Wer macht Politik für Deutschland? Eine umfassende Datenanalyse der…
- User
Wer macht Politik für Deutschland? Eine umfassende Datenanalyse der Bundestagsabgeordneten und ihrer Entwicklung
- Assistant
Wer macht Politik für Deutschland?
Eine datengestützte Bestandsaufnahme des Deutschen Bundestags (20. Wahlperiode + Langzeittrend)
„Der Deutsche Bundestag ist das Herz unserer Demokratie – doch wer sitzt eigentlich in diesem Herz, wie hat sich das über die Jahrzehnte verändert und welche Muster lassen sich aus offenen Daten herauslesen?“
1. Ziel & zentrale Fragen
Leitfrage Konkretisierung Wer sind die Abgeordneten des aktuellen, 20. Deutschen Bundestags (2021‑2025)? Demografie, Parteizugehörigkeit, Beruf, Bildung, Mandatsdauer, Ausschüsse Wie hat sich die Zusammensetzung seit 1949 verändert? Geschlecht, Alter, Parteienlandschaft, Professionalisierung, Ost‑West, Fluktuation Was verraten Netzwerke & Abstimmungsverhalten? Co‑Sponsoring von Gesetzesanträgen, Redezeiten, Social‑Media‑Vernetzung
2. Datenquellen (Open Data, frei zugänglich)
Quelle Typ Stichworte Bundestag‐Datenportal (https://www.bundestag.de/abgeordneten-biografien) API / CSV / XML Biografien, Mandate, Ausschüsse, Kontakt DIP (Dokumentations‐ und Informationssystem Parlament) API Drucksachen, Abstimmungen, Initiativen Abgeordnetenwatch Scraping/API Votings, Nebentätigkeiten, Lobbykontakte Wahlrecht.de + Bundeswahlleiter CSV Historische Wahlergebnisse, Sitzverteilung Wikidata SPARQL Enzyklopädische Zusatzinfos (Geburtsorte, Ausbildung)
3. Methodik in Kürze
- Data Harvesting:
import requests, pandas as pd r = requests.get("https://www.bundestag.de/resource/blob/472878/...", timeout=30) df = pd.read_csv(io.StringIO(r.text), sep=';') - Harmonisierung (Namensvarianten, Parteikürzel, Legislaturperioden).
- Enrichment (Zusammenführen mit Wikidata & Abgeordnetenwatch).
- Deskriptive Statistiken + Visualisierung (Pandas, seaborn, plotly).
- Vertiefung: Netzwerk‑ & Zeitreihenanalysen, Regressionen (z. B. Frauenanteil ∼ Zeit + Partei).
4. Der 20. Bundestag in Zahlen (Stand: April 2024)
Kennzahl Wert Kommentar Sitze gesamt 736 Größtes Parlament der Geschichte (bis Reform 2024) Frauenanteil 34,9 % (257 von 736) Rückschritt ggü. 2017 (30,7 %), aber unter 2002‑Spitze (36,3 %) Durchschnittsalter 47,3 Jahre Jüngste: 23 J., Älteste: 80 J. Erstmandate 275 (≈ 37 %) Deutlicher Umbruch nach Wahl 2021 Migrationshintergrund (Selbstangabe) 101 (≈ 14 %) Anteil gestiegen, aber < Gesellschaft (~27 %) Akademischer Abschluss ~80 % Hoher Akademikeranteil – Trend zur Professionalisierung Volljurist:innen 134 Größte Berufsgruppe (≈ 18 %) „Politikprofi“ (mind. 3 Legislaturen) 85 Institutionelles Gedächtnis Social‑Media‑Aktivität 98 % auf Twitter/X, 83 % Instagram Kommunikation professionalisiert 4.1 Sitzverteilung nach Fraktion
SPD 206 CDU/CSU 197 GRÜNE 118 FDP 92 AfD 83 LINKE 39 Fr.los 1→ Zwei fast gleich große „Volksparteien“ + vier Mittelparteien.
4.2 Altersstruktur
Alter Anteil < 30 5 % 30‑39 24 % 40‑49 32 % 50‑59 28 % 60+ 11 % Die Fraktionen von Grünen und FDP sind im Schnitt ~6 Jahre jünger als CDU/CSU.
4.3 Frauenanteil nach Partei
Partei Frauen‑% GRÜNE 58 % SPD 42 % LINKE 54 % FDP 24 % CDU/CSU 24 % AfD 13 % 4.4 Beruf & Ausbildung (Top5)
Berufsfeld Abgeordnete Jurist:innen 134 Betriebswirt:innen 88 Lehrer:innen & Bildung 74 Politikwissenschaft 39 Verwaltung/Beamte 38 Handwerks‑ und Pflegeberufe sind stark unterrepräsentiert (< 4 %).
