Determinanten des Wohnflächenkonsums. Erkenntnisse zu Wohnpräferenzen und Flächeneffizienz in der Schweiz

Sibylla Amstutz ¹^ORCID, Christoph Hanisch ², Gabrielle Wanzenried ³^ORCID , Jana Z’Rotz ²^ORCID

Eingegangen: 17. März 2026 Angenommen: 23. Juli 2026 Online veröffentlicht: 29. September 2026

Zusammenfassung

Dieser Beitrag untersucht Determinanten des individuellen Wohnflächenkonsums in Mieterhaushalten der deutschsprachigen Schweiz und bezieht erstmals subjektive Wohnpräferenzen als erklärende Variable ein. Datengrundlage bildet eine Onlineumfrage von 884 Haushalten mit einem Haushaltsvorstand unter 65 Jahren in 3‑ bis 5,5-Zimmerwohnungen in Agglomerationsgemeinden. Mittels multipler Regressionsanalyse werden ökonomische, strukturelle und standortbezogene Faktoren quantifiziert. Die Ergebnisse zeigen, dass Haushaltsgröße, Einkommen, Siedlungsdichte und Homeoffice-Nutzung im Zusammenhang mit Wohnflächenkonsum stehen. Zudem ist ein Index flächenrelevanter Präferenzen statistisch signifikant assoziiert mit der pro Person bewohnten Fläche: Haushalte mit flächenintensiver Orientierung beanspruchen deutlich mehr Raum. Damit wird empirisch belegt, dass subjektive Wohnpräferenzen eine eigenständige Erklärungskraft neben klassischen sozioökonomischen Faktoren besitzen.

Schlüsselwörter Wohnflächenkonsum – Schweiz – Wohnpräferenzen – Wohnraumnutzung – Haushaltsstruktur – Regressionsanalyse

Abstract

This paper examines determinants of individual living space consumption in tenant households in German-speaking Switzerland and, for the first time, includes subjective housing preferences as explanatory variables. The analysis is based on an online survey of 884 households headed by people under the age of 65 living in 3‑ to 5.5-room apartments in agglomeration municipalities. Multiple regression analysis is used to quantify economic, structural and location-related factors. The results show that household size, income, settlement density and home office use are associated with living space consumption. In addition, an index of space-related preferences is statistically significantly associated with per capita living space: households with a more space-intensive orientation occupy significantly more space. These findings provide empirical evidence that subjective housing preferences have independent explanatory power alongside traditional socioeconomic factors.

1 Einleitung

In der Schweiz wie auch in vielen anderen europäischen Ländern steht die Wohnraumfrage im Zentrum gesellschaftlicher und politischer Debatten. In vielen Städten ist der Wohnraum knapp, die Mieten steigen, und die Suche nach bezahlbaren Wohnungen wird zunehmend schwierig (Willimann/Lienhard/Gmünder et al. 2024: 8). Gleichzeitig steigt der Wohnflächenkonsum pro Person seit Jahrzehnten stetig an und liegt aktuell in der Schweiz bei 46,6 m² pro Person (Bundesamt für Statistik 2025a) – ein Trend, der die Knappheit weiter verschärft und den Druck auf die Siedlungsentwicklung erhöht (Kellenberger/Giezendanner 2023: 10).

Mit der Revision des Raumplanungsgesetzes¹ von 2014 wurde die Einzonung neuen Baulands in der Schweiz stark eingeschränkt. Seither gilt das Prinzip der Innenentwicklung vor Außenentwicklung (ARE 2018: 10). Damit rückt die effiziente Nutzung des bestehenden Siedlungsraums in den Fokus der Raumplanung (Hermann/Heye/Bosshardt et al. 2025: 9). Verdichtungsanstrengungen wie kompaktere Bauformen sind wichtige Instrumente. Doch sie allein reichen nicht aus, solange der individuelle Wohnflächenkonsum hoch bleibt.

Der Wohnflächenkonsum ist auch aus klimapolitischer Perspektive bedeutsam. Mit weniger Wohnfläche pro Person können Energie eingespart und CO₂-Emissionen im Gebäudesektor gesenkt werden (Thomas/Thema/Brischke et al. 2019: 1140). Die Wohnfläche wird so zu einer Frage der Nachhaltigkeit und nicht nur der Flächeneffizienz.

Trotz dieser Relevanz ist bislang wenig darüber bekannt, warum Menschen unterschiedlich viel Wohnraum beanspruchen. Frühere Studien konzentrierten sich vor allem auf strukturelle und ökonomische Einflussgrößen (Delbiaggio/Wanzenried/Mowers 2018; Weber 2020). Die vorliegende Arbeit erweitert diesen Ansatz, indem sie subjektive Wohnpräferenzen berücksichtigt und deren Einfluss auf den Flächenkonsum empirisch überprüft.

Vor diesem Hintergrund verfolgt die Studie zwei zentrale Forschungsfragen:

–	Welche haushalts-, wohnungs- und gemeindespezifischen Faktoren stehen im Zusammenhang mit dem individuellen Wohnflächenkonsum von Mieterhaushalten in der Deutschschweiz?
–	In welchem Ausmaß beeinflussen subjektive, flächenrelevante Wohnpräferenzen den Wohnflächenkonsum, und besitzen sie eine eigenständige Erklärungskraft neben klassischen sozioökonomischen Einflussgrößen?

Der innovative Beitrag der Studie liegt in der Verbindung klassischer ökonomischer Ansätze mit einer verhaltens- und präferenzbasierten Perspektive. Auf der Basis einer Onlinebefragung in Agglomerationsgemeinden der deutschsprachigen Schweiz wendet die Studie eine multiple lineare Regressionsanalyse zur Quantifizierung der Einflussgrößen an.

Der Beitrag ist wie folgt aufgebaut: Kapitel 2 stellt den theoretischen Rahmen sowie den Forschungsstand dar. Kapitel 3 beschreibt die Datengrundlage und das methodische Vorgehen. Kapitel 4 präsentiert die Ergebnisse der Regressionsanalyse. In Kapitel 5 werden die zentralen Befunde diskutiert, Schlussfolgerungen für eine flächeneffiziente Wohnraumentwicklung abgeleitet und Ansatzpunkte für die weitere Forschung aufgezeigt.

2 Determinanten des Wohnflächenkonsums: Übersicht zu bestehenden Studien

Der Wohnflächenkonsum von Mieterinnen und Mietern in Mehrfamilienhäusern wird durch ein komplexes Zusammenspiel aus individuellen Präferenzen, sozioökonomischen Faktoren und Haushaltszusammensetzung sowie Wohnungsangebot und Remanenzeffekten beeinflusst.

2.1 Haushaltsstruktur und Demographie

Empirische Studien zeigen, dass mit abnehmender Haushaltsgröße der Wohnflächenkonsum pro Person steigt. Kleinere Haushalte beanspruchen im Durchschnitt mehr Quadratmeter pro Person als größere Haushalte (Delbiaggio/Wanzenried/Mowers 2018: 318; Jin/Zhang 2021: 617). Bei Singles ist der Wohnflächenkonsum deutlich höher im Vergleich zu anderen Haushaltsstrukturen, etwa bei Paaren mit Kindern (Haase/Kabisch/Haase 2013: 6; Cludius/Noka/Galster et al. 2022: 22).

Die Entwicklung zeigt, dass die zusammengefasste Geburtenziffer und damit die Anzahl der Kinder pro Haushalt in den letzten Jahrzehnten stetig abnimmt.² Gleichzeitig nimmt die Zahl der Haushalte stärker zu, als die Bevölkerung wächst (Bradbury/Peterson/Liu 2014: 78; Haase/Kabisch/Haase 2013: 3; Moura/Smith/Belzer 2015: 12; Esteve/Pohl/Becca et al. 2024), was mit einer prozentualen Zunahme kleinerer Haushalte einhergeht (Haase/Kabisch/Haase 2013: 6; Bradbury/Peterson/Liu 2014: 76). Diese Entwicklung ist ein wesentlicher Treiber für den Anstieg der Pro-Kopf-Wohnfläche, denn durch die Abnahme von Mehrkinderhaushalten und Zunahme von Haushalten mit wenigen oder keinen Kindern stieg der Wohnflächenkonsum weitaus stärker an, als dieser unter dem Einfluss von Wohlstand angestiegen wäre (Waltersbacher 2018: 308). Ein Grund dafür ist, dass die in einem Haushalt gemeinschaftlich genutzten Räume nicht proportional mit der Anzahl der Zimmer wachsen oder schrumpfen. Das heißt, dass beispielsweise die Küche und das Badezimmer über eine gewisse Grundfläche verfügen müssen. Entsprechend werden diese Flächen mit einer Reduktion der Zimmerzahl nicht proportional kleiner (Weber 2020: 271; Jin/Zhang 2021: 617; Wegener/Fedkenheuer/Drexler et al. 2024: 27). Neben der Tendenz zu weniger Kindern pro Haushalt ist unter anderem auch eine mangelhafte Übereinstimmung zwischen Wohnflächenkonsum und subjektivem Wohnflächenbedarf für den wachsenden Wohnflächenkonsum verantwortlich (Delbiaggio/Wanzenried 2016: 2).

Verschiedene Studien zeigen zudem, dass mit zunehmendem Alter der Wohnflächenkonsum pro Person steigt (Deschermeier/Henger 2015: 25; Waltersbacher 2018: 311; Hein/Kuhnimhof 2026: 580). Laut der Studie von Hein und Kuhnimhof (2026: 580) zu deutschen Haushalten ist der Anstieg im Alter zwischen 19 und 30 Jahren – was mit einer Familiengründung oder -erweiterung zusammenhängen kann (Lehner/Hohgardt/Umbricht 2023: 3) – sowie ab dem 40. Lebensjahr am stärksten, während er zwischen 31 und 40 Jahren, je nach betrachteter Kohorte, nur leicht steigt oder stagniert. Weber (2020: 277) hingegen ermittelte anhand von äquivalenzgewichteten Wohnflächen den größten relativen Zuwachs bei Paaren im Rentenalter, was bedeutet, dass bei einer alternden Bevölkerung, wie wir sie zurzeit in Europa (European Commission 2023: 11) und der Schweiz erleben, der Wohnflächenkonsum pro Person insgesamt zunimmt (Deschermeier/Henger 2015: 25). Laut Waltersbacher (2018: 311) beispielsweise liegt die Wohnfläche in Mietwohnungen bei Haushaltvorständen unter 25 Jahren bei 32,5 m² und bei den über 75-Jährigen bei 56 m² pro Person, was unter anderem auf Remanenzeffekte zurückzuführen ist. Die Zunahme der Wohnfläche zeigt sich auch über die Generationen hinweg. Später Geborene konsumieren im Vergleich zu früher Geborenen im gleichen Alter deutlich mehr Wohnfläche pro Person (Deschermeier/Henger 2015: 25; Hein/Kuhnimhof 2026: 580), was mit steigendem Wohlstand sowie einer Abnahme von Mehrpersonenhaushalten und einer Zunahme von Paar- und Einpersonenhaushalten erklärt werden kann.

