Der demografische Wandel bewirkt einen makroökonomischen Strukturwandel, der auch die Wohnungsmärkte betrifft, da die Anzahl, Struktur und Wanderung von Bevölkerungsgruppen die Nachfrage nach Wohnflächen unmittelbar bestimmen. Ein wesentlicher Treiber der Wohnflächennachfrage ist der sogenannte Kohorteneffekt, der anzeigt, wie der Wohnflächenkonsum von Generation zu Generation zunimmt. Mithilfe eines Zeitreihenmodells wird eine Prognose der Pro-Kopf-Wohnfläche Deutschlands bis zum Jahr 2030 in Abhängigkeit vom Alter erstellt. Die Ergebnisse zeigen, dass der Kohorteneffekt mit jährlich knapp 0,6 Prozent auch in den nächsten Jahren positiv auf den Wohnflächenkonsum wirken wird. Der Altersstruktureffekt erhöht den Pro-Kopf-Wohnflächenkonsum dagegen nur um jährlich 0,2 Prozent. Damit steigt die gesamtdeutsche Pro-Kopf-­Wohnfläche von 46,2 Quadratmetern im Jahr 2013 auf 51,5 Quadratmeter im Jahr 2030 an.

Demografischer Wandel und Wohnen

Der demografische Wandel bewirkt einen langfristigen Strukturwandel im deutschen Immobilienmarkt. Durch die seit langem sehr geringe Geburtenrate altert und schrumpft die Bevölkerung. Zudem haben gerade in den letzten Jahren starke Binnenwanderungsbewegungen dazu geführt, dass einige wenige Ballungszentren stark wachsen, während weite Teile des Landes mit einer Bevölkerungsabwanderung zu kämpfen haben. Eine Trendumkehr ist in den nächsten Jahren kaum zu erwarten. Diese Veränderungen beeinflussen die Nachfrage nach Wohnimmobilien sehr stark. In Wachstumsmärkten führt die hohe Nachfrage zu einem Wohnungsmangel und steigenden Preisen. In schrumpfenden Märkten sorgt die geringe Nachfrage für hohe Leerstandsraten und sinkende Preise. Ein sehr wichtiger langfristiger Effekt wirkt allerdings auf alle Wohnungsmärkte stabilisierend: Der sogenannte Kohorteneffekt bewirkt, dass von Generation zu Generation für die einzelnen Altersgruppen pro Kopf mehr Wohnfläche nachgefragt wird. Dieser Befund ist hauptsächlich das Ergebnis steigenden Wohlstands. Begünstigt wird er zudem durch weitere Trends wie der Singularisierung der Gesellschaft oder Beharrungstendenzen von Familien, die in ihren Häusern und Wohnungen verbleiben, auch wenn bereits Mitglieder ausgezogen oder verstorben sind (Remanenzeffekt). Der folgende Beitrag zeigt, dass der Kohorteneffekt in den letzten 30 Jahren überaus robust war. Hieraus leitet sich die Frage ab, ob auch in Zukunft von einer steigenden Pro-Kopf-Wohnfläche ausgegangen werden kann. Hierfür sprechen unter anderem die stetig steigenden Einkommen und Vermögenswerte. Jedoch sind auch strukturelle Veränderungen in den Wohnungsmärkten zu beobachten, die eine Sättigung des Wohnflächenkonsums pro Kopf vermuten lassen.

Ziel des vorliegenden Beitrags ist es, das Ausmaß des zukünftigen Kohorteneffekts als langfristiger Einflussfaktor auf die Pro-Kopf-Wohnfläche zu bestimmen. Hierfür bildet eine altersdifferenzierte Prognose der Pro-Kopf-Wohnfläche für West- und Ostdeutschland bis zum Jahr 2030 die Grundlage.

Determinanten des Wohnflächenkonsums in Deutschland

Die Wohnflächennachfrage im Immobilienmarkt wird von der Anzahl der Bevölkerung und der Wohnfläche pro Kopf determiniert. Die Bevölkerungsentwicklung ist durch die Fertilität, die Mortalität und die Migration bestimmt (Just, 2013). Annahmen über die Entwicklung dieser demografischen Faktoren ermöglichen langfristige Vorausberechnungen, wie beispielsweise die erst kürzlich veröffentlichte 13. koordinierte Bevölkerungsvorausberechnung des Statistischen Bundesamtes (Statistisches Bundesamt, 2015) oder die IW-Bevölkerungsprognose (Deschermeier, 2015). Die Pro-Kopf-Wohnfläche ist Gegenstand der immobilienökonomischen Forschung und eine der zentralen Grundlagen bei der Bestimmung der Wohnungsnachfrage (Behring et al., 1988; Braun/Pfeiffer, 2005; Henger et al., 2014). Für deren Entwicklung zeigen sich der sogenannte Altersstruktureffekt und der Kohorteneffekt verantwortlich. Zudem wird der gesamte Wohnflächenkonsum auch durch einen Mengeneffekt bestimmt, der sich aus Veränderungen in der Bevölkerungszahl ergibt.

