Mobilitätssteckbrief BerlinEtappenauswertungen zum Forschungsprojekt „Städte in Bewegung – StiB 2025“

© TUD MSP

Danksagung

Unser herzlicher Dank gilt allen Teilnehmenden an der Mobilitätserhebung Städte in Bewegung: Diese Studie wäre ohne Ihre wertvolle Mitwirkung und Ihre Zeit nicht möglich gewesen. Wir schätzen Ihren Beitrag sehr und sind Ihnen zu tiefem Dank verpflichtet.

Methodische Hinweise

Die im Mobilitätssteckbrief dargestellten Daten basieren auf der Smartphone-basierten Mobilitätserhebung Städte in Bewegung. Ziel der Erhebung ist es, zukünftige Mobilitätstrends in Berlin abzuschätzen. Im Zentrum der Forschung stehen alle Formen der Mobilität: von Pkw-Verkehren, der Nutzung der Öffentlichen Verkehrsmittel, über den Rad- und Fußverkehr bis hin zu neuen, zukünftigen Mobilitätsformen. Die wichtigsten Informationen zur Durchführung finden Sie hier:

• Erhebungszeitraum: 07.04.2025 – 27.07.2025
• Grundgesamtheit: Personen ab 16 Jahren, die sich überwiegend in Berlin aufhielten
• Stichprobengröße: 1049 Teilnehmende
• Erhebungsmethode: Smartphone-basierte Mobilitätserhebung mit der App „StiB: Städte in Bewegung“, entwickelt vom Berliner Softwareunternehmen motiontag, und ergänzenden Online-Fragebögen:
  In anschaulichem App-Design konnten Teilnehmende nachverfolgen, wie sie sich inner- und außerhalb der Stadträume fortbewegen und wie viel Zeit dabei mit verschiedenen Aufenthaltszwecken verbracht wird. Lernende Algorithmen sowie Sensoren im Smartphone unterstützen die Erfassung und schlagen Verkehrsmittel und Aufenthalte vor. Darüber hinaus war es möglich, die eigenen Wege und Aufenthalte in einer interaktiven Karte nachzuvollziehen.
• Stichprobenverfahren: Geschichtete Zufallsstichprobe (nach städtischen Teilräumen) aus Einwohnermelderegister mit postalischem Versand sowie ergänzende nicht-zufällige Stichprobe (Crowdsourcing, vor allem über soziale Medien)
• Datenschutz: Die Daten werden nur in aggregierter Form veröffentlicht. Wir sichern zu, dass aus den hier veröffentlichten Ergebnissen keinerlei Rückschlüsse auf die betroffene Person möglich sind.
• Gewichtung: Sämtliche Auswertungen werden ungewichtet dargestellt. Sie sind daher für die Stadtbevölkerung Berlins nicht repräsentativ, geben jedoch ein äußerst genaues Abbild der städtischen Mobilität in diesem Zeitraum.

Stichprobe im Überblick

Übersicht über die Stichprobe
Variable	N = 1,049
Geschlecht
Weiblich	50%
Männlich	50%
Unbekannt	20
Altersgruppen
16-18 Jahre	1%
18–24 Jahre	7%
25–44 Jahre	47%
45–59 Jahre	30%
≥ 60 Jahre	15%
Unbekannt	2
Haushaltsgröße
1	18%
2	38%
3	20%
4 oder mehr	23%
Unbekannt	5

Wege und Etappen

In der Erhebung Mobilität in Städten – SrV wird zwischen Wegen und Etappen unterschieden:

Weg

Eine Ortsveränderung mit genau einem Hauptzweck (z. B. Fahrt zur Arbeit). Ein Weg kann aus mehreren Etappen bestehen, wenn verschiedene Verkehrsmittel genutzt werden.

Etappe

Ein Abschnitt eines Weges, der mit genau einem Verkehrsmittel ohne Unterbrechung durch einen Verkehrsmittelwechsel zurückgelegt wird. Mit jedem Wechsel des Verkehrsmittels (Umstieg) beginnt eine neue Etappe.

Beispiel:

Eine Person fährt mit dem Fahrrad zum Bahnhof, nimmt den Zug und läuft anschließend zu Fuß zum Ziel. Das ergibt:

• 1 Weg – „Fahrt zur Arbeit“
• 3 Etappen – Fahrrad → Zug → zu Fuß

Verkehrsmittelgruppen:

MIV – Motorisierter Individualverkehr

Umfasst Fahrten als Fahrer:in oder Mitfahrer:in in Pkw, Krafträdern und ähnlichen motorisierten Privatfahrzeugen.

ÖV – Öffentlicher Verkehr

Umfasst Bus, Straßenbahn, U-Bahn, S-Bahn, Regional- und Fernzüge sowie weitere öffentlich zugängliche Verkehrsmittel.

Fahrrad

Umfasst klassische Fahrräder sowie Pedelecs/E-Bikes.

Zu Fuß

Alle zu Fuß zurückgelegten Wege und Etappen, einschließlich kurzer Fußwege als Zu- und Abgang zu anderen Verkehrsmitteln.