2.2 Wohnpräferenzen und Wohnflächenkonsum

Bei Mieterinnen und Mietern wird der Wohnflächenkonsum stark durch Haushaltsstruktur, Kosten und Angebot beeinflusst. Zudem beeinflusst das Einkommen, ob Präferenzen eher realisiert werden können. Entsprechend ist die Passung zwischen den Präferenzen und den Wohnungsmerkmalen bei Höherverdienenden größer (Li/Auchincloss/Rodriguez et al. 2020: 70). Insgesamt kann festgestellt werden, dass mit steigendem Einkommen die Raumansprüche und die Wohnfläche pro Person steigen (Rössel/Hoelscher 2012: 319; Ahmad 2015: 113; Cludius/Noka/Galster et al. 2022: 22). Gleichzeitig haben die Mietkosten einen deutlich hemmenden Effekt auf den Wohnflächenkonsum (Jin/Zhang 2021: 616). Zum Zusammenhang zwischen den Präferenzen von Mieterinnen und Mietern in Bezug auf die Ausstattung mit dem Wohnflächenkonsum gibt es vergleichsweise wenige Studien. Die bisherige Forschung untersucht flächenrelevante Wohnpräferenzen überwiegend anhand einzelner Wohnqualitäten. Ein etablierter zusammengesetzter Index zur systematischen Erfassung flächenrelevanter Wohnpräferenzen liegt nach Kenntnis der Autorinnen und Autoren dieses Beitrags bislang nicht vor. Laut Karlen, Pagani und Binder (2022: 1386) gibt es eine Präferenz für flächenmäßig größere Wohnungen oder Präferenzen, die einen Einfluss auf die Fläche einer Wohnung haben können, wie etwa der Wunsch nach einer großen Küche, einem Esszimmer plus einem Wohnzimmer sowie größere Schlafzimmer und Badezimmer (Jang/Kim/Kim et al. 2023: 3283). Bei Umzügen zeigt sich, dass diese oft mit einer Vergrößerung der Wohnung sowie mehr Wohnfläche pro Person einhergehen (Karlen/Pagani/Binder 2022: 1377; Lehner/Hohgardt/Umbricht 2023: 35). Zwischen der Anzahl der Zimmer und der Wohnzufriedenheit besteht sowohl bei Männern als auch bei Frauen ein positiver Zusammenhang, allerdings lediglich bis zu einem bestimmten Punkt (3,9 Zimmer pro Person für Männer und 3,6 für Frauen) (Foye 2017: 437). Angesichts einer zunehmend mobilen und flexibleren Arbeitsweise dient die Wohnung vermehrt auch als Arbeitsort und dies über die Pensionierung hinaus (Lehner/Hohgardt/Umbricht 2024: 2). Entsprechend braucht es zusätzlichen Platz für das Homeoffice in der Wohnung, was den Flächenkonsum erhöht. Teleworkers, also Personen, die regelmäßig zu Hause arbeiten, verbrauchen im Durchschnitt 6 m² mehr Wohnfläche pro Person (Z’Rotz/Wanzenried/Amstutz 2026: 6).

2.3 Lage und Angebot

In Städten und zentralen Lagen ist der Pro-Kopf-Wohnflächenkonsum meist geringer als im suburbanen oder ländlichen Raum, wo größere Wohnungen und geringere Dichten vorherrschen. Studien aus verschiedenen Ländern zeigen, dass Mieterinnen und Mieter in zentralen Lagen oft kleinere Wohnungen akzeptieren, um nebst den bezahlbareren Mieten von besserer Erreichbarkeit und Infrastruktur zu profitieren (Lau/Wei 2018: 284; Leung/Yiu 2022: 412). In peripheren oder weniger erschlossenen Gebieten ist der Flächenkonsum pro Person dagegen tendenziell höher, da dort größere Wohnungen günstiger verfügbar sind (Yip/La Grange/Forrest 2009: 773).

Der Wohnflächenkonsum ist auch angebotsseitig begründet. Dies zeigt sich unter anderem darin, dass die durchschnittliche Wohnungsfläche in Mehrfamilienhäusern in der Schweiz über die Jahre immer größer wurde. Während sie bei Gebäuden mit Baujahr vor 1946 84 m² betrug, liegt sie bei Gebäuden mit Baujahr nach 2000 bei 105 m² (Bundesamt für Statistik 2022: 10). Die durchschnittliche Wohnungsfläche ist jedoch in den letzten Jahren rückläufig, was darin begründet ist, dass seit 2011 prozentual mehr 1‑, 2‑ und 3‑Zimmer-Wohnungen gebaut wurden und weniger Wohnungen mit vier, fünf und sechs Zimmern im Vergleich zu den Jahren davor (Bundesamt für Statistik 2025b). Auch die Gestaltung der Grundrisse kann einen Einfluss auf die Wohnungsfläche haben. Anhand einer Fallstudie haben Amstutz, Delbiaggio und Wanzenried (2018) untersucht, ob ein Zusammenhang zwischen Grundrisseigenschaften und der Wohnfläche besteht. Im Ergebnis zeigte eine induktive statistische Analyse, dass die Erschließung der Zimmer über einen Korridor sowie ein durchgehender Grundriss in einem Zusammenhang mit einer größeren Hauptnutzfläche der Wohnungen stehen. Die optische Abtrennung des Wohnbereichs von der Küche korreliert hingegen mit einer geringeren Wohnungsfläche (Amstutz/Delbiaggio/Wanzenried 2018: 240). Im Umkehrschluss bedeutet dies, dass eine offene Küche, die in den Wohnbereich integriert ist, tendenziell mehr Fläche verbraucht.

3 Datengrundlage und Methodik

Zur Beantwortung der Forschungsfragen wird ein multiples lineares Regressionsmodell zur Erklärung des individuellen Wohnflächenkonsums eingesetzt. Dieses Kapitel beschreibt zunächst die Datengrundlage, anschließend das Regressionsmodell und die verwendeten Variablen sowie abschließend die deskriptiven Statistiken der Stichprobe.

3.1 Datengrundlage

Die empirischen Analysen basieren auf einem Datensatz aus einem Forschungsprojekt zur Planung flächeneffizienter Mietwohnungen. Im Rahmen des Projekts wurde untersucht, inwiefern Haushalte bereit sind, Wohnfläche zugunsten anderer Wohnqualitäten zu reduzieren. Grundlage bildet eine im November 2022 durchgeführte Onlinebefragung von Mieterhaushalten in Mehrfamilienhäusern der deutschsprachigen Schweiz, die über ein Marktforschungsinstitut rekrutiert wurden.

Befragt wurden Haushalte in 3‑ bis 5,5-Zimmer-Wohnungen in Agglomerationsgemeinden mit städtischem Charakter sowie in periurbanen Gemeinden in der deutschsprachigen Schweiz gemäß Definition des Bundesamtes für Statistik (2017). Die Beschränkung auf Wohnungen mit mindestens drei Zimmern erfolgte, weil die untersuchten Wohnpräferenzen – etwa hinsichtlich Homeoffice, Hobbys oder zusätzlichem Stauraum – ein Mindestmaß an funktionaler Differenzierung der Wohnung voraussetzen und sich in Ein- und Zweizimmerwohnungen nur eingeschränkt abbilden lassen.

Der Fokus auf Agglomerationsgemeinden ergibt sich daraus, dass dort ein großer Teil der Bevölkerung lebt und diese Gemeinden zugleich über das größte bauliche Entwicklungspotenzial verfügen. Zur Ausklammerung altersbezogener Wohnfragen wurden nur Haushalte einbezogen, in denen die älteste Person höchstens 65 Jahre alt ist, da Wohnen im Alter mit spezifischen Fragestellungen – etwa im Zusammenhang mit altersgerechtem Wohnen, Remanenz- und Lock-in-Effekten oder veränderten Wohnbedürfnissen – verbunden ist und nicht Gegenstand des zugrunde liegenden Forschungsprojekts war. Diese altersmäßige Eingrenzung erfolgte, um eine möglichst homogene Untersuchungsgruppe zu analysieren und die Vergleichbarkeit der beobachteten Wohnpräferenzen sicherzustellen.

Die Ergebnisse beziehen sich daher auf dieses Marktsegment und können nicht ohne Weiteres auf ältere Haushalte, Ein- und Zweizimmerwohnungen, Einfamilienhäuser, Wohneigentum oder ländliche Regionen übertragen werden. Der Fragebogen wurde von einer Person ausgefüllt, die den Mietvertrag (mit)unterzeichnet hat, und sollte die Perspektive des gesamten Haushalts widerspiegeln.

Die Stichprobe wurde quotenbasiert nach Wohnungsgröße gezogen, um eine schweizweit vergleichbare Verteilung zu erreichen (40 % 3‑ bis 3,5-Zimmer-Wohnungen, 40 % 4‑ bis 4,5-Zimmer-Wohnungen und 20 % 5‑ bis 5,5-Zimmer-Wohnungen). Die Umfrage blieb bis zum Erreichen der vorgegebenen Quoten geöffnet. Die Beendigungsquote betrug 79,4 %, wodurch insgesamt 969 Haushalte erhoben wurden.

Der Fragebogen umfasste verschiedene Aspekte des Wohnens, darunter die Wohnzufriedenheit, die Raumnutzung, räumliche und funktionale Wohnbedürfnisse sowie Präferenzen hinsichtlich der Wohnung, des Wohnumfelds und der Erreichbarkeit des öffentlichen Verkehrs. Ergänzend wurden Einstellungen zur Wohnungsgröße, gemeinschaftlichen Nutzung und Flächenoptimierung, zu Grundrissexperimenten und zu unterschiedlichen Wohnungslayouts sowie soziodemographische Merkmale der Haushalte erhoben.

Zur Sicherstellung der Datenqualität wurden mehrere Bereinigungsschritte vorgenommen. So wurden Wohngemeinschaften (49 Fälle), Fragebögen ohne Angaben der Wohnungsfläche (sieben Fälle) und durchwegs unplausible Angaben (ein Fall) ausgeschlossen. Des Weiteren wurden zur Sicherstellung der Modellgüte Einpersonenhaushalte mit einer Wohnfläche von 120 m² oder mehr aus der Analyse ausgeschlossen (28 Fälle). Diese Beobachtungen weisen im Vergleich zur restlichen Stichprobe atypisch hohe Flächenwerte pro Person auf und können durch die im Regressionsmodell berücksichtigten Prädiktoren nicht adäquat erklärt werden. Aufgrund ihres erheblichen Einflusses auf die Residuenstruktur verletzen sie zentrale Modellannahmen, insbesondere die Normalverteilung und Homoskedastizität der Residuen. Diese Beobachtungen wurden daher als Ausreißer identifiziert und vom Gültigkeitsbereich des Modells ausgenommen. Der finale Datensatz umfasst schließlich 884 Haushalte.

Zur Analyse des individuellen Wohnflächenkonsums wird ein multiples lineares Regressionsmodell geschätzt. Die abhängige Variable ist der logarithmierte Wohnflächenkonsum pro Person (Ln Wohnfläche pro Person). Als erklärende Variablen werden haushalts-, sozioökonomische, wohnungs-, präferenz- und gemeindespezifische Merkmale berücksichtigt. Die Operationalisierung der Variablen wird im folgenden Kapitel beschrieben.

