[Visualisierungen] Call a Bike-Fahrten in Frankfurt, Stuttgart, Hamburg, München und Kassel 2014-2017
Verfasst von:
Veröffentlicht am:
Zuletzt aktualisiert am:
3. Februar 2026
Wir zählen Kfz, keine Menschen.
Die Planung von Zielnetzen oder die Erarbeitung von Konzeptionen für den Fuß- und Radverkehr fußt auch heute noch häufig mangels belastbarer Daten über die genauen Wege der Radfahrenden auf einer mangelhaften Datengrundlage. Nur selten werden die heutigen Möglichkeiten einer datenbasierten Verkehrsplanung angewandt. Mittlerweile können durch die Nutzung von GPS-Daten insbesondere Rückschlüsse für das Nebennetz getroffen werden, welches mit den herkömmlichen Erhebungsverfahren bislang nur unvollständig erfasst wird. Radverkehrsstärken werden heutzutage häufig nur punktuell manuell erfasst, d.h. es wird vor Ort an einzelnen Tagen gezählt, oder an fest installierten Radverkehrszählstellen automatisch erhoben. Aufgrund der geringen Anzahl der Erhebungspunkte lassen sich hieraus jedoch nur eingeschränkte Rückschlüsse für das gesamte Stadtgebiet ziehen.
Radverkehrszählstelle am e-Radschnellweg in Göttingen (Hauptbahnhof-Nähe) – Foto: Philipp Böhme @ QIMBY.net – CC0 1.0
Die heute vorhandenen Möglichkeiten zur digitalen Datenerhebung können auch in der kommunalen Radverkehrsplanung Anwendung finden. Empfohlen sei zu diesem Thema dieser anwendungsorientierte Leitfaden der TU Dresden zur Nutzung von smartphone-generierten Radverkehrsdaten.1
Fahrradverleihsysteme können hierbei einer von mehreren Datenlieferanten sein. Sie ermöglichen hierbei jedoch nur ein eingeschränktes Bild, da häufig nur Start und Zielort aufgezeichnet werden. „Dies liefert vor allem für den Fall Start=Ziel wenig bis keinen Aufschluss über die gewählten Routen. Auch ist zu vermuten, dass Leihfahrräder vorwiegend in Innenstädten oder für fest definierte Kurzstrecken im Rahmen einer Wegekette genutzt werden. Folglich können die regulären täglichen Wege eines monomodal Radfahrenden nicht mit abgebildet werden. Jedoch können Daten aus Verleihsystemen andere Datensätze sinnvoll ergänzen.“2
Trotz dieser Einschränkungen können Daten aus Fahrradverleihsystemen spannende Einblicke bieten, da sie in einigen Städten bereits mehrere Jahre rückwirkend vorliegen und zudem Radfahrende nicht erst zur Nutzung entsprechender Apps (BikeCitizens, Strava) angeregt werden müssen.
Constantin Müller (@ubahnverleih) hat auf Basis der Ausleihdaten des DB-Bikesharinganbieters Call a Bike, welche über das OpenData-Portal der Deutschen Bahn zu beziehen sind, Karten über die Fahrtenhäufigkeit zwischen einzelnen Ausleihstationen generiert. Die bereitgestellten Daten enthalten nicht die genauen Fahrtverläufe, aber die Koordinaten der Stationen, an denen die Fahrräder ausgeliehen und wieder abgegeben wurden. Mit diesen Daten und der OpenSource Routing Engine Graphhopper können die vermutlich gefahrenen Routen abgeschätzt werden (Hintergrundinformationen zu den technischen Details). Basis für die Visualisierungen sind rund zehn Millionen Ausleihvorgänge. Nicht enthalten sind jene, bei denen der Ausleih- und Rückgabevorgang an derselben Station stattfand sowie die Ausleihen an Stationen, die im zur Verfügung gestellten Datensatz fehlten.
Berechnete Call-a-Bike Fahrten in Frankfurt am Main (2014-2017) | Daten: CC-BY Deutsche Bahn AG, OdbL OpenStreetMap contributors
Berechnete Call-a-Bike Fahrten in Stuttgart (2014-2017) | Daten: CC-BY Deutsche Bahn AG, OdbL OpenStreetMap contributors
Berechnete Call-a-Bike Fahrten in Hamburg (StadtRad) (2014-2017) | Daten: CC-BY Deutsche Bahn AG, OdbL OpenStreetMap contributors
Berechnete Call-a-Bike Fahrten in München (2014-2017) | Daten: CC-BY Deutsche Bahn AG, OdbL OpenStreetMap contributors
Berechnete Call-a-Bike Fahrten in Kassel (Konrad) (2014-2017) | Daten: CC-BY Deutsche Bahn AG, OdbL OpenStreetMap contributors