Durch die hohe Genauigkeit der Smartphone-basierten Erhebung Städte in bewegung lässt sich Mobilität nicht nur in Form von Wegen, sondern sogar in einzelnen Etappen betrachten. Durch die Teilnahme über mehrere Tage hinweg können so Mobilitätstrends differenzierter analysiert werden. Insbesondere durch den Modal Split (Anteil der einzelnen Verkehrsmittel am Gesamtverkehr) auf Etappenebene wird so intermodales Mobilitätsverhalten, bei welchem mehrere Verkehrsmittel innerhalb eines einzigen Weges kombiniert werden, sichtbar.

Quellen: TU Dresden, SrV-Methodenbericht 2023, SrV-Etappenkonzept und die Sichtbarkeit des Zufußgehens (Koszowski et al., 2023).

Mobilität nach Verkehrsmitteln

Mit diesen Werkzeugen können Sie die Diagramme interaktiv erkunden und analysieren:

• Download: Graphen als PNG-Bild speichern
• Zoom: Mit der Maus einen Bereich aufziehen und hineinzoomen
• Verschieben: Diagramm-Ausschnitt verschieben (ziehen)
• Rechteckauswahl: Datenpunkte im Rechteck auswählen
• Hineinzoomen: Das Diagramm vergrößern
• Hinauszoomen: Das Diagramm verkleinern
• Achsen zurücksetzen: Diagramm auf Ausgangszustand zurücksetzen
• Bezugslinien an-/abschalten: Bezüge zu den Diagrammachsen herstellen
• Zeige nächste Daten beim Überfahren: Zeigt Infos zum nächsten Datenpunkt beim Überfahren
• Über die Daten fahren, um sie zu vergleichen: Zeigt Werte mehrerer Datenreihen beim Überfahren

Mobilität im Tagesverlauf

Mobilität im Wochenverlauf

Mobilität im Kalenderverlauf

Förderhinweis

Dieses Projekt wurde gefördert durch die Deutsche Forschungsgemeinschaft im Rahmen des Vorhabens „Graduiertenkollegs 2947/1" (Förderkennzeichen: 508591287). Die Verantwortung für den Inhalt dieser Veröffentlichung liegt bei den Autorinnen und Autoren; die hier geäußerten Ansichten und Meinungen spiegeln nicht notwendigerweise die offizielle Position des Fördergebers wider.

Die TUD Professur für Mobilitätssystemplanung dankt dem Fördergeber für die finanzielle Unterstützung dieser Forschungsarbeit.

Dieses Dokument wurde mit Liebe zum Detail und großem Dank an die Entwickler:innen der folgenden R-Pakete erstellt:

R v. 4.4.0 (R Core Team, 2024) und die folgenden R-Pakete: dataPreparation v. 1.1.1 (Toulemonde, 2023), flextable v. 0.9.6 (Gohel & Skintzos, 2024), gganimate v. 1.0.11 (Pedersen & Robinson, 2025), ggpubr v. 0.6.2 (Kassambara, 2025), ggrepel v. 0.9.6 (Slowikowski, 2024), ggtext v. 0.1.2 (Wilke & Wiernik, 2022), grateful v. 0.3.0 (Rodriguez-Sanchez & Jackson, 2025), gridExtra v. 2.3 (Auguie, 2017), gt v. 1.1.0 (Iannone et al., 2025), gtsummary v. 2.4.0 (Sjoberg et al., 2021), htmlwidgets v. 1.6.4 (Vaidyanathan et al., 2023), kableExtra v. 1.4.0 (Zhu, 2024), labelled v. 2.13.0 (Larmarange, 2024), plotly v. 4.11.0 (Sievert, 2020), quarto v. 1.5.1 (Allaire & Dervieux, 2025), rmarkdown v. 2.29 (Allaire et al., 2024; Xie et al., 2018; Xie et al., 2020), ropenmeteo v. 0.1 (Thomas, 2026), scales v. 1.4.0 (Wickham et al., 2025), shiny v. 1.8.1.1 (Chang et al., 2024), showtext v. 0.9.8 (Qiu, 2026), srvyr v. 1.2.0 (Freedman Ellis & Schneider, 2023), survey v. 4.4.2 (Lumley, 2004, 2010, 2024), tidyverse v. 2.0.0 (Wickham et al., 2019), timeDate v. 4052.112 (Wuertz et al., 2026), viridis v. 0.6.5 (Garnier et al., 2024), xfun v. 0.59 (Xie, 2026).