Das Regressionsmodell wird als lineare Gleichung gemäß Gleichung (1) spezifiziert:

{Ln (Wohnfläche pro Person)}_{i} = β_{0} + β_{1} X_{i}^{Haushalt} + β_{2} X_{i}^{Wohnung} + β_{3} X_{i}^{\Pr ä ferenzen} + β_{4} X_{i}^{Gemeindetypologie} + ε_{i}

(1)

wobei

{Ln (Wohnfläche pro Person}_{i})

den logarithmierten Wohnflächenkonsum in Quadratmetern pro Person im Haushalt i bezeichnet,

X_{i}^{Haushalt}

X_{i}^{Wohnung}

X_{i}^{\Pr ä ferenzen}

und

X_{i}^{Gemeindetypologie}

die Vektoren der jeweiligen haushalts-, wohnungs-, wohnpräferenz- und gemeindespezifischen Kovariablen darstellen, und ε_i den Fehlerterm. Der Fehlerterm wird als Zufallsvariable mit einem Erwartungswert von null (

E [ε_{i} ∣ X_{i}] = 0

) und konstanter Varianz (

Var (ε_{i}) = σ^{2}

) angenommen; zudem gilt die Unabhängigkeit der Fehlerterme über alle Beobachtungen (

Cov (ε_{i}, ε_{j}) = 0

für

i \neq j

Die Schätzung erfolgt mittels Ordinary Least Squares (OLS). Zur Auswahl der optimalen Modellspezifikation wird das korrigierte Akaike-Informationskriterium (AIC) verwendet, das einen Kompromiss zwischen Modellgüte und Komplexität herstellt. Modelle mit tieferem AIC-Wert werden bevorzugt, da sie eine bessere Balance zwischen Erklärungsleistung und Überanpassung bieten (Burnham/Anderson 2002). Auf dieser Grundlage wurde die endgültige Modellspezifikation bestimmt. Da der Breusch-Pagan-Test (p = 0,027) auf leichte Heteroskedastizität hinweist, werden robuste Standardfehler verwendet.

3.2 Variablen

Die im Regressionsmodell verwendeten Variablen sind in den Tabellen 1 und 2 beschrieben. Die abhängige Variable Ln (Wohnfläche pro Person) misst die genutzte Wohnfläche pro Haushaltsmitglied in Quadratmetern und dient als Indikator des Flächenkonsums. Sie wird logarithmiert modelliert, da ohne Ln-Transformation eine U‑förmige Residuenstruktur, zunehmende Streuung mit dem Erwartungswert sowie deutliche Tail-Abweichungen im Q‑Q-Plot auftreten. Diese Muster sprechen für ein multiplikatives Fehlermodell, bei dem die Varianz mit der Wohnfläche zunimmt. Die Modellierung auf der Ln-Skala reduziert diese Effekte, führt zu homogeneren Residuen und verbessert die Erfüllung der Annahmen der linearen Regression sowie die Interpretierbarkeit der Ergebnisse.

Tabelle 1 Definition der Variablen und Häufigkeiten

Variablenname	Ausprägung	Definition	N	Anteile in % bzw. Mittelwert
Haushalt
Paar- oder Einzelperson		Paarhaushalte und Nicht-Paarhaushalte unabhängig vom Vorhandensein von Kindern
	Nicht-Paarhaushalt [1]	– Einpersonenhaushalt (Single) – Einelternhaushalt	255	29
	Paarhaushalt [2]	– Paarhaushalt ohne Kinder – Paarhaushalt mit Kindern	629	71
Anzahl Kinder		Anzahl Kinder im Haushalt je Alterskategorie
	Kinder 18 und älter	Anzahl Kinder 18 Jahre und älter	95	14
	Kinder 14 bis 17	Anzahl Kinder von 14 bis 17 Jahren	80	12
	Kinder 0 bis 13	Anzahl Kinder von 0 bis 13 Jahren	487	74
Äquivalenzeinkommen		Äquivalenzgewichtetes Haushaltseinkommen pro Jahr (Division des verfügbaren Haushaltseinkommens durch die OECD-modifizierte Äquivalenzskala)
	niedrig^a)	Niedrige Kategorie des äquivalenzgewichteten Haushaltseinkommens (nein = 0; ja = 1)	245	28
	mittel	Mittlere Kategorie des äquivalenzgewichteten Haushaltseinkommens (nein = 0; ja = 1)	527	60
	hoch	Hohe Kategorie des äquivalenzgewichteten Haushaltseinkommens (nein = 0; ja = 1)	112	13
Bildung		Bildungsniveau der Person, die den Fragebogen ausgefüllt hat
	niedriges Bildungsniveau ^a)	– Obligatorische Schulbildung – Sekundarstufe I – Keine abgeschlossene Berufsausbildung	384	43
	Bildungsniveau Sekundarstufe II	– Berufliche Grundbildung – Gymnasiale Maturität – Fachmittelschule	303	34
	tertiäres Bildungsniveau	– Universitäre Bildung – Fachhochschulen – Pädagogische Hochschulen – Höhere Berufsbildung	197	22
Wohnung
Anzahl Zimmer		Anzahl Räume der Wohnung (inklusive Wohnraum, ohne Küche und Badzimmer)
	3 bis 3,5 Zimmer ^a)	Wohnungen mit 3 Räumen	358	40
	4 bis 4,5 Zimmer	Wohnungen mit 4 Räumen	363	41
	5 bis 5,5 Zimmer	Wohnungen mit 5 Räumen	163	18
Zufriedenheit mit Wohnfläche		Bewertung der Fläche (Größe in m²) der Wohnung
	zu klein ^a)	Der Haushalt empfindet die Wohnungsfläche als zu klein	220	25
	gerade richtig	Der Haushalt empfindet die Wohnungsfläche als gerade richtig	634	72
	zu groß	Der Haushalt empfindet die Wohnungsfläche als zu groß	30	3
Zimmeranzahl auf gleicher Fläche		Wunsch nach Anzahl der Zimmer der gegebenen Wohnfläche
	… weder noch (gleiche Zimmerzahl auf gleicher Fläche) ^a)	Haushalt ist zufrieden mit der Anzahl der Zimmer auf der gegebenen Wohnfläche.	628	71
	… ein Zimmer mehr auf der gleichen Fläche	Haushalt möchte ein Zimmer mehr auf der gegebenen Wohnfläche	166	19
	… ein Zimmer weniger auf der gleichen Fläche	Haushalt möchte ein Zimmer weniger auf der gegebenen Wohnfläche	90	10
Homeoffice in Wohnung		Wohnung wird als Homeoffice genutzt (nein = 0/ja = 1)
	Nein ^a)	Wohnung wird nicht für Homeoffice genutzt	334	38
	Ja	Wohnung wird für Homeoffice genutzt	550	62
Hobbys in Wohnung		Wohnung wird für die Ausübung des Hobbys genutzt (nein = 0; ja = 1)
	Nein ^a)	Wohnung wird nicht für Hobbys genutzt	365	41
	Ja	Wohnung wird für Hobbys genutzt	519	59
Nutzung externer Räume		Nutzung von Räumen außerhalb der Wohnung (nein = 0; ja = 1)
	Nein ^a)	Haushalt nutzt keine Räume außerhalb der Wohnung für Homeoffice oder Hobbys	758	86
	Ja	Haushalt nutzt Räume außerhalb der Wohnung für Homeoffice oder Hobbys	126	14
Präferenzen
Index 100	0 bis 100	Index zur Abbildung der individuellen Wohnpräferenzen eines Haushalts auf Basis der von den Befragten angegebenen gewünschten Wohnmerkmale; höhere Werte stehen für flächenintensivere Wohnorientierungen (von flächensparend (0) bis flächenintensiv (100))	884	40,30
Gemeindetypologie
Gemeindetypologie (6 von 9 verwendet)		Gemeindetypologie gemäß Bundesamt für Statistik (2017) (nein = 0; ja = 1)
	Städtische Gemeinde einer großen Agglomeration ^a)	Die Wohnung befindet sich in einer städtischen Gemeinde einer großen Agglomeration	251	28
	Städtische Gemeinde einer mittelgroßen Agglomeration	Die Wohnung befindet sich in einer städtischen Gemeinde einer mittelgroßen Agglomeration	247	28
	Städtische Gemeinde einer kleinen oder außerhalb einer Agglomeration	Die Wohnung befindet sich in einer städtischen Gemeinde einer kleinen oder außerhalb einer Agglomeration	94	11
	Periurbane Gemeinde hoher Dichte	Die Wohnung befindet sich in einer periurbanen Gemeinde hoher Dichte	71	8
	Periurbane Gemeinde mittlerer Dichte	Die Wohnung befindet sich in einer periurbanen Gemeinde mittlerer Dichte	166	19
	Periurbane Gemeinde geringer Dichte	Die Wohnung befindet sich in einer periurbanen Gemeinde geringer Dichte	55	6

^a) Referenzkategorien (kursiv dargestellt) entsprechen der Kodierung in der Datenbasis (z. B. niedriges Einkommen, niedriges Bildungsniveau, städtische Gemeinde großer Agglomeration)

Tabelle 2 Wohnfläche pro Person, Haushaltsstruktur (N = 884 bei allen Variablen)

Variablenname	Mittelwert	Median	Standardabweichung	Min	Max
Wohnfläche pro Person	48,90	43	22,17	15	118
Ln (Wohnfläche pro Person)	3,79	3,76	0,45	2,71	4,77
Paarhaushalte und Nicht-Paarhaushalte unabhängig vom Vorhandensein von Kindern	1,71	2	0,45	1	2
Kinder 18 und älter	0,11	0	0,36	0	3
Kinder 14 bis 17	0,09	0	0,33	0	2
Kinder 0 bis 13	0,55	0	0,86	0	4
Index Flächenrelevante Präferenzen (Index 100)	40,30	42,86	20,38	0	100

Als zentrale haushaltsspezifische Einflussgrößen wurden die Haushaltszusammensetzung und die Anzahl der Kinder aufgenommen, die sich aus vier Personenkategorien ergibt: Die Variable ‚Paar- oder Einzelperson‘ unterscheidet zwischen Paarhaushalten und Nicht-Paarhaushalten unabhängig vom Vorhandensein von Kindern. Kinder wurden additiv über separate Variablen nach Alterskategorien berücksichtigt, um differenzierte Effekte der Haushaltszusammensetzung abzubilden. Die Variable ‚Anzahl Kinder‘ differenziert drei Alterskategorien: Kinder ab 18 Jahren, 14 bis 17 Jahre sowie unter 14 Jahren. Diese drei Kategorien wurden in Anlehnung an die modifizierte OECD-Äquivalenzskala (Eurostat 2021) gebildet. Darin werden Haushaltsmitglieder zur Berechnung des Äquivalenzeinkommens nach ihrem Alter gewichtet, wobei zwischen der ältesten Person im Haushalt, Kindern ab 14 Jahren und unter 14 Jahren unterschieden wird. Die Kategorie der Kinder ab 18 Jahren wurde zusätzlich eingeführt, um volljährige Kinder im Haushalt abzubilden. Für die Variable ‚Anzahl Kinder‘ wurde eine Wurzeltransformation verwendet, um nichtlineare Zusammenhänge abzubilden, wie sie in der Literatur üblich sind (vgl. Nelson/Startz 1990; Wooldridge 2010; Steele/Zhang/Grundy et al. 2024).

Zur Abbildung der finanziellen Lage und wirtschaftlichen Kapazität der Haushalte wurde das äquivalenzgewichtete Haushaltseinkommen in drei Kategorien (niedrig, mittel, hoch) herangezogen. Es basiert auf dem Bruttohaushaltseinkommen unter Beachtung der Haushaltszusammensetzung gemäß der OECD-modifizierten Äquivalenzskala (Gewichtung: 1,0 für den ersten Erwachsenen, 0,5 für weitere Haushaltsmitglieder ab 14 Jahren und 0,3 für Kinder unter 14 Jahren), wodurch die Einkommenssituation eines Haushalts unter Berücksichtigung der Haushaltsgröße angemessen abgebildet wird (Voorpostel/Tillmann/Lebert et al. 2022: 58).

