Wie wir Aussagen prüfen.

Wir nehmen eine Pauschalaussage, wie man sie im Alltag hört („Wo viele X, da viel Y"), und prüfen sie an Daten für alle 400 deutschen Landkreise.

Unsere Rolle ist die des Schiedsrichters: Wir prüfen Aussagen aus allen politischen Richtungen, bestätigen sie genauso wie wir sie widerlegen. Wir haben kein Lager — nur Daten.

Wichtig: Wir beschreiben Muster zwischen Regionen, wir bewerten keine Menschen und keine Parteien. „In Kreisen mit Merkmal A ist Merkmal B im Schnitt höher" ist eine Beobachtung über Regionen, kein Urteil über Einzelne.

Wir nutzen den Korrelationskoeffizienten r nach Pearson. Er misst, wie stark zwei Größen über die 400 Kreise zusammen ansteigen oder fallen — und in welche Richtung.

• r = +1 — perfekter Gleichlauf: wo das eine hoch ist, ist das andere hoch.
• r = 0 — kein linearer Zusammenhang.
• r = −1 — perfekter Gegenlauf: wo das eine hoch ist, ist das andere niedrig.

Als Faustregel: |r| ab etwa 0,2 ist ein schwacher, ab 0,4 ein mittlerer, ab 0,6 ein starker Zusammenhang. Wir nennen den r-Wert in jedem Faktencheck offen — du musst ihn nicht glauben, du kannst ihn nachrechnen.

Jeder Faktencheck endet mit einem von drei Urteilen:

Das Urteil bezieht sich immer auf die pauschale Formulierung. „Teils" heißt nicht „egal", sondern: die einfache Geschichte greift zu kurz.

• Kreis ≠ Person (ökologischer Fehlschluss). Eine Karte zeigt Durchschnitte über Regionen, keine einzelnen Menschen. Aus einem Kreis-Zusammenhang folgt nichts über eine konkrete Person.
• Zusammenhang ≠ Ursache. Dass zwei Größen gemeinsam auftreten, heißt nicht, dass die eine die andere verursacht. Querschnittsdaten zeigen Muster, keine Wirkketten.
• Störfaktoren (Konfundierung). Großstadt, Alter oder Wohlstand können zwei Größen gleichzeitig nach oben ziehen und so einen Schein-Zusammenhang erzeugen. Wo es darauf ankommt, rechnen wir solche Faktoren mit der partiellen Korrelation heraus und sagen, was vom Zusammenhang übrig bleibt.

Zu jedem aktiven Indikator zeigt Atlas einen Konfidenz-Score (5–95 %). Er macht transparent, wie belastbar die Regions-Aussage ist — Anbieter wie Microm oder Sinus geben solche Werte nicht heraus, wir schon.

Der Score kombiniert zwei Größen, live berechnet über alle Flächen der aktiven Ebene (Zellen, Gemeinden, Kreise, Wahlkreise oder Bundesländer):

• Stichprobengröße n — Anzahl Flächen mit Wert: n ≥ 200 → 50 Punkte · n ≥ 50 → 30 · darunter → 10
• Streuung — Variationskoeffizient σ/|Mittel|: ≤ 0,35 → +40 Punkte · ≤ 0,8 → +25 · darüber → +10

Einordnung: Hoch ≥ 70 % · Mittel 40–69 % · Niedrig < 40 % („Vorsicht"). Bei zwei kombinierten Indikatoren (Bivariat-Modus) gilt das Minimum der Einzel-Scores. Angezeigt werden außerdem n, σ und der Spread P5–P95.

Ausnahme Absolutwert-Zähler (Einwohner, Personen, Gebäude): Deren große Streuung ist reale Siedlungsstruktur — Dorf-Zelle neben Stadt-Zelle — und keine Datenunsicherheit. Dort fließt σ nicht in den Score ein; er ergibt sich allein aus n (≥ 1000 → 90 · ≥ 200 → 75 · ≥ 50 → 50 · darunter → 25), und die Box kennzeichnet den Indikator als „Absolutwert".

Wichtig: Der Score misst die Belastbarkeit des Aggregats, nicht die Trefferquote pro Person. Ein Score von 85 % heißt: die Regions-Unterschiede sind statistisch stabil — nicht: 85 % der Menschen dort passen ins Profil (ökologischer Fehlschluss).

Jeder Indikator trägt die Bezeichnung seiner Quelle. Ein Zweitstimmenanteil heißt Zweitstimmenanteil, ein Ausländeranteil heißt Ausländeranteil, ein Einkommensanteil heißt Einkommensanteil — auch dort, wo eine weichere Formulierung im Gespräch bequemer wäre.

