⚡ chargemyride.liveStatistik zur Ladeinfrastruktur →

🔍 Entdeckungen: bisher unbeschriebene Zusammenhänge

In einfachen Worten: Der Computer vergleicht alle Eigenschaften der 400 Kreise miteinander – etwa Einkommen, E-Autos, Ladepunkte, Preise – und sucht Paare, die auffällig oft gemeinsam hoch oder gemeinsam niedrig sind. Dann prüft er, ob das nur daran liegt, dass Städte und Land, Ost und West oder arm und reich sich ohnehin unterscheiden. Grün heißt: Das Muster bleibt – da steckt etwas Neues dahinter. Rot heißt: Es war nur ein Umweg über eine bekannte Ursache.

Wie genau entstehen diese Entdeckungen? Ein Programm rechnet jede Kreisgröße gegen jede andere (28 Größen, über 378 Paare) und behält nur, was stark ist (Rangkorrelation |ρ| ≥ 0,25), auf mindestens 100 Kreisen beruht, nicht schon bekannt ist (die Befunde im Überblick) und nicht per Definition zusammenhängt (etwa Ladepunkte und Ladepunkte je Fläche). Zu jeder Entdeckung machen wir die Gegenprobe: Bleibt der Zusammenhang, wenn man Verdichtung, Einkommen, Ost/West und E-Auto-Anteil herausrechnet? Was dann noch übrig ist, ist wirklich neu – was verschwindet, war ein Umweg über eine dieser Größen.

12Entdeckungen in dieser Auswahl
10robust – bleiben nach der Gegenprobe
2abgeschwächt – teils durch Störgrößen
0Scheinzusammenhang – verschwindet
📖 Statistik-Lexikon: ρ, p-Wert, signifikant, ε² … einfach erklärt
Median
Der mittlere Wert: Die Hälfte liegt darunter, die Hälfte darüber. Anders als der Durchschnitt lässt er sich von wenigen Ausreißern (eine Säule für 1,20 €/kWh) nicht verziehen.
n (Fallzahl)
Wie viele Säulen, Kreise oder Rechnungen in die Zahl eingehen. Je größer n, desto verlässlicher – und desto eher wird auch ein kleiner Unterschied „signifikant“.
Korrelation ρ (Spearman)
Misst, ob zwei Größen gemeinsam steigen oder fallen, von −1 bis +1. +1: Je mehr vom einen, desto mehr vom anderen – immer. −1: genau gegenläufig. 0: kein Zusammenhang. Faustregel: unter 0,1 praktisch keiner, bis 0,3 schwach, bis 0,5 mittel, darüber stark. Spearman vergleicht Ränge statt Werte und ist deshalb robust gegen Ausreißer.
p-Wert
Wie wahrscheinlich ein mindestens so deutliches Ergebnis wäre, wenn es in Wahrheit gar keinen Zusammenhang gäbe – also durch reinen Zufall. p = 0,03 heißt: in 3 von 100 Zufallswelten. Unter 0,05 nennt man ein Ergebnis „statistisch gesichert“ oder „signifikant“. Der p-Wert sagt nicht, wie groß oder wichtig ein Effekt ist.
Signifikant ≠ wichtig
Mit 5.000 Säulen ist auch ein Unterschied von 0,1 Cent signifikant. Ob er zählt, sagt die Größe des Effekts (ρ, ε², Prozentpunkte), nicht der p-Wert.
ξ² (erklärter Anteil)
Welcher Teil der Unterschiede zwischen allen Fällen durch die Gruppen erklärt wird – 0 % gar keiner, 100 % alles. „Der Betreiber erklärt 88 % der Preisunterschiede“ heißt: Kennt man den Betreiber, weiß man fast schon den Preis. Korrigiert um die Zahl der Gruppen, damit viele kleine Gruppen nicht künstlich viel erklären.
R²
Dasselbe fßr ein Regressionsmodell: Welcher Anteil der Unterschiede das Modell als Ganzes erklärt.
Koeffizient
In einer Regression: um wie viel sich das Ergebnis ändert, wenn ein Merkmal um eine Einheit steigt und alle anderen gleich bleiben.
95-%-Intervall
Der Bereich, in dem der wahre Wert mit hoher Sicherheit liegt. Enthält er die Null, ist nicht gesichert, dass es ßberhaupt einen Effekt gibt.
Prozentpunkte (Pp.)
Die Differenz zweier Prozentwerte: von 20 % auf 25 % sind 5 Prozentpunkte – aber 25 Prozent mehr.
Tests
F-Test: Unterscheiden sich Gruppen mehr als zufällig? z-Test fßr Anteile: Ist ein Anteil vorher/nachher wirklich anders? Mann-Whitney-U: Liegen die Werte einer Gruppe systematisch hÜher als die einer anderen (ohne Annahme einer Normalverteilung)?
Zusammenhang ≠ Ursache
Zwei Dinge können gemeinsam auftreten, weil ein Drittes beide beeinflusst (Störgröße). Die Studie „Hub-Effekt“ zeigt das vor. Wir schreiben deshalb „geht einher mit“ und stellen Hypothesen auf, statt Ursachen zu behaupten.

1. Verdichtung (Pkw je km²) ↔ Betreiber je 100.000 Einwohner robust

12,63433,572754,41.420Verdichtung (Pkw je km²) →
WestOst¡ senkrecht: Betreiber je 100.000 Einwohner

In Kreisen mit höherem Wert bei „Verdichtung (Pkw je km²)“ ist „Betreiber je 100.000 Einwohner“ tendenziell niedriger. Das ist ein starker gegenläufiger Zusammenhang (ρ = -0,52, p < 0,001, 400 Kreise).

Was heißt das im Alltag? Im Viertel der Kreise mit dem niedrigsten Wert bei „Verdichtung (Pkw je km²)“ liegt „Betreiber je 100.000 Einwohner“ im Mittel bei 35,3, im Viertel mit dem höchsten bei 23,5. Zur Einordnung: „Verdichtung (Pkw je km²)“ heißt, wie dicht der Kreis mit Autos besiedelt ist – Großstadt oder Land; „Betreiber je 100.000 Einwohner“ heißt, Betreiber je 100.000 Einwohner.

