01.02.2019, 00:00 Uhr

Der Einfluss nächtlichen innerstädtischen Verkehrslärms auf die kognitive Entwicklung von Kindern

Zusammenfassung Lärm beeinträchtigt sowohl die Gesundheit als auch die kognitive Entwicklung von Kindern. Dies gilt nicht nur für extreme Lärmpegel, wie beispielsweise die des Flugverkehrs, sondern auch für den täglichen Verkehrslärm in Ballungsgebieten. Die Analyse von Daten mehrerer Einschulungskohorten einer Großstadt zeigt, dass Kinder, die Lärm durch den Straßen- und Schienenverkehr ausgesetzt sind, in ihrer Schulreife zurückfallen. Im Durchschnitt zeigt sich, dass eine Reduktion des Lärms um 2 dB(A) denselben Effekt auf die Schulreife hätte wie ein weiterer Monat im Kindergarten. Anders als in anderen Studien verwenden wir ausschließlich administrative Daten und betrachten die alltägliche Lärmbelastung in deutschen Städten. Die Analysen sind auf Grund der verwendeten Daten und Methoden leicht auf andere Regionen übertragbar. Erste Kosten-Nutzen-Analysen zeigen zudem, dass die Nutzenschwelle von Lärmschutzmaßnahmen gerade in dicht besiedelten innerstädtischen Bereichen schnell erreicht ist.

Quelle: PantherMedia/photo zaur.mail.ru

Quelle: PantherMedia/photo zaur.mail.ru

Kinder sind rund um die Uhr verschiedenen Lärmquellen ausgesetzt. Neben den Lärmquellen zu Hause und im Kindergarten oder in der Schule gewinnt die Lärmbelastung in urbanisierten Räumen, durch Flugzeuge und den Straßenverkehr, zunehmend an Bedeutung – auch in der politischen Debatte (vgl. WHO 2011) [1]. Denn, wenn Kinder in einer lärmbelasteten Umgebung aufwachsen, kann das weitreichende und langfristige Folgen für die gesundheitliche und kognitive Entwicklung haben.

Dabei ist Lärm natürlich nicht die einzige Umweltbelastung der Kinder ausgesetzt sind. Welchen Effekt z. B. Luftverschmutzung auf die kindliche Entwicklung hat, ist bereits gut untersucht (vgl. für eine Zusammenfassung z. B. Currie et al. 2014) [2], insbesondere die Effekte von Luftverschmutzung durch Fahrzeugemissionen auf die Gesundheit von Kleinkindern (Beispiele sind Currie/Walker 2011 [3], Coneus/Spiess 2012 [4] oder Knittel/Miller/Sanders 2016) [5] oder deren Wirkung auf Erträge im späteren Lebensverlauf (z. B. Sanders 2012) [6] sind umfangreich in der Literatur dokumentiert. Auch zum Thema Lärm gibt es eine Vielzahl an wissenschaftlichen Studien, die sich mit dem Einfluss anhaltenden Lärms auf die gesundheitliche Entwicklung von Kindern befassen (für eine Zusammenfassung vgl. Stansfeld/Clark 2015 [7], Luxon/Prasher 2007) [8]. Diese Studien liefern erste empirische Evidenz dafür, dass Lärm die kindliche Gesundheit über verschiedene Kanäle negativ beeinflusst. So zeigen sich Effekte auf den Blutdruck, die Ausschüttung von Stresshormonen, die Schlafqualität, die psychische Gesundheit aber auch auf die kognitive Entwicklung.

Allerdings werden in der bestehenden Literatur häufig extreme Lärmbelastungen, wie z. B. durch naheliegende Flughäfen, betrachtet. Eine der international bekanntesten Studien zu diesem Thema ist jene von Hygge/Evans/Bullinger (2002) [9]. In dieser Studie wird ein natürliches Experiment ausgenutzt, um den Effekt von Fluglärm auf die kognitive Entwicklung von Kindern zu untersuchen: Die Schließung des Flughafens ‚München-Riem‘ im Jahr 1992 und die Eröffnung des neuen Flughafens ‚Franz Josef Strauß‘. Sechs Monate vor diesem Wechsel und zwei Jahre danach wurden die Gesundheit und die kognitive Entwicklung der Kinder im Umfeld der Flughäfen untersucht. Kinder, die in der Umgebung des neuen Flughafens wohnten, zeigten nach der Eröffnung des Flughafens sowohl ein schlechteres Langzeitgedächtnis als auch eine schlechtere Lesefähigkeit. Bei den Kindern, die im Umfeld des alten, nun geschlossenen, Flughafens lebten, verbesserte sich hingegen das Kurzzeitgedächtnis. Ähnliche Ergebnisse für die Effekte von Fluglärm zeigen sich auch für andere europäische Länder (vgl. z. B. RANCH-Studien von Clark et al. 2006 [10], Stansfeld et al. 2005 [11] oder Clark/Head/Stansfeld 2013) [12].

