Waldflächen: Wie werden Kaufentscheidungen getroffen?

Die aktuelle Forschung zur Bewertung von Waldflächen steht vor erheblichen Herausforderungen, die das Verständnis der Investitionsentscheidungen in diesem wichtigen Sektor einschränken. Obwohl Wälder 39 % der Landfläche der EU bedecken und jährlich 27,9 Milliarden Euro erwirtschaften, sind die vorhandenen Studien zur Landbewertung nach wie vor fragmentiert und es fehlt eine systematische Zusammenfassung ihrer Ergebnisse. Traditionelle hedonische Preismodelle sind zwar weit verbreitet, haben jedoch Schwierigkeiten, die komplexen nichtlinearen Beziehungen zwischen Waldmerkmalen und Preisen zu erfassen. Da neben den traditionellen Waldbewirtschaftern zunehmend private Investoren in die Waldmärkte eintreten, fehlen uns außerdem empirische Belege dafür, wie diese verschiedenen Interessengruppen Waldflächen bewerten. Hinzu kommt, dass Verhaltensfaktoren wie Risikobereitschaft und Zeitpräferenzen, von denen bekannt ist, dass sie aufgrund langer Produktionszyklen die Entscheidungen in der Forstwirtschaft maßgeblich beeinflussen, in der Forschung zur Bewertung von Waldflächen weitgehend ignoriert wurden.
Dieses Projekt schließt diese Lücken durch ein integriertes dreijähriges Forschungsprogramm, das eine systematische Literaturrecherche, eine Analyse von über 13.000 Transaktionsdatensätzen der HessenForst (1997–2023) mit Maschinellem Lernen und Discrete Choice Experimente mit 800 Teilnehmern, darunter Forstverwalter, private Investoren und Forststudenten, kombiniert. Die methodische Innovation besteht in der Integration fortschrittlicher Ansätze des Maschinellen Lernens wie XGBoost und Random Forest in traditionelle hedonische Preismodelle, wodurch sowohl eine überlegene Vorhersagegenauigkeit als auch eine wirtschaftliche Interpretierbarkeit durch SHAP-Werte erreicht werden kann. Darüber hinaus handelt es sich hierbei um den ersten umfassenden Vergleich von Waldinvestitionsentscheidungen zwischen verschiedenen Interessengruppen. Durch die Einbeziehung von incentivierten Messungen der Risikobereitschaft und Zeitpräferenzen mittels Holt-Laury- und Coller-Williams-Aufgaben wird die Studie aufzeigen, wie Verhaltensmerkmale langfristige Investitionen in natürliche Ressourcen beeinflussen. Schließlich zielt dieses Projekt darauf ab, hypothetische Verzerrungen zu quantifizieren, indem experimentelle Schätzungen der Zahlungsbereitschaft direkt mit den tatsächlichen Transaktionspreisen aus der Datenanalyse der HessenForst verglichen werden.
Zu den erwarteten Ergebnissen gehören quantifizierte Determinanten des Wertes von Waldflächen, eine validierte Methodik sowie umsetzbare politische Erkenntnisse, die insbesondere aufgrund der Diversifizierung im Waldbesitz, des Klimawandels und der Umsetzung der EU-Waldstrategie 2030 sehr bedeutsam sind.
Stichworte: Bewertung von Waldflächen, systematische Literaturrecherche, Maschinelles Lernen, Discrete Choice Experimente