Show Less
Open access

Bankertrag und Bevölkerungsdynamik

Eine empirische Untersuchung für deutsche Sparkassen

Series:

Marco Oestmann

Diese Arbeit beschäftigt sich mit den quantitativen Auswirkungen des demographischen Wandels auf die zukünftige Ertragslage der deutschen Sparkassen. Hierzu wird ein mikroökonometrisch fundiertes Simulationsmodell genutzt, in das neben offiziellen Bevölkerungsprognosen ein neuartiger, detaillierter Datensatz von knapp 2,5 Millionen Kunden elf deutscher Sparkassen einfließt. Für verschiedene Szenarien werden aus dem Modell Prognosen der Kunden- und Ertragsentwicklung für den deutschen Sparkassensektor bis 2025 auf NUTS II-Ebene abgeleitet. Die Ergebnisse deuten darauf hin, dass für den Sparkassensektor insgesamt eine recht stabile Ertragssituation zu erwarten ist. Für einige Regionen, insbesondere in Ostdeutschland, ergibt sich dagegen eine existenzgefährdende Ertragserosion.
Show Summary Details
Open access

7 Prognose der Kundenentwicklung und der Kundenstruktur

| 139 →

7 Prognose der Kundenentwicklung und der Kundenstruktur

7.1 Untersuchung auf Sparkassenebene bis 2020

7.1.1 Methodische Vorgehensweise

Der zweite Arbeitsschritt der Analyse besteht in der Prognose der Entwicklung der Kundenzahl und der Kundenstruktur der beteiligten Sparkassen. Hierzu wird ein zweistufiges Vorgehen gewählt.

In einem ersten Teilschritt wird zunächst auf Basis der zur Verfügung gestellten Kundendaten und der tatsächlichen Bevölkerungsgröße aus der amtlichen Statistik die Marktausschöpfung der Sparkassen zum Ende des Referenzjahres (2006 bzw. 2007) ermittelt. Als Marktausschöpfung wird im Folgenden der Quotient aus der aktuellen Kundenzahl einer Sparkasse in einem Gebiet und der potentiellen Kundenzahl, also der Bevölkerung, bezeichnet.113 Als Kunde im Sinne dieser Definition wird jedes Individuum aufgefasst, das zum Stichtag wenigstens ein Produkt der zugehörigen Sparkasse besitzt.114 Die Marktausschöpfung wird dabei für jede Sparkasse, jede Altersklasse und jeden Kreis gesondert ermittelt. Sollte eine Analyse für bestimmte Sparkassen die Unterscheidung nach Geschlecht erfordern, weil sich beispielsweise der Dummy für das Geschlecht als signifikant erweist, so wird die Ausschöpfung in dieser zusätzlichen Dimension berechnet.

In einem zweiten Teilschritt werden auf der Basis von Plausibilitätsüberlegungen zwei Szenarien für die zukünftige Marktausschöpfung bis zum Jahr 2020 entwickelt, die beide auf den im ersten Schritt ermittelten Ist-Ausschöpfungsquoten aufbauen und in Abschnitt 7.1.3 näher vorgestellt werden. Durch Multiplikation der einzelnen Marktausschöpfungen mit den Ergebnissen der jeweiligen Bevölkerungsvorausberechnung ergibt sich für jedes der zwei Szenarien eine Prognose der Kundenentwicklung bis zum Jahr 2020, die dann ← 139 | 140 → als Grundlagen für die Abschätzung der Entwicklung der Deckungsbeiträge im nächsten Arbeitsschritt (Abschnitt 8) dienen.

Formal ergeben sich die zukünftigen Kundenzahlen Kr,a,t für das Geschäftsgebiet einer Sparkasse, indem für jeden Kreis r (r=1,2,…,r) des Geschäftsgebiets in jeder Altersgruppe a (a=1,2,…,a)115zu jedem Prognosezeitpunkt t (t=1,2,…,t) des Prognosehorizonts die zukünftige Bevölkerung B mit der zugehörigen prognostizierten Marktausschöpfung M multipliziert wird:

Illustration

Hierbei bezeichnet r die Anzahl der Kreise des Geschäftsgebiets, a die Anzahl der Altersgruppen und das letzte Prognosejahr bzw. gleichzeitig die Länge des Prognosehorizonts in Jahren. In Matrixschreibweise formuliert, ergibt sich die Matrix K der zukünftigen Kundenzahlen in jeder Altersklasse und jeder Region in jedem Prognosejahr aus dem Hadamard-Produkt (Marshall/Olkin [1979] 257f.) der Bevölkerungsmatrix B und der Marktausschöpfungsmatrix M, wobei alle Matrizen die Dimension (ra) x t aufweisen:

Illustration

Bei den untersuchten Sparkassen wurde jeweils mit 86 Altersklassen gearbeitet (a = 86). Die Prognose wurde ausgehend vom Referenzjahr 2006 bzw. 2007 bis zum Jahr 2020 durchgeführt (t = 14 bzw. t = 13). Die Dimension der Matrizen für die einzelnen Sparkassen wird dann durch die Anzahl der Kreise des Geschäftsgebiets r bestimmt und ergibt sich als (r86) x 13 bzw. (r86) x 14.

Für eine Sparkasse mit Referenzjahr 2006, Prognosezeitraum 2007 bis 2020 und r Kreisen nehmen die Matrizen K, M und B beispielsweise folgende Gestalt an: ← 140 | 141 →

Illustration

Die Matrix B enthält dabei die Bevölkerungsprognosen der statistischen Landesämter. Zur Konstruktion der Matrix M müssen die in den beiden Szenarien getroffenen Annahmen über die zukünftige Marktausschöpfung berücksichtigt werden, d.h. je nach Szenario wird eine unterschiedliche Marktausschöpfungsmatrix M zu Grunde gelegt (MI bzw. MII ), die in den Abschnitten 7.1.3.1 (Szenario I) und 7.1.3.2 (Szenario II) erläutert wird. Ausgangspunkt in beiden Fällen ist die „Ist“-Marktausschöpfung zum Stichtag der Datenerhebung, die im folgenden Abschnitt 7.1.3 für die elf Sparkassen näher beleuchtet werden soll.

Um in jedem Prognosejahr die zukünftigen Kundenzahlen für die Sparkasse als Ganzes zu bestimmen, müssen die Spalten der Matrix K aufsummiert werden. Durch partielle Aggregation über alle Altersklassen bestimmter Kreise oder über ausgewählte Altersgruppen (z.B. der 30 bis 40-jährigen) können zudem Ergebnisse für einzelne Regionen oder spezielle Kundengruppen abgeleitet werden. Die mit diesem Verfahren ermittelten Resultate für die Gesamtkundenzahlen der beteiligten Sparkassen finden sich in Kapitel 7.1.4.

Soll darüber hinaus nach Geschlecht unterschieden werden, muss die Berechnung der Matrix K zweimal, getrennt nach Männern und Frauen vorgenommen werden. Die prinzipielle Vorgehensweise bleibt dabei erhalten. ← 141 | 142 →

7.1.2 Analyse der Marktausschöpfung zum Ende des Referenzjahres

Zur Berechnung der Marktausschöpfung zum Stichtag der Datenerhebung wurden die korrespondierenden Bevölkerungsdaten für die Landkreise, aufgegliedert nach dem Lebensalter in Jahresschritten, aus der Bevölkerungsfortschreibung der statistischen Landesämter verwendet. Für alle elf Sparkassen kann die Marktausschöpfung in jedem Kreis und in jeder Altersklasse berechnet werden, indem die Anzahl der Sparkassenkunden durch die Anzahl der Einwohner geteilt werden. Wie in Abschnitt 2 dargelegt, existieren historisch bedingte strukturelle Unterschiede in der Markt- und Wettbewerbsposition zwischen ost- und westdeutschen Sparkassen, die sich auch in den vorhandenen Daten wiederfinden. Zur Verdeutlichung sind hierzu in Abbildung 19 und Abbildung 20 für die drei west- und die acht ostdeutschen Sparkassen die Marktausschöpfungen nach Altersklassen in ihren Geschäftsgebieten zum Stichtag zusammengefasst.

Illustration

Abbildung 19: Aggregierte Marktausschöpfung der westdeutschen Sparkassen in ihren Geschäftsgebieten nach Altersklassen zum Stichtag; Quelle: eigene Berechnungen. ← 142 | 143 →

Illustration

Abbildung 20: Aggregierte Marktausschöpfung der ostdeutschen Sparkassen in ihren Geschäftsgebieten nach Altersklassen zum Stichtag; Quelle: eigene Berechnungen.