Robust: Auch wenn Einkommen, Ost/West, E-Auto-Anteil herausgerechnet sind, bleibt ein deutlicher Zusammenhang (ρ = -0,52). Das ist der interessante Fall – hier steckt etwas dahinter, das diese bekannten Unterschiede nicht erklären.

GegenprobeρStärke
roh-0,52starker gegenläufiger Zusammenhang
ohne Einkommen-0,55starker gegenläufiger Zusammenhang
ohne Ost/West-0,51starker gegenläufiger Zusammenhang
ohne E-Auto-Anteil-0,60starker gegenläufiger Zusammenhang
ohne alle 3 zusammen-0,52starker gegenläufiger Zusammenhang

Ausreißer gegen den Trend – hier lohnt ein genauer Blick: Kaufbeuren (645 · 49,7), Passau (407 · 67,3), Spree-Neiße (43 · 21,2), Kyffhäuserkreis (43 · 21,2).

Mögliche Erklärungen – was dahinterstecken könnte
  1. Direkte Wirkung: „Verdichtung (Pkw je km²)“ könnte „Betreiber je 100.000 Einwohner“ beeinflussen – typische Treiber von „Betreiber je 100.000 Einwohner“ sind vielfältig.
  2. Umgekehrt: Ebenso gut könnte „Betreiber je 100.000 Einwohner“ auf „Verdichtung (Pkw je km²)“ wirken. Querschnittsdaten können die Richtung nicht trennen – der Zeitverlauf kann es.
  3. Unbekannte gemeinsame Ursache: Stadt/Land, Einkommen, Ost/West und E-Auto-Anteil erklären es nicht. In Frage kommen Größen, die wir (noch) nicht messen: Wohneigentum, Dienstwagenanteil, Pendeldistanzen, Förderprogramme einzelner Länder.

So ließe es sich prüfen: Zeitverlauf ansehen (ändert sich erst das eine, dann das andere?), die genannte Ursache herausrechnen, Ausreißer-Kreise einzeln anschauen. Was folgt daraus? Für Planung und Presse ist ein robuster Zusammenhang ein Hinweis auf eine Ursache, die man noch nicht kennt – ein Scheinzusammenhang dagegen eine Warnung vor vorschnellen Schlüssen.

Im Zusammenhangs-Werkzeug ansehen und einbinden → · 💡 Deutung im Forum veröffentlichen

2. Verdichtung (Pkw je km²) ↔ Autobahnverkehr (Kfz/Tag) robust

15.2173580.034745144.8511.455Verdichtung (Pkw je km²) →
WestOst¡ senkrecht: Autobahnverkehr (Kfz/Tag)

In Kreisen mit höherem Wert bei „Verdichtung (Pkw je km²)“ ist „Autobahnverkehr (Kfz/Tag)“ tendenziell höher. Das ist ein starker gleichläufiger Zusammenhang (ρ = 0,57, p < 0,001, 273 Kreise).

Was heißt das im Alltag? Im Viertel der Kreise mit dem niedrigsten Wert bei „Verdichtung (Pkw je km²)“ liegt „Autobahnverkehr (Kfz/Tag)“ im Mittel bei 44.170, im Viertel mit dem höchsten bei 92.538. Zur Einordnung: „Verdichtung (Pkw je km²)“ heißt, wie dicht der Kreis mit Autos besiedelt ist – Großstadt oder Land; „Autobahnverkehr (Kfz/Tag)“ heißt, wie viel Verkehr auf der stärksten Autobahn im Kreis fährt.

Robust: Auch wenn Einkommen, Ost/West, E-Auto-Anteil herausgerechnet sind, bleibt ein deutlicher Zusammenhang (ρ = 0,41). Das ist der interessante Fall – hier steckt etwas dahinter, das diese bekannten Unterschiede nicht erklären.

GegenprobeρStärke
roh0,57starker gleichläufiger Zusammenhang
ohne Einkommen0,57starker gleichläufiger Zusammenhang
ohne Ost/West0,41mittlerer gleichläufiger Zusammenhang
ohne E-Auto-Anteil0,46mittlerer gleichläufiger Zusammenhang
ohne alle 3 zusammen0,41mittlerer gleichläufiger Zusammenhang

Ausreißer gegen den Trend – hier lohnt ein genauer Blick: Potsdam-Mittelmark (53 · 98.010), Miesbach (80 · 109.106), Wolfsburg (617 · 30.867), Zweibrücken (331 · 24.455).

Mögliche Erklärungen – was dahinterstecken könnte
  1. Ballungsräume ziehen Autobahnen an: Wo viele Menschen wohnen, verlaufen die großen Fernstraßen und Ringe – der Verkehr folgt den Städten.
  2. PendlerstrĂśme: In dichten Kreisen kommen zum Durchgangsverkehr die Pendler hinzu.
  3. Direkte Wirkung: „Verdichtung (Pkw je km²)“ könnte „Autobahnverkehr (Kfz/Tag)“ beeinflussen – typische Treiber von „Autobahnverkehr (Kfz/Tag)“ sind Lage an großen Fernstraßen und Ballungsräumen.
  4. Umgekehrt: Ebenso gut könnte „Autobahnverkehr (Kfz/Tag)“ auf „Verdichtung (Pkw je km²)“ wirken. Querschnittsdaten können die Richtung nicht trennen – der Zeitverlauf kann es.
  5. Unbekannte gemeinsame Ursache: Stadt/Land, Einkommen, Ost/West und E-Auto-Anteil erklären es nicht. In Frage kommen Größen, die wir (noch) nicht messen: Wohneigentum, Dienstwagenanteil, Pendeldistanzen, Förderprogramme einzelner Länder.

So ließe es sich prüfen: Zeitverlauf ansehen (ändert sich erst das eine, dann das andere?), die genannte Ursache herausrechnen, Ausreißer-Kreise einzeln anschauen. Was folgt daraus? Für Planung und Presse ist ein robuster Zusammenhang ein Hinweis auf eine Ursache, die man noch nicht kennt – ein Scheinzusammenhang dagegen eine Warnung vor vorschnellen Schlüssen.

