Am Anfang der Lösungsfindung stand eine entscheidende Erkenntnis, die im Austausch mit den Kolleg*innen aus dem Anmeldeverfahren gewonnen wurde: „Im Gespräch wurde uns plötzlich klar, dass wir die benötigten Daten bereits besaßen: Wir kennen die Meldeadressen der Schüler*innen und können exakt prüfen, ob sie in den Planungsbereichen der jeweiligen Grundschule leben“, erinnert sich Sebastian Schuster. Mit dieser Datengrundlage war es erstmals möglich, die Hypothese der abweichenden Schüler*innenströme gezielt zu überprüfen und die tatsächliche Schulwahl der Eltern abzubilden.

Um die Diskrepanz zwischen den theoretischen Planungsbereichen und der Realität sichtbar zu machen, prüfte das Regionale Bildungsbüro verschiedene Ansätze. Schnell wurde klar, dass eine kartografische Darstellung am aussagekräftigsten wäre. In einem iterativen Prozess mit Prototypen und Feedbackschleifen entwickelte sich die Idee weiter.

Als das Team die Daten schließlich interaktiv visualisierte, bestätigte sich die Hypothese und machte das Ausmaß der Abweichung auf einen Blick greifbar: An manchen Schulen wohnen bis zu 60 Prozent der Kinder außerhalb des offiziell zugeordneten Bereichs. Wie deutlich dieser Effekt ist, zeigt der exemplarische Blick auf eine einzelne Grundschule aus dem Analysetool: Auf der Karte liegen die schwarzen Punkte innerhalb des lila eingefärbten Planungsbereichs – also dort, wo die Schüler*innen im Prognoseverfahren erwartet wurden. Die roten Punkte zeigen hingegen, wo ein großer Teil der Kinder tatsächlich wohnt: außerhalb des Planungsbereichs.

Diese Erkenntnis blieb nicht ohne Folgen: Die Stadt Mönchengladbach strebt mittlerweile an, die Planungsbereiche auf Basis dieser Erkenntnisse neu zu definieren. Der Mehrwert des Werkzeugs liegt somit nicht allein darin, eine Fülle von Informationen aus zuvor getrennten Quellen intuitiv zu bündeln. Sebastian Schuster hebt vor allem die kommunikative Kraft hervor, die in der Visualisierung steckt: „Die Visualisierung trägt entscheidend dazu bei, Verständnisprobleme zu lösen. Die Frage, ob die Planungsbereiche die Wohnorte der Schülerschaft abdecken, lässt sich nicht besser darstellen als auf einer Karte.“ Die Eindeutigkeit und Verständlichkeit der Darstellung führte dazu, dass auch auf Entscheidungsebene der Handlungsbedarf nachvollzogen werden konnte.

Diese Wirksamkeit in der Praxis verdankt das Projekt einem wesentlichen Mehrwert des Werkzeugs: seiner hohen Flexibilität. Durch Zoom-Funktionen, die flexible Steuerung verschiedener Datenebenen und intuitive Mouse-Over-Informationen lassen sich wichtige Kontextdaten wie Schulstandorte, Wohnorte der Kinder und Stadtteilgrenzen je nach Fragestellung dynamisch ein- und ausblenden. Im Gegensatz zu analogen Berichtsformaten ist das Werkzeug zudem jederzeit abrufbar und leicht zu aktualisieren, was spontane Analysen und Präsentationen in Gremiensitzungen enorm erleichtert. Genau diese praxisnahe Flexibilität ist der Grund, warum sich die Visualisierung schnell über das Regionale Bildungsbüro hinaus als Standardwerkzeug etabliert hat: Fachbereichs- und Dezernatsleitungen berichten wiederholt vom gezielten Einsatz in Sitzungen, die interne Nachfrage ist ungebrochen und auch der Austausch mit anderen Kommunen bestätigt die hohe Relevanz des Formats sowie der verwendeten Werkzeuge. 

Ein entscheidender Faktor für diesen Erfolg war eine strategische Weichenstellung zu Beginn des Projekts. Das Team identifizierte als Hauptzielgruppen interne Nutzende – Schulentwicklungsplaner*innen, Fachbereichsleitungen und Dezernatsleitungen – und konzipierte das Instrument bewusst als professionelles Arbeitswerkzeug, nicht als öffentliches Informationsportal. Diese klare Fokussierung erlaubte eine wesentlich größere Komplexität und Analysetiefe, als es für die breite Öffentlichkeit sinnvoll wäre. Zusätzlich wird durch die verwaltungsinterne Zielgruppe die Verwendung von Daten möglich, die aus Gründen des Datenschutzes und der Datensicherheit nicht für externe Nutzer*innen zugänglich sein dürfen. Die Erfahrungen liefern damit eine wichtige Erkenntnis für ähnliche Vorhaben: Es empfiehlt sich, vor Projektbeginn klar zu definieren, an wen die Ergebnisse gerichtet sind und wie komplex die Darstellungsform ausfallen darf. Eine zu hohe Detailtiefe, etwa durch die Einbindung von Prognosekorridoren oder komplexen statistischen Kennzahlen, kann die Verständlichkeit für Entscheidungsträger*innen mindern und Fehlinterpretationen fördern.

