Qualitative Ergebnisse

Bei der Analyse der Ergebnisse der gemeinschaftsbasierten Entscheidungsfindung innerhalb des Landscape.Labs! konnte gezeigt werden, dass die Meinungsbildung durch MultiplikatorInnen, wie LehrerInnen oder Eltern, für jüngere Menschen wichtig ist. Insgesamt hat die eingesetzte interaktive Karte ein großes Potenzial, technische Barrieren und Hindernisse für die Computerinteraktion abzubauen. Darüber hinaus kann der Ansatz zu einer lebendigen Debatte über die regionalen Bedingungen und Erwartungen an die Entwicklung erneuerbarer Energie führen.

Es wurde festgestellt, dass die Schülerinnen und Schüler ein geringes Verständnis für den regionalen Kontext hatten, weshalb die meisten anderen Ergebnisse aus den Workshops mit den regionalen Akteuren stammen. Im Allgemeinen konnte gezeigt werden, dass ein Verständnis für die Notwendigkeit einer Diversifizierung der erneuerbaren Energiequellen und ihrer Standorte vorhanden ist. Allerdings spielt das Verhältnis zwischen Wind und PV bei dem, was als „richtig“ angesehen wird, eine große Rolle. Ein Hauptergebnis ist, dass es wichtig ist, das Potenzial von PV-Dächern voll auszuschöpfen. Darüber hinaus zeigte sich, dass die TeilnehmerInnen andere innovative Ideen bezüglich der für PV und Wind geeigneten Flächen hatten (z.B. Deponien, Kiesteiche, Speicherseen).

Es wurde festgestellt, dass im Allgemeinen die technische Vorprägung der Landschaft einen Einfluss auf die Wahrnehmungen und Einstellungen hat. In diesem Zusammenhang traten irrationale und moralische Argumentationsweisen auf. Dieses Muster wiederholte sich in der dritten Sitzung der InteressensvertreterInnen. Darüber hinaus wurde eine Flächenkonkurrenz für die land- und forstwirtschaftliche Produktion durch die Photovoltaik wahrgenommen. Daher wurde argumentiert, dass sich PV eher „nur“ für abgelegene oder weniger leicht zu bewirtschaftende Gebiete eignet. In Bezug auf Tourismusregionen wurden positive (z.B. Stärkung der regionalen Identität, Übernahme einer führenden Rolle bei RETs) und negative (z.B. auf das Landschaftsbild) Auswirkungen auf den Tourismus erwartet. Insgesamt konnte ein Schwerpunkt auf monetäre und nicht-monetäre Ausgleichsmechanismen innerhalb der Region und darüber hinaus festgestellt werden.

Quantitative Ergebnisse

TeilnehmerInnen der Befragung

Die Auswahl der Stichprobe für die Datenerhebung erfolgte in enger Abstimmung mit einem Marktforschungsinstitut, um eine hinsichtlich Alter und Geschlecht repräsentative Stichprobe der österreichischen Bevölkerung zu erhalten und eine Stichprobenstruktur zu erreichen, die der ursprünglich beabsichtigten Stichprobe möglichst nahekommt. Dies wurde durch eine gezielte Stichprobenstrategie erreicht, die darauf abzielte, BewohnerInnen zu befragen, die die betreffende Region kennen. Zu diesem Zweck wurde eine GIS-basierte Analyse durchgeführt, um konzentrische Kreise (Braunholtz, 2003) um das Zentrum der Region zu definieren und anschließend Postleitzahlen zu extrahieren, die innerhalb dieser definierten Bereiche liegen. Zunächst wurden Personen aus dem Bundesland der Untersuchungsregion befragt, die innerhalb des 40-km-Kreises leben, danach Personen, die außerhalb des Kreises wohnen.