Im Zusammenhangs-Werkzeug ansehen und einbinden → · 💡 Deutung im Forum veröffentlichen

3. HPC-Anteil ↔ Kartenzahlung robust

17844297150HPC-Anteil (%) →
WestOst¡ senkrecht: Kartenzahlung

In Kreisen mit höherem Wert bei „HPC-Anteil“ ist „Kartenzahlung“ tendenziell höher. Das ist ein starker gleichläufiger Zusammenhang (ρ = 0,51, p < 0,001, 400 Kreise).

Was heißt das im Alltag? Im Viertel der Kreise mit dem niedrigsten Wert bei „HPC-Anteil“ liegt „Kartenzahlung“ im Mittel bei 32 %, im Viertel mit dem höchsten bei 48 %. Zur Einordnung: „HPC-Anteil“ heißt, welcher Anteil der Ladepunkte Schnelllader (ab 150 kW) sind; „Kartenzahlung“ heißt, an wie vielen Säulen man mit Bankkarte zahlen kann.

Robust: Auch wenn Verdichtung, Einkommen, Ost/West, E-Auto-Anteil herausgerechnet sind, bleibt ein deutlicher Zusammenhang (ρ = 0,44). Das ist der interessante Fall – hier steckt etwas dahinter, das diese bekannten Unterschiede nicht erklären.

GegenprobeρStärke
roh0,51starker gleichläufiger Zusammenhang
ohne Verdichtung0,48mittlerer gleichläufiger Zusammenhang
ohne Einkommen0,48mittlerer gleichläufiger Zusammenhang
ohne Ost/West0,45mittlerer gleichläufiger Zusammenhang
ohne E-Auto-Anteil0,47mittlerer gleichläufiger Zusammenhang
ohne alle 4 zusammen0,44mittlerer gleichläufiger Zusammenhang

Ausreißer gegen den Trend – hier lohnt ein genauer Blick: Oder-Spree (10 % · 91 %), Leverkusen (13 % · 65 %), Gera (41 % · 29 %), Bayreuth (29 % · 24 %).

Mögliche Erklärungen – was dahinterstecken könnte
  1. Neue Schnelllader, neue Regeln: Seit April 2024 müssen neue Schnelllader Kartenzahlung bieten (AFIR). Wo viel schnell geladen wird, ist viel neu gebaut – und damit mit Karte.
  2. Große Betreiber: Schnellladenetze großer Anbieter haben fast immer Kartenleser; kleine AC-Betreiber setzen auf App und Ladekarte.
  3. Direkte Wirkung: „HPC-Anteil“ könnte „Kartenzahlung“ beeinflussen – typische Treiber von „Kartenzahlung“ sind Alter der Säulen, EU-Pflicht für neue Schnelllader, Betreiber.
  4. Umgekehrt: Ebenso gut könnte „Kartenzahlung“ auf „HPC-Anteil“ wirken. Querschnittsdaten können die Richtung nicht trennen – der Zeitverlauf kann es.
  5. Unbekannte gemeinsame Ursache: Stadt/Land, Einkommen, Ost/West und E-Auto-Anteil erklären es nicht. In Frage kommen Größen, die wir (noch) nicht messen: Wohneigentum, Dienstwagenanteil, Pendeldistanzen, Förderprogramme einzelner Länder.

So ließe es sich prüfen: Zeitverlauf ansehen (ändert sich erst das eine, dann das andere?), die genannte Ursache herausrechnen, Ausreißer-Kreise einzeln anschauen. Was folgt daraus? Für Planung und Presse ist ein robuster Zusammenhang ein Hinweis auf eine Ursache, die man noch nicht kennt – ein Scheinzusammenhang dagegen eine Warnung vor vorschnellen Schlüssen.

Im Zusammenhangs-Werkzeug ansehen und einbinden → · 💡 Deutung im Forum veröffentlichen

4. Einkommen je Einwohner ↔ Lage Nord–Süd (Breitengrad) robust

47,7522.85450,9929.53154,2336.208Einkommen je Einwohner (€) →
WestOst· senkrecht: Lage Nord–Süd (Breitengrad)

In Kreisen mit höherem Wert bei „Einkommen je Einwohner“ ist „Lage Nord–Süd (Breitengrad)“ tendenziell niedriger. Das ist ein mittlerer gegenläufiger Zusammenhang (ρ = -0,47, p < 0,001, 400 Kreise).

Was heißt das im Alltag? Im Viertel der Kreise mit dem niedrigsten Wert bei „Einkommen je Einwohner“ liegt „Lage Nord–Süd (Breitengrad)“ im Mittel bei 51,48 °, im Viertel mit dem höchsten bei 49,49 °. Zur Einordnung: „Einkommen je Einwohner“ heißt, wie viel Geld die Menschen im Kreis im Schnitt zur Verfügung haben; „Lage Nord–Süd (Breitengrad)“ heißt, wie weit im Norden der Kreis liegt.

Robust: Auch wenn Verdichtung, Ost/West, E-Auto-Anteil herausgerechnet sind, bleibt ein deutlicher Zusammenhang (ρ = -0,42). Das ist der interessante Fall – hier steckt etwas dahinter, das diese bekannten Unterschiede nicht erklären.

GegenprobeρStärke
roh-0,47mittlerer gegenläufiger Zusammenhang
ohne Verdichtung-0,47mittlerer gegenläufiger Zusammenhang
ohne Ost/West-0,43mittlerer gegenläufiger Zusammenhang
ohne E-Auto-Anteil-0,39mittlerer gegenläufiger Zusammenhang
ohne alle 3 zusammen-0,42mittlerer gegenläufiger Zusammenhang

Ausreißer gegen den Trend – hier lohnt ein genauer Blick: Nordfriesland (33.279 € · 54,65 °), Stormarn (32.912 € · 53,74 °), Augsburg (25.528 € · 48,35 °), Pirmasens (23.011 € · 49,20 °).

