Ansätze durchweg die Identifikation von ‚Schmerzpunkten’ erlauben und damit wichtige Hinweise für die Destinationsentwicklung liefern können. Im Rahmen der weiteren Forschung kann bspw. im Rahmen von Fokusgruppen mit tourismuspolitischen Entscheider:innen untersucht werden, welcher Ansatz und Differenzierungsgrad aus Sicht der Praxis am vielversprechendsten ist und weiter forciert werden sollte.

5.2 Limitationen

Inwiefern der hier präsentierte Ansatz als Blaupause für andere Regionen und Destinationen geeignet ist, kann kritisch hinterfragt werden. Primärerhebungen wie die hier vorliegende Repräsentativbefragung sind überwiegend ressourcenintensiv, insbesondere hinsichtlich der Kosten und dem erforderlichen zeitlichen Aufwand für Vorbereitung, Umsetzung und Auswertung. Aufgrund der hohen Kosten werden die Erhebungen zumeist nicht wiederholt, wodurch keine Analyse von Trends anhand konsistenter Zeitreihen möglich ist. Zudem erfordern Repräsentativbefragungen ein hohes Maß an Sorgfalt bei der Stichprobenziehung (v. a. bei schwieriger Erreichbarkeit spezieller Zielgruppen), sind anfällig für Antwortverzerrungen (vgl. bspw. Attitude-Behavior-Gap, Ajzen & Fishbein, 1977) und spiegeln nur das wider, was die Befragten zum Befragungszeitpunkt für wahr und richtig halten bzw. empfinden.^[8]

Zur Auswertung der Umfrageergebnisse wurde sich der Fuzzy Logic bedient. Die Methode ist zwar in der Tourismusforschung etabliert, wurde allerdings noch nicht zur Analyse touristischer Effekte auf die Lebenszufriedenheit der lokalen Bevölkerung in Destinationen genutzt. Daher konnte für die Definition der Kennlinien von Eingangs- und Ausgangsgrößen auf keine Referenzstudien zurückgegriffen werden. Zugleich unterliegen die formulierten Fuzzy-Regeln Annahmen über den (erwarteten) Einfluss des Tourismus auf eine Region bzw. auf die einheimische Bevölkerung. Diese Annahmen sind in gewisser Weise normativ und je nach Untersuchungsgegenstand bzw. Destination anzupassen.

5.3 Ausblick

Für die nachhaltige Destinationsentwicklung erscheinen Repräsentativbefragungen aus diesem Blickwinkel ein Baustein von mehreren zu sein. Die verwendete Variablenauswahl erfasst die in der Tourismusforschung diskutierten und in der Praxis identifizierten Bereiche, die durch den Tourismus beeinflusst werden. An dieser Stelle ist zu erörtern, inwiefern die entsprechenden Akteur:innen in der Destination einen Handlungsspielraum im jeweiligen Themenfeld haben, oder ob die Aufgabe vorrangig aus dem Zusammenbringen der tatsächlichen Entscheider:innen und relevanter Akteur:innen bestehen könnte (Bieger & Beritelli, 2013, S. 88 ff.). Zur Interpretation sollten externe Daten hinterlegt werden (Sommer et al., 2024).

Welche Konsequenzen hat es beispielsweise für die Destinationsentwicklung, wenn die Mehrheit der Befragten der Meinung ist, dass sich der Tourismus negativ auf die Verfügbarkeit von Wohnraum und die Lebenshaltungskosten auswirkt? Kommunen und DMOs wären schlecht beraten, alleine auf dieser Basis Maßnahmen zu ergreifen. Viel eher sollte dieser Befund als ‚Warnleuchte’ interpretiert und dazu genutzt werden, lokale Wohnungs- und Immobilienmärkte genauer zu betrachten. Vielleicht ist die Situation auch auf ein positives Wanderungssaldo zurückzuführen und gar nicht (nur) auf den Tourismus. Entsprechend würden die Verantwortlichkeiten bei anderen (kommunalpolitischen) Akteur:innen liegen und Maßnahmen anders akzentuiert werden.

Vor dem Hintergrund dieser Überlegungen können die hier gewonnenen Erkenntnisse zur Entwicklung eines standardisierten und skalierbaren Verfahrens zur Messung tourismusinduzierter Effekte auf die Lebenszufriedenheit der lokalen Bevölkerung in Destinationen genutzt werden. Für die weitere Forschung- und Entwicklungsarbeit sollte der Versuch unternommen werden, die hier untersuchten lebensweltlichen Dimensionen der Befragten mit Daten der amtlichen Statistik abzubilden bzw. zu ergänzen (vgl. UBA, 2023; Sommer et al., 2024). Im Gegensatz zu Umfragen bieten Daten der amtlichen Statistik den Vorteil, dass sie regional wie auch überregional als Zeitreihen vorliegen (ermöglicht die Analyse von Trends), standardisiert erfasst (Vergleichbarkeit zwischen Destinationen möglich) und größtenteils kostenlos bezogen werden können. Damit bieten sie sich auch zur Objektivierung und Versachlichung von Themen und Konflikten an, die aus Sicht der Bevölkerung (vermeintlich) dem Tourismus zugeschrieben werden. Perspektivisch könnte dies ein automatisiertes und KI-gestütztes Trendmonitoring ermöglichen – ggf. flankiert von Repräsentativbefragungen der Bevölkerung in mehrjährigen Abständen.

Der Alltag in vielen Destinationen ist von Aktionismus geprägt; häufig wird erst reagiert, wenn das Kind (hier: die tourismusinduzierte Lebenszufriedenheit) schon in den Brunnen gefallen ist. Unterstützte Vision dieser Untersuchung ist die Idee der informierten und souveränen Destination, die die nachhaltigkeitsorientierte Destinationsentwicklung vorausschauend und proaktiv steuert, weil durch regelmäßige Datenauswertungen und Erhebung abgeleitet werden kann, wo die Problemfelder liegen. Dabei haben DMOs allerdings nicht die Aufgabe, für eine hohe Lebenszufriedenheit der einheimischen Bevölkerung zu sorgen (Bieger & Beritelli, 2013, S. 81 ff.); zudem wird die Lebenszufriedenheit von zahlreichen individual-psychologischen Merkmalen bedingt, die sich dem Einfluss von DMOs entziehen (Beierlein et al., 2014; Wirtz, 2021). Analysen wie die vorliegende Studie können von DMOs allerdings als Orientierungshilfe bei der Priorisierung von Handlungsfeldern und bei der Maßnahmenentwicklung genutzt werden – mit dem Ziel, negative Effekte auf die Lebenszufriedenheit der Einwohner:innen zu mildern und förderliche Rahmenbedingen für ihre Entstehung zu schaffen.