From Votes to Victory - Projekt @ TechLabs Münster

From Votes to Victory

Münster wählt - Eine visuelle Reise durch Wahlergebnisse und Gesellschaft

Münster ist eine Stadt mit vielfältigen politischen Strukturen. Insbesondere in den letzten Jahren ist das Wahlverhalten in Münster überregional bekannt geworden, da bis 2025 Münster die einzige Stadt ist, in der die AfD unter der 5%-Hürde geblieben ist. Doch wie genau unterscheiden sich die Wahlergebnisse in den einzelnen Stadtteilen und welche Veränderungen lassen sich über die Jahre beobachten? In unserem Data-Science-Projekt haben wir die Bundestagswahlergebnisse der Stadt Münster der vergangenen 25 Jahre untersucht und mit soziodemographischen Faktoren wie Erwerbstätigkeit, Migrationshintergrund und Altersstruktur verknüpft. Ziel war es, regionale Unterschiede und Entwicklungen aufzuzeigen und sie in einer interaktiven Visualisierung zugänglich zu machen.

Unser interaktives Dashboard ermöglicht es dem Nutzer, Wahlergebnisse zeitlich und räumlich zu analysieren. So lässt sich beispielsweise nachvollziehen, welche Parteien in welchen Stadtteilen besonders stark sind oder wie sich politische Trends über die Jahre hinweg verändert haben.

Methodik

Wahlergebnisse sind komplex und eher abstrakt. Um sie einem breiten Publikum zugänglich zu machen, setzen (politische) Kommunikatoren daher auf Datenvisualisierungen, um Muster und Trends auf einen Blick zu verdeutlichen (Cai & Kay, 2024). Unsere Studie folgt einem ähnlichen Ansatz. Zunächst haben wir die offiziellen Wahldaten der Bundestagswahl für Münster gesammelt, bereinigt und aufbereitet. Diese wurden mit soziodemographischen Daten kombiniert, die Merkmale wie Erwerbstätigkeit, Migrationshintergrund, Durchschnittsalter, die jeweils stärkste Partei (Zweitstimme) und die Wahlbeteiligung in den Stadtteilen umfassen. Unsere Wahldaten stammen von der Website der Stadt Münster, die soziodemographischen Daten vom Open-Data-Portal citeq der Stadt Münster. Für die Aufbereitung haben wir insbesondere die Python-Pakete pandas und numpy verwendet.

Unsere Analyse stützt sich auf zwei zentrale Visualisierungen:

Der zeitliche Verlauf der Wahlergebnisse in Münster: Diese interaktive Grafik zeigt, wie sich die Wahlbeteiligung und die Stimmenanteile der Parteien über die Jahre hinweg verändert haben. Nutzer können verschiedene Wahljahre, Parteien und Wahlbezirke Münsters auswählen, betrachten und miteinander vergleichen.

Eine Heatmap der Stadt Münster mit soziodemographischen Faktoren: Hier können Nutzer zwischen verschiedenen Jahren und Variablen wie Erwerbstätigkeit, Migrationshintergrund, Altersstruktur oder Wahlbeteiligung wechseln. Dadurch lassen sich mögliche Zusammenhänge zwischen sozialen Strukturen und Wahlergebnissen erkunden.

Die Dashboards ermöglichen einen tieferen Einblick in die Wahldaten und ihre regionalen Unterschiede anhand verschiedener Parameter. Für die Visualisierungen und Darstellungen als interaktive Karte bzw. Plot werden hauptsächlich die Python-Pakete dash, plotly und geopandas verwendet.

Zudem haben wir mit den Paketen numpy und scipy.stat eine einfache Korrelationsanalyse durchgeführt und untersucht, wie sich die Variablen Durchschnittsalter, Erwerbstätigenquote und Migrationsvorgeschichte auf die Wahlbeteiligung in den Stadtteilen auswirken. Während die Korrelation zwischen der Wahlbeteiligung und dem Migrationshintergrund stark negativ ist, besteht für die beiden anderen Variablen kein signifikanter Zusammenhang. Zudem kann nicht ausgeschlossen werden, dass die starke Korrelation (r(10) = -0,96, p <..001) zwischen Migrationshintergrund und Wahlbeteiligung durch fehlende deutsche Staatsangehörigkeit und damit fehlende Wahlberechtigung beeinflusst wird. Datenausfälle in den verfügbaren Datensätzen erschweren eine aussagekräftige Korrelationsanalyse zusätzlich. Insofern lässt sich auf Basis der vorliegenden Daten schlussfolgern, dass es vermutlich andere Variablen gibt, die die Wahlbeteiligung stärker beeinflussen.

Ergebnisse & Learnings

Politisch war in Münster lange Zeit die CDU die dominierende Partei, seit 2017 zeichnet sich jedoch ein Wandel ab. Die bundesweiten Wahltrends scheinen sich, wenn auch abgeschwächt, auch in Münster widerzuspiegeln. Besonders auffällig ist der bundesweite Aufschwung der Grünen, der sich auch in Münster deutlich bemerkbar macht und die politischen Kräfteverhältnisse in der Stadt nachhaltig verändert. Im Jahr 2025 überspringt die AfD auch in Münster erstmals die 5%-Hürde und liegt damit noch vor dem Wahlverlierer FDP.

Die Analyse der interaktiven Karten-Visualisierung zeigt, dass Münster in soziodemografischer Hinsicht eine gewisse Homogenität hinsichtlich der Altersstruktur in den einzelnen Stadtbezirken aufweist. Hingegen unterscheiden sich die Stadtbezirke in Bezug auf Erwerbstätigkeit und Migrationshintergrund - so weist der Münsteraner Norden im Vergleich den höchsten Migrationsanteil auf, während der Münsteraner Westen den niedrigsten Erwerbstätigenanteil aufweist. Ein weiteres zentrales Ergebnis ist die konstant hohe Wahlbeteiligung, die deutlich über dem Bundesdurchschnitt liegt.

Fazit & Erfahrung

In unserem Projekt haben wir umfangreiche Erfahrungen im Umgang mit verschiedenen, teilweise auch sehr unterschiedlich strukturierten Datensätzen gesammelt. Ein besonderer Schwerpunkt lag für uns auf der Erstellung interaktiver Datenvisualisierungen mit plotly und der Entwicklung dynamischer Dashboards, um komplexe Zusammenhänge übersichtlich darzustellen.

Die gewonnenen Erkenntnisse lassen sich auf verschiedene weitere Projekte übertragen. Schon während des Projekts haben wir festgestellt, dass ähnliche Visualisierungen auch über Münster hinaus für ganz Deutschland interessant wären. Darüber hinaus können die Visualisierungstypen auch für die Aufbereitung anderer spatio-temporaler Daten (z.B. Bevölkerungsumfragen) genutzt werden.

Nicht zuletzt haben wir innerhalb des Projektes über verschiedene (Fach-)Disziplinen hinweg zusammengearbeitet. Insbesondere im Hinblick auf das Projektmanagement und die kollaborative Zusammenarbeit in Google Colab nehmen wir einige Erkenntnisse über den konkreten Projektkontext hinaus mit.