Mögliche Erklärungen – was dahinterstecken könnte
  1. Süd-Nord-Gefälle: Bayern und Baden-Württemberg haben höhere Einkommen als der Norden – das ist eine alte Wirtschaftsgeografie, kein Ladeeffekt.
  2. Direkte Wirkung: „Einkommen je Einwohner“ könnte „Lage Nord–Süd (Breitengrad)“ beeinflussen – typische Treiber von „Lage Nord–Süd (Breitengrad)“ sind Nord-Süd-Gefälle bei Wirtschaft und Einkommen.
  3. Umgekehrt: Ebenso gut könnte „Lage Nord–Süd (Breitengrad)“ auf „Einkommen je Einwohner“ wirken. Querschnittsdaten können die Richtung nicht trennen – der Zeitverlauf kann es.
  4. Unbekannte gemeinsame Ursache: Stadt/Land, Einkommen, Ost/West und E-Auto-Anteil erklären es nicht. In Frage kommen Größen, die wir (noch) nicht messen: Wohneigentum, Dienstwagenanteil, Pendeldistanzen, Förderprogramme einzelner Länder.

So ließe es sich prüfen: Zeitverlauf ansehen (ändert sich erst das eine, dann das andere?), die genannte Ursache herausrechnen, Ausreißer-Kreise einzeln anschauen. Was folgt daraus? Für Planung und Presse ist ein robuster Zusammenhang ein Hinweis auf eine Ursache, die man noch nicht kennt – ein Scheinzusammenhang dagegen eine Warnung vor vorschnellen Schlüssen.

Im Zusammenhangs-Werkzeug ansehen und einbinden → · 💡 Deutung im Forum veröffentlichen

5. E-Auto-Anteil ↔ Ladepunkte je 10.000 Einwohner abgeschwächt

11,21,632,74,354,37,0E-Auto-Anteil (%) →
WestOst¡ senkrecht: Ladepunkte je 10.000 Einwohner

In Kreisen mit höherem Wert bei „E-Auto-Anteil“ ist „Ladepunkte je 10.000 Einwohner“ tendenziell höher. Das ist ein mittlerer gleichläufiger Zusammenhang (ρ = 0,49, p < 0,001, 400 Kreise).

Was heißt das im Alltag? Im Viertel der Kreise mit dem niedrigsten Wert bei „E-Auto-Anteil“ liegt „Ladepunkte je 10.000 Einwohner“ im Mittel bei 18,8, im Viertel mit dem höchsten bei 32,0. Zur Einordnung: „E-Auto-Anteil“ heißt, welcher Anteil der Autos elektrisch fährt; „Ladepunkte je 10.000 Einwohner“ heißt, Ladepunkte je 10.000 Einwohner.

Abgeschwächt: Nach der Gegenprobe bleibt ein kleinerer Zusammenhang (ρ = 0,20); einen Teil erklärt Ost/West (allein herausgerechnet ρ = 0,20).

GegenprobeρStärke
roh0,49mittlerer gleichläufiger Zusammenhang
ohne Verdichtung0,47mittlerer gleichläufiger Zusammenhang
ohne Einkommen0,38mittlerer gleichläufiger Zusammenhang
ohne Ost/West0,20schwacher gleichläufiger Zusammenhang
ohne alle 3 zusammen0,20schwacher gleichläufiger Zusammenhang

Ausreißer gegen den Trend – hier lohnt ein genauer Blick: Oder-Spree (2,8 % · 46,3), Heilbronn (3,4 % · 62,8), Wolfenbüttel (4,4 % · 12,3), Biberach (4,5 % · 15,2).

Mögliche Erklärungen – was dahinterstecken könnte
  1. Direkte Wirkung: „E-Auto-Anteil“ könnte „Ladepunkte je 10.000 Einwohner“ beeinflussen – typische Treiber von „Ladepunkte je 10.000 Einwohner“ sind vielfältig.
  2. Umgekehrt: Ebenso gut könnte „Ladepunkte je 10.000 Einwohner“ auf „E-Auto-Anteil“ wirken. Querschnittsdaten können die Richtung nicht trennen – der Zeitverlauf kann es.
  3. Gemeinsame Ursache: Beide hängen an „Ost/West“ – rechnet man das heraus, wird der Zusammenhang deutlich schwächer (ρ = 0,20).

So ließe es sich prüfen: Zeitverlauf ansehen (ändert sich erst das eine, dann das andere?), die genannte Ursache herausrechnen, Ausreißer-Kreise einzeln anschauen. Was folgt daraus? Für Planung und Presse ist ein robuster Zusammenhang ein Hinweis auf eine Ursache, die man noch nicht kennt – ein Scheinzusammenhang dagegen eine Warnung vor vorschnellen Schlüssen.

Im Zusammenhangs-Werkzeug ansehen und einbinden → · 💡 Deutung im Forum veröffentlichen

6. Verdichtung (Pkw je km²) ↔ E-Auto-Anteil robust

1,6344,37277,01.420Verdichtung (Pkw je km²) →
WestOst¡ senkrecht: E-Auto-Anteil

In Kreisen mit höherem Wert bei „Verdichtung (Pkw je km²)“ ist „E-Auto-Anteil“ tendenziell höher. Das ist ein mittlerer gleichläufiger Zusammenhang (ρ = 0,41, p < 0,001, 400 Kreise).

Was heißt das im Alltag? Im Viertel der Kreise mit dem niedrigsten Wert bei „Verdichtung (Pkw je km²)“ liegt „E-Auto-Anteil“ im Mittel bei 3,0 %, im Viertel mit dem höchsten bei 4,5 %. Zur Einordnung: „Verdichtung (Pkw je km²)“ heißt, wie dicht der Kreis mit Autos besiedelt ist – Großstadt oder Land; „E-Auto-Anteil“ heißt, welcher Anteil der Autos elektrisch fährt.

Robust: Auch wenn Einkommen, Ost/West herausgerechnet sind, bleibt ein deutlicher Zusammenhang (ρ = 0,29). Das ist der interessante Fall – hier steckt etwas dahinter, das diese bekannten Unterschiede nicht erklären.