Der Altersstruktureffekt bewirkt, dass mit zunehmendem Alter einer Person eine höhere Wohnfläche nachgefragt wird. Damit geht einher, dass bei einer alternden Bevölkerung die Wohnflächennachfrage pro Kopf insgesamt zunimmt. Die Ursachen für den Altersstruktur- oder Lebenszykluseffekt sind vielfältig. Eine Hauptdeterminante ist die Haushaltsgröße, die sich in den einzelnen Altersgruppen unterscheidet. So wohnen beispielsweise die 20- bis 30-Jährigen in kleineren Haushalten, da sie sich in der Ausbildung befinden und noch keine Familie gegründet haben. Die Altersgruppe der 30- bis 50-Jährigen zieht nach dem typischen Muster mit einem Lebenspartner zusammen und erhöht während der Familienbildung ihren Flächenkonsum. Die höhere Nachfrage wird in diesem Alter darüber hinaus sehr stark von dem beruflichen Werdegang und dem Einkommen getrieben. Im Rentenalter kommt schließlich der bereits erwähnte Remanenzeffekt zum Tragen, der den Wohnkonsum jeder Person weiter steigen lässt. Dieser Effekt ist besonders stark bei Personen, die in selbstgenutztem Eigentum leben.

Die zweite zentrale Einflussgröße auf die Pro-Kopf-Wohnfläche ist der Kohorteneffekt. Später geborene Haushaltsmitglieder haben einen höheren Lebensstandard, mit der Folge, dass sie auch einen größeren Pro-Kopf-Wohnflächenkonsum als die vorhergehenden Geburtsjahrgänge derselben Altersklasse aufweisen. Dieser Effekt wird daher auch autonomer Wohlstandseffekt genannt. Die zentralen Bestimmungsfaktoren dieses Effekts sind vor allem ökonomische Größen wie die Wohn- und Heizkosten und das verfügbare Einkommen der Haushalte. Letztlich entscheidet das Verhältnis aus Wohnkostenbelastung (z. B. Zins, Tilgung, Betriebskosten oder Miete) und Einkommen darüber, wie hoch die Nachfrage nach Wohnraum ist.

Die Tabelle zeigt spaltenweise die Bedeutung des Altersstruktureffekts und zeilenweise die des Kohorteneffekts in Deutschland:

  • Mit zunehmenden Alter steigt der Wohnflächenkonsum. Im Jahr 2013 verfügte die Altersgruppe der über 80-Jährigen über 63,7 Quadratmeter, während die Altersgruppe der unter 18-Jährigen nur 30,5 Quadratmeter hatte.
  • Zu sehen ist zudem der Anstieg des individuellen Wohnflächenkonsums in Westdeutschland im Zeitraum 1984 bis 2013. Demnach bewohnte eine Person im Jahr 1984 durchschnittlich 35,7 Quadratmeter Wohnfläche. Bis zum Jahr 2013 ist die Pro-Kopf-Wohnfläche um ein Drittel auf 47,4 Quadratmeter gestiegen. Dies entspricht einem jahresdurchschnittlichen Wachstum von gut 0,9 Prozent im Betrachtungszeitraum. Eine Ausnahme stellt in Deutschland das schwächere Wachstum im Zeitraum 1999 bis 2004 dar. Ursache hierfür ist zum einen das deutlich niedrigere Wirtschaftswachstum in Westdeutschland, besonders in den Jahren nach dem Platzen der Dotcom-Blase im Jahr 2001 (Henger et al., 2014). Daneben ist der ostdeutsche Wohnflächenkonsum in den 1990er Jahren sehr stark gestiegen. Er gleicht sich aber seither stetig den niedrigeren westdeutschen Zuwachsraten an, erreicht diesen aber noch nicht: Eine Person in Ostdeutschland bewohnte im Jahr 2013 eine um rund 6 Quadratmeter kleinere Wohnung als eine Person in den westlichen Bundesländern. Es ist ebenfalls gut zu erkennen, dass von dem Kohorteneffekt alle Altersklassen betroffen sind. Der Wohnflächenkonsum der mittleren Altersklassen (besonders 45 bis 64 Jahre) stieg ein wenig stärker an als jener der unteren und oberen Altersklassen, da dort die stärksten Einkommenszuwächse zu erwarten sind.

