Abb. 1. Daten zu den Waldbesuchen können helfen, die Besuchenden so zu lenken, dass sich unerwünschte Nebenwirkungen auf ein Minimum beschränken. Foto: Barbara Allgaier Leuch (WSL)
Der Schweizer Wald wird intensiver genutzt als je zuvor – doch wie viele Menschen ihn wann und wo besuchen, wird kaum systematisch und meist nur punktuell erfasst. Ein WSL-Projekt hat den Stand der verfügbaren Monitoring-Methoden und Datensätze für die Schweiz untersucht und einen Modellierungsansatz erprobt. Das Fazit: Die Grundlagen sind vorhanden, aber ein flächendeckendes, standardisiertes Waldbesuchsmonitoring fehlt noch.
Wieso Waldbesuchende zählen?
Der Schweizer Wald ist gleichzeitig Schutzgebiet, Produktionsfläche und Erholungsraum. In einer zunehmend urbanisierten Gesellschaft gewinnt der Wald in letzterer Funktion an Bedeutung, doch dies führt zu Konflikten mit den anderen Waldfunktionen. Solche Konflikte sollten auf Minimum reduziert werden, um die Belastung für den Wald so klein wie möglich zu halten.
Abb. 2. Bei schönem Wetter zieht es die Menschen ganz besonders in den Wald. Mit Modellen ist es möglich, die genaueren Zusammenhänge abzubilden und Prognosen zu machen. Foto: Adobe Stock
Dafür braucht es Antworten auf konkrete Fragen: Wann halten sich wie viele Menschen wo im Wald auf? Was machen die Leute im Wald und wie lange halten sie sich darin auf? Mit Antworten auf diese Fragen kann man die Belastung abschätzen und gegebenenfalls Massnahmen ergreifen, zum Beispiel durch das Aufstellen von Informationstafeln oder Infrastrukturausbau. Integrierte und langfristige Monitoringsysteme tragen wesentlich zur Verbesserung von Managemententscheidungen bei und helfen bei der Erhebung von Daten von Waldbesuchern.
Datenerhebung mit Komplikationen
Keine Monitoring-Methode erfasst den Waldbesuch vollständig. Daten sind oft schwer zu erheben und unvollständig. Trotzdem können sie ein erstes Bild der Situation im Wald geben und besonders wenn man sie miteinander kombiniert, sind die Daten wertvoll. Sie können auch als Grundlage für Modelle dienen, die ein Besuchsaufkommen abhängig von verschiedenen Faktoren wie Wetter oder Wochentag voraussagen können. Ob solche Modelle bei ihren Voraussagen richtig liegen, hängt aber stark von den Daten ab, auf denen sie basieren.
Belastbare Daten zum Besuchsaufkommen im Wald zu gewinnen, ist kein einfaches Unterfangen. In der Schweiz fehlen standardisierte Messmethoden, und alle eingesetzten Methoden haben ihre Grenzen, wie die Beispiele von drei verschiedenen Messmethoden exemplarisch zeigen.
Traditionelle Besuchendenzählungen
Maschinelle oder von Personen durchgeführte Zählungen von Waldbesuchenden sind klassische Messmethoden. Sie sind aber nicht so einfach durchzuführen, wie das vielleicht den Anschein erweckt. Das Problem beginnt damit, dass Schweizer Wälder meist nicht über einen zentralen Eingang verfügen. Es ist kaum praktikabel, alle Zugänge zu einem Wald für eine Besuchendenzählung abzudecken. Zählungen, die von Personen durchgeführt werden, sind ausserdem aufwendig und oft teuer und können deswegen nicht über längere Zeiträume durchgeführt werden. Dafür können sie mit Befragungen kombiniert werden, wie das zum Beispiel bei WaMos meets LFI (WML) gemacht wird. Zählungen und Befragungen zusammen können nicht nur Auskunft darüber geben, wie viele Leute sich im Wald befinden, sondern auch darüber, wer zu welchem Zweck in den Wald geht. Maschinelle Messmethoden wie Fotofallen oder Druckmatten sind weniger personalintensiv, können aber nur messen, dass eine Messstelle passiert wird. Über das Verhalten im Wald und über die Besuchenden können sie keine Auskunft geben.
Sport-Tracking-Apps wie Strava
Mit Tracking-Apps wie Strava zeichnen Sporttreibende Aktivitäten wie Joggen oder Biken mit genauen Kartenpositionen auf und stellen diese frei zugänglich bereit. Diese Daten geben Auskunft darüber, wie viele Personen welcher Tätigkeit wo im Wald nachgegangen sind. Dabei haben die Daten allerdings eine grosse Einschränkung: Nur wenn Personen ihren Waldbesuch auf Strava aufzeichnen, taucht er im Datensatz auf. Die Nutzenden von Strava sind meist sportlich und technikaffin – was nicht auf alle Waldbesuchenden zutrifft. So können die Strava-Daten zwar hilfreiche Auskünfte über die Waldbesuche einzelner machen, sie sind aber nicht repräsentativ für alle Waldbesuchenden.
