Leezenflow: Evaluation des Prototyps und Planungsbeschluss für weitere Standorte

Anlage A zur V/0772/2021
Kurzüberblick
Es wird über die positive Evaluation des ersten Leezenflow-Systems am Hörstertor berichtet: Der
Leezenflow wird von Nutzenden mehrheitlich positiv gesehen und führt nachweislich zu mehr
Radfahrenden, die bei Grün fahren können anstatt bei Rot anhalten zu müssen. Deshalb schlägt
die Verwaltung vor, Fördermittel der „Modellprojekte Smart Cities“ im T eilprojekt„Leezenflow für
die Stadtregion“ für weitere Leezenflow-Standorte, Weiterentwicklungen sowie eine erneute
Evaluation zu nutzen.
Ziele/Teilziele/Zielerreichung
Mit der Vorlage werden folgende Ziele verfolgt:
 Wir werden einer der führenden Bildungs-, Wissenschafts-, Forschungs- und
Entwicklungsstandorte in Europa
 Wir wollen das Zentrum für Verwaltungen und Institutionen sowie für öffentliche und private
Dienstleistungen in Westfalen bleiben und an ihrer Modernisierung aktiv mitwirken
Das T eilziel,das mit der Evaluation des Leezenflows erreicht wurde, ist eine innovative
Entwicklung aus Münster mit nachweislich positiven Effekten auf den Radverkehr. Durch die
Bereitstellung der Bauanleitung als Freies Wissen bzw. Freie Software („open source“) ist eine
mindestens bundesweite Ausstrahlung sichergestellt. Das Folgeprojekt knüpft an dieses T eilziel
an.
Nach heutigem Stand ist eine Realisierung im Jahr 2022 vorgesehen.
Zur Erreichung des T eilzielsist mit einem finanziellen Bedarf von 230.000 € zu kalkulieren.
Finanzierung
Produktgruppe: 1201 Bereitstellung von Verkehrsflächen und -anlagen
Auswirkungen auf den Ergebnisplan X Ja Nein
Auswirkungen auf den Finanzplan X Ja Nein
Im Haushaltsplan 2022 enthalten? X Ja Nein teilw.
Belastungen in zukünftigen HH-Jahren? X Ja Nein
Bereits veranschlagt? X Ja Nein
Pflichtigkeitsgrad
Die Maßnahme/Leistung ist vollständig
pflichtig
überwiegend
pflichtig
überwiegend
freiwillig
X vollständig
freiwillig
Die Aufgaben der Produktgruppe 1201 beruhen auf folgenden rechtlichen Grundlagen:
Grundgesetz (GG), Bürgerliches Gesetzbuch (BGB), Bundesfernstraßengesetz (FStrG),
Straßen- und Wegegesetz des Landes Nordrhein-Westfalen (StrWG NRW)
Unmittelbare, grundsätzliche Relevanz für Querschnittsthemen
(Demographie, Gleichstellung, Inklusion, Klimaschutz, Migration)
Radverkehrsförderung ist aktiver Klimaschutz und hinsichtlich der Erreichung der Klimaneutralität
2030 dringend erforderlich (s. auch V/0628/2021).

V/0772/2021
V/0772/2021
Öffentliche Beschlussvorlage
Betrifft
Leezenflow: Evaluation des Prototyps und Planungsbeschluss für weitere Standorte
Beratungsfolge
02.02.2022 Ausschuss für Verkehr und Mobilität Vorberatung
03.02.2022 Ausschuss für Stadtplanung und Stadtentwicklung Vorberatung
08.02.2022 Bezirksvertretung Münster-Mitte Anhörung
09.02.2022 Hauptausschuss Entscheidung
Beschlussvorschlag:
I. Sachentscheidung:
1. Die positive Evaluation des Leezenflow-Prototyps wird zur Kenntnis genommen (s. Anlage
1). Es wird begrüßt, dass durch das Pilotprojekt Leezenflow eine innovative Idee aus der
Zivilgesellschaft aufgegriffen sowie durch diese aktiv mitentwickelt wurde und dem
Radverkehr Wertschätzung durch die Schaffung eines Komfortangebots entgegengebracht
wird.
2. Im Kontext des Förderprogramms „Modellprojekte Smart Cities“ wird die Verwaltung
beauftragt, die Installation von bis zu 15 weiteren Leezenflow-Systemen zu planen. Dabei
sollen zugleich Weiterentwicklungen der Geräte erfolgen, die u. a. die Ergebnisse der
Evaluation aufgreifen.
3. Die Leezenflow-Systeme sollen vorrangig an den Velorouten installiert werden. Zur
Festlegung der Standorte wird die Verwaltung beauftragt, fachlich geeignete Standorte zu
identifizieren und eine Einbindung der Umlandgemeinden zu prüfen. Die Standorte sollen
durch eine Online-Beteiligung von Bürgerinnen und Bürgern bewertet werden. Nach
Abschluss der Beteiligung werden die Standorte den politischen Gremien zur
Baubeschlussfassung vorgelegt.
4. Die Verwaltung wird beauftragt, die Wirkungen des Leezenflow-Systems (sowohl an anderen
Standorten als auch die der Weiterentwicklungen) durch eine weitere Evaluation untersuchen
zu lassen.
II. Finanzielle Auswirkungen:
Es wird zur Kenntnis genommen, dass der Stadt Münster für die gesamte Maßnahme Entwicklungs-
und Baukosten in Höhe von ca. 230.000 € entstehen. Hierfür werden Zuwendungen aus dem
Programm „Modellprojekte Smart Cities“ in Höhe von rund 150.000 € generiert. Zudem werden
Dezernat III/Smart City
27.01.2022
Ihr/e Ansprechpartner/in:
Herr T erstiege
T elefon:492-7076
T erstiegeT@stadt-
muenster.de

- 6 -
V/0772/2021
Zuwendungen vom Land NRW in Höhe von rund 40.000 € erwartet. Die Folgelastenberechnung wird
zur Kenntnis genommen. Die o. g. Sachentscheidung ist wie folgt zu finanzieren:
Teilfinanzplan
Nr. Bezeichnung Haush.-
jahr
Betrag
€
Bemerkungen
Produktgruppe 1201 Bereitstellung von
Verkehrsflächen und -anlagen
Investitionsmaßnahm
e
0008 Verkehrsanlagen Neubau und
Erneuerung
Auszahlungen 2022 230.000
Einzahlungen 2022 190.000 Förderprogramm
„Modellprojekte
Smart Cities“
Saldo 40.000
Die zur Finanzierung erforderlichen Ermächtigungen sind im Haushaltsplan 2022 bei der o. g.
Investitionsmaßnahme veranschlagt.
Begründung:
1. Leezenflow als Pilotprojekt für Radfahrkomfort, „Bike-To-X“-Technik und Freie Software
Leezenflow ist ein Grüne-Welle-Assistent für den Radverkehr, der es Radfahrenden ermöglicht, ihre
Fahrgeschwindigkeit entsprechend der Ampelphase anzupassen und der einen besseren
Verkehrsfluss für den Radverkehr ermöglichen soll (vgl. V/0674/2020). Reagieren Radfahrende mit
entsprechenden Geschwindigkeitsanpassungen auf die Anzeige des Leezenflows, müssen diese
weniger oft vor roten Ampeln anhalten und bleiben im „Flow“. Die Idee zum Leezenflow-System
entstand 2019 im Rahmen des Hackathons „Münsterhack“ aus der Bürgerschaft und wurde seitdem
im Auftrag der Stabsstelle Smart City weiterentwickelt (im Sinne einer koproduktiven
Stadtentwicklung, vgl. V/0553/2021).
Das Leezenflow-Projekt ist ein Pilotprojekt an der Schnittstelle von innovativer T echnikund
nachhaltiger Mobilität und verfolgt mehrere Ziele. In erster Linie soll Leezenflow den Radverkehrsfluss
verbessern. Dies ist bereits mit dem ersten Prototyp gelungen (s. unten bzw. Anlage 1): der
Radfahrkomfort wurde nachweislich gesteigert. Zudem ist Leezenflow neben der beobachteten
positiven verkehrlichen Wirkung sowohl ein wertschätzendes als auch wertgeschätztes (s. unten bzw.
Anlage 1) Komfortangebot für Radfahrende. Leezenflow ist somit als werbende Maßnahme für den
Radverkehr zu verstehen: Die Stadt Münster steigert den Radfahrkomfort durch Innovationen und lädt
dadurch verstärkt zum Radfahren ein.
Darüber hinaus ist Leezenflow auch aus technischer Perspektive ein Pilotprojekt. Zum einen wird für
den Leezenflow moderne Verkehrstechnologie der nächsten Generation im produktiven Einsatz
getestet. Diese sogenannte „Car/Bike-to-X“-T echnologieist der kommende, digitale Standard in der
Echtzeitdatenübertragung zwischen Lichtsignalanlagen und Fahrzeugen aller Art und somit auch
Voraussetzung für weitere digital gestützte Optimierungen des städtischen Verkehrs (wie z. B. eine
digitale Bus-, Rettungsdienst- oder Car-Sharing-Beschleunigung) sowie für autonome Fahrzeuge. Der
überschaubare Rahmen im Leezenflow-Pilotprojekt ermöglicht es der Verwaltung, frühzeitig
Erfahrungen mit dieser T echnologieund deren Einbettung in die existierende
Verkehrstechnikinfrastruktur zu sammeln.
Zum anderen wurden sowohl der Quelltext der Software als auch die Bauanleitung zum Leezenflow

- 6 -
V/0772/2021
als „Freie Software“ („open-source“) veröffentlicht (s. https://smartcity.ms/leezenflow/). Aufgrund
zahlreicher Vorteile wird dieses Entwicklungsmodell im bundesweiten und internationalen Smart-City-
Kontext als Voraussetzung für eine kommunale digitale Souveränität betrachtet (s. z. B. Smart City
Charta des Bundes, „open source“ als Förderbedingung im Förderprogramm „Modellprojekte Smart
Cities“, der Koalitionsvertrag der „Münster-Koalition“ sowie der aktuellen Bundesregierung). Obwohl
vielfach gefordert wird, öffentlich finanzierte Software als „Freie Software“ („open source“) zu
entwickeln, hat eine Umsetzung auf kommunaler Ebene bisher nur sehr eingeschränkt stattgefunden.
In diesem Sinne dient das Leezenflow-Pilotprojekt auch dazu, als Kommune handfeste Erfahrungen
mit der Entwicklung von „Freier Software“ zu machen.
2. Evaluation des Leezenflow-Prototyps am Hörstertor
Das erste Leezenflow-Gerät wurde am 17. Mai 2021 auf der Promenade vor der Kreuzung Hörstertor
installiert (Fahrtrichtung Zwinger). Um die Wirksamkeit und Effekte sowie die Verständlichkeit des und
Zufriedenheit mit dem Leezenflow zu evaluieren, wurde das Institut für Verkehrswissenschaft der
Wirtschaftswissenschaftlichen Fakultät der Westfälischen Wilhelms-Universität Münster mit einer
entsprechenden Untersuchung beauftragt. Die Ergebnisse dieser Untersuchung liegen nun vor (s.
Anlage 1) und werden hier zusammenfassend dargestellt.
Die Evaluation besteht aus zwei T eilen.Der erste T eildokumentiert die Ergebnisse einer Online-
Umfrage zur Zufriedenheit und Verständlichkeit unter den Nutzerinnen und Nutzern des Leezenflows.
Für den zweiten T eilwurden umfangreiche Verkehrsmessungen sowohl direkt am Leezenflow (ca. 110
Meter vor der Ampelkreuzung) als auch am Knotenpunkt Hörstertor durchgeführt.
2a. Ergebnisse der Onlineumfrage
An der Onlineumfrage haben sich vom 17. Mai 2021 bis zum 14. Juni 2021 insgesamt 534 Menschen
beteiligt. Davon sind 418 Menschen mehr als einmal und 67 Menschen mindestens einmal am
Leezenflow vorbeigefahren. Der Großteil der Auswertungen der Umfrage stützt sich auf die Antworten
dieser 418 bzw. 485 Menschen.
- Verbesserung des Radfahrkomforts: Mehr als 75 % der T eilnehmendengeben an, dass der
Leezenflow die Qualität des Radfahrens erhöht. Etwas mehr als jeder Zehnte möchte wegen
des Leezenflow-Prototyps sogar häufiger Fahrrad fahren. Diejenigen, die wegen eines
Leezenflows nicht häufiger Fahrrad fahren, wurden gefragt, ob weitere Leezenflow-Geräte ihre
Radfahrhäufigkeit steigern würde. Dies bejahten mehr als 15 %.
- Einfluss auf das Fahrverhalten: Ein großer T eil(72 %) der Umfrageteilnehmenden stellt
einen Einfluss des Leezenflows auf ihr Fahrverhalten fest. Dabei wird dieser Einfluss auf das
Fahrverhalten mehrheitlich positiv eingeschätzt. Circa 80 % der Menschen, die bei sich einen
Einfluss feststellen, berichten von einer Verringerung von abrupten Bremsvorgängen,
Anhaltevorgängen und Ampel-Standzeiten sowie einem gleichmäßigeren Verkehrsfluss. Die
notwendigen Geschwindigkeitsänderungen, um an der Ampel nicht zum Stehen kommen zu
müssen, scheinen sich jedoch individuell zu unterscheiden.
- Verständlichkeit: Die Verständlichkeit des Leezenflows nach mehrmaligem Vorbeifahren wird
von mehr als 70 % der T eilnehmendenmit gut oder sehr gut bewertet. Allerdings bewerten
auch ca. 18 % die Verständlichkeit mit schlecht oder sehr schlecht. Während Leezenflow beim
ersten Vorbeifahren meist nicht leicht verständlich ist, verbessert sich das Verstehen, je
häufiger die Radfahrenden am Leezenflow vorbeifahren. Die Radfahrenden scheinen also Zeit
zum Erlernen der Funktionsweise des Systems zu benötigen. Dies wird sowohl durch die
Ergebnisse der Verkehrsmessungen (s. unten) als auch durch Antworten der T eilnehmenden
bestätigt: Fast 50 % berichten, dass sich bei ihnen bereits ab der zweiten Nutzung des
Leezenflows ein Lerneffekt eingestellt hat.
- Sichtbarkeit: Die Sichtbarkeit des Leezenflows wird von mehr als 73 % als gut oder sehr gut

- 6 -
V/0772/2021
bewertet. Die Entfernung des Leezenflows zur Ampel ist für fast 60 % optimal. Circa 16 %
halten den Leezenflow für zu nah an der Ampel aufgestellt und ca. 25 % halten ihn für zu weit
weg installiert.
- Verbesserungsvorschläge: Als Verbesserungsvorschläge für den Leezenflow wurde von den
meisten T eilnehmenden(81 Personen) eine Sekundenanzeige gewünscht. Dazu passend
wünschen sich 25 T eilnehmendegerne noch weitere alternative Anzeigeformen. 55 Menschen
möchten, dass das System besser erklärt wird. Eine Verbesserung der Positionierung bzw.
Sichtbarkeit des Leezenflows (niedriger/größer/heller) schlagen 34 T eilnehmendevor.
- Weiterentwicklung und Roll-Out: Die Installation von weiteren Leezenflow-Geräten
befürworten 77 % der T eilnehmenden.268 T eilnehmendenennen dazu auch konkrete
Standortvorschläge (s. dazu auch unten, nächste Schritte).
2b. Ergebnisse der Verkehrsmessungen
In einem Bereich von ca. 20 Metern vor und nach dem Leezenflow (also ca. 130-90 Meter vor dem
Knotenpunkt Hörstertor) wurden vom 19. Mai 2021 bis zum 1. Juli 2021 in unterschiedlichen
Messzeiträumen insgesamt 11.225 Radfahrende als Stichprobe beobachtet. Damit diese Stichprobe
ein möglichst repräsentatives Abbild des gesamten Radverkehrs auf der Promenade darstellt, wurden
die Messzeiträume sowohl auf unterschiedliche T ageszeitenund Wochentage als auch vermehrt in
die Hauptverkehrszeiten gelegt. Bei den Messungen wurde darauf geachtet, wie häufig der
Leezenflow genutzt wurde, ob ein Einfluss auf das Fahrverhalten zu beobachten war und falls ja, wie
das Fahrverhalten geändert wurde.
- Nutzungshäufigkeit: Circa 44 % der Vorbeifahrenden nimmt sichtbaren Blickkontakt zum
Leezenflow auf, mit einer steigenden T endenz(s. Lerneffekt unten). Da das
Reaktionsverhalten der Radfahrenden lediglich ca. 20 Meter vor und nach dem Leezenflow-
System beobachtet wurde, können frühere Wahrnehmungen und Reaktionen nicht
berücksichtigt werden. Auch ist es möglich, dass die Radfahrenden nach mehrfacher Nutzung
den Informationsinhalt des Leezenflows besser aus weiterer Distanz einordnen können.
- Einfluss auf das Fahrverhalten: Bei sichtbarem Blickkontakt zum Leezenflow verändert fast
ein Drittel der Radfahrenden die Geschwindigkeit und fährt schneller oder langsamer (je nach
Ampelphase und persönlicher Präferenz). Der Leezenflow wird also aktiv zur Optimierung des
Fahrverhaltens genutzt. Dadurch wird ein besserer Verkehrsfluss erreicht (s. auch
Verkehrsmessung an der Ampelanlage). Die Anzahl der sichtbar reagierenden RadfahrerInnen
mit Blickkontakt steigt im Zeitverlauf an. Dies deutet auf einen Lerneffekt hin: Um die
passende Verhaltensänderung umzusetzen, ist ein mehrmaliges Vorbeifahren nötig. Hierbei ist
zu betonen, dass die Fahrradampel am Hörstertor mit ca. 50 Sekunden bereits die längste
Grünphase für den Radverkehr in Münster hat. Die Ampel zeigt also in der individuellen
Erfahrung ohnehin häufig Grün und ist darüber hinaus auch aus weiter Entfernung sichtbar.
Dadurch wird mutmaßlich der Anreiz gemindert, Leezenflow aktiv zu benutzen. Außerdem
führt die lange Grünphase dazu, dass Geschwindigkeitsänderungen eher selten erfolgen
müssen. Es ist also wahrscheinlich, dass einige Radfahrende den Leezenflow als Bestätigung
für ihre aktuelle Geschwindigkeit gesehen haben. Vermutlich benutzen also mehr Radfahrende
den Leezenflow als beobachtet werden kann.
An der Ampelanlage Hörstertor wurden vom 12. April 2021 bis zum 1. Juli 2021 in unterschiedlichen
Messzeiträumen insgesamt 28.851 Radfahrende als Stichprobe beobachtet. Auch hier wurden für die
Repräsentativität dieser Stichprobe die Messzeiträume sowohl auf unterschiedliche T ageszeitenund
Wochentage als auch vermehrt in die Hauptverkehrszeiten gelegt. Diese Messung begann bereits vor
der Installation des Leezenflows, um Vergleichsdaten ohne Einfluss des Leezenflows zu sammeln.
Darüber hinaus wurde der Leezenflow einige Wochen nach der Installation bewusst während einiger
Zeitfenster ausgeschaltet, um etwaige Störeinflüsse (z. B. Wetter oder Jahreszeiten) kontrollieren zu
können. 10.653 Radfahrende wurden vor Installation des Leezenflows gezählt, 12.212 Radfahrende

- 6 -
V/0772/2021
nach Installation mit eingeschaltetem Leezenflow und 5.986 Radfahrende mit ausgeschaltetem
Leezenflow. Das Verhalten der Radfahrenden wurde dabei auf 12 Verkehrssituationen aufgeteilt (u. a.
„in den letzten 5 Sekunden bei Rot anhalten“ oder „in den ersten 5 Sekunden bei Grün fahren“).
- Verkehrsfluss: Es zeigen sich statistisch signifikante Effekte des Leezenflows auf den
Radverkehrsfluss. Im gesamten Untersuchungszeitraum hat das Leezenflow-System ca.
8.424-12.231 Radfahrende dabei unterstützt, die Ampel bei Grün zu überqueren anstatt bei
Rot anhalten zu müssen (Hochrechnung für den Untersuchungszeitraum mit den Daten der
naheliegenden Radzählstation). Allgemeiner formuliert: Die Anzahl an Radfahrenden, die ohne
Leezenflow vor der roten Ampel anhalten müssen, wird durch Leezenflow um 5,9 % bis 8,5 %
verringert (Effektivität des Leezenflows in Hinblick auf die Reduktion von Anhaltevorgängen).
Hierbei ist zu betonen, dass durch die lange Grünphase der Fahrradampel (s. oben) ohnehin
ein großer Anteil an Radfahrenden auch ohne die Unterstützung von Leezenflow bei Grün
über die Ampel fahren kann. Mit Leezenflow wurde dennoch eine Verbesserung dieser guten
Ausgangslage erreicht. Zugleich legt dieses Ergebnis nahe, dass für eine umfassendere
Wirksamkeitsanalyse Leezenflow an weiteren, verkehrlich deutlich unterschiedlichen
Standorten evaluiert werden sollte.
- Verkehrssicherheit: In der Online-Umfrage haben weniger als 7 % einen negativen Einfluss
auf die Verkehrssicherheit angegeben, während fast 60 % einen positiven Einfluss auf die
Verkehrssicherheit vermuten. Während des Beobachtungszeitraums wurde nur eine geringe
Anzahl an Unfällen (keine) und Beinahe-Unfällen (13) beobachtet. Deshalb lassen sich keine
Aussagen zum Einfluss des Leezenflows auf die Verkehrssicherheit treffen. Zwar ist ein
Rückgang in der prozentualen Häufigkeit der Beinahe-Unfälle zu beobachten; dieser kann
aufgrund der geringen Fallzahl jedoch nicht explizit als kausale Folge des Leezenflow-
Systems eingeordnet werden. Die Veränderung des Anteils der Rotlichtverstöße ist in den
meisten Analysen nicht statistisch signifikant.
3. Fazit und nächste Schritte
Wie von Beginn an dargelegt, handelt es sich beim Leezenflow um ein Pilotprojekt an der Schnittstelle
von innovativer T echnikund nachhaltiger Mobilität. Der aktuelle Prototyp wurde im Echtbetrieb
getestet, um die Wirksamkeit frühzeitig empirisch nachzuweisen, die Weiterentwicklung im Sinne
einer koproduktiven Stadtentwicklung bürgerzentriert zu gestalten, die „Car/Bike-T o-X“-T echnik
produktiv auszuprobieren sowie Erfahrungen in der Entwicklung von „Freier Software“ durch die
Öffentliche Hand zu machen.
Leezenflow ist noch kein fertiges Produkt, aber bereits jetzt ein Baustein zur Verbesserung des
Radfahrkomforts. Die Evaluationsergebnisse zeigen, dass der Prototyp erfolgreich ist:
- Trotz münsterweit längster Grünphase am T est-Standort verbessert Leezenflow nachweislich
den Radverkehrsfluss (und treibt damit auch die internationale Forschung zu diesem Thema
an, s. Anlage 1, S. 13).
- Leezenflow wird bereits in der „Produkteinführungsphase“ vielfach genutzt.
- Der Nutzen von Leezenflow wird von Radfahrenden mehrheitlich als positiv bewertet.
Zugleich ist Leezenflow ein Projekt bzw. Produkt einer koproduktiven Stadtentwicklung, weil Wissen,
Ideen und Engagement der Zivilgesellschaft („civic tech“) genutzt werden. Zudem werden auch lokale
Unternehmen sowie die FH und die WWU eingebunden und es fand eine frühzeitige
Bürgerbeteiligung zur Weiterentwicklung statt. Darin liegt ein großes Potenzial und eine Vorbild- und
Lernfunktion im Zeitalter einer zunehmend digitalen Stadtentwicklung. Um mit der Geschwindigkeit
der Digitalisierung mitzuhalten, ist eine Aktivierung der gesamten Stadtgesellschaft notwendig.
Insofern ist das Leezenflow-Projekt sowohl T echnologieförderungals auch ein lernender Prozess (vgl.
V/0454/2021 sowie die Smart City Charta des Bundes).
Schließlich liefert das Leezenflow-Projekt auch wertvolle Erfahrungen im Bereich der Schaffung von
„Freiem Wissen“ bzw. „Freier Software“ („open source“) durch die Öffentliche Hand. Dies stärkt zum