Auch die Einwohnerzahl der zu befragenden Gemeinde wurde berücksichtigt. Zu Beginn wurden Befragte aus Gemeinden mit weniger als 20.000 EinwohnerInnen ausgewählt. Später wurden auch Befragte aus Gemeinden mit mehr als 20.000 EinwohnerInnen einbezogen. Dieses Verfahren führte zu vier definierten Erhebungszonen (Tabelle 1), wobei Zone 1 die höchste Priorität hatte, Zone 2 die zweithöchste und so weiter. Ziel dieses Verfahrens war es, eine ausgewogene Stichprobenstruktur zu gewährleisten, mit besonderem Augenmerk auf eine gute Repräsentation der Befragten, die in der Studienregion oder in deren Nähe leben, sowie derjenigen, die in ländlichen Gebieten wohnen. Insgesamt wurde die Anzahl der zu erreichenden TeilnehmerInnen auf ca. 1.000 festgelegt, die zu gleichen Teilen auf die Tourismusregionen verteilt wurden. Ein erster Pretest, der mögliche Probleme mit der Umfrage und dem Datenerhebungsverfahren aufzeigen sollte, wurde zunächst in Kärnten (n = 67) durchgeführt, ergab jedoch keine weiteren problematischen Aspekte, die es zu beheben galt.

Tabelle 1: Auswahl von StudienteilnehmerInnen

	Zone 1	Zone 2	Zone 3	Zone 4
Abstand	≤ 40 km	≤ 40 km	> 40 km	> 40 km
Einwohnerzahl	≤ 20.000	> 20.000	≤ 20.000	> 20.000

Bei der Stichprobe wurde unterschieden zwischen Personen, die in der Tourismusregion leben, solchen, die die Fallstudienregion bereits besucht haben, und Personen, die angaben, noch nie in der spezifischen Region gewesen zu sein. Für die multiple Regressionsanalyse wurde die letzte Gruppe ausgeschlossen, was zu einer unterschiedlichen Anzahl von TeilnehmerInnen in allen drei Analysen führte. Um die Anzahl der TeilnehmerInnen, die die Tourismusregionen kennen, zu maximieren, wurden KärntnerInnen zu den Nockbergen, NiederösterreicherInnen zum Kamptal und SteirerInnen zum Joglland befragt.

Weitere theoretische Inputs zu den TeilnehmerInnen, sowie zum Aufbau von den Befragungen finden Sie auch hier.

Conjoint-Analyse

Die Conjoint-Analyse untersuchte die Präferenzen und die Kompromisse verschiedener Attribute in Bezug auf den Einsatz von Technologien für erneuerbare Energie. Jedes Attribut bestand aus drei Stufen, die nach dem Zufallsprinzip für jede der 12 dargestellten Auswahlmöglichkeiten variiert wurden, um die Bedeutung jedes Attributs und seiner Ausprägung zu messen. Die Auswahl der Attribute basierte auf einer Durchsicht der Literatur zur sozialen Akzeptanz und den Beiträgen der beratenden Stakeholdergruppe aus dem zweiten Stakeholder-Workshop. Die Attribute waren Ausbaugrad (75%, 100%, 125%), Verhältnis Wind/PV (50/50, 70/30, 90/10), Abstand (500m, 1000m, 1500m), Betreiber (regional, national, international), Verteilung (konzentriert, semi-konzentriert, verteilt), Beteiligung (Einmalzahlung, reduzierter Stromtarif, Bürgebeteiligung).

Für jedes Auswahlset wurde die Frage gestellt: „Wenn das von Ihnen gewählte Szenario umgesetzt würde, würden Sie zustimmen?“. Dadurch konnten die Befragten entscheiden, ob sie das gewählte Szenario wirklich akzeptieren würden.