Und obwohl der Fluglärm häufig die größte Aufmerksamkeit genießt, sind die meisten Menschen eher der alltäglichen Lärmbelastung durch den Straßenverkehr ausgesetzt. Schätzungen gehen von rund 42 Millionen Menschen in Europas2) Agglomerationsräumen aus, die Lärmpegeln von mindestens 55 dB(A) am Tag und rd. 30 Millionen, die mindestens 50 dB(A) in der Nacht ausgesetzt sind (vgl. Houthuijs et al. 2014) [13]. Gerade für Kinder und andere vulnerable Personen (wie z. B. ältere, chronisch Kranke, Menschen mit physischen oder psychischen Behinderungen) ist eine solche Belastung besonders schädlich, da sie nicht über die nötigen Mechanismen oder Erfahrungen verfügen, um Lärm auszuweichen oder diesen aktiv durch bestimmtes Handeln zu reduzieren (vgl. Stansfeld/Clark 2015, Matheson/Stansfeld/Haines 2003 [14], van Kamp/Davies 2013) [15].

Die Politik regiert auf die Lärmbelastung und es werden erhebliche öffentliche Mittel in Lärmschutzmaßnahmen investiert. Beispielsweise wurden im Jahr 2012 223,1 Millionen Euro in Deutschland für neue Lärmschutzmaßnahmen oder deren Wiederherstellung an Autobahnen und Bundesstraßen investiert. Zwischen 1978 und 2014 subsummieren sich die Gesamtkosten für solche Maßnahmen auf 5.344,6 Millionen Euro – was durchschnittlich 3,5 % der Gesamtkosten für Straßenverkehrsmaßnahmen entspricht (vgl. BMVI 2015) [16]. Die Landesregierung NRW schätzt, dass ca. ¾ der von Umgebungslärm betroffenen Bevölkerung unter innerstädtischem Lärm leidet und das rd. 500 Millionen Euro nötig wären, um notwendige Lärmschutzmaßnahmen finanzieren zu können. Ob diese Gelder jedoch gut investiert sind und durch die Reduktion des Straßenlärms nennenswerte positive Effekte auf die Entwicklung und die Gesundheit von Kindern und Erwachsenen zu erwarten sind, ist noch nicht abschließend geklärt.

In unserer Studie untersuchen wir daher, ob es einen Zusammenhang zwischen der Lärmbelastung bei Nacht und der kognitiven Entwicklung von Vorschulkindern gibt. Hierfür verwenden wir Daten der Schuleingangsuntersuchung der Stadt Wuppertal sowie Lärmkarten der Stadt. In unserer Studie kostet die Erhöhung des nächtlichen Lärmpegels um 2 dB(A) im Durchschnitt den positiven Entwicklungseffekt, den Kinder durch den Besuch eines weiteren Monats im Kindergarten erreichen. Somit müssten, im Durchschnitt, Kinder, die einer um nur 2 dB(A) höheren Lärmbelastung ausgesetzt sind, 1 Monat länger im Kindergarten gefördert werden. Die Ergebnisse der Analyse gehen in eine überschlägige Kosten-Nutzen-Analyse von Lärmschutzmaßnahmen ein. So kann geprüft werden, ob die Kosten gängiger Lärmschutzmaßnahmen allein durch die Vorteile der kognitiven Entwicklung (im Kindergarten) gerechtfertigt sein könnten.

Daten und Messung der Lärmbelastung

Um den Effekt von Straßenverkehrslärm auf die kognitive Entwicklung von Kindern zu untersuchen, kombinieren wir verschiedene Datenquellen.

Die Lärmkarte der Stadt Wuppertal ist aus dem Jahr 2014 und enthält Informationen zum Straßenverkehrslärm und Schwebebahnlärm in der Nacht (Lnight) und während des gesamten Tages (Lden). Die Lärmkarte für den Schienenverkehr wurde vom Eisenbahnbundesamt zur Verfügung gestellt.

Bild 1 Straßenverkehrslärm in der Stadt Wuppertal in der Zeit von 22:00 bis 06:00 Uhr. Hinweis: Die Karte zeigt auch extrapolierte Werte an nicht kartierten Strecken. Quelle: Stadt Wuppertal, 2014, eigene Darstellung.

Bild 1 Straßenverkehrslärm in der Stadt Wuppertal in der Zeit von 22:00 bis 06:00 Uhr. Hinweis: Die Karte zeigt auch extrapolierte Werte an nicht kartierten Strecken.

Foto: Stadt Wuppertal, 2014, eigene Darstellung.

Bild 1 zeigt die Verteilung des Straßenverkehrslärms auf das Stadtgebiet. Da die Lärmkartierung lediglich für Straßen erfolgte, die mindestens ein Verkehrsaufkommen von 0,9 Millionen Fahrzeugen pro Jahr aufweisen, kann nicht das gesamte Stadtgebiet analysiert werden, sondern nur die stark befahrenen Bereiche. Diese sind z. T. deutlich an der dunkelblauen Färbung in Bild 1 erkennbar. Die interessierende Treatment-Variable ist der Verkehrslärm bei Nacht (Lnight). Natürlich ist dieser tendenziell etwas geringer als bei Tag, allerdings verbringen die meisten Kinder den gesamten Abend und die Nacht zu Hause und sind somit insbesondere nachts Lärm ausgesetzt. Also dann, wenn starke nächtliche Lärmbelästigung den Schlaf stören kann (vgl. WHO 2009) [17]. Für jedes Kind wird der Lärm bei Nacht durch den Median von Lnight in einem 30 Meter Radius um den Wohnort bestimmt. Dies erfolgt zunächst für jede Lärmquelle, anschließend wird die Summe des Lärms aus m Quellen (z. B. Straße, Schwebebahn und Schiene) über die Formel

 

 

bestimmt.