Hinsichtlich der Marktausschöpfung in den einzelnen Altersklassen zeigt sich mit Ausnahme von Bank 7 in Ostdeutschland und Bank 10 in Westdeutschland ein idealtypisches Muster. Bei den jüngeren Kunden ist eine geringe aber kontinuierlich ansteigende Quote festzustellen, die bei den Anfang 20-jährigen ein lokales Maximum besitzt. Danach wird der Quotient für jede Altersgruppe kleiner, bis er bei den Mitte 30-jährigen seinen Tiefpunkt erreicht, um dann bei den älteren Kunden wieder anzusteigen. In Ostdeutschland liegen die Quoten dabei für die einzelnen Sparkassen mit Ausnahme von Bank 7 im Wesentlichen im Korridor, der durch die Sparkassen 1 und 5 aufgespannt wird. Sparkasse 1 besitzt in ihrem Geschäftsgebiet eine außerordentliche starke Wettbewerbsposition mit einer durchschnittlichen Ausschöpfungsquote von 80,4%. Die Spitzenwerte werden bei den 20-jährigen (97,0%) und bei den über 84-jährigen (98,4%) erreicht. Die untere Grenze des Korridors wird von Bank 5 gebildet, bei der eine qualitativ vergleichbare Struktur bei deutlich niedrigeren Raten zu beobachten ist. Die Maxima liegen hier bei den 19-jährigen (74,1%) und den 81-jährigen (84,6%) bei einer durchschnittlichen Ausschöpfung von 62,0%. ← 143 | 144 →

Lässt man Bank 10 wegen ihrer Besonderheiten vorerst aus der Betrachtung heraus, so zeigt sich für die Banken 9 und 11 in Westdeutschland eine ähnliche Struktur, die jedoch weniger stark ausgeprägt ist. Insbesondere die exponierte Position bei den älteren Kunden mit z.T. extrem hohen Quoten findet sich in westdeutschen Instituten nicht wieder. Bei den meisten Altersgruppen ist eine Marktausschöpfung festzustellen, die noch unterhalb der ostdeutschen Bank 5 liegt. Dies zeigt sich sowohl bei den durchschnittlichen Quoten von 54,6% (Bank 9) und 57,8% (Bank 11) als auch bei den Maxima, die bei den jungen und bei den älteren Kunden deutlich unter den ostdeutschen Werten liegen. Bei Bank 11 wird die maximale Ausschöpfung bei den jungen Kunden in den Altersklassen der 18 bzw. 19-jährigen mit 67,1% erreicht. Bei den älteren Kunden ist die größte Ausschöpfung bei den 82-jährigen (73,1%) zu beobachten. Bank 9 liegt mit Werten von 64,8% bei den 22-jährigen und 72,0% in der Altersklasse 85+ leicht darunter. Setzt man alle Kunden der Sparkassen in Ost- bzw. Westdeutschland ins Verhältnis zum korrespondierenden Marktpotenzial, so ergibt sich für die westdeutschen Sparkassen eine durchschnittliche Marktausschöpfung von 57,5% gegenüber 64,9% bei den ostdeutschen Instituten. Die auffällig niedrigeren Quoten im Westen sind im Wesentlichen auf die unterschiedliche aktuelle und historische Konkurrenzsituation in Ost- und Westdeutschland zurückzuführen.

Da im Bankenmarkt die Mobilität der Kunden verhältnismäßig gering ist (EU-Kommission [2007]), schlagen sich in der beobachteten Marktausschöpfung neben der aktuellen Geschäftspolitik und Wettbewerbslage auch das vergangene Verhalten und die historische Wettbewerbssituation nieder. Dies ist insbesondere der Fall bei Kunden mittleren und hohen Alters, bei denen generell eine besonders starke Kundenbindung besteht. Wie schon in Abschnitt 3 dargestellt, muss in diesem Kontext berücksichtigt werden, dass die Sparkassen in der DDR eine Monopolstellung im Privatkundengeschäft inne hatten, die -wie insbesondere die extrem hohe Marktausschöpfung bei den älteren Kunden belegt- bis heute nachwirkt. Darüber hinaus sehen sich die Sparkassen im Westen im Gegensatz zu ihren Schwesterinstituten im Osten einer wesentlich stärkeren regionalen Konkurrenz durch die Genossenschaftsbanken gegenüber, deren Präsenz und Marktstellung in Ostdeutschland nach wie vor relativ schwach ist. Diese beiden Gründe führen bei den ostdeutschen Sparkassen zu einer im Vergleich zum Westen stärkeren Wettbewerbsposition, die sich in höheren Ausschöpfungsquoten niederschlägt.

Abschließend sollen kurz die zwei Banken beleuchtet werden, bei denen Abweichungen vom idealtypischen Muster bestehen. Diese Abweichungen können ← 144 | 145 → in beiden Fällen auf regionale Besonderheiten zurückgeführt werden. So sind bei Bank 10 starke Anstrengungen im Bereich der Neukundengewinnung festzustellen, die sich in außerordentlich hohen Anteilen bei den jungen Kunden unter 25 Jahren niederschlagen. Nach Aussage eines Sparkassenverantwortlichen soll mit Hilfe dieser Politik die unterdurchschnittliche Position in den älteren Kundensegmenten kompensiert werden, die auf eine suboptimale Geschäftspolitik in der Vergangenheit und die traditionell starke Konkurrenz der lokalen Wettbewerber im Geschäftsgebiet zurückzuführen ist. Die ostdeutsche Bank 7 weicht dagegen bei den jüngeren Kunden bis ca. 30 Jahre nicht vom idealtypischen Muster ab. Bei den älteren Kunden ab 30 bis zu den 70-jährigen liegt dagegen eine Marktausschöpfung um die 40% vor, die weit unter dem Niveau aller anderen Sparkassen liegt. Bei den betagten Kunden ab 70 Jahren steigt die Quote dann zwar an, liegt aber dennoch erheblich unter den Werten ihrer ostdeutschen Schwesterinstitute. Auch hier existieren historische regionale Spezifika, die zur vergleichswiese schwachen Marktposition dieser Bank bei den Kunden mittleren und hohen Alters geführt haben.116

7.1.3 Prognose der Marktausschöpfung bis 2020

In einem nächsten Schritt muss nun prognostiziert werden, wie sich die Marktausschöpfung der einzelnen Sparkassen bis zum Jahr 2020 entwickeln wird. Zwar wäre es wünschenswert, eine solche Prognose ebenfalls anhand eines ökonometrischen Prognosemodells zu erstellen, da die Daten zur Marktausschöpfung aber lediglich im Querschnitt zum Stichtag 2006/2007 vorliegen, können die Methoden der Zeitreihenanalyse hier nicht verwendet werden. Alternativ wird so vorgegangen, dass auf der Basis von Plausibilitätsüberlegungen zwei unterschiedliche Szenarien für die Entwicklung der Marktausschöpfung der einzelnen Sparkassen bis zum Jahr 2020 entwickelt und dann simuliert werden. Die Szenarien wurden in enger Abstimmung in einer Art Delphi-Verfahren (Häder [2002]) mit den beteiligten Sparkassen erstellt. ← 145 | 146 →

7.1.3.1 Szenario I: Demographie (Benchmark)

Szenario I kann als Benchmarkszenario betrachtet werden. Hier liegt das Credo zu Grunde, alle Einflussfaktoren mit Ausnahme der demographischen Entwicklung konstant zu halten. So erhält man einen Vergleichsmaßstab, der es erlaubt, die rein demographischen Effekte auf Kundenzahl und -struktur zu quantifizieren. Dem ersten Szenario liegt somit die Annahme zugrunde, dass die gegenwärtigen Marktausschöpfungen der Sparkassen in den einzelnen Kreisen und Altersklassen konstant bleiben. Dies impliziert, dass insbesondere die starke Marktposition bei den älteren Kunden gehalten werden kann, was sicherlich sehr optimistisch und realitätsfern ist. Unter heutigen Gesichtspunkten kann nicht davon ausgegangen werden, dass die Sparkassen zukünftig in den höheren Altersklassen so viele Neukunden akquirieren, wie benötigt werden, um Quoten auf heutigem Niveau zu erreichen. Szenario I muss also als ein Status Quo-Szenario interpretiert werden, das nicht darauf abzielt, zukünftige Entwicklungen realistisch abzubilden, sondern lediglich zur Isolierung des demographisch induzierten Effekts dient. Für die Matrix MI bedeutet die Annahme einer konstanten Marktausschöpfung, dass alle Spalten von MI identisch mit der Ist-Marktausschöpfung im Referenzjahr sind.

7.1.3.2 Szenario II: Demographie und Wettbewerb

Das zweite Szenario beruht auf der Erkenntnis, dass die Sparkassen auch nach eigener Einschätzung die z.T. sehr hohen aktuellen Marktausschöpfungen in den höheren Altersklassen in Zukunft wohl kaum werden halten können. In den jüngeren Kundensegmenten, in denen die Wechselbereitschaft stärker ausgeprägt und auch die räumliche Mobilität höher ist, ist die Marktausschöpfung auch heute schon deutlich geringer. Im Laufe der Zeit wachsen nun die dünner besetzten Kundensegmente in die älteren Altersklassen hinein und senken dort vermutlich die Marktausschöpfung im Vergleich zum Status Quo. Diesem Umstand wird im Szenario II dadurch Rechnung getragen, dass die Marktausschöpfungen der Sparkassen nur bis zum Alter von 35 Jahren konstant gehalten werden. Für jede höhere Altersklasse wird angenommen, dass die Marktausschöpfung in den Folgejahren jeweils derjenigen entspricht, die der gleiche Jahrgang (Kohorte/Generation) im Basisjahr 2006/2007 aufwies. So wird also beispielsweise für die Marktausschöpfung bei den 36-jährigen im Prognosejahr 2007 angenommen, dass sie gerade der Marktausschöpfung der 35-jährigen im Jahr 2006 entspricht. ← 146 | 147 → Die Kohorten behalten also ab dem Alter von 35 ihre Marktausschöpfung bei. Im Wesentlichen bedeutet diese Annahme also, dass der Wettbewerb um Kunden unter 35 im Prognosezeitraum strukturell nach identischem Muster verläuft, wie er sich im Querschnitt des Referenzjahres manifestiert, d.h. es werden vor allen Dingen im Kundensegment unter 20 Jahren bei ansteigenden Ausschöpfungsquoten Kunden gewonnen,117 die z.T. im Alter zwischen 20 und 30 abwandern (sinkende Anteile), bevor unterstellt wird, dass bei den Mittdreißigern eine Art Steady State mit dann kohortenspezifisch konstanten Quoten erreicht wird. Konsequenz dieser Annahmensetzung ist, dass die Ausschöpfungsquoten der älteren Kunden im Zeitverlauf gegen das Niveau der 35-jährigen im Referenzjahr konvergieren. Die aktuell (z.T. auch historisch bedingten) höheren Anteile bei den älteren Kunden werden so über die Zeit abgeschmolzen. Neukundengewinnung und Kundenverluste finden bei den älteren Kunden nur noch proportional zur demographischen Entwicklung statt, d.h. nur insoweit, als die Quote innerhalb einer Kohorte/Generation konstant bleibt.