Insgesamt bestand die Stichprobe für die Conjoint Analyse aus 930 TeilnehmerInnen, davon 310 aus Kärnten, 307 aus Niederösterreich und 313 aus der Steiermark. Zu Beginn wurde die relative Wichtigkeit der Attribute über die gesamte Stichprobe gemessen. Es ergab sich folgendes Bild: Betreiber 23,4%, Verhältnis Wind/PV 20,3%, Distanz 19,2%, Beteiligung 15,3%, Verteilung 14,7% und Ausbaugrad 7,1%. Diese Ergebnisse deuten darauf hin, dass der Betreiber das wichtigste Attribut bei der Entscheidung über die Auswahlsets war, während der Ausbaugrad am wenigsten wichtig war.

Anschließend wurde der Einfluss der verschiedenen Ausprägungen innerhalb der Attribute analysiert, um festzustellen, welche Ausprägungen die Auswahl eines Auswahlsets förderten und welche genau das Gegenteil bewirkten. Für den Betreiber erreichte die Ausprägung „regional“ einen durchschnittlichen Wert von 44,27, die Ausprägung „national“ einen durchschnittlichen Wert von 33,73 und die Ausprägung „international“ einen durchschnittlichen Wert von -78,77. Die steirische Stichprobe wies für jede Ausprägung die extremsten Werte auf, während die Kärntner Stichprobe die am wenigsten extremen Werte erreichte. Hinsichtlich der Distanz ergab ein Abstand von 500m die extremsten Werte mit einem Durchschnitt von -60,3. Die Entfernung von 1000 m erreichte einen Durchschnittswert von 17,83 und die Entfernung von 1500 m war mit einem Durchschnittswert von 42,47 die bevorzugteste Ausprägung. Wiederum erreichte die Steiermark die extremsten Werte, während Kärnten die am wenigsten extremen Werte erreichte. Für das Verhältnis Wind/PV zeigte sich, dass ein Szenario mit 50% Wind und 50% PV mit einem Durchschnittswert von 37,43 bevorzugt wurde. 70% Windanteil und 30% PV-Anteil erreichten einen Durchschnittswert von 6,97. Im Gegensatz dazu erreichte das Szenario mit einem Windanteil von 90% und einem PV-Anteil von nur 10% einen negativen Durchschnittswert von -44,4. Für dieses Attribut erreichte Kärnten die extremsten Werte für die am meisten und am wenigsten bevorzugten Szenarien, während die Steiermark die am wenigsten extremen Werte für diese beiden Ausprägungen erreichte. Für die Verteilung der RETs innerhalb der Region erreichten die Ausprägungen „verteilt“ und „semi-konzentriert“ ähnliche Durchschnittswerte mit 10,67 bzw. 11,06. Im Gegensatz dazu erreichte die Ausprägung konzentriert einen negativen Durchschnittswert von -21,77. Die niederösterreichische Stichprobe wies bei diesem Attribut die extremsten Werte auf. Das Attribut Beteiligung ergab einen Durchschnittswert von 26,9 für die am meisten bevorzugte Ausprägung „reduzierter Stromtarif“. Die am wenigsten bevorzugte Ausprägung „Einmalzahlung“ erreichte einen negativen Durchschnittswert von -32,43. Die Bürgerbeteiligung erreichte einen Durchschnittswert von 5,57. Auch hier zeigte Niederösterreich die extremsten Werte für die am meisten und am wenigsten bevorzugten Ausprägungen innerhalb dieses Attributs.

Bei der Analyse der „Nein-Option“, dargestellt durch die Frage „Wenn das von Ihnen gewählte Szenario umgesetzt würde, würden Sie dem zustimmen?“, zeigte sich, dass die steirische Stichprobe mit einem Wert von 12,0 die gewählten Szenarien mit Abstand am seltensten ablehnte. Niederösterreich erreichte einen Wert von 34,4 für die Nicht-Zustimmung zu den gewählten Szenarien, während Kärnten den höchsten Wert von 45,0 für die Nicht-Zustimmung zu den gewählten Szenarien erreichte. Zusammenfassend hat die Conjoint Analyse gezeigt, dass das bevorzugte Szenario einen regionalen Betreiber mit der Möglichkeit eines vergünstigten Stromtarifs, bestehend aus mindestens 50 % PV-Anlagen mit einem Abstand von 1500 m zu besiedelten Gebieten und einer semi-konzentrierten Verteilung der RET-Anlagen in der Region, umfassen würde. Eine große Anzahl von EinwohnerInnen würde jedoch dennoch nicht zustimmen, wenn dieses Szenario umgesetzt würde, was insbesondere für Kärnten gilt.

