Kurzbeschreibung

In den letzten zwei Jahrzehnten hat der technologische Fortschritt zu einer großen Verfügbarkeit von detaillierten Daten geführt, die auf kleiner regionaler Ebene erhoben wurden. In der Regional- und Stadtökonomie bietet die Verwendung von Social Media-Daten, Mobiltelefonen oder Satellitenbildern die Möglichkeit, die regionale Aggregation der amtlichen Statistiken zu überwinden. Die Nutzung dieser sekundären Datenquellen zur empirischen Wirtschaftsforschung sind bezeichnend für die Ära des „Big Data“. Im Vergleich zu primären offiziellen Statistiken über die regionale Wirtschaftsentwicklung ist die Erstellung vergleichbar preiswert und mit den Fortschritten beim maschinellen Lernen, können diese Datenquellen bei der Vorhersage lokaler wirtschaftlicher Aktivität helfen. Bisher zielt die Forschung vor allem auf Datenlücken in Entwicklungsländern ab. Aber auch in Industrieländern (mit zuverlässigen statistischen Ämtern) eröffnen diese Datenquellen neue Forschungsmöglichkeiten, z.B. bei der Beobachtung von Urbanisierungsmustern aus Satellitenbildern (Bruchfield et al., 2006). Bisher existieren nur wenige empirische regionalökonomische Studien dazu. In diesem Projekt verwenden wir Satellitenbilder von Bebauungsintensität und Beschäftigungsdaten auf Basis von Rasterzellen für Deutschland, um regionale Beschäftigungsmuster vorherzusagen.