Die durchschnittliche Lärmbelastung, die durch den Straßenverkehr verursacht wird, liegt in der hier betrachteten Stichprobe bei Lnight=46,99. Dieser Wert liegt deutlich über dem maximal empfohlenen Grenzwert von Lnight=40 (vgl. WHO 2009, S. XVII). Er liegt damit aber auch nur leicht unter dem Grenzwert von Lnight=49 für neue oder erweiterte Autobahnen (vgl. BMVI 2015). Aber natürlich ist dies nur die durchschnittliche Lärmbelastung, die in einzelnen Bereichen auch höher oder niedriger ausfallen kann, und neben dem Straßenlärm muss auch noch der Lärm durch den Schienenverkehr und die Schwebebahn berücksichtigt werden. Unter Berücksichtigung aller Lärmquellen durch den Verkehr werden in der Spitze sogar Werte von Lnight=75.55 erreicht. Das entspricht ca. der Lärmbelastung eines vorbeifahrenden Zuges in einen Abstand von 15 Metern und kann das Gehör stark schädigen.

Die Ergebnisvariable, die kognitive Entwicklung von Kindern, wird anhand der standardisierten und verpflichtenden Schuleingangsuntersuchung (SEU) aus drei Untersuchungskohorten erfasst. Die verwendeten Daten beinhalten Informationen zu insgesamt 3.419 Vorschulkindern, die zwischen 2011 und 2014 untersucht wurden und für die Lärminformationen vorliegen (vgl. Erläuterung dazu oben). In der SEU werden verschiedene Dimensionen der kognitiven Entwicklung (Selektive Aufmerksamkeit, Zahlen- und Mengenvorwissen, Visuomotorik, visuelles Wahrnehmen und Schlussfolgern, Sprache, Körperkoordination, vgl. z. B. Daseking et al. 2009) [18] mit unterschiedlichen Tests erfasst. Diese Testergebnisse (im weitesten Sinne die Anzahl der richtigen Antworten je Testfeld) werden in unseren Analysen mit Hilfe einer Faktorenanalyse zu einer eindimensionalen und zwischen 0 und 100 normierten Skala ‚Schulreife‘ zusammengefasst. Die mittlere Schulreife liegt bei 74,47. D. h., dass die Kinder im Durchschnitt 74,47 % der Aufgaben richtig lösen. Die Standardabweichung liegt bei 14,61.

Neben den kognitiven Fähigkeiten beinhaltet die SEU noch weitere, für die Analyse relevante Kontrollvariablen, wie Geburtsgewicht, gesundheitliche Vorgeschichte des Kindes (Übergewicht, reduziertes Seh- oder Hörvermögen, etc.) Alter, Geschlecht, Nationalität, Besuchsdauer des Kindergartens, besuchter Kindergarten und gewählte Grundschule (zur weiteren Erläuterung dieser Daten siehe z. B. Makles/Schneider 2017 [19], Schneider et al. 2013) [20].

Zudem verwenden wir in unserer Studie auch raumbezogene Registerdaten um das Wohnumfeld der Kinder detaillierter zu beschreiben. Auf Basis von Baublockinformationen der Stadt Wuppertal und Informationen auf einer kleinräumigen Postleitzahlenebene (PLZ8) kann die soziale und ethnische Zusammensetzung, das Armutsrisiko und das Einkommensniveau des Wohnumfeldes beschrieben werden.

Zusammenhang zwischen Lärm und kognitiver Entwicklung

Die einfache Korrelation zwischen der Schulreife und dem Lärmpegel (vgl. Bild 2, links) ist deutlich negativ.

Bild 2 Korrelationen zwischen Schulreife und Lärmbelastung (links), Schulreife und SGB II-Quote (Mitte) und SGB II-Quote und Lärmbelastung (rechts). Quellen: Stadt Wuppertal, Eisenbahn Bundesamt, 2014; eigene Berechnung, eigene Darstellung.

Bild 2 Korrelationen zwischen Schulreife und Lärmbelastung (links), Schulreife und SGB II-Quote (Mitte) und SGB II-Quote und Lärmbelastung (rechts). Quellen: Stadt Wuppertal, Eisenbahn Bundesamt, 2014; eigene Berechnung, eigene Darstellung.