GegenprobeρStärke
roh0,41mittlerer gleichläufiger Zusammenhang
ohne Einkommen0,49mittlerer gleichläufiger Zusammenhang
ohne Ost/West0,15schwacher gleichläufiger Zusammenhang
ohne alle 2 zusammen0,29schwacher gleichläufiger Zusammenhang

Ausreißer gegen den Trend – hier lohnt ein genauer Blick: Nordfriesland (51 · 5,3 %), Emsland (76 · 5,1 %), Herne (1.465 · 2,3 %), Halle (Saale) (681 · 2,2 %).

Mögliche Erklärungen – was dahinterstecken könnte
  1. Dienstwagen in Städten: Firmenflotten und Dienstwagen sitzen in Ballungsräumen – ein großer Teil der E-Autos ist gewerblich zugelassen.
  2. Kurze Wege: In Städten reicht die Reichweite eher, die Hemmschwelle ist geringer.
  3. Direkte Wirkung: „Verdichtung (Pkw je km²)“ könnte „E-Auto-Anteil“ beeinflussen – typische Treiber von „E-Auto-Anteil“ sind Einkommen, Dienstwagen, Laden zu Hause, Förderung.
  4. Umgekehrt: Ebenso gut könnte „E-Auto-Anteil“ auf „Verdichtung (Pkw je km²)“ wirken. Querschnittsdaten können die Richtung nicht trennen – der Zeitverlauf kann es.
  5. Unbekannte gemeinsame Ursache: Stadt/Land, Einkommen, Ost/West und E-Auto-Anteil erklären es nicht. In Frage kommen Größen, die wir (noch) nicht messen: Wohneigentum, Dienstwagenanteil, Pendeldistanzen, Förderprogramme einzelner Länder.

So ließe es sich prüfen: Zeitverlauf ansehen (ändert sich erst das eine, dann das andere?), die genannte Ursache herausrechnen, Ausreißer-Kreise einzeln anschauen. Was folgt daraus? Für Planung und Presse ist ein robuster Zusammenhang ein Hinweis auf eine Ursache, die man noch nicht kennt – ein Scheinzusammenhang dagegen eine Warnung vor vorschnellen Schlüssen.

Im Zusammenhangs-Werkzeug ansehen und einbinden → · 💡 Deutung im Forum veröffentlichen

7. E-Auto-Anteil ↔ Ladepunkte je 100 km² abgeschwächt

8,31,6439,24,3870,17,0E-Auto-Anteil (%) →
WestOst¡ senkrecht: Ladepunkte je 100 km²

In Kreisen mit höherem Wert bei „E-Auto-Anteil“ ist „Ladepunkte je 100 km²“ tendenziell höher. Das ist ein mittlerer gleichläufiger Zusammenhang (ρ = 0,49, p < 0,001, 400 Kreise).

Was heißt das im Alltag? Im Viertel der Kreise mit dem niedrigsten Wert bei „E-Auto-Anteil“ liegt „Ladepunkte je 100 km²“ im Mittel bei 82,4, im Viertel mit dem höchsten bei 264,9. Zur Einordnung: „E-Auto-Anteil“ heißt, welcher Anteil der Autos elektrisch fährt; „Ladepunkte je 100 km²“ heißt, wie dicht öffentliche Ladepunkte stehen.

Abgeschwächt: Nach der Gegenprobe bleibt ein kleinerer Zusammenhang (ρ = 0,11); einen Teil erklärt Ost/West (allein herausgerechnet ρ = 0,17).

GegenprobeρStärke
roh0,49mittlerer gleichläufiger Zusammenhang
ohne Verdichtung0,32mittlerer gleichläufiger Zusammenhang
ohne Einkommen0,54starker gleichläufiger Zusammenhang
ohne Ost/West0,17schwacher gleichläufiger Zusammenhang
ohne alle 3 zusammen0,11schwacher gleichläufiger Zusammenhang

Ausreißer gegen den Trend – hier lohnt ein genauer Blick: Oberhausen (2,9 % · 900,3), Duisburg (2,7 % · 490,4), Uelzen (4,0 % · 10,8), Wolfenbüttel (4,4 % · 20,1).

Mögliche Erklärungen – was dahinterstecken könnte
  1. Ausbau folgt Nachfrage: Betreiber bauen, wo E-Autos fahren.
  2. Henne und Ei: Dichte Ladeinfrastruktur kann den Umstieg erleichtern – die Richtung lässt sich nur im Zeitverlauf trennen.
  3. Direkte Wirkung: „E-Auto-Anteil“ könnte „Ladepunkte je 100 km²“ beeinflussen – typische Treiber von „Ladepunkte je 100 km²“ sind Besiedlung, Ausbaupolitik der Kommune, Förderung.
  4. Umgekehrt: Ebenso gut könnte „Ladepunkte je 100 km²“ auf „E-Auto-Anteil“ wirken. Querschnittsdaten können die Richtung nicht trennen – der Zeitverlauf kann es.
  5. Gemeinsame Ursache: Beide hängen an „Ost/West“ – rechnet man das heraus, wird der Zusammenhang deutlich schwächer (ρ = 0,17).

So ließe es sich prüfen: Zeitverlauf ansehen (ändert sich erst das eine, dann das andere?), die genannte Ursache herausrechnen, Ausreißer-Kreise einzeln anschauen. Was folgt daraus? Für Planung und Presse ist ein robuster Zusammenhang ein Hinweis auf eine Ursache, die man noch nicht kennt – ein Scheinzusammenhang dagegen eine Warnung vor vorschnellen Schlüssen.

Im Zusammenhangs-Werkzeug ansehen und einbinden → · 💡 Deutung im Forum veröffentlichen

8. Marktanteil größter Betreiber ↔ Betreiberkontakt bekannt robust

13945367864Marktanteil größter Betreiber (%) →
WestOst¡ senkrecht: Betreiberkontakt bekannt

In Kreisen mit höherem Wert bei „Marktanteil größter Betreiber“ ist „Betreiberkontakt bekannt“ tendenziell höher. Das ist ein mittlerer gleichläufiger Zusammenhang (ρ = 0,37, p < 0,001, 400 Kreise).