In Szenario I und II werden prinzipiell nur Annahmen über die Ausschöpfung getroffen und nicht über die konkrete Zusammensetzung der Kohorten. Diese müssen sich im Zeitablauf nicht zwangsläufig aus denselben Individuen zusammensetzen. Theoretisch wäre auch eine starke Fluktuation denkbar, solange die absoluten Kundenzahlen in einer Altersklasse mit der jeweils unterstellten Ausschöpfung korrespondieren. Die Intention des Szenarios II ist jedoch eine andere. So soll insbesondere der Umstand modelliert werden, das bislang der Wettbewerb um Kunden vor allen Dingen im Segment der jüngeren Kunden unter 35 Jahren ausgetragen wird, die älteren Kunden dagegen tendenziell über eine ausgeprägtere Institutsbindung und geringere Mobilität verfügen, so dass Sie in der Regel bei Ihrem Institut verbleiben. Im theoretischen Extremfall findet ein Ausscheiden aus der Kundenbeziehung nur durch Tod oder Wegzug statt, woraus sich einige Implikationen ergeben würden, die im Folgenden knapp erläutert werden und die Intuition der Annahmensetzung illustrieren.

Die Stärke einer Kohorte ändert sich nur durch Todesfälle und Migration. Blendet man die Wanderungsbewegungen in einem ersten Schritt aus, bedeutet eine konstante Marktausschöpfung innerhalb einer Kohorte unter obiger Annahme demnach, dass die Sterbewahrscheinlichkeiten in jeder Altersklasse bei den Sparkassenkunden und in der Gesamtpopulation identisch sind. Berücksichtigt ← 147 | 148 → man zusätzlich die Wanderungsbewegungen, so müsste für den Nettowanderungssaldo in einer Altersklasse ebenfalls die entsprechende Ausschöpfungsquote der Kohorte gelten.

Da im Szenario II jedoch Fluktuation (unter der Prämisse einer bei den älteren Kunden unveränderten Wettbewerbsposition innerhalb eines Jahrgangs) zugelassen wird, erscheinen die Annahmen verhältnismäßig wenig restriktiv und geeignet, bestimmte Charakteristika des Retailbanking-Geschäfts abzubilden, die von Praktikerseite als relevant und realistisch erachtet werden.118 Auch in der wissenschaftlichen Literatur finden sich Hinweise auf eine verhältnismäßig niedrige Kundenmobilität bzw. Wechselbereitschaft. Als Ursache hierfür gelten insbesondere existierende Switching Costs, die zu einem Lock-In Phänomen auf Seiten der Kunden führen können (Europäische Kommission [2007]; Gondat-Larralde/Nier [2004]; Kim et al. [2003]; Matthews et al. [2008a, 2008b]; Matthews [2007]; Vesala [2007]). Darüber hinaus existiert erste Evidenz für eine mit dem Alter abnehmende Wechselbereitschaft (Matthews/MacRae [2006]; Matthews [2009]).

Zusammengefasst wird in Szenario II bei den jüngeren Kunden die relative Wettbewerbsposition im Zeitverlauf konstant gehalten. Bei den älteren Kunden wird dagegen unterstellt, dass die bei den meisten Instituten sehr starke Marktstellung bei den älteren Kunden nicht gehalten werden kann und sukzessive gegen das Niveau der im Referenzjahr 35-jährigen konvergiert. Für eine Sparkasse mit Referenzjahr 2006 und einem Kreis nimmt die Matrix M in Szenario II (MII) unter diesen Annahmen beispielsweise folgendes Aussehen an: ← 148 | 149 →

Illustration

7.1.3.3 Graphische Illustration der Szenarien

Die sich über die Zeit ergebenden Veränderungen der Marktausschöpfungen in den Altersklassen sind in Abbildung 21 exemplarisch für die Bank 1 grafisch dargestellt. Hierzu wird die Marktausschöpfung der Bank 1 in ihrem Zuständigkeitsgebiet im Jahr 2020 für beide Szenarien abgetragen. Die Marktausschöpfung 2020 im Szenario I ist annahmegemäß identisch mit der Ausgangssituation im Jahr 2006.119 Größere Abweichungen zu diesem Markausschöpfungsprofil ergeben sich dagegen für das Szenario II.

Szenario I und II weisen im Jahr 2020 (und in allen vorherigen Prognosejahren) bis zum Alter von 35 annahmegemäß identische Marktausschöpfungen auf. Danach schlägt beim Szenario II die Abschmelzung der Marktausschöpfung auf das Niveau der 35-jährigen durch und die Quote verharrt zwischen den 35 und 49-Jährigen konstant bei 71,4%, um dann versetzt wie in Szenario I anzusteigen.120 ← 149 | 150 →

Illustration

Abbildung 21: Marktausschöpfung der Bank 1 im Jahr 2020 (Szenario I und II, Geschäftsgebiet); Quelle: eigene Darstellung

7.1.4 Prognose der Kundenentwicklung bis 2020

Um eine quantitative Prognose für die Kundenentwicklung zu gewinnen, müssen für beide Szenarien in einem dritten Teilschritt nun die prognostizierten Marktausschöpfungen für jeden Kreis und jede Altersklasse mit den zugehörigen Ergebnissen der Bevölkerungsprognose multipliziert werden. Als Bevölkerungsprognose werden die in Abschnitt 5.2.3 charakterisierten regionalen Bevölkerungsvorausberechnungen der statistischen Landesämter verwendet. Anders formuliert, erfolgt in diesem Teilschritt die elementweise Multiplikation der Bevölkerungsmatrix B mit den beiden Marktausschöpfungsmatrizen MI Szenario I) bzw. MII (Szenario II), wie sie in Kapitel 7.1.1 illustriert wurde. Es ergibt sich die Matrix K.

Durch spaltenweise Aggregation der Ergebnisse über die Altersklassen für jeden Landkreis des Geschäftsgebiets erhält man die Kundenprognose für jede Sparkasse für jedes Prognosejahr. Abbildung 22 und Abbildung 23 (Szenario I) bzw. Abbildung 24 und Abbildung 25 (Szenario II) stellen die Ergebnisse für ← 150 | 151 → beide Szenarien über den Zeitraum 2007 bis 2020 für die jeweiligen Geschäftsgebiete graphisch dar. Aufgrund unterschiedlicher Referenzjahre und unterschiedlicher Länge der Bevölkerungsprognosen, die den Prognosezeitraum limitieren, liegen nur innerhalb dieser Periode für alle untersuchten Sparkassen entsprechende Kundenzahlen vor.

Um eine bessere Übersichtlichkeit zu gewährleisten, wurde eine Unterteilung der Sparkassen nach demographischer Entwicklung in zwei Gruppen vorgenommen. Für die erste Gruppe werden dabei die drei westdeutschen Sparkassen (9, 10 und 11) mit den beiden städtischen ostdeutschen Sparkassen (2 und 5) zusammengefasst. Diese Sparkassen sehen sich in ihren Geschäftsgebieten einer relativ guten (Bank 9,10 und 11) bzw. moderaten Bevölkerungsdynamik gegenüber (Bank 2 und 5). Die zweite Gruppe bilden die kleinen und mittleren ländlichen ostdeutschen Sparkassen, die über sehr schlechte demographische Perspektiven verfügen und strukturell sehr ähnlich zu sein scheinen.

7.1.4.1 Szenario I: Demographie (Benchmark)

Legt man die oben skizzierten Annahmen zugrunde, ergibt sich für die westdeutschen und großen ostdeutschen Sparkassen (Gruppe 1) im demographischen Benchmarkszenario I eine prognostizierte Entwicklung der Kundenbasis bis 2020, die in Abbildung 22 zusammenfassend dargestellt ist.

Für vier von fünf Sparkassen der Gruppe 1 mit moderaten bzw. relativ guten demographischen Perspektiven sind sinkende Kundenzahlen zu beobachten. Über den Prognosezeitraum ergibt sich für die westdeutschen Sparkassen 9 und 10 und die großen ostdeutschen Sparkassen 2 und 5 eine tendenziell ähnliche Entwicklung mit einem Kundenverlust bis 2020 im Bereich von -5,4% (Bank 9) bis -3,0% (Bank 2). Die große westdeutsche Sparkasse 11 stellt in diesem Rahmen ein Sonderfall dar. Für sie wird ein Zugewinn an Kunden in Höhe von 2,9% prognostiziert. Auffällig ist, dass für die westdeutschen Sparkassen 9 und 10 im Vergleich zu den ostdeutschen Banken 2 und 5 anfänglich eine leicht bessere Entwicklung zu beobachten ist. Im Zeitverlauf kehrt sich dieser Trend jedoch um, so dass sich die ostdeutschen Institute 2020 einem geringeren Kundenverlust gegenübersehen. ← 151 | 152 →

Illustration

Abbildung 22: Kundenprognose für die westdeutschen und großen ostdeutschen Sparkassen (Szenario I, Geschäftsgebiet, 2007-2020); Quelle: eigene Darstellung

Dieser Effekt ist vermutlich auf die vergleichsweise höheren Marktanteile der ostdeutschen Institute bei den älteren Kunden zurückzuführen, die in diesem Szenario konstant gehalten werden. Da mit zunehmender Prognosedauer der Alterungsprozess der Bevölkerung und voranschreitet, mildert das den Potenzialeffekt einer schrumpfenden Bevölkerung. Das gute Ergebnis der Sparkasse 11 ist auf zwei Tatsachen zurückzuführen. Zum ist die Sparkasse in einem Geschäftsgebiet tätig, das über die günstigste demographische Prognose mit einer Bevölkerungszunahme von 1,1% (2007-2020) verfügt. Zum andern besitzt die Sparkasse eine starke Marktposition bei den älteren Kunden. Der positive Potenzialeffekt einer wachsenden Bevölkerung und die Effekte der Alterung in Kombination mit vergleichsweise hohen Ausschöpfungsquoten sorgen für eine Entwicklung der Kundenbasis, die sich von den restlichen Instituten deutlich abhebt.