Die Variable ‚Bildung‘ erfasst das Bildungsniveau der Person, die die Onlinebefragung ausgefüllt hat und unterscheidet anhand der höchsten abgeschlossenen Ausbildung drei Kategorien: niedriges Bildungsniveau, Bildungsniveau Sekundarstufe II sowie tertiäres Bildungsniveau.

Auf der Ebene der Wohnungsmerkmale und Wohnpräferenzen wurden mehrere Indikatoren ausgewählt. Die Variable ‚Anzahl Zimmer‘ beschreibt die Zimmeranzahl der Mietwohnung. Die Variable ‚Zufriedenheit mit Wohnfläche‘ differenziert zwischen ‚zu klein‘, ‚gerade richtig‘ und ‚zu groß‘. Die Variable ‚Zimmeranzahl auf gleicher Fläche‘ zeigt, ob es einen Wunsch nach mehr oder weniger Zimmern auf der gleichen Wohnfläche gibt.

Darüber hinaus wird die Nutzung der Wohnung für Homeoffice und Hobbys sowie die Nutzung von Räumen außerhalb der Wohnung berücksichtigt. Während Homeoffice häufig mit zusätzlichen räumlichen Anforderungen verbunden ist, können die Raumansprüche von Hobbys je nach Art der Aktivität stark variieren. Für alle drei Nutzungsformen wird daher ein möglicher Zusammenhang mit dem Wohnflächenkonsum untersucht.

Verschiedene Präferenzen können einen Einfluss darauf haben, ob sich Mieterinnen und Mieter eher für eine flächenmäßig größere oder kompaktere Wohnung entscheiden, unabhängig von allfälligen Restriktionen aufgrund von Mietkosten und Wohnungsangeboten. Der Präferenzindex erfasst individuelle Präferenzen für Wohnqualitäten, deren Realisierung typischerweise zusätzliche Wohnfläche benötigt. Er bildet nicht die allgemeine Wohnqualität oder Wohnzufriedenheit ab, sondern ausschließlich die flächenrelevanten Ausprägungen individueller Wohnpräferenzen. Zur Operationalisierung dieses Konstrukts wurde aus den Umfrageergebnissen der Präferenzindex ‚Index100‘ als zentrale erklärende Variable entwickelt. Er misst die flächenrelevante Wohnorientierung eines Haushalts auf einer Skala von 0 (betont flächensparende Präferenzen) bis 100 (flächenintensive Präferenzen).

Die Befragten gaben somit an, welche Wohnmerkmale ihnen grundsätzlich wichtig sind, unabhängig davon, ob ihre aktuelle Wohnung diese Merkmale bereits aufweist. Da bislang kein etablierter und validierter Index zur Erfassung flächenrelevanter Wohnpräferenzen von Mieterhaushalten vorliegt, wurde für diese Studie ein neuer zusammengesetzter Index entwickelt. Einzelne Komponenten sind in der Literatur als flächenrelevante Wohnqualitäten dokumentiert, beispielsweise Homeoffice (Z’Rotz/Wanzenried/Amstutz 2026), großzügige Küchen- und Wohnbereiche (Karlen/Pagani/Binder 2022; Jang/Kim/Kim et al. 2023) sowie zusätzliche Räume innerhalb der Wohnung (z. B. Foye 2017). Die ausgewählten Komponenten repräsentieren unterschiedliche funktionale und nutzungsbezogene Anforderungen an die Wohnung oder die Ausstattung (unter anderem Größe des Wohnzimmers, Nutzung der Wohnung für die Arbeit oder für Hobbys, Stauraum). Ihre Zusammenführung zu einem Index erfolgt aufgrund ihres gemeinsamen theoretischen Bezugs zum Konstrukt der flächenrelevanten Wohnpräferenzen.

Der Index wurde aus den folgenden sieben Komponenten gebildet:

–	Präferenz für eine gemeinschaftliche Waschküche oder eine Waschmaschine in der Wohnung
–	Präferenz für die Größe der Küche (gemessen an der Anzahl der Küchenelemente relativ zur Haushaltsgröße; die Basis bildete eine Standardgröße entsprechend der Wohnungsgröße)
–	Präferenz für die Größe des Ess- bzw. Haupttisches (gemessen an der Anzahl der Sitzplätze relativ zur Haushaltsgröße)
–	Präferenz für die Größe des Wohnzimmers (gemessen an der Anzahl der Sitzplätze relativ zur Haushaltsgröße)
–	Präferenz für ein separates Zimmer für Homeoffice
–	Präferenz für ein separates Zimmer für Hobbys
–	Präferenz für die Anzahl der Stauelemente (gemessen an der Anzahl der Schrankelemente pro Person relativ zur Haushaltgröße)

Jede Komponente wurde zunächst so codiert, dass höhere Werte flächenintensivere Präferenzen anzeigen. Anschließend wurden die Variablen auf eine vergleichbare Skala normalisiert und zu einem additiven Index aggregiert. Der resultierende Summenwert wurde anschließend mittels einer linearen Transformation auf eine 0 bis 100-Skala reskaliert, wobei höhere Werte flächenintensivere Präferenzen anzeigen. Die sieben Komponenten gingen mit gleicher Gewichtung in den Index ein, da für die einzelnen Präferenzdimensionen keine belastbare theoretische oder empirische Grundlage für eine unterschiedliche Gewichtung vorlag. Die additive Aggregation mit gleichen Gewichten ermöglicht eine transparente und nachvollziehbare Operationalisierung des Konstrukts der flächenrelevanten Wohnpräferenzen. Höhere Indexwerte stehen somit für einen stärkeren Wunsch der Mietenden nach flächenmäßig größeren Wohnungen.

Schließlich wurden räumliche Kontextfaktoren über die Variable ‚BFS Gemeindetypologie‘ abgebildet, welche gemäß Definition des Bundesamtes für Statistik (2017) zwischen städtischen Gemeinden in Agglomerationen und periurbanen Gemeinden hoher bis geringer Dichte unterscheidet, um strukturelle Unterschiede im Wohnumfeld abzubilden.

3.3 Beschreibung der Stichprobe

Ausgewählte deskriptive Statistiken der im Regressionsmodell verwendeten Variablen sind in den Tabellen 1 und 2 dargestellt. Sie geben einen Überblick über die Verteilung zentraler Stichprobenmerkmale und ermöglichen erste Einblicke in die Wohnsituation der befragten Haushalte. Tabelle 1 enthält allgemeine sozioökonomische, wohnungs-, präferenz- und standortbezogene Charakteristika, während Tabelle 2 Variablen ausweist, die direkt mit dem Wohnflächenkonsum und der Haushaltsstruktur zusammenhängen. Die getrennte Darstellung erlaubt eine gezielte Analyse struktureller Haushaltsmerkmale sowie der Verteilung der Wohnfläche in der Stichprobe und bildet gleichzeitig die Grundlage für die nachfolgende multivariate Analyse.

Wohnfläche und Haushaltsstruktur

Wie in Tabelle 2 ausgewiesen, beträgt die Wohnfläche pro Person im Mittel rund 48,9 m², der Median liegt bei 43 m². Die Werte variieren zwischen 15 m² und 118 m² pro Person, was auf eine erhebliche Heterogenität beim Wohnflächenkonsum hinweist. Der relativ hohe Mittelwert im Vergleich zum Median deutet darauf hin, dass einige Haushalte überdurchschnittlich viel Wohnfläche beanspruchen und die Verteilung nach oben verzerrt ist.

Der Anteil der Einpersonenhaushalte (Singles) beträgt 20,6 %, Paarhaushalte ohne Kinder machen 34,2 % aus, während 45,2 % der Haushalte Kinder haben. Insgesamt leben im Durchschnitt 0,55 Kinder unter 14 Jahren, 0,09 Jugendliche zwischen 14 und 17 Jahren sowie 0,11 volljährige Kinder pro Haushalt. Die durchschnittliche Haushaltsgröße beträgt rund 2,5 Personen (Schweiz ø 2,18 Personen pro Haushalt; Bundesamt für Statistik 2025c).

Flächenrelevante Wohnpräferenzen

Der in Tabelle 2 ausgewiesene Index flächenrelevanter Präferenzen (Index100) weist einen Mittelwert von rund 40 Punkten auf und variiert zwischen 0 und 100 Punkten. Dies deutet auf eine breite Streuung der Wohnorientierungen hin, von stark flächensparenden bis zu flächenintensiven Präferenzen. Die breite Streuung bestätigt, dass sich die Stichprobe hinsichtlich der Wohnpräferenzen deutlich unterscheidet und damit gute Voraussetzungen für die Analyse ihres Einflusses auf den Wohnflächenkonsum bietet. Der Median liegt bei rund 43 Punkten und damit leicht über dem Mittelwert von rund 40 Punkten, was auf eine leicht asymmetrische Verteilung des Index hinweist.

72 % der Befragten empfinden ihre Wohnfläche als ‚gerade richtig‘, 25 % als ‚zu klein‘ und 3 % als ‚zu groß‘. Somit leidet rund ein Viertel der Haushalte unter wahrgenommenem Platzmangel. Hinsichtlich der Zimmeranzahl auf gleicher Fläche sind 71 % zufrieden, während 19 % ein Zimmer mehr und 10 % ein Zimmer weniger auf der gleichen Wohnungsfläche wünschen (vgl. Tabelle 1).

Einkommen, Bildung und Wohnungstyp

Das äquivalenzgewichtete Einkommen liegt bei 60 % der Haushalte im mittleren Bereich, während 28 % der niedrigen und 13 % der hohen Einkommenskategorie angehören. Die Stichprobe umfasst alle Einkommensgruppen und weist damit eine ausreichende Heterogenität für die Analyse einkommensbezogener Unterschiede auf (vgl. Tabelle 1).

43 % verfügen über ein niedriges, 34 % über ein Bildungsniveau auf der Ebene der Sekundarstufe II und 22 % über ein tertiäres Bildungsniveau, was in etwa der Verteilung in Agglomerationsgemeinden der Schweiz entspricht. Die meisten Haushalte wohnen in 4‑4,5‑Zimmer-Wohnungen (41 %), gefolgt von 3‑3,5‑Zimmerwohnungen (40 %) und 5‑5,5‑Zimmerwohnungen (18 %) (vgl. Tabelle 1). Diese Verteilung ist mit der Struktur des schweizerischen Wohnungsbestands konsistent (Bundesamt für Statistik 2025d).

Arbeits- und Freizeitnutzung

Gemäß Tabelle 1 nutzen 62 % der Befragten ihre Wohnung zumindest teilweise für Homeoffice, was den Effekt veränderter Arbeitsformen reflektiert. 59 % der Befragten üben Hobbys in der Wohnung aus. Externe Räume werden hingegen nur von 14 % der Haushalte genutzt.

Die bislang beschriebenen Merkmale zeigen eine erhebliche Variabilität innerhalb der Stichprobe. Diese Heterogenität bildet eine wichtige Voraussetzung für die nachfolgenden Regressionsanalysen, da nur ausreichend variierende Einflussgrößen statistisch belastbare Zusammenhänge erkennen lassen.

Räumlicher Kontext

Gemäß Tabelle 1 leben jeweils rund 28 % der Befragten in städtischen Gemeinden großer oder mittelgroßer Agglomerationen. Weitere 19 % wohnen in periurbanen Gemeinden mittlerer Dichte, 8 % in solchen hoher und 6 % in Gemeinden geringer Dichte; 11 % leben in kleineren oder außerhalb von Agglomerationen gelegenen Gemeinden. Die Stichprobe bildet damit die räumliche Vielfalt der Agglomerationsstrukturen in der deutschsprachigen Schweiz gut ab.

Insgesamt ist die Stichprobe durch einen hohen Anteil von Zwei-Personen-Haushalten geprägt, die überwiegend in 3‑ bis 4,5-Zimmerwohnungen leben. Die hohe durchschnittliche Wohnfläche pro Person und die verbreitete Homeoffice-Nutzung deuten auf einen weiterhin hohen Flächenkonsum hin, während die Streuung bei Einkommen, Präferenzen und Gemeindetypen eine hohe Heterogenität erkennen lässt – eine gute Voraussetzung für die Identifikation statistischer Zusammenhänge in den Regressionsanalysen. Die deskriptiven Ergebnisse beziehen sich ausschließlich auf die untersuchte Stichprobe von Mieterhaushalten unter 65 Jahren in 3‑ bis 5,5-Zimmerwohnungen in Agglomerationsgemeinden und bilden daher nicht den gesamten Schweizer Mietwohnungsbestand ab.

4 Determinanten des Wohnflächenkonsums: Ergebnisse der Regressionsanalyse

Tabelle 3 zeigt die Ergebnisse der linearen Regressionsanalyse zur Erklärung des Wohnflächenkonsums pro Person. Wie in Kapitel 3.3 beschrieben, wurde die abhängige Variable logarithmiert. Es werden ein erweitertes Modell (1) und ein reduziertes Modell (2) gegenübergestellt, um die Robustheit der geschätzten Effekte zu prüfen. Beide Modelle erreichen ein adjustiertes Bestimmtheitsmaß von R² = 0,829, was auf eine sehr hohe Erklärungskraft hinweist. Das identische R² in beiden Modellen zeigt, dass die zusätzlichen Variablen im erweiterten Modell (1) nicht zu einer höheren Erklärungskraft beitragen. Gleichzeitig bleiben die geschätzten Effekte weitgehend stabil, was auf eine robuste Modellstruktur hinweist. Aufgrund leichter Heteroskedastizität (Breusch-Pagan-Test: p = 0,027) werden robuste Standardfehler verwendet. Die nachfolgenden Interpretationen beziehen sich aufgrund der höheren Parsimonie auf Modell (2), das ausschließlich statistisch signifikante Einflussgrößen enthält. Ausnahme bildet die ‚BFS Gemeindetypologie‘, die als Gruppenvariable gemäß Anova Test einen signifikanten Einfluss hat, während die beiden Variablen ‚Städtische Gemeinde einer mittelgroßen Agglomeration‘ und ‚Periurbane Gemeinde hoher Dichte‘ einzeln betrachtet nicht signifikant sind.

Tabelle 3 Ergebnisse der Regressionsanalyse^a)

Abhängige Variable: Ln (Wohnfläche pro Person)	Modell 1	Modell 2
Haushaltsstruktur
Nicht-Paarhaushalt [1] – Einpersonenhaushalt (Single); Einelternhaushalt Paarhaushalt [2] – Paarhaushalt ohne Kinder; Paarhaushalt mit Kindern	−0,456^*** (0,017)	−0,454^*** (0,017)
√(Kinder 18 und älter)	−0,442^*** (0,026)	−0,436^*** (0,026)
√(Kinder 14 bis 17)	−0,353^*** (0,027)	−0,351^*** (0,026)
√(Kinder 0 bis 13)	−0,437^*** (0,012)	−0,436^*** (0,012)
Einkommen - Referenzkategorie: Äquivalenzeinkommen: niedrig
Äquivalenzeinkommen: mittel	0,053^*** (0,016)	0,051^*** (0,016)
Äquivalenzeinkommen: hoch	0,115^*** (0,023)	0,113^*** (0,023)
Bildung - Referenzkategorie: niedriges Bildungsniveau
Bildungsniveau Sekundarstufe II	−0,001 (0,015)
Tertiäres Bildungsniveau	−0,009 (0,017)
Wohnungsmerkmale - Referenzkategorie: Anzahl Zimmer: 3 bis 3,5 Zimmer
Anzahl Zimmer: 4 bis 4,5 Zimmer	0,171^*** (0,016)	0,168^*** (0,015)
Anzahl Zimmer: 5 bis 5,5 Zimmer	0,323^*** (0,022)	0,315^*** (0,021)
Flächenrelevante Wohnpräferenzen (Index100)
Index Flächenrelevante Präferenzen	0,002^*** (0,0004)	0,002^*** (0,0004)
Zufriedenheit mit Zimmerzahl - Referenzkategorie: Zimmeranzahl auf gleicher Fläche: …weder noch
Zimmeranzahl auf gleicher Fläche: … ein Zimmer mehr auf der gleichen Fläche	0,017 (0,018)
Zimmeranzahl auf gleicher Fläche: … ein Zimmer weniger auf der gleichen Fläche	−0,035 (0,022)
Zufriedenheit mit Wohnfläche - Referenzkategorie: Zufriedenheit mit Wohnfläche: zu klein
Zufriedenheit mit Wohnfläche: gerade richtig	0,159^*** (0,016)	0,157^*** (0,015)
Zufriedenheit mit Wohnfläche: zu groß	0,217^*** (0,043)	0,208^*** (0,042)
Homeoffice und Hobbys - Referenzkategorie: Homeoffice, Hobbys, Nutzung externer Räume: nein
Homeoffice in Wohnung: ja	0,037^** (0,015)	0,035^** (0,015)
Hobbys in Wohnung: ja	−0,019 (0,014)
Nutzung externer Räume: ja	−0,007 (0,016)
BFS Gemeindetypologie - Referenzkategorie: städtische Gemeinde großer Agglomeration
Städtische Gemeinde einer mittelgroßen Agglomeration	0,009 (0,017)	0,009 (0,017)
Städtische Gemeinde einer kleinen oder außerhalb einer Agglomeration	0,079^*** (0,022)	0,085^*** (0,022)
Periurbane Gemeinde hoher Dichte	0,032 (0,027)	0,032 (0,026)
Periurbane Gemeinde mittlerer Dichte	0,041^** (0,019)	0,045^** (0,018)
Periurbane Gemeinde geringer Dichte	0,108^*** (0,030)	0,113^*** (0,030)
Constant	4,410^*** (0,038)	4,399^*** (0,037)
N	884	884
Adjusted R²	0,829	0,829

^a) Die Tabelle zeigt die Ergebnisse der linearen OLS-Regression von haushalts-, wohnungs-, wohnpräferenz- und standortspezifischen Faktoren auf die Wohnfläche pro Person (logarithmiert). Robuste Standardfehler (HC3) in Klammern. Die Interpretation der Koeffizienten erfolgt relativ zu den jeweiligen Referenzkategorien gemäß Datenbeschreibung in Tabelle 1. Die Referenzkategorien entsprechen der Kodierung in der Datenbasis (z. B. niedriges Einkommen, städtische Gemeinde großer Agglomeration)

^{***, **, *} kennzeichnen Signifikanzniveaus von 1 %, 5 % bzw. 10 %. Quelle: Eigene Berechnungen auf Basis der Onlinebefragung (2022)

Haushaltsstruktur

Die Haushaltszusammensetzung beeinflusst den Wohnflächenkonsum pro Person deutlich. Mit zunehmender Haushaltsgröße sinkt der Pro-Kopf-Wohnflächenkonsum. Alle Variablen zur Haushaltszusammensetzung weisen signifikant negative Koeffizienten auf. Nicht-Paarhaushalte weisen im Vergleich zu Paarhaushalten eine signifikant höhere Fläche pro Person auf (β = -0,454, p < 0,001). Zudem wirken alle Kindergruppen negativ auf den Flächenkonsum pro Person: unter 14 Jahre (‑0,436), 14-17 Jahre (‑0,351) und volljährige Kinder (‑0,436). Die Ergebnisse entsprechen Befunden früherer Studien, die ähnliche Skaleneffekte dokumentieren (Börsch-Supan 1986; Weber 2020).

Einkommen

Das äquivalenzgewichtete Haushaltseinkommen wirkt positiv auf den Wohnflächenkonsum pro Person: Haushalte mit mittleren (0,051) und hohen Einkommen (0,113) nutzen signifikant mehr Fläche pro Person als Haushalte mit niedrigem Einkommen. Entsprechende Einkommenseffekte werden auch in anderen Studien nachgewiesen (Díaz/Luengo-Prado 2010; Tumen 2016; Causa/Woloszko/Leite 2019).

Wohnungsmerkmale

Die Zimmeranzahl wirkt erwartungsgemäß positiv auf den Wohnflächenkonsum: Haushalte in 4‑4,5‑Zimmer-Wohnungen (0,168) und insbesondere in 5‑5,5‑Zimmer-Wohnungen (0,315) beanspruchen mehr Fläche pro Person. Da die Zimmerzahl eng mit der Wohnungsfläche zusammenhängt, ist der positive Zusammenhang erwartungsgemäß und primär als struktureller Effekt zu interpretieren, sodass höhere Zimmerzahlen in der Regel einen größeren Wohnflächenkonsum widerspiegeln (Wüest Partner 2024).

Flächenrelevante Wohnpräferenzen und Zufriedenheit mit der Wohnfläche

Der Index flächenrelevanter Präferenzen (Index100) weist einen signifikant positiven Effekt auf (β = 0,002, p < 0,001): Haushalte mit stärker ausgeprägten Präferenzen für großzügige Raumqualitäten beanspruchen tendenziell mehr Fläche. Auch die Zufriedenheit mit der Wohnfläche differenziert deutlich: Haushalte, die ihre Fläche als ‚gerade richtig‘ (0,157) oder ‚zu groß‘ (0,208) bewerten, weisen im Durchschnitt einen höheren Wohnflächenkonsum pro Person auf als Haushalte mit wahrgenommener Flächenknappheit. Diese Befunde entsprechen Ergebnissen von Delbiaggio und Wanzenried (2016: 24), die in der Schweiz einen subjektiven Überkonsum von Wohnfläche bei bestimmten Haushalten nachweisen. Sie verdeutlichen, dass subjektive Wohnpräferenzen zwar einen eigenständigen Beitrag zur Erklärung des Wohnflächenkonsums leisten, deren Umsetzung jedoch durch Restriktionen des Wohnungsmarktes begrenzt sein kann. In angespannten Wohnungsmärkten ist ausreichender Wohnraum häufig nur für Haushalte mit entsprechender Zahlungsfähigkeit zugänglich (Hilber/Vermeulen 2016: 359; OECD 2021: 15; Ryan-Collins/Lloyd/MacFarlane 2023).

Homeoffice und Hobbys

Homeoffice hat ebenfalls einen signifikanten positiven Effekt (0,035, p < 0,05). Das unterstützt die Annahme, dass das Arbeiten zu Hause zu mehr Wohnflächenkonsum führt, etwa durch ein zusätzlich benötigtes Arbeitszimmer. Internationale Analysen zeigen ähnliche Trends (Behrens/Kichko/Thisse 2024: 9; Z’Rotz/Wanzenried/Amstutz 2026: 7). Im Gegensatz zur Homeoffice-Nutzung zeigt die Variable ‚Hobbys in der Wohnung‘ keinen statistisch signifikanten Zusammenhang mit dem Wohnflächenkonsum. Ein möglicher Grund liegt in der hohen Heterogenität der erfassten Freizeitaktivitäten, deren Raumansprüche von nahezu flächenneutralen Tätigkeiten bis hin zu raumintensiven Nutzungen reichen können. Die verwendete Ja‑/Nein-Variable bildet diese Unterschiede nicht ab, wodurch sich gegenläufige Effekte teilweise aufheben dürften.

Gemeindetypologie

Die räumliche Lage beeinflusst den Wohnflächenkonsum signifikant: Haushalte in kleineren oder außerhalb von Agglomerationen gelegenen Gemeinden weisen gegenüber der Referenzkategorie ‚städtische Gemeinde großer Agglomeration‘ höhere Flächenverbräuche auf (0,085; p < 0,001). Besonders ausgeprägt ist der Effekt in periurbanen Gemeinden mittlerer (0,045) und geringer Dichte (0,113). Dies dürfte neben den geringeren Siedlungsdichten und der höheren Flächenverfügbarkeit auch mit tieferen Boden- und Wohnungspreisen zusammenhängen, welche größere Wohnflächen wirtschaftlich begünstigen (Hilber/Vermeulen 2016: 376; OECD 2021: 127) Das Modell zeigt insgesamt eine hohe Güte: Mit dem adjustierten R² = 0,829 wird ein großer Teil der Varianz im Wohnflächenkonsum erklärt. Die meisten Effekte sind statistisch signifikant und entsprechen theoretischen Erwartungen. Insgesamt zeigen die Ergebnisse, dass ökonomische, strukturelle und räumliche Faktoren gemeinsam mit individuellen Wohnpräferenzen den Wohnflächenkonsum erklären.

Aufgrund der geschätzten Regressionskoeffizienten lassen sich beispielhafte Wohnflächenverbräuche für unterschiedliche Haushaltssituationen berechnen. Zur Verdeutlichung der Regressionsanalyse (Modell 2) zeigt Tabelle 4 die Zusammenhänge zwischen Pro-Kopf-Wohnflächenkonsum, unterschiedlichen Haushaltsformen und Wohnungsgrößen sowie flächenrelevanten Wohnpräferenzen. So haben Paarhaushalte ohne Kinder in 4‑Zimmer-Wohnungen (56 m²/Person) einen um 9 m² höheren Wohnflächenkonsum pro Person, als in einer 3‑Zimmer-Wohnung (47 m²/Person); bei Einelternhaushalten mit einem Kind im Alter von 14 bis 17 Jahren beträgt die Differenz 10 m². Deutlich weniger Wohnfläche pro Person beansprucht eine 4‑köpfige Familie (Paarhaushalt mit einem Kind 18+ und einem Kind 14-17 Jahre), die in einer 5‑Zimmer-Wohnung lebt (29 m²/Person). Dabei beträgt die Differenz der Wohnfläche pro Person zu einer 4‑Zimmer-Wohnung lediglich 4 m². Der Unterschied zwischen durchschnittlichen (Index 100 = 40) und hohen (Index100 = 80) flächenrelevanten Wohnpräferenzen beträgt zwischen 3 m² und 9 m² pro Person je nach Haushaltform.

Tabelle 4 Beispielhafte Berechnungen des Pro-Kopf-Wohnflächenkonsums auf Basis des Regressionsmodells^a)

Haushaltform	Anzahl Personen	Anzahl Zimmer (inklusive Wohnraum)^b)	Flächenrelevante Wohnpräferenz Index100 = 40 (Durchschnitt)		Flächenrelevante Wohnpräferenz Index100 = 80
			Fläche/Person in m²	Fläche Wohnung in m²	Fläche/Person in m²	Fläche Wohnung in m²
Einpersonenhaushalt (Single)	1	3	74	74	83	83
Einelternhaushalt mit einem Kind 14-17 Jahre	2	3	52	105	59	117
Einelternhaushalt mit einem Kind 14-17 Jahre	2	4	62	124	69	139
Paarhaushalt ohne Kinder	2	3	47	94	53	106
Paarhaushalt ohne Kinder	2	4	56	112	62	125
Paarhaushalt mit einem Kind 0‑13	3	3	31	92	34	103
Paarhaushalt mit einem Kind 0‑13	3	4	36	108	40	121
Paarhaushalt mit einem Kind 0‑13	3	5	42	126	47	140
Paarhaushalt mit einem Kind 18+ und einem Kind 14-17	4	4	25	102	28	114
Paarhaushalt mit einem Kind 18+ und einem Kind 14-17	4	5	29	118	33	132

^a) Für die Tabelle sind die folgenden Variablen identisch: Äquivalenzeinkommen = mittel; Zufriedenheit mit der Fläche der Wohnung = genau richtig; Homeoffice = ja; städtische Gemeinde einer mittelgroßen Agglomeration

^b) Die Ergebnisse der Onlinebefragung beinhalteten 3‑, 4‑ und 5‑Zimmer-Wohnungen

Tabelle 5 zeigt, wie sich der Wohnflächenkonsum, ausgehend von den jeweiligen Referenzkategorien, verändert. Im Vergleich zur Referenzkategorie (niedriges Einkommen) beträgt die zusätzliche Fläche bei mittlerem Einkommen 4 m²/Person und bei hohem Einkommen 9 m²/Person. Personen, die ihre Wohnung als ‚gerade richtig‘ empfinden, haben durchschnittlich 13 m² mehr Wohnfläche pro Person als jene, die sie als ‚zu klein‘ bewerten. Bei der Bewertung als ‚zu groß‘ liegt die Differenz sogar bei 17 m². Die Nutzung von Homeoffice geht mit einem zusätzlichen Flächenbedarf von 3 m²/Person einher, wobei dieser Effekt unabhängig von den Wohnpräferenzen konstant bleibt. Bei der Gemeindetypologie zeigt sich, dass die Wohnfläche in städtischen Gemeinden einer kleinen Agglomeration um 7 m²/Person und in periurbanen Gemeinden geringer Dichte um 9 m²/Person größer ist als in einer städtischen Gemeinde großer Agglomeration. Die Differenz zur Referenzgröße beträgt zwischen durchschnittlichen (Index100 = 40) und ausgeprägt flächenintensiven Präferenzen (Index100 = 80) bis zu 2 m²/Person.

Tabelle 5 Unterschiede im Wohnflächenkonsum pro Person gegenüber der jeweiligen Referenzkategorie

Dummy Variablen	Differenz zur Referenzgröße (m²/Person)
	Flächenrelevante Wohnpräferenz Index100 = 40 (Durchschnitt)	Flächenrelevante Wohnpräferenz Index100 = 80
Einkommen - Referenzkategorie: Äquivalenzeinkommen: niedrig
Äquivalenzeinkommen: mittel	+ 4 m²	+ 5 m²
Äquivalenzeinkommen: hoch	+ 9 m²	+ 11 m²
Zufriedenheit mit Wohnfläche - Referenzkategorie: Zufriedenheit mit Wohnfläche: zu klein
Zufriedenheit mit Wohnfläche: gerade richtig	+ 13 m²	+ 14 m²
Zufriedenheit mit Wohnfläche: zu groß	+ 17 m²	+ 19 m²
Homeoffice - Referenzkategorie: Homeoffice: nein
Homeoffice: ja	+ 3 m²	+ 3 m²
Gemeindetypologie - Referenzkategorie: städtische Gemeinde großer Agglomeration
Städtische Gemeinde einer mittelgroßen Agglomeration	+ 1 m²	+ 1 m²
Städtische Gemeinde einer kleinen oder außerhalb einer Agglomeration	+ 7 m²	+ 8 m²
Periurbane Gemeinde hoher Dichte	+ 3 m²	+ 3 m²
Periurbane Gemeinde mittlerer Dichte	+ 4 m²	+ 5 m²
Periurbane Gemeinde geringer Dichte	+ 9 m²	+ 11 m²

5 Diskussion und Schlussfolgerungen

Das Modell erklärt mit einem adjustierten R² von 0,829 einen außerordentlich großen Anteil der Varianz im Pro-Kopf-Wohnflächenkonsum in der Schweiz. Die zentralen Befunde ordnen sich konsistent in den internationalen und schweizerischen Forschungsstand ein und erweitern diesen um die Berücksichtigung subjektiver Wohnpräferenzen als eigenständige Determinante des Wohnflächenkonsums.

Haushaltsstruktur und Skaleneffekte

Die Ergebnisse bestätigen den gut dokumentierten inversen Zusammenhang zwischen Haushaltsgröße und Pro-Kopf-Flächenkonsum (Börsch-Supan 1986; Weber 2020: 282; Jin/Zhang 2021: 617). Der besonders starke Effekt für Nicht-Paarhaushalte unterstreicht, dass Single- und Einelternhaushalte strukturbedingt mehr Fläche pro Person beanspruchen. Dies gewinnt vor dem Hintergrund der demographischen Entwicklung an Brisanz: Die Zahl der Haushalte nimmt in der Schweiz stärker zu als die Bevölkerung, primär durch das Wachstum kleinerer Haushalte (Haase/Kabisch/Haase 2013: 3; Bradbury/Peterson/Liu 2014: 78). Waltersbacher (2018: 308) zeigt, dass dieser Trend stärker auf den Wohnflächenkonsum wirkt als Einkommenszuwächse – eine Entwicklung, die durch verdichtungsorientierte Bauplanung allein kaum aufzuhalten ist.

Einkommen und Zugangsgerechtigkeit

Der positive Einkommenseffekt deckt sich mit breiter empirischer Evidenz (Ahmad 2015: 113; Cludius/Noka/Galster et al. 2022: 22). Li, Auchincloss, Rodriguez et al. (2020: 70) argumentieren, dass höherverdienende Haushalte Präferenzen besser realisieren können. In angespannten Wohnungsmärkten ist ausreichender Wohnraum deshalb häufig nur für Haushalte mit entsprechendem Einkommen zugänglich (Hilber/Vermeulen 2016: 359; OECD 2021: 15). Der Einkommenseffekt spiegelt somit nicht nur unterschiedliche Präferenzen wider, sondern auch unterschiedliche Möglichkeiten, diese Präferenzen auf dem Wohnungsmarkt zu realisieren.

Subjektive Wohnpräferenzen als eigenständige Determinante

Der zentrale Beitrag dieser Studie liegt im Nachweis, dass der Index flächenrelevanter Präferenzen (Index100) neben klassischen sozioökonomischen Faktoren eine eigenständige Erklärungskraft besitzt. Die Ergebnisse zeigen, dass subjektive Wohnpräferenzen – auch unter Kontrolle von Haushaltsstruktur, Einkommen und weiteren Einflussgrößen – einen eigenständigen statistischen Erklärungsbeitrag zum individuellen Wohnflächenkonsum leisten. Über die volle Skalenbreite summiert sich der Effekt zu einer Differenz von bis zu 9 m² pro Person zwischen durchschnittlichen und hohen Präferenzprofilen. Die Mehrheit der Befragten weist jedoch eher moderate bis flächensparende Präferenzen auf. Dies legt nahe, dass Maßnahmen zur Förderung eines flächeneffizienten Wohnens insbesondere bei Haushalten mit ausgeprägt flächenintensiven Präferenzprofilen ansetzen könnten, beispielsweise durch zielgruppenspezifische Anreizsysteme oder Wohnungsangebote, die auf kompakter Fläche entsprechende Bedürfnisse abdecken können. Andere Studien zeigen zwar, dass mehr Zimmer und eine flächenmäßig größere Wohnung tendenziell mit einer höheren Wohnzufriedenheit verbunden sind (Loli/Kvalsvik/Lausselet 2026: 4). Die vorliegenden Ergebnisse illustrieren jedoch, dass nicht allein die Wohnfläche entscheidend ist, sondern insbesondere deren Passung zu den individuellen Wohnpräferenzen.

Passung und Überkonsum

Haushalte, die ihre Wohnfläche als ‚gerade richtig‘ oder ‚zu groß‘ bewerten, beanspruchen signifikant mehr Fläche als jene mit wahrgenommenem Platzmangel. Analoge empirische Evidenz erbringen Delbiaggio und Wanzenried (2016: 24) in ihrer Studie im Zusammenhang mit subjektivem Überkonsum von Wohnungsfläche. In Schweizer Mietmärkten, welche teilweise durch starke Lock-in-Effekte gekennzeichnet sind, das heißt, Mieterinnen und Mieter mit günstigen Bestandsmieten bleiben in Wohnungen, die nicht mehr zu ihrem Bedarf passen, kann diese Diskrepanz teilweise durch strukturelle Ineffizienzen erklärt werden.

Homeoffice und räumliche Lage

Der positive Homeoffice-Effekt ist konsistent mit Studien von Z’Rotz, Wanzenried und Amstutz (2026) sowie Bloom, Han und Liang (2022). Mit 62 % Homeoffice-Nutzung in der Stichprobe spiegelt sich der gesellschaftliche Wandel der Arbeitsorganisation wider und führt zu einem Dilemma: Während Büroflächen durch Homeoffice abnehmen, steigt der Druck auf den Wohnraum (Behrens/Kichko/Thisse 2024: 9). Ebenso bestätigen die signifikant höheren Flächenverbräuche in periurbanen Gemeinden geringer Dichte die räumliche Differenzierung (Yip/La Grange/Forrest 2009: 773; Lau/Wei 2018: 284) und unterstreichen, dass das Prinzip der Innenentwicklung vor Außenentwicklung allein nicht ausreicht. Gleichzeitig kann Homeoffice das Pendelaufkommen und die Pendeldistanzen reduzieren, wodurch Zielkonflikte zwischen Verkehrs‑, Arbeitsmarkt- und Wohnraumpolitik entstehen können (Behrens/Kichko/Thisse 2024: 7).

Wohnflächenkonsum als Nachhaltigkeitsfrage

Thomas, Thema, Brischke et al. (2019: 1140) zeigen, dass weniger Wohnfläche pro Person, beziehungsweise kompaktere Wohnungen, Energie und CO₂-Emissionen im Gebäudesektor senken. Die vorliegende Studie trägt zu dieser Debatte bei, indem sie aufzeigt, dass der Flächenkonsum maßgeblich auch durch subjektive Präferenzen bestimmt wird. Suffizienzpolitische Ansätze, die ausschließlich auf Restriktionen setzen, ohne Präferenzstrukturen zu berücksichtigen, laufen Gefahr, an tatsächlichen Bedürfnissen vorbeizugreifen. Die Ergebnisse sprechen vielmehr für eine Kombination aus attraktiven flächeneffizienten Wohnangeboten und einer Sensibilisierung für die ökologischen Auswirkungen des Wohnflächenkonsums.

Die Studie zeigt, dass der Wohnflächenkonsum nicht allein durch objektive Faktoren wie Einkommen oder Haushaltsgröße bestimmt wird, sondern auch durch subjektive Wohnpräferenzen. Die Ergebnisse deuten darauf hin, dass für die Wohnzufriedenheit weniger die absolute Wohnfläche entscheidend ist als vielmehr die Passung zwischen der Wohnung und individuellen Bedürfnissen. Dies steht im Einklang mit dem Befund, dass Haushalte mit unterschiedlichen Präferenzprofilen ihre Wohnsituation unterschiedlich bewerten und ein großer Teil der Befragten die vorhandene Wohnfläche trotz unterschiedlichem Flächenkonsum als „gerade richtig“ einschätzt. Daraus ergeben sich Potenziale für flächeneffiziente Wohnformen, ohne die wahrgenommene Wohnqualität zu beeinträchtigen.

Neu ist an dieser Arbeit insbesondere, dass Wohnpräferenzen nicht nur beschreibend, sondern als erklärende Determinanten des Wohnflächenkonsums modelliert werden. Der entwickelte Index flächenrelevanter Präferenzen ermöglicht es, die individuellen Bedürfnisse an eine Wohnung quantifizierbar zu machen und damit eine Brücke zwischen psychologischer Wohnforschung und raumökonomischer Analyse zu schlagen. Dies eröffnet neue Perspektiven, um unterschiedliche Wohnmuster empirisch zu identifizieren und planerisch nutzbar zu machen.

Die Ergebnisse sind im Lichte einiger methodischer Einschränkungen zu interpretieren. Erstens basiert die Untersuchung auf einer bewusst abgegrenzten Stichprobe von Mieterhaushalten unter 65 Jahren in 3‑ bis 5,5-Zimmer-Wohnungen in Agglomerationsgemeinden der deutschsprachigen Schweiz. Die Ergebnisse beziehen sich daher auf dieses Marktsegment und können nicht ohne Weiteres auf ältere Haushalte, andere Wohnformen oder den gesamten Schweizer Wohnungsbestand übertragen werden. Zweitens beruht die Analyse auf einem Querschnittsdatensatz, der keine eindeutigen Kausalbeziehungen erlaubt. Die Ergebnisse sind daher als statistische Zusammenhänge und nicht als kausale Wirkungen zu interpretieren. Es ist denkbar, dass bestehende Wohnverhältnisse die geäußerten Präferenzen mitprägen. Drittens basiert die Untersuchung auf einer Onlinebefragung mit gezielter Stichprobensteuerung, die trotz hoher Repräsentativität potenzielle Verzerrungen hinsichtlich Haushaltsstruktur oder Einkommensverteilung nicht vollständig ausschließt. Viertens stehen keine Detailinformationen zu Grundrissgestaltung oder Gebäudecharakteristika zur Verfügung, die zusätzliche Varianz erklären könnten. Schließlich bildet der Präferenzindex komplexe Wohnorientierungen nur teilweise ab und sollte in künftigen Studien weiter verfeinert und validiert werden. Da bislang kein etablierter Index zur Erfassung flächenrelevanter Wohnpräferenzen existiert, wurde für diese Studie ein neues theoriegeleitetes Messinstrument entwickelt. Obwohl einzelne Komponenten literaturgestützt sind, steht eine weiterführende psychometrische Validierung – beispielsweise hinsichtlich der Faktorenstruktur, Reliabilität oder weiterer Gütekriterien – noch aus und bleibt Gegenstand zukünftiger Forschung.

Diese Limitationen eröffnen zugleich Ansatzpunkte für weitere Forschung. Zukünftige Arbeiten sollten Längsschnittdaten einsetzen, um die Wechselwirkungen zwischen Präferenzen, Lebensphasen und Wohnentscheidungen besser zu verstehen. Die Verknüpfung von Befragungsdaten mit objektiven Wohnungs- und Preisdaten würde es ermöglichen, regionale und strukturelle Effekte stärker zu differenzieren. Ebenso wäre eine vertiefte Untersuchung von Grundrissen und Wohnungsqualitäten hilfreich, um das Konzept der Flächeneffizienz mit konkreten architektonischen Lösungen zu verbinden.

Insgesamt verdeutlicht die Studie, dass Flächensuffizienz – verstanden als Reduktion des Wohnflächenkonsums pro Person bei gleichbleibender Wohnqualität – nicht über normative Vorgaben, sondern über die Berücksichtigung der Bedürfnisse unterschiedlicher Nachfragesegmente auf kompakter Fläche erreicht werden kann. Eine nachhaltige Reduktion des Wohnflächenkonsums setzt an den Präferenzen und Lebensrealitäten der Haushalte an. Die Ergebnisse liefern damit eine empirisch fundierte Grundlage für eine Wohnungsbauentwicklung, die nicht auf Verzicht, sondern auf intelligenten, sozial verträglichen und qualitativ hochwertigen Umgang mit Raum zielt.

Acknowledgements

We would like to thank two anonymous reviewers for their helpful comments.

Funding

The data used in this study was generated within the project “Smart Komfort – Attraktive Mietwohnungen mit weniger Wohnflächenverbrauch” of the Lucerne University of Applied Sciences and Arts (HSLU) and School of Engineering and Management Vaud (HEIG-VD), Hochschule Westschweiz (HES-SO). The research project and this dissemination were funded by partners from industry, Innosuisse and the Interdisciplinary Network (IDN) Spatial Development and Social Cohesion at Lucerne University of Applied Sciences and Arts. The authors bear sole responsibility for the conclusions and results.

Conflict of Interest

S. Amstutz, C. Hanisch, G. Wanzenried and J. Z’Rotz declare that they have no competing interests.

Literatur

Ahmad, S. (2015): Housing Poverty and Inequality in Urban India. In: Heshmati, A.; Maasoumi, E.; Wan, G. (Hrsg.): Poverty Reduction Policies and Practices in Developing Asia. Singapore, 107–122. https://doi.org/10.1007/978-981-287-420-7_6

Amstutz, S.; Delbiaggio, K.; Wanzenried, G. (2018): Wohnflächenverbrauch und Grundrissgestaltung. Eine angebotsseitige Betrachtung. In: Sturm, U.; Lienhard, M. (Hrsg.): Kooperation Bau und Raum. Neue interdisziplinäre Wege in Forschung und Praxis. Zürich, 218–242. https://doi.org/10.3218/3904-7

ARE – Bundesamt für Raumentwicklung (2018): Fünfjahresbericht Raumkonzept Schweiz. Definitive Fassung. Bern.

Behrens, K.; Kichko, S.; Thisse, J.-F. (2024): Working from home: Too much of a good thing? In: Regional Science and Urban Economics 105, 103990, 1–13. https://doi.org/10.1016/j.regsciurbeco.2024.103990

Bloom, N.; Han, R.; Liang, J. (2022): How Hybrid Working From Home Works Out. Cambridge. https://doi.org/10.3386/w30292

Börsch-Supan, A. (1986): Household formation, housing prices, and public policy impacts. In: Journal of Public Economics 30, 2, 145–164. https://doi.org/10.1016/0047-2727(86)90042-3

Bradbury, M.; Peterson, M. N.; Liu, J. (2014): Long-term dynamics of household size and their environmental implications. In: Population and Environment 36, 1, 73–84. https://doi.org/10.1007/s11111-014-0203-6

Bundesamt für Statistik (2017): Gemeindetypologie und Stadt/Land-Typologie 2012. Neuchâtel.

Bundesamt für Statistik (2022): Bau- und Wohnungswesen 2020. Neuchâtel.

Bundesamt für Statistik (2025a): Durchschnittliche Wohnfläche pro Bewohner in bewohnten Wohnungen nach Zimmerzahl und Kanton. Neuchâtel. https://www.bfs.admin.ch/asset/de/je-d-09.03.02.04.01 (29.01.2026).

Bundesamt für Statistik (2025b): Allgemeine Übersicht Wohnungen. Neuchâtel. https://www.bfs.admin.ch/bfs/rm/home.assetdetail.36158195.html (10.06.2026).

Bundesamt für Statistik (2025c): Privathaushalte nach Gemeinde und Haushaltsgrösse. Neuchâtel. https://www.bfs.admin.ch/bfs/de/home/statistiken/kataloge-datenbanken.assetdetail.36139706.html (09.03.2026).

Bundesamt für Statistik (2025d): Anzahl Wohnungen Zimmerzahl 2024. Neuchâtel. https://www.bfs.admin.ch/bfs/rm/home/statisticas/catalogs-bancas-datas/publicaziuns.assetdetail.36158325.html (10.03.2026).

Burnham, K. P.; Anderson, D. R. (2002): Model Selection and Multimodel Inference. A Practical Information-Theoretic Approach. New York.

Causa, O.; Woloszko, N.; Leite, D. (2019): Housing, wealth accumulation and wealth distribution: Evidence and stylized facts. Paris. = OECD Economics Department Working Papers 1588. https://doi.org/10.1787/86954c10-en

Cludius, J.; Noka, V.; Galster, H.; Schumacher, K. (2022): Wie wohnt Deutschland? Wohnsituation, Wohnkosten und Wohnkostenbelastungen von Haushalten in Deutschland. Berlin.

Delbiaggio, K.; Wanzenried, G. (2016): Wohnflächenkonsum und Wohnflächenbedarf. Studie im Auftrag des Bundesamtes für Wohnungswesen BWO. Luzern.

Delbiaggio, K.; Wanzenried, G.; Mowers, A. (2018): Subjektiver Überkonsum von Wohnraum. Empirische Evidenz für die Schweiz. In: Raumforschung und Raumordnung | Spatial Research and Planning 76, 4, 309–326. https://doi.org/10.1007/s13147-018-0541-4

Deschermeier, P.; Henger, R. (2015): Die Bedeutung des zukünftigen Kohorteneffekts auf den Wohnflächenkonsum. In: IW-Trends 42, 3, 23–39.

Díaz, A.; Luengo-Prado, M. J. (2010): The Wealth Distribution with Durable Goods. In: International Economic Review 51, 1, 143–170. https://doi.org/10.1111/j.1468-2354.2009.00574.x

Esteve, A.; Pohl, M.; Becca, F.; Fang, H.; Galeano, J.; García-Román, J.; Reher, D.; Trias-Prats, R.; Turu, A. (2024): A global perspective on household size and composition, 1970–2020. In: Genus 80, 2, 1–22. https://doi.org/10.1186/s41118-024-00211-6

European Commission (2023): The Impact of Demographic Change – in a changing environment. Brüssel. SWD(2023) 21 final.

Eurostat (2021): Glossary. Equivalised disposable income. Luxemburg.

Foye, C. (2017): The Relationship Between Size of Living Space and Subjective Well-Being. In: Journal of Happiness Studies 18, 2, 427–461. https://doi.org/10.1007/s10902-016-9732-2

Haase, D.; Kabisch, N.; Haase, A. (2013): Endless Urban Growth? On the Mismatch of Population, Household and Urban Land Area Growth and Its Effects on the Urban Debate. In: Plos One 8, 6, 1–8. https://doi.org/10.1371/journal.pone.0066531

Hein, S.; Kuhnimhof, T. (2026): Unravelling cohort effects in consumption of living space by German households. In: Housing Studies 41, 3, 569–597. https://doi.org/10.1080/02673037.2025.2473611

Hermann, M.; Heye, C.; Bosshardt, L.; Brack, N. (2025): Potenziale für nachhaltige Innenentwicklung. Studienbericht und Gemeinderanking. Zürich.

Hilber, C. A. L.; Vermeulen, W. (2016): The Impact of Supply Constraints on House Prices in England. In: The Economic Journal 126, 591, 358–405. https://doi.org/10.1111/ecoj.12213

Jang, M.; Kim, T.-W.; Kim, J.-Y.; Zheng, H. (2023): Housing satisfaction and improvement demand considering housing lifestyles of young residents in public rental housing. In: Journal of Asian Architecture and Building Engineering 22, 6, 3271–3286. https://doi.org/10.1080/13467581.2023.2205473

Jin, H.; Zhang, Y. (2021): Urban Households’ Heterogeneous Demands for Living Space. From an Empirical Analysis of CHFS. In: Ye, G.; Yuan, H.; Zuo, J. (Hrsg.): Proceedings of the 24th International Symposium on Advancement of Construction Management and Real Estate. Singapur, 609–620. https://doi.org/10.1007/978-981-15-8892-1_44

Karlen, C.; Pagani, A.; Binder, C. R. (2022): Obstacles and opportunities for reducing dwelling size to shrink the environmental footprint of housing. Tenants’ residential preferences and housing choice. In: Journal of Housing and the Built Environment 37, 3, 1367–1408. https://doi.org/10.1007/s10901-021-09884-3

Kellenberger, M.; Giezendanner, R. (2023): Monitoring Bauen ausserhalb der Bauzonen. Standbericht 2023. Bern.

Lau, M. H. M.; Wei, X. (2018): Housing size and housing market dynamics. The case of micro-flats in Hong Kong. In: Land Use Policy 78, 278–286. https://doi.org/10.1016/j.landusepol.2018.06.039

Lehner, S.; Hohgardt, H.; Umbricht, B. (2023): Ein Zuhause fürs Leben? Erkenntnisse zum Umzugsverhalten der Schweizer Bevölkerung. Bern. https://doi.org/10.21256/zhaw-2468

Lehner, S.; Hohgardt, H.; Umbricht, B. (2024): Wohnraumnutzung aus individueller Sicht. Was brauchen bzw. wünschen sich Herr und Frau Schweizer wirklich? Bern. https://doi.org/10.21256/zhaw-2502

Leung, K. M.; Yiu, C. Y. (2022): How do the poor survive in an unaffordable city? An empirical study of informal housing households living in Hong Kong. In: International Journal of Urban Sciences 26, 3, 398–419. https://doi.org/10.1080/12265934.2022.2036627

Li, J.; Auchincloss, A. H.; Rodriguez, D. A.; Moore, K. A.; Diez Roux, A. V.; Sánchez, B. N. (2020): Determinants of Residential Preferences Related to Built and Social Environments and Concordance between Neighborhood Characteristics and Preferences. In: Journal of Urban Health 97, 1, 62–77. https://doi.org/10.1007/s11524-019-00397-7

Loli, A.; Kvalsvik, O.; Lausselet, C. (2026): Optimisation of apartment types and sizes without compromising living quality. A user-centred approach. In: IOP Conference Series: Earth and Environmental Science 1615, 012043, 1–10. https://doi.org/10.1088/1755-1315/1615/1/012043

Moura, M. C. P.; Smith, S. J.; Belzer, D. B. (2015): 120 Years of U.S. Residential Housing Stock and Floor Space. In: Plos One 10, 8, 1–18. https://doi.org/10.1371/journal.pone.0134135

Nelson, C. R.; Startz, R. (1990): Some Further Results on the Exact Small Sample Properties of the Instrumental Variable Estimator. In: Econometrica 58, 4, 967–976. https://doi.org/10.2307/2938359

OECD – Organisation for Economic Co-operation and Development (2021): Brick by Brick. Building Better Housing Policies. Paris. https://doi.org/10.1787/b453b043-en

Rössel, J.; Hoelscher, M. (2012): Lebensstile und Wohnstandortwahl. In: Kölner Zeitschrift für Soziologie und Sozialpsychologie 64, 2, 303–327. https://doi.org/10.1007/s11577-012-0166-5

Ryan-Collins, J.; Lloyd, T.; MacFarlane, L. (2023): Rethinking the economics of land and housing. London.

Steele, F.; Zhang, S.; Grundy, E.; Burchardt, T. (2024): Longitudinal analysis of exchanges of support between parents and children in the UK. In: Journal of the Royal Statistical Society, Series A: Statistics in Society 187, 2, 279–304. https://doi.org/10.1093/jrsssa/qnad110

Thomas, S.; Thema, J.; Brischke, L.-A.; Leuser, L.; Kopatz, M.; Spitzner, M. (2019): Energy sufficiency policy for residential electricity use and per-capita dwelling size. In: Energy Efficiency 12, 5, 1123–1149. https://doi.org/10.1007/s12053-018-9727-4

Tumen, S. (2016): The Economic Impact of Syrian Refugees on Host Countries. Quasi-Experimental Evidence from Turkey. In: American Economic Review 106, 5, 456–460. https://doi.org/10.1257/aer.p20161065

Voorpostel, M.; Tillmann, R.; Lebert, F.; Kuhn, U.; Lipps, O.; Ryser, V.-A.; Antal, E.; Monsch, G.-A.; Dasoki, N.; Klaas, H. S.; Wernli, B. (2022): Swiss Household Panel. User Guide (1999-2020). Lausanne.

Waltersbacher, M. (2018): Aspekte der zukünftigen Wohnflächennachfrage in Deutschland. In: Meinel, G.; Schumacher, U.; Behnisch, M.; Krüger, T. (Hrsg.): Flächennutzungsmonitoring X. Flächenpolitik, Flächenmanagement, Indikatoren. Berlin, 307–314. = IÖR-Schriften 76.

Weber, I. (2020): Entwicklung des individuellen Wohnflächenkonsums zwischen 1978 und 2013: Determinanten und Transformationspotenzial. In: Raumforschung und Raumordnung | Spatial Research and Planning 78, 3, 267–287. https://doi.org/10.2478/rara-2020-0005

Wegener, B. A.; Fedkenheuer, M. L.; Drexler, H.; Schupp, L. (2024): Funktionswandel des Wohnens. Bestandsaufnahme der aktuellen Wohnpraxis mit dem Ziel der Projektion zukünftigen Wohnbedarfs. Bonn. = BBSR-Online-Publikation 15/2024.

Willimann, I.; Lienhard, M.; Gmünder, M.; Käppeli, S. (2024): Wohnungsknappheit in der Schweiz. Ein Überblick. In: Die Volkswirtschaft. Plattform für Wirtschaftspolitik. https://doi.org/10.5281/zenodo.11447040

Wooldridge, J. M. (2010): Econometric analysis of cross section and panel data. Cambridge.

Wüest Partner (2024): Immobilienmarkt Schweiz. Zürich.

Yip, N.-M.; La Grange, A.; Forrest, R. (2009): Making Space: Residential Trajectories in Hong Kong. In: Urban Geography 30, 7, 756–778. https://doi.org/10.2747/0272-3638.30.7.756

Z’Rotz, J.; Wanzenried, G.; Amstutz, S. (2026): Exploring the relationship between telework and housing space: Empirical evidence for Switzerland. In: Urban Transitions 6, 100042, 1–10. https://doi.org/10.1016/j.ubtr.2026.100042

Fußnoten

¹	Bundesgesetz über die Raumplanung (Raumplanungsgesetz, RPG) vom 1. Mai 2014.
²	https://www.bfs.admin.ch/bfs/rm/home.assetdetail.36142196.html (22.07.2026).

(1)	Institut für Innenarchitektur, Hochschule Luzern – Technik & Architektur, Technikumstrassse 21, 6048 Horw, Schweiz
(2)	Institut für Betriebs- und Regionalökonomie, Hochschule Luzern – Wirtschaft, Walter-von-Moos-Promenade 1, 6005 Luzern, Schweiz
(3)	Institut interdisciplinaire du Développement de l’entreprise, Hochschule Westschweiz HES-SO, Avenue 13 des Sports 20, 1401 Yverdon-les-Bains, Schweiz

Forschungsbeitrag / Research article

Literatur

Fußnoten