Geomarketing im Kontext hochschulischen Wettbewerbs in Deutschland

Inhaltsverzeichnis

Danksagung

Erklärungen

Inhaltsverzeichnis

Abkürzungsverzeichnis

Symbolverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

1 Einleitung
1.1 Kontextueller Rahmen
1.2 Problemstellung
1.3 Forschungsinteresse
1.4 Aufbau der vorliegenden Arbeit

2 Kontextuelle und theoretische Grundlagen
2.1 Definition „Ausschöpfungsgrad“
2.2 Geomarketing
2.2.1 Grundgedanke und Daseinsberechtigung
2.2.2 Einsatz- und Methodenspektrum
2.2.3 Begriffsdefinitionen
2.3 Wettbewerbsentstehung und -situation im HS-System
2.4 Hochschul- und Bewerbermarketing
2.5 Anwendung des Geomarketing im Hochschulkontext
2.5.1 Anwendungsstand
2.5.2 Anwendungspotenziale
2.6 Stand der Forschung an der Schnittstelle Geomarketing/Hochschulkontext
2.6.1 Zielgruppenanalysen
2.6.1.1 Räumliche Mobilität potenzieller Studierender
2.6.1.2 Hochschulwahlmotive potenzieller Studierender
2.6.2 Einzugsgebietsanalysen
2.6.3 Gravitationsanalysen
2.6.3.1 Gravitationstheorie und -modelle
2.6.3.2 Anwendungen im Hochschulkontext

3 Forschungsvorhaben
3.1 Forschungslücken und Optimierungspotenziale
3.2 Erkenntnisinteresse, Zielsetzungen und Forschungsfragen

4 Methodisches Vorgehen
4.1 Spezifizierung des Untersuchungsmodells
4.2 Auswahl der zu untersuchenden Studiengänge
4.3 Wettbewerbsanalyse und Geokodierung
4.4 Ermittlung modellierter Ausschöpfungsgrade
4.4.1 Messung der Attraktivitätsvariablen
4.4.1.1 Studiengangattraktivität
4.4.1.2 Hochschulstandortattraktivität
4.4.2 Messung der Fahrzeiten
4.4.3 Berechnung modellierter Ausschöpfungsgrade
4.5 Ermittlung tatsächlicher Ausschöpfungsgrade
4.5.1 Kunden- und Potenzialanalyse
4.5.2 Berechnung tatsächlicher Ausschöpfungsgrade
4.6 Lineare Regressionsanalyse und Residuenanalyse
4.6.1 Lineare Regressionsanalyse
4.6.2 Residuenanalyse

5 Ergebnisdarstellung und -diskussion
5.1 Güte und Voraussetzungen der Untersuchungsmodell-Varianten
5.1.1 Güte
5.1.2 Voraussetzungen
5.2 Modelloptimierungsmöglichkeiten
5.3 Maßnahmenempfehlungen

6 Fazit
6.1 Zusammenfassung gewonnener Erkenntnisse
6.2 Zukünftige Forschung
6.3 Einbettung in kontextuellen Rahmen

Literaturverzeichnis

Datenquellenverzeichnis

Anhang

Danksagung

Vorab möchte ich meinen herzlichsten Dank an folgende Personen aussprechen, ohne die die vorliegende Arbeit in dieser Form nicht möglich gewesen wäre:

- Prof. Dr. Klaus Greve für die Möglichkeit diese überhaupt im Bereich des Geomarketing verfassen zu können sowie für die anschließend ausgezeichnete Betreuung in Form von ausnahmslos wertvollen und motivierenden Zwischenfeedbacks und Anregungen,
- Patrick Brosi von gtfs.de für die kostenfreie, rasche und problemlose Bereitstellung der GTFS-Daten,
- Alexander Wölfel und der WIGeoGIS sowie Stephan Watzka für die bedingungslose Zurverfügungstellung der notwendigen Rechenkapazitäten für die umfangreichen Fahrzeitmessungen,
- meiner Familie, meiner Freundin Ele sowie all meinen Freunden – insbesondere Erik, Dome und Hannes – für sowohl motivierende Worte als auch den ab und zu notwendigen Abstand von der vorliegenden Arbeit
- und nicht zuletzt Kevin und Dome für hilfreiche mathematische, bzw. inhaltliche Diskussionen und Anmerkungen.

Erklärungen

Ausschließlich aus Gründen besserer Lesbarkeit wird in dieser Arbeit weitgehend die Form des generischen Maskulinums verwendet, was keinerlei Benachteiligung oder Bevorteilung eines Geschlechts implizieren soll.

Abkürzungsverzeichnis

Abkürzung Definition

Abb. Abbildung

ARS Amtlicher Regionalschlüssel

ASG Ausschöpfungsgrad

B. A. Bachelor of Arts

B. Sc. Bachelor of Science

bgUMV beste geschätzte Untersuchungsmodell-Variante

BKG Bundesamt für Kartographie und Geodäsie

BL Bundesland

BSP Bevölkerungsschwerpunkt

CHE Centrum für Hochschulentwicklung gGmbH

Chemie Chemie (Bachelor of Science)

CRM Customer Relationship Management

DB DB Vertrieb AG

DESTATIS Statistisches Bundesamt

e.B./E.B. Eigene Berechnungen

e.D./E.D. Eigene Darstellung

EH Einzelhandel

EZG Einzugsgebiet

FB Fachbereich

FDZ Forschungsdatenzentrum

FH Fachhochschule

FS Fachsemester

GeoWi Geowissenschaften (Bachelor of Science)

GIS Geographisches Informationssystem

GM Gravitationsmodell

GTFS General Transit Feed Specification

gUMV geschätzte Untersuchungsmodell-Variante

H0 Nullhypothese

H1 Alternativhypothese

HR Hochschulreife

HRK Stiftung zur Förderung der Hochschulrektorenkonferenz

HS Hochschule

HZB Hochschulzugangsberechtigung

Kfz Kraftfahrzeug

NC Numerus clausus

NPM New Public Management

NRW Nordrhein-Westfalen

ÖPNV Öffentlicher Personennahverkehr

OSM OpenStreetMap

Pers. Personen

Physik Physik (Bachelor of Science)

Prognos Prognos AG

RE Raumeinheit

StÄBL Statistische Ämter des Bundes und der Länder

StEx Staatsexamen

Tab. Tabelle

UM Untersuchungsmodell

UMV Untersuchungsmodell-Variante

Universität Bonn Rheinische Friedrich-Wilhelms-Universität Bonn

US Untersuchter Studiengang

vGM vorgeschlagenes Gravitationsmodell

WIGeoGIS WIGeoGIS Gesellschaft für digitale Wirtschaftsgeographie mbH

WS (20/21) Wintersemester (2020/2021)

ZDF Zweites Deutsches Fernsehen

Symbolverzeichnis

Symbol Definition (– Einheit angegebener Werte bei Variablen)

Abii Erwerbsanzahl der Allgemeinen Hochschulreife an Nachfragestandort i – angegebene Werte in Personen

aChemiej Attraktivität von Studiengang Chemie (Bachelor of Science) an Angebotsstandort j – einheitenlos, angegebene Werte in Prozent

aFachBonn Attraktivität von Studiengang Fach an Angebotsstandort Rheinische Friedrich-Wilhelms-Universität Bonn – entfällt

aFachj Attraktivität von Studiengang Fach an Angebotsstandort j – einheitenlos, angegebene Werte in Prozent

aGeoWij Attraktivität von Studiengang Geowissenschaften (Bachelor of Science) an Angebotsstandort j – einheitenlos, angegebene Werte in Prozent

aHSBonn Hochschulattraktivität von Angebotsstandort Rheinische Friedrich-Wilhelms-Universität Bonn – entfällt

aHSj Hochschulattraktivität von Angebotsstandort j – entfällt

aHSSj Hochschulstandortattraktivität von Angebotsstandort j – einheitenlos, angegebene Werte in Prozent

Aj Gesamtattraktivität von Angebotsstandort j – entfällt

aPhysikj Attraktivität von Studiengang Physik (Bachelor of Science) an Angebotsstandort j – einheitenlos, angegebene Werte in Prozent

ASGij Ausschöpfungsgrad von Angebotsstandort j an Nachfragestandort i – entfällt

ASGmChemieiBonn Modellierter Ausschöpfungsgrad von Angebotsstandort Rheinische Friedrich-Wilhelms-Universität Bonn in Studiengang Chemie (Bachelor of Science) an Nachfragestandort i – einheitenlos, angegebene Werte in Prozent

ASGmChemieij Modellierter Ausschöpfungsgrad von Angebotsstandort j in Studiengang Chemie (Bachelor of Science) an Nachfragestandort i – entfällt

ASGmFachiBonn Modellierter Ausschöpfungsgrad von Angebotsstandort Rheinische Friedrich-Wilhelms-Universität Bonn in Studiengang Fach an Nachfragestandort i – einheitenlos, angegebene Werte in Prozent

ASGmFachij Modellierter Ausschöpfungsgrad von Angebotsstandort j in Studiengang Fach an Nachfragestandort i – entfällt

ASGmGeoWiiBonn Modellierter Ausschöpfungsgrad von Angebotsstandort Rheinische Friedrich-Wilhelms-Universität Bonn in Studiengang Geowissenschaften (Bachelor of Science) an Nachfragestandort i – einheitenlos, angegebene Werte in Prozent

ASGmGeoWiij Modellierter Ausschöpfungsgrad von Angebotsstandort j in Studiengang Geo-wissenschaften (Bachelor of Science) an Nachfragestandort i – entfällt

ASGmPhysikiBonn Modellierter Ausschöpfungsgrad von Angebotsstandort Rheinische Friedrich-Wilhelms-Universität Bonn in Studiengang Physik (Bachelor of Science) an Nachfragestandort i – einheitenlos, angegebene Werte in Prozent

ASGmPhysikij Modellierter Ausschöpfungsgrad von Angebotsstandort j in Studiengang Physik (Bachelor of Science) an Nachfragestandort i – entfällt

ASGtChemieiBonn Tatsächlicher Ausschöpfungsgrad von Angebotsstandort Rheinische Friedrich-Wilhelms-Universität Bonn in Studiengang Chemie (Bachelor of Science) an Nachfragestandort i – einheitenlos, angegebene Werte in Pro-Zehntausend

ASGtChemieij Tatsächlicher Ausschöpfungsgrad von Angebotsstandort j in Studiengang Chemie (Bachelor of Science) an Nachfragestandort i – entfällt

ASGtFachiBonn Tatsächlicher Ausschöpfungsgrad von Angebotsstandort Rheinische Friedrich-Wilhelms-Universität Bonn in Studiengang Fach an Nachfragestandort i – einheitenlos, angegebene Werte in Pro-Zehntausend

ASGtFachij Tatsächlicher Ausschöpfungsgrad von Angebotsstandort j in Studiengang Fach an Nachfragestandort i – entfällt

ASGtGeoWiiBonn Tatsächlicher Ausschöpfungsgrad von Angebotsstandort Rheinische Friedrich-Wilhelms-Universität Bonn in Studiengang Geowissenschaften (Bachelor of Science) an Nachfragestandort i – einheitenlos, angegebene Werte in Pro-Zehntausend

ASGtGeoWiij Tatsächlicher Ausschöpfungsgrad von Angebotsstandort j in Studiengang Geowissenschaften (Bachelor of Science) an Nachfragestandort i – entfällt

ASGtPhysikiBonn Tatsächlicher Ausschöpfungsgrad von Angebotsstandort Rheinische Friedrich-Wilhelms-Universität Bonn in Studiengang Physik (Bachelor of Science) an Nachfragestandort i – einheitenlos, angegebene Werte in Pro-Zehntausend

ASGtPhysikij Tatsächlicher Ausschöpfungsgrad von Angebotsstandort j in Studiengang Physik (Bachelor of Science) an Nachfragestandort i – entfällt

c Proportionalitätskonstante

diBonn Distanz/Fahrzeit zwischen Nachfragestandort i und Angebotsstandort Rheinische Friedrich-Wilhelms-Universität Bonn – entfällt

dij Distanz/Fahrzeit zwischen Nachfragestandort i und Angebotsstandort j – angegebene Werte in min, bzw. h