Was heißt das im Alltag? Im Viertel der Kreise mit dem niedrigsten Wert bei „Marktanteil größter Betreiber“ liegt „Betreiberkontakt bekannt“ im Mittel bei 34 %, im Viertel mit dem höchsten bei 51 %. Zur Einordnung: „Marktanteil größter Betreiber“ heißt, wie viel Marktanteil der größte Betreiber im Kreis hat; „Betreiberkontakt bekannt“ heißt, Betreiberkontakt bekannt.

Robust: Auch wenn Verdichtung, Einkommen, Ost/West, E-Auto-Anteil herausgerechnet sind, bleibt ein deutlicher Zusammenhang (ρ = 0,34). Das ist der interessante Fall – hier steckt etwas dahinter, das diese bekannten Unterschiede nicht erklären.

GegenprobeρStärke
roh0,37mittlerer gleichläufiger Zusammenhang
ohne Verdichtung0,32mittlerer gleichläufiger Zusammenhang
ohne Einkommen0,37mittlerer gleichläufiger Zusammenhang
ohne Ost/West0,37mittlerer gleichläufiger Zusammenhang
ohne E-Auto-Anteil0,36mittlerer gleichläufiger Zusammenhang
ohne alle 4 zusammen0,34mittlerer gleichläufiger Zusammenhang

Ausreißer gegen den Trend – hier lohnt ein genauer Blick: Freiburg im Breisgau (21 % · 76 %), Kulmbach (16 % · 67 %), Oder-Spree (68 % · 2 %), Ingolstadt (67 % · 7 %).

Mögliche Erklärungen – was dahinterstecken könnte
  1. Direkte Wirkung: „Marktanteil größter Betreiber“ könnte „Betreiberkontakt bekannt“ beeinflussen – typische Treiber von „Betreiberkontakt bekannt“ sind vielfältig.
  2. Umgekehrt: Ebenso gut könnte „Betreiberkontakt bekannt“ auf „Marktanteil größter Betreiber“ wirken. Querschnittsdaten können die Richtung nicht trennen – der Zeitverlauf kann es.
  3. Unbekannte gemeinsame Ursache: Stadt/Land, Einkommen, Ost/West und E-Auto-Anteil erklären es nicht. In Frage kommen Größen, die wir (noch) nicht messen: Wohneigentum, Dienstwagenanteil, Pendeldistanzen, Förderprogramme einzelner Länder.

So ließe es sich prüfen: Zeitverlauf ansehen (ändert sich erst das eine, dann das andere?), die genannte Ursache herausrechnen, Ausreißer-Kreise einzeln anschauen. Was folgt daraus? Für Planung und Presse ist ein robuster Zusammenhang ein Hinweis auf eine Ursache, die man noch nicht kennt – ein Scheinzusammenhang dagegen eine Warnung vor vorschnellen Schlüssen.

Im Zusammenhangs-Werkzeug ansehen und einbinden → · 💡 Deutung im Forum veröffentlichen

9. Marktkonzentration (HHI) ↔ Betreiberkontakt bekannt robust

13365452.262784.159Marktkonzentration (HHI) →
WestOst¡ senkrecht: Betreiberkontakt bekannt

In Kreisen mit höherem Wert bei „Marktkonzentration (HHI)“ ist „Betreiberkontakt bekannt“ tendenziell höher. Das ist ein mittlerer gleichläufiger Zusammenhang (ρ = 0,37, p < 0,001, 400 Kreise).

Was heißt das im Alltag? Im Viertel der Kreise mit dem niedrigsten Wert bei „Marktkonzentration (HHI)“ liegt „Betreiberkontakt bekannt“ im Mittel bei 33 %, im Viertel mit dem höchsten bei 52 %. Zur Einordnung: „Marktkonzentration (HHI)“ heißt, wie stark der Markt auf wenige Betreiber konzentriert ist; „Betreiberkontakt bekannt“ heißt, Betreiberkontakt bekannt.

Robust: Auch wenn Verdichtung, Einkommen, Ost/West, E-Auto-Anteil herausgerechnet sind, bleibt ein deutlicher Zusammenhang (ρ = 0,35). Das ist der interessante Fall – hier steckt etwas dahinter, das diese bekannten Unterschiede nicht erklären.

GegenprobeρStärke
roh0,37mittlerer gleichläufiger Zusammenhang
ohne Verdichtung0,32mittlerer gleichläufiger Zusammenhang
ohne Einkommen0,37mittlerer gleichläufiger Zusammenhang
ohne Ost/West0,38mittlerer gleichläufiger Zusammenhang
ohne E-Auto-Anteil0,36mittlerer gleichläufiger Zusammenhang
ohne alle 4 zusammen0,35mittlerer gleichläufiger Zusammenhang

Ausreißer gegen den Trend – hier lohnt ein genauer Blick: Freiburg im Breisgau (940 · 76 %), Bremerhaven (765 · 67 %), Oder-Spree (4.716 · 2 %), Ingolstadt (4.586 · 7 %).

Mögliche Erklärungen – was dahinterstecken könnte
  1. Direkte Wirkung: „Marktkonzentration (HHI)“ könnte „Betreiberkontakt bekannt“ beeinflussen – typische Treiber von „Betreiberkontakt bekannt“ sind vielfältig.
  2. Umgekehrt: Ebenso gut könnte „Betreiberkontakt bekannt“ auf „Marktkonzentration (HHI)“ wirken. Querschnittsdaten können die Richtung nicht trennen – der Zeitverlauf kann es.
  3. Unbekannte gemeinsame Ursache: Stadt/Land, Einkommen, Ost/West und E-Auto-Anteil erklären es nicht. In Frage kommen Größen, die wir (noch) nicht messen: Wohneigentum, Dienstwagenanteil, Pendeldistanzen, Förderprogramme einzelner Länder.

So ließe es sich prüfen: Zeitverlauf ansehen (ändert sich erst das eine, dann das andere?), die genannte Ursache herausrechnen, Ausreißer-Kreise einzeln anschauen. Was folgt daraus? Für Planung und Presse ist ein robuster Zusammenhang ein Hinweis auf eine Ursache, die man noch nicht kennt – ein Scheinzusammenhang dagegen eine Warnung vor vorschnellen Schlüssen.

