Die Visualisierung beruht auf einer thematischen Inhaltsanalyse von Strategiedokumenten der Pionierstädte. Die thematischen Kategorien wurden nicht vorab festgelegt, sondern induktiv aus dem Material entwickelt – in Anlehnung an die qualitative Inhaltsanalyse (Mayring 2022) und mit zwei Verfahrensprinzipien aus der Grounded Theory: dem ständigen Vergleich neuer Textstellen mit den bereits gebildeten Kategorien und der schrittweisen Sättigung, also dem Punkt, an dem neues Material keine neuen Kategorien mehr hervorbringt (Glaser & Strauss 1967; Strauss & Corbin 1996).

Warum wir das so gemacht haben? Zunächst war es ein Werkzeug, um angesichts der nun umfassenden Daten einen fundierten Jahresbericht erstellen zu können. Was uns aber seit Beginn der Mission Klimaneutrale Stadt umtreibt, ist ihr systemischer Charakter: die Frage, welche Innovationen in den Städten miteinander geplant, erprobt und umgesetzt werden. Ein vorab gesetztes Themenraster hätte diese Verknüpfungen vorweggenommen, weil es die Grenzen schon festgelegt hätte, die wir eigentlich untersuchen wollten. Das offene Vorgehen macht dagegen sichtbar, was die Städte tatsächlich beschäftigt – auch dort, wo das von Erwartungen abweicht.

Wie das Codebuch entstanden ist

Wir haben mit einer kleinen Zahl von Dokumenten begonnen und daraus eine Rohfassung eines Codebuchs entwickelt. Diese wurde in mehreren Durchgängen überarbeitet, bis sich die Kategorienstruktur stabilisiert hatte. Neue Kategorien wurden nur aufgenommen, wenn sie in mindestens zwei voneinander unabhängigen Stadtdokumenten vorkamen. Diese Schwelle hält Einzelfälle aus der Struktur heraus; sie sagt nichts darüber aus, ob eine Kategorie über die untersuchten Städte hinaus trägt.

Bei dieser Materialmenge wäre das Codieren von Hand nur in einem größeren Team und über mehrere Wochen zu leisten gewesen. Wir haben dafür KI-Unterstützung eingesetzt.

Was die KI gemacht hat

Wir haben unterschiedliche Modelle von Claude mittels Claude Code verwendet. Sie wurden eingesetzt, um die Projekte aus den Dokumenten zu extrahieren, sie Kategorien zuzuordnen und eine Salienz zu vergeben, also eine Einschätzung, wie zentral das Thema für das Projekt ist. Außerdem haben sie Lücken im Codebuch gemeldet, wenn ein Inhalt in keine bestehende Kategorie passte. Die Entscheidung über die Aufnahme neuer Kategorien lag durchgehend bei den Autor:innen.

Die Qualitätssicherung ruhte auf drei Elementen. Erstens der Kalibrierung: Die Anträge zweier Pionierkleinstädte wurden vollständig codiert und Zuordnung für Zuordnung durchgesehen, bevor weitere Städte bearbeitet wurden; an diesem Pilot wurde das Codebuch geschärft. Zweitens einer Belegpflicht: Jede Zuordnung führt das wörtliche Zitat und seine Fundstelle mit, sodass sich jede Entscheidung am Ausgangstext überprüfen lässt. Drittens der Dokumentation der Negativentscheidungen – auch verworfene Zuordnungen sind festgehalten und fehlen nicht einfach.

Eine systematische Nachcodierung des Gesamtkorpus durch eine zweite Person haben wir nicht durchgeführt.

Die verwendeten Daten

Die Datengrundlage sind rund 2.500 Normseiten kommunaler Strategiedokumente aus 45 der 47 Pionierstädte: Klimaneutralitätsfahrpläne, Jahresberichte, Förderprogrammanträge und Ergebnisberichte. Daraus wurden 1.014 Projekte extrahiert und mit einem kontrollierten Vokabular von 70 Keywords codiert, von denen 63 in der Darstellung erscheinen; insgesamt entstanden 3.127 Zuordnungen.

Wie Verbindungen zwischen den Keywords entstehen

Jedes Projekt wurde anhand seiner Beschreibung einem oder mehreren Keywords zugeordnet, und für jede Zuordnung wurde bewertet, wie zentral das Thema für das Projekt ist (1 = erwähnt, 2 = behandelt, 3 = zentral). Daraus entsteht zunächst eine zweistufige Tabelle (fachsprachlich: Zwei-Modus-Matrix Projekte × Keywords): Projekte auf der einen Seite, Keywords auf der anderen.