IconRohdaten als Download | XLS

Die Frage, wie sich der Wohnflächenkonsum zukünftig entwickeln wird, hängt von einer Vielzahl von Determinanten ab. Einige Faktoren deuten darauf hin, dass auch zukünftig von einer steigenden Pro-Kopf-Wohnfläche ausgegangen werden kann. Zumindest zeigt sich beim Blick auf die bisherige Entwicklung in Deutschland, dass die Einkommensentwicklung die Wohnflächennachfrage begünstigt hat (Abbildung 1). Da die Immobilienpreise und Mieten bis auf die letzten Jahre real flächendeckend nicht gestiegen sind, hat dies insgesamt zu sinkenden relativen Wohnkosten und einer steigenden Nachfrage nach Wohnraum geführt. Für die zukünftige Entwicklung ist offen, ob die Wohnkosten (z. B. Immobilienpreise, Wohnungsmieten und Energiekosten) oder das verfügbare Einkommen eine größere Dynamik haben werden.

IconRohdaten als Download | XLS

Der Altersstruktureffekt wird zusammen mit dem Remanenzeffekt voraussichtlich auch weiterhin eine Zunahme der Pro-Kopf-Wohnfläche bewirken. So konnten bislang nur geringfügige Verhaltensänderungen bei den Senioren festgestellt werden, die dazu führten, dass ältere Menschen eine höhere Umzugsneigung zeigen und neue Wohnformen, beispielsweise Seniorenheime und Alten-Wohngemeinschaften, an Bedeutung gewinnen (Jörissen/Coenen, 2005). Auch die Singularisierung der Gesellschaft und der Trend zum Einpersonenhaushalt scheinen ohne Abschwächung voranzuschreiten (Schnurr, 2011). So bewirkt beispielsweise die zunehmende Akademisierung, dass mehr Paare und Familien in sogenannten „living apart together“-Beziehungen leben. Da von Akademikern bei der Arbeitsplatzwahl eine hohe Mobilität erwartet wird, leben sie zunehmend in mehr als einem Haushalt. In den Großstädten, in denen sich die Vielzahl dieser Arbeitsplätze befindet, werden deshalb viele meist kleinere (Zweit-)Wohnungen nachgefragt. Auch der Anstieg des Durchschnittsalters bewirkt ein Absinken der durchschnittlichen Haushaltsgröße, da nun mehr Menschen ein Alter haben, in dem die Kinder bereits ausgezogen sind. Diese befinden sich wiederum in der Ausbildungsphase ihres Lebenszyklus, der durch einen geringen Wohnkonsum gekennzeichnet ist. Insgesamt wird dies dazu führen, dass die durchschnittliche Anzahl an Personen je Haushalt – wie in der Vergangenheit von 2,3 (1991) auf 2,0 (2013) – weiter rückläufig sein wird (Abbildung 1).

Auch die Eigentumsbildung ist für die Frage des Wohnflächenkonsums von zentraler Bedeutung, da Personen in selbstgenutztem Eigentum im Durchschnitt über rund 10 Quadratmeter mehr Wohnraum verfügen (Statistisches Bundesamt, 2012; Just, 2014). Zudem ist die Umzugsneigung von Personen in selbstgenutztem Eigentum geringer (Wagner/Mulder, 2000). In den letzten Jahren hat die Eigentumsbildung aufgrund des Niedrigzinsumfelds und den damit einhergehenden geringeren Wohnnutzerkosten von selbstgenutztem Wohneigentum gegenüber dem Mieten spürbar zugenommen (Schier/Voigtländer, 2015). Wie lange die Phase anhalten und wie stark die Eigentumsquote gemäß dem Zensus 2011 von aktuell 45,8 Prozent (West: 48,9 Prozent; Ost: 34,4 Prozent) zulegen wird, ist jedoch schwer abzusehen. Dämpfend dürften hierbei die starken Wanderungsbewegungen innerhalb Deutschlands wirken. Sie führen dazu, dass Ballungsgebiete mit hoher Bevölkerungsdichte Einwohner gewinnen, während ländliche Räume Einwohner verlieren. Da in Agglomerationsräumen die Pro-Kopf-Wohnfläche und die Eigentumsquoten niedriger sind, wird dies die Zunahme des Wohnflächenkonsums insgesamt reduzieren. Die Übersicht fasst alle Argumente zusammen, die für und gegen eine steigende Pro-Kopf-Wohnfläche sprechen.