- 6 -
V/0772/2021
einen die digitale Souveränität der Stadt Münster. Zum anderen bietet dieses offene
Entwicklungsmodell durch deutlich vereinfachten Wissensaustausch grundsätzlich ein hohes
Potenzial um z. B. die Geschwindigkeit u. a. bei der Bekämpfung der Klimakrise zu erhöhen. Ganz
konkret kann der münstersche Leezenflow einfach von anderen Kommunen adaptiert werden und
etwaige Verbesserungen anderer Kommunen können die hiesigen Installationen verbessern. Ein
Wissenstransfer in andere Kommunen hat bereits begonnen und wird weiter intensiviert. Es gab
bereits Anfragen aus Berlin, Düsseldorf und Erlangen.
Da die Evaluation grundsätzlich positiv ausgefallen ist und zugleich bereits Interesse anderer
Kommunen spürbar ist, schlägt die Verwaltung eine Weiterentwicklung vor. Hierfür sollen Fördermittel
des Förderprogramms „Modellprojekte Smart Cities“ des Bundesministeriums für Wohnen,
Stadtentwicklung und Bauwesen (vgl. V/0075/2021) genutzt werden. Ein Überblick über den aktuellen
Sachstand aller 12 T eilprojektedes gesamten Förderprogramms wird zeitnah als weitere Vorlage
vorgelegt. Im T eilprojekt„Leezenflow für die Stadtregion“ steht u. a. die Frage der Nutzbarmachung
des Leezenflows für die Velorouten im Fokus. Für das T eilprojektstehen Fördermittel in Höhe von ca.
150.000 € zur Verfügung. Zudem werden Zuwendungen vom Land NRW in Höhe von rund 40.000 €
erwartet. Die Verwaltung schlägt zur Umsetzung des T eilprojektsfolgende nächste Schritte vor:
- Weitere Standorte / Ausbau Leezenflow-Geräte: Alle Knotenpunkte auf den Velorouten
sowie die Knotenpunkte, die bereits in der (im Rahmen der Evaluation durchgeführten)
Onlineumfrage genannt wurden, werden auf technische und verkehrliche Machbarkeit für eine
Leezenflow-Installation geprüft. Diese Liste mit fachlich machbaren Standorten wird in einer
Onlinebeteiligung durch BürgerInnen priorisiert. An den am meisten favorisierten Standorten
werden Leezenflows installiert (Bau-Beschlussvorlage für bis zu 15 Standorte wird nach der
Onlinebeteiligung zur Beratung vorgelegt). Darüber hinaus wird geprüft, inwieweit die
Umlandgemeinden innerhalb der Stadtregion dabei unterstützt werden können, Leezenflows
zu installieren.
- Weiterentwicklung Leezenflow Prototyp: Am gut untersuchten Standort Hörstertor werden
gewünschte Verbesserungen implementiert und evaluiert (insbesondere eine
Sekundenanzeige).
- Weiterentwicklung Leezenflow 2.0: Weitere Verbesserungen des Geräts, wie sie z. B. auch
auf dem Münsterhack 2021 prototypisch vorgestellt wurden (u. a. alternative Anzeige zur
besseren Kommunikation und Verständlichkeit, LED-Leuchtstreifen, App), werden im Laufe
des Projekts geprüft und an geeigneten Standorten umgesetzt.
Bei allen Schritten werden die Belange des Fußverkehrs sowie die Aufenthalts- und
Gestaltungsqualität des öffentlichen Raumes besonders berücksichtigt. Die Wirkungen des
Leezenflow-Systems (sowohl an anderen Standorten als auch die der Weiterentwicklungen) werden
im Sinne einer evidenzbasierten Stadtentwicklung durch eine weitere Evaluation untersucht.
gez.
Robin Denstorff
Stadtbaurat
Anlagen:
Anlage A
Anlage 1: Evaluation des Leezenflow-Systems in Münster
Anlage 2: Folgelastenberechnung Leezenflow 2022

Evaluation des
Leezenflow-Systems in Münster
Institut für Verkehrswissenschaft Münster
Abschlussbericht: Dezember 2021

Bearbeiter:
Prof. Dr. Gernot Sieg IVM
Dr. Jan Wessel IVM
Christina Brand IVM
Thomas Hagedorn IVM
Till Kösters IVM
Marlena Meier IVM
Kontakt:
Institut für Verkehrswissenschaft Münster
E-Mail: verkehrswissenschaft@uni-muenster.de
Auftraggeber:
Stadt Münster, Stabsstelle Smart City
WirbedankenunsbeiSebastianBadura,XeniaBreiderhoff,DhurataDervishaj,JulianGricht-
maier, Alina Krämer und Sebastian Specht für die tatkräftige Unterstützung bei der Verkehrs-
messung und der Erstellung des finalen Abschlussberichts.
2

Executive Summary
Executive Summary
Das Leezenflow-System wurde entwickelt, um die Radfahrqualität vor
den Ampelanlagen in Münster zu steigern. Es zeigt an, wie lange die
jeweilige Ampelphase noch dauern wird. Reagieren die Radfahrer*innen
mit entsprechenden Geschwindigkeitsanpassungen, müssen diese weniger
oft vor roten Ampeln anhalten und bleiben im „Flow“.
Am 17. Mai 2021 wurde ein erstes Leezenflow-System auf der Prome-
nade südlich der Ampelanlage an der Kreuzung Promenade/Hörstertor
installiert. Um die Auswirkungen des Leezenflow-Systems auf den Rad-
verkehr zu evaluieren, wurden eine Online-Umfrage sowie Verkehrsmes-
sungen am Leezenflow-System selbst und an der Ampelanlage Kreuzung
Promenade/Hörstertor durchgeführt.
Aus der Umfrage geht hervor, dass 485 der insgesamt 534 Teilneh-
mer*innen das Leezenflow-System bereits genutzt haben. Die Mehrheit
dieser 485 Nutzer*innen gibt an, das eigene Fahrverhalten mithilfe des
Leezenflow-Systems so optimieren zu können, dass sie flüssiger zum Ziel
kommt. Das bedeutet, es muss weniger häufig abrupt abgebremst, an-
gehalten bzw. abgestiegen und an der roten Ampel gestanden werden.
Hervorzuheben sind die von den Nutzer*innen bestätigten Lerneffekte in
Bezug auf die Verständlichkeit der Anzeige des Leezenflow-Systems bzw.
die optimale Umsetzung der jeweils angezeigten Information. Dies lässt
vermuten, dass zukünftig immer mehr Radfahrer*innen das Leezenflow-
System verstehen und wie intendiert nutzen können. Verbesserungsvor-
schläge gehen dennoch vor allem in Richtung einer Optimierung der An-
zeigeform,vieleTeilnehmer*innenwünschensichstattdergrafischenRest-
zeitanzeige eine Anzeige der Restzeit der jeweiligen Ampelphase in Sekun-
den. Der Einfluss des Leezenflow-Systems auf die Verkehrssicherheit wird
von den Teilnehmer*innen grundsätzlich eher positiv als negativ einge-
schätzt. Einige Teilnehmer*innen berichten jedoch, dass das Leezenflow-
System zu einer verringerten Konzentration auf den kreuzenden Verkehr
und übermäßig schnellem Fahren führt. Auch vor diesem Hintergrund
wird eine eindeutige Regelung für kreuzende Fußgänger*innen, z.B. in
Form einer Fußgängerampel, gefordert. Weitere kritische Stimmen spre-
chen sich dafür aus, Steuergelder eher in den flächendeckenden Ausbau-
und Erhalt der Radwege zu investieren oder bei einer radfreundlicheren
Ampelschaltung anzusetzen. Abschließend stimmt der Großteil (77,0%)
dennoch für mehr Leezenflow-Systeme in Münster, insbesondere auf der
Promenade.
3

Executive Summary
Die Auswertung der am eingeschaltetem Leezenflow-System erhobe-
nen Daten zeigt, dass durchschnittlich 44,3% der 11.225 erfassten Rad-
fahrer*innen sichtbaren Blickkontakt zum Leezenflow-System herstellen.
Wenn sichtbarer Blickkontakt zum Leezenflow-System hergestellt wird,
passen Radfahrer*innen eher ihre Geschwindigkeit an, als wenn sie kei-
nen sichtbaren Blickkontakt zum Leezenflow-System haben. Das Reak-
tionsverhalten ist zudem abhängig davon, ob die Radfahrer*innen wäh-
rend einer Rot- bzw. während einer Grünphase sichtbaren Blickkontakt
zum Leezenflow-System herstellen. Der Anteil der langsamer werdenden
Radfahrer*innen an allen Radfahrer*innen mit Blickkontakt ist während
einer Rotphase deutlich höher als während einer Grünphase. Der An-
teil der schneller werdenden Radfahrer*innen an allen Radfahrer*innen
mit Blickkontakt ist hingegen höher, wenn diese während einer Grünpha-
se am Leezenflow-System vorbeifahren. Zudem kann festgestellt werden,
dass der Anteil an Radfahrer*innen, die auf das Leezenflow-System rea-
gieren, im Zeitverlauf angestiegen ist. Dies lässt die Vermutung zu, dass
sich Lerneffekte bei den vorbeifahrenden Radfahrer*innen einstellen.
Während der Verkehrsmessungen an der Ampelanlage überquerten ins-
gesamt 28.851 Radfahrer*innen die Kreuzung Promenade/Hörstertor.
Die Verkehrsmessungen wurden sowohl bei eingeschaltetem als auch aus-
geschaltetem Leezenflow-System durchgeführt. Die Auswertung der er-
hobenen Verkehrsdaten zeigt, dass das Leezenflow-System statistisch si-
gnifikante Auswirkungen auf den Verkehr hat. Der Anteil der Radfah-
rer*innen, die ohne anzuhalten über die grüne Ampel fahren, wird durch
das Leezenflow-System um ca. 2,4 bis 2,6 Prozentpunkte erhöht. Zudem
verringert sich der Anteil der vor der roten Ampel stehenden Radfah-
rer*innen um ca. 1,8 bis 2,6 Prozentpunkte. Hinsichtlich der Effektivität
des Leezenflow-Systems bedeutet dies, dass die Anzahl der Anhaltevor-
gänge durch das Leezenflow-System um 5,9% bis 8,5% reduziert wer-
den. Die Veränderung des Anteils der Rotlichtverstöße ist in den meisten
Analysen nicht statistisch signifikant. Die Auswertungen der Verkehrs-
daten bestätigen somit, dass das Leezenflow-System dazu beiträgt, dass
die Radfahrer*innen an der Kreuzung Promenade/Hörstertor tatsächlich
weniger oft an der roten Ampel stehen müssen und mehr im Flow blei-
ben. Die Auswirkungen auf den Verkehrsfluss sind somit abschließend als
positiv zu bewerten. Auf Basis der durchschnittlichen Anzahl an Radfah-
rer*innen, die zwischen 2018 und 2020 über diesen Promenadenabschnitt
gefahren sind, würden die Ergebnisse der Verkehrsauswertung bedeuten,
4

Executive Summary
dass pro Tag ca. 104 bis 151 Radfahrer*innen nicht mehr vor einer ro-
ten Ampel warten müssten, sondern diese ohne anzuhalten überqueren
könnten.
Dadurch, dass während der Verkehrsmessungen keine Unfälle beobach-
tet werden konnten und nur sehr wenige Verkehrssituationen als Beinahe-
Unfall eingestuft wurden, ist eine abschließende Bewertung der Auswir-
kungen des Leezenflow-Systems auf die Unfallwahrscheinlichkeit nicht
möglich. Der beobachtete Rückgang in der prozentualen Häufigkeit von
Beinahe-UnfällenkannsomitnichtexplizitalskausaleFolgedesLeezenflow-
Systems eingeordnet werden.
5

Inhaltsverzeichnis
Inhaltsverzeichnis
Abbildungsverzeichnis 8
Tabellenverzeichnis 9
Abkürzungsverzeichnis 10
1 Einleitung 11
2 Aktueller Forschungsstand 12
3 Das Leezenflow-System in Münster 14
3.1 Entwicklung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.2 Funktionsweise . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.3 Kosten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.4 Standort . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.5 Radverkehrsaufkommen . . . . . . . . . . . . . . . . . . . . . . 19
4 Auswertung der Umfrage 21
4.1 Zielsetzung und Durchführung . . . . . . . . . . . . . . . . . . . 21
4.2 Überblick über die Teilnehmer*innen . . . . . . . . . . . . . . . 22
4.3 Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.3.1 Allgemeines Nutzungsverhalten . . . . . . . . . . . . . . 23
4.3.2 Standort und Verständlichkeit des Leezenflow-Systems . 23
4.3.3 Einfluss des Leezenflow-Systems auf die Radfahrer*innen
bzw. Verkehrsteilnehmer*innen . . . . . . . . . . . . . . 25
4.3.4 Verbesserungsvorschläge und allgemeines Feedback . . . 32
4.3.5 Potenzial für weitere Leezenflow-Systeme in Münster . . 34
4.3.6 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . 35
5 Auswertung der Verkehrsmessung 37
5.1 Datenerhebung und Methodik . . . . . . . . . . . . . . . . . . . 37
5.1.1 Aufbau der Datenerhebung . . . . . . . . . . . . . . . . 37
5.1.2 Messungen am Leezenflow-System . . . . . . . . . . . . . 38
5.1.3 Messungen an der Ampelanlage . . . . . . . . . . . . . . 39
5.1.4 Methodik . . . . . . . . . . . . . . . . . . . . . . . . . . 41
6

Inhaltsverzeichnis
5.2 Auswertung der Messungen am Leezenflow-System . . . . . . . 42
5.2.1 Allgemeine Auswertung . . . . . . . . . . . . . . . . . . 43
5.2.2 Differenzierung nach Ampelphase . . . . . . . . . . . . . 44
5.2.3 Reaktionsverhalten im Zeitverlauf . . . . . . . . . . . . . 47
5.2.4 Diskussion und Zusammenfassung . . . . . . . . . . . . . 48
5.3 Auswertung der Messungen an der Ampelanlage . . . . . . . . . 49
5.3.1 Standard-Einteilung . . . . . . . . . . . . . . . . . . . . 50
5.3.2 Detaillierte Einteilung ohne Geschwindigkeiten . . . . . . 56
5.3.3 Detaillierte Einteilung mit Geschwindigkeiten . . . . . . 59
5.3.4 Unfälle und Beinahe-Unfälle . . . . . . . . . . . . . . . . 61
5.3.5 Diskussion und Zusammenfassung . . . . . . . . . . . . . 63
6 Zusammenfassung 65
Literatur 68
Anhang A 70
A.1 Umfrage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
A.2 Verkehrsmessung . . . . . . . . . . . . . . . . . . . . . . . . . . 73
A.3 Fragebogen für die Umfrage . . . . . . . . . . . . . . . . . . . . 79
A.4 Messbögen für die Verkehrsmessung . . . . . . . . . . . . . . . . 84
7

Abbildungsverzeichnis
Abbildungsverzeichnis
1 Das Leezenflow-System . . . . . . . . . . . . . . . . . . . . . . . 15
2 Leezenflow-System auf der Promenade . . . . . . . . . . . . . . 17
3 Standort des Leezenflow-Systems . . . . . . . . . . . . . . . . . 18
4 Radverkehrsaufkommen in Richtung Promenade/Hörstertor . . 19
5 Bewertung der Sichtbarkeit und der Entfernung des Leezenflow-
Systems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
6 Verständlichkeit des Leezenflow-Systems . . . . . . . . . . . . . 24
7 Zeitpunkt der Lerneffekte . . . . . . . . . . . . . . . . . . . . . 25
8 Einfluss des Leezenflow-Systems auf das Fahrverhalten . . . . . 26
9 Einfluss des Leezenflow-Systems auf den Verkehrsfluss . . . . . . 30
10 Wahrnehmung und Reaktionsverhalten am Leezenflow-System . 44
11 Wahrnehmung und Reaktionsverhalten am Leezenflow-System
unterteilt nach Ampelphasen . . . . . . . . . . . . . . . . . . . . 46
12 Anteil der Radfahrer*innen mit sichtbarer Änderung des Fahr-
verhaltens unterteilt nach Wahrnehmung . . . . . . . . . . . . . 47
13 Auswirkungen des Leezenflow-Systems (Standard-Einteilung, al-
le Beobachtungen) . . . . . . . . . . . . . . . . . . . . . . . . . 51
14 AuswirkungendesLeezenflow-Systems(Standard-Einteilung,nur
Mit-Ohne-Vergleichszeitraum) . . . . . . . . . . . . . . . . . . . 52
15 AuswirkungendesLeezenflow-Systems(Standard-Einteilung,pro
Kalenderwoche) . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
16 Auswirkungen des Leezenflow-Systems nach Wochentagstypen
(Standard-Einteilung) . . . . . . . . . . . . . . . . . . . . . . . . 55
17 Auswirkungen des Leezenflow-Systems (Detaillierte Einteilung
ohne Geschwindigkeit) . . . . . . . . . . . . . . . . . . . . . . . 57
18 Auswirkungen des Leezenflow-Systems (Detaillierte Einteilung
mit Geschwindigkeit) . . . . . . . . . . . . . . . . . . . . . . . . 59
8

Tabellenverzeichnis
Tabellenverzeichnis
1 Häufigkeit der Nutzung des Leezenflow-Systems . . . . . . . . . 22
2 Nutzungsverhalten des Leezenflow-Systems . . . . . . . . . . . . 23
3 Umsetzung der Information des Leezenflow-Systems . . . . . . . 28
4 Effekte des Leezenflow-Systems auf die Verkehrssicherheit . . . 31
5 Qualität und Häufigkeit des Radfahrens durch das Leezenflow-
System . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
6 Feedback zum Leezenflow-System . . . . . . . . . . . . . . . . . 35
7 MarginaleEffektederWahrnehmungdesLeezenflow-Systems(MNL-
Modell) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
8 Drei Einteilungen der Verkehrssituationen . . . . . . . . . . . . 50
9 MarginaleEffektedesLeezenflow-Systems(MNL-Modell,Standard-
Einteilung) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
10 MarginaleEffektedesLeezenflow-Systems(MNL-Modell,Standard-
Einteilung, nach Wochentagstyp) . . . . . . . . . . . . . . . . . 56
11 Marginale Effekte des Leezenflow-Systems (MNL-Modell, detail-
lierte Einteilung ohne Geschwindigkeit) . . . . . . . . . . . . . . 58
12 Marginale Effekte des Leezenflow-Systems (MNL-Modell, detail-
lierte Einteilung mit Geschwindigkeit) . . . . . . . . . . . . . . . 61
13 Unfälle und Beinahe-Unfälle . . . . . . . . . . . . . . . . . . . . 62
14 Soziodemografische Eigenschaften der Teilnehmer*innen . . . . . 70
15 Auswirkungen des Leezenflow-Systems auf die Nutzer*innen . . 71
16 Weiteres Feedback zum Leezenflow-System . . . . . . . . . . . . 72
17 Detaillierte Aufteilung der Messungen am Leezenflow-System . . 73
18 MNL-Modell(WahrnehmungundReaktionamLeezenflow-System) 74
19 MNL-Modell (Standard-Einteilung) . . . . . . . . . . . . . . . . 75
20 MNL-Modell (Standard-Einteilung, nach Wochentagstyp) . . . . 76
21 MNL-Modell (Detaillierte Einteilung ohne Geschwindigkeit) . . 77
22 MNL-Modell (Detaillierte Einteilung mit Geschwindigkeit) . . . 78
9

Abkürzungsverzeichnis
Abkürzungsverzeichnis
FE Fixed Effect
MNL-Modell Multinomial Logit-Modell
10

1. Einleitung
1 Einleitung
Das Leezenflow-System wurde entwickelt, um die Radfahrqualität vor den Am-
pelanlagen in Münster zu steigern. Es zeigt an, wie lange die jeweilige Ampel-
phase noch dauern wird. Reagieren die Radfahrer*innen mit entsprechenden
Geschwindigkeitsanpassungen, müssen diese weniger oft vor roten Ampeln an-
halten und bleiben im „Flow“.
Am 17. Mai 2021 wurde ein erstes Leezenflow-System auf der Promenade
südlich der Ampelanlage an der Kreuzung Promenade/Hörstertor installiert.
Anschließend wurde im Rahmen einer Online-Umfrage evaluiert, ob die Rad-
fahrer*innen das Leezenflow-System verstehen und ob dieses tatsächlich einen
positiven Einfluss auf den Radverkehrsfluss hat. Außerdem sollten mithilfe der
Umfrage die Auswirkungen des Leezenflow-Systems auf die Verkehrssicherheit
ausgemacht und Verbesserungsvorschläge gewonnen werden. Ebenso von Inter-
esse war die Einschätzung der Radfahrer*innen in Hinblick auf die Installation
weiterer Leezenflow-Systeme in Münster.
Zudem wurde im Rahmen einer Verkehrsmessung untersucht, ob die Radfah-
rer*innendasLeezenflow-Systemüberhauptwahrnehmen,d.h.sichtbarenBlick-
kontakt herstellen, und auf die Anzeige reagieren. Eine zweite Verkehrsmessung
wurde unmittelbar an der Ampelanlage durchgeführt. Hier wurde beobachtet,
ob das Leezenflow-System den Radfahrer*innen dabei hilft, die Kreuzung bei
Grün zu überqueren, sodass es zu weniger Abbrems- bzw. Haltevorgängen vor
der roten Ampel kommt. Im Fokus waren bei den Verkehrsmessungen wieder
auch die Auswirkungen des Leezenflow-Systems auf die Verkehrssicherheit.
Nach einem Überblick über den aktuellen Forschungsstand zu den Auswir-
kungen von Restzeitanzeigen auf den Radverkehr in Kapitel 2, wird in Kapitel
3 näher auf das erste Leezenflow-System in Münster, d.h. dessen Entwicklung,
Funktionsweise und Standort, eingegangen. Kapitel 4 und 5 zeigen die Ergeb-
nisse der Online-Umfrage und Verkehrsmessungen, dabei wird auch die jeweilige
Vorgehensweise bzw. Methodik erläutert. In Kapitel 6 werden die gewonnenen
Erkenntnisse abschließend zusammengefasst.
11