Erscheinen die Ergebnisse für die Gruppe 1 mit einem maximalen Kundenverlust von 5,4% als nicht sehr gravierend, so stellt sich die Situation für die kleineren ostdeutschen Institute bereits in Szenario I wesentlich dramatischer dar. Wie Abbildung 23 illustriert, ergibt sich eine erheblich schlechtere Kundenprognose, die maßgeblich auf die schlechteren demographischen Perspektiven, ← 152 | 153 → d.h. insbesondere auf die zu erwartenden Schrumpfungsprozesse zurückgeführt werden muss. Die stärkere Alterung dürfte dagegen eher dämpfend auf den Kundenverlust wirken.

Illustration

Abbildung 23: Kundenprognose für kleine und mittlere ostdeutsche Sparkassen (Szenario I, Geschäftsgebiet, 2007-2020); Quelle: eigene Darstellung

Bei der Betrachtung der Gruppe 2 der kleinen und mittleren ostdeutschen Sparkassen ist eine verhältnismäßig große Homogenität festzustellen. Es ergeben sich für alle Institute stetig sinkende Kundenzahlen. Der Korridor der Entwicklung über den Prognosehorizont wird dabei von der Bank 1 mit der schlechtesten (-14,0%) und der Bank 3 mit der besten Entwicklung innerhalb dieser Gruppe gebildet (-11,2%).

7.1.4.2 Szenario II: Demographie und Wettbewerb

Bereits im rein demographischen Szenario I sehen sich die Sparkassen einem teilweise erheblichen Kundenverlust von bis zu 14,0% gegenüber. In Szenario II zeigt sich, dass die Abschmelzung der Marktausschöpfung diesen Prozess noch ← 153 | 154 → erheblich verstärkt. Kann die derzeitige Marktausschöpfung bei den älteren Kunden nicht gehalten werden, sinken die erwarteten Kundenzahlen noch deutlicher. Abbildung 24 illustriert diesen Prozess für die Gruppe der großen ostdeutschen und der westdeutschen Sparkassen.

Illustration

Abbildung 24: Kundenprognose für die westdeutschen und großen ostdeutschen Sparkassen (Szenario II, Geschäftsgebiet, 2007-2020); Quelle: eigene Darstellung

Die Modellierung einer sich abschwächenden Wettbewerbsposition bei den älteren Kunden führt jetzt auch bei Sparkasse 11 zu einem erwarteten Kundenverlust, der jedoch mit 0,3% marginal ausfällt. Der Einfluss der hohen Marktanteile manifestiert sich noch klarer, wenn man die ostdeutschen Institute betrachtet, die jetzt deutlich hinter ihre westdeutschen Partnerinstitute zurückfallen. Die schlechteste Entwicklung weist jetzt die Bank 2 mit einem Kundenverlust von -12,5% auf, der damit ungefähr im Rahmen der kleinen ostdeutschen Institute in Szenario I liegt. Für Bank 5 werden nun ebenfalls erhebliche Kundenverluste vorhergesagt, die mit -10,8% ebenfalls in dieser Dimension liegen. Die westdeutsche Bank 10 verliert im Vergleich zu Szenario I am wenigsten Kunden (-4,5% im Szenario II zu –3,4% im Szenario I), da sie bereits heute über keine herausgehobene Markstellung bei den älteren Kunden verfügt. Größere Effekte durch die Abschmelzung der Marktausschöpfung sind hier deshalb nicht zu erwarten. ← 154 | 155 → Gleiches gilt in abgeschwächter Form für die westdeutsche Bank 9, für die im Vergleich zu Szenario I ebenfalls nur kleinere zusätzliche Kundenverluste prognostiziert werden (-8,9% im Szenario II, -5,4% im Szenario I).

Nach der Analyse der absoluten Kundenentwicklung für die erste Untersuchungsgruppe wird in Abbildung 25 abschließend die Prognose für Szenario II der kleinen ostdeutschen Institute dargestellt.

Illustration

Abbildung 25: Kundenprognose für kleine und mittlere ostdeutsche Sparkassen (Szenario II, Geschäftsgebiet, 2007-2020); Quelle: eigene Darstellung

Analog zu Szenario I ist bei den kleineren ostdeutschen Banken in Szenario II eine sehr homogene Entwicklung mit stetig sinkenden Kundenzahlen zu beobachten. Wie zu erwarten, verschärft sich jedoch bei allen Instituten der Kundenverlust durch die Modellierung einer realistischeren Wettbewerbssituation erheblich. Bis 2020 liegen die prognostizierten Werte zwischen –17,8% bei Bank 1, die auch hier über die schlechtesten Aussichten verfügt und Bank 4 mit einem Verlust von -15,5%. ← 155 | 156 →

7.1.4.3 Ergebnisübersicht

Tabelle 16 fasst die Ergebnisse für die Sparkassen 1 bis 11 hinsichtlich der Entwicklung der Kundenzahlen im Zeitraum 2007 bis 2020 zusammen und stellt sie der demographischen Dynamik im Geschäftsgebiet hinsichtlich der Faktoren Bevölkerungsveränderung, Veränderung Durchschnittsalter, Veränderung Altenkoeffizient gegenüber. Um den Einfluss der Szenarien auf die Entwicklung der Kundenzahlen zu verdeutlichen, wurde abschließend die Differenz der Kundenzahlen zwischen Szenario I und II im Jahr 2020 (im Verhältnis zur Kundenzahl im Referenzjahr 2006/2007) aufgenommen.121

Tabelle 16: Entwicklung des Kundenbestands und demographische Entwicklung (Szenarien I und II, Geschäftsgebiet, 2007-2020); Quelle: eigene Darstellung

Illustration

* 1:Veränderung Bevölkerung; 2: Veränderung Durchschnittsalter; 3:Veränderung Altenquotient.

** Differenz der Kundenzahl zwischen Szenario I und Szenario II im Verhältnis zur Kundenzahl im Basisjahr. ← 156 | 157 →

Zwischen der Bevölkerungsentwicklung und der Kundenentwicklung besteht ein enger Zusammenhang, der sich sichtbar in den erwarteten Kundenzahlen niederschlägt. Betrachtet man die Differenzen zwischen Szenario I und Szenario II wird deutlich, dass nicht nur die absolute Veränderung der Bevölkerung eine Rolle spielt, sondern auch die zukünftige Altersstruktur und die Annahmen über die zukünftige Wettbewerbssituation sich deutlich in den zukünftigen Kundenzahlen bemerkbar machen. Dies zeigt sich insbesondere bei der großen ostdeutschen Sparkasse 2, die gegenüber Szenario I in Szenario II bei einer relativ guten Bevölkerungsentwicklung wegen der langsamen Alterung und den relativ hohen Marktanteilen bei älteren Kunden im Vergleich zur strukturell ähnlichen Sparkasse 5 deutlich an Kunden verliert.

Insgesamt stellt sich die Situation in Ost- und Westdeutschland für die kleineren Sparkassen, die zumindest teilweise im ländlicheren Raum tätig sind, gravierender dar als für die großen Sparkassen 2, 5 und 11. Für die westdeutschen Institute ergeben sich wegen der besseren demographischen Perspektiven Entwicklungen der Kundenzahlen, die selbst bei der schlechtesten Bank 9 noch beherrschbar scheinen. Bei den ostdeutschen Instituten drohen dagegen substantielle Kundenverluste, die erhebliche Auswirkungen auf das Privatkundengeschäft und dessen Ertragskraft haben dürften.

7.1.5 Prognose der Kundenstruktur

Mit Hilfe des vorliegenden Ansatzes können jedoch nicht nur Veränderungen der absoluten Kundenzahlen in einer Region prognostiziert werden, sondern es ergeben sich aus dem Modell automatisch auch Informationen über die Veränderung der Altersstruktur der Kunden in den beiden Szenarien. Exemplarisch ist in Abbildung 26 die Altersstruktur der Kunden für die Bank 1 zu den Zeitpunkten 2006 und 2020 (im Szenario I) abgebildet. Deutlich wird dabei, dass neben dem Potenzialeffekt (Schrumpfung der Kundenbasis), der in Abschnitt 7.1.4 dargestellt wurde, auch eine deutliche Alterung der Kunden festzustellen ist. So steigt beispielsweise das Durchschnittsalter im vorliegenden Fall von 47,3 Jahren (2006) auf 52,4 Jahre (2020) an. ← 157 | 158 →

Illustration

Abbildung 26: Altersstruktur der Kunden 2006 und 2020 (Szenario 1) für Bank 1; Quelle: eigene Darstellung

Die für Bank 1 exemplarisch festgestellte Änderung der Altersstruktur ist in abgeschwächter Form bei nahezu allen untersuchten Banken zu beobachten. Wie Tabelle 17 belegt, steigt das Durchschnittsalter der Kunden bis 2020 bei allen untersuchten Sparkassen z.T. erheblich an.