Datengrundlagen und Prognosemodell

Die Datengrundlage für die Prognose des Wohnflächenkonsums bildet das Sozio­oekonomische Panel (SOEP). Die Daten basieren auf einer jährlichen Haushaltsbefragung, an der sich etwa 25.000 Menschen in 15.000 Haushalten in Deutschland beteiligen. Aus immobilienökonomischer Sicht sind vor allem die Angaben zur Wohnsituation der Befragten interessant. Die im Prognosemodell verwendeten Werte des altersdifferenzierten Wohnflächenkonsums berechnen sich aus den mit den Hochrechnungsfaktoren gewichteten SOEP-Merkmalen Wohnfläche und Geburtsjahr. Die Wohnfläche pro Haushalt wird dann durch die Anzahl der in einem Haushalt lebenden Personen geteilt. Alle erforderlichen Daten liegen für den Zeitraum 1984 bis 2013 vor. Die Zeitreihen werden für Deutschland und getrennt für West- und Ostdeutschland berechnet, um einen möglichen Aufholprozess der neuen Bundesländer in der Zukunft zu quantifizieren.

Für eine tiefgehende Analyse und Prognose der Kohorteneffekte ist eine detaillierte Altersstruktur der Daten gegliedert nach Einzeljahren notwendig. Die Fallzahlen des SOEP erfordern eine Zusammenfassung der Daten zu Altersgruppen: eine Kategorie für die Personen unter 20 Jahren, eine Gruppe für die über 85-Jährigen und für den Altersbereich dazwischen jeweils 5-Jahres-Gruppen (20 bis 24 Jahre, 25 bis 29 Jahre usw.). Eine detailliertere Einteilung erscheint aufgrund der sonst zu gering werdenden Anzahl an Beobachtungen als statistisch nicht belastbar. Die Verwendung von Altersgruppen ist jedoch bei der Anwendung von Zeitreihenmodellen problematisch, da in der Regel keine Informationen über die Altersverteilung der Personen innerhalb der einzelnen Gruppen vorliegen. Wünschenswert wären deshalb Datensätze, die nach einzelnen Altersjahren gegliedert sind. Funktionale Datenanalysen sind hierbei überaus hilfreich. Dieser Ansatz aus der multivariaten Statistik begreift sekundärstatistische Beobachtungen nicht als unabhängige Beobachtungen, sondern unterstellt einen funktionalen Zusammenhang. Mithilfe von Glättungsverfahren („smoothing“) und Regressionsmodellen kann dieser geschätzt werden, wodurch altersgruppierte Daten auf Informationen, die nach den Altersjahren gegliedert sind, disaggregiert werden.

Hierfür wird zunächst der Median für alle Altersgruppen gebildet. So beträgt zum Beispiel der Median der Altersgruppe zwischen 20 und 24 Jahren 22 Jahre. Den Median-Werten werden anschließend die jeweiligen Funktionswerte der Altersgruppe zugeordnet. Diese Paare aus Median der Altersgruppe und Funktionswert werden als Knoten bezeichnet. Die einzelnen Knoten werden über Polynome miteinander verbunden. Wood (1994) schlägt hierfür bei demografischen Fragestellungen kubische Polynome vor. Die exakte Ausgestaltung der einzelnen Polynome erfolgt dabei durch Regressionsmodelle („spline regression") und auf Basis eines optimierenden Algorithmus (Hyndman/Ullah, 2007). Auf diese Weise werden die einzelnen Knoten miteinander verbunden und es resultiert eine (mathematisch) glatte Funktion. Jedem einzelnen Altersjahr kann mit diesem Verfahren nun ein exakter Wert der Pro-Kopf-Wohnfläche zugeordnet werden. Abbildung 2 verdeutlicht den Ansatz am Beispiel stilisierter Kurven.

IconRohdaten als Download | XLS

Auf der funktionalen Datenanalyse baut eine Vielzahl von Zeitreihenmodellen auf. Die vorliegende Prognose nutzt das Zeitreihenmodell von Hyndman und Ullah (2007) für die Prognose der Pro-Kopf-Wohnfläche Deutschlands und das Modell von Hyndman et al. (2013) für die getrennte Prognose von West- und Ostdeutschland. Der Vorteil dieser Modelle ist, dass sie mit wenigen Parametern auskommen. Anstatt jedes Altersjahr isoliert zu modellieren, nutzen sie die Eigenschaften der funktionalen Datenanalyse. Denn die altersgruppierten Daten wurden nicht nur auf Einzeljahre geglättet, sondern sie sind auch eine mathematisch stetige Funktion. Eine wesentliche gemeinsame Eigenschaft der Funktionen des Wohnflächenkonsums ist ein ähnlicher Verlauf. Alle Kurven gleichen optisch der stilisierten Darstellung gemäß Abbildung 2. Die Modelle berechnen den Mittelwert der Kurven über alle Jahre und müssen nur die Varianz von der mittleren Kurve erklären. Die Anzahl der zu schätzenden Parameter ist deshalb deutlich kleiner als bei alternativen Methoden. Da sich die Datenbasis auf den Zeitraum 1984 bis 2013 beschränkt, erscheint diese Wahl sinnvoll, da somit insgesamt nur 30 Beobachtungen vorliegen. Darüber hinaus sind beide Modelle robust gegenüber Strukturbrüchen. Einzelne Abweichungen der Kurven, die aus einem ungünstigen Zusammenspiel zwischen den SOEP-Hochrechnungsfaktoren und einer geringen Fallzahl einzelner Altersgruppen resultieren, verfälschen die Prognose nur in einem sehr geringen Ausmaß. Die Berechnungen erfolgten mit dem Statistikprogramm „RStudio“ in der Version 0.98.1091.