Fach Studiengang

Fkl Gravitationskraft zwischen Körper k und Körper l – entfällt

G Newtonsche Gravitationskonstante

GSFachi Gesamtstudierendenanzahl in Studiengang Fach aus Nachfragestandort i – entfällt

GSi Gesamtstudierendenanzahl aus Nachfragestandort i – entfällt

h Platzhalter für die Stundenangabe der Uhrzeit

I Anzahl an Nachfragestandorten – entfällt

i Nachfragestandort

j Angebotsstandort

J Anzahl an Angebotsstandorten – entfällt

k Körper

L Anzahl an Körper – entfällt

l Körper

mk Masse von Körper k – entfällt

Ml Masse von Körper l – entfällt

n Kalibrierparameter

p Überschreitungswahrscheinlichkeit

P(Cij) Modellierter Marktanteil von Angebotsstandort j an Nachfragestandort i – entfällt

R² Bestimmtheitsmaß eines Modells

rkl Abstand zwischen Körper k und Körper l – entfällt

SChemieBonn Studierendenanzahl an Angebotsstandort Rheinische Friedrich-Wilhelms-Universität Bonn in Studiengang Chemie (Bachelor of Science) – angegebene Werte in Personen

SChemieiBonn Studierendenanzahl an Angebotsstandort Rheinische Friedrich-Wilhelms-Universität Bonn in Studiengang Chemie (Bachelor of Science) aus Nachfragestandort i – angegebene Werte in Personen

SFachBonn Studierendenanzahl an Angebotsstandort Rheinische Friedrich-Wilhelms-Universität Bonn in Studiengang Fach – angegebene Werte in Personen

SFachiBonn Studierendenanzahl an Angebotsstandort Rheinische Friedrich-Wilhelms-Universität Bonn in Studiengang Fach aus Nachfragestandort i – angegebene Werte in Personen

SFachij Studierendenanzahl an Angebotsstandort j in Studiengang Fach aus Nachfragestandort i – entfällt

SGeoWiBonn Studierendenanzahl an Angebotsstandort Rheinische Friedrich-Wilhelms-Universität Bonn in Studiengang Geowissenschaften (Bachelor of Science) – angegebene Werte in Personen

SGeoWiiBonn Studierendenanzahl an Angebotsstandort Rheinische Friedrich-Wilhelms-Universität Bonn in Studiengang Geowissenschaften (Bachelor of Science) aus Nachfragestandort i – angegebene Werte in Personen

Sij Studierendenanzahl an Angebotsstandort j aus Nachfragestandort i – entfällt

SPhysikBonn Studierendenanzahl an Angebotsstandort Rheinische Friedrich-Wilhelms-Universität Bonn in Studiengang Physik (Bachelor of Science) – angegebene Werte in Personen

SPhysikiBonn Studierendenanzahl an Angebotsstandort Rheinische Friedrich-Wilhelms-Universität Bonn in Studiengang Physik (Bachelor of Science) aus Nachfragestandort i – angegebene Werte in Personen

w Kalibrierparameter

α Signifikanzniveau

β0 Koeffizient

β1 Koeffizient

εChemieiBonn Residuum von Angebotsstandort Rheinische Friedrich-Wilhelms-Universität Bonn in Studiengang Chemie (Bachelor of Science) an Nachfragestandort i – einheitenlos, angegebene Werte in Pro-Zehntausend

εFachiBonn Residuum von Angebotsstandort Rheinische Friedrich-Wilhelms-Universität Bonn in Studiengang Fach an Nachfragestandort i – einheitenlos, angegebene Werte in Pro-Zehntausend

εGeoWiiBonn Residuum von Angebotsstandort Rheinische Friedrich-Wilhelms-Universität Bonn in Studiengang Geowissenschaften (Bachelor of Science) an Nachfragestandort i – einheitenlos, angegebene Werte in Pro-Zehntausend

εPhysikiBonn Residuum von Angebotsstandort Rheinische Friedrich-Wilhelms-Universität Bonn in Studiengang Physik (Bachelor of Science) an Nachfragestandort i – einheitenlos, angegebene Werte in Pro-Zehntausend

Abbildungsverzeichnis

Abb. 1: Instagram-Post der Rheinischen-Friedrich-Wilhelms-Universität Bonn für Studieninteressierte

Abb. 2: Logos und Claims ausgewählter deutscher HS

Abb. 3: Instagram-Post der Martin-Luther-Universität Halle-Wittenberg mit studienrelevanten Informationen

Abb. 4: Instagram-Post des FB Wirtschaftswissenschaften der Goethe-Universität Frankfurt mit studienrelevanten Informationen

Abb. 5: Angehende Studienberechtigte 2015 ein halbes Jahr vor Schulabschluss: Pendlermobilitätsbereitschaft – Differenzen zwischen soziodemographischen Merkmalen sowie Ost- und Westdeutschland

Abb. 6: Angehende Studienberechtigte 2015 ein halbes Jahr vor Schulabschluss: Wichtigkeit der Aspekte der HS-Wahl

Abb. 7: Angehende Studienberechtigte 2015 ein halbes Jahr vor Schulabschluss: Wichtigkeit der Aspekte der HS-Wahl – Differenzen zwischen angestrebter HR

Abb. 8: Angehende Studienberechtigte 2015 ein halbes Jahr vor Schulabschluss: Wichtigkeit der Aspekte der HS-Wahl – Differenzen zwischen Bildungsherkunft

Abb. 9: Angehende Studienberechtigte 2015 ein halbes Jahr vor Schulabschluss: Wichtigkeit der Aspekte der HS-Wahl – Differenzen zwischen Geschlechtern

Abb. 10: Angehende Studienberechtigte 2015 ein halbes Jahr vor Schulabschluss: Wichtigkeit der Aspekte der HS-Wahl – Differenzen zwischen Migrationshintergründen

Abb. 11: Angehende Studienberechtigte 2015 ein halbes Jahr vor Schulabschluss: Wichtigkeit der Aspekte der HS-Wahl – Differenzen zwischen Ost- und Westdeutschland

Abb. 12: Vermutete Einflussvariablen auf ASGij

Abb. 13: Anteil des Herkunftsgebiets der Studienanfänger an bayerischen HS mit in Deutschland erworbenem Abitur pro Bundesland (außerhalb Bayerns) und Landkreis/kreisfreien Stadt (Bayern) des Erwerbs ihrer Hochschulzugangsberechtigung im Wintersemester 2009/

Abb. 14: Absolute Studierendenanzahl der Universität Heidelberg im Wintersemester 2010/2011 pro Landkreis/kreisfreien Stadt des Erwerbs ihrer Hochschulzugangsberechtigung

Abb. 15: EZG ausgewählter deutscher Universitäten 1998/

Abb. 16: Lage Maastrichts in der Grenzregion Belgien–Deutschland–Niederlande

Abb. 17: Workflow und methodische Schritte

Abb. 18: HS der Chemie

Abb. 19: HS der GeoWi

Abb. 20: HS der Physik

Abb. 21: Frageformulierung zur allgemeinen Studiensituation des CHE Ranking

Abb. 22: aChemiej

Abb. 23: aGeoWij

Abb. 24: aPhysikj

Abb. 25: aHSSj

Abb. 26: Verkehrsmittelnutzung von Studierenden zur HS in Deutschland im WS 2017/

Abb. 27: Anzahl an hinzugefügten Wegen pro Tag in OSM im Zeitraum August 2005 - Januar

Abb. 28: dij am Beispiel der Chemie und der Universität Bonn

Abb. 29: ASGmChemieiBonn (n = 1,7, w = 0,5)

Abb. 30: ASGmGeoWiiBonn (n = 1,7, w = 0,5)

Abb. 31: ASGmPhysikiBonn (n = 1,7, w = 0,5)

Abb. 32: SChemieiBonn

Abb. 33: SGeoWiiBonn

Abb. 34: SPhysikiBonn

Abb. 35: SChemieBonn differenziert nach FS-Zahl

Abb. 36: SGeoWiBonn differenziert nach FS-Zahl

Abb. 37: SPhysikBonn differenziert nach FS-Zahl

Abb. 38: SChemieBonn differenziert nach Art der HZB

Abb. 39: SGeoWiBonn differenziert nach Art der HZB

Abb. 40: SPhysikBonn differenziert nach Art der HZB

Abb. 41: Abii

Abb. 42: ASGtChemieiBonn

Abb. 43: ASGtGeoWiiBonn

Abb. 44: ASGtPhysikiBonn

Abb. 45: Plot und Regressionsgerade am Beispiel der geschätzten UMV für n = 1,7, w = 0,5 der Chemie

Abb. 46: Modellzusammenfassung am Beispiel der geschätzten UMV für n = 1,7, w = 0,5 der Chemie

Abb. 47: Koeffizienten-Statistik am Beispiel der geschätzten UMV für n = 1,7, w = 0,5 der Chemie

Abb. 48: Fiktive Plots mit unterschiedlichen R²

Abb. 49: Histogramm am Beispiel der εFach iBonn der bgUMV der Chemie

Abb. 50: Shapiro-Wilk-Test am Beispiel der εChemie iBonn der bgUMV der Chemie

Abb. 51: Fiktive Plots mit homo- und heteroskedastischer Residuenverteilung

Abb. 52: Plot aus geschätzten Werten und εFach iBonn am Beispiel der bgUMV der Chemie

Abb. 53: White-Test auf Heteroskedastizität am Beispiel der εFach iBonn der bgUMV der Chemie

Abb. 54: R² der gUMV der Chemie

Abb. 55: Plot und Regressionsgerade der bgUMV der Chemie

Abb. 56: R² der gUMV der GeoWi

Abb. 57: Plot und Regressionsgerade der bgUMV der GeoWi

Abb. 58: R² der gUMV der Physik

Abb. 59: Plot und Regressionsgerade der bgUMV der Physik

Abb. 60: R² und n der bgUMV sowie SFachBonn der US

Abb. 61: Shapiro-Wilk-Test der εFach iBonn der bgUMV der Chemie

Abb. 62: Shapiro-Wilk-Test der εFach iBonn der bgUMV der GeoWi

Abb. 63: Shapiro-Wilk-Test der εFach iBonn der bgUMV der Physik

Abb. 64: Histogramm der εFach iBonn der bgUMV der Chemie

Abb. 65: Histogramm der εFach iBonn der bgUMV der GeoWi

Abb. 66: Histogramm der εFach iBonn der bgUMV der Physik

Abb. 67: White-Test der εFach iBonn der bgUMV der Chemie

Abb. 68: White-Test der εFach iBonn der bgUMV der GeoWi

Abb. 69: White-Test der εFach iBonn der bgUMV der Physik

Abb. 70: Plot aus geschätzten Werten und εFach iBonn der bgUMV der Chemie

Abb. 71: Plot aus geschätzten Werten und εFach Bonn der bgUMV der GeoWi

Abb. 72: Plot aus geschätzten Werten und εFach iBonn der bgUMV der Physik

Abb. 73: Koeffizienten-Statistik der bgUMV der Chemie

Abb. 74: Koeffizienten-Statistik der bgUMV der GeoWi

Abb. 75: Koeffizienten-Statistik der bgUMV der Physik

Abb. 76: εFachiBonn der bgUMV der Chemie – Deutschland

Abb. 77: εFachiBonn der bgUMV der GeoWi – Deutschland

Abb. 78: εFachiBonn der bgUMV der Physik – Deutschland

Abb. 79: εFachiBonn der bgUMV der Chemie – Mittelwestdeutschland

Abb. 80: εFachiBonn der bgUMV der GeoWi – Mittelwestdeutschland

Abb. 81: εFachiBonn der bgUMV der Physik – Mittelwestdeutschland

Abb. 82: BL Deutschlands

Abb. 83: Amtlicher Regionalschlüssel (ARS) der LK Deutschlands

Abb. 84: Amtlicher Regionalschlüssel (ARS) der LK Mittelwestdeutschlands

Abb. 85: BSP der LK

Abb. 86: Einblick in Geodatabase-Struktur (rechts) und Ausschnitt der Outputs osm_strassen, LineVariantElements, Stops (Mitte)

Abb. 87: Exemplarische Entfernung unverbundener osm_strassen (rot markiert, Mitte)

Abb. 88: Exemplarischer Zuschnitt auf osm_strassen im 500 m-EZG um Stops (Mitte)

Abb. 89: Output „Streets“ (rechts) und Ausschnitt der Outputs StopsOnStreets und StopConnectors (Mitte)

Abb. 90: Ausschnitt des Netzwerk-Datasets (Mitte)

Abb. 91: Entsprechende Sucheinstellungen in der Reiseauskunft der DB (o.J.)