Anschließend wurde die Stichprobe von 930 TeilnehmerInnen in EinwohnerInnen mit 101 Personen und BesucherInnen mit den verbleibenden 829 Personen aufgeteilt. Für diese Analyse spielte es keine Rolle, ob eine Person die fragliche Region bereits besucht hat oder nicht, sondern sie wurden gebeten, sich vorzustellen, dass sie die Region besuchen würden und wie sie dann die verschiedenen Szenarien bewerten würden. Für die EinwohnerInnen war die relative Bedeutung der Attribute am höchsten für das Verhältnis Wind/PV (21,11), gefolgt vom Betreiber (20,21), der Verteilung (17,88), der Beteiligung (16,39), der Distanz (15,7) und dem Ausbaugrad (8,70). Es überrascht nicht, dass die Stichprobe der BesucherInnen, im Gegensatz zu den EinwohnerInnen, die gleiche Reihenfolge wie die Hauptstichprobe mit der höchsten relativen Bedeutung für das Attribut Betreiber (23,76) aufwies. Es folgten das Verhältnis Wind/PV (20,19), die Distanz (19,63), die Beteiligung (15,14), die Verteilung (14,35) und an sechster Stelle der Ausbaugrad (6,92). Die Punktzahlen für die verschiedenen Ausprägungen sind in der folgenden Tabelle (Tabelle 3) zu finden, wobei der dunkelblaue Balken die Ergebnisse für die BewohnerInnen und der hellblaue Balken die Ergebnisse für die BesucherInnen darstellt. Insgesamt entsprechen die bevorzugten Szenarien denen der Hauptstichprobe. Hinsichtlich der „Nein-Option“ wurde festgestellt, dass die BesucherInnen im Vergleich zu den EinwohnerInnen diese Option mehr als dreimal so häufig wählten, was auf eine geringere Akzeptanz von RETs im Allgemeinen schließen lässt.

Tabelle 2: Ergebnisse für die Conjoint Analyse von EinwohnerInnen und BesucherInnen

Landschaftsbildbewertung

Im Rahmen einer Masterarbeit (Schmalzl, 2020) wurden die Ergebnisse aus dem Pretest (n = 67) und der Hauptstudie in Kärnten (n = 288) näher analysiert. Die beiden Bilder aus dem Pretest zeigten die Ansichten von der Bergstation und der Talstation der Kaiserburgbahn. Der Blick von der Bergstation umfasste nur Bergkämme ohne vorhandene Infrastruktur. Die Talstation hingegen zeigte den Blick auf die bereits bestehende Skiinfrastruktur. Die beiden Bilder aus der Hauptstudie (Abbildung 1) zeigten eine Kulturlandschaft, die aus Wald- und Weideflächen sowie einigen Einzelhäusern besteht. In der ersten Fotomontage waren zwei Windkraftanlagen und eine Freiflächen-PV-Anlage im Bild montiert. In der zweiten Fotomontage wurden zwei Windturbinen montiert, die jedoch aufgrund des hellen Hintergrunds nicht gut sichtbar sind. Insgesamt konnte gezeigt werden, dass die manipulierten Bilder im Vergleich zu den Originalbildern ohne RETs niedrigere Punktzahlen erreichten, was nicht überraschend war. Allerdings war der Rückgang der Range-Items bei dem Bild mit bereits vorhandener Infrastruktur deutlich geringer (Talstation, n = 67). Künstliche Elemente, die bereits in der ursprünglichen Landschaft vorhanden waren, wie z. B. Seilbahnen und Skipisten, hatten auch im Originalbild ohne Energieinfrastruktur eine insgesamt negative Bewertung. Die Punktzahlen in dieser Landschaft verringerten sich nicht signifikant, als die Windkraftanlagen auf dem Bergkamm im Hintergrund hinzugefügt wurden. Dies könnte ein Ansatzpunkt für weitere Forschungen zur Akzeptanz von erneuerbarer Energieinfrastruktur in bereits künstlich veränderten Bergregionen wie Skigebieten sein. In der Masterarbeit wurden auch intrapersonelle und sozialpsychologische Faktoren untersucht, die die Wahrnehmung und Bewertung der Landschaft beeinflussen. Es konnte gezeigt werden, dass negative Erwartungen, eine hohe Ortsverbundenheit, der Glaube an erneuerbare Energietechnologien, verschiedene Wertvorstellungen sowie das Wissen über und die Erfahrung mit erneuerbaren Energietechnologien mit der Landschaftsbildbewertung der TeilnehmerInnen korrelierten.