Die beschriebenen Verfahren finden vielfältige Anwendung auf demografische Forschungsfragen. Hyndman und Booth (2008) berechnen auf diese Weise beispielsweise die zukünftige Entwicklung der Bevölkerung Australiens. Hyndman et al. (2013) nutzen die funktionale Datenanalyse als Grundlage für eine Analyse über die Entwicklung von Brustkrebserkrankungen. Deschermeier (2011) verwendet den Ansatz für eine stochastische Bevölkerungsprognose der Metropolregion Rhein-Neckar. Vor allem auf regionaler Ebene entfaltet die funktionale Datenanalyse ihre Stärken, da die amtliche Statistik häufig die erforderlichen altersdifferenzierten Daten zu Altersgruppen zusammenfasst. Deschermeier (2014) glättet regionale Erwerbsquoten aus dem Mikrozensus und nutzt diese für eine Vorausberechnung eines regionalen Arbeitsmarktes.

Ergebnisse

Zur Visualisierung der zeitlichen Entwicklung von multivariaten Zeitreihen eignen sich Rainbow-Plots (Hyndman/Shang, 2010). Durch die im vorherigen Abschnitt beschriebene Glättung der Daten bilden die Werte eines Jahres der Pro-Kopf-Wohnfläche eine stetige Funktion. Jedem Altersjahr zwischen 18 und 84 kann eine konkrete Fläche zugewiesen werden. Deskriptive Statistiken können nicht bei dieser hohen Anzahl an Dimensionen als Tabelle für jedes Jahr und jedes Alter dargestellt werden, da sie zu komplex und deshalb unübersichtlich sind. Stattdessen weist ein Rainbow-Plot jeder Kurve eine Farbe aus dem Spektrum des Regenbogens zu. Die älteste Kurve ist rot (die unterste Farbe des Regenbogens) und der aktuellste Fall ist violett (die oberste Farbe des Regenbogens). Auf diese Weise bilden Rainbow-Plots in einer zweidimensionalen Abbildung insgesamt drei Informationen ab: das Alter (Abszisse), die Wohnfläche (Ordinate) und zusätzlich die Zeit (Farbe).

Abbildung 3 stellt die Entwicklung der Pro-Kopf-Wohnfläche für die Jahre 1984 bis 2013 für West- und Ostdeutschland als Rainbow-Plot dar. Abgebildet sind 30 auf einzelne Altersjahre geglättete Wohnflächenkurven, die aus den altersgruppierten SOEP-Daten berechnet wurden. Aus der Regenbogen-Farbgebung der einzelnen Kurven ist ein klarer Trend ersichtlich: Über die Zeit ist die Pro-Kopf-​Wohnfläche stetig gestiegen. Für einige aktuelle Kurven (blaue Farbtöne) sind Fluktuationen im obersten Altersbereich erkennbar. Diese gehen auf Probleme der Hochrechnungsfaktoren der SOEP-Datenbanken bei geringen Fallzahlen zurück und stellen somit statistische Ausreißer dar. Für die Prognose bedeuten diese Fluktuationen der ansonsten recht gleichförmigen Kurven jedoch kein Problem, denn eine Stärke des verwendeten Prognosemodells ist die Robustheit gegenüber Ausreißern und Strukturbrüchen. Für derartige Unregelmäßigkeiten schätzt das Modell isolierte Effekte (Hyndman/Ullah, 2007). Abbildung 3 zeigt sehr anschaulich das stetige Wachstum der Pro-Kopf-Wohnfläche und dass der Kohorteneffekt auch in Zukunft weiter zum Tragen kommen wird.