2. Aktueller Forschungsstand
2 Aktueller Forschungsstand
Die Auswirkungen von Restzeitanzeigen auf den Auto- und Fußverkehr sind in
diversen Studien untersucht worden. Diese kommen zu unterschiedlichen Er-
gebnissen. Ein Überblick hierzu ist z.B. in Nygårdhs (2021) zu finden. Dieses
Kapitel fokussiert sich daher ausschließlich auf den aktuellen Forschungsstand
zu den bisher weniger stark erforschten Auswirkungen von Restzeitanzeigen auf
den Radverkehr.
In Amsterdam wurden im Jahr 2005 an vier Kreuzungen Restzeitanzeigen
installiert. Dies führte zu einer Reduktion der Rotlichtverstöße um 7%. Nach-
dem die Sichtbarkeit durch eine weitere Anzeige im unteren Signalgeber, also
annähernd auf Augenhöhe der Radfahrer*innen, erhöht worden war, konnten
die Rotlichtverstöße um weitere 10% reduziert werden (Wiersma, 2006).
Anhand mehrerer Kreuzungen im chinesischen Shanghai analysieren Dong
etal. (2011) die Unterschiede zwischen einem Grünphasen-Countdown-Timer
und einem blinkenden Ampelsignal zum Ende der Grünphase für den nicht-
motorisierten Verkehr. Sie beobachten, dass die Geschwindigkeit beim Über-
queren der Kreuzung durch beide Varianten der Restzeitanzeige ansteigt.
Kaths etal. (2019) untersuchen den Effekt von Countdown-Timern für Grün-
phasenaufdenRadverkehrandreiKreuzungeninMünchen.DieErgebnissesind
nicht eindeutig. An einer Ampel kommt es durch den Grünphasen-Countdown-
Timer zu weniger Rotlichtverstößen und mehr Radfahrer*innen, die bei Grün
über die Ampel fahren. Bei den anderen beiden Ampeln werden diese positiven
Effekte jedoch nicht beobachtet. An einer der beiden Ampeln wirkt sich der
Grünphasen-Countdown-Timer sogar negativ aus. Die Autor*innen kommen
zu dem Schluss, dass die Effektivität eines Grünphasen-Countdown-Timers von
verschiedenen Faktoren, wie u.a. den baulichen Begebenheiten der Kreuzung,
abhängt und es daher wichtig ist, die tatsächlichen Verkehrsauswirkungen von
neu aufgestellten Grünphasen-Countdown-Timern zu analysieren.
Nygårdhs (2021) untersucht in einer Vorher-Nachher-Studie die Auswirkun-
gen eines Grünphasen-Countdown-Timers, der auf Höhe der Lichtsignalanlage
installiert ist, auf das Radfahrverhalten von 26 Teilnehmer*innen in Groningen
(Niederlande). Die Teilnehmer*innen der Studie fahren hierbei zwar im realen
Verkehr mit, sind sich aber jederzeit bewusst, dass sie an einer Studie teil-
nehmen, da sie u.a. Eye-Tracking-Equipment tragen. Die Untersuchung zeigt,
dass die Radfahrer*innen tatsächlich auf den Grünphasen-Countdown-Timer
12

2. Aktueller Forschungsstand
reagieren, indem sie z.B. ihre Geschwindigkeit anpassen, um Haltevorgänge zu
reduzieren. Der Countdown-Timer beeinflusst zudem nicht die Aufmerksamkeit,
die die Radfahrer*innen den wichtigen Verkehrsobjekten zuwenden. Es kommt
allerdings auch zu einem Anstieg der Rotlichtverstöße.
Zudem wurden in Helmond (Niederlande) an acht Knotenpunkten Restzeit-
anzeigen für Fußgänger*innen und Radfahrer*innen installiert und im Rahmen
einer Benutzerakzeptanzstudie evaluiert. Die Mehrheit der Bevölkerung bewer-
tet die Auswirkungen auf Verkehrssicherheit und Verkehrsfluss als positiv. Auch
das Warten an der Ampel wird nun als angenehmer empfunden (Afdeling On-
derzoek en Statistiek Gemeente Helmond, 2014).
Im Gegensatz zu Studien mit realen Verkehrsdaten führen Ruf und Kaths
(2021) eine Simulatorstudie mit einem Fahrradsimulator und 32 Proband*innen
durch, um die Auswirkungen von Restzeitanzeigen auf den Radverkehr zu eva-
luieren. Hierbei werden sowohl Restzeitanzeigen direkt neben der Ampel als
auch Restzeitanzeigen 60 Meter vor der Ampel untersucht. Die Autor*innen fin-
den heraus, dass Restrotzeitanzeigen und Restgrünzeitanzeigen die Anzahl der
Rotlichtverstöße reduzieren können. Zudem können Restrotzeitanzeigen dazu
führen, dass Haltevorgänge an der Lichtsignalanlage reduziert werden. Hierbei
spielt es im Rahmen ihrer Studie keine Rolle, ob die Restrotzeitanzeige direkt
neben der Lichtsignalanlage oder 60 Meter davor installiert ist.
Ein zentraler Unterschied zwischen den in den aufgeführten Studien unter-
suchten Restzeitanzeigen für den Radverkehr und dem Leezenflow-System in
Münster ist, dass erstere zumeist direkt neben der Ampelanlage installiert sind
und nicht, wie in Münster, ca. 110 Meter vor der eigentlichen Ampel. Eine Aus-
nahme bildet hierbei die Studie von Ruf und Kaths (2021), die die Auswirkun-
gen einer Restlichtzeitanzeige 60 Meter vor der eigentlichen Ampel untersucht,
allerdings im Rahmen einer Simulatorstudie und nicht im realen Verkehr.
Zusammenfassend kann festgehalten werden, dass die Studien zu den Aus-
wirkungen von Restzeitanzeigen in Bezug auf die Anzahl der Rotlichtverstöße
unterschiedliche Ergebnisse liefern. Die Auswirkungen von Restzeitanzeigen auf
den Verkehrsfluss werden in der Literatur bisher – wenn überhaupt – nur ober-
flächlich behandelt. Um weitere Erkenntnisse vor allem in Hinblick auf den Ver-
kehrsfluss und auch auf die Verkehrssicherheit zu erlangen, werden zur Evaluati-
on des Leezenflow-Systems in Münster eine Umfrage sowie Verkehrsmessungen
durchgeführt.
13

3. Das Leezenflow-System in Münster
3 Das Leezenflow-System in Münster
3.1 Entwicklung
Die Idee zum Leezenflow-System entstand 2019 im Rahmen des Wettbewerbs
Münsterhack. Das Ziel dieses Wettbewerbs ist es, digitale Lösungen für
Münster als Smart City zu entwickeln. Der Wettbewerb findet einmal im Jahr
statt, wird von der items GmbH und Digital Hub münsterLAND organisiert
und u.a. von der Stadt Münster unterstützt. Ein Projektteam aus Program-
mierer*innen entwickelte beim Münsterhack 2019 den ersten Prototypen
des Leezenflow-Systems, welches den Radfahrer*innen mithilfe einer dynami-
schen LED-Anzeige als Grüne-Welle-Assistent dienen soll. Mit dem Leezenflow-
System wird beabsichtigt, den Radverkehr in Münster weiter zu fördern und die
Radfahrqualität zu erhöhen (Stadt Münster, 2020b).
Für den Dauerbetrieb wurde der Prototyp unter Beteiligung verschiedener
Akteure weiterentwickelt. Unter der Führung der Stabsstelle Smart City Müns-
ter der Stadtverwaltung wurde die bCyber UG in Kooperation mit Code for
Münster mit der Programmierung des Systems, welches u.a. Echtzeitdaten der
Ampel erhält, beauftragt. Studierende der Fachhochschule Münster entwickel-
ten im Rahmen ihrer Bachelorarbeit das finale Design des Leezenflow-Systems
(Smart City Münster, 2021). Die Inbetriebnahme des Systems am Standort an
der Promenade in Münster erfolgte am 17. Mai 2021.
3.2 Funktionsweise
Vergleichbarmitder„Car-to-X-Kommunikation“ basiertdieIdeedesLeezenflow-
Systems darauf, eine „Bike-to-X-Kommunikation“ zu schaffen. Ziel ist es, eine
Kommunikation zwischen Fahrzeugen bzw. Radfahrer*innen und Infrastruktu-
ranlagen (z.B. Ampeln) herzustellen. Für das Leezenflow-System wurde eine
Technik in der Ampelanlage installiert, die es ermöglicht, Echtzeitinformationen
über die Ampelintervalle an das Leezenflow-System zu übertragen und damit
frühzeitig an die Radfahrer*innen weiterzugeben. Den Radfahrer*innen kann
damit bereits in gewisser Entfernung vor der Ampel ein Hinweis gegeben wer-
den, wie lange es dauert, bis das Ampelsignal wechselt. Die Radfahrer*innen
können auf Basis dieser Information entscheiden, ob sie ihre Geschwindigkeit
anpassen, um die Ampel möglichst ohne anzuhalten bei Grün zu überfahren
(Stadt Münster, 2020a).
14

3.2 Funktionsweise
(a) Vollständig grüne Farbsäule
 (b) Ablaufende grüne Farbsäule
Abbildung 1: Das Leezenflow-System
c⃝Magdalena Schmitz und Leonie Winkelmann.
Das Leezenflow-System visualisiert die Dauer der jeweiligen Ampelphase über
eine dynamische LED-Anzeige1 (siehe Abbildung 1). Diese zeigt mithilfe einer
von unten nach oben ablaufenden Farbsäule die Restzeitlänge der Ampelpha-
se. Während einer Grünphase ist die Farbsäule grün und unterhalb dieser wird
ein fahrendes Fahrrad angezeigt. Während einer Rotphase ist die Farbsäule rot
und es wird ein stehendes Fahrrad angezeigt.2 Je länger (bzw. „voller“) die an-
gezeigte Farbsäule, desto länger ist die Restzeit der jeweiligen Ampelphase. In
Abbildung 1a bedeutet dies etwa, dass die Ampel gerade auf Grün gewech-
selt ist und die Grünphase der Ampel noch einige Zeit andauert. Abbildung
1b hingegen zeigt an, dass die grüne Ampelphase bald endet. Nach Ablauf der
grünen Farbsäule zeigt das Leezenflow-System mit dem Wechsel der Ampel auf
Rot eine rote Farbsäule und beginnt wieder von unten nach oben dynamisch
die Restzeit der roten Ampelphase darzustellen. Das Leezenflow-System ist da-
mit als Grüne-Welle-Assistent für Radfahrer*innen einzuordnen. Es soll den
Radfahrer*innen dabei helfen, durch individuelle Geschwindigkeitsanpassungen
komfortabler, flüssiger (im „Flow“) und sicherer an ihr Ziel anzukommen.
1Die LED-Anzeige des Leezenflow-Systems ist ca. 16cm breit und 48cm hoch. Die Abmes-
sungen des gesamten Gehäuses betragen 20,5cm x 57cm.
2Die Gelbphase der dazugehörigen Ampelanlage wird nicht explizit vom Leezenflow-System
abgebildet.
15

3.3 Kosten
3.3 Kosten
Die Gesamtkosten des ersten Leezenflow-Systems betragen ca. 51.000e.3 Hier-
von entfallen ca. 32.000e auf Personal- und Materialkosten für die Prototyp-
Entwicklung (inkl. dem im Rahmen einer Bachelorarbeit entwickelten Design),
ca. 14.000e auf Personal- und Materialkosten für die Umprogrammierung der
Ampelanlage(Roadside-Units)undca.5.000 eaufdieEvaluationdesLeezenflow-
Systems.
Die Entwicklung des ersten Leezenflow-Systems wird über die Förderrichtli-
nie „Nahmobilität“ in Verbindung mit dem Sonderprogramm „Stadt und Land“
gefördert. Hierbei fördert das Bundesministerium für Verkehr und digitale In-
frastruktur mit 80% und das Land NRW mit 10%, sodass die Stadt Münster
einen Eigenanteil von 10% hat.
Ein Großteil der Kosten für das erste Leezenflow-System entfällt wie beschrie-
benaufdiePersonal-undMaterialkostenimRahmenderPrototyp-Entwicklung.
Diese Kostenkomponente entfällt bei jedem weiteren Leezenflow-System, so-
dass sich auch die Gesamtkosten für ein weiteres System deutlich reduzieren
würden. Die Gesamtkosten für ein weiteres Leezenflow-System werden auf ca.
10.500-19.800 e geschätzt.4 Hiervon würden ca. 500-800e auf Materialkosten
der Leezenflow-Anzeige entfallen, ca. 2.000-3.000e auf Personalkosten und ca.
8.000-16.000 e auf Personal- und Materialkosten für die Umprogrammierung
der entsprechenden Ampelanlage (inkl. Roadside-Units). Insbesondere dieser
letzte Kostenpunkt ist allerdings besonders schwer einzuschätzen: Diese Kosten
können von Standort zu Standort variieren und hängen u. a. davon ab, wie viel
Erfahrung der Hersteller der jeweiligen Ampelanlage mit der neuartigen Tech-
nik hat, ob eventuell schon eine Roadside-Unit vorhanden ist und wie sich die
Preise für Roadside-Units entwickeln. Die Strom- und Wartungskosten für ein
Leezenflow-System (Anzeige und Roadside-Units) werden auf ca. 500-1.000e
pro Jahr geschätzt.
Dadurch, dass die komplette Bauanleitung des Leezenflow-Systems als freie
Software zum nicht-kommerziellen Nachbau kostenfrei zur Verfügung gestellt
3Alle Beträge in diesem Abschnitt beziehen sich auf Brutto-Preise und basieren auf An-
gaben der Stadt Münster. Die Personalkosten der städtischen Verwaltung sind nicht mit
eingerechnet.
4Zum Vergleich: Der Neubau einer kompletten Fußgängerampel kostet ca. 60.000e und der
NeubaueinerLichtsignalanlageaneinergroßenKreuzungkostetinderMinimalausführung
mindestens 140.000e.
16

3.4 Standort
wird, könnten auch andere Kommunen ohne hohe Entwicklungskosten ihr eige-
nes Leezenflow-System bauen und vor Ort installieren.5
3.4 Standort
DasLeezenflow-SysteminMünsterwurde aufderPromenadeca. 110Metersüd-
lich der Ampelanlage an der Kreuzung Promenade/Hörstertor installiert. Es
befindet sich auf Höhe der Korduanenstraße, von Süden kommend in Fahrtrich-
tung rechts und wurde in etwa drei Meter Höhe an einer Straßenlaterne instal-
liert (siehe Abbildung 2 und Abbildung 3).
Abbildung 2: Leezenflow-System auf der Promenade
Der zugehörige Promenadenabschnitt verläuft über eine Länge von ca. 280
Metern in gerader Richtung. Damit haben die Radfahrer*innen freie Sicht auf
das Leezenflow-System sowie bedingt auf die Ampelanlage und können ihr Fahr-
verhalten schon frühzeitig anpassen (siehe Abbildung 2).
Die Standortwahl ist durch das hohe Radverkehrsaufkommen (siehe Kapi-
tel 3.5) zu begründen. Das Leezenflow-System kann somit von möglichst vie-
len Radfahrer*innen getestet werden. Zudem nutzen einige Radfahrer*innen
5Der Quelltext und die Dokumentation des Leezenflow-Systems ist abrufbar unter:
https://www.bcyber.de/leezenflow oder https://smartcity.ms/leezenflow/.
17

3.4 Standort
 
Abbildung 3: Standort des Leezenflow-Systems
den betrachteten Promenadenabschnitt für wiederkehrende Verkehre (z.B. den
Weg zur Arbeit), weshalb Lerneffekte durch die wiederholte Wahrnehmung und
Nutzung des Leezenflow-Systems möglich und Gegenstand der Auswertungen
in Kapitel 4 und 5 sind.
DaaufeineBevorrechtigungdesRadverkehrsaufderPromenadeanderKreu-
zung Promenade/Hörstertor verzichtet werden soll (PTV Transport Consult
18

3.5 Radverkehrsaufkommen
GmbH, 2020), sofern es nicht zu einer dauerhaften Sperrung des Durchgangs-
verkehrs kommt6, könnte das Leezenflow-System langfristig dazu beitragen, den
Radverkehrsfluss an diesem Standort zu verbessern.
3.5 Radverkehrsaufkommen
Um das Radverkehrsaufkommen am Leezenflow-System und an der Kreuzung
Promenade/Hörstertor beurteilen zu können, wird im Folgenden auf die Daten
der automatischen Fahrrad-Zählstelle an der Promenade zurückgegriffen. Auch
wenn diese Zählstelle in einem Abstand von ca. 450 Metern zur Kreuzung Pro-
menade/Hörstertor steht (siehe Abbildung 3), bieten die Daten dennoch eine
gute Approximation des Radverkehrsaufkommens für diesen Standort.7
Abbildung 4 zeigt das Radverkehrsaufkommen für den Beobachtungszeitraum
vom 12. April 2021 bis zum 01. Juli 2021 an der Zählstelle „Promenade“. Es
werden nur Radfahrer*innen berücksichtigt, die in Richtung Leezenflow-System
bzw. Kreuzung Promenade/Hörstertor fahren. In dem genannten Zeitraum
0
2.000
4.000
6.000
8.000
Mo Di Mi Do Fr Sa So
Wochentag
Durchschnittliche Anzahl an Radfahrer*innen pro Tag
200
400
600
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Uhrzeit
Durchschnittliche Anzahl an Radfahrer*innen pro Stunde
Wochenende
Unter der Woche
Abbildung 4: Radverkehrsaufkommen in Richtung Promenade/Hörstertor
6Siehe dazu auch Stadt Münster (2021).
7Zwischen der Zählstelle und dem Leezenflow-System gibt es nur zwei Abbiegungen, über
die man die Promenade verlassen kann. Zusätzlich gibt es aber auch zwei äquivalente
Zubringer, über die man auf die Promenade fahren kann.
19

3.5 Radverkehrsaufkommen
handelt es sich um ca. 6.245 Radfahrer*innen pro Tag (durchschnittlich 261
Radfahrer*innen pro Stunde). Unter der Woche liegt die Radverkehrsdichte bei
ca. 283 Radfahrer*innen pro Stunde. Am Wochenende sinkt der Wert auf ca.
204 Radfahrer*innen pro Stunde. Die Hauptverkehrszeiten sind insbesondere
unter der Woche am Morgen (6 bis 9 Uhr) bzw. am späten Nachmittag (16
bis 19 Uhr). An den Wochenenden liegt die Hauptverkehrszeit am Nachmittag
zwischen 12 und 16 Uhr.
20

4. Auswertung der Umfrage
4 Auswertung der Umfrage
4.1 Zielsetzung und Durchführung
Um den Verkehrsfluss rund um die Ampelanlage Promenade/Hörstertor nicht
zu stören und angesichts der Corona-Pandemie direkte Kontakte zu vermeiden,
wurde die Befragung zum Leezenflow-System online durchgeführt. Die Online-
Umfrage startete gleichzeitig mit der Installation des Leezenflow-Systems am
17. Mai 2021 und endete am 14. Juni 2021.
Die Umfrage soll einerseits zeigen, ob die Radfahrer*innen das Leezenflow-
System verstehen und die dargestellte Information zur Optimierung ihres eige-
nen Fahrverhaltens nutzen können. Andererseits soll den Radfahrer*innen die
Möglichkeit gegeben werden, das Leezenflow-System kritisch zu bewerten. Von
besonderem Interesse ist dabei die Einschätzung der Radfahrer*innen hinsicht-
lich des Einflusses des Leezenflow-Systems auf die Verkehrssicherheit. Darüber
hinaus sollen im Rahmen der Umfrage konkrete Verbesserungsvorschläge für
das Leezenflow-System und Anregungen für die Installation weiterer Systeme
gewonnen werden.
Der Aufruf zur Teilnahme an der Umfrage erfolgte über verschiedene Kanä-
le. In den ersten zwei Wochen nach Installation des Leezenflow-Systems wurde
auf Infotafeln vor Ort (siehe Karte, Abbildung 3) zur Teilnahme an der Umfra-
ge aufgerufen, zudem einmalig über das lokale Fernsehen (Lokalzeit Münster-
land, WDR) und wiederholt über die lokale Presse (Westfälische Nachrichten
und Münstersche Zeitung) sowie die sozialen Medien (Facebook, Instagram und
Twitter). Die Teilnahme an der Umfrage wurde mit dem Hinweis auf die Verlo-
sung diverser Preise (30 „Münster-Gutscheine“ in Höhe von 5e, 10e oder 25e
sowie „Bikezacs“ (Fahrradtaschen)) unter allen Teilnehmer*innen incentiviert.
Um offensichtlich willkürlich ausgefüllte Fragebögen von der Auswertung aus-
zuschließen, wurde eingangs gefragt, an welcher Stelle sich das Leezenflow-
System in Münster befindet. 98,9% der Teilnehmer*innen konnten diese Frage
richtig beantworten. Die Antwortbögen der Teilnehmer*innen, die diese Frage
nicht richtig beantworten konnten, wurden als ungültig definiert und bei der
Auswertung nicht berücksichtigt. Keine Berücksichtigung bei der Auswertung
fanden außerdem die Antwortbögen der Teilnehmer*innen, die der Datenschut-
21

4.2 Überblick über die Teilnehmer*innen
zerklärung nicht zustimmten. Damit ergeben sich 534 gültige Antwortbögen.
Der verwendete Fragebogen befindet sich im Anhang A.3.8
4.2 Überblick über die Teilnehmer*innen
Die Antworten der Teilnehmer*innen der Umfrage stützen sich größtenteils auf
eigene Erfahrungen mit dem Leezenflow-System. So geben 78,3% der 534 Teil-
nehmer*innen an, bereits mehr als einmal am aktivierten Leezenflow-System
vorbeigefahren zu sein, 12,5% sind einmal und 9,2% noch nie am aktivierten
Leezenflow-System vorbeigefahren (siehe Tabelle 1).
Tabelle 1: Häufigkeit der Nutzung des Leezenflow-Systems
Häufigkeit des Vorbeifahrens Absolut Prozent
Mehr als einmal 418 78,3%
Einmal 67 12,5%
Nie 49 9,2%
Summe 534 100%
Der Anteil männlicher Teilnehmer überwiegt mit 55,1%, 42,5% sind weiblich
und 0% divers. 2,4% der Befragten machen keine Angabe zum Geschlecht. Be-
züglich der Altersstruktur der Teilnehmer*innen ist hervorzuheben, dass diese
relativjungist.Sosind45,9%derTeilnehmer*innenjüngerals30,einunwesent-
lich größerer Anteil (48,2%) ist zwischen 30 und 59 Jahre alt. Lediglich 4,8%
sind 60 Jahre oder älter. 1,1% machen keine Angabe zum Alter. Die relativ
junge Altersstruktur der Teilnehmer*innen zeigt sich auch in den Angaben zum
Arbeitsverhältnis. Ein Viertel der Teilnehmer*innen ist Schüler*in oder Stu-
dent*in, lediglich 2,6% sind Rentner*innen oder Pensionär*innen. Den größten
Anteil macht mit 48,5% die Gruppe der Angestellten aus (siehe Anhang A.1,
Tabelle 14).
8Die Rohdaten der Umfrage sind unter folgendem Link https://nbn-resolving.org/urn:nbn:
de:hbz:6-06079627423 abrufbar.
22