Die Verbindungen der Visualisierung entstehen nicht durch die Nähe von Begriffen im Text, sondern aus geteilter Zugehörigkeit. Zwei Keywords werden verbunden, wenn sie dasselbe Projekt beschreiben. Aus der zweistufigen Tabelle wird so ein Netz zwischen den Themen selbst. Methodisch entspricht der Schritt dem Übergang von der klassischen Inhaltsanalyse, die Konzepte zählt, zur Map-Analyse, die zusätzlich deren Beziehungen erhebt (Carley 1993). Eine Kante sagt damit nichts anderes als: Diese beiden Themen wurden in mindestens einem Vorhaben gemeinsam gedacht. Was dabei entsteht, ist eine relationale Messung von Bedeutung: Aussagekraft liegt nicht in den einzelnen Kategorien, sondern im Muster ihrer Verknüpfungen (Mohr 1998).

Das Gewicht einer Kante ist dabei nicht die bloße Häufigkeit. Je gemeinsamem Projekt zählt die schwächere der beiden Salienzen: Wo beide Themen zentral sind, trägt das Projekt 3 bei; ist eines nur erwähnt, trägt es 1. So kann eine einzelne beiläufige Erwähnung keine starke Verbindung erzeugen. Die Häufigkeit bleibt dennoch der dominierende Faktor – viele schwache Nennungen summieren sich zu einer breiten Kante. Die Größe eines Knotens folgt der Summe der Salienzen aller seiner Projektzuordnungen, nicht ihrer Anzahl – der Radius wächst linear mit diesem Gewicht, die Fläche entsprechend überproportional. Die kleinen Kreise innerhalb eines Knotens sind die einzelnen Projekte, ebenfalls nach Salienz abgestuft.

Wer sonst so arbeitet

Keyword-Co-Occurrence-Netzwerke sind kein neues Verfahren. Entwickelt wurden sie in den 1980er-Jahren in der Wissenschaftsforschung, um aus den Schlagwörtern großer Publikationsbestände die thematische Struktur eines Forschungsfeldes sichtbar zu machen (Callon et al. 1983); heute sind sie in Standardsoftware umgesetzt und gehören zum festen Repertoire der Bibliometrie (van Eck & Waltman 2010). Was dort Publikationen sind, sind hier Projekte.

Die Übertragung auf kommunale Handlungsprogramme ist dagegen wenig erprobt. Das liegt auch am Material: Publikationen tragen ihre Schlagwörter bereits mit sich, kommunale Strategiedokumente nicht – die thematische Erschließung muss erst hergestellt werden. Genau dieser Schritt ist der aufwendige Teil der hier beschriebenen Methode.

Was die Methode kann – und was nicht

Die Methode macht sichtbar, welche Themen häufig und in welchen Kombinationen auftreten. Sie ist besonders geeignet, um strukturelle Muster zu identifizieren: sektorübergreifende Verbindungen, thematische Schwerpunkte, Lücken.

Was sie nicht leisten kann: Sie misst keine Wirksamkeit, keine Umsetzung und keine Kausalität. Datengrundlage sind Dokumente, also die Selbsteinschätzung der Pionierstädte – nicht die Realität vor Ort. Außerdem hängt die Netzwerkstruktur von Codierungsentscheidungen ab: Wo die Grenze zwischen einem und zwei Projekten liegt, ob ein Thema als zentral oder nur erwähnt gilt – das sind Interpretationsleistungen, die das Ergebnis formen. Hinzu kommt, dass ein Sprachmodell eigene systematische Neigungen mitbringt, etwa dazu, geläufige Begriffe häufiger zu vergeben als seltene. Welche Spuren das in der Struktur hinterlässt, lässt sich aus den Daten selbst nicht bestimmen.

Die Mission Klimaneutrale Stadt trägt es im Namen: Sie ist ein missionsorientiertes Innovationsprogramm. Aber was heißt das?

In der Innovationspolitik spricht man davon, wenn die Fördergebenden ein klares Ziel setzen – klimaneutrale Städte in Österreich –, den Weg dorthin aber offenlassen (Mazzucato 2018). Richtung und Lösung werden getrennt: Die Richtung wird politisch vorgegeben, die Lösungen entstehen dezentral, durch die vielfältigen Perspektiven, die die Beteiligten einbringen. Der Unterschied zur älteren Innovationspolitik ist deutlich. Dort legte ein kleiner Kreis von Fachleuten vorab fest, welche Technologie ans Ziel führen sollte. Heute gilt die Annahme, dass ein breites Feld von Akteur:innen mehr gangbare Wege findet, als eine zentrale Stelle vorausdenken kann (Soete & Arundel 1993). Ob dieser Zugang hält, was er verspricht, ist in der Forschung umstritten – vor allem die Frage, wer eigentlich darüber entscheidet, welches Problem zur Mission wird (Wanzenböck et al. 2020).

