1) Datenbasis: Was wir zusammenführen

Eine Transit-Impact-Prognose steht und fällt mit der Datenqualität. Wir kombinieren mehrere Quellen, die unterschiedliche Rollen im Modell übernehmen:

• Transit-Planstände: Linienführungen, neue Haltestellen, Ausbauetappen und Zeitfenster der Inbetriebnahme.
• Geometrie & Erreichbarkeit: Wegezeiten und Erreichbarkeitsmetriken für definierte Zeitbudgets.
• Marktanker: beobachtete Preis- und Mietniveaus als Referenz für Niveau und Struktur im lokalen Markt.
• Demografie & Nachfrage: Indikatoren, die erklären helfen, warum bestimmte Lagen überhaupt Nachfrage anziehen.
• Makro- und Randannahmen: Annahmen, die nicht täglich im Mikro-Markt sichtbar sind, aber die Projektionen stabilisieren.

2) Werttreiber-Logik: Wie Wirkung in erklärbare Faktoren zerlegt wird

Transit wirkt selten als einzelner Hebel. Häufig bündeln sich Effekte, etwa durch Verlagerung von Pendlerströmen, Standortvorteile für Familien oder die Dynamik in Mikrolagen. Deshalb zerlegen wir den Einfluss in Werttreiber, die separat plausibilisiert werden können:

Typische Werttreiber

1. Zeitvorteil-Index: Veränderung der Erreichbarkeit zu relevanten Zielen.
2. Anschlussqualität: Umsteigehäufigkeit, Umsteigezeit und Stabilität der Verbindung (qualitativ modelliert).
3. Markt-Fit: Wie gut die Transitverbesserung zur bestehenden Nachfrage- und Angebotsstruktur passt.
4. Reifegrad & Umsetzung: Abstand zur Inbetriebnahme, Risiko von Verzögerungen und Etappenlogik.
5. Substitutionsdruck: Konkurrenz durch alternative Lagen oder ähnliche Verbesserungen in der Region.

3) Modellierung: Vom Szenario zur Prognosekurve

Für jedes Szenario erzeugen wir eine Prognosekurve über den relevanten Zeithorizont. Dazu arbeiten wir mit einer klaren Kette aus Annahmen:

• Zeitscheiben: Wirkung wird entlang der Etappen zeitlich verteilt, nicht als Sprung modelliert.
• Lokale Gewichtungen: Lagen erhalten Gewichte nach Erreichbarkeitsnähe und Markt-Fit.
• Kalibrierung: Wir passen Modellparameter so an, dass beobachtete Muster plausibel abgebildet werden.
• Konfidenzband: Jede Prognose enthält eine Spannbreite, damit Entscheidungen Risiken berücksichtigen können.

4) Sensitivität & Risikobewertung: Was passiert bei Abweichungen?

Ein belastbares Modell testet seine eigenen Grenzen. Darum führen wir Sensitivitätsläufe durch, die die wichtigsten Unsicherheiten abdecken:

• Inbetriebnahme-Risiko: Verzögerung, Etappenverschiebung oder Teilausbau.
• Nachfrageverschiebung: Wie stark reagiert der Markt tatsächlich auf den Transitvorteil?
• Wettbewerb: Welche alternativen Lagen profitieren gleichzeitig oder stärker?
• Preiselastizität: Wie ändert sich die Wirkung, wenn das Preisniveau bereits hoch oder niedrig ist?

So entstehen Szenarien, die nicht nur „best case“ liefern, sondern Entscheidungsräume sichtbar machen.

5) Ergebnisdarstellung: Wie der WTS in Beratung übersetzt wird

Unsere Ergebnisansicht verbindet Zahlen mit Entscheidungslogik. Der Werttreiber-Score wird dabei so erklärt, dass er in Gesprächen mit Stakeholdern verständlich bleibt:

• Transparenz: Welche Faktoren treiben das Ergebnis, und wie stark?
• Vergleichbarkeit: Wie unterscheiden sich zwei Transitvarianten in derselben Region?
• Umsetzbarkeit: Welche Maßnahmen passen zur gewünschten Investitionsstrategie?

Praxis-Check: Schnell fragen, dann entscheiden

Wenn du eine Prognose in den Kontext deiner Strategie bringst, hilft diese kurze Prüfroutine:

• Ist die Datenbasis für die Region konsistent und zeitlich passend?
• Welche Werttreiber dominieren, und sind sie fachlich plausibel?
• Welche Unsicherheiten sind im Konfidenzband am größten?
• Welche Szenarien verbessern die Robustheit deiner Entscheidung?