4.3 Ergebnisse
Tabelle 2: Nutzungsverhalten des Leezenflow-Systems (n = 485)
Weniger als einmal Einmal Mehrmals Täglich Mehrmals
pro Woche pro Woche pro Woche täglich
Beruflich 3,5% 9,3% 44,2% 30,2% 12,8%
Freizeit 26,2% 36,9% 35,0% 1,9% 0,0%
Beides 3,1% 10,4% 59,6% 15,5% 11,4%
Die Tabelle zeigt die berichtete Häufigkeit des Vorbeifahrens nach Fahrzweck.
Unabhängig vom Fahrzweck ist die berichtete Häufigkeit des Vorbeifahrens wie folgt: 13,0% weniger als einmal
pro Woche, 21,4% einmal pro Woche, 46,4% mehrmals pro Woche, 12,4% täglich, 6,8% mehrmals täglich.
Unabhängig von der Häufigkeit des Vorbeifahrens ist der berichtete Fahrzweck wie folgt: 17,7% beruflich, 42,5%
Freizeit, 39,8% Beides.
4.3 Ergebnisse
4.3.1 Allgemeines Nutzungsverhalten
485 Teilnehmer*innen berichten, mindestens einmal am aktivierten Leezenflow-
System vorbeigefahren zu sein. Diese werden im Folgenden als Nutzer*innen
bezeichnet. Mit 46,4% gibt der größte Anteil der Nutzer*innen an, mehrmals
die Woche am aktivierten Leezenflow-System vorbeizufahren. 19,2% der Nut-
zer*innen fahren laut eigener Angabe mindestens einmal täglich am aktivier-
ten Leezenflow-System vorbei, 34,4% höchstens einmal in der Woche. Tabel-
le 2 zeigt, dass die Häufigkeit der Nutzung abhängig vom Fahrzweck ist. So
lässt sich feststellen, dass die angegebene Nutzungshäufigkeit bei Berufspend-
ler*innen höher ist als bei Freizeitfahrer*innen. Während bei den Berufspend-
ler*innen 43,0% angeben, mindestens einmal täglich am aktivierten Leezenflow-
System vorbeizufahren, sind es bei den Freizeitfahrer*innen nur 1,9%. Der An-
teil der Nutzer*innen, die angeben, höchstens einmal pro Woche am aktivierten
Leezenflow-System vorbeizufahren, ist dagegen mit 63,1% bei den Freizeitfah-
rer*innen höher als bei den Berufspendler*innen (12,8%). Insgesamt sind we-
sentlich mehr reine Freizeitfahrer*innen (42,5%) als reine Berufspendler*innen
(17,7%) unter den Nutzer*innen.
4.3.2 Standort und Verständlichkeit des Leezenflow-Systems
Wie Abbildung 5 zeigt, bewertet ein großer Teil (73,4%) der Nutzer*innen die
Sichtbarkeit des Leezenflow-Systems mit „gut“ bzw. „sehr gut“. Bezüglich der
Entfernung des Leezenflow-Systems von der Ampelanlage an der Kreuzung Pro-
menade/Hörstertor sind sich die Nutzer*innen weniger einig. 57,7% der Nut-
zer*innen halten die Entfernung für optimal. Der Anteil der Nutzer*innen, die
23

4.3 Ergebnisse
 2,5 %
 8,0 %
16,1 %
37,3 % 36,1 %
0%
10%
20%
30%
40%
50%
60%
70%
sehr schlecht schlecht mittel gut sehr gut
Sichtbarkeit des Leezenflow−SystemsA
 2,5 %
14,0 %
57,7 %
22,3 %
 3,5 %
0%
10%
20%
30%
40%
50%
60%
70%
zu nah nah optimal weit zu weit
Entfernung des Leezenflow−SystemsB
Abbildung 5: Bewertung der Sichtbarkeit und der Entfernung des Leezenflow-
Systems (n = 485)
die Entfernung als „weit“ bzw. „zu weit“ bewerten, übersteigt mit 25,8% den
Anteil der Nutzer*innen, die die Entfernung als „nah“ bzw. „zu nah“ bewerten
(16,5%).
22,9 %
 7,9 %
20,0 %
 9,8 %
19,4 %
10,8 %
21,0 %
23,9 %
16,7 %
47,6 %
0%
10%
20%
30%
40%
50%
60%
sehr schlecht schlecht mittel gut sehr gut
bei erstmaligem Vorbeifahren (n = 485) nach mehrmaligem Vorbeifahren (n = 418)
Abbildung 6: Verständlichkeit des Leezenflow-Systems
Die Antworten auf die Fragen zur Verständlichkeit des Leezenflow-Systems
zeigen, dass die meisten Nutzer*innen die Anzeige nicht direkt beim ersten
Vorbeifahren verstehen. So sind die Bewertungen nach einmaligem Vorbeifahren
auf einer Skala von „sehr schlecht“ bis „sehr gut“ relativ gleich verteilt. Nach
mehrmaligem Vorbeifahren bewertet ein großer Teil der Nutzer*innen (71,5%)
24

4.3 Ergebnisse
die Verständlichkeit mit „gut“ bzw. „sehr gut“, 17,7% dagegen mit „schlecht“
bzw. „sehr schlecht“ (siehe Abbildung 6).
DasssichhinsichtlichderVerständlichkeitderAnzeigedesLeezenflow-Systems
bei einem großen Teil der Nutzer*innen folglich Lerneffekte einstellen, bestäti-
gen diese explizit. So gibt knapp die Hälfte der Nutzer*innen, die schon mehr-
mals am aktivierten Leezenflow-System vorbeigefahren sind, an, dass sich Lern-
effekte bereits ab der zweiten Nutzung einstellen, 31,1% sehen diese erst nach
mehrfacherNutzung,wohingegen19,6%bisherkeineLerneffektefeststellenkön-
nen (siehe Abbildung 7).
49,3 %
19,6 %
31,1 %
0%
10%
20%
30%
40%
50%
60%
Bei der zweiten Nutzung Nach mehrfacher Nutzung Bisher nicht
 
Abbildung 7: Zeitpunkt der Lerneffekte (n = 418)
4.3.3 Einfluss des Leezenflow-Systems auf die Radfahrer*innen bzw.
Verkehrsteilnehmer*innen
Die im Folgenden beschriebenen Umfrageergebnisse geben Aufschluss darüber,
ob die Nutzer*innen ihr eigenes Fahrverhalten mithilfe des Leezenflow-Systems
optimieren können und ob sich negative Effekte auf die Verkehrssicherheit er-
geben.
Einfluss auf das FahrverhaltenEin großer Teil (72%) der 485 Nutzer*innen
stellt grundsätzlich einen Einfluss des Leezenflow-Systems auf das eigene Fahr-
verhalten fest. 28% der Nutzer*innen sehen hingegen keinen Einfluss auf das
eigene Fahrverhalten (siehe Anhang A.1, Tabelle 15). Abbildung 8 zeigt, dass
der Einfluss in Bezug auf die Fahrgeschwindigkeit nicht eindeutig ist. Etwa
ein Drittel gibt an, dass sich die Fahrgeschwindigkeit erhöht, etwas weniger
25

4.3 Ergebnisse
33,2 %
20,9 %
29,8 %
16,0 %
0%
25%
50%
75%
100%
Erhöht sich Unverändert Verringert sich Weiß nicht
FahrgeschwindigkeitA
 2,9 %
 9,7 %
85,4 %
 2,0 %
0%
25%
50%
75%
100%
Erhöht sich Unverändert Verringert sich Weiß nicht
Häufigkeit abrupter AbbremsvorgängeB
78,8 %
12,9 %
 2,0 %  6,3 %
0%
25%
50%
75%
100%
Erhöht sich Unverändert Verringert sich Weiß nicht
Gleichmäßigkeit des VerkehrsflussesC
 1,1 %
10,6 %
83,7 %
 4,6 %
0%
25%
50%
75%
100%
Erhöht sich Unverändert Verringert sich Weiß nicht
Häufigkeit des Anhaltens/AbsteigensD
 0,9 %
11,7 %
83,4 %
 4,0 %
0%
25%
50%
75%
100%
Erhöht sich Unverändert Verringert sich Weiß nicht
Standzeit an der AmpelE
20,1 %
66,8 %
 6,3 %  6,9 %
0%
25%
50%
75%
100%
Erhöht sich Unverändert Verringert sich Weiß nicht
Konzentration auf Verkehr in FahrtrichtungF
10,0 %
77,4 %
 5,4 %  7,2 %
0%
25%
50%
75%
100%
Erhöht sich Unverändert Verringert sich Weiß nicht
Konzentration auf entgegenkommenden VerkehrG
11,5 %
67,9 %
13,8 %
 6,9 %
0%
25%
50%
75%
100%
Erhöht sich Unverändert Verringert sich Weiß nicht
Konzentration auf kreuzenden VerkehrH
Abbildung 8: Einfluss des Leezenflow-Systems auf das Fahrverhalten (n = 349)
als ein Drittel stellt eine Reduzierung der Fahrgeschwindigkeit fest, ein Fünftel
sieht keine Veränderung. Der Rest „weiß nicht“, ob sich das Leezenflow-System
auf die eigene Fahrgeschwindigkeit auswirkt. Dieses gemischte Bild deutet be-
reits darauf hin, dass der Einfluss auf die Fahrgeschwindigkeit – wie sich im
26

4.3 Ergebnisse
Weiteren zeigen wird – abhängig von der jeweils angezeigten Information bzw.
der jeweiligen Ampelphase ist und entspricht damit grundsätzlich der Idee des
Leezenflow-Systems.
In Bezug auf die weiteren abgefragten Aspekte zeigt sich jeweils ein wesent-
lich eindeutigeres Bild. Der Großteil der Nutzer*innen, die grundsätzlich einen
Einfluss des Leezenflow-Systems auf das eigene Fahrverhalten feststellen, gibt
an, dass sich durch das Leezenflow-System die Häufigkeit abrupter Abbrems-
vorgänge verringert (85,4%), die Gleichmäßigkeit des Verkehrsflusses erhöht
(78,8%) und die Häufigkeit des Anhaltens/Absteigens (83,7%) ebenso wie die
Standzeit an der Ampel (83,4%) verringert. Diese Nutzer*innen können das
Fahrverhalten also wie intendiert optimieren. Erwähnenswert ist, dass unge-
fähr ein Zehntel zwar grundsätzlich einen Einfluss des Leezenflow-Systems auf
das eigene Fahrverhalten feststellt, dieses aber nicht wie beschrieben optimieren
kann. So geben diese Nutzer*innen an, dass die Häufigkeit abrupter Abbrems-
vorgänge etc. unverändert bleibt. In den seltensten Fällen wird ausgehend vom
Leezenflow-System jedoch ein weniger optimales Fahrverhalten, das zu häufi-
gerem abruptem Abbremsen, einer verringerten Gleichmäßigkeit des Verkehrs-
flusses, häufigerem Anhalten/Absteigen bzw. einer erhöhten Standzeit an der
Ampel führt, festgestellt.
In Bezug auf die Konzentration auf den Verkehr zeigt sich ein etwas we-
niger eindeutiges Bild. Der größte Teil der Nutzer*innen, die grundsätzlich
einen Einfluss des Leezenflow-Systems auf das eigene Fahrverhalten feststel-
len können, sieht keine bzw. eine positive Veränderung bei der Konzentration
auf den Verkehr in Fahrtrichtung (86,9%), der Konzentration auf den entge-
genkommenden Verkehr (87,4%) und der Konzentration auf den kreuzenden
Verkehr (79,4%). Grundsätzlich sind die berichteten negativen Auswirkungen
des Leezenflow-Systems hinsichtlich der Konzentration im Verkehr ausgeprägter
als in den anderen betrachteten Bereichen9 und in Bezug auf den kreuzenden
Verkehr mit 13,8% vergleichsweise am stärksten.
Umsetzung der Information des Leezenflow-SystemsTabelle 3 zeigt, wie
die Nutzer*innen laut eigener Angabe das Leezenflow-System verstehen bzw.
auf die jeweils angezeigte Information reagieren. Ist die Farbsäulen-Anzeige
vollständig grün, ändert der Großteil (79,0%) die Fahrgeschwindigkeit nicht,
9Häufigkeit abrupter Bremsvorgänge, Gleichmäßigkeit des Verkehrsflusses, Häufigkeit des
Anhaltens/Absteigens und Standzeit an der Ampel.
27

4.3 Ergebnisse
Tabelle 3: Umsetzung der Information des Leezenflow-Systems
Stand
der
Anzeige
Fahrverhalten aller Nutzer*innen (n = 485)Fahrverhalten der Profiteur*innen1
(n = 212)
Langsamer
Gleich
langsam/
schnell
Schneller Weiß
nicht Langsamer
Gleich
langsam/
schnell
Schneller Weiß
nicht
Vollgrün
3,1% 79,0% 14,8% 3,1% 4,2% 81,1% 14,2% 0,5%
Halbgrün
4,9% 31,3% 59,6% 4,1% 2,8% 25,5% 71,2% 0,5%
Viertelgrün
37,7% 15,3% 40,8% 6,2% 48,6% 5,2% 44,3% 1,9%
Vollrot
83,9% 12,4% 0,4% 3,3% 96,7% 2,4% 0,0% 0,9%
Halbrot
60,8% 33,2% 1,9% 4,1% 67,9% 29,7% 0,9% 1,4%
Viertelrot
18,6% 56,1% 21,0% 4,3% 13,2% 61,3% 24,5% 0,9%
1 Bei den Leezenflow-Profiteur*innen handelt es sich um die Nutzer*innen, die angeben, dass sich mithilfe des Leezenflow-Systems die Häufigkeit der
Abbremsvorgänge verringert, die Gleichmäßigkeit des Verkehrsflusses erhöht, die Häufigkeit des Anhaltens/Absteigens sowie die Standzeit an der
Ampel verringert.
während ein Anteil von 14,8% die Fahrgeschwindigkeit erhöht. Ist die Anzei-
ge noch zur Hälfte grün, erhöhen mehr Nutzer*innen die Fahrgeschwindigkeit
(59,6%) als diese beizubehalten (31,3%). Ist die Anzeige noch zu einem Viertel
grün, erhöhen 40,8% der Nutzer*innen die Fahrgeschwindigkeit, während ein
vergleichbarer Anteil (37,7%) die Fahrgeschwindigkeit reduziert und 15,3% die
Fahrgeschwindigkeit beibehalten. Folglich reagieren die Nutzer*innen weniger
einheitlich, je weniger grün die Anzeige ist. Während sich die Nutzer*innen bei
Vollgrün und Halbgrün noch überwiegend einig sind, dass die Fahrgeschwindig-
keit beibehalten werden kann bzw. die Fahrgeschwindigkeit erhöht werden muss,
28

4.3 Ergebnisse
ist die Reaktion auf die noch zu einem Viertel grüne Anzeige sehr gemischt und
höchstwahrscheinlich abhängig von der individuellen Fahrgeschwindigkeit.
Zur Einordnung werden im Folgenden ausschließlich die Nutzer*innen be-
trachtet, die ihr Fahrverhalten mithilfe des Leezenflow-Systems offensichtlich
optimieren können. Dabei handelt es sich um die Nutzer*innen, die angeben,
dass sich mithilfe des Leezenflow-Systems die Häufigkeit der Abbremsvorgän-
ge verringert, die Gleichmäßigkeit des Verkehrsflusses erhöht, die Häufigkeit
des Anhaltens/Absteigens sowie die Standzeit an der Ampel verringert. Die-
se im Folgenden als Profiteur*innen des Leezenflow-Systems bezeichneten Nut-
zer*innen setzen die Information des Leezenflow-Systems bei Grün im Vergleich
zur Gesamtheit der befragten Nutzer*innen insofern etwas anders um, als dass
siedieFahrgeschwindigkeitnochehererhöhen,wenndieAnzeigezurHälftegrün
ist. Außerdem behalten die Profiteur*innen die Geschwindigkeit noch seltener
bei, wenn die Anzeige noch zu einem Viertel grün ist, und entscheiden sich in
letzterem Fall eher für eine Reduktion oder Erhöhung der Fahrgeschwindigkeit.
Ist die Anzeige vollständig rot, reduziert mit 83,9% der Großteil der Nut-
zer*innen die Fahrgeschwindigkeit, während ein Anteil von 12,4% die Fahrge-
schwindigkeit beibehält. Ist die Anzeige noch zur Hälfte rot, reduzieren mehr
Nutzer*innen die Fahrgeschwindigkeit (60,8%) als diese beizubehalten (33,2%).
Ist die Anzeige noch zu einem Viertel rot, behalten 56,1% der Nutzer*innen die
Geschwindigkeit bei, während 18,6% die Fahrgeschwindigkeit reduzieren und
ein vergleichbarer Anteil von 21% die Fahrgeschwindigkeit erhöht. Folglich rea-
gieren die Nutzer*innen analog zur Anzeige bei Grün weniger einheitlich, je
weniger rot die Anzeige ist. Während sich die Nutzer*innen bei Vollrot und
Halbrot noch überwiegend einig sind, dass die Fahrgeschwindigkeit reduziert
werden muss bzw. beibehalten werden kann, ist die Reaktion auf die noch zu
einem Viertel rote Anzeige gemischter. Einige Nutzer*innen erhöhen die Fahr-
geschwindigkeit in letzterem Fall sogar.
Der Blick auf die jeweiligen Reaktionen der Profiteur*innen des Leezenflow-
Systems zeigt, dass diese die Information des Leezenflow-Systems bei Rot im
Vergleich zur Gesamtheit der befragten Nutzer*innen insofern etwas anders um-
setzen, als dass sie die Fahrgeschwindigkeit noch eher reduzieren, wenn die An-
zeige vollständig bzw. zur Hälfte rot ist und noch eher beibehalten, wenn die An-
zeigenochzueinemViertelrotist.DieTatsache,dassdieFahrgeschwindigkeitin
letzterem Fall vorsorglich sogar erhöht wird, ist unter den Profiteur*innen des
29

4.3 Ergebnisse
Leezenflow-Systems im Vergleich zur Gesamtheit der befragten Nutzer*innen
noch häufiger zu beobachten (24,5%).
Einfluss auf den VerkehrsflussVon den 485 Nutzer*innen haben 63,1% das
Gefühl, mithilfe des Leezenflow-Systems flüssiger zum Ziel zu kommen, 25,6%
haben dieses Gefühl nicht, ein Anteil von 11,3% „weiß nicht“, ob das Leezenflow-
System dazu beiträgt, flüssiger zum Ziel kommen (siehe Anhang A.1, Tabelle
15). Abbildung 9 zeigt, dass in der Gruppe der Nutzer*innen, die grundsätzlich
einen Einfluss des Leezenflow-Systems auf das eigene Fahrverhalten feststellen
(n = 349), der Großteil (84,2%) einen positiven Einfluss des Leezenflow-Systems
auf den Verkehrsfluss wahrnimmt. In der Gruppe der Nutzer*innen, die keinen
Einfluss des Leezenflow-Systems auf das eigene Fahrverhalten feststellen können
(n = 136), nimmt dagegen ein großer Teil (67,6%) keinen positiven Einfluss des
Leezenflow-Systems auf den Verkehrsfluss wahr. 8,8% der Nutzer*innen, die
bei sich keine Veränderung des Fahrverhaltens feststellen, geben dennoch an,
das Gefühl zu haben, mithilfe des Leezenflow-Systems flüssiger zum Ziel zu
kommen. Hier lassen sich Mitzieheffekte vermuten, die von Nutzer*innen, die
das Leezenflow-System (bereits) zur Optimierung des eigenen Fahrverhaltens
nutzen können, ausgehen.
84,2 %
 8,8 % 9,2 %
67,6 %
 6,6 %
23,5 %
0%
25%
50%
75%
100%
Nutzer*innen, die einen Einfluss auf ihr Fahrverhalten sehen (n = 349) Nutzer*innen, die keinen Einfluss auf ihr Fahrverhalten sehen (n = 136)
Flüssiger ans Ziel Nicht flüssiger ans Ziel Weiß nicht
Abbildung 9: Einfluss des Leezenflow-Systems auf den Verkehrsfluss (n = 485)
Einfluss auf die VerkehrssicherheitSo wie andere Radfahrer*innen in Form
von Mitzieheffekten positiv von den Leezenflow-Profiteur*innen beeinflusst wer-
den können, kann sich das Leezenflow-System auch negativ auf die Sicherheit
aller Verkehrsteilnehmer*innen auswirken. Folglich wurden zum Einfluss des
Leezenflow-Systems auf die Verkehrssicherheit alle 534 Teilnehmer*innen be-
30

4.3 Ergebnisse
fragt. Während zwar der Großteil der Teilnehmer*innen der Meinung ist, dass
das Leezenflow-System keinen (25,5%) oder sogar einen positiven (58,4%) Ein-
fluss auf die Verkehrssicherheit hat, gehen 6,7% der Teilnehmer*innen von ei-
nem negativen Einfluss des Leezenflow-Systems auf die Verkehrssicherheit aus
(siehe Tabelle 4).
Tabelle 4: Effekte des Leezenflow-Systems auf die Verkehrssicherheit (n = 534)
Effekte auf die Verkehrssicherheit Prozent
Positive 58,4%
Negative 6,7%
Keine 25,5%
Weiß nicht 9,4%
Da die Verkehrssicherheit bei der Evaluation des Leezenflow-Systems eine
entscheidende Rolle spielt, wurde den Teilnehmer*innen die Möglichkeit ge-
geben, sich in einem Kommentarfeld dazu zu äußern, wie sich der Einfluss des
Leezenflow-Systems auf die Verkehrssicherheit konkret darstellt. Tabelle 16 (sie-
he Anhang A.1) zeigt die Verteilung der insgesamt 218 relevanten Nennungen10
auf verschiedene Verkehrssicherheitsaspekte. Die Nennungen stammen von 176
Teilnehmer*innen. Der größte Teil der Nennungen (40,4%) geht in Richtung
eines positiven Einflusses des Leezenflow-Systems auf die Verkehrssicherheit im
Sinne von vorausschauenderem, gleichmäßigerem Fahren und einem verbesser-
ten Verkehrsfluss. Weitere positive Einflüsse des Leezenflow-Systems auf die
Verkehrssicherheit sehen die Teilnehmer*innen in der Reduzierung der Rot-
lichtverstöße (9,2% der Nennungen), der Vermeidung von Stau an der Ampel
(4,6% der Nennungen), einer allgemein erhöhten Aufmerksamkeit bzw. besse-
ren Übersicht über die Verkehrssituation (2,3% der Nennungen) sowie einer
höheren Konzentration auf den entgegenkommenden bzw. kreuzenden Verkehr
(5,0% der Nennungen).
Ein im Vergleich zu letzteren 5,0% etwas größerer Teil der Nennungen (6,0%)
zeigt genau das Gegenteil, nämlich eine durch das Leezenflow-System verringer-
te Konzentration auf den entgegenkommenden bzw. kreuzenden Verkehr. 6,4%
10In dem Fall, dass ein Kommentar sich nicht auf die Verkehrssicherheit bezieht, wurde die-
ser entsprechend umverteilt und an anderer Stelle, d.h. in der Kategorie „Verbesserungs-
vorschläge“, „Allgemeines Feedback“ oder „Weitere Standorte für Leezenflow-Systeme in
Münster“ ausgewertet. Entsprechend wurde auch bei der Auswertung der weiteren Frei-
textantworten verfahren.
31

