Prognose der Altersstruktur

Ebenso wie auf Sparkassenebene können für die einzelnen NUTS II-Regionen nicht nur Prognosen der absoluten Kundenzahlen ermittelt werden, sondern es ergeben sich automatisch Aussagen über die zukünftige Altersstruktur der Kun-den. Da der Ertrag der Sparkassen offenbar vom Alter der Kunden abhängt, sind Aussagen zur zukünftigen Altersstruktur zudem eine notwendige Vorbedingung zur Ertragsprognose im folgenden Kapitel 8.¹²⁵

Analog zu den Ergebnissen auf Sparkassenebene ist auch bei den fiktiven NUTS II-Sparkassen wegen der zugrundeliegenden demographischen Entwick-lung ein Anstieg des Durchschnittsalters festzustellen, der regional jedoch stark variiert. Abbildung 32 gibt hierzu einen Überblick über die Veränderung des Durchschnittsalters der Kunden zwischen 2006 und 2025 in Jahren. Um Relati-onen zur Entwicklung innerhalb der zugehörigen Bevölkerung herzustellen, wurden die entsprechenden Vergleichswerte, die sich aus der Bevölkerungs-prognose ergeben, ebenfalls aufgenommen.

Mit Ausnahme von Lüneburg ist in allen Regionen in Szenario I eine im Vergleich zur Bevölkerung stärkere Alterung der Kundenbasis, d.h. ein größerer Anstieg des Durchschnittsalters festzustellen. Die Unterschiede fallen dabei im Westen marginal aus, im Osten sind jedoch größere Abweichungen bis zu einem dreiviertel Jahr festzustellen. Hinsichtlich der absoluten Stärke der Alterungs-prozesse ist in Szenario I eine klare Zweiteilung zwischen ost- und westdeut-schen Regionen zu beobachten, die sich bereits in der Analyse der zukünftigen Bevölkerungsstruktur in Abschnitt 5.2.4.2 gezeigt hat.

125 Siehe hierzu auch Abschnitt 4 zu den methodischen Vorüberlegungen.

a) Szenario I b) Szenario II

Zum Vergleich: Veränderung Durchschnittsalter der Bevölkerung 2006/2025 (in Jahren)

Abbildung 32: Veränderung Durchschnittsalter der Kunden 2006/2025 in Jahren (Szenario I und II); Quelle: eigene Berechnungen

a) Szenario I b) Szenario II

Abbildung 32: Veränderung Durchschnittsalter der Kunden 2006/2025 in Jahren (Szenario I und II);

Quelle: eigene Berechnungen

Zum Vergleich: Veränderung Durchschnittsalter der Bevölkerung 2006/2025 (in Jahren)

a) Szenario I b) Szenario II

Zum Vergleich: Veränderung Durchschnittsalter der Bevölkerung 2006/2025 (in Jahren)

Abbildung 32: Veränderung Durchschnittsalter der Kunden 2006/2025 in Jahren (Szenario I und II); Quelle: eigene Berechnungen

Die ostdeutsche Region mit der günstigsten Entwicklung hinsichtlich des Anstiegs des Durchschnittsalters (Leipzig; +5,0 Jahre) liegt oberhalb der west-deutschen Region mit der stärksten Alterungsdynamik (Unterfranken; +4,6 Jah-re). Neben der demographischen Komponente wirkt hier die unterstellte Markt-ausschöpfungsstruktur Ost/West zusätzlich separierend, d.h. verstärkt die Unter-schiede zwischen den Regionen.

Da in Szenario II die hierfür verantwortlichen hohen Quoten in den älteren Kundensegmenten sukzessive reduziert werden, löst sich die klare Separierung zwischen ost- und westdeutschen Regionen in Szenario II auf. So sind in den sächsischen Bezirken jetzt nur noch moderate Werte zu beobachten, die sich nicht von der Entwicklung in Westdeutschland abheben. Insgesamt schlägt sich das Abschmelzen der guten Markstellung bei den älteren Kunden in Szenario II in einem niedrigeren Anstieg des Durchschnittsalters nieder, die Alterung der Kundenbasis verläuft im Vergleich zur Bevölkerung unterproportional. Den ge-ringsten Anstieg weisen die Stadtstaaten Bremen (+0,82 Jahre) in Szenario I und Hamburg (+1,68 Jahre) in Szenario II auf. Die stärkste Alterung ist in Mecklen-burg-Vorpommern (Szenario I: +7,7 Jahre; Szenario II: +5,8 Jahre) festzustel-len.