Abb. 92: Einstellungen für die Messung von dij am Beispiel der Chemie für den 26.11.2020, 06:30 Uhr (rot markiertes Rechteck)

Abb. 93: Ergebnis der Messung von dij am Beispiel der Chemie, LK Marburg-Biedenkopf (ARS 06534) und der Universität Bonn für den 26.11.2020, 06:30 Uhr (rot markiertes Rechteck)

Abb. 94: Abii differenziert nach Jahr am Beispiel der kreisfreien Stadt München und lineare Extrapolation

Tabellenverzeichnis

Tab. 1: Ausgewählte Kommunikationsinstrumente und -kategorien des externen Bewerbermarketing

Tab. 2: Ausgewählte Geomarketing-Fragestellungen und -anwendungen des Unternehmens- übertragen auf den HS-Kontext

Tab. 3: Ausgewählte Geomarketing-Analysemethoden übertragen auf den HS-Kontext

Tab. 4: Kategorisierung von HS-Wahlmotiven

Tab. 5: Kriterien der Auswahl der US

Tab. 6: Studierendenurteile für die US bezüglich Studium und Lehre im CHE Ranking

Tab. 7: Klassifikation von R² nach Effektstärke

Tab. 8: Amtlicher Regionalschlüssel (ARS) und Name der LK Deutschlands

Tab. 9: HS und deren Websites

Tab. 10: Übersicht HS-Namen und deren Kürzel

Tab. 11: Berechnung von aFachj am Beispiel der Chemie und der Universität Paderborn in Excel

Tab. 12: Berechnung von aHSSj am Beispiel der Universität Hannover in Excel

Tab. 13: Selektierte Attribute des Keys „highway” der OSM-Straßendaten

Tab. 14: Getätigte Schritte der Netzwerkerstellung in ArcGIS Pro 2.5

Tab. 15: Berechnung von dij am Beispiel der Universität Bonn und der kreisfreien Stadt Karlsruhe in Excel

Tab. 16: Berechnung von ASGmFachiBonn für unterschiedliche n und w am Beispiel der Chemie, LK Marburg-Biedenkopf, n = 1,7 und w = 0,5 in Excel

Tab. 17: Angleichung der LK-Namen der Universität Bonn (2020c) an die des BKG (2020) und SFachiBonn am Beispiel der Chemie und der Städteregion Aachen

Tab. 18: Berechnung von Abii für die Jahre 2019 und 2020 mithilfe linearer Extrapolation am Beispiel der kreisfreien Stadt München in Excel

Tab. 19: Berechnung von ASGtFachiBonn am Beispiel der Chemie und der kreisfreien Stadt Leverkusen in Excel LIV

1 Einleitung

1.1 Kontextueller Rahmen

Sei es das Plakat der „Tage der offenen Tür“ in der Bahn, der Flyer zur „Kinder-Uni“ in der Schule oder der Post für das „Schnupperprogramm“ auf Instagram in Abb. 1: Dass dem Leser an irgendeiner Stelle Werbung einer Hochschule (HS) begegnet sei, ist eine gewiss nicht allzu weit hergeholte Behauptung. Die Existenz derartiger Werbung ist ein Indiz des gegenwärtig herrschenden Wettbewerbs zwischen HS um Studierende im hier durchweg betrachteten Deutschland. Dieses Ringen um Studierende liegt insbesondere darin begründet, dass die Finanzierung einer HS u.a. von ihrer Studierendenanzahl abhängt (vgl. Henke & Pasternack 2017). Zweck von Werbung einer HS ist demnach die Generierung einer höheren, rein quantitativen Nachfrage seitens der Zielgruppe potenzieller Studierender nach einem dortigen Studium. Zugleich dient dies einem sekundären, qualitativen Zweck, der darin besteht, dass sich eine HS bestenfalls aus einem möglichst großen Bewerberpool „die besten Köpfe“ (GATE-Germany 2016, 9) heraussuchen kann. Letzteres spielt eine nicht unerhebliche Rolle hinsichtlich ihrer Reputation – eines HS-Wahlmotivs (vgl. Schneider et al. 2017) –, die im Umkehrschluss wiederum die Aufmerksamkeit, z.B. via HS-Rankings, und folglich die quantitative Nachfrage der Zielgruppe erhöhen kann.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1: Instagram-Post der Rheinischen-Friedrich-Wilhelms-Universität Bonn für Studieninteressierte

Rheinische Friedrich-Wilhelms-Universität Bonn 2020a, o.S.

Im Falle der Betrachtung eines Studiums als eine von einer HS angebotenen und beworbenen Dienstleistung (vgl. Schröder & Degenhardt 2013) unterscheidet sich eine HS prinzipiell nicht von einem Unternehmen, das seine Produkte und Dienstleistungen bewirbt. Diese Analogie geht so weit, dass in der Literatur von „[…] entrepreneurial universities […]“ (Clark 2005, 2) die Rede ist und das Verhältnis zwischen einem Studierenden und einer HS von manchen Vertretern wie Schröder & Degen-hardt (2013, 25) „[…] durchaus als Kundenbeziehung […]“ verstanden wird. Demzufolge verfolgt auch eine HS das Ziel der Kostenreduzierung und Effizienzsteigerung ihrer Marketingmaßnahmen, was die Anwendung von Geomarketing-Methoden im HS-Kontext zunächst legitimiert und der HS-Branche eine wertvolle Bereicherung sein kann. Indem diese Methoden aktuelle wie potenzielle Märkte nach räumlichen Strukturen analysieren, kann der Absatz von Produkten messbar gesteuert werden (Herter 2018). Eine solche räumliche Struktur ist z.B. die Verteilung von Ausschöpfungsgraden (ASG) einer HS in Raumeinheiten (RE)¹. Auf Basis dessen können ggf. Standorte mit auffällig niedrigem ASG identifiziert, so räumlich differenzierte Marketingmaßnahmen abgeleitet und auf diese Weise nach Lan-ger & Herdin (2010) und Grohmann (2018) Streuverluste und damit Kosten verringert werden, was sich in der Effizienzsteigerung der Marketingmaßnahmen einer HS äußern würde.

1.2 Problemstellung

Heutzutage existieren mit dem HS- und Bewerbermarketing sowohl HS-interne Bereiche als auch -externe HS-Beratungsunternehmen, die sich jeweils u.a. dieser Aufgabe der Studierendenrekrutierung widmen (vgl. Olbrich & Albrecht 2009, CAMPUSdirekt DEUTSCHLAND GmbH 2021 und Agentur Junges Herz o.J.). Dieses Berufs- und Forschungsfeld beschränkt sich jedoch weithin auf reines Marketing. Die räumliche Dimension wird im HS-Marketing noch in deutlich geringerem Umfang einbezogen als z.B. im traditionellen Geomarketing-Anwendungsbereich des Einzelhandels (EH), obwohl die entsprechenden Möglichkeiten dazu existieren, was die Arbeiten von Langer & von Stuckrad (2009a und 2009b) als erste und bisher einzigen in der deutschsprachigen Literatur demonstrieren. Es existieren nur wenige HS-Beratungsunternehmen an der Schnittstelle HS-Kontext/Geomar-keting (vgl. CHE Consult GmbH 2014 und rheform GmbH o.J.), deren Dienstleistungsportfolios Geomarketing-Analysen umfassen, weshalb das Geo marketing im HS-Kontext in summa ein großes Entwicklungspotenzial besitzt.

Deutlich zahlreicher sind Untersuchungen, die zwar nicht explizit zu Geomarketing-Zwecken im HS-Kontext durchgeführt wurden, aber Analysen des Geomarketing in methodischer und inhaltlicher Hinsicht entsprechen und notwendige Erkenntnisse für weitere, darauf aufbauende Geomarketing-Analysen desselben Kontexts liefern können. Diese begrenzen sich im Wesentlichen auf zwei Arten von Geo-marketing-Analysen. In einigen Studien (u.a. Spieß & Wrohlich 2008, Heine & Quast 2011, Weß-ling 2016 und Schneider et al. 2017) waren HS-Wahlmotive, Mobilitätsverhalten und die generelle Studierneigung angehender Studienberechtigter Forschungsgegenstand, was im Geomarketing als „Zielgruppenanalysen“ (Grohmann 2018, 181) geläufig ist. Deren Ergebnisse offenbaren bereits die starke Bedeutung des Raumes, da z.B. Studier- und HS-Präferenzen u.a. zwischen räumlichen Merkmalen dieser Zielgruppe differieren. Auf der anderen Seite wurden „Einzugsgebietsanalysen“ (Stiegler 2020, o.S.) (EZG-Analysen) getätigt (u.a. Nutz 2001, Burs & Schuch 2011 und Bode 2015). Allesamt quantifizierten sie jeweils die Studierendenanzahl einer, bzw. mehrerer HS differenziert nach räumlicher Herkunft der Studierenden und belegen stets die Bedeutung der Nähe zur entsprechenden HS für Studierende.

Solche Untersuchungen können in Kombination zwar bereits eine Erkenntnisbasis für raum- und marketingbezogene Entscheidungen einer HS bieten, allerdings sind sie nicht im Stande ebensolche räumlich differenzierten Studierendenanzahlen oder daraus ableitbare und für derartige Entscheidungen geeigneteren ASG zu modellieren. Geeigneter sind letztere u.a. deshalb, da die Studierendenanzahl einer RE ins Verhältnis zum entsprechenden Zielgruppenpotenzial gesetzt wird und durch diese Relativierung qualifiziertere Aussagen bezüglich hohem/niedrigem Wert für diese RE getroffen werden können. Zudem wird damit indirekt die Konkurrenz berücksichtigt, die ebenfalls von diesem Potenzial schöpft. Ohne das Wissen über Mechanismen, die sich hinter einem ASG verbirgt, bedarf es demnach ausgeprägter Expertise und Risikobereitschaft seitens derer, die derlei Entscheidungen fällen. Für den Untersuchungsraum Deutschland fehlt es noch an einem Modell, das in der Lage ist ASG zu beschreiben. Ein solches böte eine solidere Erkenntnis- und Entscheidungsbasis, da das Zustandekommen von ASG erklärt und jenes Wissen folglich zur Erarbeitung von Maßnahmen zur Steigerung dieser genutzt werden könnte. Unter Vorlage eines ausgereiften Modells könnten darauf basierend Abweichungen von Modellwerten, sogenannte „Residuen“ (Wolf & Best 2010), zudem sowohl die ungenutzten Potenziale als auch Best Practice-Beispiele enthüllen, anhand derer entsprechende Marketingmaßnahmen abgeleitet werden könnten. Des Weiteren könnte ein solches Modell unter Berücksichtigung der Potenziale folglich RE-genaue Prognosen der Studierendenanzahlen ermöglichen und so optimierte Planungsmöglichkeiten erlauben.