4.3 Ergebnisse
der Nennungen deuten außerdem darauf hin, dass der Blick auf das Leezenflow-
System und die Fokussierung auf die Ampel eher ablenkt, als dass sich die
allgemeine Aufmerksamkeit erhöht bzw. eine bessere Übersicht über die Ver-
kehrssituation einstellt. Der größere Teil der Nennungen, die in Richtung eines
negativen Einflusses des Leezenflow-Systems auf die Verkehrssicherheit gehen
(10,1%), deutet allerdings darauf hin, dass das Leezenflow-System vor allem zu
übermäßig schnellem Fahren motiviert, das besonders dann zur Gefahr wird,
wenn Radfahrer*innen sich verschätzen und an der roten Ampel abrupt ab-
bremsen müssen.
Einfluss auf die Qualität und Häufigkeit des RadfahrensZur Einordnung
der bisherigen Ergebnisse wurden die Nutzer*innen des Leezenflow-Systems im
Weiteren gefragt, ob die Installation des Leezenflow-Systems die Qualität des
Radfahrens erhöhen kann. Mit 75,9% beantwortet ein großer Teil der Nut-
zer*innen diese Frage mit „ja“. An dieser Stelle ist zu erwähnen, dass dieser
Teil größer ist als der Teil der Nutzer*innen, die das Leezenflow-System offen-
sichtlich verstehen und für die Optimierung des eigenen Fahrverhaltens nutzen
können (siehe Abbildung 8).
In Bezug auf die Frage, ob die Installation des Leezenflow-Systems die Häu-
figkeit des Radfahrens erhöht, ist sich der Großteil der Nutzer*innen (82,1%)
einig, dass dies nicht der Fall ist. Dagegen geben 11,3% der Nutzer*innen an,
dass die Installation des Leezenflow-Systems dazu geführt hat, dass sie häufiger
Rad fahren. Der Rest (6,6%) „weiß nicht“, ob die Installation des Leezenflow-
Systems sie zu häufigerem Radfahren bewegt hat (siehe Tabelle 5).
Tabelle 5: Qualität und Häufigkeit des Radfahrens durch das Leezenflow-
System (n = 485)
Ja Nein Weiß nicht
Verbesserung der Qualität 75,9% 18,4% 5,8%
Häufigkeit des Radfahrens steigt 11,3% 82,1% 6,6%
4.3.4 Verbesserungsvorschläge und allgemeines Feedback
Neben den Nutzer*innen des Leezenflow-Systems wurde auch denjenigen Teil-
nehmer*innen, die zum Zeitpunkt der Befragung noch nie selbst am aktivier-
ten Leezenflow-System vorbeigefahren waren, die Möglichkeit gegeben, konkrete
32

4.3 Ergebnisse
Verbesserungsvorschläge zu machen. Schließlich können auch aus der reinen Be-
obachterperspektive heraus wertvolle Erkenntnisse gewonnen werden. Die ins-
gesamt 230 relevanten Nennungen in der Kategorie „Verbesserungsvorschläge“
stammen von 187 Teilnehmer*innen. Tabelle 16 (siehe Anhang A.1) zeigt die
Verteilung der 230 Nennungen auf verschiedene Verbesserungsvorschläge.
Der häufigste Verbesserungsvorschlag (35,2% der Nennungen) ist der Wechsel
von der grafischen Restzeitanzeige zu einer Anzeige der Restzeit der jeweiligen
Ampelphase in Sekunden bzw. eine Ergänzung der grafischen Restzeitanzeige
um letztere. Weitere 10,9% der Nennungen gehen ebenfalls in Richtung ei-
ner Optimierung der Anzeige. Dabei wünschen sich einige Teilnehmer*innen
eine eindeutige Begrenzung des Feldes, in dem die Farbsäule abläuft bzw. eine
seitliche Skala, andere eine individuelle Entscheidungshilfe. Konkret wird bei-
spielsweise vorgeschlagen, den Radfahrer*innen zu signalisieren, ob die Ampel
bei Beibehaltung der aktuellen Geschwindigkeit rot oder grün sein wird. Lie-
ber noch hätten die Radfahrer*innen eine konkrete Handlungsempfehlung zum
Beispiel in Form der Anzeige der Geschwindigkeit, mit der die Ampel ohne
anzuhalten bei Grün überquert werden kann.
Mit 23,9% der Nennungen beinhaltet der zweithäufigste Verbesserungsvor-
schlag, dass das System besser erklärt bzw. das visuelle Verständnis für das
System verbessert werden sollte. Einige Teilnehmer*innen berichten, dass sie
das System erst verstehen und für sich nutzen können, nachdem sie sich ak-
tiv darüber informiert haben. Die Stadt Münster hatte unter anderem eine
detaillierte Infotafel direkt am Leezenflow-System installiert (Infotafel 2, siehe
Abbildung 3), die im Sinne des Denkmalschutzes der Promenade jedoch nur
temporär (26. Mai 2021 bis 08. Juni 2021) dort hängen blieb.
Der dritthäufigste Verbesserungsvorschlag (14,8% der Nennungen) betrifft
diePositionierungbzw.SichtbarkeitdesLeezenflow-Systems.Konkretwünschen
sich die Teilnehmer*innen, dass das Leezenflow-System weniger hoch aufge-
hängt wird und sich damit genau im Sichtfeld der Radfahrer*innen befindet,
ohne dass diese den Blick von der Fahrbahn abwenden müssen. Ähnlich häu-
fig wird erwähnt, dass das Display größer bzw. heller sein sollte. In Bezug auf
die Entfernung zur Ampel herrscht keine Einigkeit, es zeigt sich jedoch erneut,
dass die Entfernung eher als zu weit als zu nah eingestuft wird. Einige Teilneh-
mer*innenschlagenvor,weitereLeezenflow-SystemeinregelmäßigenAbständen
vor der Ampel an der Kreuzung Promenade/Hörstertor zu installieren (3,0%
der Nennungen), was das zuletzt genannte Problem womöglich lösen würde.
33

4.3 Ergebnisse
Ein weiterer Vorschlag ist, die Restzeitinformation nicht auf einem fest instal-
lierten Leezenflow-System, sondern in einer App anzuzeigen (0,4% der Nennun-
gen). Am vierthäufigsten wird vorgeschlagen, Leezenflow-Systeme an weiteren
Standorten in Münster zu installieren (11,7% der Nennungen). Auf das Poten-
zial für weitere Leezenflow-Systeme und die konkreten Standortvorschläge wird
in Kapitel 4.3.5 näher eingegangen.
Einige Teilnehmer*innen machen nicht nur konkrete bzw. keine Verbesse-
rungsvorschläge, sondern äußern grundsätzliche negative sowie positive Kritik
(am Leezenflow-System). Die positiven Stimmen berichten, dass sie allenfalls
etwas Zeit brauchten, um das System zu verstehen und für sich nutzen zu kön-
nen, loben das Design und sprechen sich vielfach für die Installation weiterer
Leezenflow-Systeme in Münster aus.
Die negativen Kritikpunkte gehen in drei unterschiedliche Richtungen. Ers-
tens wird bemängelt, dass das Leezenflow-System auch vor dem Hintergrund,
dass die Ampel an der Kreuzung Promenade/Hörstertor schon von weitem sehr
gut einsehbar ist, keinen Mehrwert schafft. Darüber hinaus fühlen sich vereinzel-
te Teilnehmer*innen sogar gestört von dem Leezenflow-System, weil dieses sie
stresst und einen Eingriff in die Natur darstellt. Zweitens wird bemängelt, dass
Steuergelder grundsätzlich sinnvoller für den Erhalt und Ausbau der Radwege
genutzt werden sollten. Drittens werden flankierende bzw. alternative Maßnah-
men gefordert. So fordern einige Teilnehmer*innen, dass die Situation für kreu-
zende Fußgänger*innen, z.B. mithilfe einer Fußgängerampel, eindeutig geregelt
wird, da Radfahrer*innen im Flow ansonsten zur Gefahr würden, andere fordern
grundsätzlich eine Vorfahrtsregelung für Radfahrer*innen auf der Promenade.
Alternativ zum Leezenflow-System sprechen sich weitere Teilnehmer*innen für
eine radfreundlichere Ampelschaltung (z.B. grüne Welle im Berufsverkehr wie
in Kopenhagen oder wetterbedingte Ampelschaltungen) aus.
4.3.5 Potenzial für weitere Leezenflow-Systeme in Münster
Abschließend wurden alle 534 Teilnehmer*innen (d.h. Nutzer*innen und Be-
obachter*innen) gefragt, ob weitere Leezenflow-Systeme in Münster installiert
werden sollen. Darauf antwortet der Großteil (77,0%) mit „ja“, 16,3% sind nicht
dafür, weitere Leezenflow-Systeme in Münster zu installieren, 6,7% sind in die-
ser Frage unentschieden (siehe Tabelle 6).
34

4.3 Ergebnisse
Tabelle 6: Feedback zum Leezenflow-System
Sollen weitere Leezenflow-Systeme in Münster installiert werden? (n = 534)
Ja 77,0%
Nein 16,3%
Weiß nicht 6,7%
Würden weitere Leezenflow-Systeme dazu führen, dass Sie häufiger Rad fahren? (n = 465)1
Ja 17,4%
Nein 71,8%
Weiß nicht 10,8%
1 Die Frage richtet sich an die Personen, welche nicht angeben, durch das gegenwärtige Leezenflow-System häufiger Rad zu
fahren.
Tabelle 16 (siehe Anhang A.1) zeigt die Standorte, die sich die Teilneh-
mer*innen für weitere Leezenflow-Systeme wünschen und die Häufigkeit der
jeweiligen Nennung. Die insgesamt 470 relevanten Nennungen stammen von
268 Teilnehmer*innen. Es zeigt sich, dass vor allem „Gesamtsysteme“ wie die
Promenade (17,7% der Nennungen) und der Ring (7,7% der Nennungen) für die
Ausstattung mit Leezenflow-Systemen vorgeschlagen werden. Außerdem werden
die Kreuzungen Promenade/Schlossplatz (12,3% der Nennungen) und Prome-
nade/Am Stadtgraben bzw. Aegidiistraße (7,2% der Nennungen) besonders
hervorgehoben. Erwähnenswert ist an dieser Stelle, dass vergleichsweise we-
nig oft gewünscht wird, an der Kreuzung Promenade/Hörstertor ein weiteres
Leezenflow-System in Gegenrichtung zu installieren (3,0% der Nennungen). Die
Nennungen in der Kategorie „Weseler Straße“ (5,3%) beziehen sich vorwiegend
auf die Kreuzungen mit der Aegidiistraße/Adenauerallee und Bismarckallee,
die Nennungen in der Kategorie „Steinfurter Straße“ (3,6%) vorwiegend auf die
Kreuzung mit der Einsteinstraße.
Von den Teilnehmer*innen, die das gegenwärtige Leezenflow-System nach ei-
gener Angabe nicht dazu bewegt, häufiger Rad zu fahren, würden 17,4% häufi-
ger Rad fahren, wenn weitere Leezenflow-Systeme in Münster installiert würden
(siehe Tabelle 6). Dabei ist – wie auch schon bei der ersten Frage zum Einfluss
des Leezenflow-Systems auf die Häufigkeit des Radfahrens – unklar, ob es sich
um verlagerte oder induzierte Verkehre handelt.
4.3.6 Zusammenfassung
Zusammenfassend lässt sich festhalten, dass die Mehrheit der 485 Nutzer*innen
berichtet, das eigene Fahrverhalten mithilfe des Leezenflow-Systems so optimie-
35

4.3 Ergebnisse
ren zu können, dass sie flüssiger zum Ziel kommt. Das bedeutet, es muss weniger
häufig abrupt abgebremst, angehalten bzw. abgestiegen und an der roten Am-
pel gestanden werden. Hervorzuheben sind die von den Nutzer*innen bestätig-
ten Lerneffekte in Bezug auf die Verständlichkeit der Anzeige des Leezenflow-
Systems bzw. die optimale Umsetzung der jeweils angezeigten Information. Dies
lässt vermuten, dass zukünftig immer mehr Radfahrer*innen das Leezenflow-
System verstehen und wie intendiert nutzen können. Verbesserungsvorschläge
gehen dennoch vor allem in Richtung einer Optimierung der Anzeigeform, viele
der insgesamt 534 Teilnehmer*innen wünschen sich statt der grafischen Rest-
zeitanzeige eine Anzeige der Restzeit der jeweiligen Ampelphase in Sekunden.
Der Einfluss des Leezenflow-Systems auf die Verkehrssicherheit wird von den
Teilnehmer*innen grundsätzlich eher positiv als negativ eingeschätzt. Einige
Teilnehmer*innen berichten jedoch, dass das Leezenflow-System zu einer ver-
ringerten Konzentration auf den kreuzenden Verkehr und übermäßig schnel-
lem Fahren führt. Auch vor diesem Hintergrund wird eine eindeutige Regelung
für kreuzende Fußgänger*innen, z.B. in Form einer Fußgängerampel, gefordert.
Weitere kritische Stimmen sprechen sich dafür aus, Steuergelder eher in den flä-
chendeckenden Ausbau- und Erhalt der Radwege zu investieren oder bei einer
radfreundlicheren Ampelschaltung anzusetzen. Abschließend stimmt der Groß-
teil (77,0%) dennoch für mehr Leezenflow-Systeme in Münster, insbesondere
auf der Promenade.
36

5. Auswertung der Verkehrsmessung
5 Auswertung der Verkehrsmessung
5.1 Datenerhebung und Methodik
5.1.1 Aufbau der Datenerhebung
Im Rahmen der Evaluation des Leezenflow-Systems wurden neben der Umfrage
Radverkehrsmessungen durchgeführt. Ziel der Radverkehrsmessungen ist es, die
tatsächlich beobachtbaren Auswirkungen des Leezenflow-Systems auf den Ver-
kehrsfluss und die Verkehrssicherheit an der Kreuzung Promenade/Hörstertor
zu erfassen.
Die Verkehrsmessungen fanden zwischen dem 12. April 2021 und dem 01. Juli
2021 statt. In diesen zwölf Wochen wurden in unterschiedlichen Zeiträumen ver-
schiedene Verkehrssituationen an der Ampelanlage Promenade/Hörstertor und
am Leezenflow-System erfasst. Die konkreten Messzeiträume wurden nach zwei
Kriterien ausgewählt. Zum einen wurde darauf geachtet, dass unterschiedliche
Tageszeiten und Wochentage abgedeckt sind, um verschiedene Radfahrer*innen
und auch verschiedene Verkehre (z.B. Freizeit- und Berufsverkehre) berück-
sichtigen zu können. Zum anderen wurde vermehrt in den Hauptverkehrszeiten
gemessen. Diese beiden Kriterien sollen gewährleisten, dass die Messungen ein
möglichst repräsentatives Abbild des gesamten Radverkehrs auf dem beobach-
teten Streckenabschnitt der Promenade generieren.
Die Daten der Verkehrsmessung wurden vor Ort durch eingewiesene Personen
manuell erhoben.11 Um die Qualität der Messungen zu gewährleisten, wurden
mit dem Messpersonal zu Beginn gemeinsam Probemessungen durchgeführt.
Zudem wurden zuvor veranschaulichende Videos zu den einzelnen Verkehrssi-
tuationen erstellt und dem Messpersonal zur Verfügung gestellt.12
11Aufgrund der örtlichen Begebenheiten sowie aus Gründen des Datenschutzes wurde von
einer dauerhaften Messung durch Videokameras abgesehen. In den Sommermonaten ist
die Promenade an vielen Stellen durch ein dichtes Blätterdach geschützt, so auch vor der
Kreuzung Promenade/Hörstertor. Hierdurch ist es nicht möglich, den Verkehr aus der
„Vogelperspektive“ zu filmen. Da das Filmen aus einem flacheren Winkel die Analysemög-
lichkeiten einschränkt und aus datenschutzrechtlicher Sicht problematischer ist, wurde
auch hiervon abgesehen.
12Die Rohdaten der Verkehrsmessungen sowie die Videos sind unter folgendem Link https:
//nbn-resolving.org/urn:nbn:de:hbz:6-06079627423 abrufbar. Die Auswertungen zeigen,
dass es subjektive Unterschiede in der Einschätzung der Geschwindigkeit geben kann.
Hierfür wird im Rahmen der Regression jedoch über Fixed Effects (FEs) für Beobach-
ter*innen korrigiert. Zudem werden zur besseren Verständlichkeit vordergründig Analysen
ohne Berücksichtigung von Geschwindigkeiten durchgeführt.
37

5.1 Datenerhebung und Methodik
5.1.2 Messungen am Leezenflow-System
Eine der beiden Datenerhebungen wurde unmittelbar am installierten und ein-
geschalteten Leezenflow-System durchgeführt. Beobachtet wurde, ob die Rad-
fahrer*innen Blickkontakt zum Leezenflow-System herstellen und infolgedessen
eine sichtbare Veränderung ihres Fahrverhaltens erkennbar ist. Die vorbeifah-
renden Radfahrer*innen wurden in einem Bereich von etwa 20 Metern vor und
nach dem Leezenflow-System beobachtet. Da das Leezenflow-System aus südli-
cher Richtung bereits frühzeitig zu sehen ist, könnten die Radfahrer*innen auch
schon deutlich früher ihr Fahrverhalten anpassen. Solche sichtbaren Verhaltens-
änderungen, die weit vor dem Leezenflow-System realisiert wurden, konnten
damit nicht erfasst werden. Für alle vorbeifahrenden Radfahrer*innen wurden
folgende Beobachtungen festgehalten:
1. Wahrnehmung des Leezenflow-Systems:
a) kein sichtbarer Blickkontakt zum Leezenflow-System,
b) sichtbarer Blickkontakt zum Leezenflow-System.
2. Auswirkung auf die Fahrgeschwindigkeit:
a) langsamer,
b) keine Reaktion,
c) schneller.
Zudem wurde unterschieden, ob die Radfahrer*innen während einer Grün- oder
Rotphase das Leezenflow-System passierten.13
Die zuvor beschriebenen Beobachtungen zum Wahrnehmungs- und Reakti-
onsverhalten der Radfahrer*innen wurden pro Ampelschaltung erfasst. Eine
Ampelschaltung beginnt, wenn die Ampel von Grün auf Rot umschaltet. An-
schließend folgt zuerst die Rotphase und dann die Grünphase. Mit dem erneuten
Umschalten von Grün auf Rot endet die Ampelschaltung. Da die Ampel an der
Kreuzung Promenade/Hörstertor dynamisch geschaltet ist, variieren die Län-
gen der Rot- und Grünphase über die einzelnen Ampelschaltungen. Eine durch-
13Beim Umschalten des Leezenflow-Systems von Grün auf Rot stellte sich vereinzelt und für
wenige Sekunden eine schwarze Anzeige ein. Der Vollständigkeit halber wurden Radfah-
rer*innen, die bei schwarzer Anzeige das Leezenflow-System passierten, gesondert erfasst.
In der folgenden Datenanalyse wurden diese Beobachtungen der Grünphase zugeteilt, da
die Radfahrer*innen beim Zufahren auf das Leezenflow-System zuvor eine grüne Farbsäule
angezeigt bekamen und die schwarze Leezenflow-Anzeige nur kurz angezeigt wird.
38

5.1 Datenerhebung und Methodik
schnittliche Ampelschaltung dauert ca. 90 Sekunden, wovon ca. 48 Sekunden
auf die Grünphase und ca. 42 Sekunden auf die Rotphase entfallen.
Das erhobene Datensample umfasst insgesamt 1.198 Ampelschaltungen. Von
diesen wurden jedoch 43 aus dem Datensatz entfernt, da die messenden Perso-
nen von Passant*innen angesprochen wurden. Eine genaue Erfassung der Daten
konnte in diesen Fällen nicht gewährleistet werden. Insgesamt wurden in den
verbliebenen 1.155 Ampelschaltungen 11.225 Radfahrer*innen gezählt.
5.1.3 Messungen an der Ampelanlage
Die andere Datenerhebung wurde an der Ampelanlage Kreuzung Promena-
de/Hörstertordurchgeführt.HierwurdedieHäufigkeitdesAuftretensvonzwölf
unterschiedlichen Verkehrssituationen, welche unten näher erläutert werden, er-
fasst.
Die Idee hinter dem Leezenflow-System ist, dass die Radfahrer*innen eine
Information zur Restzeit der Ampelphase erhalten, um auf Basis dieser Infor-
mation ihr Fahrverhalten optimieren zu können. Um den Effekt des Leezenflow-
Systems auf den Radverkehr identifizieren zu können, werden exogene Verän-
derungen in der Verfügbarkeit dieser Information zu bevorstehenden Wechseln
der Ampelphasen an der Kreuzung Promenade/Hörstertor ausgenutzt. Diese
Informationsverfügbarkeit kann hierbei zwei unterschiedliche Zustände anneh-
men:
1. Den Radfahrer*innen stehen keine Informationen zur Verfügung, wann die
Ampel ihre Farbe wechselt. Dies ist der Fall,
a) wenn das Leezenflow-System noch nicht installiert ist, oder
b) wenn das Leezenflow-System installiert, aber nicht eingeschaltet ist.
2. Den Radfahrer*innen stehen Informationen zur Verfügung, wann die Am-
pel ihre Farbe wechselt. Dies ist der Fall, wenn das Leezenflow-System
installiert und eingeschaltet ist.
Zur Identifizierung des Leezenflow-Effektes muss die Veränderung in der In-
formationsverfügbarkeit zum Wechsel der Ampelphasen exogen sein, darf also
nicht durch die Radfahrer*innen selbst beeinflusst werden. Dies ist generell ge-
geben, da die Radfahrer*innen den Installationszeitpunkt des Systems nicht
mitbestimmen konnten. Zusätzlich wurde das Leezenflow-System vier Wochen
nach der Installation in verschiedenen zweistündigen Zeiträumen zwischen dem
39