Im Zusammenhangs-Werkzeug ansehen und einbinden → · 💡 Deutung im Forum veröffentlichen

10. Einkommen je Einwohner ↔ Auslastung robust

522.8542329.5314136.208Einkommen je Einwohner (€) →
WestOst¡ senkrecht: Auslastung

In Kreisen mit höherem Wert bei „Einkommen je Einwohner“ ist „Auslastung“ tendenziell höher. Das ist ein mittlerer gleichläufiger Zusammenhang (ρ = 0,37, p < 0,001, 360 Kreise).

Was heißt das im Alltag? Im Viertel der Kreise mit dem niedrigsten Wert bei „Einkommen je Einwohner“ liegt „Auslastung“ im Mittel bei 17 %, im Viertel mit dem höchsten bei 26 %. Zur Einordnung: „Einkommen je Einwohner“ heißt, wie viel Geld die Menschen im Kreis im Schnitt zur Verfügung haben; „Auslastung“ heißt, wie oft die Säulen voll belegt sind.

Robust: Auch wenn Verdichtung, Ost/West, E-Auto-Anteil herausgerechnet sind, bleibt ein deutlicher Zusammenhang (ρ = 0,31). Das ist der interessante Fall – hier steckt etwas dahinter, das diese bekannten Unterschiede nicht erklären.

GegenprobeρStärke
roh0,37mittlerer gleichläufiger Zusammenhang
ohne Verdichtung0,38mittlerer gleichläufiger Zusammenhang
ohne Ost/West0,30mittlerer gleichläufiger Zusammenhang
ohne E-Auto-Anteil0,24schwacher gleichläufiger Zusammenhang
ohne alle 3 zusammen0,31mittlerer gleichläufiger Zusammenhang

Ausreißer gegen den Trend – hier lohnt ein genauer Blick: Chemnitz (24.904 € · 39 %), Cochem-Zell (26.421 € · 54 %), Kronach (29.972 € · 1 %), Traunstein (31.371 € · 8 %).

Mögliche Erklärungen – was dahinterstecken könnte
  1. Mehr E-Autos, vollere Säulen: Wohlhabende Kreise haben mehr E-Autos, aber der Ausbau hält nicht ßberall Schritt.
  2. Messung: Live-Daten liefern vor allem große Betreiber, die in wohlhabenden Regionen stärker vertreten sind.
  3. Direkte Wirkung: „Einkommen je Einwohner“ könnte „Auslastung“ beeinflussen – typische Treiber von „Auslastung“ sind Zahl der E-Autos, Zahl der Säulen, Laden zu Hause, Messung nur bei Live-Daten.
  4. Umgekehrt: Ebenso gut könnte „Auslastung“ auf „Einkommen je Einwohner“ wirken. Querschnittsdaten können die Richtung nicht trennen – der Zeitverlauf kann es.
  5. Unbekannte gemeinsame Ursache: Stadt/Land, Einkommen, Ost/West und E-Auto-Anteil erklären es nicht. In Frage kommen Größen, die wir (noch) nicht messen: Wohneigentum, Dienstwagenanteil, Pendeldistanzen, Förderprogramme einzelner Länder.
  6. Messartefakt prüfen: Auslastung, Preise und Eichrecht kennen wir nur, wo Betreiber Daten liefern – liefern in manchen Regionen andere Betreiber, kann ein Teil des Musters aus der Datenlage kommen.

So ließe es sich prüfen: Zeitverlauf ansehen (ändert sich erst das eine, dann das andere?), die genannte Ursache herausrechnen, Ausreißer-Kreise einzeln anschauen. Was folgt daraus? Für Planung und Presse ist ein robuster Zusammenhang ein Hinweis auf eine Ursache, die man noch nicht kennt – ein Scheinzusammenhang dagegen eine Warnung vor vorschnellen Schlüssen.

Im Zusammenhangs-Werkzeug ansehen und einbinden → · 💡 Deutung im Forum veröffentlichen

11. Auslastung ↔ Defekt-Anteil (gemessen) robust

0,158,72317,441Auslastung (%) →
WestOst¡ senkrecht: Defekt-Anteil (gemessen)

In Kreisen mit höherem Wert bei „Auslastung“ ist „Defekt-Anteil (gemessen)“ tendenziell höher. Das ist ein mittlerer gleichläufiger Zusammenhang (ρ = 0,34, p < 0,001, 360 Kreise).

Was heißt das im Alltag? Im Viertel der Kreise mit dem niedrigsten Wert bei „Auslastung“ liegt „Defekt-Anteil (gemessen)“ im Mittel bei 2,8 %, im Viertel mit dem höchsten bei 5,9 %. Zur Einordnung: „Auslastung“ heißt, wie oft die Säulen voll belegt sind; „Defekt-Anteil (gemessen)“ heißt, Defekt-Anteil (gemessen).

Robust: Auch wenn Verdichtung, Einkommen, Ost/West, E-Auto-Anteil herausgerechnet sind, bleibt ein deutlicher Zusammenhang (ρ = 0,34). Das ist der interessante Fall – hier steckt etwas dahinter, das diese bekannten Unterschiede nicht erklären.

GegenprobeρStärke
roh0,34mittlerer gleichläufiger Zusammenhang
ohne Verdichtung0,34mittlerer gleichläufiger Zusammenhang
ohne Einkommen0,33mittlerer gleichläufiger Zusammenhang
ohne Ost/West0,33mittlerer gleichläufiger Zusammenhang
ohne E-Auto-Anteil0,33mittlerer gleichläufiger Zusammenhang
ohne alle 4 zusammen0,34mittlerer gleichläufiger Zusammenhang

Ausreißer gegen den Trend – hier lohnt ein genauer Blick: Wittmund (6 % · 17,5 %), Nienburg (Weser) (8 % · 12,8 %), Koblenz (23 % · 0,4 %), Lörrach (25 % · 0,5 %).