Erste Arbeiten versuchten räumlich differenzierte Studierendenanzahlen mithilfe sogenannter „Gravitationsmodelle“ (Feix 2007a, 164) (GM)², die im Methoden-Repertoire des Geomarketing vorzufinden sind, zu modellieren – mit vielversprechenden Ergebnissen. Spätestens mit der Arbeit von Beckmann (1973) wurde dies erstmalig für die damaligen Universitäten des Untersuchungsraums Nordrhein-Westfalen (NRW) erfolgreich für einen Teil des deutschen HS-Systems unternommen. Dieser Ansatz wurde jedoch für den Untersuchungsraum Deutschland seitdem weder neu aufgegriffen noch fortentwickelt. Mit der Untersuchung von Bruno & Genovese (2012) wurde eine Modellierung der nach Regionen des Untersuchungsraums Italien differenzierten Studierendenanzahlen getätigt, die in einer Korrelation zwischen modellierten und tatsächlichen Werten mündete.

Die Erprobung des Ansatzes von Bruno & Genovese (2012) für den deutschen HS-Kontext stellt ein aussichtsreiches Vorhaben dar. Denn ihr Modell eignet sich durch Division durch die Potenziale ebenfalls zur Berechnung von ASG und beinhaltet Variablen, deren Bedeutung im Zuge von Zielgruppen- und EZG-Analysen auch im deutschen HS-Kontext belegt, bzw. zu vermuten sind. Außerdem lässt es ihr Ansatz – verglichen zur Modellierung auf Ebene von Regionen, bzw. HS – theoretisch zu ASG auf feinräumigerer sowie auf Studiengangebene zu modellieren. Letzteres ist eine wichtige Differenzierung, da Differenzen bezüglich Reputation von HS auch innerhalb dieser zwischen jeweiligen Fachbereichen (FB)³ und somit zwischen Studiengängen existieren, wodurch ASG beeinflusst und so zwischen Studiengängen different ausgeprägt sein dürften. Bruckmeier et al. (2014, 128) argumentieren diesbezüglich, dass „Für Hochschulzugangsberechtigte […] weniger die Qualität der gesamten Universität als vielmehr die der jeweiligen Fakultät eine Rolle [spielt]“. Ein derlei Modellierungsansatz auf Studiengangebene böte den Vorteil räumlich und fachlich differenzierter Planungsmöglichkeiten sowie Marketing‑/Maßnahmen, was Streuungsverluste abermals senken und demzufolge ein weiteres Kostenspar‑/Effizienzsteigerungspotenzial darstellen könnte.

1.3 Forschungsinteresse

Der Ansatz von Bruno & Genovese (2012, 56) blieb bis heute trotz seiner vielverheißenden Ergebnisse und Optimierungspotenziale sowie des explizit genannten Forschungsbedarfs zumindest für den deutschen HS-Kontext von weiterer Forschung unberührt: „[…] It could also be interesting to apply the model to simulate the phenomenon in different national contexts, by varying the definition and the calculation of the included variables in order to consider specific national aspects“. Die vorliegende Arbeit soll dieser Forderung in weiten Teilen nachkommen. Sie zielt darauf ab – zunächst auf genereller Ebene – die Daseinsberechtigung und insbesondere die Anwendungspotenziale des Geomarketing im davon noch recht unerschlossenen HS-Kontext grundlegend und nachdrücklich zu vergegenwärtigen. Als praktisches und konkretes Beispiel dessen ist die Untersuchung beabsichtigt, inwiefern ein auf Bruno & Genovese (2012) basierendes GM auch im HS-Kontext des Untersuchungsraums Deutschland für die Beschreibung von ASG auf Studiengangebene verwendbar ist, welche Optimierungsmöglichkeiten des GM erkannt und welche Maßnahmenempfehlungen bereits abgeleitet werden können.

Das Interesse deutscher HS und HS-Beratungsunternehmen daran ist vor dem Hintergrund der potenziellen Mehrwerte sicherlich stark ausgeprägt. Die Untersuchung dieses GM soll dabei exemplarisch an einer HS erfolgen, um dessen Nutzen für eine HS praktisch zu demonstrieren. Die Rheinische Friedrich-Wilhelms-Universität Bonn (Universität Bonn) erweist sich für dieses Vorhaben als ein interessantes und prädestiniertes Beispiel. Seit 2018 besitzt die Universität Bonn mit sechs Exzellenzclustern die meisten aller deutschen HS (Universität Bonn o.J.a). Diese Gegebenheit zeichnet sie in besonderem Maße aus, da Differenzen zwischen Studiengängen aufgrund vermutlich deutlicher Reputationsunterschiede zwischen diesen ebendort ausgeprägt sein sollten, weshalb die Notwendigkeit fachlich differenzierter Marketing-/Maßnahmen an der Universität Bonn gewiss am ehesten zutrifft.

1.4 Aufbau der vorliegenden Arbeit

Vor der Konkretisierung dieses Forschungsinteresses werden im folgenden Kapitel 2 nach einer Definition des ASG zum einen die kontextuellen Grundlagen behandelt. Dabei wird sich mit der Beleuchtung des Geomarketing und der Entwicklungen im deutschen HS-System seit dem Zweiten Weltkrieg, die die heutige Wettbewerbssituation erklären, der späteren Symbiose dieser beiden Themenkomplexe, in der insbesondere die Potenziale dieser Schnittstelle aufgezeigt werden, von zwei Seiten genähert. Zum anderen wird die bisherige, für die beabsichtigte Untersuchung relevante Forschung an derselben Schnittstelle vorgestellt. Als Teil dessen werden u.a. die Grundlagen der Gravitationstheorie erläutert, diesbezügliche Studien sowie deren Ansätze präsentiert und das hier vorgeschlagene GM entwickelt.

Mit diesem Hintergrund erfolgt die Konkretisierung des Forschungsinteresses in Kapitel 3. Dies resultiert in drei aufeinander aufbauenden, ebendort präsentierten Forschungsfragen.

Kapitel 4 widmet sich der Darstellung und der Auseinandersetzung des methodischen Vorgehens. Dies umfasst zunächst die Entwicklung des Untersuchungsmodells (UM) auf Basis des vorgeschlagenen GM und die Auswahl der untersuchten Studiengänge (US) sowie darauf aufbauend die Generierung des GM-Outputs und der tatsächlichen Werte. Abschließend erfolgt die Erläuterung der regressionsanalytischen und karto-/graphischen Untersuchung dieser beiden Werte, bzw. deren Residuen.

Die Ergebnisse dieser Untersuchung werden in Kapitel 5 schrittweise pro Forschungsfrage präsentiert und diskutiert. Abgeschlossen wird jeder Schritt mit der prägnanten Beantwortung der entsprechenden Forschungsfrage.

Kapitel 6 beschließt die vorliegende Arbeit, indem die hier gewonnenen Erkenntnisse resümiert, weitere Forschungsperspektiven aufgezeigt und die daraus folgende Bedeutung der vorliegenden Arbeit in den kontextuellen Rahmen eingebettet werden.

2 Kontextuelle und theoretische Grundlagen

2.1 Definition „Ausschöpfungsgrad“

Der ASG ASGij einer HS j in einer RE i (j sei als Angebots-, i als Nachfragestandort definiert) ist der in (1) dargestellte Quotient aus der Studierendenanzahl Sij aus RE i, die an HS j studiert, und der Gesamtstudierendenanzahl GSi – dem Potenzial – aus RE i. Er ist folglich als Marktanteil von HS j in RE i zu verstehen. Im Folgenden werden mit ASGij die einer einzelnen HS j gemeint.

Abbildung in dieser Leseprobe nicht enthalten

2.2 Geomarketing

2.2.1 Grundgedanke und Daseinsberechtigung

„Im Grunde genommen lässt sich sagen, dass die Analyse zur Optimierung wirtschaftlichen Handelns aus Unternehmenssicht so alt ist wie die Geschichte der Unternehmen selbst“ (Herter 2018, 25). Eine Art der Optimierung wirtschaftlichen Handelns verkörpert dabei die Optimierung in räumlicher Hinsicht, was anhand eines fiktiven und simplen Beispiels verdeutlicht sei. Es ergäbe für einen Online-Schulnachhilfeanbieter j1 wirtschaftlich wenig Sinn an einem Standort intensiv für sein Angebot zu werben, den aktuell und in naher Zukunft kaum Personen im Schulalter – die Zielgruppe – bewohnen und passieren. Sollte j1 so vorgehen, könnten dessen Marketingaktivitäten in räumlicher Hinsicht optimiert werden, indem er z.B. seine Werbemaßnahmen auf andere Standorte konzentriert, an denen viele Personen der Zielgruppe beheimatet sind, bzw. die viele solche passieren, oder genau die wenigen Personen an ersterem Standort lokalisiert und anspricht, z.B. via Direktmarketing (vgl. Leipold 2018, Spandl & Plötz 2018 und Spandl 2020), um Streuverluste und somit Kosten seiner Marketingmaßnahmen zu senken. Dafür notwendig ist das Einbeziehen der räumlichen Dimension diesbezüglich relevanter Daten.

Es wird geschätzt, „[…] dass 80 % aller Unternehmensdaten einen räumlichen Bezug haben“ (Mühl-bauer 2018a, 19). Nicht zuletzt dadurch bedingt entstand mit dem Geomarketing eine ganze Branche. Neben solchen raumbezogenen unternehmens internen bilden raumbezogene unternehmens externe Daten die Grundlage von Geomarketing (WIGeoGIS Gesellschaft für digitale Wirtschaftsgeo-graphie GmbH (WIGeoGIS) o.J.a). Im obigen Beispiel können das z.B. die Anzahl bestehender Kunden von j1 in RE i1 von 100 Personen (raumbezogenes unternehmensinternes Datum) und die Einwohnerzahl im Schulalter in RE i1 von 1.000 Personen (raumbezogenes unternehmensexternes Datum) als dortige potenziellen Kunden sein. Durch Division dieser beiden Werte lässt sich bereits der Marktanteil von j1 in RE i1 von 10 % (10 % ≙ 100 Personen / 1.000 Personen) berechnen (verändert nach Wübbenhorst & Mecke 2018⁴ ).

Methoden des Geomarketing werden neben der Herstellung des Raumbezugs dieser Daten angewandt, um diese zu analysieren und visualisieren sowie sie zu entscheidungsrelevanten Informationen aufzubereiten (Schüssler 2006). Im Beispiel von oben können somit die räumliche Verteilung der Marktanteile von j1 in allen RE visualisiert werden, anhand derer ggf. räumliche Strukturen und RE mit auffällig niedrigem Marktanteil identifizierbar sind, was in Konsequenz zu entsprechenden Entscheidungen, z.B. bezüglich dortiger Marketingaktivitäten, führen könnte.

2.2.2 Einsatz- und Methodenspektrum

Neben dem an diesem Beispiel verwendeten Marketing kommen Geomarketing-Methoden in zahlreichen Unternehmensbereichen wie der Expansion, dem Vertrieb, dem Controlling (WIGeoGIS o.J.a), der Organisation, der Logistik (Feix 2007b), dem Einkauf sowie der Produktion (Georgi 2018) zum Einsatz. Ebenso breit gefächert sind die Wirtschaftsbereiche, in denen sie üblicherweise genutzt werden, z.B. in der Automobilbranche, im Banken- und Versicherungswesen, in der Telekommunikation, im EH (Acxiom Deutschland GmbH o.J), in der Immobilienwirtschaft (WIGeoGIS o.J.b), in der Media-branche (WIGeoGIS o.J.c), in der Healthcare- und Pharmabranche (WIGeoGIS o.J.d) sowie noch initial im HS-Kontext (Greve 2018).

Dementsprechend vielfältig sind die Anwendungsbereiche und Fragestellungen sowie die Analysemethoden des Geomarketing. Bezüglich ersterer werden sie u.a. jeweils zu Zwecken der Vertriebsgebiets‑, der Filial-, der Standort- und der Expansionsplanung eingesetzt (Mühlbauer 2018b). Dafür stehen entsprechende Analysemethoden wie Vertriebsgebiets-, Standort- oder Markt- und Potenzialanalysen zur Verfügung (Feix 2007a). Wichtiges Instrument dafür sind Geographische Informationssysteme (GIS), mit denen Daten den notwendigen Raumbezug gegeben werden kann und die demnach räumlich analysiert und dargestellt werden können (Eichhorn 2018). Zwar sind in GIS – insbesondere in dem des Marktführers „Esri“ – bereits einige statistische Analysefunktionen implementiert, dennoch sei erwähnt, dass Statistik- und Tabellenkalkulationssoftware wie „SPSS“ und „R“, bzw. „Excel“ das instrumentelle Spektrum erweitern kann (vgl. Wawrzyniak 2018).

2.2.3 Begriffsdefinitionen

Zwar existieren mittlerweile einige Definitionen des Begriffs „Geomarketing“, allerdings ist keine dieser die allgemeingültige Definition. Eine der ersten Definitionen geht zurück auf Frühling & Steingrube (1995, 194), die unter Geomarketing „[…] ein bewusst auf bestimmte Standorte oder Räume unter Kenntnis der standort- bzw. raumspezifischen Strukturen fokussiertes Marketing mit einem GIS als Werkzeug“ verstehen. Kritisch anzumerken ist in dieser Definition hauptsächlich die Berücksichtigung nur eines Anwendungsgebiets (Marketing) innerhalb eines Unternehmens.

Eine der jüngsten, bereits zitierten Definitionen schlägt Herter (2018, 25) vor: „Geomarketing analysiert aktuelle wie potenzielle Märkte nach räumlichen Strukturen, um den Absatz von Produkten effektiver planen und messbar steuern zu können“. Auch in dieser Definition wird der Fokus auf das Marketing deutlich. Allerdings argumentiert er mit der „[…] unternehmensweite[n] Funktion des Marketing (Strategieaspekt)“ (ebd.), die es nach Meffert (2000, 8) besitzt: „[…] Marketing [bedeutet] die Planung, Koordination und Kontrolle aller [eigene Kursivsetzung] auf die aktuellen und potenziellen Märkte ausgerichteten Unternehmensaktivitäten“. Dies deckt sich mit der Definition des Marketing-Begriffs nach Kirchgeorg (2018, o.S.), wonach „Der Grundgedanke des Marketings […] die konsequente Ausrichtung des gesamten [eigene Kursivsetzung] Unternehmens an den Bedürfnissen des Marktes [ist]. […] Marketing stellt somit eine unternehmerische Denkhaltung dar […]“ und deckt somit auch Bereiche wie das Controlling, die Logistik etc. ab.

Eine der umfassendsten Definitionen, die letzteren Aspekt berücksichtigt und um Instrumente wie die der Statistik-Software erweitert wurde und daher hier empfohlen wird, bietet Feix (2007a, 45):

Geomarketing bezeichnet die Planung, Koordination, Kontrolle und Visualisierung kundenorientierter Marktaktivitäten von Unternehmen mittels intelligenter und leistungsfähiger GIS, Statistik- und Data Mining Systeme. Geomarketing ist ein raumbezogener Data Mining Prozess (Spatial Data Mining), der unterschiedliche Methoden nutzt, um unternehmensinterne und externe Daten zu strukturieren, Raumbezüge herzustellen, Zusammenhänge und Muster zu erkennen, zu analysieren, zu visualisieren und so entscheidungsunterstützende Ergebnisse für Fragestellungen aus den Bereichen Marketing, Vertrieb, Organisation und Logistik zu liefern.

2.3 Wettbewerbsentstehung und -situation im HS-System

Das deutsche HS-System bestand in den Jahren nach Ende des Zweiten Weltkriegs aus 92 HS (Statis-tisches Bundesamt (DESTATIS) 1953 und Staatliche Zentralverwaltung für Statistik 1956, beide zit. nach Hüther & Krücken 2016). Für 2020 (Jahr des Datenabrufs) zählt die Stiftung zur Förderung der Hochschulrektorenkonferenz (HRK) (o.J.a) 392 HS in Deutschland. In nur rund 75 Jahren nach 1945 wurden somit mindestens knapp drei Viertel aller 2020 existierenden HS gegründet. Zum Vergleich: Das andere „gute“ Viertel erstreckt sich mit der Gründung der Universität Heidelberg im Jahre 1386 (HRK o.J.a) über fast 6 Jahrhunderte. Allein diese rein quantitative Zunahme ist enorm und steht stellvertretend für tiefgreifende Veränderungen im deutschen HS-System seit 1945, dessen wichtigste Entwicklungen, die die heutige Wettbewerbssituation erklären, im Folgenden rekonstruiert werden.

Nach den Jahren des deutschen Wirtschaftswunders der 1950er- und 1960er Jahre war es im wirtschaftspolitischen Interesse das Wirtschaftswachstum zu sichern; eine Möglichkeit wurde in „[…] der Erhöhung der Rate qualifizierten Nachwuchses der Gesellschaft […]“ (Bers 2018, 105) gesehen. Verstärkt durch den bereits in den Vorjahren gestiegenen Druck durch gewachsene Studierendenanzahlen und mangelnde Kapazitäten an HS (Nutz 2001) kam es in der Konsequenz in den ausgehenden 1960er- und 1970er Jahren zur „Bildungsexpansion und Demokratisierung“ (Bers 2018, 102) des HS-Systems. In diesem Zuge wurden nicht nur die Kapazitäten bestehender HS erweitert (Webler 2014), sondern es kam ebenfalls zu einer Gründungswelle; zahlreiche neugegründete Universitäten und einst neue Fachhochschulen (FH) sowie vorübergehend bestehende Gesamt-HS erweiterten das HS-System (Hüther & Krücken 2016). Diese siedelten sich – neben diesem bildungspolitischen Interesse auch im Sinne der Daseinsvorsorge gewollt – in größerem Umfang abseits traditioneller HS-Standorte in strukturschwachen Räumen an, um das Angebot und die Bildungsbeteiligung auch fernab traditioneller HS-Standorte und -regionen zu erhöhen (Nutz 2001 und Lentz 2013). FH dienten zeitgleich und gegenüber Universitäten dem Zwecke einer praxisnahen HS-Bildung (Lentz 2013); Berufe wurden akademisiert, bzw. in HS integriert (Hüther & Krücken 2016), was in der Literatur als „academic drift“ (Neave 1979, 143) bezeichnet wird. Spätestens mit der Entstehung der FH differenzierte sich das HS-System erstmalig (Hüther & Krücken 2016). Nicht nur diese „Verdichtung des Hochschulnetzes“ (Nutz 2001, 68) sollte zum Ziel des höheren akademischen Nachwuchses beitragen. Auch bis dato üblicherweise nicht-akademischen Schichten sollte der HS-Besuch ermöglicht werden (Bers 2018). Mit der daraus resultierenden enormen Zunahme an Studierendenanzahlen ging auch eine steigende Heterogenität unter der Studierendenschaft sowie der Begriff der „Massenuniversität“ (Jessen 2010, 268 und Neave 2010, 54) einher, zu der sich frühere „Eliteuniversitäten“ (Neave 2010, 54) entwickelten (Jessen 2010, Neave 2010 und Hüther & Krücken 2016). Daneben wurde per Gesetze in Deutschland einerseits die sogenannte „Gruppenuniversität“ (Hüther & Krücken 2016, 35) als Organisationsform anerkannt, die die Mitwirkung unterschiedlicher Statusgruppen – darunter auch Studierende – vorsah (Hüther & Krücken 206). Andererseits wurde damit die interne Organisationsstruktur der HS vereinheitlicht (Kluth 2004).

„Neben der Beteiligung der Gruppen ist zudem im Verlauf der 1960er und 1970er Jahre eine Dezentralisierung der internen Strukturen der Universitäten festzustellen. Diese vollzog sich in der tendenziellen Abschaffung von großen Fakultäten und der Etablierung kleinerer Einheiten, die meist als ‚Fachbereiche‘ bezeichnet wurden“ (Hüther & Krücken 2016, 40).

Dieser Verrechtlichungsschub bewirkte eine interne Bürokratisierung der HS (Hüther & Krücken 2016), die sich in der Notwendigkeit der Entstehung von Verwaltungsstrukturen und -personal äußerte. Damit schaltete sich der Staat als neuer Akteur im HS-System ein, der Einfluss auf die Organisations-struktur der HS ausübte (ebd.), was einen grundlegenden Einschnitt in die „[…] seit Jahrhunderten bewahrte[…] Autonomie […]“ (Koch 2008, 239) der Universitäten bedeutete.

Dieses bildungs- und wirtschaftspolitische sowie gesellschaftliche Interesse an HS ließ in den folgenden Jahren und Jahrzehnten nicht nach. Im Gegenteil: Der Trend hin zur Wissensgesellschaft wurde forciert, da HS als ein wichtiger Teil von Innovationssystemen erachtet wurden (Hüther & Krücken 2016). „Wissenschaft […] [wurde] zunehmend als Produktivkraft für wirtschaftliche Prosperität und gesellschaftliche Wohlfahrt gesehen“ (Schütte 2015, 143). Bereits in den ausgehenden 1970er- und in den 1980er-Jahren machte sich die Politik daher die Wettbewerbsidee zunutze (Meier 2019). Unter anderem durch die Erhöhung von Drittmitteln, die in diesem Unterkapitel weiter unten näher vorgestellt werden, wurden HS in einen „Wettbewerb um Ressourcen“ (Winter 2012, 18) überführt. Der so erzeugte Wettbewerbsdruck, der auf HS lastete, sollte Leistungs-, Qualitäts- und Effizienzgewinne bewirken (Winter 2012). Unabwendbar war folglich die Entwicklung der HS hin zu durchorganisierten Gebilden, was in der Literatur als „organizational shift“ (Winter 2012, 23) beschrieben wird. Aus historisch-traditionell außerwettbewerblichen Akteuren wurden HS durch Reformen im Zuge des sogenannten „NPM-Paradigma [New Public Management-Paradigma]“ (Lange & Schimank 2007, 542) (vgl. Bahro & Strnad 2000 und Schubert 2008) zunehmend Wettbewerbssubjekte, die ab dato u.a. durch Ziel- und Leistungsvereinbarungen staatlicher Steuerung unterlagen, rechenschaftspflichtig waren, leistungsbezogen evaluiert und bemittelt wurden und zur Folge einen Verwaltungsapparat aufbauen mussten wie er in Unternehmen existiert (Küpper 2013, Hüther & Krücken 2016, Buß et al. 2018 und Meier 2019). Die als „Selbstverwaltungsmodell“ (Meier 2019, 29) beschriebene ehemalige Organisationsstruktur der HS transformierte sich hin zu einem „Managementmodell“ (ebd.). Gleichzeitig ging dies mit einer wieder zunehmenden HS-Autonomie einher (Winter 2012).

In den 1990er Jahren kam mit privaten HS weitere zahlreiche Konkurrenz hinzu (Lentz 2013). Darüber hinaus wirkten sich Europäisierungs- und Globalisierungsprozesse sowie die Wiedervereinigung Deutschlands auf den HS-Wettbewerb aus; So wurden durch den Bologna-Prozess europaweit Studienstandortwechsel erleichtert sowie eine bessere Vergleichbarkeit von Studiengängen angestrebt (Hüther & Krücken 2016). Es vollzog sich durch das Hinzukommen ostdeutscher HS nicht nur eine Intensivierung des HS-Wettbewerbs in West‑/Deutschland, sondern es kamen demnach mit internationalen HS abermals neue Kontrahenten hinzu. Darüber hinaus wurde der Wettbewerb durch zwei weitere wesentliche Entwicklungen jener Zeit verstärkt: zum einen mit dem Aufkommen des Internets als heutzutage primäres Informationsmedium potenzieller Studierender (vgl. Heine & Lörz 2007, Bartl & Korb 2009, Olbrich & Albrecht 2009 und Dippelhofer-Stiem & Krenz 2012) sowie HS-Rankings, wie z.B. das des „Centrum für Hochschulentwicklung gGmbH“ (CHE). Durch solche verfügt diese Zielgruppe umgehend und quasi ortsungebunden umfangreiche Informationen über HS, die den Wettbewerb anheizen. Zum anderen intensivierte sich der Wettbewerb durch HS-Budgetierung anhand von leistungsorientierten Ressourcensteuerungsmodellen, in der Studierenden- und Absolventenzahlen berücksichtigt werden (Schröder & Degenhardt 2013). Unter anderem daraus ergibt sich das rein quantitative Interesse an Studierenden und Absolventen seitens HS. Die Abschaffung der Zentralen Vergabestelle für Studienplätze bis 2010 verstärkte den Kampf um Studierende sowie die Autonomie der HS, da die Rekrutierung von Studierenden ab dato in deren Hand lag (Winter 2012) und bis heute weitgehend liegt.