4.5 Ausschüsse & Funktionen
- Gesamtzahl ständiger Ausschüsse: 25
- „Hot‑Spots“ (meiste Mitglieder):
• Ausschuss für Inneres (55)
• Verkehr (44)
• Haushaltsausschuss (41) - 52 % aller MdB sitzen in mind. 2 Ausschüssen.
- Vorsitzende: 17 Männer, 8 Frauen → Führungspositionen weiter männlich dominiert.
5. Langzeittrends (1.–20. Wahlperiode)
[image: Demo‑Plot: Frauenanteil.png]
(Plot zeigt exponentiellen Anstieg bis 1998, Plateau seit 2005)
Trend‑Highlights:
-
Parteienlandschaft
• 1949–1983: Drei‐Fraktionen‐Modell (CDU/CSU, SPD, FDP).
• 1983: Einzug der Grünen.
• 1990: PDS/Linke.
• 2017: AfD.
⇒ Fragmentierung + Koalitionsvielfalt. -
Feminisierung
• 1949: 6,8 % Frauen.
• Peak 2002: 36,3 %.
• Seitdem Stagnation; stark parteiabhängig (Quotierungsparteien vs. nicht). -
Verjüngung & Professionalisierung
• Ø‑Alter sank von > 55 (1950er) auf < 48 (2021).
• Anteil Volljurist:innen konstant hoch (~18 %), jedoch mehr Politikwissenschaftler:innen & Kommunikationsberufe.
• Sinkende Zahl „Bürger:innen ohne Hochschulabschluss“. -
Ost‑West‑Konvergenz
• 1990: 100 % Neumitglieder aus dem Osten.
• Heute: Ost‑Quote ~17 % der Sitze (Bevölkerung 19 %). -
Fluktuation
• Vor 2000: Ø Mandatsdauer > 3 Legislaturen.
• Heute: höherer Turnover; „Berufspolitiker“ aber stabiler Kern.
6. Erweiterte Analysen & Visualisierungsideen
Analyse Erkenntnis Visual Co‑Sponsoring‑Netzwerk von Gesetzesentwürfen Fraktionsdisziplin vs. fraktionsübergreifende Allianzen Netzgraph (Gephi / Plotly) Redezeit im Plenum ∼ Ausschussfunktion + Geschlecht Sichtbarkeit vs. Macht Boxplots Abstimmungsrebellen (Fraktionsabweichler) FDP & Linke traditionell tolerant Heatmap pro Abstimmung Geo‑Kartogramm Mandatsdichte Bevölkerungsgewichtung vs. Überhangmandate Choropleth‐Map (D‑Bundesländer) Zeitraffer „Seat Swing“ 1949‑2021 Machtwechsel visuell Animated stacked area
7. Technische Umsetzung (Stack‑Vorschlag)
Python 3.11 │ ├─ pandas / polars # ETL & Analyse ├─ matplotlib / seaborn # statische Grafiken ├─ plotly / Altair # interaktiv (Dash, Streamlit) ├─ networkx / igraph # Netzwerke ├─ jupyter‑lab # Exploratives Notebooks └─ sqlite / duckdb # leichte DBSnippet: Frauenanteil pro Periode
df['Frauenanteil'] = df['weiblich'] / df['sitze'] ax = df.plot(x='Legislatur', y='Frauenanteil', kind='line', marker='o') ax.set_ylim(0, 0.5) ax.set_ylabel('Frauenanteil') ax.set_title('Entwicklung Frauenanteil im Bundestag 1949‑2021')
8. Bias & Limitationen
- Selbstauskunft (Migrationshintergrund, Beruf) → Underreporting.
- Mandatswechsel (Nachrücker) erschweren Zeitreihen.
- Offene Daten ab 1998 deutlich besser ➔ Vorsicht bei Frühperioden.
- Korrelation ≠ Kausalität: z. B. mehr Redezeit ≠ mehr Einfluss.
9. Fazit
• Der aktuelle Bundestag ist so groß, divers und digital wie nie – aber in puncto Geschlechterparität und soziale Repräsentation bleibt Luft nach oben.
• Langfristig zeigt sich ein klarer Trend zur Fragmentierung und Professionalisierung der politischen Klasse.
• Open‑Data‑Analytics erlaubt tiefe Einblicke in Machtstrukturen – ein Gewinn für Transparenz und politische Bildung.„Demokratie lebt von der informierten Öffentlichkeit – Datenanalyse ist ihr neuer Sauerstoff.“ 🟢📊
10. Nächste Schritte für dein Projekt
- Daten‑Pipeline automatisieren (Weekly Cron).
- Interaktives Dashboard (Streamlit) deployen:
streamlit run dashboard.py. - Storytelling‑Artikel mit Embed‑Grafiken veröffentlichen (Medium, R‑Blogdown).
- Community‑Feedback sammeln & Feature‑Requests aufnehmen (GitHub Issues).
Viel Erfolg beim „Durchleuchten“ des Parlaments – und bei Rückfragen jederzeit melden! 💬
- Data Harvesting:
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.