Mögliche Erklärungen – was dahinterstecken könnte
  1. Direkte Wirkung: „Auslastung“ könnte „Defekt-Anteil (gemessen)“ beeinflussen – typische Treiber von „Defekt-Anteil (gemessen)“ sind vielfältig.
  2. Umgekehrt: Ebenso gut könnte „Defekt-Anteil (gemessen)“ auf „Auslastung“ wirken. Querschnittsdaten können die Richtung nicht trennen – der Zeitverlauf kann es.
  3. Unbekannte gemeinsame Ursache: Stadt/Land, Einkommen, Ost/West und E-Auto-Anteil erklären es nicht. In Frage kommen Größen, die wir (noch) nicht messen: Wohneigentum, Dienstwagenanteil, Pendeldistanzen, Förderprogramme einzelner Länder.
  4. Messartefakt prüfen: Auslastung, Preise und Eichrecht kennen wir nur, wo Betreiber Daten liefern – liefern in manchen Regionen andere Betreiber, kann ein Teil des Musters aus der Datenlage kommen.

So ließe es sich prüfen: Zeitverlauf ansehen (ändert sich erst das eine, dann das andere?), die genannte Ursache herausrechnen, Ausreißer-Kreise einzeln anschauen. Was folgt daraus? Für Planung und Presse ist ein robuster Zusammenhang ein Hinweis auf eine Ursache, die man noch nicht kennt – ein Scheinzusammenhang dagegen eine Warnung vor vorschnellen Schlüssen.

Im Zusammenhangs-Werkzeug ansehen und einbinden → · 💡 Deutung im Forum veröffentlichen

12. Kartenzahlung ↔ Ladepunkte je 10.000 Einwohner robust

11,21732,74454,371Kartenzahlung (%) →
WestOst¡ senkrecht: Ladepunkte je 10.000 Einwohner

In Kreisen mit höherem Wert bei „Kartenzahlung“ ist „Ladepunkte je 10.000 Einwohner“ tendenziell niedriger. Das ist ein mittlerer gegenläufiger Zusammenhang (ρ = -0,37, p < 0,001, 400 Kreise).

Was heißt das im Alltag? Im Viertel der Kreise mit dem niedrigsten Wert bei „Kartenzahlung“ liegt „Ladepunkte je 10.000 Einwohner“ im Mittel bei 32,9, im Viertel mit dem höchsten bei 22,0. Zur Einordnung: „Kartenzahlung“ heißt, an wie vielen Säulen man mit Bankkarte zahlen kann; „Ladepunkte je 10.000 Einwohner“ heißt, Ladepunkte je 10.000 Einwohner.

Robust: Auch wenn Verdichtung, Einkommen, Ost/West, E-Auto-Anteil herausgerechnet sind, bleibt ein deutlicher Zusammenhang (ρ = -0,27). Das ist der interessante Fall – hier steckt etwas dahinter, das diese bekannten Unterschiede nicht erklären.

GegenprobeρStärke
roh-0,37mittlerer gegenläufiger Zusammenhang
ohne Verdichtung-0,35mittlerer gegenläufiger Zusammenhang
ohne Einkommen-0,32mittlerer gegenläufiger Zusammenhang
ohne Ost/West-0,27schwacher gegenläufiger Zusammenhang
ohne E-Auto-Anteil-0,29schwacher gegenläufiger Zusammenhang
ohne alle 4 zusammen-0,27schwacher gegenläufiger Zusammenhang

Ausreißer gegen den Trend – hier lohnt ein genauer Blick: Zweibrücken (67 % · 54,3), Oder-Spree (91 % · 46,3), Pirmasens (26 % · 11,2), Spree-Neiße (26 % · 13,0).

Mögliche Erklärungen – was dahinterstecken könnte
  1. Direkte Wirkung: „Kartenzahlung“ könnte „Ladepunkte je 10.000 Einwohner“ beeinflussen – typische Treiber von „Ladepunkte je 10.000 Einwohner“ sind vielfältig.
  2. Umgekehrt: Ebenso gut könnte „Ladepunkte je 10.000 Einwohner“ auf „Kartenzahlung“ wirken. Querschnittsdaten können die Richtung nicht trennen – der Zeitverlauf kann es.
  3. Unbekannte gemeinsame Ursache: Stadt/Land, Einkommen, Ost/West und E-Auto-Anteil erklären es nicht. In Frage kommen Größen, die wir (noch) nicht messen: Wohneigentum, Dienstwagenanteil, Pendeldistanzen, Förderprogramme einzelner Länder.

So ließe es sich prüfen: Zeitverlauf ansehen (ändert sich erst das eine, dann das andere?), die genannte Ursache herausrechnen, Ausreißer-Kreise einzeln anschauen. Was folgt daraus? Für Planung und Presse ist ein robuster Zusammenhang ein Hinweis auf eine Ursache, die man noch nicht kennt – ein Scheinzusammenhang dagegen eine Warnung vor vorschnellen Schlüssen.

Im Zusammenhangs-Werkzeug ansehen und einbinden → · 💡 Deutung im Forum veröffentlichen

Rangkorrelation nach Spearman über die Kreise und kreisfreien Städte der Auswahl. „Bereinigt“ = Teilkorrelation auf Rängen: Die Ränge beider Größen werden um die Kontrollgrößen bereinigt (lineare Regression), dann korreliert. Kreisdaten sagen nichts über einzelne Menschen; Zusammenhang ist keine Ursache. Neue Daten, neue Entdeckungen: Die Liste wird täglich neu gerechnet.

Quelle: chargemyride.live – alle Zahlen und eigene Auswertungen →
Stand 30.09.2026, täglich aktualisiert. Daten: Stammdaten: Bundesnetzagentur.de, Ladesäulenregister, Stand 2026-09-30, lizenziert unter CC BY 4.0. Die Daten wurden verändert: nach Standorten zusammengefasst, entdoppelt und um eigene Auswertungen ergänzt durch chargemyride.live. Dazu KBA (E-Auto-Bestand), BASt (Verkehrszählung), Nationaler Zugangspunkt (Preise), eigene Belegungsmessung.
Gefällt dir die Grafik? Teile sie oder binde sie selbst ein – kostenlos.