5.1 Datenerhebung und Methodik
14. Juni 2021 und dem 1. Juli 2021 bewusst ausgeschaltet, um noch eine wei-
tere, diesmal absichtlich hervorgerufene Variation in der Informationsverfüg-
barkeit zum Wechsel der Ampelphasen zu generieren. Dadurch soll kontrolliert
werden, ob eventuelle, zuvor beobachtete Verhaltensänderungen der Radfah-
rer*innen tatsächlich auf das Leezenflow-System und nicht auf einen generellen
zeitlichen Trend zurückzuführen sind. Die Zeiträume, in denen das Leezenflow-
System ausgeschaltet wurde, waren öffentlich nicht bekannt und zufällig über
unterschiedliche Wochentage und Uhrzeiten verteilt, sodass die Informations-
verfügbarkeit unabhängig von der Tageszeit bzw. dem Wochentag ist.
Um die notwendigen Verkehrsdaten für die Berechnung der Auswirkungen
des Leezenflow-Systems auf den Verkehrsfluss und Verkehrssicherheit zu erhal-
ten, wurde vor Ort die Häufigkeit des Auftretens von zwölf unterschiedlichen
Verkehrssituationen erfasst. Hierzu wurden den zwölf Verkehrssituationen die
jeweiligen Radfahrer*innen zugeordnet, die
1. wegen des Umschaltens der Ampel von Grün auf Rot eine Vollbremsung
durchführen,
2. in den ersten 5 Sekunden bei Rot zum Stehen14 kommen und dabei keine
Vollbremsung machen müssen,
3. nach den ersten 5 Sekunden in normaler Geschwindigkeit auf die rote
Ampel zufahren und zum Stehen kommen,
4. nach den ersten 5 Sekunden in langsamer Geschwindigkeit auf die rote
Ampel zufahren und zum Stehen kommen,
5. in langsamer Geschwindigkeit auf die rote Ampel zufahren und nicht zum
Stehen kommen, sondern in den ersten 5 Sekunden der Grünphase über
die Ampel fahren,
6. in normaler Geschwindigkeit auf die rote Ampel zufahren und nicht zum
Stehen kommen, sondern in den ersten 5 Sekunden der Grünphase über
die Ampel fahren,
7. innerhalb der Grünphase (ohne die ersten und letzten 5 Sekunden) über
die Ampel fahren,
8. in den letzten 5 Sekunden der Grünphase in normaler Geschwindigkeit
über die Ampel fahren,
9. in den letzten 5 Sekunden der Grünphase in schneller Geschwindigkeit
über die Ampel fahren,
14Als „stehend“ gelten Radfahrer*innen, wenn sie mindestens einen Fuß auf dem Boden ab-
gesetzt haben.
40

5.1 Datenerhebung und Methodik
10. in den ersten 3 Sekunden der Rotphase über die Ampel fahren,
11. nach den ersten 3 Sekunden der Rotphase über die Ampel fahren,
12. nach den ersten 3 Sekunden der Rotphase über die Ampel fahren und
rechts abbiegen.
Wie oben beschrieben wurden die Verkehrsmessungen sowohl vor der Installa-
tion des Leezenflow-Systems als auch nach der Installation bei ausgeschaltetem
und bei eingeschaltetem System durchgeführt. Die zwölf Verkehrssituationen
wurden pro Ampelschaltung erfasst.
Neben den oben beschriebenen zwölf Verkehrssituationen wurde erfasst, ob
bzw. wie häufig es zu Unfällen kommt. Zudem wurde erfasst, ob bzw. wie häufig
eszuBeinahe-UnfällenmitanderenRadfahrer*innenvorbzw.hinterderAmpel,
in Fließ- bzw. Gegenrichtung kommt. Ebenfalls erfasst wurden Beinahe-Unfälle
mit seitlich kreuzenden Fußgänger*innen und Kraftfahrzeugen.
Das erhobene Datensample umfasst insgesamt 3.039 Ampelschaltungen, von
denen13AmpelschaltungenaufgrundvonAblenkungdurchPassant*innennicht
weiter berücksichtigt wurden. Während der verbleibenden Ampelschaltungen
fuhren 28.851 Radfahrer*innen an der Ampelanlage vorbei. Hiervon wurden
10.653 Radfahrer*innen vor der Installation des Leezenflow-Systems gezählt,
12.212Radfahrer*innennachderInstallationundbeieingeschaltetemLeezenflow-
System, sowie 5.986 Radfahrer*innen nach der Installation bei ausgeschaltetem
Leezenflow-System.
Allgemein gilt, dass die Anzahl der direkt am Leezenflow-System gemessenen
Radfahrer*innen nicht zwangsweise der Anzahl der Radfahrer*innen entspricht,
die im gleichen Zeitraum an der Ampelanlage gemessen wurde. Die Ampel-
schaltung beginnt zwar an beiden Orten zur gleichen Zeit, aber wenn Radfah-
rer*innen z.B. kurz vor Beginn der Ampelschaltung das Leezenflow-System pas-
siert haben, werden sie dort nicht mehr erfasst, dafür aber an der Ampelanlage.
Vereinzelt kam es auch dazu, dass Radfahrer*innen zwischen Leezenflow-System
und Ampelanlage vom Fahrrad abgestiegen oder umgekehrt sind.
5.1.4 Methodik
Neben der grafischen Darstellung der Unterschiede zwischen Situationen mit
und ohne Leezenflow-System wird im Rahmen der Analyse vor allem auf zwei
statistische Verfahren zurückgegriffen.
41

5.2 Auswertung der Messungen am Leezenflow-System
Zum einen wird durch Chi-Square-Tests geprüft, ob die Verteilung der Rad-
fahrer*innen auf die einzelnen Verkehrssituationen vom Status des Leezenflow-
Systems abhängt. Dieses Vorgehen wird z.B. auch von Ruf und Kaths (2021)
im Rahmen ihrer Simulatorstudie zu den Auswirkungen von Restzeitanzeigen
verwendet.
Zum anderen wird ein Multinomial Logit-Modell (MNL-Modell) verwendet,
um den Einfluss des Leezenflow-Systems auf die Verteilung der Radfahrer*innen
auf die einzelnen Verkehrssituationen zu bestimmen. Beim MNL-Modell ist die
abhängige Variable eine nominalskalierte kategorische Variable (hier: Verkehrs-
situationen). Mithilfe von unabhängigen Variablen (hier: Status des Leezenflow-
Systems) wird die Gruppenzugehörigkeit der Individuen zu den einzelnen Ka-
tegorien (hier z.B.: bei Rot stehend, bei Grün fahrend, bei Rot fahrend) ge-
schätzt (Greene, 2017). Dieses weit verbreitete Modell wird u.a. von Twaddle
und Busch (2019) verwendet, um die Entscheidungen von Radfahrer*innen an
Ampelkreuzungen in München zu modellieren oder auch von Ambo etal. (2021)
zur Analyse der Einflussfaktoren von Verkehrsverstößen.
Zur besseren Interpretation der Ergebnisse des MNL-Modells werden die mar-
ginalen Effekte des Leezenflow-Systems berechnet. Diese spiegeln die durch das
Leezenflow-System hervorgerufenen Veränderungen in der Verteilung der Rad-
fahrer*innen auf die einzelnen Verkehrssituationen (in Prozentpunkten) wider.
Ein analoges Vorgehen erfolgt bei der Analyse der am Leezenflow-System erho-
benen Daten zur Wahrnehmung des Systems und darauf folgender Geschwin-
digkeitsanpassungen.
Der Vollständigkeit halber sind die tatsächlichen Regressionskoeffizienten und
Odds-Ratios jeweils im Anhang A.2 aufgeführt. Für die Berechnungen wurden
die Programme R und Stata verwendet.
5.2 Auswertung der Messungen am Leezenflow-System
DieAuswertungen derUmfrageergebnisse inKapitel 4.3.3zeigen, dassderGroß-
teil der 485 Nutzer*innen angibt, auf den Informationsinhalt des Leezenflow-
Systems zu reagieren. Zeigt das Leezenflow-System Halbgrün oder Viertelgrün,
gibt der größte Teil dieser Nutzer*innen an, schneller zu fahren, um noch bei
Grün über die Ampel zu fahren. Zeigt das Leezenflow-System hingegen Vollrot
oder Halbrot, reagiert die Mehrheit der Nutzer*innen mit einer Reduktion der
Geschwindigkeit.
42

5.2 Auswertung der Messungen am Leezenflow-System
Im weiteren Verlauf dieses Kapitels wird überprüft, ob die Umfrageergebnis-
se mit dem tatsächlich beobachteten Wahrnehmungs- und Reaktionsverhalten
der Radfahrer*innen übereinstimmen. Zunächst wird analysiert, ob die Rad-
fahrer*innen Blickkontakt zum Leezenflow-System aufnehmen und ob eine Ver-
änderung des Fahrverhaltens sichtbar ist. Daraufhin wird zwischen Radfah-
rer*innen, die am Leezenflow-System bei angezeigter Grünphase und bei an-
gezeigter Rotphase vorbeifahren, unterschieden. Zudem erfolgt eine Analyse, ob
und in welchem Maß sich das Fahrverhalten durch das Leezenflow-System im
Zeitablauf verändert.
5.2.1 Allgemeine Auswertung
Im Beobachtungszeitraum vom 19. Mai 2021 bis 01. Juli 2021 wurde das sicht-
bare Wahrnehmungs- und Reaktionsverhalten von 11.225 Radfahrer*innen am
Leezenflow-Systemerfasst.DieBeobachtungsergebnissewerdendetailliertinTa-
belle 17 in Anhang A.2 dargestellt.
Insgesamt nahmen 44,3% der Radfahrer*innen sichtbaren Blickkontakt zum
Leezenflow-System auf. Von diesen passten 75,8% ihr Fahrverhalten nicht sicht-
bar an, reduzierten 15,5% ihre Geschwindigkeit und fuhren 8,6% schneller (sie-
he Abbildung 10). Von den 55,7% der Radfahrer*innen, die keinen Blickkon-
takt zum Leezenflow-System aufnahmen, änderte nur ein sehr geringer Anteil15
(1,2%) sichtbar das Fahrverhalten.
Diese Ergebnisse deuten darauf hin, dass ein kausaler Zusammenhang zwi-
schen Blickkontakt zum Leezenflow-System und Veränderung des Fahrverhal-
tens bestehen könnte. Der Chi-Square-Test zeigt, dass die Wahrnehmung des
Leezenflow-Systems einen statistisch signifikanten Einfluss darauf hat, ob die
Radfahrer*innen sichtbar ihr Fahrverhalten ändern (χ2(2; 11.225) = 1.456; p =
0, 0000).
15Generell kann im Rahmen der Verkehrsmessung zwischen zwei Arten von Anteilen unter-
schieden werden. Die „beobachteten“ Anteile basieren allein auf den Verkehrsdaten und
kontrollieren nicht für zusätzliche Einflussfaktoren, wie z.B. einer möglichen Subjektivi-
tät der Beobachter*innen bei der Datenerhebung. Die beobachteten Anteile sind in den
Abbildungen dargestellt. Dahingegen basieren die „modellierten“ Anteile auf den Regressi-
onsanalysen mit dem MNL-Modell. Diese erlauben Rückschlüsse auf die statistische Signi-
fikanz und kontrollieren gegebenenfalls für zusätzliche Einflussfaktoren. Die modellierten
Anteile sind in den Ergebnistabellen dargestellt. Aus Gründen der Lesbarkeit wird im wei-
teren Text auf die sprachliche Unterscheidung zwischen diesen beiden Arten von Anteilen
verzichtet.
43

5.2 Auswertung der Messungen am Leezenflow-System
15,5%
0,5%
75,8%
98,8%
8,6%
0,7%
0%
25%
50%
75%
100%
Sichtbarer Blickkontakt (n = 4.977) Kein sichtbarer Blickkontakt (n = 6.248)
Anteil der Radfahrer*innen
Reaktion: Langsamer Keine Reaktion Schneller
Abbildung 10: Wahrnehmung und Reaktionsverhalten am Leezenflow-System
Die Messungen am Leezenflow-System wurden von unterschiedlichen Perso-
nen durchgeführt. Da Veränderungen des Fahrverhaltens subjektiv interpretiert
werden können, werden im Rahmen des MNL-Modells FEs genutzt, um für die
unterschiedlichen Beobachter*innen zu kontrollieren.
DasErgebnisdesChi-Square-TestswirdvomMNL-Modellbestätigt.Diemar-
ginalen Effekte des MNL-Modells für alle Beobachtungen sind in Spalte (1) von
Tabelle 7 dargestellt. Wird sichtbarer Blickkontakt zum Leezenflow-System auf-
genommen, sinkt der Anteil der Radfahrer*innen, die keine Reaktion zeigen, um
28,8 Prozentpunkte im Vergleich zu den Radfahrer*innen, die keinen sichtba-
ren Blickkontakt zum Leezenflow-System aufnehmen. Der Anteil der langsamer
fahrenden Radfahrer*innen erhöht sich um 20,8 Prozentpunkte und der Anteil
der schneller fahrenden Radfahrer*innen um 8,0 Prozentpunkte.
5.2.2 Differenzierung nach Ampelphase
In Abbildung 11 werden die Beobachtungen bezüglich der sichtbaren Verhal-
tensänderungen separat für die Grün- und Rotphase dargestellt. Die Anzahl an
44

5.2 Auswertung der Messungen am Leezenflow-System
Tabelle 7: Marginale Effekte der Wahrnehmung des Leezenflow-Systems
(MNL-Modell)
Alle Beobachtungen Grünphase Rotphase
(1) (2) (3)
Langsamer 0,208∗∗∗ 0,046∗∗∗ 0,355∗∗∗
(0,012) (0 ,007) (0 ,021)
Keine Reaktion −0,288∗∗∗ −0,191∗∗∗ −0,380∗∗∗
(0,011) (0 ,012) (0 ,020)
Schneller 0,080∗∗∗ 0,145∗∗∗ 0,025∗∗∗
(0,007) (0 ,011) (0 ,006)
Signifikanzniveaus: ***: 0,01, **: 0,05, *: 0,1. Die Standardfehler sind in Klammern dargestellt.
Hier dargestellt sind die marginalen Effekte des jeweiligen MNL-Modells. Die ursprünglichen
Regressionskoeffizienten sowie Odds-Ratios finden sich in Tabelle 18 in Anhang A.2.
In der Regression werden Beobachter*innen-FEs verwendet, um für eventuell unterschiedliche
Bewertungen der Anpassungen des Fahrverhaltens zu kontrollieren. Der Übersichtlichkeit halber
sind die Beobachter*innen-FEs nicht in dieser Tabelle dargestellt.
Radfahrer*innen, die das Leezenflow-System während einer Grün- bzw. Rot-
phase angezeigt bekamen, ist annähernd gleichverteilt (51,6% zu 48,4%).
Vonden5.788Radfahrer*innen,diewährendeinerGrünphasedasLeezenflow-
System passierten, stellten 41,6% Blickkontakt zum Leezenflow-System her.
Davon änderten 18,4% der Radfahrer*innen sichtbar ihr Fahrverhalten: 14,1%
fuhren schneller und 4,3% langsamer.
5.437Radfahrer*innenfuhrenwährendeinerRotphaseamLeezenflow-System
vorbei. Der Anteil derjenigen, die Blickkontakt zum Leezenflow-System herstell-
ten, beträgt 47,2%. Davon änderten wiederum 29,6% sichtbar ihr Fahrverhal-
ten: 26,1% wurden langsamer und lediglich 3,5% schneller.
Die Ergebnisse der Chi-Square-Tests belegen, dass die Wahrnehmung des
Leezenflow-Systems einen statistisch signifikanten Einfluss auf sichtbare Verhal-
tensänderungen der Radfahrer*innen hat (Grünphase:χ2(2; 5.788) = 537; p =
0, 0000 und Rotphase:χ2(2; 5.437) = 887; p = 0, 0000).
Eine detailliertere Analyse des Einflusses von Blickkontakt auf die Reaktion
erfolgt anhand eines MNL-Modells. Die marginalen Effekte des MNL-Modells
für die Grün- bzw. Rotphase sind in Spalte (2) und (3) von Tabelle 7 dargestellt.
WährendeinerGrünphasesinktdurchdenBlickkontaktzumLeezenflow-System
der Anteil der nicht sichtbar reagierenden Radfahrer*innen um 19,1 Prozent-
punkte. Hingegen steigt der Anteil der langsamer und schneller fahrenden Rad-
fahrer*innen um 4,6 bzw. 14,5 Prozentpunkte.
45

5.2 Auswertung der Messungen am Leezenflow-System
Reaktion: Langsamer Keine Reaktion Schneller
4,3%
0,3%
81,6%
98,7%
14,1%
1,0%
0%
25%
50%
75%
100%
Sichtbarer Blickkontakt 
(n = 2.409)
Kein sichtbarer 
Blickkontakt 
(n = 3.379)
Anteil der Radfahrer*innen
Grünphase (n = 5.788)A
26,1%
0,7%
70,4%
98,9%
3,5%
0,4%0%
25%
50%
75%
100%
Sichtbarer Blickkontakt 
(n = 2.568)
Kein sichtbarer 
Blickkontakt 
(n = 2.869)
Anteil der Radfahrer*innen
Rotphase (n = 5.437)B
Abbildung 11: Wahrnehmung und Reaktionsverhalten am Leezenflow-System
unterteilt nach Ampelphasen
Während einer Rotphase sinkt durch den Blickkontakt zum Leezenflow-Sys-
tem der Anteil der nicht sichtbar reagierenden Radfahrer*innen um 38,0 Pro-
zentpunkte. Im Gegensatz dazu steigt der Anteil sichtbar langsamer fahrender
Radfahrer*innen um 35,5 Prozentpunkte. Der Anteil der schneller Fahrenden
steigt geringfügig um 2,5 Prozentpunkte. Zudem kann beobachtet werden, dass
die Radfahrer*innen, die sichtbaren Blickkontakt zum Leezenflow-System auf-
nehmen, eher während einer Rotphase als während einer Grünphase sichtbar
ihr Verhalten verändern.
Die Ergebnisse deuten darauf hin, dass die Radfahrer*innen während einer
Grünphaseschnellerfahren,umdieAmpelnochzuüberqueren,bevordieAmpel
auf Rot umschaltet und die Radfahrer*innen zum Stehen kämen. Während einer
Rotphase reduzieren die Radfahrer*innen ihre Geschwindigkeit, um nicht an der
roten Ampel halten und damit absteigen zu müssen. Dadurch wird ein besserer
Verkehrsfluss erreicht. Die Ergebnisse der hier durchgeführten empirischen Aus-
wertung stimmen mit den Umfrageergebnissen in Kapitel 4.3.3 weitestgehend
überein.
46

5.2 Auswertung der Messungen am Leezenflow-System
5.2.3 Reaktionsverhalten im Zeitverlauf
In diesem Kapitel werden die Daten dahingehend analysiert, ob sich das Re-
aktionsverhalten der vorbeifahrenden Radfahrer*innen im Zeitverlauf geändert
hat. Zunächst wurde für jede Beobachtung die Anzahl an Tagen nach der In-
stallation des Leezenflow-Systems (17. Mai 2021) bestimmt. Die erste Messung
erfolgte am 19. Mai 2021 und die letzte am 01. Juli 2021, sodass in dem vor-
liegenden Datensatz die Messungen zwischen 2 und 45 Tagen nach Installation
des Leezenflow-Systems durchgeführt wurden.
In Abbildung 12 werden mittels eines Punktediagramms die Anteile der sicht-
bar reagierenden Radfahrer*innen pro Tag dargestellt. Hierbei wird unterschie-
den, ob diese Blickkontakt (in Blau) bzw. keinen Blickkontakt (in Grau) zum
Leezenflow-System herstellten. Die Abbildung zeigt zudem eine Trendlinie für
die Kategorien „Blickkontakt“ und „Kein Blickkontakt“, um das Reaktionsver-
halten im Zeitverlauf besser einordnen zu können.
0%
10%
20%
30%
40%
0 5 10 15 20 25 30 35 40 45
Tage nach Installation des Leezenflow−Systems
Anteil der Radfahrer*innen mit Fahrverhaltensänderung
Blickkontakt Kein Blickkontakt
Abbildung 12: Anteil der Radfahrer*innen mit sichtbarer Änderung des Fahr-
verhaltens unterteilt nach Wahrnehmung
47

5.2 Auswertung der Messungen am Leezenflow-System
DerAnteildersichtbarreagierendenRadfahrer*innenanallenRadfahrer*innen
ohne Blickkontakt ist über den betrachteten Zeitraum gering und liegt zwischen
0%und5%.DieTrendliniezeigteineleichteAbwärtsbewegunginRichtung0%.
Der Anteil sichtbar reagierender Radfahrer*innen an allen Radfahrer*innen mit
Blickkontakt ist über den gesamten Zeitraum angestiegen. Während dieser An-
teil in den ersten 15 Tagen nach Installation nahezu konstant blieb, stieg dieser
ab dem 15. Tag kontinuierlich von ca. 21% auf 30%. Diese Entwicklung deutet
darauf hin, dass sich bei den Radfahrer*innen potenziell Lerneffekte einstel-
len können. Die Information der Leezenflow-Anzeige scheint im Zeitverlauf und
nach mehrmaliger Nutzung besser eingeordnet werden zu können, sodass das
Fahrverhalten eher angepasst wird.
5.2.4 Diskussion und Zusammenfassung
Insgesamt stellen 44,3% der vorbeifahrenden Radfahrer*innen sichtbaren Blick-
kontaktzumLeezenflow-Systemher.WirdBlickkontaktzumLeezenflow-System
hergestellt, passen die Radfahrer*innen eher ihre Geschwindigkeit an, als wenn
sie keinen Blickkontakt zum Leezenflow-System haben. Das Reaktionsverhalten
ist zudem abhängig davon, ob die Radfahrer*innen während einer Rot- bzw.
während einer Grünphase Blickkontakt zum Leezenflow-System herstellen. Die
Berechnungen des MNL-Modells ergeben, dass der Anteil der langsamer werden-
den Radfahrer*innen an allen Radfahrer*innen mit Blickkontakt während einer
Rotphase deutlich höher ist als während einer Grünphase. Der Anteil der schnel-
ler werdenden Radfahrer*innen an allen Radfahrer*innen mit Blickkontakt ist
hingegen höher, wenn diese während einer Grünphase am Leezenflow-System
vorbeifahren.
Es kann festgestellt werden, dass der Anteil an Radfahrer*innen, die auf das
Leezenflow-System reagieren, im Zeitverlauf angestiegen ist. Dies lässt die Ver-
mutung zu, dass sich bei den vorbeifahrenden Radfahrer*innen Lerneffekte ein-
stellen.
Da das Wahrnehmungs- und Reaktionsverhalten der Radfahrer*innen ledig-
lich ca. 20 Meter vor und nach dem Leezenflow-System beobachtet wurde, kön-
nen frühere Wahrnehmungen und Reaktionen nicht berücksichtigt werden. Auch
ist es möglich, dass die Radfahrer*innen nach mehrfacher Nutzung den Informa-
tionsinhalt des Leezenflow-Systems besser aus weiterer Distanz einordnen kön-
nen. Der tatsächliche Anteil der Radfahrer*innen, die das Leezenflow-System
48