Um die Untersuchung der zukünftigen Kundenaltersstruktur zu vervollstän-digen, wird wie bei der Analyse auf Sparkassenebene neben dem Durchschnitts-alter auch die Entwicklung des Altenkoeffizienten zwischen dem Basis- und dem Endjahr 2025 betrachtet. Zur Einordnung der Ergebnisse wird die resultie-rende Veränderung für die Kundenbasis in den beiden Szenarien in Abbildung 33 auch hier der entsprechenden Veränderung innerhalb der Bevölkerung ge-genübergestellt.

Wie erwartet werden kann, ergeben sich im Vergleich zur Analyse des Durchschnittsalters bei der Untersuchung der Altenkoeffizienten qualitativ ähn-liche Aussagen zu den Alterungsprozessen in den Regionen. So ist hinsichtlich der Veränderung der Altenkoeffizienten in Szenario I ebenfalls eine klare Sepa-rierung zwischen ost- und westdeutschen Regionen erkennbar, die sich auch in der Bevölkerungsstruktur wiederfindet. Wie bei der Entwicklung des Durch-schnittsalters ergibt sich für alle Regionen ein Anstieg bis 2025, wobei der Zu-wachs in der „besten“ Region Ostdeutschlands (Leipzig) mit +0,213 erheblich über dem Ergebnis der „schlechtesten“ westdeutschen Region (Unterfranken;

+0,118) angesiedelt ist. Insgesamt liegen die entsprechenden Kennziffern im Westen sehr nah an den zugehörigen Ergebnissen für die Bevölkerung. Im Osten ist dagegen generell ein stärkerer Anstieg der Koeffizienten zu beobachten.

Ver-antwortlich für diese bereits aus der obigen Analyse bekannten Fakten dürften die unterschiedlichen Markausschöpfungsprofile in Ost und West sein. Die beste Entwicklung ergibt sich in Hamburg (+0,019), die größte Veränderung des Altenkoeffizienten resultiert in Mecklenburg-Vorpommern mit +0,347, das auch nach diesem Kriterium der stärksten Alterungsdynamik ausgesetzt ist.

Auch in Szenario II bestätigen sich die Tendenzen aus der Analyse des Durchschnittsalters. Die durch den Anstieg des Altenkoeffizienten abgebildeten Alterungsprozesse der Kundenbasis sind im Vergleich zu Szenario I in allen Re-gionen z.T. deutlich abgemildert. In Relation zu den Kennziffern der Bevölke-rung ergibt sich für die westdeutschen und die ostdeutschen Bezirke Leipzig und Dresden ein geringerer Anstieg des Altenkoeffizienten, in der Stadt Hamburg sinkt er im Vergleich zu 2006 sogar (-0,013). Die übrigen ostdeutschen Bezirke weisen selbst bei Abschmelzen der Marktausschöpfung bei den älteren Kunden eine überproportional starke Alterungsdynamik auf. Der größte Anstieg ergibt sich dabei für Mecklenburg Vorpommern mit +0,280.

Zu beachten ist, dass bestimmte demographische Prozesse durch die Verän-derung des Altenkoeffizienten nicht vollkommen adäquat abbildbar sind. So sind die geringen Anstiege bei einigen westdeutschen Regionen darauf zurück-zuführen, dass die Kundenbasis zwar altert (d.h. das Durchschnittsalter z.T.

deutlich ansteigt), sich aber kundenstarke Segmente besonders in den Alters-klassen zwischen 50 und 64 wiederfinden, so dass die existierende Alterungsdy-namik durch den Altenkoeffizienten in diesen Fällen nicht eingefangen bzw. un-terschätzt wird.

antwortlich für diese bereits aus der obigen Analyse bekannten Fakten dürften die unterschiedlichen Markausschöpfungsprofile in Ost und West sein. Die beste Entwicklung ergibt sich in Hamburg (+0,019), die größte Veränderung des Altenkoeffizienten resultiert in Mecklenburg-Vorpommern mit +0,347, das auch nach diesem Kriterium der stärksten Alterungsdynamik ausgesetzt ist.