Das ist eine bewusste Entscheidung. Sobald ein Label etwas behauptet, das die Statistik nicht hergibt — ein Motiv, eine Kaufabsicht, ein „Milieu“ —, ist es keine Übersetzung mehr, sondern eine zweite, ungeprüfte Aussage. Wer mit diesen Karten Budget verteilt, muss unterscheiden können, was gemessen wurde und was jemand daraus geschlossen hat. Genau diese Grenze verwischt eine schöne Bezeichnung.

Eine Ausnahme gibt es, und sie ändert nichts an der Aussage: Senioren-Anteil steht für den Anteil der Bevölkerung ab 65 Jahren (Zensus 2022) — dieselbe Größe, nur besser lesbar als „ab 65 %“.

Wie belastbar eine einzelne Zahl ist, steht in der Konfidenz-Box an jeder Karte.

Bei aktivem %-Indikator zeigt Atlas auf der 1km-Karte eine Streuverlust-Box: Was bringt die räumliche Selektion gegenüber einer naiven DE-flächigen Kampagne?

• Trefferquote — einwohnergewichteter Mittelwert des Indikators über ein Zell-Set. „DE-weit“ rechnet über alle ~210.000 Zellen, „Auswahl“ über die selektierten.
• Auswahl — der aktive Bundesland- bzw. Mindest-Einwohner-Filter. Ohne Filter zeigt die Box eine Top-20-%-Vorschau: die am stärksten passenden Zellen, kumuliert bis 20 % der DE-Bevölkerung.
• Budget-Ersparnis = 1 − (Trefferquote DE ÷ Trefferquote Auswahl). Annahme: Mediakosten proportional zur erreichten Bevölkerung, verglichen wird bei gleicher Zahl erreichter Zielpersonen. Beispiel: 8 % → 22 % Trefferquote ergibt 64 % Ersparnis.
• Reach / Zielpersonen — Einwohner der Auswahl und die darin enthaltene Zielgruppe (Bevölkerung × Anteil).

Gerechnet wird exakt auf Zell-Ebene (echte gemeinsame Verteilung, keine Anteil-Multiplikation) — mit denselben Werten, die auch die Karte einfärbt. Liegt die Auswahl unter dem DE-Schnitt, sagt die Box das ehrlich: „kein Vorteil“. Wie beim Konfidenz-Score gilt: Aggregat-Daten beschreiben Gebiete, nicht Personen (Ecological Fallacy).

Das Panel „Was hängt damit zusammen?“ zeigt keine Rangliste starker Zahlen, sondern das Ergebnis von vier Prüfungen. Jede davon streicht Treffer, die gut aussehen und nichts aussagen.

• Nur innerhalb einer Ebene. Die Indikatoren des Atlas liegen auf verschiedenen Geometrien: 53 auf der 1-km-Zelle (210.556 Flächen), 8 auf Gemeindeebene (10.886), 16 auf Kreisebene (400). Kreis- und Gemeindewerte werden auf der Karte auf Zellen durchgepaust — sie sehen zellgenau aus, sind es aber nicht. Wir rechnen deshalb nie über eine Ebenengrenze hinweg. Aggregieren nach oben ist erlaubt und steht an jeder Zahl; Vererben nach unten kommt nicht vor.
• r² statt r. Angezeigt wird die erklärte Streuung. „Erklärt 21 %“ ist ehrlich; „r = 0,46“ klingt nach mehr, als es ist. Den r-Wert führen wir klein daneben. Signifikanz (p) zeigen wir bewusst nicht: bei 10.000 Gemeinden wird fast jeder Zusammenhang signifikant, das Maß trennt hier nichts mehr.
• Ost/West-Test als Ampel. Jeder Treffer wird zusätzlich getrennt für West und Ost gerechnet. Grün heißt: hält in beiden Hälften. Rot heißt: zerfällt beim Aufteilen — der Zusammenhang misst dann vor allem den Unterschied zwischen Ost und West. Solche Treffer verstecken wir nicht, wir schreiben den Grund darunter. Beispiel: Gebäude vor 1949 gegen den AfD-Anteil liegt bundesweit bei +0,61 und im Westen allein bei +0,12. Auf Gemeindeebene überlebt rund ein Drittel aller Zusammenhänge diesen Test nicht.
• Selbstverständlichkeiten raus. Indikatoren aus derselben Erhebungsfrage hängen definitorisch zusammen — Anteile, die sich zu 100 % ergänzen, müssen gegenläufig sein. Ebenso gefiltert: Größen, die in Wahrheit die Einwohnerzahl sind („mehr Menschen, mehr Apotheken“). Das ist Arithmetik, keine Erkenntnis.

Zwei Zahlen, zwei Fragen. Jeder Zusammenhang lässt sich je Einwohner oder je Fläche rechnen. Einwohnergewichtet zählt eine Großstadt mehr als ein Dorf — das ist die Frage, die eine Standortsuche stellt, und deshalb unsere Voreinstellung. Ungewichtet zählt jede Gemeinde gleich. Der Unterschied ist erheblich: Ausländeranteil und Miete hängen je Gemeinde zu 13 % zusammen, je Einwohner zu 43 %. Beide Zahlen stimmen. Deshalb steht die Gewichtung immer an der Zahl, und der Schalter ist einen Klick entfernt.

Die Grenze, die bleibt. Es sind Merkmale von Flächen, nicht von Menschen. Auf der Karte hängt ein höheres Durchschnittsalter schwach positiv mit dem AfD-Anteil zusammen; in Wahlbefragungen sind die über 70-Jährigen die schwächste AfD-Gruppe. Beides stimmt gleichzeitig — wer von der Fläche auf die Person schließt, liegt falsch. Und ein Zusammenhang ist keine Ursache: Ölheizungen wählen nicht.

Die geführte Tour auf der 1-km-Karte zeigt 17 Zellen mit auffälligen Werten, darunter Ränge: der dichteste, der jüngste, der älteste Quadratkilometer. Für einen solchen Rang zählen nur Zellen ab 300 Einwohnern.

Der Grund ist Arithmetik, nicht Vorsicht: Ein Anteilswert in einer Zelle mit zwölf Bewohnern wird von Einzelfällen bestimmt. Unterhalb von 300 Einwohnern reichen die Nettokaltmieten von 1,00 bis 39,35 €/m², oberhalb von 1,90 bis 41,29 — die Extreme der kleinen Zellen sind keine besonders teuren und billigen Lagen, sondern dünne Datengrundlage.

Wo die Tour einen Rang behauptet, prüft ihn ein Wächter bei jedem Datenstand gegen den ausgelieferten Datensatz. Er schlägt auch an, wenn eine Überschrift einen Superlativ führt, ohne dass ein Rang hinterlegt ist — genau so blieb bis August 2026 eine falsche Angabe zur teuersten Wohnlage unbemerkt, während alle Einzelwerte für sich stimmten.

Zwei Grenzen bleiben. Die Schwelle von 300 ist eine Setzung von uns, keine amtliche Vorgabe. Und ein einzelner Ausreißer kann auch darüber stehen: Den höchsten Mietwert Deutschlands weist der Zensus mit 41,29 €/m² in Recklinghausen aus — das Sechsfache des dortigen Mietspiegels. Wir können den Wert weder widerlegen noch plausibilisieren und spielen ihn deshalb nicht als Rekord aus.

Wir nutzen ausschließlich offene, frei lizenzierte amtliche Daten (DL-DE 2.0 oder ODbL):

• Zensus 2022 (Statistische Ämter) — Bevölkerung, Alter, Herkunft, Wohnen
• INKAR / BBSR — über 500 regionalstatistische Indikatoren auf Kreisebene
• destatis — u. a. Insolvenzen, Tourismus, PKW-Bestand
• Bundeswahlleiterin — Bundestagswahl-Ergebnisse (zuletzt 2025)
• KBA — Kraftfahrt-Bundesamt (Fahrzeugbestand, E-Auto-Anteil)
• BKA PKS — Polizeiliche Kriminalstatistik
• OpenStreetMap & BKG — Geometrien und Erreichbarkeit

Quelle und Datenjahr stehen in jedem Faktencheck. Nichts Geheimes, nichts Gekauftes.

Das ist der Kern: Du musst uns nicht glauben. Jeder Faktencheck verlinkt die interaktive Karte im Atlas — denselben Datensatz, mit dem wir gerechnet haben. Über einen Direkt-Link öffnet sich genau der Indikator (oder die Kombination zweier Indikatoren), um den es im Video ging.

Wir verstecken auch die Gegen-Korrelationen nicht: Wenn eine andere Größe das Muster besser erklärt, kannst du das in derselben Karte selbst sehen.

Zur interaktiven Karte

Glaubwürdigkeit ist unser wichtigstes Gut. Deshalb mischen wir über eine Staffel hinweg bewusst bestätigte und widerlegte Aussagen aus verschiedenen Richtungen — wer nur eine Seite prüft, ist nicht neutral.

Wir formulieren beschreibend, nicht wertend, und nennen Unsicherheiten offen. Findest du einen Fehler oder eine fragwürdige Einordnung? Schreib an beratung@kaatai.de — wir korrigieren transparent und sichtbar.