Abbildung 4 vergleicht für die Jahre 2014 und 2030 die Pro-Kopf-Wohnfläche zwischen West- und Ostdeutschland. Die Schere zwischen Ost und West ging seit der Wiedervereinigung bis zum Jahr 2013 von 11 auf rund 6 Quadratmeter zurück. Dieser Aufholprozess wurde zum einen von einer stärkeren Einkommensentwicklung in Ostdeutschland angetrieben. Die jahresdurchschnittlichen Einkommen stiegen dort im Zeitraum 1991 bis 2013 mit 3,1 Prozent deutlich stärker als in Westdeutschland mit 2,4 Prozent. Zum anderen erhöhte sich die Eigentumsbildung im Osten von 25 auf 38 Prozent, während sie im Westen nur geringfügig zulegte. Darüber hinaus hat sich die Anzahl der Einpersonenhaushalte in Ostdeutschland fast verdoppelt und liegt heute deutlich über der in Westdeutschland. Vergleicht man die altersdifferenzierte Pro-Kopf-Wohnfläche von Ost und West im Jahr 2014, dann werden markante Unterschiede deutlich. Bei den ostdeutschen unter 30-Jährigen ist eine Einpersonen-Haushalts-Welle nur sehr gering ausgeprägt, möglicherweise, weil junge Menschen in Ostdeutschland während der Ausbildung oder des Studiums zu Hause oder häufig auch in Westdeutschland wohnen (Kley/Huinink, 2006). Bei den über 50-Jährigen liegt die ostdeutsche Pro-Kopf-Wohnfläche außerdem sehr deutlich unter jener der Westdeutschen. Die Hauptursache hierfür dürfte das unterschiedliche Wohnverhalten dieser Bevölkerungsgruppe darstellen. Vor der Wiedervereinigung hatten die Ostdeutschen weniger Einkommen zur Verfügung und sie wohnten deshalb verstärkt in kleineren Wohnungen zur Miete.

IconRohdaten als Download | XLS

Abbildung 5 dokumentiert die Bedeutung der drei Einflusseffekte auf den Wohnflächenkonsum in der Vergangenheit (1991 bis 2013) als auch in der Zukunft (2013 bis 2030), jeweils differenziert für Ost- und Westdeutschland. Datengrundlage für den individuellen Wohnflächenkonsum bildet das SOEP und die darauf aufbauenden Prognosen. Die Werte der zukünftigen Bevölkerung entstammen noch der Variante 1-W2 der 12. koordinierten Bevölkerungsvorausberechnung (Statistisches Bundesamt, 2009). Die Pro-Kopf-Wohnfläche hat auf dieser Grundlage im Zeitraum 1991 bis 2013 um jährlich 1,15 Prozent zugelegt. Hierunter fallen 0,93 Prozent auf den Kohorteneffekt und 0,22 Prozent auf den Altersstruktureffekt. Deutlich zeigen sich hierbei die Unterschiede zwischen Ost und West. Der Kohorteneffekt ist aufgrund des Aufholprozesses der neuen Bundesländer nach der Wiedervereinigung mit 1,46 Prozent im Osten im Vergleich zu 0,79 im Westen deutlich größer. Die Altersstruktureffekte sind dagegen mit 0,26 (Ost) und 0,20 (West) nicht sehr unterschiedlich. Große Bedeutung auf die Wohnflächennachfrage hat die Binnenwanderung von Ost nach West, die sich in den unterschiedlichen Vorzeichen der Mengeneffekte niederschlagen: –0,50 Prozent im Osten im Vergleich zu +0,13 Prozent im Westen.

IconRohdaten als Download | XLS

Bis zum Jahr 2030 ist zu erwarten, dass der bundesweite Wohnflächenkonsum jedes Jahr um 0,55 Prozent zunehmen und sich damit im Vergleich zum Betrachtungszeitraum 1991 bis 2013 deutlich abschwächen wird:

  • Der Kohorteneffekt sinkt von 0,93 auf 0,50 Prozent, da sich der ostdeutsche Aufholprozess verlangsamt und der Kohorteneffekt langfristig zurückgeht.
  • Der Altersstruktureffekt verliert geringfügig an Einfluss. Dies überrascht auf den ersten Blick, da sich gerade bis zum Jahr 2030 die Altersstruktur der Bevölkerung schneller verändern wird als in der Vergangenheit. So lag der Altersquotient für die über 65-Jährigen im Jahr 1991 bei 14,9 Prozent und ist innerhalb von 22 Jahren auf 21,1 Prozent gestiegen. Bis zum Jahr 2030 wird er weiter auf 28,3 Prozent ansteigen. Jedoch geht der Zuwachs nicht mehr auf Kosten der unter 20-Jährigen, sondern auf Kosten von Personen mittleren Alters, sodass sich der Altersstruktureffekt abschwächt.
  • Schließlich wirkt auch der Mengeneffekt mit negativen Vorzeichen dämpfend auf den Wohnflächenkonsum, wenn auch in einem moderaten Ausmaß von 0,15 Prozent pro Jahr.