Auch in Szenario II bestätigen sich die Tendenzen aus der Analyse des Durchschnittsalters. Die durch den Anstieg des Altenkoeffizienten abgebildeten Alterungsprozesse der Kundenbasis sind im Vergleich zu Szenario I in allen Re-gionen z.T. deutlich abgemildert. In Relation zu den Kennziffern der Bevölke-rung ergibt sich für die westdeutschen und die ostdeutschen Bezirke Leipzig und Dresden ein geringerer Anstieg des Altenkoeffizienten, in der Stadt Hamburg sinkt er im Vergleich zu 2006 sogar (-0,013). Die übrigen ostdeutschen Bezirke weisen selbst bei Abschmelzen der Marktausschöpfung bei den älteren Kunden eine überproportional starke Alterungsdynamik auf. Der größte Anstieg ergibt sich dabei für Mecklenburg Vorpommern mit +0,280.

Zu beachten ist, dass bestimmte demographische Prozesse durch die Verän-derung des Altenkoeffizienten nicht vollkommen adäquat abbildbar sind. So sind die geringen Anstiege bei einigen westdeutschen Regionen darauf zurück-zuführen, dass die Kundenbasis zwar altert (d.h. das Durchschnittsalter z.T.

deutlich ansteigt), sich aber kundenstarke Segmente besonders in den Alters-klassen zwischen 50 und 64 wiederfinden, so dass die existierende Alterungsdy-namik durch den Altenkoeffizienten in diesen Fällen nicht eingefangen bzw. un-terschätzt wird.

a) Szenario I b) Szenario II

Zum Vergleich: Veränderung des Altenkoeffizienten der Bevölkerung 2006/2025

Abbildung 33: Veränderung Alterskoeffizient 2006/2025 (Szenario I und II); Quelle: eigene Berechnungen

a) Szenario I b) Szenario II

Abbildung 33: Veränderung Alterskoeffizient 2006/2025 (Szenario I und II); Quelle: eigene Berechnungen Zum Vergleich: Veränderung des Altenkoeffizienten der Bevölkerung 2006/2025

Da die Veränderung des Durchschnittsalters und des Altenkoeffizienten die existierende Alterungsdynamik in den Regionen zwar näherungsweise abbilden können, aber nur sehr grobe, eindimensionale Maße für die Veränderung der Bevölkerungsstruktur sind, soll abschließend exemplarisch für zwei Regionen die Altersstruktur der Kunden im Szenario I zum Ende des Referenzjahres 2006 (Abbildung 34) und zum Ende des Prognosezeitraums (Abbildung 35) darge-stellt werden. Um die extreme Heterogenität der Kundenstruktur zwischen den Regionen zu illustrieren, wurde zum einen der Stadtstaat Bremen mit dem ge-ringsten Anstieg des Durchschnittsalters und zum anderen Mecklenburg-Vorpommern (MV) mit einer extremen Alterungsdynamik ausgewählt.

Abbildung 34: Altersstruktur der Kundenbasis für Bremen und Mecklenburg-Vorpommern zum Ende des Jahres 2006 (Anteil der Altersgruppen am

Gesamtkundenbestand in %); Quelle: eigene Darstellung 0%

1%

2%

3%

4%

5%

6%

7%

8%

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85+

Bremen Mecklenburg-Vorpommern

Da die Veränderung des Durchschnittsalters und des Altenkoeffizienten die existierende Alterungsdynamik in den Regionen zwar näherungsweise abbilden können, aber nur sehr grobe, eindimensionale Maße für die Veränderung der Bevölkerungsstruktur sind, soll abschließend exemplarisch für zwei Regionen die Altersstruktur der Kunden im Szenario I zum Ende des Referenzjahres 2006 (Abbildung 34) und zum Ende des Prognosezeitraums (Abbildung 35) darge-stellt werden. Um die extreme Heterogenität der Kundenstruktur zwischen den Regionen zu illustrieren, wurde zum einen der Stadtstaat Bremen mit dem ge-ringsten Anstieg des Durchschnittsalters und zum anderen Mecklenburg-Vorpommern (MV) mit einer extremen Alterungsdynamik ausgewählt.

Abbildung 34: Altersstruktur der Kundenbasis für Bremen und Mecklenburg-Vorpommern zum Ende des Jahres 2006 (Anteil der Altersgruppen am

Gesamtkundenbestand in %); Quelle: eigene Darstellung 0%

1%

2%

3%

4%

5%

6%

7%

8%

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85+

Bremen Mecklenburg-Vorpommern

Abbildung 35: Altersstruktur der Kundenbasis für Bremen und Mecklenburg-Vorpommern zum Ende des Jahres 2025 (Anteil der Altersgruppen am Gesamtkundenbe-stand in %); Quelle: eigene Darstellung.

Zum Ausgangszeitpunkt zeigen sich noch keine gravierenden Unterschiede in der Kundenaltersstruktur. Das Durchschnittsalter in Bremen beträgt 45,1 Jah-re gegenüber 46,8 JahJah-ren in Mecklenburg-Vorpommern. Die zugehörigen Altenkoeffizienten weichen ebenfalls nicht sehr stark voneinander ab: 0,376 in Bremen gegenüber 0,418 in Mecklenburg-Vorpommern. In der Ausgangssitua-tion ergeben sich in MV sogar höhere Anteile bei den jüngeren Kunden zwi-schen 16 und 22 Jahren. Zum Ende des Vorhersagezeitraums stellt sich diese Situation jedoch komplett anders dar. Während in Bremen die Kunden über die Altersgruppen relativ homogen verteilt sind, ergibt sich für MV eine Konzentra-tion in den Altersklassen zwischen 55 und 75 Jahren. Die zu beobachtenden Strukturen schlagen sich deutlich im Durchschnittsalter (Bremen: 46,9 Jahre;

Mecklenburg-Vorpommern: 54,5 Jahre) und den Altenkoeffizienten (Bremen:

0,384; Mecklenburg-Vorpommern: 0,698) nieder. Qualitativ ähnliche Ergebnis-se lasErgebnis-sen sich auch für Szenario II ableiten, wobei die Alterungsdynamik dort etwas abgeschwächt ist.

0%

1%

2%

3%

4%

5%

6%

7%

8%

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85+

Bremen Mecklenburg-Vorpommern

Die exemplarische Analyse für zwei Regionen verdeutlicht nochmals die Heterogenität und Varianz in der Entwicklung der Kundenaltersstruktur zwi-schen den Regionen, die sich in der Untersuchung des Durchschnittsalters und des Altenkoeffizienten bereits angedeutet hat. Diese Entwicklung wird dabei maßgeblich durch die Bevölkerungsprognose getrieben. Die zukünftige Wett-bewerbssituation wirkt dabei wie eine Art Filter, der über die zugrunde liegende Bevölkerungsdynamik gelegt wird, wobei die grundsätzlichen Tendenzen in der Kundenprognose bei den verwendeten Szenarien erhalten bleiben. Weil Bevöl-kerungs- und Kundenentwicklung deshalb in der Regel eng korreliert sind, ist wie bei der Analyse der zukünftigen Bevölkerung festzustellen, dass Alterungs-prozesse tendenziell mit SchrumpfungsAlterungs-prozessen einhergehen. Neben einer ext-rem heterogenen Entwicklung der absoluten Kundenbasis ergibt sich somit in den Regionen auch eine stark variierende Altersstruktur, die, wie erläutert, für die Ertragsprognose von erheblicher Bedeutung ist.

Die exemplarische Analyse für zwei Regionen verdeutlicht nochmals die Heterogenität und Varianz in der Entwicklung der Kundenaltersstruktur zwi-schen den Regionen, die sich in der Untersuchung des Durchschnittsalters und des Altenkoeffizienten bereits angedeutet hat. Diese Entwicklung wird dabei maßgeblich durch die Bevölkerungsprognose getrieben. Die zukünftige Wett-bewerbssituation wirkt dabei wie eine Art Filter, der über die zugrunde liegende Bevölkerungsdynamik gelegt wird, wobei die grundsätzlichen Tendenzen in der Kundenprognose bei den verwendeten Szenarien erhalten bleiben. Weil Bevöl-kerungs- und Kundenentwicklung deshalb in der Regel eng korreliert sind, ist wie bei der Analyse der zukünftigen Bevölkerung festzustellen, dass Alterungs-prozesse tendenziell mit SchrumpfungsAlterungs-prozessen einhergehen. Neben einer ext-rem heterogenen Entwicklung der absoluten Kundenbasis ergibt sich somit in den Regionen auch eine stark variierende Altersstruktur, die, wie erläutert, für die Ertragsprognose von erheblicher Bedeutung ist.

Im Dokument Bankertrag und Bevölkerungsdynamik W S W (Seite 189-197)