Mobilfunkdaten
Eine weitere Möglichkeit zur Datenerhebung ist die Auswertung von Mobilfunkdaten. Die Swisscom verkauft zum Beispiel Daten zu den Zugriffen von Mobilfunkgeräten auf Funktürme. Diese zeigen die Personendichte in Kacheln von 100 x 100 Metern. Solche Daten können als repräsentative Stichprobe verwendet werden und erlauben die Beobachtung von Bewegungen über lange Zeiträume hinweg. Ausserdem können sie dazu verwendet werden, die Anzahl Waldbesuchende auf einer Heatmap (Abb. 3) darzustellen.
Abb. 3: Heatmaps stellen anhand von Mobilfunkdaten die Besuchendenfrequenz auf den Waldflächen am Beispiel des Uetlibergs dar. Quelle: Medici et al. (2026)
Eine Heatmap stellt grafisch dar, wie hoch die Dichte an Personen in einem Gebiet ist. Aber auch hier entsprechen die Daten nicht zwingend dem tatsächlichen Besucheraufkommen. Aus Datenschutzgründen veröffentlicht die Swisscom die Mobilfunkdaten nur, wenn sich in einer Kachel mehr als 20 Personen aufhalten. Für Gebiete mit einem geringen Besuchsaufkommen eignet sich diese Messmethode also nicht. Ausserdem kann die Swisscom nicht erkennen, zu welchem Zweck sich eine Person in einem Gebiet aufhält. So werden Personen, die ein Stück Wald auf der Strasse oder im Zug durchqueren oder direkt daneben wohnen, genauso in der Heatmap gezeigt, wie Personen, die dort spazieren. Deshalb müssen die Kacheln rund um Siedlungsgebiete und Verkehrsachsen ausgeblendet werden.
Zuverlässige Aussagen dank der Kombination von verschiedenen Daten
Die einzelnen Methoden liefern Bilder, die jeweils unscharf bleiben aber Konturen erahnen lassen. Die Daten können Aufschluss über die Anzahl Waldbesuche geben, diese zum Teil sogar räumlich und zeitlich explizit verorten. Wenn man verschiedene Daten miteinander kombiniert, zum Beispiel Besuchererfassungen, Umfragen, Strava und Mobilfunkdaten von Swisscom, können Trends klarer werden – besonders, wenn sie in mehreren Datensets sichtbar sind.
Modellieren statt nur messen
Modelle verbinden verschiedene Datensätze und machen sichtbar, wie Faktoren wie Wetter, Wochentag oder Bevölkerungsdichte zusammenspielen. Statistische Berechnungen erlauben es, verschiedene Szenarien durchzuspielen und belastbare Prognosen zu entwickeln.
Ein Modell holt im Idealfall das Maximum aus den Daten heraus, indem es Zusammenhänge aufzeigt und Prognosen zulässt. Es lässt also Schlüsse zu, die in den Rohdaten allein nicht sichtbar wären.
Welche Methode kommt wo zum Einsatz?
Grundsätzlich kann jede Methode zur Waldbesuchserfassung auf jeder Ebene eingesetzt werden. Die Übergänge der geeigneten Einsatzbereiche sind fliessend und die erhobenen Daten und Modelle einer Ebene können in die anderen Ebenen zurückfliessen. Trotzdem gibt es gewisse Tendenzen, welche Vorgehensweise wo am ehesten geeignet ist.
Revierebene: Auf Revierebene machen vor allem traditionelle Zählmethoden wie Zählgeräte, gegebenenfalls ergänzt durch gezielte Befragungen und Beobachtungen, Sinn. Auch Mobilfunkdaten sind auf dieser Ebene erschwinglich. Ausserdem können Modelle bei der Planung helfen.
Regionale Ebene: Auf regionaler Ebene machen vor allem Synthesen von Befragungen, und Zähldaten und Mobilfunktdaten auf Revierebene Sinn, wobei auch regionale Umfragen und Modelle zum Einsatz kommen können.
Nationale Ebene: Auf nationaler Ebene sind Befragungen, Synthesen lokaler und regionaler Erhebungen und Daten und vor allem Modelle hilfreich. Auch hier ergibt die Kombination von Zähldaten mit anderen Daten die belastbarsten Resultate und liefert die Grundlage für Modelle.
Drei Grundsätze für jedes Monitoring
- Den Bedarf zuerst definieren: Geht es um Besucherlenkung, Naturschutz, Infrastrukturplanung oder Trendbeobachtung?
- Kein einzelnes Tool löst das Problem – Methoden sollten kombiniert werden, um ein represäntatives Bild zu erhalten.
- Bei digitalen Daten allfälligen Bias und Datenschutzbedingungen prüfen, bevor Schlussfolgerungen gezogen werden.
Fazit
Direkte Messungen, d.h. Zählungen und Befragungen, und Modelle sind keine Alternativen, sondern zwei Teile desselben Werkzeugkastens: Die einen liefern die empirische Grundlage, die anderen dehnen diese räumlich und zeitlich aus. Wo das grösste Entwicklungspotenzial liegt, ist klar – in längeren Datenreihen, besserer Integration bestehender Quellen und der Kombination klassischer Methoden mit modernen Mobilitätsdaten. Die Bausteine für ein zukunftsfähiges Waldbesuchsmonitoring in der Schweiz sind vorhanden.
Weiterführende Literatur
Medici M., Hegetschweiler T., Hunziker M. (2026) Ermittlung und Modellierung von Erholungs- und Freizeitbesuchen im Schweizer Wald. WSL Ber. 195: 57 S. doi.org/10.55419/wsl:43161
