Beispiel Radzählstellen: Datenqualität zeigt sich oft erst im Vergleich
7. Mai 2026Eine Erkenntnis aus dem Q2 DataRide 2026 in Mannheim: Datenqualität zeigt sich oft erst im Vergleich mit anderen Datenreihen - und mit der Realität.
🔎 Beim Hackathon des ADFC Mannheim und des dortigen QuadRadentscheids wurden die landesweit gebündelten Daten der Fahrradzählstellen bei MobiData BW unter die Lupe genommen. Eigentlich ging es darum festzustellen, wo in Mannheim und im ganzen Land der Radverkehr in den letzten Jahren besonders stark zunahm - und wo weniger.
Zunächst klärten die Teilnehmenden am Hackathon aber eine andere Frage: Wie belastbar sind die Daten der Zählstellen über längere Zeit? Das Mittel der Wahl: eine Korrelationsanalyse. Dabei wurden nur die Daten der Zähler betrachtet, die seit 2019 zu mindestens 80 % der Zeit in Betrieb waren.
Generell verlaufen die Zählmuster der verschiedenen Zählstellen entlang der Jahreszeiten ähnlich. Auffällig wird der Vergleich immer dann, wenn Zählwerte kurzfristig stark vom üblichen Auf-und-Ab-Muster abweichen. Dies lässt auf äußere Einflüsse schließen, welche die echten Daten verfälschen - etwa durch Baustellen oder Umleitungen.
In der Korrelationsanalyse wurden deshalb Paare von Zählstationen herausgefiltert, deren Korrelationen im ersten Teil der Zeitreihe über 70% lagen, und die später auf unter 40% Korrelation fielen. Solche Brüche markierte das Team und prüfte die Zähldaten dann inhaltlich.
Die Erkenntnis: Veränderungen in den Daten weisen oft sie auf reale Entwicklungen hin, etwa auf Infrastrukturmaßnahmen.
Beispiel: In Heidelberg wurde die Radinfrastruktur in der Parallelstraße zu der Straße mit einer Zählerstelle verbessert. Der Radverkehr an der Zählstelle ging über die folgenden Jahre zurück, aus der Parallelstraße liegen leider keine Zähldaten vor.
Daten-Tipps zu den Zählstellen:
🔎 Zeitreihen einzelner Zählstellen nicht isoliert betrachten, sondern die Verläufe mit ähnlichen Standorten vergleichen und so auffällige Zählstellen-Daten finden.
💾 Weitere Datenquellen erschließen und nutzen - z.B. Daten zu Baumaßnahmen und Entwicklungen im Radnetz sowie Daten von realen Radfahrten
📉 Korrelationsbrüche gezielt analysieren, um zwischen Erfassungsfehlern und realer Veränderung zu unterscheiden.
🚲 Zähldaten im Zusammenhang mit Baumaßnahmen, neuer Infrastruktur und anderen Veränderungen im Umfeld betrachten.
⏲️ Städte sollten Zählstellen dort anbringen, wo Verbesserungen in den Radwegen anstehen - am besten schon vor der Maßnahme
MobiData BW stellt Zähldaten von Eco-Counter-Zählstellen aus Baden-Württemberg seit 2013 bereit. Die Werte stehen nach Richtung (IN/OUT/ALL) als Stunden- und Tageswerte zur Verfügung.
Hier gehts zu den Ergenissen und Empfehlungen aus der Data Challenge
⁉️ Wer hat weitere Analysen aus den Radzähldaten auf Lager oder kennt Zählstellen, die auffällige Daten liefern?