Das Durchschnittsalter der Kunden im Ausgangsjahr ist zwangsläufig verhältnismäßig stark mit dem Durchschnittsalter der Bevölkerung in den zugehörigen Geschäftsgebieten korreliert, liegt aber mit Ausnahme von Bank 7 und Bank 10 bei allen Sparkassen z.T. erheblich über den korrespondierenden Werten der Bevölkerung.122 Im Durchschnitt der ostdeutschen Sparkassen (Summe aller Kunden in den Altersklassen 0 bis 85+ dividiert durch das entsprechende Marktpotential) ergibt sich dabei ein Wert von 48 Jahren. Die Kundenbasis der westdeutschen Sparkassen ist dagegen schon im Basisjahr wesentlich jünger. Hier ergibt sich ein Mittelwert, der mit 44,6 Jahren über 3,5 Jahre darunter liegt. ← 158 | 159 →

Tabelle 17: Durchschnittsalter der Kunden 2006/2007 und 2020 (Szenarien I und II, Geschäftsgebiet); Quelle: eigene Darstellung

Illustration

* Für die Altersklasse 85+ wurde bei der Berechnung ein Alter von 85 angesetzt. Dies führt zu einer leichten Unterschätzung des Durchschnittsalters.

** Bei drei Sparkassen basieren die Berechnungen auf Kundendaten zum Jahrsende 2007.

*** Abweichungen durch Rundungsdifferenzen.

Betrachtet man die prognostizierte Kundenbasis im Jahr 2020, so zeigen sich deutlich die Konsequenzen der demographischen Prozesse in den Geschäftsgebieten. Die in der Regel älteren Kunden der ostdeutschen Sparkassen altern im Durchschnitt wesentlich schneller als die Kunden der westdeutschen Institute. Ist im Mittel für die ostdeutschen Institute mit einem Anstieg des Durchschnittsalters von ca. 4,5 Jahren im Szenario I und 3 Jahren im Szenario II zu rechnen, liegen die Werte mit 2,5 Jahren (Szenario I) und knapp 2 Jahren (Szenario II) im westdeutschen Durchschnitt erheblich darunter. Der geringere Anstieg des Durchschnittsalters in Szenario II ergibt sich dabei aus der Reduktion der Ausschöpfungsquoten bei den älteren Kunden. Die stärksten Alterungsprozesse verzeichnen Bank 6 und 7 (Szenario I) bzw. Bank 1 (Szenario II) mit einem Anstieg des Durchschnittsalters von 5,4 bzw. 4,2 Jahren. ← 159 | 160 →

Wie bei der Analyse der Bevölkerungsprognosen in Abschnitt 5.2 wird deutlich, dass „Schrumpfung“ hoch korreliert mit „Alterung“ ist, d.h. Sparkassen mit sinkenden Kundenzahlen müssen in der Regel auch stärkere Alterungsprozesse bei ihren Kunden berücksichtigen. Konsequenterweise verfügt die Sparkasse 11 aufgrund der günstigen demographischen Dynamik wie bei der Prognose der Kundenzahlen über die besten Perspektiven mit dem geringsten Anstieg des Durchschnittsalters von lediglich 2,5 bzw.1,8 Jahren.

Analog zur Darstellung der demographischen Situation in den Geschäftsgebieten (Abschnitt 5.2.3.2) wird abschließend der Altenkoeffizient, betrachtet, um die Analyse der Altersstruktur der zukünftigen Kundenbasis abzurunden. Tabelle 18 gibt eine Übersicht der entsprechenden Quotienten für die elf Sparkassen in den beiden Szenarien und fasst die Veränderung bis zum Ende des Vorhersagehorizonts zusammen.

Bei der Betrachtung des Altenkoeffizienten finden sich die bereits bei der Analyse des Durchschnittsalters festgestellten Tendenzen wieder. Die ostdeutschen Institute verfügen in der Ausgangssituation über ältere Kunden, der Quotient liegt hier zwischen 0,4247 (Bank 7) und 0,4919 (Bank 8) gegenüber Werten im Westen zwischen 0,3348 (Bank 11) und 0,4247 (Bank 9). Im Durchschnitt kommt im Osten auf zwei Kunden im erwerbsfähigen Alter123 ungefähr ein Kunde im Ruhestand (0,4730). Im Westen ergibt sich dagegen in etwa ein Verhältnis Drei zu Eins.

Im Osten ergeben sich zudem deutlich stärkere Alterungsprozesse der Kundenbasis, die demographisch dominiert sind und durch die Marktausschöpfungsstruktur zusätzlich befördert werden. Der Altenkoeffizient steigt deutlich auf 0,6431 bzw. 0,6029 an. Im Westen ergibt sich im Mittel aufgrund der wesentlich langsameren Alterung, die sich auch im Durchschnittsalter manifestiert, lediglich ein geringer Anstieg auf 0,3982 (Szenario I) bzw. 0,3785 (Szenario II).

Die Extrema sind in Szenario I bei den Sparkassen 3 (0,7402) und 10 (0,3762) sowie in Szenario II bei Bank 8 (0,7001) und Bank 11 (0,3678) zu beobachten. Hier schlägt sich die Heterogenität der demographischen Entwicklung in den einzelnen Regionen, insbesondere zwischen den ost- und westdeutschen Instituten, deutlich nieder. Diese Heterogenität wird durch die unterschiedliche ← 160 | 161 → Wettbewerbssituation der Sparkassen in den Geschäftsgebieten in Zukunft nochmals verstärkt und führt hinsichtlich der Altersstruktur zu einer extrem divergierenden Entwicklung.

Tabelle 18: Altenkoeffizient der Kundenbasis 2006/2007 und 2020 (Szenarien I und II, Geschäftsgebiet); Quelle: eigene Darstellung

Illustration

* Bei drei Sparkassen basieren die Berechnungen auf Kundendaten zum Jahrsende 2007. ← 161 | 162 →

7.2 Hochrechnung für Deutschland auf NUTS II-Ebene bis 2025

7.2.1 Methodische Vorgehensweise

Im zweiten Teil der Kundenprognose werden die Ergebnisse für die einzelnen Sparkassen genutzt, um eine Hochrechnung für Deutschland auf NUTS II-Ebene durchzuführen. Die Kundenprognose wird dabei mit Hilfe der in Abschnitt 7.1.1 charakterisierten Methode vorgenommen, d.h. Ermittlung der regionalen Ist-Marktausschöpfung für die 86 Altersklassen (0-85+), Prognose der Marktausschöpfung in den beiden bekannten Szenarien und Ableitung der Kundenprognose durch Kombination von Bevölkerungsvorausberechnung und zukünftiger Marktausschöpfung. Im Unterschied zur Prognose auf Sparkassenebene werden jetzt jedoch 39 fiktive Sparkassen betrachtet, die als Geschäftsgebiet die 39 deutschen NUTS II-Regionen besitzen und deren Charakteristika aus den Eigenschaften der Sparkassen im Untersuchungssample konstruiert werden. Durch die Verwendung der Bevölkerungsprognose des BBR (siehe Abschnitt 5.2.4) verlängert sich zudem der Prognosezeitraum bis zum Ende des Jahres 2025.

7.2.2 Analyse der Marktausschöpfung zum Ende des Referenzjahres

Um im ersten Schritt die Wettbewerbssituation der fiktiven Sparkassen zum Ende des Ausgangsjahres 2006124 zu modellieren, werden die im Referenzjahr beobachteten Kundenzahlen der elf realen Sparkassen genutzt. Aufgrund der unterschiedlichen, historisch bedingten Wettbewerbssituation der ost- und westdeutschen Sparkassen, die sich auch in der Analyse der Marktausschöpfung auf Sparkassenebene zeigt, wird hierbei ebenfalls nach ost- und westdeutschen Instituten unterschieden. Die Marktausschöpfungsstruktur „West“, die den westdeutschen NUTS II-Sparkassen zugewiesen wird, ergibt sich dabei aus der durchschnittlichen Marktausschöpfung der drei westdeutschen Sparkassen. Für ostdeutsche Regionen wird ein Durchschnitt aus den Quoten der ostdeutschen Sparkassen 1 bis 8 ermittelt (Profil „Ost“). Hierzu werden die Kundenzahlen der ← 162 | 163 → jeweils relevanten Sparkassen in jeder Altersklasse in ihren Geschäftsgebieten addiert und durch das korrespondierende Marktpotential, d.h. die zugehörige Bevölkerung dividiert. Abbildung 27 fasst die sich ergebenden durchschnittlichen Quoten in den einzelnen Altersklassen für ost- und westdeutsche Sparkassen zusammen.

