Anreizmechanismen als Mittel zur Änderung des Mobilitätsverhaltens

Zusammenfassung In der öffentlichen Debatte über die Mobilitätswende stehen oftmals technische Lösungen im Mittelpunkt (vgl. Manderscheid 2020, S. 38). Allerdings liegt es nahe, nicht nur die technischen, sondern auch die sozialen Aspekte in den Blick zu nehmen, um zu einem ganzheitlichen Verständnis der Verkehrsmittelwahl zu gelangen und Möglichkeiten ihrer Veränderung zu identifizieren. Anreizmechanismen, auch Nudges (Thaler und Sunstein, 2009) genannt, können eine wichtige Rolle spielen und eine Ergänzung zu technischen, infrastrukturellen oder gesetzlichen Maßnahmen darstellen. Dieser Artikel identifiziert wesentliche theoretische Ansätze zur Erklärung des Mobilitätsverhaltens. Dabei wird der Frage nachgegangen, an welchen Punkten aus theoretischer Sicht Anreizmechanismen ansetzen könnten und wie diese gestaltet sein sollten, um zu einer Änderung des Mobilitätsverhaltens beizutragen. Hierzu wird auch ein Überblick über bereits in der Praxis verwendete Konzepte gegeben, bevor schließlich ein theoriefundiertes Konzept für eine geeignete Kombination und Anwendung verschiedener Anreize präsentiert und diskutiert wird. Dabei wird festgestellt, dass zur Erklärung des Mobilitätsverhaltens eine Kombination aus verkehrlichen Faktoren, individuellen Einstellungen und Kontextfaktoren am besten geeignet ist (vgl. Weyer und Hoffmann, 2023; Widmer et al., 2019; Schneider, 2013). Folglich empfiehlt es sich, Anreize nicht pauschal auszuspielen, sondern zunächst eine Typisierung der Adressat:innen vorzunehmen, um individuell angepasste Anreize verwenden zu können. Für das vorgeschlagene Anreiz-Konzept erscheint vor allem eine App-basierte Ausspielung individualisierter Routenempfehlungen und Feedbacks sinnvoll. Diese Lösung ist einerseits ohne besonders große Hardware-Investitionen realisierbar, wodurch eine großflächige und flexible Umsetzbarkeit gewährleistet wird. Andererseits zeichnet sich diese Lösung dadurch aus, dass sie mit weiteren Anreizmechanismen kombinierbar ist und an bereits vollzogene Änderungen des Verhaltens automatisiert angepasst werden kann.