Vor diesem Hintergrund gilt es sich im Wettbewerb zu behaupten. So differenzieren sich HS in der Konsequenz zum einen horizontal; durch Profilbildung versuchen sie sich von der Konkurrenz abzuheben, etwa mittels Claims und Logos (Bauer 2017 und Meier 2019), von denen eine Auswahl in Abb. 2 präsentiert wird. Zum anderen wird eine vertikale Differenzierung im HS-System festgestellt (Hüther & Krücken 2016). Auf nationaler wie internationaler Ebene ist es von enormer Relevanz sich durch Reputation Wettbewerbsvorteile hinsichtlich Finanzierung (vgl. Henke & Pasternack 2017) zu sichern – besonders über Drittmittel. Diese sind von öffentlicher oder privater Seite meist wettbewerblich eingeworbene Gelder (Hüther & Krücken 2016), die „[…] zunehmend an Bedeutung gewinnen“ (DESTATIS 2020, 55). Bei der Auswahl von Drittmittelanträgen/‑ausschreibungen entscheidet meist die wissenschaftliche Qualität der HS (Hüther & Krücken 2016). „Sie [– Drittmittel –] sind jedoch nicht nur eine wichtige Ressourcenquelle für HS, sondern zunehmend […] [wiederum] der wichtigste Indikator für [ebendiese] universitäre Forschungsleistung“ (Meier 2019, 31). Eine weitere gewichtige Rolle in diesem Kontext spielt die seit 2005 existierende Exzellenzinitiative (Bruckmeier et al. 2014), „[…] die zum Ziel hat, forschungsstarke Universitäten erstens sichtbar zu machen und zweitens finanziell besonders zu fördern“ (Hüther & Krücken 2016, 104). Eine HS ist dabei allerdings kein homogenes Gebilde, sondern weist allem voran durch die Entstehung der FB eine interne Heterogenität auf (Meier 2019). Unter anderem dadurch ist eine HS nicht als Ganze Subjekt im Wettbewerb um Drittmittel und Studierende, sondern auch ihre FB (ebd.). Folglich hegt sowohl eine HS als auch ein FB großes Interesse an der Wahrung/dem Ausbau ihrer/seiner wissenschaftlichen Qualität und Reputation. Da ein nicht unerheblicher Teil an Absolventen einer HS/eines FB für eine dortige wissenschaftliche Laufbahn rekrutiert wird (Schröder & Degenhardt 2013), verspürt eine HS/ein FB den „[…] starken Anreiz, die ‚richtigen‘ Studienbewerber auszuwählen“ (Langer & Herdin 2010, 16). Gleichzeitig bietet eine hohe Reputation oder Exzellenz nicht nur Vorteile hinsichtlich der Finanzierung, sondern auch hinsichtlich des Werbens um Studierende, da Studienabschlüsse nach Bruckmeier et al. (2014) durch die Betitelung „Eliteuniversität“ aufgewertet werden. Um diesen qualitativen und quantitativen Bedarf nach Studierenden zu befrieden, besitzen HS/FB das Interesse auf einen möglichst großen Studienbewerberpool zurückgreifen zu können. Verschärfend kommt mit der demographischen Entwicklung hinzu, dass der Studierendenanzahl ein im Bundesschnitt sinkender, in manchen Regionen gar heftig abnehmender Trend prognostiziert wird (vgl. Mader 2016). Einer HS/einem FB droht im Falle der Nicht-Auslastung von deren/dessen Studienkapazitäten potenziell „[…] der Verlust von Ressourcen (Streichung von Professuren, Mitarbeiterstellen usw.)“ (Webler 2014, 11), bzw. könnte deren/dessen gesamte Existenz auf dem Spiel stehen (Reckenfelderbäumer & Kim 2009). Demzufolge wird eine HS/ein FB in Zukunft schwierigen Herausforderungen in der Studierendenrekrutierung gegenüberstehen (Greve 2018).

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2: Logos und Claims ausgewählter deutscher HS

E.D. nach Universität Duisburg Essen 2020, o.S., Universität Hamburg 2020, o.S., Westfälische Wilhelms-Universität Münster 2021, o.S. und Technische HS Mittelhessen (THM) University of Applied Sciences o.J., o.S.

2.4 Hochschul- und Bewerbermarketing

„Um erfolgreich auf dem von zunehmender Wettbewerbsintensität geprägten deutschen Bildungsmarkt zu bestehen, ist es zweckmäßig, dass sich die Hochschulen mit den Notwendigkeiten eines ‚marktorientierten‘ Handelns auseinandersetzen und bestehende Erkenntnisse hierüber im Rahmen ihrer Möglichkeiten umsetzen“ (Hell & Haehnel 2008, 8f).

Gemäß der Definition des Marketing-Begriffs nach Kirchgeorg (2018, o.S.) und „Betrachtet man Studierende als Kunden einer Hochschule, bedeutet marktorientiertes Handeln, dass sich sämtliche Aktivitäten einer Universität auf die Bedürfnisse der Studierenden auszurichten haben“ (Hell & Haehnel 2008, 9) (vgl. Schwaiger 2003, Huber 2013, Schröder & Degenhardt 2013, Webler 2013 und Wild 2013). Zu ebendiesem Zweck entstanden vor dem Hintergrund der tiefgreifenden Entwicklungen im deutschen HS-System mit dem HS-Marketing sowohl innerhalb von HS in ihren Verwaltungsstrukturen als auch HS-extern ein neuer Aufgabenbereich (vgl. Hell & Haehnel 2008).

„Unter Hochschulmarketing wird die bewusst marktorientierte Führung sowie marktorientiertes Entscheidungsverhalten einer Hochschule verstanden“ (Hell & Haehnel 2008, 9). Konkreter fallen „Darunter […] Informations- und Beratungsangebote, kommunikative Maßnahmen zur Image- und Reputationsgestaltung, Hochschulsponsoring, Alumni-Arbeit sowie die Ausgestaltung des Studienangebots selbst“ (Röttger & Laukötter 2019, 166). Folglich betrifft das HS-Marketing nicht nur Studierende als Zielgruppe, sondern auch die Wirtschaft, sonstige Öffentlichkeit, andere HS und Alumni als weitere Zielgruppen (Albrecht 2014). Aus diesem Spektrum wird hier lediglich die Zielgruppe (potenzieller) Studierender behandelt.

Dieser Zielgruppe widmet sich als ein Teilgebiet des HS-Marketing das Bewerbermarketing, dessen Aufgaben in der Studierendenanwerbung und -bindung⁵ liegen (Hell & Haehnel 2008) und das somit das HS-Pendant zum Customer Relationship Management (CRM) bildet (vgl. Meffert et al. 2019).

Das interne Bewerbermarketing einer HS befasst sich vor dem Hintergrund der Bedeutung von Absolventenzahlen mit der Bindung bereits immatrikulierter Studierender an die HS (Hell & Haehnel 2008). Ihr Ziel ist es jeweils die Studierendenzufriedenheit zu gewährleisten und die Studienabbrecherquote so gering wie möglich zu halten (Reckenfelderbäumer & Kim 2009). Konkretes Beispiel dafür ist z.B. die Vermittlung wichtiger Informationen, die den Studierenden einen möglichst reibungslosen Studienablauf ermöglichen soll, was nicht nur auf Gesamt-HS- (s. Abb. 3), sondern auch auf FB-Ebene geschieht (s. Abb. 4)⁶.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 3: Instagram-Post der Martin-Luther-Universität Halle-Wittenberg mit studienrelevanten Informationen

Martin-Luther-Universität Halle-Wittenberg 2021, o.S.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 4: Instagram-Post des FB Wirtschaftswissenschaften der Goethe-Universität Frankfurt mit studienrelevanten Informationen

FB Wirtschaftswissenschaften der Goethe-Universität Frankfurt 2020, o.S.

Im Zuständigkeitsbereich des externen Bewerbermarketing einer HS liegt demgegenüber die Anwerbung potenzieller Studierender an diese (Hell & Haehnel 2008). Dies geschieht unter Verwendung diverser Kommunikationsinstrumente, die auch in Unternehmen zu finden sind, die Analogie zwischen Unternehmen und HS stellvertretend verdeutlichen und in einer Auswahl in Tab. 1 aufgeführt werden. In diesem Bereich sind ebenfalls HS-externe HS-Beratungsunternehmen zu verorten, die auf (u.a.) das HS-Marketing spezialisiert sind (vgl. Agentur Junges Herz o.J. und CAMPUSdirekt DEUTSCH-LAND GmbH 2021).

Tab. 1: Ausgewählte Kommunikationsinstrumente und -kategorien des externen Bewerbermarketing

E.D. nach s. Tab.

Abbildung in dieser Leseprobe nicht enthalten

2.5 Anwendung des Geomarketing im Hochschulkontext

2.5.1 Anwendungsstand

Im HS-Marketing ist die räumliche Betrachtung und damit Geo marketing noch bei weitem nicht etabliert, obwohl sich das HS-Marketing nach Langer & Herdin (2010) professionalisiert und weiter differenziert und die Arbeiten von Langer & von Stuckrad (2009a und 2009b) die Möglichkeiten des Geomarketing im HS-Kontext offenbaren. Indem letztere u.a. die Zielgruppe potenzieller Studierender und Märkte analysierten, boten sie eine Entscheidungsgrundlage für die Auswahl von Zielregionen für Marketingkampagnen ostdeutscher HS, die weiterhin relativ stark vom demographischen Wandel und damit mit einer schwindenden Zielgruppe konfrontiert sind. Vereinzelte HS-Beratungsunternehmen wie die CHE Consult GmbH (2014) und die rheform GmbH (o.J.), die Geomarketing-Analysen anbieten, sind Ausnahmen und Pioniere im Anwendungskontext der HS. Deren Produktportfolios umfassen in Geomarketing-Termini EZG-, Markt- und Potenzial- sowie Zielgruppenanalysen und Prognosen (vgl. ebd.).

Da es sich bei Geomarketing-Methoden um Instrumente handelt, mit denen Wettbewerbsvorteile erzielt werden können, besitzt eine HS sicherlich das Interesse diesbezügliche Erkenntnisse nicht der Öffentlichkeit und damit der Konkurrenz preiszugeben. Vor allem aus diesem Grund wird eine treffende Darstellung des HS- internen Anwendungsstandes erschwert. Dennoch scheint ein unbemerkter HS-interner Durchbruch des Geomarketing in der letzten Dekade unwahrscheinlich. Eine simple Erklärung für dieses Ausbleiben könnte schlicht auf die Zeit zurückzuführen sein: Allem voran die Tatsache, dass HS traditionell außerwettbewerbliche Akteure darstellten und sich die Situation in den letzten Jahren und Jahrzehnten in Richtung verstärkten HS-Wettbewerbs wandelte, könnte Grund dafür sein, dass sich zunächst das HS-Marketing etablierte/etablieren musste und anschließend sowie noch weitgehend ausbleibend dessen Subdisziplin des HS-Geomarketing. Dieser Konkurrenzdruck ist im klassischen, marktwirtschaftlichen Unternehmenskontext wie dem EH seit jeher gegeben sein, weshalb die Notwendigkeit nach Optimierung wirtschaftlichen Handelns – folglich auch in räumlicher Hinsicht – dort unverhältnismäßig früher gegeben war als im HS-Kontext. Dagegen sprechen allerdings die Arbeiten von Langer & von Stuckrad (2009a und 2009b), die seit nunmehr über 10 Jahren verwaist an der Schnittstelle Geo-marketing/HS-Kontext existieren, die nur von wenigen HS-Beratungsunternehmen im letzten Jahrzehnt betreten wurde.