Illustration

Abbildung 27: Durchschnittliche Marktausschöpfung ost-/westdeutsche Sparkassen (Referenzjahr 2006/2007); Quelle: eigene Darstellung

Hinsichtlich der durchschnittlichen Marktausschöpfung zeigt sich sowohl für Ost- als auch für Westdeutschland ein U-förmiger Verlauf über den Lebenszyklus. Wie auf Basis der Analyse auf Sparkassenebene zu erwarten, ergibt sich im Osten insbesondere bei den Kunden über 40 und bei den Kunden zwischen 16 und 28 Jahren eine bessere Marktposition mit z.T. deutlich höheren Anteilen. Bei den jungen Kunden unter 16 Jahren sind dagegen ähnliche Quoten zu beobachten. Die den 31 westdeutschen und den 8 ostdeutschen Instituten zu Grunde liegenden Marktausschöpfungsprofile „West“ bzw. „Ost“ bilden im Anschluss die Grundlage für die Modellierung der zukünftigen Wettbewerbssituation der fiktiven Sparkassen in den ost- und westdeutschen NUTS II-Regionen. ← 163 | 164 →

7.2.3 Prognose der Kundenentwicklung bis 2025

Zur Prognose der Kundenbasis in den 31 westdeutschen und den 8 ostdeutschen Sparkassen werden im nächsten Schritt Annahmen über die Entwicklung der zukünftigen Marktausschöpfung benötigt. Ebenso wie bei der Analyse auf Sparkassenebene werden hierfür im Folgenden zwei Szenarien für die Modellierung der zukünftigen Wettbewerbssituation herangezogen. Dies ist zum einen das in Abschnitt 7.1.3.1 charakterisierte Szenario I mit einem konstanten Marktausschöpfungsprofil über den Prognosezeitraum 2007 bis 2025. Zum Andern wird das aus Abschnitt 7.1.3.2 bekannte Szenario II genutzt, um ein realistischeres Abbild der zu erwartenden Marktstellung zu erhalten und die hohen Quoten bei den älteren Kunden sukzessive abzuschmelzen.

Für jedes der 39 Institute wird eine separate Analyse für das Geschäftsgebiet vorgenommen. Im Unterschied zu den bereits durchgeführten Analysen sind die kleinsten Untersuchungseinheiten jetzt nicht die Kreise des Geschäftsgebiets, sondern es werden Prognosen für die 86 Altersklassen der korrespondierenden NUTS II-Regionen abgeleitet. Formal gesprochen wird dabei, wie in Abschnitt 7.1.1 erläutert, die Marktausschöpfungsmatrix M mit der Bevölkerungsmatrix B elementweise multipliziert:

Illustration

B enthält dabei die zukünftigen Bevölkerungszahlen jeder Altersklasse in der betrachteten NUTS II-Region. Die Matrix M wird, je nachdem ob es sich um eine ost- oder westdeutsche Sparkasse handelt, für jedes Szenario gemäß dem beschriebenen Vorgehen mit Hilfe der in Abschnitt 7.2.2 ermittelten durchschnittlichen Quoten konstruiert. Es ergibt sich die Matrix K, die für jedes Prognosejahr und jede Altersklasse die zukünftigen Kundenzahlen enthält. Die Matrizen haben dabei die Dimension a x t, wobei t, die Länge des Prognosehorizonts in Jahren, jetzt durch t = 19 (2007 bis 2025) gegeben ist. a, die Anzahl der Altersgruppen, ändert sich im Vergleich zur Analyse auf Sparkassenebene dagegen nicht (a = 86). ← 164 | 165 →

7.2.3.1 Szenario I: Demographie (Benchmark)

7.2.3.1.1 Ergebnisse für die NUTS II-Regionen

Legt man die beschriebenen Annahmen und die skizzierte Methodik zu Grunde, ergibt sich für die NUTS II-Regionen im Status Quo Szenario I eine Veränderung der absoluten Kundenzahlen im Zeitraum 2006 bis 2025, die in Abbildung 28 zusammengefasst wird. Zum Vergleich wird der Kundenentwicklung die Bevölkerungsentwicklung im gleichen Zeitraum gegenübergestellt.

Zum Vergleich (rechts): Bevölkerungsentwicklung 2006-2025 (in %)

Illustration

Abbildung 28: Kundenentwicklung 2006-2025 im Szenario I (NUTS II-Ebene, Veränderung in %); Quelle: eigene Darstellung

Die Kundenentwicklung ist aufgrund der Annahmen in Szenario I sehr stark mit der demographischen Entwicklung in den Regionen korreliert. Unter der Prämisse, dass die Wettbewerbsposition in allen Altersgruppen gehalten werden kann, ergibt sich in allen Regionen eine im Vergleich zur erwarteten Bevölkerungsveränderung günstigere Entwicklung der absoluten Kundenzahlen. Sparkassen ← 165 | 166 → in schrumpfenden Regionen verlieren nur unterproportional an Kunden, Sparkassen in wachsenden Gebieten können ihre Kundenbasis überproportional ausbauen. Dieser Effekt dürfte maßgeblich auf die hohen Anteile bei den alten Kunden und die niedrige Marktausschöpfung bei den jungen Kunden zurückzuführen sein.

Betrachtet man die prognostizierten Änderungsraten im Detail, so ist insbesondere die ungünstige Kundenentwicklung in den ostdeutschen Regionen hervorzuheben, die deutlich schlechter ausfällt als in Westdeutschland. Eine Ausnahme bilden hier lediglich die beiden brandenburgischen Bezirke mit einer stabilen Entwicklung der Kundenbasis (Brandenburg-Nordost: 0,2%, Brandenburg-Südwest: -1,1%), die hauptsächlich aus der positiven demographischen Entwicklung des Berliner Umlands resultiert. Für die restlichen sechs Bezirke ergeben sich bereits im optimistischen Szenario I erhebliche demographisch induzierte Kundenverluste im Bereich von -7,6% (Leipzig) bis zu -14,9% in Sachsen Anhalt, das die schlechteste prognostizierte Entwicklung aufweist. Auch in Westdeutschland ergibt sich für 11 Regionen ein Schrumpfen der Kundenbasis, das jedoch geringer als im Osten ausfällt. Hervorzuheben sind das Saarland (-6,5%), der nordrheinwestfälische Bezirk Arnsberg (-4,5%), sowie die an die ostdeutschen Regionen angrenzenden Bezirke Braunschweig (-5,7%), Oberfranken (-5,4%) und Kassel (-5,2%). Für die restlichen 20 westdeutschen Regionen werden Kundengewinne prognostiziert. Die beste Entwicklung weist hier Oberbayern mit einem Wachstum bis 2025 von 9,8% auf.

7.2.3.1.2 Ergebnisse für den Sparkassensektor in Deutschland

Aggregiert man die Ergebnisse der NUTS II-Regionen für Ost- und Westdeutschland und schließlich für das gesamte Bundesgebiet, so lässt sich eine prognostizierte Entwicklung der Kundenzahlen für den Sparkassensektor als Ganzes bzw. für ost- und westdeutsche Sparkassen ableiten, die in Abbildung 29 dargestellt wird. ← 166 | 167 →

Illustration

Abbildung 29: Kundenentwicklung 2006-2025 im Szenario I (Aggregate, jährliche Ergebnisse, 2006 = 100); Quelle: eigene Darstellung

Bis zum Ende des Jahres 2025 ist für den Sparkassensektor in Deutschland lediglich ein marginaler Rückgang der Kundenbasis um 0,2% festzustellen. Diese Entwicklung ist dabei auf die gute Prognose für die westdeutschen Regionen zurückzuführen, die in Szenario I bei stetig steigenden Kundenzahlen bis zum Ende des Prognosezeitraums insgesamt ein Kundenwachstum von 1,9% verzeichnen können. In Ostdeutschland ist dagegen wegen der wesentlich unvorteilhafteren demographischen Perspektiven bereits im Status quo-Szenario mit stetig sinkenden Kundenzahlen zu rechnen. Es ergeben sich bis 2025 erhebliche Kundenverluste in Höhe von -9,8%. Diese divergierende Dynamik führt für den Sparkassensektor als Ganzes zu einer über den Zeitablauf stabilen prognostizierten Entwicklung, die zwangsläufig besser ausfällt als die korrespondierende Bevölkerungsentwicklung im gleichen Zeitraum. Aus der Prognose des BBR ergibt sich hier für Deutschland insgesamt ein erwarteter Bevölkerungsrückgang von 1,8%, der aus einem leichten Wachstum von 0,4% im Westen (inkl. Berlin) und einem starken Rückgang der Population im Osten mit -13,6% resultiert. ← 167 | 168 →

7.2.3.2 Szenario II: Demographie und Wettbewerb

7.2.3.2.1 Ergebnisse für die NUTS II-Regionen

Für die Prognose der Kundenzahlen im Szenario II wird für jede Region mit der in Abschnitt 7.2.1 und 7.2.3 skizzierten Methodik und den in Abschnitt 7.2.2 ermittelten regionalen Ausschöpfungsquoten eine entsprechende Marktausschöpfungsmatrix konstruiert. Durch Kombination mit dem zukünftigen Marktpotential ergibt sich für die NUTS II-Regionen im Szenario II eine Veränderung der absoluten Kundenzahlen im Zeitraum 2006 bis 2025, die in Abbildung 30 zusammengefasst wird. Zum Vergleich wird der Kundenentwicklung die Bevölkerungsentwicklung im gleichen Zeitraum gegenübergestellt.