Aus der Logik folgt ein praktisches Problem. Wenn viele gleichzeitig an unterschiedlichen Wegen arbeiten, müssen sie voneinander wissen – sonst laufen die Beiträge nebeneinander her oder unterlaufen einander. Über einen Zeitraum von Jahren verändert sich die Innovationslandschaft zudem laufend. Je besser eine Mission funktioniert, desto schneller. Deshalb ist es entscheidend, dass alle Beteiligten erkennen können, wie ihr eigener Beitrag zum gemeinsamen Ziel steht (Mitteregger et al. 2021).

Was Systeminnovationen damit zu tun haben

Außerdem wissen wir heute: Die Wirkung einer Technologie hängt selten an ihr allein. Ob eine Großwärmepumpe, ein Mikro-ÖV-System oder ein Sanierungsprogramm etwas bewegt, entscheidet sich im Zusammenspiel mit anderen Maßnahmen und in der organisatorischen, rechtlichen und sozialen Einbettung. Die Transitionsforschung nennt das Systeminnovationen (Geels 2002). Für uns heißt das: Ein Projekt für sich genommen sagt wenig. Aufschlussreich wird es dort, wo Themen aufeinandertreffen und im besten Fall ineinandergreifen. So ist das Themennetz hier zu lesen.

Was die Visualisierung zeigt – und was nicht

Die Knoten und Kanten sind eine Momentaufnahme der Innovationslandschaft der österreichischen Pionierstädte. Sie zeigen, welche Themen die Städte miteinander verbinden, welche Kombinationen umgesetzt, laufend oder geplant sind und wo bisher wenig geschieht.

Was sie nicht zeigen, ist, welcher dieser Wege ans Ziel führt. Das weiß derzeit niemand – und genau deshalb ist die Mission so angelegt, wie sie angelegt ist.

Callon, M., Courtial, J.-P., Turner, W. A. & Bauin, S. (1983): From Translations to Problematic Networks. An Introduction to Co-Word Analysis. Social Science Information 22(2), 191–235.

Carley, K. (1993): Coding Choices for Textual Analysis. A Comparison of Content Analysis and Map Analysis. Sociological Methodology 23, 75–126.

Geels, F. W. (2002): Technological Transitions as Evolutionary Reconfiguration Processes. A Multi-Level Perspective and a Case-Study. Research Policy 31(8–9), 1257–1274.

Glaser, B. G. & Strauss, A. L. (1967): The Discovery of Grounded Theory. Strategies for Qualitative Research. Chicago: Aldine.

Mayring, P. (2022): Qualitative Inhaltsanalyse. Grundlagen und Techniken. Weinheim: Beltz.

Mazzucato, M. (2018): Mission-Oriented Innovation Policies. Challenges and Opportunities. Industrial and Corporate Change 27(5), 803–815.

Mitteregger, M., Russ, M., Hodzic-Srndic, N. & Jäger, M. (2021): The Monitoring Canvas. A Tool for Co-Creating Actions in Mission Oriented Innovation Policies. In: REAL CORP 2021 Proceedings. Wien, 1265–1272.

Mohr, J. W. (1998): Measuring Meaning Structures. Annual Review of Sociology 24, 345–370.

Soete, L. & Arundel, A. (1993): An Integrated Approach to European Innovation and Technology Diffusion Policy. A Maastricht Memorandum. Luxembourg: Commission of the European Communities.

Strauss, A. L. & Corbin, J. M. (1996): Grounded Theory. Grundlagen qualitativer Sozialforschung. Weinheim: Beltz PsychologieVerlagsUnion.

van Eck, N. J. & Waltman, L. (2010): Software Survey. VOSviewer, a Computer Program for Bibliometric Mapping. Scientometrics 84(2), 523–538.

Wanzenböck, I., Wesseling, J. H., Frenken, K., Hekkert, M. P. & Weber, K. M. (2020): A Framework for Mission-Oriented Innovation Policy. Alternative Pathways through the Problem–Solution Space. Science and Public Policy 47(4), 474–489.

Der Inhalt auf dieser Seite wurde erstellt von Mathias Mitteregger (moura) 2026.