2.5.2 Anwendungspotenziale

Was auch immer die tatsächlichen Gründe seien: der HS-Kontext ist ein großes, noch zu erschließendes Anwendungsfeld des Geomarketing, dessen Bandbreite im Rahmen der vorliegenden Arbeit nicht in Vollständigkeit dargestellt werden kann. Konkret und praktisch nachvollziehbar lässt sich jedoch zunächst die Relevanz einiger Anwendungspotenziale anhand im Geomarketing üblicher Fragestellungen verdeutlichen, die ebenfalls im HS-Kontext von Bedeutung sind und demnach durch Geomarketing-Methoden beantwortet werden können. Georgi (2018) erstellte eine nach Unternehmensbereichen geordnete Übersicht typischer Fragestellungen im Geomarketing, für die das entsprechende Pendant im HS-Kontext sowie deren jeweilige Anwendungszwecke in einer Auswahl in Tab. 2 dargestellt werden. Zur Beantwortung derartiger Fragen bedient sich das Geomarketing eines breiten Spektrums an Analysemethoden (vgl. Herter & Mühlbauer 2018), die auf den HS-Kontext übertragen in Tab. 3 aufgeführt werden.

Tab. 2: Ausgewählte Geomarketing-Fragestellungen und -anwendungen des Unternehmens- übertragen auf den HS-Kontext

E.D. nach s. Tab.

Abbildung in dieser Leseprobe nicht enthalten

Geomarketing bietet demnach attraktive Anwendungsmöglichkeiten für eine HS; von der Gewinnung neuer Studierender über effizientere Werbemaßnahmen bis hin zur Erhöhung der Studierendenzufriedenheit als Präventionsmittel von Studienabbrüchen. Verstärkend kommt hinzu, dass die Existenz und die weitgehend freie Verfügbarkeit dafür notwendiger Daten anzunehmen, bzw. gewährleistet ist. HS-interne Daten, wie z.B. Bestandsdaten zu immatrikulierten Studierenden, dürften i.d.R. existieren. HS-externe Daten wie Adressen konkurrierender HS oder Studierenden-/Abiturienten- und Schülerzahlen sind von HS-Websites, bzw. frei zugänglichen öffentlichen Statistikportalen beziehbar. Damit werden Einsparpotenziale/Effizienzgewinne nicht nur durch die Möglichkeiten von Geomarketing-Methoden per se versprochen. Auch verringen diese frei zugänglichen, bzw. in HS bereits existenten Daten die Notwendigkeit der Vergabe kostenverursachender Aufträge an externe HS-Beratungsunternehmen.

Tab. 3: Ausgewählte Geomarketing-Analysemethoden übertragen auf den HS-Kontext

E.D. nach s. Tab.

Abbildung in dieser Leseprobe nicht enthalten

Allerdings sind gewiss in einigen Fällen Investitionen in entsprechendes Know-how und eventuelles Personal sowie Software – allem voran GIS – seitens HS unweigerlich. Mit „QGIS“ steht jedoch ein hinreichend potentes und umfassendes Open-Source-GIS kostenfrei auf dem Markt zur Verfügung, das auch in Geomarketing-Unternehmen sowie bei einem Teil deren Kunden Anwendung findet (vgl. WIGeoGIS o.J.f) und den Ansprüchen im HS-Kontext weitgehend genügen sollte. Auch für ein HS-Beratungsunternehmen stellen diese Anwendungen und Analysen potenzielle Ergänzungen des Produktportfolios dar, was in Zusammenspiel neue Arbeitsplätze an der Schnittstelle Geomarketing/HS-Kontext schaffen könnte.

2.6 Stand der Forschung an der Schnittstelle Geomarketing/Hochschulkontext

Gegenüber des überschaubaren Anwendungsstandes von Geomarketing im HS-Kontext existieren hingegen deutlich zahlreichere Untersuchungen, die zwar nicht zu Zwecken des Geomarketing durchgeführt wurden, aber Geomarketing-Analysen in ihrer methodischen Herangehensweise entsprechen und einige grundlegende Erkenntnisse für die Anwendung von Geomarketing-Methoden im HS-Kontext wie die der vorliegenden Arbeit generierten. Die Darstellung dieser Forschung wird im Folgenden nicht nur dazu dienen, die die beabsichtigte Untersuchung betreffende Erkenntnisgrundlage abzubilden, sondern auch dessen generellere Bedeutung für das Geomarketing im HS-Kontext zu resümieren. Daher erfolgt die Wiedergabe des Standes der Forschung systematisiert nach sowie unter Verwendung entsprechender Geomarketing-Termini.

2.6.1 Zielgruppenanalysen

Aus Gründen räumlicher Vergleichbarkeit, Einheitlichkeit und Aktualität für den Untersuchungsraum Deutschland beschränkt sich die Darstellung der Zielgruppenanalysen auf die deutschlandweite, für angehende Studienberechtigte repräsentative und jüngere Studie von Schneider et al. (2017), aus der Erkenntnisse Variablen extrahiert werden können, von denen ein Einfluss auf ASGij und genauer auf Sij zu erwarten ist. Aus Sicht einer HS j interessiert weniger das Zustandekommen von GSi in RE i als vielmehr, wie und warum sich dieses Potenzial auf die HS aufteilt – folglich Sij und demnach ASGij. Denn verfügt eine HS j über gewiss mehr Handlungsspielraum und Einflussmöglichkeiten Studierende, die sich bereits für ein HS-Besuch entschieden haben und demnach GSi bilden, für sich zu gewinnen als – dem vorgeschaltet und grundlegender – potenzielle Studierende zunächst zu einem HS-Besuch zu motivieren. Daher erfolgt lediglich die Darstellung vermutlicher Einflussvariablen auf Sij, nicht jedoch auf GSi. Bezüglich Letzteren sei hier auf Spieß & Wrohlich (2008), Heine & Quast (2011), Schneider & Franke (2014) und Weßling (2016) verwiesen.

2.6.1.1 Räumliche Mobilität potenzieller Studierender

Der Pool an HS, an denen potenzielle Studierende aus RE i ein Studium in Erwägung ziehen, ist bei einer geringen Mobilität derer sicherlich erheblich begrenzt, wohingegen eine hohe Mobilität derer eine größere Auswahl an HS erlaubt, weshalb der räumlichen Mobilität potenzieller Studierender ein Einfluss auf Sij und folglich ASGij zu unterstellen ist.

Schneider et al. (2017) untersuchten in ihrer Studie die geographische Mobilitätsbereitschaft angehender Studienberechtigter, die sie zwischen Pendler-, regionale, internationale und generelle Mobilitäts-bereitschaft differenzierten. Da für den Untersuchungsraum Deutschland nur die Pendler⁷ - und regionale⁸ Mobilitätsbereitschaft relevant sind, erfolgt nur deren Darstellung.

63 % der Befragten mit Studienabsicht konnten sich vorstellen täglich zwischen Wohn- und Studienstandort zu pendeln. Diesbezüglich identifizierten sie Differenzen zwischen soziodemographischen Merkmalen und räumlicher Herkunft angehender Studienberechtigter. Solche aus akademischem Haushalt, aus Westdeutschland und ohne Migrationshintergrund weisen eine höhere Pendlermobilitätsbereitschaft auf als die jeweils gegenteilige Gruppe, wie Abb. 5 zeigt. Bezüglich der regionalen Mobilitätsbereitschaft wiesen sie signifikante Einflüsse soziodemographischer Merkmale angehender Studienberechtigter nach. „Es zeigt sich, dass Männer im Vergleich zu Frauen, Schüler(innen) aus nicht-akademischem Elternhaus und Personen ohne Migrationshintergrund […] eine signifikant höhere regionale Mobilitätsbereitschaft aufweisen“ (80). Darüber zeigen auch eine erhöhte Risikobereitschaft, die Allgemeine gegenüber der Fach-HR, längere Auslandserfahrungen und stärkere persönliche Weiterentwicklungswünsche signifikant positive Einflüsse auf die regionale Mobilitätsbereitschaft. Demgegenüber wirken sich die Höhergewichtung finanzieller Gründe sowie engerer familiärer/persönlicher Bindungen hochsignifikant negativ auf die Bereitschaft aus innerhalb der Grenzen Deutschlands umzuziehen.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 5: Angehende Studienberechtigte 2015 ein halbes Jahr vor Schulabschluss: Pendlermobilitätsbereitschaft – Differenzen zwischen soziodemographischen Merkmalen sowie Ost- und Westdeutschland

E.D. nach Schneider et al. 2017, 70

2.6.1.2 Hochschulwahlmotive potenzieller Studierender

Ein weiterer Einfluss auf Sij und demzufolge ASGij geht schließlich von HS-Wahlmotiven potenzieller Studierender aus RE i aus, da sie sich per definitionem auf deren jeweilige Wahl von HS j und somit Sij auswirken.

Die Relevanz einzelner HS-Wahlmotive für angehende, nicht nach weiteren Merkmalen differenzierte Studienberechtigte stellte sich in der Untersuchung von Schneider et al. (2017) wie in Abb. 6 dargestellt heraus, die sich gemäß Tab. 4 kategorisieren lassen. Insgesamt zeigt sich, dass Gründe bezüglich HS-Standortattraktivität, z.B. Atmosphäre des Studienorts und günstige Lebensbedingungen am Studienort, sowie HS-Attraktivität, z.B. Entsprechen des Studienangebot der fachlichen Interessen, hohe Qualität des Studiums und ein guter Ruf der HS, die bedeutendsten bei der HS-Wahl sind. Impedanzen⁹, bzw. darauf zurückführbare Motive wie die Nähe zum Heimatort oder finanzielle Zwänge, heimatnah zu wohnen werden dagegen als weniger wichtig eingestuft.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 6: Angehende Studienberechtigte 2015 ein halbes Jahr vor Schulabschluss: Wichtigkeit der Aspekte der HS-Wahl

E.D. und verändert nach Schneider et al. 2017, 77

Die Bedeutung einzelner HS-Wahlmotive schwankt jedoch bei genauerer Betrachtung der befragten angehenden Studienberechtigten. Für solche, die die Fach-HR anstreben, sind die Nähe zu Eltern/Verwandten/Freunden, finanzielle Gründe, heimatnah zu wohnen, die Nähe zum Heimatort, Beschäftigungschancen am Studienort nach dem Studium sowie ein hoher Praxisbezug des Studiums deutlich wichtiger gegenüber denen, die die Allgemeine HR anstreben (s. Abb. 7). Bei Differenzierung nach sozialer Herkunft wie in Abb. 8 offenbart sich, dass angehende Studienberechtigte aus nicht-akademischen Haushalt Beschäftigungschancen am Studienort nach dem Studium, der Nähe zum Heimatort, die Nähe zu Eltern/Verwandten/Freunden und finanzielle Gründe, heimatnah zu wohnen, ein größeres Gewicht beimessen als solche aus akademischem Haushalt. Für Frauen erweisen sich die Atmosphäre des Studienortes, erfüllbare Zugangsbeschränkungen und die Nähe zum Heimatort als im Vergleich zu Männern wichtigere Faktoren (s. Abb. 9). Wie Abb. 10 belegt, werden finanzielle Gründe, heimatnah zu wohnen und Beschäftigungschancen am Studienort nach dem Studium deutlich eher von Personen mit Migrationshintergrund angegeben als von solchen ohne; für letztere ist jedoch im selben Vergleich ein hoher Praxisbezug des Studiums wichtiger. Zwischen Ost- und Westdeutschland können anhand Abb. 11 lediglich Differenzen in einer größeren Relevanz günstiger Lebensbedingungen und erfüllbaren Zugangsbeschränkungen für ostdeutsche angehende Studienberechtigte festgestellt werden.