Zum Vergleich (rechts): Bevölkerungsentwicklung 2006-2025 (in %)

Illustration

Abbildung 30: Kundenentwicklung 2006-2025 im Szenario II (NUTS II-Ebene, Veränderung 2006-2025 in %); Quelle: eigene Darstellung ← 168 | 169 →

Das in Szenario II unterstellte Abschmelzen der Marktposition bei den älteren Kunden macht sich insbesondere in den ostdeutschen Gebieten deutlich bemerkbar. Durch den stärkeren Alterungsprozess und die höheren Marktanteile in diesem Segment (vgl. Abschnitte 5.2.4.2 und 7.2.2) verlieren jetzt alle fiktiven Sparkassen in diesen Regionen im Vergleich zu Szenario I nochmals deutlich an Kunden. Dies führt nun auch zu erheblichen Kundenverlusten in den beiden brandenburgischen Regionen des Berliner Umlands von 13,1 (Brandenburg-Nordost) bzw. 13,9% (Brandenburg-Südwest). Die übrigen Regionen verzeichnen bis 2025 einen besorgniserregenden Rückgang der Kundenzahlen im Bereich von 19,1% (Leipzig) bis zu 26,1% in Sachsen Anhalt, das wie in Szenario I über die ungünstigste Kundenprognose verfügt. Für die westdeutschen Regionen ist Modellierung der Wettbewerbsposition in Szenario II weniger relevant und hat wesentlich geringere Konsequenzen für die prognostizierte Kundenentwicklung. Alle Regionen verzeichnen zwar Kundenverluste im Vergleich zu Szenario I, so dass jetzt bereits für 21 der 31 westdeutschen Regionen ein Rückgang der Kundenzahlen prognostiziert wird, jedoch bleibt die Entwicklung der Kundenbasis bis 2025 für die meisten Regionen recht stabil. Auffällig hohe erwartete Verluste sind im Westen in den bereits in Szenario I identifizierten Regionen festzustellen: Saarland (-10,1%), Arnsberg (7,9%), sowie die ehemaligen innerdeutschen Grenzregionen Oberfranken (-9,0%), Braunschweig (-9,2%) und Kassel (-8,8%). Die beste Entwicklung ist wie in Szenario I in Oberbayern mit einem Zugewinn von 6,4% zu beobachten.

Insgesamt ergibt sich auch in Szenario II zwangsläufig eine starke Korrelation mit der demographischen Entwicklung, die jedoch geringer als in Szenario I ausfällt. Im Gegensatz zum Benchmark-Szenario I ist jetzt in allen Regionen mit einer im Vergleich zur Bevölkerungsentwicklung unvorteilhafteren Kundendynamik zu rechnen. Bis auf die beiden brandenburgischen Regionen ergeben sich dabei aber keine auffälligen Änderungen in der Rangordnung, d.h. der relativen Position der Regionen.

7.2.3.2.2 Ergebnisse für den Sparkassensektor in Deutschland

Analog zur Vorgehensweise in Szenario I können auch im realistischeren Szenario II die regionalen Teilergebnisse zusammengefasst werden, um Aussagen für die Aggregate West-/ Ost- und Gesamtdeutschland zu erhalten. Die Entwicklung über den Prognosehorizont ist in Abbildung 31 abgetragen. ← 169 | 170 →

Illustration

Abbildung 31: Kundenentwicklung 2006-2025 im Szenario II (Aggregate, jährliche Ergebnisse, 2006 = 100); Quelle: eigene Darstellung

Durch die berücksichtigten Marktausschöpfungsverschiebungen in Szenario II müssen nun auch die westdeutschen Institute insgesamt mit einem Schrumpfen der Kundenbasis rechnen. Bis zum Jahr 2025 wird ein Rückgang um 1,6% prognostiziert. Wesentlich dramatischer stellt sich die Lage in Ostdeutschland dar. Hier führt der Abbau der guten Marktposition bei den älteren Kunden im Zusammenspiel mit den schlechteren demographischen Perspektiven zu drastischen Kundenverlusten in Höhe von 21,6%, d.h. hier bricht ein gutes Fünftel der Kundenbasis weg. Durch Kombination der beiden extrem auseinanderfallenden Entwicklungen ergibt für den Sparkassensektor in Deutschland durch das wesentlich größere Gewicht der westdeutschen Institute lediglich ein moderater Kundenverlust von 5,2%.

Im Vergleich zu Szenario I schlägt sich das Abschmelzen der Marktauschöpfung in Szenario II in Westdeutschland nicht so deutlich in der prognostizierten Kundenentwicklung nieder wie in Ostdeutschland, wo erhebliche zusätzliche Kundenverluste resultieren. Wie in der Analyse auf Sparkassenebene und der NUTS II-Regionen angedeutet, resultiert dieser Effekt vermutlich aus den stärkeren Alterungsprozessen in den ostdeutschen Regionen. Da zum einen ← 170 | 171 → in Ostdeutschland das Kundenpotenzial insgesamt stärker schrumpft und sich aber zusätzlich auch wesentlich stärker in die älteren Jahrgänge verlagert, schlägt ein Abschmelzen der zudem höheren Markanteile im Osten wesentlich stärker auf die Kundenzahlen durch.

7.2.4 Prognose der Altersstruktur

Ebenso wie auf Sparkassenebene können für die einzelnen NUTS II-Regionen nicht nur Prognosen der absoluten Kundenzahlen ermittelt werden, sondern es ergeben sich automatisch Aussagen über die zukünftige Altersstruktur der Kunden. Da der Ertrag der Sparkassen offenbar vom Alter der Kunden abhängt, sind Aussagen zur zukünftigen Altersstruktur zudem eine notwendige Vorbedingung zur Ertragsprognose im folgenden Kapitel 8.125

Analog zu den Ergebnissen auf Sparkassenebene ist auch bei den fiktiven NUTS II-Sparkassen wegen der zugrundeliegenden demographischen Entwicklung ein Anstieg des Durchschnittsalters festzustellen, der regional jedoch stark variiert. Abbildung 32 gibt hierzu einen Überblick über die Veränderung des Durchschnittsalters der Kunden zwischen 2006 und 2025 in Jahren. Um Relationen zur Entwicklung innerhalb der zugehörigen Bevölkerung herzustellen, wurden die entsprechenden Vergleichswerte, die sich aus der Bevölkerungsprognose ergeben, ebenfalls aufgenommen.

Mit Ausnahme von Lüneburg ist in allen Regionen in Szenario I eine im Vergleich zur Bevölkerung stärkere Alterung der Kundenbasis, d.h. ein größerer Anstieg des Durchschnittsalters festzustellen. Die Unterschiede fallen dabei im Westen marginal aus, im Osten sind jedoch größere Abweichungen bis zu einem dreiviertel Jahr festzustellen. Hinsichtlich der absoluten Stärke der Alterungsprozesse ist in Szenario I eine klare Zweiteilung zwischen ost- und westdeutschen Regionen zu beobachten, die sich bereits in der Analyse der zukünftigen Bevölkerungsstruktur in Abschnitt 5.2.4.2 gezeigt hat. ← 171 | 172 →

a) Szenario I

Illustration

b) Szenario II

Illustration

Zum Vergleich: Veränderung Durchschnittsalter der Bevölkerung 2006/2025 (in Jahren)

Illustration

Abbildung 32: Veränderung Durchschnittsalter der Kunden 2006/2025 in Jahren (Szenario I und II); Quelle: eigene Berechnungen ← 172 | 173 →

Die ostdeutsche Region mit der günstigsten Entwicklung hinsichtlich des Anstiegs des Durchschnittsalters (Leipzig; +5,0 Jahre) liegt oberhalb der westdeutschen Region mit der stärksten Alterungsdynamik (Unterfranken; +4,6 Jahre). Neben der demographischen Komponente wirkt hier die unterstellte Marktausschöpfungsstruktur Ost/West zusätzlich separierend, d.h. verstärkt die Unterschiede zwischen den Regionen.

Da in Szenario II die hierfür verantwortlichen hohen Quoten in den älteren Kundensegmenten sukzessive reduziert werden, löst sich die klare Separierung zwischen ost- und westdeutschen Regionen in Szenario II auf. So sind in den sächsischen Bezirken jetzt nur noch moderate Werte zu beobachten, die sich nicht von der Entwicklung in Westdeutschland abheben. Insgesamt schlägt sich das Abschmelzen der guten Markstellung bei den älteren Kunden in Szenario II in einem niedrigeren Anstieg des Durchschnittsalters nieder, die Alterung der Kundenbasis verläuft im Vergleich zur Bevölkerung unterproportional. Den geringsten Anstieg weisen die Stadtstaaten Bremen (+0,82 Jahre) in Szenario I und Hamburg (+1,68 Jahre) in Szenario II auf. Die stärkste Alterung ist in Mecklenburg-Vorpommern (Szenario I: +7,7 Jahre; Szenario II: +5,8 Jahre) festzustellen.

Um die Untersuchung der zukünftigen Kundenaltersstruktur zu vervollständigen, wird wie bei der Analyse auf Sparkassenebene neben dem Durchschnittsalter auch die Entwicklung des Altenkoeffizienten zwischen dem Basis- und dem Endjahr 2025 betrachtet. Zur Einordnung der Ergebnisse wird die resultierende Veränderung für die Kundenbasis in den beiden Szenarien in Abbildung 33 auch hier der entsprechenden Veränderung innerhalb der Bevölkerung gegenübergestellt.

Wie erwartet werden kann, ergeben sich im Vergleich zur Analyse des Durchschnittsalters bei der Untersuchung der Altenkoeffizienten qualitativ ähnliche Aussagen zu den Alterungsprozessen in den Regionen. So ist hinsichtlich der Veränderung der Altenkoeffizienten in Szenario I ebenfalls eine klare Separierung zwischen ost- und westdeutschen Regionen erkennbar, die sich auch in der Bevölkerungsstruktur wiederfindet. Wie bei der Entwicklung des Durchschnittsalters ergibt sich für alle Regionen ein Anstieg bis 2025, wobei der Zuwachs in der „besten“ Region Ostdeutschlands (Leipzig) mit +0,213 erheblich über dem Ergebnis der „schlechtesten“ westdeutschen Region (Unterfranken; +0,118) angesiedelt ist. Insgesamt liegen die entsprechenden Kennziffern im Westen sehr nah an den zugehörigen Ergebnissen für die Bevölkerung. Im Osten ist dagegen generell ein stärkerer Anstieg der Koeffizienten zu beobachten. Verantwortlich ← 173 | 174 → für diese bereits aus der obigen Analyse bekannten Fakten dürften die unterschiedlichen Markausschöpfungsprofile in Ost und West sein. Die beste Entwicklung ergibt sich in Hamburg (+0,019), die größte Veränderung des Altenkoeffizienten resultiert in Mecklenburg-Vorpommern mit +0,347, das auch nach diesem Kriterium der stärksten Alterungsdynamik ausgesetzt ist.