Insgesamt bedeutet dies, dass die Pro-Kopf-Wohnfläche von 46,2 Quadratmetern im Jahr 2013 auf bis zu 51,5 Quadratmeter im Jahr 2030 ansteigen wird. In Westdeutschland steigt die Pro-Kopf-Wohnfläche im gleichen Zeitraum von 47,4 auf 52,4 Quadratmeter, in Ostdeutschland von 41,5 auf 46,7 Quadratmeter. Damit verringert sich der Abstand zwischen Ost und West nur minimal. In Westdeutschland schwächt sich der Kohorteneffekt in Zukunft ab, während der Altersstruktureffekt an Bedeutung gewinnen wird. Der Mengeneffekt dürfte gering ausfallen und stellt daneben auch den größten Unsicherheitsfaktor dar. Es ist schwer abzusehen, wie lange die aktuelle Zuwanderungswelle nach Deutschland mit einem Wanderungssaldo von bis zu 500.000 Personen pro Jahr andauern wird.

Schlussfolgerungen

Der demografische Wandel bewirkt tiefgreifende makroökonomische Veränderungen in der deutschen Volkswirtschaft und beeinflusst unmittelbar die Immobilien- und Wohnungsmärkte. Um abzuschätzen, wie sich die Nachfrage am deutschen Wohnungsmarkt in der Zukunft entwickeln wird, müssen drei Effekte unterschieden werden: der Mengeneffekt, der aus Veränderungen der Bevölkerungsanzahl resultiert, der Altersstruktureffekt, der sich aus Veränderungen der Bevölkerungsstruktur ergibt, und der Kohorteneffekt, der beschreibt, wie sehr sich der Konsum über die Zeit verändert. Der vorliegende Beitrag liefert auf Basis der SOEP-Daten von 1984 bis 2013 eine stochastische Prognose für den Wohnflächenkonsum pro Kopf bis 2030 differenziert nach Altersjahren.

Die Prognose zeigt, dass der Kohorteneffekt auch in Zukunft maßgeblich die Wohnflächennachfrage beeinflussen wird. Jedoch nimmt seine Bedeutung ein wenig ab, während gleichzeitig der Altersstruktureffekt etwas wichtiger wird. Dieser Befund lässt zahlreiche Rückschlüsse auf die Entwicklung der regionalen Wohnungsmärkte zu. Zum einen dürften auch Räume mit geringen Bevölkerungsverlusten einen nennenswerten Zuwachs ihres Wohnflächenkonsums erwarten. Dies dürfte insgesamt stabilisierend auf die Boden- und Immobilienpreise wirken. Zum anderen wird der altersgerechte Umbau bestehender Gebäude an Bedeutung gewinnen und damit neben dem klassischen Ersatzbedarf für nicht mehr zu nutzende Wohnungen auch weiter Investitionen in Richtung Wohnungsbestand lenken. Diese als sicher einzustufenden langfristigen Trends können jedoch nicht dahingehend interpretiert werden, dass der demografische Wandel nur geringe Probleme mit sich bringt. Hohe Investitionen in den Wohnungsbestand zur Anpassung an veränderte Ansprüche und zur Vermeidung von Leerständen sowie starke Binnenwanderungen verschiedener Bevölkerungsgruppen stellen die entscheidende Herausforderung der Wohnungsmärkte für die Zukunft dar.

IW-Trends

Philipp Deschermeier / Ralph Henger: Die Bedeutung des zukünftigen Kohorteneffekts auf den Wohnflächenkonsum

IconDownload | PDF

Literatur

Behring, Karin / Börsch-Supan, Axel / Goldrian, Georg, 1988, Wohnungsnachfrageprognose 1995, Analyse und Prognose der Nachfrage nach Miet- und Eigentümerwohungen, Schriftenreihe des ifo Instituts für Wirtschaftsforschung, Nr. 121, Berlin

Braun, Reiner / Pfeiffer, Ulrich, 2005, Wohnflächennachfrage in Deutschland, Berlin

Deschermeier, Philipp, 2011, Die Bevölkerungsentwicklung der Metropolregion Rhein-Neckar: Eine stochastische Bevölkerungsprognose auf Basis des Paradigmas funktionaler Daten, in: Comparative Population Studies, 36. Jg., Nr. 4, S. 731–768

Deschermeier, Philipp, 2014, Prognose der Anzahl der Erwerbspersonen. Eine Vorausberechnung auf Basis der funktionalen Datenanalyse am Beispiel der Metropolregion Rhein-Neckar, in: Zeitschrift für Wirtschaftsgeographie, 58. Jg., Nr. 1, S. 50–65

Deschermeier, Philipp, 2015, Die Entwicklung der Bevölkerung Deutschlands bis 2030 – ein Methodenvergleich, in: IW-Trends, 42. Jg., Nr. 2, S. 97–111

Henger, Ralph / Schier, Michael / Voigtländer, Michael, 2014, Wohnungsleerstand, Eine wirtschaftspolitische Herausforderung, IW-Positionen, Nr. 62, Köln

Hyndman, Rob J. / Booth, Heather, 2008, Stochastic population forecasts using functional data models for mortality, fertility and migration, in: International Journal of Forecasting, 24. Jg., Nr. 3, S. 323–342