Allaire, J., & Dervieux, C. (2025). quarto: R Interface to „Quarto“ Markdown Publishing System. https://CRAN.R-project.org/package=quarto

Allaire, J., Xie, Y., Dervieux, C., McPherson, J., Luraschi, J., Ushey, K., Atkins, A., Wickham, H., Cheng, J., Chang, W., & Iannone, R. (2024). rmarkdown: Dynamic Documents for R. https://github.com/rstudio/rmarkdown

Auguie, B. (2017). gridExtra: Miscellaneous Functions for „Grid“ Graphics. https://CRAN.R-project.org/package=gridExtra

Chang, W., Cheng, J., Allaire, J., Sievert, C., Schloerke, B., Xie, Y., Allen, J., McPherson, J., Dipert, A., & Borges, B. (2024). shiny: Web Application Framework for R. https://CRAN.R-project.org/package=shiny

Freedman Ellis, G., & Schneider, B. (2023). srvyr: „dplyr“-Like Syntax for Summary Statistics of Survey Data. https://CRAN.R-project.org/package=srvyr

Garnier, Simon, Ross, Noam, Rudis, Robert, Camargo, Pedro, A., Sciaini, Marco, Scherer, & Cédric. (2024). viridis(Lite) - Colorblind-Friendly Color Maps for R. https://doi.org/10.5281/zenodo.4679423

Gohel, D., & Skintzos, P. (2024). flextable: Functions for Tabular Reporting. https://CRAN.R-project.org/package=flextable

Iannone, R., Cheng, J., Schloerke, B., Hughes, E., Lauer, A., Seo, J., Brevoort, K., & Roy, O. (2025). gt: Easily Create Presentation-Ready Display Tables. https://CRAN.R-project.org/package=gt

Kassambara, A. (2025). ggpubr: „ggplot2“ Based Publication Ready Plots. https://CRAN.R-project.org/package=ggpubr

Larmarange, J. (2024). labelled: Manipulating Labelled Data. https://CRAN.R-project.org/package=labelled

Lumley, T. (2004). Analysis of Complex Survey Samples. Journal of Statistical Software, 9(1), 1–19.

Lumley, T. (2010). Complex Surveys: A Guide to Analysis Using R: A Guide to Analysis Using R. John Wiley; Sons.

Lumley, T. (2024). survey: analysis of complex survey samples.

Pedersen, T. L., & Robinson, D. (2025). gganimate: A Grammar of Animated Graphics. https://CRAN.R-project.org/package=gganimate

Qiu, Y. (2026). showtext: Using Fonts More Easily in R Graphs. https://CRAN.R-project.org/package=showtext

R Core Team. (2024). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing. https://www.R-project.org/

Rodriguez-Sanchez, F., & Jackson, C. P. (2025). grateful: Facilitate citation of R packages. https://pakillo.github.io/grateful/

Sievert, C. (2020). Interactive Web-Based Data Visualization with R, plotly, and shiny. Chapman; Hall/CRC. https://plotly-r.com

Sjoberg, D. D., Whiting, K., Curry, M., Lavery, J. A., & Larmarange, J. (2021). Reproducible Summary Tables with the gtsummary Package. The R Journal, 13, 570–580. https://doi.org/10.32614/RJ-2021-053

Slowikowski, K. (2024). ggrepel: Automatically Position Non-Overlapping Text Labels with „ggplot2“. https://CRAN.R-project.org/package=ggrepel

Thomas, Q. (2026). ropenmeteo: Wrappers for „Open-Meteo“ API. https://github.com/FLARE-forecast/ropenmeteo

Toulemonde, E.-L. (2023). dataPreparation: Automated Data Preparation. https://CRAN.R-project.org/package=dataPreparation

Vaidyanathan, R., Xie, Y., Allaire, J., Cheng, J., Sievert, C., & Russell, K. (2023). htmlwidgets: HTML Widgets for R. https://CRAN.R-project.org/package=htmlwidgets

Wickham, H., Averick, M., Bryan, J., Chang, W., McGowan, L. D., François, R., Grolemund, G., Hayes, A., Henry, L., Hester, J., Kuhn, M., Pedersen, T. L., Miller, E., Bache, S. M., Müller, K., Ooms, J., Robinson, D., Seidel, D. P., Spinu, V., … Yutani, H. (2019). Welcome to the tidyverse. Journal of Open Source Software, 4(43), 1686. https://doi.org/10.21105/joss.01686

Wickham, H., Pedersen, T. L., & Seidel, D. (2025). scales: Scale Functions for Visualization. https://CRAN.R-project.org/package=scales

Wilke, C. O., & Wiernik, B. M. (2022). ggtext: Improved Text Rendering Support for „ggplot2“. https://CRAN.R-project.org/package=ggtext

Wuertz, D., Setz, T., Chalabi, Y., & Boshnakov, G. N. (2026). timeDate: Rmetrics - Chronological and Calendar Objects. https://CRAN.R-project.org/package=timeDate

Xie, Y. (2026). xfun: Supporting Functions for Packages Maintained by „Yihui Xie“. https://CRAN.R-project.org/package=xfun

Xie, Y., Allaire, J. J., & Grolemund, G. (2018). R Markdown: The Definitive Guide. Chapman; Hall/CRC. https://bookdown.org/yihui/rmarkdown

Xie, Y., Dervieux, C., & Riederer, E. (2020). R Markdown Cookbook. Chapman; Hall/CRC. https://bookdown.org/yihui/rmarkdown-cookbook

Zhu, H. (2024). kableExtra: Construct Complex Table with „kable“ and Pipe Syntax. https://CRAN.R-project.org/package=kableExtra