Die hier dargestellten Personas basieren auf einer Beschreibung statistischer Cluster ausgehend von den 19,4 Millionen Wohngebäuden, die in der Datenbank der infas 360 GmbH erfasst sind. Die Datenbasis für diese Analysen bildet die Adress- und Gebäudedatenbank von infas 360, die alle 23,5 Millionen Adressen für alle Haushalte und Firmen in Deutschland enthält und diese hinsichtlich verschiedener Merkmale beschreibt: Gebäudetyp, Bebauungsstruktur, Sozio-Demographie, Infrastruktur, Siedlungsstruktur und vieles mehr.

 

Mit Hilfe dieser Daten wurde eine Clusteranalyse durchgeführt. Dabei handelt es sich um ein exploratives Verfahren, das dazu dient, Muster in großen Datenmengen zu erkennen. Dabei werden Gruppen gebildet, die in sich möglichst homogen sind und sich von anderen Gruppen möglichst gut unterscheiden.

 

Bei einer Clusteranalyse ist die Auswahl der Merkmale, die in die Analyse einfließen, wesentlich und richtungsweisend für die Ergebnisse. Die hier ausgewählten Merkmale repräsentieren die Wohnsituation hinsichtlich energetischer Fragestellungen sowie Aspekte der Infrastruktur, Mobilität und Lage. Die genauen Parameter, die in das Modell einfließen, sind: Gebäudetyp, Energiebedarf, Vorhandensein von Fernwärme, Preisklasse pro Wohneinheit, Einkommensklassen, Eigentümeranteil, Eigentumsform, E-Auto-Anteil, E-Ladedichte, PKW-Dichte, ÖV-Anbindung, ÖV-Fahrten, Ortslage und Gemeindetyp.

 

In einem ersten Schritt wurde mit Hilfe einer hierarchisch-agglomerativen Clusteranalyse die ideale Anzahl von Gruppen ermittelt. Diese beträgt für den Datensatz und die gewählten Merkmale 20 Gruppen. Anschließend wurde der Gesamtdatensatz mit einer partitionierenden Clusteranalyse in 20 Gruppen aufgeteilt. Da eine Clusteranalyse sehr rechenintensiv ist, wurde das Verfahren auf einer Stichprobe von 19.409 Adressen gerechnet und anschließend über eine Diskriminanzanalyse auf alle 19,4 Mio. Wohngebäude übertragen. Im Ergebnis erhält jede Adresse eine Zuordnung zu einer Clustergruppe.

 

Um aus diesen Ergebnissen inhaltliche Aussagen ableiten zu können, wurden die gebildeten Gruppen noch durch eine Reihe von mikrogeographischen Merkmalen beschrieben und zueinander in Beziehung gesetzt. So entstehen nach und nach erkennbare Muster in den Gruppen, die sich hinsichtlich der Wohn- und Mobilitätssituation genauer beschreiben lassen.

 

Am Ende des Prozesses hat eine Arbeitsgruppe des Sozial-Klimarats die einzelnen Clustern auf Basis der erhobenen auf einem Anpassungsfähigkeits-Index eingeordnet (gut, mittel, schlecht). Am Ende wurden sieben Cluster aufgrund großer Ähnlichkeiten in drei Gruppen („Die prekäre Aufbaugeneration“, „Boomer mit älteren Häusern“ und „Eigentümer an der Belastungsgrenze“) zusammengefasst. Somit haben sich letztlich 16 Personas auf Basis der 20 in der Analyse entwickelten Cluster ergeben.

 

Nähere Informationen zu Infas360 und den genutzten Daten sind hier abrufbar: https://datenkatalog.infas360.de/