Kinder, die höheren Lärmpegeln bei Nacht ausgesetzt sind, schneiden tendenziell schlechter in der SEU ab. Gleichwohl fällt auf, dass Kinder, die in einem Wohnumfeld aufwachsen, dass stärker von Armut geprägt ist (hier anhand der SGB II-Quote dargestellt), ebenfalls schlechter auf die Schule vorbereitet sind (vgl. Bild 2, Mitte). Auch zeigt sich eine Korrelation zwischen einem ärmeren Wohnumfeld und einer höheren Lärmbelastung (vgl. Bild 2, rechts). Diese Ergebnisse entsprechen bisherigen Forschungsergebnissen, die zeigen, wie sich Emissionen z.B. auf Immobilienwerte auswirken (vgl. Currie et al. 2015 [21], Boes/Nüesch 2011 [22], von Graevenitz 2018) [23] oder wie ‚ungleich‘ Emissionen zwischen benachteiligten und nicht benachteiligten Wohngebieten verteilt sind (vgl. z. B. Cohen/Coughlin/Crews 2017) [24]. Bild 2 lässt also auch in unseren Daten vermuten, dass der Zusammenhang zwischen kognitiver Entwicklung und Lärmbelastung durch andere Faktoren (wie dem sozialen oder ökonomischen Status) moderiert wird. Daher müssen bei der Schätzung des Lärmeffektes auf die kognitive Entwicklung auch alle Faktoren berücksichtigt werden, die die sozioökonomische Herkunft der Kinder abbilden können. Andernfalls ist der Effekt des Lärms wegen dieser (fehlenden) Informationen verzerrt.

Anhand von multivariaten Regressionsmodellen mit regionalen fixen Effekten (FE) und einer Fülle zusätzlicher Kontrollvariablen (vgl. Tabelle 1) kann der kausale Effekt der Lärmbelastung auf die Schulreife geschätzt werden.

Tabelle 1 Effekt des nächtlichen Verkehrslärms auf die Schulreife.

Tabelle 1 Effekt des nächtlichen Verkehrslärms auf die Schulreife.

D. h. mit unserer Modellierung schalten wir die moderierenden Einflüsse der anderen (möglichen) Variablen aus, so dass lediglich der reine Lärm-Effekt verbleibt. Tabelle 1 fasst die Ergebnisse der multivariaten Regressionsanalyse zusammen. Da die abhängige Variable, die Schulreife, zwischen 0 und 100 normiert ist, kann der Effekt der erklärenden Variablen direkt als Änderung der Schulreife in Prozent oder in Prozentpunkten interpretiert werden.

Die beiden Modelle in Tabelle 1 unterscheiden sich lediglich hinsichtlich der Treatment-Variablen. In Model (1) wird nur der Effekt des Straßenverkehrslärms geschätzt, in Modell (2) der Effekt aller Lärmquellen (Straßenverkehr, Schwebebahn und Schienenverkehr, siehe Formel (1)). Zusätzlich zum Effekt des Lärms wird noch der Effekt des Geschlechts, der Erstsprache und – als Vergleichswert – der Dauer des Kindergartenbesuchs berichtet. Der durchschnittliche Effekt von Lnight liegt bei –0,072. Die Schulreife sinkt somit im Durchschnitt um ca. 0,07, wenn der Lärm um 1 dB(A) steigt. Sinkt der Lärm um 2 dB(A), steigt die Schulreife um 0,14, was in etwa dem Effekt eines Monats im Kindergarten entspricht (der Koeffizient der Variable Kindergartendauer (in Monaten) ist 0,14). Die Schulreife eines Kindes, das zusätzlichen 2 dB(A) Lärm ausgesetzt ist, ist demnach so hoch, wie die Schulreife von Kindern, die durchschnittlichem Lärm ausgesetzt sind, aber den Kindergarten einen Monat weniger besuchen. Die Ergebnisse sind in der Größenordnung durchaus mit denen der RANCH-Studie vergleichbar (vgl. Clark et al. 2006). Zwar betrachtet diese Studie die Effekte von Fluglärm, dennoch verursacht die Erhöhung des Fluglärms einen vergleichbaren Entwicklungseffekt. Kinder in Großbritannien, die zusätzlichen 5 dB(A) Fluglärm ausgesetzt sind, fallen in ihrer Lesefähigkeit um 2 Monate zurück.

Während wir in Modell (1) nur den Straßenverkehrslärm betrachtet haben, schätzen wir in Modell (2) den Effekt aller Lärmquellen. Da nächtlicher Lärm auch von der Schwebebahn und dem Schienenverkehr verursacht wird, ist zu erwarten, dass der Effekt vergleichbar und eher etwas größer ist, da der Durchschnitt tendenziell höher liegt. Der Effekt aller Lärmquellen (vgl. Modell (2)) auf die Schulreife ist minimal größer mit einem Koeffizienten von –0,081. Der Effekt der Kontrollvariablen ist in beiden Modellen weitestgehend konstant, plausibel und spiegelt Ergebnisse vergleichbarer Studien wider.

Kosten-Nutzen-Analyse von Lärmschutzmaßnahmen

Um die vorangegangenen Analysen besser für verkehrspolitische Diskussionen nutzen zu können, führen wir eine partielle und überschlägige Kosten-Nutzen-Analyse durch. Wie einleitend erwähnt, wird in Deutschland bereits in nicht unerheblichem Umfang in Lärmschutzmaßnahmen investiert. Zudem sind die Bundesländer auch weiterhin angehalten, in Lärmschutzmaßnahmen zu investieren. Die Frage nach der Nutzenschwelle liegt daher auf der Hand: Wie viele Kinder müssen von der geringeren Lärmbelastung profitieren, damit sich die Investition in die Lärmschutzmaßnahme lohnt?