5.3 Auswertung der Messungen an der Ampelanlage
wahrnehmen und ihr Fahrverhalten sichtbar anpassen, könnte somit höher lie-
gen.
Zudem ergeben die Umfrageergebnisse in Kapitel 4.3.3, dass bei der Anzeige
vonFarbsäulenbestimmterLängen,z.B.einervollgrünenodereinerviertelroten
Farbsäule, viele Nutzer*innen ihr Fahrverhalten bewusst nicht anpassen. Einige
der in der Verkehrsmessung beobachteten Radfahrer*innen, die ihr Fahrver-
halten trotz Blickkontakt nicht angepasst haben, könnten somit dennoch Nut-
zer*innen des Leezenflow-Systems gewesen sein. Diese Radfahrer*innen hätten
dann anhand des Leezenflow-Systems festgestellt, dass ihre Geschwindigkeit be-
reitssogewähltwar,dasssieohneAnpassungihresFahrverhaltensdieKreuzung
Promenade/Hörstertor bei Grün überqueren können.
5.3 Auswertung der Messungen an der Ampelanlage
Die vorherige Auswertung zeigt, dass Radfahrer*innen, die sichtbaren Blickkon-
takt zum Leeezenflow-System herstellen, signifikant häufiger ihr Fahrverhalten
anpassen als andere Radfahrer*innen. Zudem zeigt die Auswertung der Umfra-
ge in Kapitel 4, dass die Mehrheit der Teilnehmer*innen angibt, mithilfe des
Leezenflow-Systems weniger oft vor der roten Ampel anhalten zu müssen und
dementsprechend eine Verbesserung ihres eigenen Radverkehrsflusses zu bemer-
ken. Durch die Analyse der Daten von den Messungen an der Ampelanlage soll
nun geprüft werden, ob sich dies auch im tatsächlichen Fahrverhalten wider-
spiegelt. Im Rahmen dieser Evaluation werden die in Kapitel 5.1.3 beschriebe-
nen Verkehrssituationen auf drei unterschiedliche Arten zusammengefasst, um
je nach Zielrichtung der einzelnen Analyseschritte eine möglichst hohe Über-
sichtlichkeit zu erhalten. Diese drei Arten der Aggregation sind in Tabelle 8
dargestellt. Die Standard-Einteilung erlaubt direkte Rückschlüsse auf die Fra-
ge, ob das Leezenflow-System zu weniger stehenden und zu mehr fahrenden
Radfahrer*innen führt. Die detaillierte Einteilung ohne Geschwindigkeiten er-
laubt zudem Rückschlüsse auf die genauen Zeitpunkte innerhalb der einzelnen
Ampelphasen, zu denen die Radfahrer*innen an der Ampel ankommen bzw. die-
se überqueren. Zusätzlich kann bei der detaillierten Einteilung noch zwischen
verschiedenen Geschwindigkeiten unterschieden werden.
49

5.3 Auswertung der Messungen an der Ampelanlage
Tabelle 8: Drei Einteilungen der Verkehrssituationen
Standard-Einteilung Detaillierte Einteilung Detaillierte Einteilung
ohne Geschwindigkeit mit Geschwindigkeit
Bei Rot stehend
nach Vollbremsung
erste 5 Sekunden
nach 5 Sekunden normale Geschwindigkeit
langsame Geschwindigkeit
Bei Grün fahrend
erste 5 Sekunden normale Geschwindigkeit
langsame Geschwindigkeit
ohne erste und letzte 5 Sekunden
letzte 5 Sekunden normale Geschwindigkeit
schnelle Geschwindigkeit
Bei Rot fahrend
erste 3 Sekunden
nach 3 Sekunden
Rechtsabbieger
5.3.1 Standard-Einteilung
Alle Beobachtungen Die Verteilung aller Radfahrer*innen auf die drei Ka-
tegorien der Standard-Einteilung ist in Abbildung 13 dargestellt. Hierbei wird
unterschieden, ob das Leezenflow-System zum Zeitpunkt der Beobachtung an-
oder ausgeschaltet (bzw. noch nicht installiert) war. Ohne Leezenflow-System
müssen 30,6% der Radfahrer*innen vor der roten Ampel stehen, 62,9% kön-
nen ohne anzuhalten über die grüne Ampel fahren, und 6,5% fahren über die
rote Ampel. Bei eingeschaltetem Leezenflow-System sinkt der Anteil der Rad-
fahrer*innen, die vor der roten Ampel stehen müssen, um 1,9 Prozentpunkte.
Gleichzeitig erhöht sich der Anteil derer, die ohne abzusteigen über die grüne
Ampel fahren können, um 2,4 Prozentpunkte. Zudem reduziert sich der Anteil
derer, die über die rote Ampel fahren, um 0,4 Prozentpunkte. Der Chi-Square-
Test zeigt, dass das Leezenflow-System einen statistisch signifikanten Einfluss
auf die Verteilung der Radfahrer*innen auf die einzelnen Verkehrssituationen
hat (χ2(df = 2; n = 28.851) = 17, 146; p = 0, 0002).
Die Analyse mit dem MNL-Modell kann die vorherigen Aussagen weitestge-
hend bestätigen. Die marginalen Effekte des MNL-Modells mit allen Beobach-
tungen sind in Spalte (4) in Tabelle 9 dargestellt. Das Leezenflow-System führt
dazu, dass der Anteil der vor der Ampel stehenden Radfahrer*innen um 1,9
50

5.3 Auswertung der Messungen an der Ampelanlage
30,6%
62,9%
6,5%
28,7%
65,3%
6,1%
0%
20%
40%
60%
80%
100%
Aus An
Status Leezenflow
Anteil an allen Radfahrer*innen
Verkehrssituation: Bei Rot stehend Bei Grün fahrend Bei Rot fahrend
Abbildung 13: Auswirkungen des Leezenflow-Systems (Standard-Einteilung, al-
le Beobachtungen, n = 28.851)
Prozentpunkte sinkt, während der Anteil der über die grüne Ampel fahrenden
Radfahrer*innen um 2,4 Prozentpunkte steigt. Die Veränderung der Rotlicht-
verstöße ist hingegen nicht statistisch signifikant.
Tabelle 9: Marginale Effekte des Leezenflow-Systems (MNL-Modell, Standard-
Einteilung)
Alle Beobachtungen Mit-Ohne Vorher-Nachher
(4) (5) (6)
Bei Rot stehend −0,019∗∗∗ −0,026∗∗∗ −0,018∗∗∗
(0,005) (0 ,008) (0 ,006)
Bei Grün fahrend 0,024∗∗∗ 0,026∗∗∗ 0,026∗∗∗
(0,006) (0 ,009) (0 ,006)
Bei Rot fahrend −0,005 0 ,001 −0,008∗∗
(0,003) (0 ,004) (0 ,003)
Signifikanzniveaus: ***: 0,01, **: 0,05, *: 0,1. Die Standardfehler sind in Klammern dargestellt.
Hier dargestellt sind die marginalen Effekte des jeweiligen MNL-Modells. Die ursprünglichen Regressi-
onskoeffizienten sowie Odds-Ratios finden sich in Tabelle 19 in Anhang A.2.
51

5.3 Auswertung der Messungen an der Ampelanlage
Mit-Ohne-Vergleichszeitraum WährendinAbbildung13alleBeobachtungs-
daten berücksichtigt werden, sind in Abbildung 14 nur die Beobachtungen aus
demMit-Ohne-Vergleichszeitraumvom14.Juni2021biszum1.Juli2021darge-
stellt.IndiesemZeitraum,dervierWochennachderInstallationdesLeezenflow-
Systems beginnt, wurde das Leezenflow-System in ausgewählten Stunden be-
wusst abgeschaltet, sodass ein direkter Vergleich der Verkehrssituation bei aus-
geschaltetemSystemmitderVerkehrssituationbeieingeschaltetemSystemmög-
lich ist. Dazu wurde immer an zwei aufeinanderfolgenden Tagen zur gleichen
Uhrzeit gemessen – einmal mit ausgeschaltetem System und einmal mit ein-
geschaltetem System. Der Mit-Ohne-Vergleich soll somit verifizieren, ob die in
Abbildung 13 dargestellten Unterschiede nicht durch einen zeitlichen Trend,
sondern tatsächlich durch das Leezenflow-System hervorgerufen wurden.
In diesem dreiwöchigen Vergleichszeitraum mit jeweils vergleichbaren Mess-
zeitpunkten ist der Anteil der vor der Ampel stehenden Radfahrer*innen bei
eingeschaltetem Leezenflow-System sogar um 2,7 Prozentpunkte niedriger und
30,8%
63,3%
5,9%
28,1%
65,9%
6,0%
0%
20%
40%
60%
80%
100%
Aus An
Status Leezenflow
Anteil an allen Radfahrer*innen
Verkehrssituation: Bei Rot stehend Bei Grün fahrend Bei Rot fahrend
Abbildung 14: Auswirkungen des Leezenflow-Systems (Standard-Einteilung,
nur Mit-Ohne-Vergleichszeitraum, n = 11.948)
52

5.3 Auswertung der Messungen an der Ampelanlage
der Anteil derer, die über die grüne Ampel fahren, ist um 2,6 Prozentpunk-
te höher. Der Anteil der Radfahrer*innen, die über die rote Ampel fahren,
ist bei eingeschaltetem Leezenflow-System um 0,1 Prozentpunkte höher. Auch
hier zeigt der Chi-Square-Test, dass das Leezenflow-System einen statistisch si-
gnifikanten Einfluss auf die Verteilung der Radfahrer*innen auf die einzelnen
Verkehrssituationen hat (χ2(2; 11.948) = 9, 9398; p = 0, 0069).
Die mit dem MNL-Modell berechneten marginalen Effekte des Leezenflow-
Systems, die in Spalte (5) in Tabelle 9 dargestellt sind, zeigen auch für den
Zeitraum des direkten Vergleichs eine statistisch signifikante Verringerung des
Anteils der Radfahrer*innen, die vor der roten Ampel stehen müssen. Dieser
Anteil reduziert sich um 2,6 Prozentpunkte, während der Anteil der bei Grün
fahrenden Radfahrer*innen um 2,6 Prozentpunkte steigt. Die Veränderung in
den Rotlichtverstößen ist wiederum nicht statistisch signifikant.
Verkehrssituationen im Zeitablauf In Abbildung 15 sind die Anteile der
Radfahrer*innen, die bei Rot vor der Ampel stehen, bei Grün über die Am-
pel fahren und bei Rot über die Ampel fahren, im Zeitablauf dargestellt. Das
Leezenflow-SystemwurdeamMontag,den17.Mai2021(KW20),installiert,so-
dass in diesem Zusammenhang ab der KW20 nur noch Beobachtungen berück-
sichtigt werden, die bei eingeschaltetem Leezenflow-System erhoben wurden.
Die Abbildung zeigt, dass der Anteil der bei Grün fahrenden Radfahrer*innen
nach der Einführung des Leezenflow-Systems im Zeitablauf leicht angestiegen
ist, während der Anteil der vor der Ampel stehenden Radfahrer*innen im Zeita-
blauf leicht gesunken ist. Der Anteil derer, die über Rot fahren, ist nahezu
konstant geblieben.
Ein Vorher-Nachher-Vergleich, der alle Beobachtungen vor der Installation
des Leezenflow-Systems den Beobachtungen bei eingeschaltetem Leezenflow-
System gegenüberstellt, bestätigt noch einmal, dass es durch das Leezenflow-
System zu einem statistisch signifikanten Unterschied im Zeitablauf gekommen
ist (χ2(2; 22.865) = 17, 79; p = 0, 0001).
Auch die in Spalte (6) von Tabelle 9 dargestellten Ergebnisse des MNL-
Modells unterstreichen dies. Nach der Installation des Leezenflow-Systems sinkt
derAnteildervorderAmpelstehendenRadfahrer*innenum1,8Prozentpunkte,
während der Anteil der bei Grün fahrenden Radfahrer*innen um 2,6 Prozent-
punkte ansteigt. Der Anteil der bei Rot fahrenden Radfahrer*innen sinkt im
Vorher-Nachher-Vergleich um 0,8 Prozentpunkte.
53

5.3 Auswertung der Messungen an der Ampelanlage
Installation 
 Leezenflow−System
0%
10%
20%
30%
40%
50%
60%
KW 15 KW 16 KW 17 KW 18 KW 19 KW 20 KW 21 KW 22 KW 23 KW 24 KW 25 KW 26
Kalenderwoche
Anteil an allen Radfahrer*innen
Verkehrssituation: Bei Rot stehend Bei Grün fahrend Bei Rot fahrend
Abbildung 15: Auswirkungen des Leezenflow-Systems (Standard-Einteilung,
pro Kalenderwoche, n = 22.865)
Unterschiedliche Wochentagstypen Die Art deram Leezenflow-System vor-
beifahrenden Verkehre unterscheidet sich vor allem zwischen dem Wochenende
und den Tagen unter der Woche. Unter der Woche sind tendenziell eher utili-
taristische Verkehre (z.B. Pendeln zur Arbeit), am Wochenende hingegen ver-
mehrt freizeitliche Verkehre auf der Promenade unterwegs. Die Auswirkungen
des Leezenflow-Systems unterscheiden sich auch sichtbar zwischen Tagen unter
der Woche und dem Wochenende (siehe Abbildung 16). Generell ist die sicht-
bare Veränderung der bei Rot vor der Ampel stehenden und bei Grün über
die Ampel fahrenden Radfahrer*innen unter der Woche ausgeprägter als am
Wochenende. Zudem fallen bei der grafischen Untersuchung der Veränderun-
gen am Wochenende zwei Punkte ins Auge. Zum einen scheint sich der Anteil
der Radfahrer*innen, die über die grüne Ampel fahren, um 1,1 Prozentpunkte
zu verringern, während Rotlichtverstöße um 1,7 Prozentpunkte zunehmen. Dies
könnte darauf hindeuten, dass die Radfahrer*innen am Wochenende ihr Fahr-
verhalten durch die Informationen des Leezenflow-Systems zur Restzeit nicht
54

5.3 Auswertung der Messungen an der Ampelanlage
−1,9
2,5
−0,6 −0,5
−1,1
1,7
Unter der Woche (n = 25.756) Wochenende (n = 3.095)
−3
−2
−1
0
1
2
3
Veränderung des Anteils an allen Radfahrer*innen (An − Aus)
Verkehrssituation: Bei Rot stehend Bei Grün fahrend Bei Rot fahrend
Abbildung 16: Auswirkungen des Leezenflow-Systems nach Wochentagstypen
(Standard-Einteilung, alle Beobachtungen, n = 28.851, als Ver-
änderung in Prozentpunkten)
ideal anpassen können und dann nicht mehr bei Grün, sondern erst zu Beginn
der Rotphase die Ampel überqueren.
Die Analyse der beiden Subsets für Tage unter der Woche und für Wochen-
endtage mit dem MNL-Modell zeigt allerdings, dass nur die Veränderungen
unter der Woche statistisch signifikant sind, während die Veränderungen am
Wochenende nicht statistisch signifikant sind (siehe Tabelle 10).
Die Ergebnisse legen daher nahe, dass das Leezenflow-System vor allem po-
sitive Auswirkungen auf die eher utilitaristisch geprägten Verkehre unter der
Woche hat, während die eher freizeitlich geprägten Verkehre am Wochenende
nicht betroffen zu sein scheinen. Da die Datensammlung nur die ersten sieben
Wochen nach der Installation des Leezenflow-Systems umfasst, kann dies jedoch
auch mit der Häufigkeit des Vorbeifahrens zusammenhängen. Utilitaristische
Radfahrer*innen unter der Woche kommen tendenziell öfter am Leezenflow-
System vorbei als Freizeitfahrer*innen am Wochenende und haben somit mehr
Gelegenheiten, die Anpassung ihres Fahrverhaltens zu optimieren.
55

5.3 Auswertung der Messungen an der Ampelanlage
Tabelle 10: Marginale Effekte des Leezenflow-Systems
(MNL-Modell, Standard-Einteilung, nach
Wochentagstyp)
Unter der Woche Wochenende
(7) (8)
Bei Rot stehend −0,019∗∗∗ −0,005
(0,006) (0 ,020)
Bei Grün fahrend 0,025∗∗∗ −0,011
(0,006) (0 ,021)
Bei Rot fahrend −0,006∗∗ 0,016
(0,003) (0 ,010)
Signifikanzniveaus: ***: 0,01, **: 0,05, *: 0,1. Die Standardfehler sind in
Klammern dargestellt.
HierdargestelltsinddiemarginalenEffektedesjeweiligenMNL-Modells.
Die ursprünglichen Regressionskoeffizienten sowie Odds-Ratios finden
sich in Tabelle 20 in Anhang A.2.
5.3.2 Detaillierte Einteilung ohne Geschwindigkeiten
Neben der bisher beleuchteten Standard-Einteilung erlauben die erhobenen Da-
ten detailliertere Rückschlüsse über die genauen Zeitpunkte innerhalb der ein-
zelnen Ampelphasen, zu denen die Radfahrer*innen an der Ampel ankommen
bzw. diese überqueren.16
Zuerst wird hierfür die Verteilung der Radfahrer*innen auf die Verkehrs-
situationen, wenn diese nach dem Schema der detaillierten Einteilung ohne
Geschwindigkeiten aggregiert werden, betrachtet (siehe Tabelle 8). Die Vertei-
lung ohne Leezenflow-System und die Verteilung mit Leezenflow-System sind
in Abbildung 17 gegenübergestellt.17 Es ist ersichtlich, dass bei eingeschaltetem
Leezenflow-System verhältnismäßig weniger Radfahrer*innen nach den ersten
5 Sekunden der Rotphase vor der Ampel zum Stehen kommen und dass mehr
16BeidendetailliertenEinteilungenwerdennurBeobachtungenabdem28.April2021berück-
sichtigt (24.060 Radfahrer*innen). Im Rahmen der Verkehrsmessung wurde erst ab diesem
Zeitpunkt innerhalb der roten Ampelphasen zwischen den ersten 5 Sekunden und den dar-
auf folgenden Sekunden unterschieden, um eine detailliertere Auswertung zu ermöglichen.
Die Standard-Einteilung ist hiervon nicht betroffen, sodass dort stets alle Beobachtungen
genutzt werden können.
17Aus Gründen der Übersichtlichkeit ist die Form der Darstellung im Vergleich zu den Abbil-
dungen 13 und 14 geändert, sodass die einzelnen Phasen besser erkennbar sind. Die grauen
Balken spiegeln die Verteilung der Radfahrer*innen auf die einzelnen Verkehrssituationen
bei ausgeschaltetem oder nicht installiertem Leezenflow-System wider, die blauen Balken
den Fall bei eingeschaltetem Leezenflow-System. Die Balken einer Farbe ergeben immer
100%.
56

5.3 Auswertung der Messungen an der Ampelanlage
0,1%
2,5%
27,7%
11,8%
46,6%
4,9%
1,3% 0,5%
4,6%
0,1%
2,8%
25,8%
12,4%
48,7%
4,2%
1,2% 0,5%
4,3%
0%
10%
20%
30%
40%
50%
Bei Rot Stehend, Vollbremsung
Bei Rot Stehend, erste 5 Sek.
Bei Rot Stehend, nach 5 Sek.
Bei Grün fahrend, erste 5 Sek.
Bei Grün fahrend, ohne erste und letzte 5 Sek.
Bei Grün fahrend, letzte 5 Sek.
Bei Rot fahrend, erste 3 Sek.
Bei Rot fahrend, nach 3 Sek.
Bei Rot fahrend, Rechtsabbieger
Anteil an allen Radfahrer*innen
Status Leezenflowsystem: Aus An
Abbildung 17: Auswirkungen des Leezenflow-Systems (Detaillierte Einteilung
ohne Geschwindigkeit, alle Beobachtungen, n = 24.060)
Radfahrer*innen in der Mitte der Grünphase, ohne die ersten und letzten 5 Se-
kunden, über die grüne Ampel fahren. Zudem ist erkennbar, dass mehr Radfah-
rer*innenindenersten5SekundenderGrünphaseundwenigerRadfahrer*innen
in den letzten 5 Sekunden der Grünphase über die grüne Ampel fahren. Der
Chi-Square-Test zeigt auch hier, dass das Leezenflow-System einen statistisch
signifikanten Einfluss auf die Verteilung der Radfahrer*innen auf die einzelnen
Verkehrssituationen hat (χ2(8; 24.060) = 27, 087; p = 0, 0007).
Zudem wird aus Abbildung 17 die genaue Aufteilung der bei Rot fahrenden
Radfahrer*innen ersichtlich. Ein Großteil von diesen überfährt die Ampel bei
Rot, um direkt danach rechts abzubiegen und sich vor der nächsten Ampel (ca.
25 Meter weiter) einzuordnen.
Die Ergebnisse der Regression mit dem MNL-Modell für die detaillierte Ein-
teilung ohne Geschwindigkeiten finden sich in Tabelle 11. Der Anteil der Rad-
fahrer*innen, die in den ersten 5 Sekunden der Rotphase vor der Ampel zum
Stehen kommen, steigt durch das Leezenflow-System um 1,0 Prozentpunkte.
Dafür sinkt der Anteil derer, die nach den ersten 5 Sekunden der Rotphase
57

5.3 Auswertung der Messungen an der Ampelanlage
Tabelle 11: Marginale Effekte des Leezenflow-Systems (MNL-Modell,
detaillierte Einteilung ohne Geschwindigkeit)
(9)
Bei Rot stehend, Vollbremsung −0,001
(0,000)
Bei Rot stehend, erste 5 Sekunden 0,010∗∗∗
(0,002)
Bei Rot stehend, nach 5 Sekunden −0,029∗∗∗
(0,005)
Bei Grün fahrend, erste 5 Sekunden 0,000
(0,004)
Bei Grün fahrend, ohne erste und letzte 5 Sekunden 0,031∗∗∗
(0,006)
Bei Grün fahrend, letzte 5 Sekunden −0,007∗∗∗
(0,003)
Bei Rot fahrend, erste 3 Sekunden −0,000
(0,001)
Bei Rot fahrend, nach 3 Sekunden −0,000
(0,001)
Bei Rot fahrend, Rechtsabbieger −0,004
(0,003)
Signifikanzniveaus: ***: 0,01, **: 0,05, *: 0,1. Die Standardfehler sind in Klammern darge-
stellt.
Hier dargestellt sind die marginalen Effekte des jeweiligen MNL-Modells. Die ursprünglichen
Regressionskoeffizienten sowie Odds-Ratios finden sich in Tabelle 21 in Anhang A.2.
vor der Ampel zum Stehen kommen, um 2,9 Prozentpunkte. Wie zuvor gezeigt,
stehen somit insgesamt weniger Radfahrer*innen vor der roten Ampel.
Zudem fahren mit dem eingeschaltetem Leezenflow-System mehr Radfah-
rer*innen inmitten der Grünphase, d.h. nicht in den ersten und letzten 5 Se-
kunden dieser Phase, über die Ampel. Dieser Anteil erhöht sich um 3,1 Pro-
zentpunkte. Dafür sinkt der Anteil derer, die in den letzten 5 Sekunden der
Grünphase über die grüne Ampel fahren, um 0,7 Prozentpunkte.
Die Ergebnisse der detaillierten Einteilung ohne Geschwindigkeiten unter-
streichen somit, dass das Leezenflow-System insgesamt die erwarteten Effekte
auslöst: Verhältnismäßig weniger Radfahrer*innen müssen vor der Ampel ab-
steigen und mehr Radfahrer*innen können ohne abzusteigen die Ampel über-
queren. Allerdings scheint es auch einen kleinen Anteil an Radfahrer*innen zu
geben, die die Information nicht gewinnbringend verarbeiten können bzw. ihr
Fahrverhaltennichtadäquatanpassenkönnen. Hierfürspricht,dassnunverhält-
58