Die technische Grundlage für das Analyse-Werkzeug ist ein durch das Regionale Bildungsbüro eigens in der Programmiersprache R entwickeltes Skript. Es führt zwei zentrale Datenquellen zusammen, um die Abweichungen zwischen Planung und Realität sichtbar zu machen, die durch die freie Schulwahl der Eltern entstehen. Auf der einen Seite stehen die anonymisierten Melderegisterdaten, die zeigen, welche schulpflichtigen Kinder in einem bestimmten Planungsbereich erwartet werden. Auf der anderen Seite stehen die Meldeadressen aus den Schulanmeldungen, die Auskunft darüber geben, wo die an einer Schule tatsächlich angemeldeten Kinder wohnen. Das Skript gleicht diese Datensätze ab und generiert daraus die kartografische Darstellung, die den Unterschied zwischen Prognose und Realität auf einen Blick verdeutlicht.

Für die Datenaufbereitung, die Geokodierung der Adressen und die grafische Visualisierung wurden spezialisierte R-Pakete wie die Paketsammlung tidyverse, sowie die Pakete SF, tidygeocoder und tmap eingesetzt. Sebastian Schuster betont, dass die Arbeit mit Geodaten eine gewisse Expertise erfordert. Moderne KI-Tools können hierbei unterstützen, ersetzen aber kein Fachwissen:

Da das Projekt mit sensiblen Individualdaten wie Meldeadressen arbeitet, hatte der Datenschutz von Beginn an höchste Priorität. Für die interne Analyse werden alle personenbezogenen Angaben entfernt und durch anonymisierte Kennziffern ersetzt, die keine Rückschlüsse auf Einzelpersonen zulassen. Als zusätzliche Schutzmaßnahme für externe Präsentationen werden zudem ausschließlich ältere Datensätze verwendet, die mindestens vier Jahre zurückliegen. Damit ist über die Anonymisierung hinaus sichergestellt, dass die dargestellten Schüler*innen die betreffenden Schulen, bis auf sehr wenige Ausnahmen, nicht mehr besuchen.

Die Entwicklung des Werkzeugs war von Anfang an eine Teamleistung. Während die Erstellung des ersten Prototyps den Einsatz einer Vollzeitkraft für rund zwei Wochen erforderte, ist die jährliche Aktualisierung heute in wenigen Arbeitstagen erledigt. Möglich wurde dies durch eine enge, abteilungsübergreifende Zusammenarbeit und die Vorzüge der verwendeten Tools, die unter bestimmten Voraussetzungen eine Automatisierung vieler Arbeitsschritte ermöglichen.

Den Kern des Projekts bildete das Monitoring-Team, das die Vision und die analytische Steuerung verantwortete. Für die technische Umsetzung wurden zwei entscheidende Partner*innen ins Boot geholt: die interne IT-Koordination sicherte die notwendige Software-Infrastruktur, und der Fachbereich Geodatenmanagement lieferte die benötigten Raumdaten. Herr Schuster spricht in diesem Zusammenhang von einer erfolgreichen fachbereichsübergreifenden Zusammenarbeit, da die Geodaten-Experten die sogenannten Shapefiles bereitstellten und so die Visualisierung auf der Karte ermöglichten.

Um sicherzustellen, dass das Werkzeug nicht nur technisch funktioniert, sondern auch intuitiv bedienbar ist, wurden in Pilotphasen gezielt Feedbackschleifen eingerichtet. Kolleg*innen ohne spezifischen Datenhintergrund prüften die Verständlichkeit, denn das Ziel war von Beginn an klar: Das Tool soll auch für Personen ohne tiefgründige Fachkenntnisse selbsterklärend sein, um eine breite Nutzung zu gewährleisten. Nachdem die Prototypen ausgereift waren, wurde schließlich die Fachbereichs- und Dezernatsleitung eingebunden, welche auf Basis der neuen, klaren Datengrundlage die Neuausrichtung der Planungsbereiche beauftragte.

Der Blick in die Zukunft der kommunalen Bildungsberichterstattung zeichnet für Sebastian Schuster ein klares Bild: Der Weg führt weg von statischen Dokumenten hin zu digitalen und interaktiven Formaten, die den direkten Zugriff auf Daten für verschiedenste Nutzer*innengruppen ermöglichen. Seine Vision beschreibt er so: