Bei der Durchführung einer städtischen Sozialraumanalyse stellt sich die Frage, anhand welcher Merkmale die Bevölkerungsstruktur einer Stadt veranschaulicht werden soll. Bei der Indikatorauswahl sollte berücksichtigt werden, dass das, was als Kriterien für die Bestimmung sozialer Ungleichheit einer Gesellschaft relevant gemacht wird, an den jeweiligen historischen Kontext gebunden ist und somit nie vollständig objektiv sein kann (Burzan 2011: 7; Mau 2018: 23). Letztlich muss im Rahmen eines reflexiven Planungsprozesses entschieden werden, welche Kategorien für die Beschreibung von Bevölkerungsgruppen wichtig erscheinen, das heißt, welche Maßzahlen die gesellschaftliche Heterogenität am besten abbilden.

Innerhalb des Theoriespektrums der Sozialstrukturanalyse moderner Gesellschaften werden unterschiedliche Ursachen und Merkmale sozialer Ungleichheit genannt (Burzan 2011: 15). Entsprechend ihrer Analyseebenen können vier zentrale Ansätze aufgeführt werden, namentlich (1) Soziale Schichten und Klassen, (2) Modell der sozialen Lage, (3) Modell der sozialen Milieus und Lebensstile, sowie (4) Modell der Exklusion und Inklusion.

Die in quantitativen Sozialraumanalysen genutzten Analysedimensionen lassen sich am ehesten mit dem Modell der sozialen Lage (auch Lebenslagenkonzept) fassen, da durch die Auswahl der Indikatoren (z. B. Herkunft, Lebensform) implizit darauf Bezug genommen wird. Das Modell der sozialen Lage wurde Ende der 1980er-Jahre mit der Zielsetzung entwickelt, die gesellschaftliche Ungleichheitsstruktur multidimensional zu erfassen (Hradil 1987: 13). Dabei werden neben vertikalen sozioökonomischen Merkmalen auch horizontale wie Geschlecht, Alter, Herkunft, Region oder unterschiedliche Lebensformen berücksichtigt (Geißler 2014: 77). Ziel dieses mehrdimensionalen Ungleichheitsmodells ist es, eine differenzierte Beschreibung objektiv messbarer Lebensbedingungen anzustreben (Burzan 2011: 140). Die unterschiedlichen Lagen müssen indes nicht notwendigerweise, wie in Klassen- und Schichtkonzepten, hierarchisch angeordnet sein. Es können sich aber ebenfalls vorteilhafte und nachteilige Lebensbedingungen aus den spezifischen Lagen relational zueinander ergeben (Burzan 2011: 140). Die Stärke des Modells liegt also im Vergleich zu den anderen Modellen in der detaillierten, quantitativ messbaren und nichthierarchischen Beschreibung empirischer Lebensverhältnisse, was es für die Konzeptionierung von Sozialraumanalysen anschlussfähig macht.

Die Quantifizierung komplexer gesellschaftlicher Strukturen und Prozesse mittels Sozialraumanalysen versucht den Sozialraum anhand ausgewählter Kernelemente – namentlich die Motivationen, Ziele und inhaltlichen Fragestellungen sowie die verwendeten Indikatoren, räumlichen Analyseebenen und methodischen Herangehensweisen – in den jeweiligen Sozialraumanalysen abzubilden bzw. diese auf vermeintlich repräsentative Merkmale zu reduzieren. Diese Dimensionsreduktion führt unweigerlich zu einem Informationsverlust bzw. zu einer Generalisierung sozialräumlicher Strukturen, welche blinde Flecken in der Analyse produzieren kann. Aus diesem Grund bedarf es vor der Durchführung einer Sozialraumanalyse umfangreicher konzeptioneller Vorüberlegungen, um den Analysefokus nicht zu verlieren.

Abbildung 1 ist ein Versuch, den hinter einer Sozialraumanalyse steckenden Prozess schematisch aufzubereiten. Den Ausgangspunkt zur quantitativen Abbildung der Gesellschaft bzw. des ‚realen‘ Sozialraums mittels Sozialraumanalyse bildet die Reflexion über die stadtplanerische Motivation bzw. Zielsetzung (dargestellt als Glühbirne) hinter einer solchen Analyse. Dementsprechend muss man sich eingangs im Klaren sein, welche Fragestellung es zu beantworten gilt bzw. was das zentrale Untersuchungsobjekt (z. B. Benachteiligung, Armut) ist. Das beeinflusst im Planungsprozess der jeweiligen Sozialraumanalyse sowohl den thematischen Fokus, die Auswahl der Indikatoren, die zu wählenden Raumeinheiten als auch letztlich die im Sinne der Zielsetzung passende methodische Herangehensweise. Einschränkend wirkt hier der Faktor Datenverfügbarkeit bzw. Datenzugang. Diese Elemente fungieren als Eckpfeiler jeder sozialräumlichen Analyse, weshalb diese für die vorliegende komparative Gegenüberstellung unterschiedlicher Herangehensweisen in der Stadtplanung als Analysedimensionen genutzt werden.

Generell soll die Sozialraumberichterstattung, als Teilbereich der Sozialstatistik, den Zustand sowie die Veränderungen der Lebensbedingungen, wie z. B. den materiellen Lebensstandard, der Bevölkerung anhand empirischer Daten beobachten, beschreiben und analysieren (Noll 2013: 818; Pohl/Ott 2019: 284). Durch diese spezifische Perspektive und normative Orientierung ergeben sich Anforderungen bezüglich der Auswahl, Aufbereitung und Präsentation von Informationen, wobei hier Kriterien wie inhaltliche Systematik, zeitliche Kontinuität, Anschaulichkeit und Verständlichkeit eine wesentliche Rolle spielen (Noll 2013: 818; Pohl/Ott 2019: 284).

Ein zentrales Element in der Quantifizierung des Sozialraums bildet die Auswahl der Indikatoren (im Sinne von Anzeigern für Sachverhalte), anhand derer das latente Konstrukt Sozialraum anschaulich gemacht werden soll. Dabei steht man bei der Durchführung einer Sozialraumanalyse vor der Herausforderung, dass viele Sachverhalte (z. B. Benachteiligung) nicht direkt bzw. umfassend messbar sind (de Lange/Nipper 2018: 300; Burzan 2019: 1415). In einem Spannungsfeld zwischen Datenverfügbarkeit, Validität und räumlicher Genauigkeit muss ein Mittelweg zur indirekten Konstituierung solcher Phänomene gefunden werden (Hradil 1987: 62; Burzan 2019: 1419). So wäre es beispielsweise diskutabel, ob ein Indikator, wie Nicht-Besitz eines TV-Gerätes (oder privaten Pkw), als Proxy für die Messung von Armut dienen könnte, da hier nicht nur die individuelle Finanzkraft, sondern auch Wertzuschreibungen zum Tragen kommen (Burzan 2019: 1419).

Nebst der Auswahl muss auch über die Anzahl der verwendeten Indikatoren entschieden werden, wobei in gesamtgesellschaftlichen Abbildungen zumeist mehr Indikatoren verwendet werden als in dezidiert problemorientierten Ansätzen, wie z. B. beim Fokus auf die Armut oder Lebenssituation von Jugendlichen (Dohnke 2012: 148). Bei der Auswahl der Indikatoren kann man im deutschsprachigen Raum auf diverse Register- bzw. Survey-basierte Daten zurückgreifen, wobei beide Arten Implikationen mit sich bringen (Henckel/Kramer 2019: 18). Am einfachsten zur Verfügung stehen meist umfassende und regelmäßig erhobene administrative Daten der Sozialstatistik, wie z. B. Bevölkerungs- und Erwerbsstatistiken (Noll 2013: 817). Survey-basierte Daten, sofern sie nicht von der amtlichen Statistik, wie etwa dem Mikrozensus in Österreich

Vgl. https://www.statistik.at/web_de/frageboegen/private_haushalte/mikrozensus/index.html (13.08.2021).

In der Stadtplanung wären möglichst kleinräumige Sozialraumanalysen das Ideal, um für einzelne Gebiete passgenaue und differenzierte Handlungsoptionen entwickeln zu können. Leider wird die Sozialstatistik diesem Ideal vielfach nicht gerecht, da mit der steigenden geographischen Auflösung, wie z. B. Zählsprengel oder Baublöcke, oft die Verfügbarkeit von validen Daten sinkt, da diese entweder nicht kleinräumig erhoben wurden, die Fallzahlen zu gering sind oder die Daten aus rechtlichen Gründen nur begrenzt zur Verfügung stehen. Je größer die räumliche Analyseebene gewählt wird, desto ungenauer wird wiederum die Darstellung der Bevölkerungsstruktur in den einzelnen Gebieten und die Gefahr einer Homogenisierung der Bevölkerungsgruppen innerhalb der Raumeinheiten steigt, wohingegen üblicherweise die Verfügbarkeit von Daten und somit die Auswahl geeigneter Indikatoren zunimmt. Die letztendliche Entscheidung muss zwischen den beiden Polen, Datenverfügbarkeit und räumliche Analyseebene bei der Indikatorauswahl, abgewogen werden.

Die Quantifizierung nicht direkt beobachtbarer (latenter) Phänomene, wie etwa Benachteiligung im Kontext sozialräumlicher Analysen, kann über verschiedene statistische Verfahren erfolgen, welche vor allem metrisch skalierte (manifeste) Variablen als Proxy zur indirekten Konstituierung des Untersuchungsgegenstandes heranziehen. Dabei wird gleichzeitig versucht, komplexe Sachverhalte auf ein verständliches und einfach interpretierbares Maß zu reduzieren (de Lange/Nipper 2018: 300). Die zur Anwendung kommenden methodischen Ansätze reichen von einer vergleichsweise simplen Bildung von Reihungen (z. B. Rangfolge- oder Rangreihenverfahren) oder zusammenführenden Maßzahlen (z. B. Indexbildung) über komplexere faktoranalytische Verfahren zur Darstellung von Konstrukten mittels Dimensionsreduktion (z. B. Faktorenanalyse, Hauptkomponentenanalyse). Dazu kommen vergleichsweise abstrakte Clusteranalysen, die Muster und Strukturen in den Daten aufzeigen können (Bacher/Pöge/Wenzig 2010; Armstrong 2018: 13; Backhaus/Erichson/Plinke et al. 2018: 435; de Lange/Nipper 2018: 354). Jedes der benannten Verfahren ist für unterschiedliche Datenstrukturen und Fragestellungen anwendbar, wobei es vor einer Anwendung in einer Sozialraumanalyse Sinn hat, sich die jeweiligen Stärken und Schwächen der methodischen Ansätze zu vergegenwärtigen. In Tabelle 1 werden die Vorgehensweisen der jeweiligen Verfahren beschrieben, bei gleichzeitiger Gegenüberstellung damit einhergehender Vor- und Nachteile.

Als Datengrundlage für den methodisch-konzeptionellen Vergleich verschiedener Sozialraumberichterstattungen dienen die Projektberichte 25 deutschsprachiger Städte, die anhand eines integrativen Sozialraummonitorings Daten auf kleinräumiger Ebene systematisch auswerten. Mittels Internetrecherche wurde ersichtlich, dass nahezu jede Stadt(region) im deutschsprachigen Raum statistische Daten online bereitstellt, diese aber in unterschiedlichem Umfang aufbereitet werden (Markus 2009: 175).

Die Auswahl der analysierten Berichte erfolgte – angelehnt an Dohnke (2012: 144) – entlang der folgenden Kriterien:

Diese Studie stellt keinen Anspruch auf vollständige Erfassung aller – auf unsere Kriterien passenden – städtischen Bemühungen im deutschsprachigen Raum dar, da es womöglich auch nicht publizierte bzw. nach unserer Erhebung veröffentlichte Berichte geben kann (Stand: September 2020).

Generell beschäftigen sich in den untersuchten Städten – mit wenigen Ausnahmen – die städtischen Ämter – zuständig für Stadtplanung, Statistik oder Soziales – mit der Durchführung quantitativer Sozialraumanalysen. Von 52 bezüglich ihrer Bevölkerungszahl in Frage kommenden Städten verblieben lediglich 25 Städte, die alle oben genannten Kriterien erfüllen.

Die Studie orientiert sich am Vorgehen der qualitativen Metaanalyse (Schnepf/Groeben 2019). Dies ermöglicht, die Berichte sowohl hinsichtlich qualitativer Inhalte, wie die in den Berichten formulierte zugrunde liegende Motivation, als auch hinsichtlich quantitativer Daten der Sozialraumanalysen systematisch zu erforschen. Die Auswertung erfolgte dementsprechend in zwei Schritten: Erstens wurden zur allgemeinen übersichtlichen Texterfassung der Berichte in einer deduktiven Herangehensweise Informationen entlang der folgenden 19 Kategorien erfasst: Land, Stadt, Bezeichnung, Autorinnen/Autoren, Durchführende Institution(en), Jahr der Veröffentlichung, Datenstand, Zitiervorschlag, Link, Turnus, Datenbasis, Inhaltlicher Aufbau des Berichts, Räumliche Analyseebene, Ziel der Sozialraumanalyse, Methodik, Oberkategorien, Indikatoren, Ausblick und Besonderes.

Zweitens wurde eine systematische Metaanalyse der in den einzelnen Sozialraumberichterstattungen verwendeten Indikatoren vorgenommen, indem diese zunächst separat für jeden Bericht induktiv gruppiert, anschließend – angeleitet durch die Dimensionen des Lebenslagenkonzepts – systematisch in einem Analyseraster zusammengefasst und letztlich in Haupt- und Subdimensionen (vgl. Kapitel 4.2) kategorisiert wurden. Es wurden ausschließlich jene Indikatoren erfasst, welche Teil einer zusammenfassenden Analyse mittels multivariater Methodik waren.

Zusätzliche Indikatoren, die nicht in die eigentliche Sozialraumanalyse eingeflossen sind, wurden in dieser Metaanalyse nicht berücksichtigt.

Die Herausgeber der veröffentlichten Dokumente waren ausnahmslos die Kommunen selbst. Innerhalb der Verwaltung waren unterschiedliche Abteilungen mit der Bearbeitung befasst, z. B. Stadtentwicklung, Stadtplanung und/oder Statistik (Stadt Wien 2013; Stadt Wien 2014; Landeshauptsstadt München 2016; Senatsverwaltung für Stadtentwicklung und Wohnen Berlin 2017; Stadt Wien 2017; Stadt Bern 2018; Stadt Köln 2018; Freie und Hansestadt Hamburg 2019; Senatsverwaltung für Stadtentwicklung und Wohnen Berlin 2019; Stadt Winterthur 2019), Sozialplanung (Stadt Frankfurt 2017a; Stadt Frankfurt 2017b; Landeshauptstadt Stuttgart 2018; Landeshauptstadt Hannover 2018), oder unterschiedliche Abteilungen in kooperativer Arbeit (Stadt Mannheim 2018; Stadt Münster 2019). Die Untersuchungen wurden entweder von den zuständigen Verwaltungseinheiten selbst vorgenommen (Senatsverwaltung für Stadtentwicklung und Wohnen Berlin 2017; Senatsverwaltung für Stadtentwicklung und Wohnen Berlin 2019; Stadt Winterthur 2019), wissenschaftlich begleitet (Stadt Wien 2013; Stadt Wien 2014; Stadt Wien 2017; Freie und Hansestadt Hamburg 2019) oder vollständig durch beauftragte wissenschaftliche Einrichtungen durchgeführt (Statistisches Amt des Kantons Basel-Stadt 1999). Der Umfang der Berichterstattung variiert stark. Während die Sozialraumanalyse in einigen Berichten nur einen Teilaspekt des Gesamtberichts wiedergibt (Statistisches Amt des Kantons Basel-Stadt (1999); Landeshauptstadt Hannover 2018; Stadt Bochum 2018), ist in anderen Berichten eine Sozialraumanalyse der Kern der Berichterstattung (Stadt Wien 2013; Stadt Wien 2014; Stadt Wien 2017; Stadt Köln 2018; Stadt Winterthur 2019). Die Motivation und Zielsetzung(en) der Sozialraumanalysen wurden in allen untersuchten Berichten ähnlich formuliert und umfassen im Kern die folgenden Aspekte:

Neben dem Umfang der Berichterstattungen unterscheiden sich auch die Zielgruppen, an die sich die Analysen richten: Während einige Monitoringsysteme ausschließlich für verwaltungsinterne Zwecke entwickelt und die Ergebnisse nicht veröffentlicht werden (Stadt Wien 2013; Stadt Wien 2014; Stadt Wien 2017; Stadt Köln 2018; Stadt Winterthur 2019), stellen andere Kommunen der Öffentlichkeit sowohl die Ergebnisse der Sozialraumanalyse als auch weitere kontextualisierte Informationen zu Schwerpunktthemen zur Verfügung (Stadt Bochum 2018).

Insgesamt konnten für die 25 untersuchten Städte 300 Indikatoren dokumentiert werden, welche 422 Subdimensionen umfassen. Dabei ist die Anzahl der verwendeten Indikatoren in den einzelnen Berichterstattungen sehr unterschiedlich und variiert zwischen drei (Freie Hansestadt Bremen 2013; Stadt Frankfurt 2017a; Stadt Frankfurt 2017b; Stadt Bochum 2018; Stadt Münster 2019; Stadt Winterthur 2019) und 48 Indikatoren (Stadt Köln 2018). Im Wiener Kontext waren es beim Sozialraumatlas I 29 (Stadt Wien 2013; Stadt Wien 2014) und bei dessen Neuauflage 18 Indikatoren (Stadt Wien 2017), welche in die Analyse einflossen. Im Rahmen der vorliegenden Untersuchung wurde eine quantitative Analyse der über alle Vergleichsstädte verwendeten Indikatoren durchgeführt, um daraus abzuleiten, welchen Themenfeldern bzw. Dimensionen besondere Bedeutung zukommt, wobei wir fünf Haupt- und 17 Teildimensionen unterscheiden (vgl. Tabelle 3).

Die einzelnen Indikatoren wurden je nach Merkmalsausprägung einer oder mehreren Haupt- und Teildimensionen zugeordnet. Wenn man zum Beispiel einen Indikator wie Jugendarbeitslosigkeit

Anteil der Arbeitslosen unter 25 Jahren an der Summe der sozialversicherungspflichtig Beschäftigten unter 25 Jahren und den Arbeitslosen unter 25 Jahren (Landeshauptstadt Mainz 2018: 300).

Nebst der reinen Erfassung der Frequenz einzelner Teildimensionen in den dokumentierten Indikatoren sind auch die auftretenden Merkmalkombinationen von Interesse. Dass Alter eine häufige Dimension im Sozialraummonitoring ist, hängt damit zusammen, dass es oft in Kombination (84-mal) mit einer oder mehreren anderen Dimensionen auftritt (z. B. Jugendarbeitslosigkeit) und nur selten als Einzelindikator (25). Am häufigsten wird Alter mit den Teildimensionen Sozialhilfe (29), Herkunft (16) und Bildung (14) kombiniert (vgl. Abbildung 2). Obwohl die Dimension Alter am häufigsten gezählt werden kann, tritt sie zumeist in Kombination mit anderen Attributen, zur Quantifizierung von sozialer Ungleichheit, auf. Jedoch zielen die verwendeten Indikatoren in ihrem Kern auf Fragestellungen zum Arbeitsmarkt, zu Sozialhilfen und Bildungschancen ab. Dennoch kann attestiert werden, dass Ausprägungen sozialer Ungleichheit vielfach für spezifische Alterssegmente separat betrachtet werden (z. B. Jugendliche, Pensionisten), um diese Gruppen bei der Ausarbeitung von Handlungsoptionen zum Ausgleich sozialer Ungleichheiten spezifisch zu adressieren.

Insgesamt konnten 453 Kombinationen von Teildimensionen identifiziert werden, wobei jede (bilaterale) Kombination zwischen Teildimensionen einzeln gezählt wurde. Bei einem Indikator wie beispielsweise Frauen-Jugendarbeitslosigkeit lassen sich mit (A) Alter, (B) Einkommen und Beschäftigung und (C) Geschlecht drei Teildimensionen ausweisen. Hier ergeben sich drei Einzelkombinationen: A‑B, B‑C und A‑C, die einzeln gezählt werden. Gleichzeitig treten andere soziodemographische Dimensionen, wie Geschlecht, Gesundheit oder Religion weniger in Erscheinung.

Auf der Ebene der Raumeinheiten kann die Anzahl der verwendeten Gebietseinheiten je Stadt und die durchschnittliche Zahl der Bewohnerinnen und Bewohner der Gebiete sehr unterschiedlich sein. Um Verzerrungen zu vermeiden, filtern einige Städte solche Gebiete heraus, welche besonders geringe Einwohnerzahlen aufweisen oder aber durch sonstige besondere Charakteristika geprägt sind, wie z. B. Gewerbegebiete (Senatsverwaltung für Stadtentwicklung und Wohnen Berlin 2017; Stadt Bern 2018; Freie und Hansestadt Hamburg 2019; Senatsverwaltung für Stadtentwicklung und Wohnen Berlin 2019). Die Ebene der gewählten Raumeinheit kann zwischen der kleinräumigen Baublockebene und größeren administrativen Teilräumen wie Stadtteilen oder Stadtbezirken schwanken. Einige Städte haben unabhängig von administrativen Raumeinheiten eigens für die Sozial(raum)planung Gebietseinheiten definiert, z. B. Lebensweltlich orientierte Räume (LOR) (Senatsverwaltung für Stadtentwicklung und Wohnen Berlin 2017), Sozialräume (Landeshauptstadt Düsseldorf 2018) oder Sozialmonitoringbezirke (Stadt Augsburg 2019). Dabei variiert sowohl die Anzahl der analysierten Teilräume als auch der Bewohnerinnen und Bewohner pro Teilraum zwischen den Städten erheblich. Während in Wien rund 7000 Baublöcke analysiert wurden und bei einer Einwohnerzahl von aktuell rund 1,91 Mio. (Stand: 1. Januar 2020) durchschnittlich 273 Personen in einer Analyseeinheit wohnen, waren es in Basel-Stadt gerade einmal 21 städtische Wohnviertel mit rund 8200 Einwohner/-innen pro Raumeinheit (dazu kamen in der Analyse weitere 86 Landgemeinden aus Basel-Landschaft). Die insgesamt geringste Anzahl an Gebietseinheiten nutzt Augsburg mit 22 Sozialmonitoringbezirken, in denen durchschnittlich 13.415 Personen wohnen.