Multiple Regressionsanalysen

Die Stichprobe bestand aus 962 TeilnehmerInnen, davon 393 aus Kärnten, 316 aus Niederösterreich und 253 aus der Steiermark.

Zu Beginn wurden die Unterschiede in der Akzeptanz von RETs nahe dem Wohnort und in der jeweiligen Tourismusregion analysiert. Für die Windkraft ergab diese Analyse, dass die Akzeptanz der Windkraft innerhalb der Tourismusregionen mit 66,84% Zustimmung bzw. eher Zustimmung um fast 10% geringer ist als die der Windkraft in der Nähe des Wohnortes der TeilnehmerInnen mit 76,30%. Bei der PV ist der Unterschied etwas geringer mit einem Prozentsatz von 77,55% Zustimmung bzw. eher Zustimmung zu einer PV-Anlage in der Tourismusregion und 86,08% Zustimmung bzw. eher Zustimmung zu einer PV-Anlage in der Nähe des Wohnortes.

Bei näherer Betrachtung der Antworten zur Akzeptanz in den Tourismusregionen konnten Unterschiede zwischen den Bundesländern festgestellt werden. Während in Kärnten nur 59,03% der Befragten der Windkraft zustimmten bzw. eher zustimmen, waren es in Niederösterreich 68,04% und in der Steiermark 77,47%. Bei der Photovoltaik hingegen war die Zustimmungsrate in Niederösterreich und der Steiermark mit 81,64% bzw. 81,82% sehr ähnlich, während sie in Kärnten mit 71,50% wiederum am niedrigsten war. Insgesamt ist die Ablehnung in der Steiermark sehr gering, nur 2,37% der Befragten lehnen die Realisierung einer Windkraft- oder PV-Anlage in der Tourismusregion ab (Stimme nicht zu). Dies deckt sich mit dem Ergebnis innerhalb der „Nein-Option“ der Conjoint Analyse, die zeigt, dass die steirische Stichprobe den bevorzugten Szenarien weitaus häufiger zustimmen würde.

Um zwischen Einheimischen und Nicht-Einheimischen bzw. BesuchernInnen zu unterscheiden, wurden die Personen, die angaben, in der Tourismusregion zu wohnen oder früher dort gewohnt zu haben, und die anderen in zwei Gruppen aufgeteilt. Die Stichprobe der Einheimischen umfasste nur 135 TeilnehmerInnen und ist daher weniger signifikant. Die Gruppe der BesucherInnen bestand aus den restlichen 827 StudienteilnehmerInnen. In der Analyse zeigte sich, dass die Zustimmung zur PV insgesamt höher ist als jene zur Windkraft. Interessanterweise ist die Zustimmung für beide RETs in der Stichprobe der nicht ortsansässigen Bevölkerung geringer.

