Der Vortrag präsentiert den Werkstattbericht zu einer räumliche Hotspotanalyse der Automobil- und Automobilzuliefererindustrie in Deutschland auf Basis von Daten aus dem Unternehmensregister der amtlichen Statistik. Ziel der Analyse ist die Identifikation von Clustern mit überdurchschnittlicher Unternehmensdichte, losgelöst von administrativen Grenzen. Mittels raumstatistischer Methoden werden geografische Konzentrationen dieser Industriebranchen sichtbar gemacht und in Form einer Hotspotkarte dargestellt. Aufbauend auf diesen identifizierten Hotspotflächen erfolgt eine weiterführende Analyse der dort ansässigen Unternehmen. Die Ergebnisse liefern Einblicke in die aktuelle Struktur und regionale Bedeutung der Automobilwirtschaft in Deutschland. Eine Veröffentlichung der Auswertungen als kleinräumige Informationen im Statistikportal von Bund und Ländern ist für Ende des Jahres geplant.

Die Lage einer Mietwohnung zählt zu den zentralen Einflussfaktoren auf die Miethöhe – zugleich besteht wenig Einigkeit darüber, wie sie sachgerecht und empirisch fundiert in Mietpreismodellen abgebildet werden kann. § 19 der Mietspiegelverordnung verweist auf „vor Ort feststellbare Faktoren“ wie Bebauungsdichte, Infrastruktur oder Begrünung als Grundlage der Lageermittlung. Die Verwendung adressgenauer Indikatoren – etwa Laufwege, Distanzen, Kerndichten oder Flächenanteile im Umkreis – kann eine geographisch hochauflösende und plausible Annäherung an diese Vorgabe darstellen. Gleichzeitig ergeben sich je nach Datenmenge, Berücksichtigung des räumlichen Bezugs und Modellintegration methodische Herausforderungen. Der Vortrag stellt zwei mögliche Herangehensweisen zum Umgang mit adressgenauen Lageindikatoren vor: zum einen die vorangestellte Bündelung lagebezogener Informationen zu stabilen, geographisch kohärenten Einheiten. Alternativ dazu kann eine direkte Einbettung der Indikatoren bzw. zusammenfassenden Größen als kontinuierliche erklärende Größen in ein Regressionsmodell erfolgen. Beide Wege werden hinsichtlich ihrer Anforderungen, Modellintegration, Anwendbarkeit und Verständlichkeit im Kontext der Mietspiegelerstellung gegenübergestellt. Ziel ist es, den methodisch herausfordernden Aspekt der Lagemodellierung durch eine datenbasierte und strukturierte Vorgehensweise nachvollziehbar und transparent zu gestalten.

HILDA (Hilfreiche Interaktive Landesdatenbank-Assistentin) ist ein bei IT.NRW entwickelter Chatbot der es Datennutzenden ermöglicht statistische Fragestellungen direkt an die Landesdatenbank NRW (LDB), das Informationssystem des Statischen Landesamts NRW, zu richten. Durch die Verwendung eines großen Sprachmodells werden die auf die Anfrage passenden Tabellen in der Datenbank identifiziert und auf die für die Beantwortung der Frage relevanten Inhalte reduziert.

Der neue KI-gestützte Ansatz basiert auf der Idee, statistische Informationen möglichst einfach zugänglich zu machen und Barrieren, wie die Navigation in einem komplexen Datenbanksystem, unübersichtliche Tabellenstrukturen oder das Erfordernis zur Kenntnis statistischer Fachbegriffe aus dem Weg zu räumen.

Der Vortrag stellt die auf dem Retrieval-Augmented Generation (RAG) basierende Funktionsweise von HILDA live vor und ordnet die bei der Entwicklung getroffenen Designentscheidungen vor dem Hintergrund des Spannungsfelds zwischen generativer KI und dem Selbstverständnis der amtlichen Statistik als verlässliche Produzentin qualitativ hochwertiger statistische Informationen ein.