Hyndman, Rob J. / Shang, Han Lin, 2010, Rainbow plots, bagplots and boxplots for functional data, in: Journal of Computational and Graphical Statistics, 19. Jg., Nr. 1, S. 29–45

Hyndman, Rob J. / Ullah, Shahid, 2007, Robust forecasting of mortality and fertility rates – A functional data approach, in: Computational Statistics & Data Analysis, 51. Jg., Nr. 10, S. 4942–4956

Hyndman, Rob J. / Booth, Heather / Yasmeen, Farah, 2013, Coherent mortality forecasting: the product-ratio method with functional time series models, in: Demography, 50. Jg., Nr. 1, S. 261–283

Jörissen, Juliane / Coenen, Reinhard, 2005, TA-Projekt Reduzierung der Flächeninanspruchnahme – Ziele, Maßnahmen, Wirkungen, Berlin

Just, Tobias, 2013, Demografie und Immobilien, München/Oldenburg

Just, Tobias, 2014, Demografischer Wandel und die Zukunft des Wohneigentums, in: Depenheuer, Otto /​ Voigtländer, Michael (Hrsg.), Wohneigentum. Herausforderungen und Perspektiven, Berlin, S. 215–235

Kley, Stefanie / Huinink, Johannes, 2006, Die Gründung des eigenen Haushalts bei Ost-und Westdeutschen nach der Wiedervereinigung, in: Zeitschrift für Bevölkerungswissenschaft, 31. Jg., S. 127–154

Schier, Michael / Voigtländer, Michael, 2015, Immobilienpreise. Ist die Entwicklung am deutschen Wohnungsmarkt noch fundamental gerechtfertigt?, in: IW-Trends, 42. Jg., Nr. 1, S. 55–73

Schnurr, Simone, 2011, Singularisierung im Alter: Altern im Kontext des demographischen Wandels, Münchner Studien zur Erwachsenenbildung, Nr. 7, Berlin

SOEP, 2015, Daten der Jahre 1984 – 2013, 30. Jg., Berlin

Statistisches Bundesamt, 2009, Bevölkerung Deutschlands bis 2060 – 12. koordinierte Bevölkerungsvorausberechnung, Wiesbaden

Statistisches Bundesamt, 2012, Bauen und Wohnen: Mikrozensus – Zusatzerhebung 2010, Bestand und Struktur der Wohneinheiten, Wohnsituation der Haushalte, Fachserie, Nr. 5, Heft 1, Wiesbaden

Statistisches Bundesamt, 2015, Bevölkerung Deutschlands bis 2060. 13. koordinierte Bevölkerungsvorausberechnung, Wiesbaden

Wagner, Michael / Mulder, Clara H., 2000, Wohneigentum im Lebenslauf – Kohortendynamik, Familiengründung und sozioökonomische Ressourcen, in: Zeitschrift für Soziologie, 29. Jg., Nr. 1, S. 44–59

Wood, Simon, 1994, Obtaining Birth and Mortality Patterns From Structured Population Trajectories, in: Ecological Monographs, 64. Jg., Nr. 1, S. 23–44

Ansprechpartner

Eine Bodensteuer wäre besser
IW-Kurzbericht, 12. September 2016

Ralph Henger / Thilo Schaefer Grundsteuerreform: Eine Bodensteuer wäre besserArrow

Die Finanzminister der Länder wollen auch künftig die Grundsteuer am Wert von Grund und Boden einschließlich der Gebäude bemessen. Doch dafür müssen die zuständigen Behörden den aktuellen Wert der Gebäude aufwendig neu ermitteln. Dabei ließe sich die Grundsteuer viel einfacher reformieren – und würde nebenbei dringend benötigte Investitionen in neue und bestehende Gebäude fördern. mehr

"Das bringen Flüchtlinge der Wirtschaft"
Interview, 8. September 2016

Michael Voigtländer in den Ruhr Nachrichten "Das bringen Flüchtlinge der Wirtschaft"Arrow

Wenn viele Flüchtlinge kommen - was sind die Folgen? Profitiert der Arbeitsmarkt? Wie groß sind die Herausforderungen für den Wohnungsmarkt? Was bedeutet all das ganz konkret für den Kreis Unna und die Region? Ein Interview mit IW-Immobilienökonom Michael Voigtländer in den Ruhr Nachrichten. mehr

16. August 2016

Regionale Armut Teures Wohnen?Arrow

„Die Mieten explodieren“ – mit solchen Schlagzeilen wird in der Öffentlichkeit seit Jahren der Eindruck erweckt, in Deutschland herrsche ein flächendeckender Mangel an bezahlbarem Wohnraum und die Politik müsse unbedingt gegensteuern. Beides ist falsch. mehr auf iwd.de