Diese nachfolgend durchgeführte Analyse ist natürlich partiell, vernachlässigt sie doch die positiven Effekte auf alle Anwohner und betrachtet nur Kinder im Vorschulalter. Zudem werden auch langfristige Effekte auf die kognitive Entwicklung und die Gesundheit der Kinder nicht berücksichtigt. Damit sind die im Folgenden berechneten Nutzenschwellen sehr konservativ und unterschätzen den Nutzen der Lärmschutzmaßnahmen deutlich.

Für unsere Kosten-Nutzen-Analyse greifen wir im Folgenden auf den Effekt des Kindergartenbesuchs zurück. Während Lärmbelastung die Entwicklung der Kinder, d. h. deren Schulreife, negativ beeinflusst, geht vom Kindergartenbesuch ein positiver Effekt aus. Sowohl die zu erwartenden öffentlichen Kosten diverser Lärmschutzmaßnahmen sind bekannt (vgl. BMVI, 2015) als auch die öffentlichen Kosten3) des Kindergartenbesuchs (vgl. Statistisches Bundesamt, 2012) [25]. Damit können Kosten für die Kompensation negativer Lärmeffekte durch den Kindergarten den Kosten für Lärmschutzmaßnahmen gegenübergestellt werden. Für die Berechnung benötigen wir zunächst einen Wert für die Kosten von Lärmschutzmaßnahmen CLärm. Dies können beispielsweise die Kosten einer Lärmschutzwand pro km mit einer Lebensdauer von T Jahren sein. Daneben muss bekannt sein, wie stark eine Lärmschutzmaßnahme den Lärmpegel reduzieren kann ΔdB(A). Diese Kosten können dann mit den Kosten für einen (verlängerten) Kindergartenbesuch verglichen werden CKiga.

Mit den geschätzten Koeffizienten aus den multivariaten Regressionsmodellen können wir dann den relativen Effekt auf die Schulreife als definieren. Hier beschreibt also die Anzahl der Monate im Kindergarten die denselben Effekt haben, wie eine Reduktion der Lärmbelastung um ein dB(A). Multipliziert man den Wert mit CKiga (pro Monat) erhalten wir die Kosten pro Kind und dB(A), die dann den Kosten der Lärmschutzmaßnahmen pro Kind und dB(A) entsprechen müssen. D. h.

Löst man die Gleichung (2) nach N auf, so erhält man die kritische Anzahl an Kindern N, die von diesen Maßnahmen profitieren müssten, damit sich die Lärmschutzmaßnahme lohnt (=Nutzenschwelle, oder englisch: break-even point).

Natürlich, wie bereits oben erwähnt, vereinfacht diese Berechnung das eigentlich komplexe Problem sehr, dennoch liefert sie erste, konservativ geschätzte, Anhaltspunkte für die Nutzenschwelle.

Tabelle 2 Nutzenschwellenwerte verschiedener Lärmschutzmaßnahmen.

Tabelle 2 Nutzenschwellenwerte verschiedener Lärmschutzmaßnahmen.

Tabelle 2 fasst die Ergebnisse der Überschlagsrechnung zusammen.

Unter der Annahme, dass der nächtliche Lärm um 10 dB(A) sinken würde und ein Lärmschutzwall 20 Jahre genutzt werden kann, läge die Nutzenschwelle eines Lärmschutzwalls bei 11 Kindern pro km und Kohorte. Investiert man hingegen in teurere Lärmschutzwände, liegt die Nutzenschwelle hingegen bei 39 Kindern. Sofern eine Lärmschutzwand bereits nach 15 Jahren vollständig abgeschrieben ist, erhöht sich die Zahl auf 52 Kinder. Flüsterasphalt ist deutlich günstiger, gleichwohl die Kosten je nach Lage stark variieren (vgl. BMVI, 2015) und auch für die Lebensdauer unterschiedliche Schätzungen vorliegen. Bei einer angenommenen Lebensdauer von 8 Jahren ist die Nutzenschwelle bei 23 Kindern je km und Kohorte erreicht. Muss der Asphalt bereits nach 5 Jahren erneuert werden, erhöht sich die Zahl auf 37 Kinder. Natürlich ist auch die erreichbare Lärmreduktion eine wichtige Größe in den Berechnungen. Sinkt der Lärm durch die Maßnahme nur um 5 dB(A), ist die Nutzenschwelle z. B. des Flüsterasphalts erst bei 73 Kindern pro km und Kohorte erreicht. Die monetären Kosten von Tempo 30-Zonen im innerstädtischen Bereich sind hingegen vergleichsweise gering. Allerdings sind Tempo 30-Zonen bei den Bürgern eher unpopulär, da eine Einschränkung der indivi­duellen Mobilität befürchtet wird. Dennoch, wie auch van Benthem (2015) [26] in der Frage von Tempolimits auf Autobahnen argumentiert, sind geschwindigkeitsreduzierende Maßnahmen anderen Lärmschutzmaßnahmen vorzuziehen, insbesondere dann, wenn zudem der Rückgang von Unfällen und Schadstoffemissionen berücksichtigt würde. Unsere Berechnungen können weder den Nutzen durch gesunkene Unfallzahlen und geringere Schadstoffemissionen noch die privaten und sozialen Zeitkosten sowie Umsetzungskosten (Gutachten, etc.) berücksichtigen. Wir berücksichtigen lediglich die Kosten für das Tempo 30-Schild (inkl. Zusatz 22-6 Uhr) und das Aufstellen des Schildes. Würde das nächtliche Tempolimit im innerstädtischen Bereich von 50 km/h auf 30 km/h reduziert, kann mit einer sinkenden Lärmbelastung von 3-7 dB(A) gerechnet werden. Bei 3 dB(A) und einer Lebensdauer der Beschilderung von 20 Jahren ist die Nutzenschwelle bei 0,77 Kindern pro km und Kohorte erreicht.