Über alle in diesem Beitrag analysierten Sozialraumanalysen hinweg gibt es somit eine beachtliche Spannweite an (Einwohner/-innen pro) Raumeinheiten, die in die Analysen eingeflossen sind, wobei es im Median 86 Raumeinheiten sind (Durchschnitt: 430) bzw. rund 5616 Einwohner/-innen pro Raumeinheit (Durchschnitt: 5772). Die Wahl der geeigneten Anzahl an Raumeinheiten bzw. der erfassten Bevölkerung pro Raumeinheit sowie der Indikatoren selbst hängt somit von der eigentlichen Fragestellung, Motivation sowie Datenverfügbarkeit ab. Je höher die räumliche Auflösung wird, desto kleiner wird der Pool an verlässlichen bzw. für die Fragestellung interessanten Daten, die verwendet werden könnten. Ein Beispiel hierfür sind Daten zu Einkommen oder Wohnkosten, welche häufig nur auf der Ebene der Gesamtstadt oder auf der Ebene der Stadtbezirke oder Stadtteile verfügbar sind. Hier stößt man bei feineren räumlichen Gliederungen an Grenzen der Datenverfügbarkeit.

Andererseits kann es sein, dass Daten, die für eine Sozialraumanalyse interessant wären, gar nicht erhoben werden, wie z. B. in Österreich die Religionszugehörigkeit (Speringer/Bauer 2014: 158; Goujon/Jurasszovich/Potančoková 2017: 7) oder nur unvollständig vorhanden sind, wie z. B. Mietpreisinformationen. Die Verfügbarkeit an Daten kann zwischen den Städten variieren und hat direkte Auswirkung auf die methodische Herangehensweise.

Die untersuchten Monitoringsysteme nutzen unterschiedliche, der jeweiligen Zielsetzung angepasste Methoden und können in vier Gruppen untergliedert werden: Rangfolge- bzw. Rangreihenverfahren, Indexverfahren, Faktoren- bzw. Hauptkomponentenanalyse und Clusteranalyse (vgl. Tabelle 1).

Diese Methoden finden großteils einzeln Verwendung (21-mal) und werden lediglich in vier Städten in Kombination angewendet: Aachen, Duisburg, München und Wien; dabei wird am häufigsten auf Indexverfahren (14-mal) und Clusteranalysen (9-mal) zurückgegriffen (vgl. Abbildung 3). Faktorenanalysen bzw. Hauptkomponentenanalysen kommen fünfmal zum Einsatz, allerdings ausschließlich in Kombination oder als Voranalyse zu Indexverfahren (Stadt Duisburg 2010; Landeshauptstadt München 2016) bzw. Clusteranalysen (Stadt Aachen 2009; Stadt Wien 2013; Stadt Wien 2014; Stadt Wien 2017). Die Ergebnisse der Faktorenanalysen bzw. Hauptkomponentenanalysen werden zur Bewertung der Indikatoren- und Bereichsgewichtungen in der Indexbildung oder als Eingangsdaten in die Clusteranalysen genutzt. Die Rangfolge- bzw. Rangreihenverfahren als einfachster methodischer Ansatz wurden lediglich dreimal, in Bern, Frankfurt am Main und Magdeburg angewendet, was an der limitierten Interpretationsfähigkeit dieser Verfahren liegen dürfte.

Ähnlich verhält es sich bei Clusteranalysen, welche zwar sehr anschaulich sind, aber schwierig zu interpretieren, wenn es um das Zustandekommen der Zusammensetzung der Cluster geht. Darüber hinaus erlauben Clusteranalysen keine Vergleiche zwischen mehreren Zeitpunkten, da sich mit jedem Durchlauf die Clusterparameter ändern. Die Popularität von Indexverfahren lässt sich auf deren methodische Einfachheit (Rechenvorschrift) und Interpretierbarkeit zurückführen, welche für die Umsetzung und Kommunikation der Ergebnisse von Vorteil ist.