Tab. 4: Kategorisierung von HS-Wahlmotiven

E.D. nach s. Tab.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 7: Angehende Studienberechtigte 2015 ein halbes Jahr vor Schulabschluss: Wichtigkeit der Aspekte der HS-Wahl – Differenzen zwischen angestrebter HR

E.D. und verändert nach Schneider et al. 2017, 78

Abbildung in dieser Leseprobe nicht enthalten

Abb. 8: Angehende Studienberechtigte 2015 ein halbes Jahr vor Schulabschluss: Wichtigkeit der Aspekte der HS-Wahl – Differenzen zwischen Bildungsherkunft

E.D. und verändert nach ebd.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 9: Angehende Studienberechtigte 2015 ein halbes Jahr vor Schulabschluss: Wichtigkeit der Aspekte der HS-Wahl – Differenzen zwischen Geschlechtern

E.D. und verändert nach ebd.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 10: Angehende Studienberechtigte 2015 ein halbes Jahr vor Schulabschluss: Wichtigkeit der Aspekte der HS-Wahl – Differenzen zwischen Migrationshintergründen

E.D. und verändert nach ebd.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 11: Angehende Studienberechtigte 2015 ein halbes Jahr vor Schulabschluss: Wichtigkeit der Aspekte der HS-Wahl – Differenzen zwischen Ost- und Westdeutschland

E.D. und verändert nach ebd.

Zusammenfassend lassen sich anhand der dargestellten Erkenntnisse die vermuteten Einflussvariablen auf Sij und damit ASGij – teilweise zusammengepackt in Variablenbündel – wie in Abb. 12 darstellen. Jedoch wird weder deren Vollständigkeit noch deren tatsächlicher Einfluss hier gewährleistet.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 12: Vermutete Einflussvariablen auf ASGij

E.D.

Bedeutung der Zielgruppenanalysen für das Geomarketing im HS-Kontext

Die Heterogenität der Zielgruppe potenzieller Studierender und die daraus resultierende Notwendigkeit der Differenzierung derer sei hier ausdrücklich betont. Angehende Studienberechtigte weisen erhebliche Differenzen bezüglich ihres Mobilitätsverhaltens und Präferenzen bei ihrer HS-Wahl auf. Besonders deren unterschiedliche räumliche und soziodemographische Merkmale, die wiederum räumlich unterschiedlich ausgeprägt sein können, beeinflussen diese Aspekte und so mutmaßlich auch ASGij. Nicht nur dadurch wird ersichtlich, welche Rolle der Raum in der Betrachtung von ASGij spielt. Auch die Distanz zu HS übt neben HS- und HS-Standortattraktivität einen vermutlichen Einfluss auf die HS-Wahl und so ASGij aus.

Da eine HS für gewöhnlich weder die Distanz zu ihr noch die räumliche Herkunft oder soziodemographische Merkmale potenzieller Studierender beeinflussen kann, bieten sich ihr vor diesem Hintergrund folgende Handlungsmöglichkeiten zur Erhöhung von ASGij: zum einen die Erhöhung der Attraktivität ihrer selbst, zum anderen in begrenzterem Umfang die ihres Standortes.

Im Falle der Betrachtung von ASGij sollten an einer HS folglich alle dafür potenziell relevanten Variablen bekannt sein, denn sie vermögen einen etwaig auffällig hohen/niedrigen ASGij zu erklären. Die Nicht-Kenntnis über diese Faktoren sowie über mit diesem Kenntnisstand ohnehin unbekannte Mechanismen, die ASGij statuieren, kann demnach zur Ableitung unzweckmäßiger Marketing-/Maßnahmen führen, so unangebrachte Kosten verursachen und auf diese Weise dem Zweck des Geomarketing konträre Auswirkungen für eine HS nach sich ziehen.

2.6.2 Einzugsgebietsanalysen

Räumlich differenzierte Studierendenanzahlen/-anteile von HS, bzw. deren ASG wurden in einigen Studien für meist einzelne, bzw. wenige HS analysiert (u.a. Rödel (2010) für bayerische HS, Kühn (2011) für baden-württembergische HS, Bode (2015) für die Universität Leipzig, Burs & Schuch (2011) und Bode (2015) für die Universität Heidelberg, HS Osnabrück (2020) für ebendort und die Technische Universität Dresden (2020) für ebendort). Deutschlandweit wurden EZG lediglich für ausgewählte Universitäten von Nutz (2001) dargestellt. Eine Auswahl davon zeigen Abb. 13 – Abb. 15.

Diese Studien unterscheiden sich jedoch erheblich in ihrer methodischen Herangehensweise sowie in der Definition des Begriffs „Einzugsgebiet“ (Bode 2015, o.S.) oder auch „Einzugsbereich“ (Nutz 2001, 71). Auf der einen Seite fallen darunter alle RE, aus denen eine Universität Studierende rekrutiert, z.B. in Burs & Schuch (2011) (s. Abb. 14) und Bode (2015), auf der anderen Seite fallen in das EZG einer HS nur die RE, in denen ihre ASG mehr als 25 % betragen, z.B. in Nutz (2001) (s. Abb. 15). Darüber hinaus variieren die untersuchten RE zwischen den Studien, z.B. Landkreise/kreisfreie Städte (LK) wie in Nutz (2001), Bundesländer (BL) wie in HS Osnabrück (2020), oder gar innerhalb einer Studie: LK und BL wie in Rödel (2010) (s. Abb. 13). Des Weiteren existieren Differenzen in der Darstellung der dargestellten Größe in den RE, z.B. dortige absolute Studierendenanzahl einer HS wie in Bode (2015), was Sij entspricht, oder relativer Anteil einer RE an der Gesamtstudierendenanzahl einer HS wie in Rödel (2010). Die EZG-Analyse existiert demzufolge nicht; es bedarf einer Definition des Begriffes „Einzugsgebiet“ im HS-Kontext sowie einer einheitlichen Herangehensweise zu dessen Bestimmung. Trotz dieser methodischen und definitorischen Vielfalt weisen die Ergebnisse der Studien einen gemeinsamen Nenner auf: Auch wenn die Nähe zum Heimatstandort bei den HS-Wahlmotiven eine relativ geringe Rolle spielt, wird die Bedeutung der Nähe zur HS in allen diesbezüglich genannten Studien ersichtlich. So kommt der Großteil immatrikulierter Studierender aus der unmittelbaren Umgebung der jeweiligen HS.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 13: Anteil des Herkunftsgebiets der Studienanfänger an bayerischen HS mit in Deutschland erworbenem Abitur pro Bundesland (außerhalb Bayerns) und Landkreis/kreisfreien Stadt (Bayern) des Erwerbs ihrer Hochschulzugangsberechtigung im Wintersemester 2009/2010

Rödel 2010, 562

Abbildung in dieser Leseprobe nicht enthalten

Abb. 14: Absolute Studierendenanzahl der Universität Heidelberg im Wintersemester 2010/2011 pro Landkreis/kreisfreien Stadt des Erwerbs ihrer Hochschulzugangsberechtigung

Burs & Schuch 2011, 260

Abbildung in dieser Leseprobe nicht enthalten

Abb. 15: EZG ausgewählter deutscher Universitäten 1998/99

Nutz 2001, 71

Bedeutung der EZG-Analysen für das Geomarketing im HS-Kontext

EZG-Analysen können Aufschluss über die Räume geben, in denen eine HS überhaupt und wie viele Studierende rekrutiert. Ihnen kann die Fähigkeit angerechnet werden bereits räumliche Trends, wie z.B. die Bedeutung räumlicher Nähe, und etwaige Auffälligkeiten zu erkennen, die allerdings einer tiefer-gehenden Untersuchung vor dem Hintergrund der Zielgruppenkenntnisse bedürfen. Durch die Bedeutung dieser räumlichen Nähe ist es für eine HS insbesondere wichtig sich gegen die Konkurrenz benachbarter HS durchzusetzen. Ein anschauliches Beispiel und Indiz dieses regionalen Konkurrenzkampfes nennt Webler (2014) anhand der Tatsache, dass an der Universität des niederländischen Maastrichts, das im Südosten der Niederlande in einem Zipfel unweit der Grenzen zu Belgien und Deutschland liegt (s. Abb. 16), ein deutschsprachiges Angebot existiert, mit denen erfolgreich Studierende aus Deutschland rekrutiert werden.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 16: Lage Maastrichts in der Grenzregion Belgien–Deutschland–Niederlande

Quellen s. Karte

Einige Ansätze der EZG-Darstellungen weisen im Hinblick auf das Geomarketing Schwächen auf. Die Darstellung der absoluten Studierendenanzahl einer HS in einer RE, die Sij entspricht, wie in Burs & Schuch (2011), sagt nichts über ihren dortigen ASG aus. Ein in Relation hoher Absolutwert wie in Berlin (s. Abb. 14) mag zwar auf Anhieb in den Augen der HS als positiv betrachtet werden, ihr dortiger ASG wird jedoch bei Relativierung durch die dort ansässige hohe Bevölkerungszahl und die stark vertretene Zielgruppe sicherlich geringer ausfallen als es eingangs scheinen mag. Zum Erhalt dieses ASG ist demnach lediglich die Division durch ebendieses Potenzial vonnöten. Eine Darstellung des Anteils an rekrutierten Studierenden aus einer RE an der Gesamtzahl an rekrutierten Studierenden einer HS, wie z.B. in Rödel (2010), ist daher noch ungeeigneter, da dieses Potenzial gar nicht berücksichtigt wird. Ausschließlich die Studie von Nutz (2001) (s. Abb. 15) offenbart ASGij – allerdings für wenige HS und LK. Zwar wurden diese Werte zur Bestimmung von EZG ausgewählter deutscher Universitäten verwendet und haben zu deren Kartendarstellung einen erheblichen Informationsverlust zur Folge, jedoch müssen die ASGij jeder untersuchten Universität j in jedem LK i zwangsläufig vorgelegen haben.

[...]

---

¹ Der ASG, z.B. in Nutz (2001), einer HS in einer RE ist im HS-Kontext als Pendant zum Marktanteil eines Unternehmens in einer RE zu verstehen und wird in Unterkapitel 2.1 definiert. Hier werden unter ASG stets die einer einzelnen HS gemeint.

² GM kommen ursprünglich aus dem EH, werden dort u.a. dazu verwendet Kundenzahlen oder Marktanteile eines Unternehmens in RE zu beschreiben und werden in Unterkapitel 2.6.3.1 genauer erläutert.

³ Hier fungieren FB als Sammelbegriff für dezentrale HS-Organisationseinheiten wie Fachbereiche, Fakultäten, Departments, Institute etc. (vgl. Hüther & Krücken 2016).

⁴ Dieses Beispiel dient der Veranschaulichung, weshalb hier im Vergleich zu Wübbenhorst & Mecke (2018) Kunden anstatt Absatz genutzt werden und ein gleicher Absatz pro Kunde unterstellt wird.

⁵ Der Begriff des Bewerbermarketing mag hier irreführend sein, da nach Hell & Haehnel (2008) darunter auch die Bindung bereits immatrikulierter Studierender an die HS fällt.

⁶ Anhand Abb. 3 und Abb. 4 kann auch die verstärkte Bedeutung erahnt werden, die der Informationsversorgung während der SARS-CoV-2-Pandemie zukommt, was hier nicht unerwähnt sei, worauf jedoch nicht weiter eingegangen wird.

⁷ Unter „Pendlermobilitätsbereitschaft“ wird die Vorstellung angehender Studienberechtigter verstanden täglich zwischen Wohn- und Studienort zu pendeln (ebd.).

⁸ Die Vorstellung angehender Studienberechtigter innerhalb der Landesgrenzen Deutschlands zum Zwecke einer Studienaufnahme umzuziehen wird als „regionale Mobilitätsbereitschaft“ definiert (ebd.).

⁹ Unter „Impedanz“ oder auch „Widerstand“ (aus dem Englischen „impedance“) wird/werden in diesem Zusammenhang Zeit/Kosten verstanden, die Start- und Zielpunkt voneinander trennt/trennen (vgl. Esri o.J.a).