Neben den bislang beschriebenen aktiven Lärmbekämpfungsmaßnahmen sind auch passive Reduktionsmaßnahmen, z. B. Schallschutzfenster, eine Option. Schallschutzfenster können im Vergleich zu üblichen Fenstern zusätzlich 10 bis sogar 25 dB(A) absorbieren und kosten im bundesweiten Durchschnitt ca. 613 Euro je m² (vgl. BMVI 2015). Schallschutzfenster sind also gerade für die Reduktion von nächtlichem Straßenverkehrslärm besonders geeignet. Unter der Annahme, dass eine durchschnittliche Wohnung mit ca. 4-6 Fenstern mit einer Gesamtfläche von 12 m² ausgestattet ist, liegt die Nutzenschwelle bei 0,06 Kindern je Wohnung und Kohorte (bei einer angenommenen Lebensdauer von 25 Jahren und einer Reduktion von 20 dB(A)). Anders ausgedrückt: Schallschutzfenster müssten etwas mehr als alle 16 Jahre ein Neugeborenes pro Wohnung vor Lärm schützen um sich zu rentieren. Unter der Annahme, dass ca. 150.000 Haushalte in Wuppertal von Lärm betroffen sind (ca. ¾ aller Wohnungen in Wuppertal) ist die Nutzenschwelle bei 9 000 Kindern je Kohorte erreicht. Dies ist zwar deutlich mehr als die Stärke einer Einschulungskohorte in Wuppertal, allerdings gilt auch hier, wie bei den anderen Maßnahmen, dass natürlich nicht nur Vorschulkinder sondern alle Personen Vorteile aus der Lärmreduktion ziehen.

Selbstverständlich sind diese Berechnungen nur sehr überschlägig, sie sollen daher lediglich als Diskussionsgrundlage verstanden werden. Die Ergebnisse hängen stark von den hier getroffenen Annahmen ab, z. B. zur Lebensdauer der Maßnahmen und der erreichten Lärmminderung. Wenn z. B. die Haltbarkeit von Flüsterasphalt kürzer ist als angenommen, hat das natürlich Konsequenzen für die berechneten Nutzenschwellen. Auch sind nicht alle Maßnahmen gleichermaßen geeignet, um innerstädtischen Lärm zu reduzieren – eine Lärmschutzwand kann kaum um jede Straße gebaut werden. Auch die Einhaltung des Tempo 30 bei Nacht müsste durchgesetzt werden, was weitere Kosten verursacht.

Fazit und Ausblick

Lärm belastet nicht nur die Gesundheit, Lärm hat auch Folgen für die kognitive Entwicklung von Kindern. Dies betrifft nicht nur Kinder, die extremem Lärm ausgesetzt sind, wie z. B. von startenden oder landenden Flugzeugen, auch eine Dauerbelastung durch den üblichen Verkehrslärm in den Städten kann die Entwicklung von Kindern beeinträchtigen. In diesem Beitrag zeigen wir mit Daten einer NRW-Kommune, dass sich nächtlicher Verkehrslärm kausal und signifikant auf die kognitive Entwicklung von Vorschulkindern auswirkt. Steigt der durchschnittliche Lärmpegel um 2 dB(A) bei Nacht, reduziert sich die Schulreife um den Gegenwert eines zusätzlichen Monats im Kindergarten. D. h. Kinder, die nachts Lärm ausgesetzt sind, fallen in ihrer kognitiven Entwicklung im Vergleich signifikant zurück. Daher muss die Politik diesem externen Effekt entgegensteuern. Gerade in dicht besiedelten, urbanen Räumen ist dies jedoch nicht einfach umzusetzen. Schutzwälle und Lärmschutzwände sind erprobte und wirksame Lärmschutzmaßnahmen bei Autobahnen, im innerstädtischen Raum jenseits der Autobahnen können sie aber kaum gebaut werden. Hier müssen andere aktive oder passive Maßnahmen zur Lärmreduktion gefunden werden. Flüsterasphalt, Geschwindigkeitsbegrenzungen oder Schallschutzfenster können helfen, die Lärmbelastung von Kindern und Erwachsenen zu reduzieren. So bietet die nächtliche Reduktion der innerstädtischen Geschwindigkeit von 50 km/h auf 30 km/h eine vergleichsweise kostengünstige, einfache und wirkungsvolle Möglichkeit, den Geräuschpegel um 3 bis 7 dB(A) zu reduzieren. Dennoch, Lärmschutzmaßnahmen kosten Geld und sind auch in der Bevölkerung nicht unumstritten. Daher muss der Politik eine sorgfältige Kosten-Nutzen-Analyse zur Entscheidungsfindung an die Hand gegeben werden. Die hier präsentierten Analysen und Berechnungen sind auf Grund der verwendeten Daten und Methoden leicht auf andere Regionen übertragbar und sollen daher als Beiträge zur Diskussion verstanden werden.

Literatur

  1. WHO – World Health Organization: Burden of dis­ease from environmental noise: Quantification of Healthy Life Years Lost in Europe. Copenhagen: World Health Organization, 2011.
  2. Currie, J.; Graff Zivin, J. S.; Mullins, J; Neidell, M. J.: What do we know about short- and long-term effects of early-life exposure to pollution? In: Annual Review of Resource. Economics No. 6 (2014), S. 217-247.
  3. Currie, J.; Walker, R.: Traffic congestion and infant health: Evidence from E-ZPass. In: American Economic Journal: Applied Economics No. 3(1) (2011), S. 65-90.
  4. Coneus, K.; Spiess, C. K.: Pollution exposure and child health: Evidence for infants and toddlers in Germany. In: Journal of Health Economics No. 31(1) (2012), S. 180-196.
  5. Knittel, C. R.; Miller, D. L.; Sanders, N. J.: Caution, Drivers! Children Present: Traffic, Pollution, and Infant Health. In: Review of Economics and Statistics No. 98(2) (2016), S. 350-366.
  6. Sanders, N. J.: What doesn’t kill you makes you weaker: Prenatal pollution exposure and educational out­comes. In: The Journal of Human Resources (2012), Nr. 47(3), S. 826-850.
  7. Stansfeld, S.; Clark C.: Health effects of noise exposure in children. In: Current Environmental Health Reports No. 2 (2015), S. 171-178.
  8. Luxon, L.; Prasher, D. (eds.): Noise and Its Effects. Chichester/UK: Wiley (2007).
  9. Hygge, S.; Evans, G. W.; Bullinger, M.: A prospec­tive study of some effects of aircraft noise on cognitive performance in schoolchildren. In: Psychological Science No. 13(5) (2002) S. 469-474.
  10. Clark, C.; Martin, R.; Kempen, E. v.; Alfred, T.; Head, J.; Davies, H. W.; Haines, M. M.; Lopez Barrio, I.; Matheson, M.; Stansfeld, S. A.: Exposure-effect relations between aircraft and road traffic noise exposure at school and reading comprehension. In: American Journal of Epidemiology, No. 163(1) (2006), S. 27-37.
  11. Stansfeld, S. A.; Berglund, B.; Clark, C.; Lopez Barrio, I.; Fischer, P.; Öhrström, E.; Haines M. M.; Head, J.; Hygge, S.; Kamp, I. v.; Berry, B. F.: Aircraft noise and road traffic noise and children’s cognition and health: A cross-national study. In: Lancet, No. 365(9475) (2005), S. 1942-1949.
  12. Clark, C.; Head, J.; Stansfeld, S. A.: Longitudinal effects of aircraft noise exposure on children’s health and cognition: A six-year follow-up of the UK RANCH cohort. In: Journal of Environmental Psychology No. 35 (2013), S. 1-9.
  13. Houthuijs, D. J. M.; van Beek; A. J.; Swart, W. J. R.; van Kempen, E. E. M. M.: Health implication of road, railway and aircraft noise in the European Union. Provisional results based on the 2nd round of noise mapping, RIVM Report 2014-0130.
  14. Matheson, M. P.; Stansfeld, S. A.; Haines, M. M.: The effects of chronic aircraft noise exposure on children’s cognition and health: 3 Field Studies. In: Noise & Health, No. 5(19) (2003), S. 31-40.
  15. Van Kamp, I.; Davies, H.: Noise and health in vulnarable groups: A review. In: Noise & Health, No. 15(64) (2013), S. 153-159.
  16. BMVI – Bundesministerium für Verkehr und digitale Infrastruktur (eds.) (2015): Statistik des Lärmschutzes an Bundesfernstraßen 2014. Bonn: BMVI.
  17. WHO – World Health Organization (2009): Night Noise Guidelines for Europe. Copenhagen: World Health Organization.
  18. Daseking, M.; Petermann, F.; Röske, D.; Trost-Brinkhues, G.; Simon, K.; Oldenhage, M.: Entwicklung und Normierung des Einschulungsscreenings SOPESS. In: Das Gesundheitswesen, No. 71(10) (2009), S. 648-655.
  19. Makles, A.; Schneider, K.: Extracurricular education­al programs and school readiness: evidence from a quasi- exper­iment with preschool children. In: Empirical Eco­nomics, No. 52(4) (2017), S. 1181-1204.
  20. Schneider, K.; Makles, A.; Diepers, B.; Frank, C.: Evaluation der Junior Uni. Zentrale Befunde aus vier Jahren Begleitforschung. Forschungsbericht, Bergische Universität Wuppertal (2013).
  21. Currie, J.; Davis, L.; Greenstone, M.; Walker, R.: Environmental health risks and housing values: Evidence from 1,600 Toxic Plant Openings and Closings. In: American Eco­nomic Review, No. 105(2) (2015), S. 678-709.
  22. Boes, S.; Nüesch, S.: Quasi-experimental evidence on the effect of aircraft noise on apartment rents. In: Journal of Urban Economics, No. 69(2) (2011), S. 196-204.
  23. Von Graevenitz, K.: The amenity cost of road noise. In: Journal of Environmental Economics and Management, No 90 (2018), S. 1-22.
  24. Cohen, J. P.; Coughlin, C. C.; Crews, J.: Airport Noise in Atlanta: The Inequality of Sound. Federal Reserve Bank of St. Louis, Working Paper 2017-015A (2017).
  25. Statistisches Bundesamt: Bildungsfinanzbericht 2012. Statistisches Bundesamt, Wiesbaden, 2012.
  26. Van Benthem, A.: What is the optimal speed limit on freeways? In: Journal of Public Economics No. 124(1) (2015), S. 44-62.

Danksagung

Wir bedanken uns besonders für die Unterstützung bei der Zusammenstellung der Daten bei den verschiedenen Ressorts der Stadt Wuppertal (Statistik und Wahlen, Gesundheitsamt, Umweltschutz, Datenschutzbeauftragter) sowie bei dem Eisenbahn Bundesamt für die Bereitstellung der Karten zum Schienenlärm.

1) Titel eines Zeit-Artikels vom 26. Januar 2012.

2) EEA33 (EU28 plus Island, Liechtenstein, Norwegen, Schweiz und Türkei).

3) Im vorliegenden Beitrag werden nur die Kosten der öffentlichen Hand berücksichtigt, private Kosten die durch Lärmschutzmaßnahmen entstehen und auch private Kosten des Kindergartenbesuchs sind hier ausgeblendet.

Bergische Universität Wuppertal

Dr. rer. oec. Anna M. Makles, stellv. Vorstandsvorsitzende WIB,

Bergische Universität Wuppertal

Prof. Dr. Kerstin Schneider, Vorstandsvorsitzende am WIB & Inhaberin des Lehrstuhls für Finanzwissenschaft und Steuerlehre, Fakultät Wirtschafts­wissenschaft – Schumpeter School of Business and Economics, Bergische Universität Wuppertal.

Von Anna M. Makles, Kerstin Schneider, Wuppertal

Dr. rer. oec. Anna M. Makles, stellv. Vorstandsvorsitzende WIB, Prof. Dr. Kerstin Schneider, Vorstandsvorsitzende am WIB & Inhaberin des Lehrstuhls für Finanzwissenschaft und Steuerlehre, Fakultät Wirtschafts­wissenschaft – Schumpeter School of Business and Economics, Bergische Universität Wuppertal.

Top Stellenangebote

Brandenburgische Technische Universität Cottbus - Senftenberg (BTU)-Firmenlogo
Brandenburgische Technische Universität Cottbus - Senftenberg (BTU) Universitätsprofessur (W3) Dekarbonisierte Industrieprozesse Cottbus, Zittau
Hochschule Karlsruhe - Technik und Wirtschaft University of Applied Sciences-Firmenlogo
Hochschule Karlsruhe - Technik und Wirtschaft University of Applied Sciences Professur (W2) für das Fachgebiet "Informationstechnik und Mikrocomputertechnik" Karlsruhe
Hochschule für angewandte Wissenschaften München-Firmenlogo
Hochschule für angewandte Wissenschaften München W2-Professur für Bauproduktionsplanung und Prozessoptimierung (m/w/d) München
Technische Hochschule Ulm-Firmenlogo
Technische Hochschule Ulm Professur (W2) "Softwareentwicklung und Embedded Systems" Ulm
Technische Hochschule Ulm-Firmenlogo
Technische Hochschule Ulm Professur (W2) "Gesundheitsinformatik" Ulm
Technische Hochschule Ulm-Firmenlogo
Technische Hochschule Ulm Professur (W2) "Werkzeugmaschinen und Fertigungstechnik" Ulm
Vermögen und Bau Baden-Württemberg-Firmenlogo
Vermögen und Bau Baden-Württemberg Diplom-Ingenieure (FH/DH) / Bachelor (w/m/d) der Fachrichtung Elektrotechnik, Versorgungstechnik oder einer vergleichbaren Fachrichtung Baden-Württemberg
Ostbayerische Technische Hochschule Regensburg-Firmenlogo
Ostbayerische Technische Hochschule Regensburg Professur (W2) Digitale Produktentwicklung im Maschinenbau Regensburg
Panasonic Industrial Devices Europe GmbH-Firmenlogo
Panasonic Industrial Devices Europe GmbH Functional Safety Engineer (m/w/d) mit Fokus Software im Embedded-System Lüneburg,Hannover,Hamburg
Deutsche Post DHL Corporate Real Estate Management GmbH-Firmenlogo
Deutsche Post DHL Corporate Real Estate Management GmbH Architekt / Bauingenieur (m/w/d) Hochbau Bonn
Zur Jobbörse