Für die multiplen Regressionsanalysen wurden die oben analysierten Variablen über die Akzeptanz von RETs in Tourismusregionen als abhängige Variable in jeweils einer Analyse in SPSS gewählt, während zahlreiche andere Variablen (Abstand zur Region, Kenntnis der Region, Wissen über RETs, Ortsverbundenheit, Glaube an RETs =RET-Optimismus, erwartete negative Auswirkungen, erwartete positive Auswirkungen, Aktivismus, Geschlecht, Alter, Ausbildung, Einkommen) als erklärende Variablen für beide Modelle herangezogen wurden. Die Analysen für die gesamte Stichprobe, ohne Unterscheidung zwischen den Bundesländern, zeigen, dass keine Signifikanz für die demographischen Variablen besteht. Was die erklärenden Variablen betrifft, so wiesen beide Modelle die höchsten Regressionsgewichte für die erwarteten negativen Auswirkungen auf. Da diese Gewichte negativ waren, bedeutet dies, dass die Akzeptanz umso geringer ist, je höher die erwarteten negativen Auswirkungen im Falle der Realisierung einer Windkraft- oder PV-Anlage sind. Bei der Windkraft standen die erwarteten positiven Auswirkungen an zweiter und der Aktivismus an dritter Stelle, bei der Photovoltaik war es umgekehrt, aber immer noch die gleichen Variablen. Es wurde festgestellt, dass beide Variablen positiv mit der Akzeptanz korreliert sind. Außerdem zeigten beide Modelle signifikante Ergebnisse für die Ortsverbundenheit mit negativen Ergebnissen und den RET-Optimismus mit positiven Ergebnissen. Einfach ausgedrückt: Je mehr eine Person mit der Tourismusregion verbunden ist, desto geringer ist die Akzeptanz, während die Akzeptanz umso höher ist, je stärker eine Person an die Sinnhaftigkeit von RETs im Allgemeinen glaubt. Das selbst eingeschätzte Wissen über RETs zeigte keine signifikanten Ergebnisse, im Gegensatz zur Kenntnis der Region, die signifikante Ergebnisse für die Akzeptanz von PV zeigte, d.h. je besser eine Person die Tourismusregion kennt, desto höher ist die Akzeptanz der Installation einer PV-Anlage. Für die Windkraft konnte kein solcher Zusammenhang gefunden werden. Bei der Windkraft gab es jedoch einen leichten Zusammenhang mit der Entfernung (β = -0,05, p = 0,039), der zeigt, dass die Akzeptanz einer Windkraftanlage umso geringer ist, je weiter entfernt jemand wohnt.

Im Vergleich zu den qualitativen Erkenntnissen kann gezeigt werden, dass die quantitativen Analysen in vielerlei Hinsicht ähnliche Ergebnisse lieferten. In beiden Ansätzen wurde deutlich, dass das Verhältnis zwischen Windkraft und PV ein wichtiger Faktor für die Akzeptanz ist. Des Weiteren hat die technische Gestaltung der Landschaft einen Einfluss auf die Wahrnehmungen. Sowohl (erwartete) positive als auch negative Auswirkungen haben einen Zusammenhang mit der Akzeptanz von RETs in Tourismusregionen. Die Bedeutung von Kompensationsmechanismen hat sich jedoch als weniger wichtig herausgestellt als in der qualitativen Analyse erwartet.

Weitere Ergebnisse finden Sie unter „Publikationen“, sowie in der „Projektpräsentation“.

Literatur

Braunholtz, S., & Scotland, M. (2003). Public attitudes to windfarms. A survey of local residents in Scotland.

Schmalzl, L. (2020): Auswirkungen von Windkraftanlagen auf das Landschaftsbild am Beispiel der Region Nockberge in Kärnten. Master Thesis, Universität Klagenfurt