Auch in Szenario II bestätigen sich die Tendenzen aus der Analyse des Durchschnittsalters. Die durch den Anstieg des Altenkoeffizienten abgebildeten Alterungsprozesse der Kundenbasis sind im Vergleich zu Szenario I in allen Regionen z.T. deutlich abgemildert. In Relation zu den Kennziffern der Bevölkerung ergibt sich für die westdeutschen und die ostdeutschen Bezirke Leipzig und Dresden ein geringerer Anstieg des Altenkoeffizienten, in der Stadt Hamburg sinkt er im Vergleich zu 2006 sogar (-0,013). Die übrigen ostdeutschen Bezirke weisen selbst bei Abschmelzen der Marktausschöpfung bei den älteren Kunden eine überproportional starke Alterungsdynamik auf. Der größte Anstieg ergibt sich dabei für Mecklenburg Vorpommern mit +0,280.

Zu beachten ist, dass bestimmte demographische Prozesse durch die Veränderung des Altenkoeffizienten nicht vollkommen adäquat abbildbar sind. So sind die geringen Anstiege bei einigen westdeutschen Regionen darauf zurückzuführen, dass die Kundenbasis zwar altert (d.h. das Durchschnittsalter z.T. deutlich ansteigt), sich aber kundenstarke Segmente besonders in den Altersklassen zwischen 50 und 64 wiederfinden, so dass die existierende Alterungsdynamik durch den Altenkoeffizienten in diesen Fällen nicht eingefangen bzw. unterschätzt wird. ← 174 | 175 →

a) Szenario I

Illustration

b) Szenario II

Illustration

Zum Vergleich: Veränderung des Altenkoeffizienten der Bevölkerung 2006/2025

Illustration

Abbildung 33: Veränderung Alterskoeffizient 2006/2025 (Szenario I und II); Quelle: eigene Berechnungen ← 175 | 176 →

Da die Veränderung des Durchschnittsalters und des Altenkoeffizienten die existierende Alterungsdynamik in den Regionen zwar näherungsweise abbilden können, aber nur sehr grobe, eindimensionale Maße für die Veränderung der Bevölkerungsstruktur sind, soll abschließend exemplarisch für zwei Regionen die Altersstruktur der Kunden im Szenario I zum Ende des Referenzjahres 2006 (Abbildung 34) und zum Ende des Prognosezeitraums (Abbildung 35) dargestellt werden. Um die extreme Heterogenität der Kundenstruktur zwischen den Regionen zu illustrieren, wurde zum einen der Stadtstaat Bremen mit dem geringsten Anstieg des Durchschnittsalters und zum anderen Mecklenburg-Vorpommern (MV) mit einer extremen Alterungsdynamik ausgewählt.

Illustration

Abbildung 34: Altersstruktur der Kundenbasis für Bremen und Mecklenburg-Vorpommern zum Ende des Jahres 2006 (Anteil der Altersgruppen am Gesamtkundenbestand in %); Quelle: eigene Darstellung ← 176 | 177 →

Illustration

Abbildung 35: Altersstruktur der Kundenbasis für Bremen und Mecklenburg-Vorpommern zum Ende des Jahres 2025 (Anteil der Altersgruppen am Gesamtkundenbestand in %); Quelle: eigene Darstellung.

Zum Ausgangszeitpunkt zeigen sich noch keine gravierenden Unterschiede in der Kundenaltersstruktur. Das Durchschnittsalter in Bremen beträgt 45,1 Jahre gegenüber 46,8 Jahren in Mecklenburg-Vorpommern. Die zugehörigen Altenkoeffizienten weichen ebenfalls nicht sehr stark voneinander ab: 0,376 in Bremen gegenüber 0,418 in Mecklenburg-Vorpommern. In der Ausgangssituation ergeben sich in MV sogar höhere Anteile bei den jüngeren Kunden zwischen 16 und 22 Jahren. Zum Ende des Vorhersagezeitraums stellt sich diese Situation jedoch komplett anders dar. Während in Bremen die Kunden über die Altersgruppen relativ homogen verteilt sind, ergibt sich für MV eine Konzentration in den Altersklassen zwischen 55 und 75 Jahren. Die zu beobachtenden Strukturen schlagen sich deutlich im Durchschnittsalter (Bremen: 46,9 Jahre; Mecklenburg-Vorpommern: 54,5 Jahre) und den Altenkoeffizienten (Bremen: 0,384; Mecklenburg-Vorpommern: 0,698) nieder. Qualitativ ähnliche Ergebnisse lassen sich auch für Szenario II ableiten, wobei die Alterungsdynamik dort etwas abgeschwächt ist. ← 177 | 178 →

Die exemplarische Analyse für zwei Regionen verdeutlicht nochmals die Heterogenität und Varianz in der Entwicklung der Kundenaltersstruktur zwischen den Regionen, die sich in der Untersuchung des Durchschnittsalters und des Altenkoeffizienten bereits angedeutet hat. Diese Entwicklung wird dabei maßgeblich durch die Bevölkerungsprognose getrieben. Die zukünftige Wettbewerbssituation wirkt dabei wie eine Art Filter, der über die zugrunde liegende Bevölkerungsdynamik gelegt wird, wobei die grundsätzlichen Tendenzen in der Kundenprognose bei den verwendeten Szenarien erhalten bleiben. Weil Bevölkerungs- und Kundenentwicklung deshalb in der Regel eng korreliert sind, ist wie bei der Analyse der zukünftigen Bevölkerung festzustellen, dass Alterungsprozesse tendenziell mit Schrumpfungsprozessen einhergehen. Neben einer extrem heterogenen Entwicklung der absoluten Kundenbasis ergibt sich somit in den Regionen auch eine stark variierende Altersstruktur, die, wie erläutert, für die Ertragsprognose von erheblicher Bedeutung ist.

113 Es sei explizit darauf hingewiesen, dass sich diese Definition nicht mit der eines Marktanteils deckt. Zur Berechnung des Marktanteils wird die Zahl der Kunden einer Bank in Relation zu allen Bankkunden gesetzt. Da die Zahl der Bankkunden pro Kreis nicht bekannt ist, wird stattdessen die Marktausschöpfung verwendet.

114 Wie in Abschnitt 5.1.3 zur Datenbereinigung erläutert, werden nur lebende Kunden mit einem Alter bis zu 100 Jahren in die Untersuchung einbezogen.

115 Die Altersgruppe 1 sind die 0 bis unter 1-Jährigen, die Altersgruppe 2 umfasst die 1 bis unter 2-Jährigen usw. Die letzte Altersgruppe 86 stellen die über 84-Jährigen (Altersklasse 85+).

116 Um die Identität der Sparkasse zu schützen, kann auf die Details nicht weiter eingegangen werden.

117 Die Sparkassen gewinnen bei einer steigenden Marktausschöpfung absolut betrachtet nur Kunden, sofern die potenzielle Kundenbasis, d.h. die Bevölkerung innerhalb einer Kohorte nicht zu stark durch Wanderungsbewegungen oder Sterbefälle abnimmt.

118 Historische Marktanteilsdaten für die Jahre 2003 bis 2010 einer großen deutschen Sparkasse, die nicht im Sample enthalten ist, lassen den Schluss zu, dass das Szenario II als äußerst realitätsnah und praxisrelevant betrachtet werden kann.

119 Dies gilt jedoch nur für Einkreissparkassen. Sollte die Sparkasse mehrere Kreise besitzen, können durch Verschiebungen der relativen demographischen Struktur zwischen den Kreisen für die Sparkasse insgesamt (leicht) abweichende aggregierte Marktausschöpfungen nach Altersklassen resultieren. Als Beispiele seien hier die Sparkassen 2 und 5 angeführt.

120 Dies ist ebenfalls nur bei Einkreissparkassen der Fall. Bei Mehrkreissparkassen können sich durch Verschiebung der demographischen Gewichte zwischen den Kreisen im Aggregat leicht variierende Werte ergeben.

121 Diese Vorgehensweise wurde gewählt, da die Kundenzahl im Referenzjahr in beiden Szenarien identisch ist und somit die Berechnungsbasis vereinheitlicht werden kann.

122 Das genaue Durchschnittsalter kann nicht dargestellt werden, da Rückschlüsse auf die beteiligten Sparkassen und deren Geschäftsgebiete möglich sind.

123 Die hier verwendete Definition (Alter 19 bis 64 Jahre) deckt sich nicht exakt mit der offizieller Statistiken, z.B. des Statistischen Bundesamtes, die als Bevölkerung im erwerbsfähigen Alter in der Regel die Altersgruppen 15 bis unter 65 Jahren heranziehen.

124 Als Basisjahr bzw. Referenzzeitpunkt der Hochrechnung für Deutschland wurde der 31.12.2006 gewählt, da die Mehrzahl der beobachteten Daten zu diesem Zeitpunkt erhoben wurde.

125 Siehe hierzu auch Abschnitt 4 zu den methodischen Vorüberlegungen.