5.3 Auswertung der Messungen an der Ampelanlage
nismäßig weniger Radfahrer*innen in den letzten 5 Sekunden der Grünphase die
Ampel überqueren und dafür mehr Radfahrer*innen in den ersten 5 Sekunden
vor der roten Ampel zum Stehen kommen. Dieser Effekt könnte sich jedoch
bei noch häufigerer Nutzung des Leezenflow-Systems und wenn sich Lerneffekte
einstellen – wie es auf Basis der Umfrageergebnisse zu vermuten wäre – redu-
zieren.
5.3.3 Detaillierte Einteilung mit Geschwindigkeiten
Im Weiteren wird die Verteilung der Radfahrer*innen auf die detaillierten Ver-
kehrssituationen, die zusätzlich die Geschwindigkeiten berücksichtigen, betrach-
tet (siehe Tabelle 8). Die in Abbildung 18 dargestellte Verteilung der Rad-
fahrer*innen auf die einzelnen Verkehrssituationen bestätigt grundsätzlich die
Aussagen aus Kapitel 5.3.2. Auch hier zeigt der Chi-Square-Test, dass das
Leezenflow-System einen statistisch signifikanten Einfluss auf die Verteilung der
0,1%
2,5%
14,1% 13,6%
6,9%
4,8%
46,6%
4,0%
0,9% 1,3% 0,5%
4,6%
0,1%
2,8%
12,8% 13,0%
8,0%
4,4%
48,7%
3,2%
1,0% 1,2% 0,5%
4,3%
0%
10%
20%
30%
40%
50%
Bei Rot Stehend, Vollbremsung
Bei Rot Stehend, erste 5 Sek.
Bei Rot Stehend, nach 5 Sek., normal
Bei Rot Stehend, nach 5 Sek., langsam
Bei Grün fahrend, erste 5 Sek., langsam
Bei Grün fahrend, erste 5 Sek., normal
Bei Grün fahrend, ohne erste und letzte 5 Sek.
Bei Grün fahrend, letzte 5 Sek., normal
Bei Grün fahrend, letzte 5 Sek., schnell
Bei Rot fahrend, erste 3 Sek.
Bei Rot fahrend, nach 3 Sek.
Bei Rot fahrend, Rechtsabbieger
Anteil an allen Radfahrer*innen
Status Leezenflowsystem: Aus An
Abbildung 18: Auswirkungen des Leezenflow-Systems (Detaillierte Einteilung
mit Geschwindigkeit, alle Beobachtungen)
59

5.3 Auswertung der Messungen an der Ampelanlage
Radfahrer*innen auf die einzelnen Verkehrssituationen hat (χ2(11; 24.060) =
43, 151; p = 0, 0000).
Da es beim Einschätzen der Geschwindigkeit zu systematischen Unterschie-
den zwischen den Beobachter*innen kommen kann, wird der Fokus nun auf
die Ergebnisse der Regression mit dem MNL-Modell gelegt. In dieser Regressi-
on können FEs für die Beobachter*innen verwendet werden, um für derartige
Unterschiede zu kontrollieren. Somit wird gewährleistet, dass die berechneten
Effekte auf die Geschwindigkeiten der Radfahrer*innen nicht von den Beobach-
ter*innen selbst abhängen. Die Ergebnisse der Regression mit dem MNL-Modell
für die detaillierte Einteilung mit Geschwindigkeiten finden sich in Tabelle 12.
Auch hier zeigt sich, dass durch das Leezenflow-System verhältnismäßig mehr
Radfahrer*innen in den ersten 5 Sekunden vor der roten Ampel zum Stehen
kommen (+0,7 Prozentpunkte). Der Rückgang der Radfahrer*innen, die nach
den ersten 5 Sekunden vor der roten Ampel zum Stehen kommen, ist vor allem
auf die mit normaler Geschwindigkeit fahrenden Radfahrer*innen zurückzufüh-
ren( −2,0Prozentpunkte),währendeskeinestatistischsignifikanteVeränderung
bei den langsam fahrenden Radfahrer*innen gibt.
Bei den Radfahrer*innen, die in den ersten 5 Sekunden der Grünphase über
die Ampel fahren, gibt es zwar einen Rückgang bei den Radfahrer*innen mit
normaler Geschwindigkeit (−0,7 Prozentpunkte), aber einen noch stärkeren An-
stiegderermitlangsamerGeschwindigkeit( +1,2Prozentpunkte).Ähnlichwiein
der vorherigen Auswertung wird auch hier deutlich, dass mehr Radfahrer*innen
in der Mitte der Grünphase über die Ampel fahren (+2,6 Prozentpunkte). Der
Rückgang der Radfahrer*innen, die in den letzten 5 Sekunden der Grünphase
noch über die Ampel fahren, ist exklusiv auf die Radfahrer*innen mit normaler
Geschwindigkeit zurückzuführen (−0,8 Prozentpunkte).
Auch wenn die erhobenen Daten keine generellen Rückschlüsse auf die durch-
schnittliche Geschwindigkeit, mit der die Radfahrer*innen die Ampelanlage
Kreuzung Promenade/Hörstertor überqueren, zulassen, verdeutlichen die Er-
gebnissedennoch,dassRadfahrer*innenihreGeschwindigkeitanpassen,umnun
nicht mehr vor der Ampel stehen zu müssen. Bei eingeschaltetem Leezenflow-
System müssen weniger Radfahrer*innen mit normaler Geschwindigkeit vor der
Ampel vom Fahrrad absteigen, dafür können mehr Radfahrer*innen mit langsa-
mer Geschwindigkeit die Ampel in den ersten 5 Sekunden der Grünphase ohne
Absteigen überqueren. Dies lässt darauf schließen, dass nun vermehrt Geschwin-
60

5.3 Auswertung der Messungen an der Ampelanlage
Tabelle 12: Marginale Effekte des Leezenflow-Systems (MNL-Modell,
detaillierte Einteilung mit Geschwindigkeit)
(10)
Bei Rot stehend Vollbremsung −0,001
(0,000)
Bei Rot stehend erste 5 Sekunden 0,007∗∗∗
(0,002)
Bei Rot stehend nach 5 Sekunden normal −0,020∗∗∗
(0,004)
Bei Rot stehend nach 5 Sekunden langsam −0,006
(0,004)
Bei Grün fahrend erste 5 Sekunden langsam 0,012∗∗∗
(0,003)
Bei Grün fahrend erste 5 Sekunden normal −0,007∗∗
(0,003)
Bei Grün fahrend ohne erste und letzte 5 Sekunden 0,026∗∗∗
(0,006)
Bei Grün fahrend letzte 5 Sekunden normal −0,008∗∗∗
(0,002)
Bei Grün fahrend letzte 5 Sekunden schnell 0,002
(0,001)
Bei Rot fahrend erste 3 Sekunden −0,002
(0,001)
Bei Rot fahrend nach 3 Sekunden −0,000
(0,001)
Bei Rot fahrend Rechtsabbieger −0,003
(0,003)
Signifikanzniveaus: ***: 0,01, **: 0,05, *: 0,1. Die Standardfehler sind in Klammern darge-
stellt.
Hier dargestellt sind die marginalen Effekte des jeweiligen MNL-Modells. Die ursprünglichen
Regressionskoeffizienten sowie Odds-Ratios finden sich in Tabelle 22 in Anhang A.2.
In der Regression werden Beobachter*innen-FEs verwendet, um für eventuell unterschiedli-
che Bewertungen der Geschwindigkeiten zu kontrollieren. Der Übersichtlichkeit halber sind
die Beobachter*innen-FEs nicht in dieser Tabelle dargestellt.
digkeitsanpassungen genutzt werden, um Absteigevorgänge vor der Ampel zu
reduzieren.
5.3.4 Unfälle und Beinahe-Unfälle
Um die Analyse der Verkehrsmessungen an der Ampelanlage Kreuzung Prome-
nade/Hörstertor abzuschließen, wird im Folgenden die Entwicklung der beob-
61

5.3 Auswertung der Messungen an der Ampelanlage
achteten Unfälle und Beinahe-Unfälle während der Messzeiträume untersucht.
Diese sind in Tabelle 13 dargestellt.
InsgesamtwurdenimRahmenderMessungen28.851Radfahrer*innenerfasst,
von denen keine*r in einen Unfall verwickelt war – weder bei nicht installiertem
bzw. ausgeschaltetem Leezenflow-System, noch bei eingeschaltetem Leezenflow-
System. Daher können an dieser Stelle keine Rückschlüsse gezogen werden, ob
das Leezenflow-System die Anzahl der Unfälle beeinflusst.
BeiausgeschaltetemLeezenflow-Systemgabesinsgesamt10Radfahrer*innen,
bei denen die entsprechende Verkehrssituation als Beinahe-Unfall klassifiziert
wurde (0,060% der vorbeifahrenden Radfahrer*innen), und bei eingeschaltetem
Leezenflow-System insgesamt 3 als Beinahe-Unfall klassifizierte Verkehrssitua-
tionen (0,025%).
Auch wenn ein prozentualer Rückgang in den Beinahe-Unfällen beobachtet
werden kann, sind diese Ergebnisse mit Vorsicht zu betrachten. Dies liegt vor
allem an der sehr geringen Anzahl an Verkehrssituationen, die als Beinahe-
Unfall klassifiziert wurden. Dementsprechend könnten geringe Veränderungen
in den absoluten Zahlen, hervorgerufen durch z.B. leicht veränderte Beobach-
tungszeiträume, die zuvor dargestellte Richtung der Ergebnisse bereits stark
beeinflussen. Zudem ist die Klassifizierung einer Verkehrssituation als Beinahe-
Unfall nicht immer eindeutig und kann trotz vorheriger Einweisung geringfügig
zwischendenbeobachtendenPersonenvariieren.DerhierbeobachteteRückgang
in der prozentualen Häufigkeit der Beinahe-Unfälle kann somit nicht explizit als
kausale Folge des Leezenflow-Systems eingeordnet werden.
Tabelle 13: Unfälle und Beinahe-Unfälle
Leezenflow-System Aus Leezenflow-System An
Absolut Prozent Absolut Prozent
Unfall 0 0,000% 0 0,000%
Beinahe-Unfall 10 0,060% 3 0,025%
vor der Ampel mit Gegenverkehr 1 0,006% 0 0,000%
vor der Ampel mit Verkehr in Fließrichtung 2 0,012% 1 0,008%
hinter der Ampel mit Gegenverkehr 3 0,018% 1 0,008%
hinter der Ampel mit Verkehr in Fließrichtung 0 0,000% 1 0,008%
mit Fußgänger 4 0,024% 0 0,000%
mit Pkw 0 0,000% 0 0,000%
62

5.3 Auswertung der Messungen an der Ampelanlage
5.3.5 Diskussion und Zusammenfassung
Wie die vorherigen Analysen gezeigt haben, hat das Leezenflow-System statis-
tisch signifikante Auswirkungen auf den Verkehr. Es zeigt sich, dass der Anteil
der Radfahrer*innen, die ohne anzuhalten über die grüne Ampel fahren, durch
das Leezenflow-System um ca. 2,4 bis 2,6 Prozentpunkte erhöht wird. Die 30,6%
der Radfahrer*innen, die ohne Leezenflow-System vor der roten Ampel anhal-
ten mussten, werden nun um 1,8 bis 2,6 Prozentpunkte reduziert. Hinsichtlich
der Effektivität des Leezenflow-Systems bedeutet dies, dass die Anzahl der An-
haltevorgänge durch das Leezenflow-System um 1,8/30,6 = 5,9% bis 2,6/30,6
= 8,5% reduziert werden. Die Veränderung des Anteils der Rotlichtverstöße ist
in den meisten Analysen nicht statistisch signifikant.
Die Auswertungen der Verkehrsdaten bestätigen somit, dass das Leezenflow-
System dazu beiträgt, dass die Radfahrer*innen an der Kreuzung Promena-
de/Hörstertor tatsächlich weniger oft an der roten Ampel stehen müssen und
mehr im Flow bleiben. Die Auswirkungen auf den Verkehrsfluss sind somit ab-
schließend als positiv zu bewerten.
Die zuvor berechneten relativen Veränderungen werden nun mit der abso-
luten Anzahl der Radfahrer*innen an der Kreuzung Promenade/Hörstertor
verknüpft, um die sich realisierenden Verkehrsauswirkungen besser einschät-
zen zu können. Die Daten der Fahrrad-Zählstation an der Promenade zeigen,
dass während des Beobachtungszeitraums täglich ca. 6.245 Radfahrer*innen am
Leezenflow-System in Richtung der Kreuzung Promenade/Hörstertor vorbei-
gefahren sind. Durch das Leezenflow-System mussten nun pro Tag ca. 112 bis
162 Radfahrer*innen nicht mehr vor der roten Ampel stehen, sondern konnten
die Ampel ohne anzuhalten überqueren. Im ganzjährigen Durchschnitt über
die Jahre 2018 bis 2020 wären es ca. 104 bis 151 Radfahrer*innen pro Tag, die
nicht mehr vor der roten Ampel warten müssten, sondern diese ohne anzuhalten
überqueren könnten.18
Dadurch, dass es während der Messzeiträume keine Unfälle gab und nur sehr
wenige Verkehrssituationen als Beinahe-Unfall eingestuft wurden, ist eine ab-
schließende Bewertung der Auswirkungen des Leezenflow-Systems auf die Un-
fallwahrscheinlichkeit nicht möglich. Der beobachtete Rückgang in der prozen-
18Gemäß den Daten der Fahrrad-Zählstation an der Promenade fuhren im ganzjährigen
Durchschnitt über die Jahre 2018 bis 2020 an der Stelle des Leezenflow-Systems in Rich-
tung der Kreuzung Promenade/Hörstertor täglich ca. 5.804 Radfahrer*innen vorbei.
63

5.3 Auswertung der Messungen an der Ampelanlage
tualen Häufigkeit von Beinahe-Unfällen kann somit nicht explizit als kausale
Folge des Leezenflow-Systems eingeordnet werden.
64

6. Zusammenfassung
6 Zusammenfassung
Um die Auswirkungen des Leezenflow-Systems auf den Radverkehr zu evalu-
ieren, wurden eine Online-Umfrage sowie Verkehrsmessungen am Leezenflow-
SystemselbstundanderAmpelanlageKreuzungPromenade/Hörstertordurch-
geführt.
Aus der Umfrage geht hervor, dass 485 der insgesamt 534 Teilnehmer*innen
das Leezenflow-System bereits genutzt haben. Die Mehrheit dieser 485 Nut-
zer*innen gibt an, das eigene Fahrverhalten mithilfe des Leezenflow-Systems
so optimieren zu können, dass sie flüssiger zum Ziel kommt. Das bedeutet,
es muss weniger häufig abrupt abgebremst, angehalten bzw. abgestiegen und
an der roten Ampel gestanden werden. Hervorzuheben sind die von den Nut-
zer*innen bestätigten Lerneffekte in Bezug auf die Verständlichkeit der Anzeige
des Leezenflow-Systems bzw. die optimale Umsetzung der jeweils angezeigten
Information. Dies lässt vermuten, dass zukünftig immer mehr Radfahrer*innen
das Leezenflow-System verstehen und wie intendiert nutzen können. Verbesse-
rungsvorschläge gehen dennoch vor allem in Richtung einer Optimierung der
Anzeigeform, viele Teilnehmer*innen wünschen sich statt der grafischen Rest-
zeitanzeige eine Anzeige der Restzeit der jeweiligen Ampelphase in Sekunden.
Der Einfluss des Leezenflow-Systems auf die Verkehrssicherheit wird von den
Teilnehmer*innen grundsätzlich eher positiv als negativ eingeschätzt. Einige
Teilnehmer*innen berichten jedoch, dass das Leezenflow-System zu einer ver-
ringerten Konzentration auf den kreuzenden Verkehr und übermäßig schnel-
lem Fahren führt. Auch vor diesem Hintergrund wird eine eindeutige Regelung
für kreuzende Fußgänger*innen, z.B. in Form einer Fußgängerampel, gefordert.
Weitere kritische Stimmen sprechen sich dafür aus, Steuergelder eher in den flä-
chendeckenden Ausbau- und Erhalt der Radwege zu investieren oder bei einer
radfreundlicheren Ampelschaltung anzusetzen. Abschließend stimmt der Groß-
teil (77,0%) dennoch für mehr Leezenflow-Systeme in Münster, insbesondere
auf der Promenade.
Die Auswertung der am eingeschaltetem Leezenflow-System erhobenen Da-
ten zeigt, dass durchschnittlich 44,3% der 11.225 erfassten Radfahrer*innen
sichtbaren Blickkontakt zum Leezenflow-System herstellen. Wenn sichtbarer
Blickkontakt zum Leezenflow-System hergestellt wird, passen Radfahrer*innen
eher ihre Geschwindigkeit an, als wenn sie keinen sichtbaren Blickkontakt zum
Leezenflow-System haben. Das Reaktionsverhalten ist zudem abhängig davon,
65

6. Zusammenfassung
ob die Radfahrer*innen während einer Rot- bzw. während einer Grünphase
sichtbaren Blickkontakt zum Leezenflow-System herstellen. Der Anteil der lang-
samer werdenden Radfahrer*innen an allen Radfahrer*innen mit Blickkontakt
ist während einer Rotphase deutlich höher als während einer Grünphase. Der
Anteil der schneller werdenden Radfahrer*innen an allen Radfahrer*innen mit
sichtbaremBlickkontaktisthingegenhöher,wenndiesewährendeinerGrünpha-
se am Leezenflow-System vorbeifahren. Zudem kann festgestellt werden, dass
der Anteil an Radfahrer*innen, die auf das Leezenflow-System reagieren, im
Zeitverlauf angestiegen ist. Dies lässt die Vermutung zu, dass sich Lerneffekte
bei den vorbeifahrenden Radfahrer*innen einstellen.
Während der Verkehrsmessungen an der Ampelanlage überquerten insge-
samt 28.851 Radfahrer*innen die Kreuzung Promenade/Hörstertor. Die Ver-
kehrsmessungen wurden sowohl bei eingeschaltetem als auch ausgeschaltetem
Leezenflow-System durchgeführt. Die Auswertung der erhobenen Verkehrsda-
ten zeigt, dass das Leezenflow-System statistisch signifikante Auswirkungen auf
den Verkehr hat. Der Anteil der Radfahrer*innen, die ohne anzuhalten über die
grüne Ampel fahren, wird durch das Leezenflow-System um ca. 2,4 bis 2,6 Pro-
zentpunkte erhöht. Zudem verringert sich der Anteil der vor der roten Ampel
stehenden Radfahrer*innen um ca. 1,8 bis 2,6 Prozentpunkte. Hinsichtlich der
Effektivität des Leezenflow-Systems bedeutet dies, dass die Anzahl der Anhal-
tevorgänge durch das Leezenflow-System um 5,9% bis 8,5% reduziert werden.
Die Veränderung des Anteils der Rotlichtverstöße ist in den meisten Analy-
sen nicht statistisch signifikant. Die Auswertungen der Verkehrsdaten bestäti-
gen somit, dass das Leezenflow-System dazu beiträgt, dass die Radfahrer*innen
an der Kreuzung Promenade/Hörstertor tatsächlich weniger oft an der roten
Ampel stehen müssen und mehr im Flow bleiben. Die Auswirkungen auf den
Verkehrsfluss sind somit abschließend als positiv zu bewerten. Auf Basis der
durchschnittlichen Anzahl an Radfahrer*innen, die zwischen 2018 und 2020
über diesen Promenadenabschnitt gefahren sind, würden die Ergebnisse der
Verkehrsauswertung bedeuten, dass pro Tag ca. 104 bis 151 Radfahrer*innen
nicht mehr vor einer roten Ampel warten müssten, sondern diese ohne anzuhal-
ten überqueren könnten.
Dadurch, dass während der Verkehrsmessungen keine Unfälle beobachtet wer-
den konnten und nur sehr wenige Verkehrssituationen als Beinahe-Unfall einge-
stuftwurden,isteineabschließendeBewertungderAuswirkungendesLeezenflow-
Systems auf die Unfallwahrscheinlichkeit nicht möglich. Der beobachtete Rück-
66

6. Zusammenfassung
gang in der prozentualen Häufigkeit von Beinahe-Unfällen kann somit nicht
explizit als kausale Folge des Leezenflow-Systems eingeordnet werden.
67

Literatur
Literatur
Afdeling Onderzoek en Statistiek Gemeente Helmond (2014). Wachttijdvoor-
spellers in Helmond: Wachttijdvoorspellers in Helmond, onderzoek naar de
mening van de bevolking over de wachttijdvoorspellers. Afdeling Onderzoek
en Statistiek Gemeente Helmond.
Ambo, Tefera Bahiru, Jian Ma und Chuanyun Fu (2021). „Investigating influ-
ence factors of traffic violation using multinomial logit method“. In:Inter-
national Journal of Injury Control and Safety Promotion28.1, S. 78–85.
doi: 10.1080/17457300.2020.1843499.
Dong, Sheng, Jian Sun, Ke-Ping Li und Ren-Fa Yang (2011).Comparison of
Flashing Green and Green Countdown Signals for the Non-Motorized Driver
Behavior. International Conference of Chinese Transportation Professionals
2011. doi: 10.1061/41186(421)243.
Greene, William H. (2017).Econometric Analysis. 8. Aufl. Pearson Education
Limited.
Kaths, Heather, Georgios Grigoropoulos und Klaus Krämer (2019).Green signal
countdown timers for bicycle traffic – Results from a field study.
Nygårdhs,Sara(2021).„Cyclists’adaptationtoacountdowntimertogreentraf-
fic light: A before-after field study“. In:Applied Ergonomics90, S. 103278.
doi: 10.1016/j.apergo.2020.103278.
PTV Transport Consult GmbH (2020).Multimodale mikroskopische Verkehrs-
flusssimulation von vier Promenadenquerungen in Münster (Westfalen).
url: https://www.stadt-muenster.de/fileadmin/user_upload/stadt-
muenster/61_verkehrsplanung/pdf/2020-03-09_PTV_-_Bericht_-
_4_Promenadenquerungen.pdf.
Ruf, Mara und Heather Kaths (2021). Wirkungen von Restzeitanzeigen auf
den Radverkehr – eine Fahrradsimulatorstudie. Forschungsgesellschaft für
Straßen- und Verkehrswesen (FGSV) e.V. (Tagungsdokumentation Online).
68

Literatur
Smart City Münster (2021).Leezenflow. Aufgerufen am 01.06.2021.url: https:
//smartcity.ms/leezenflow/.
Stadt Münster (2020a).Auf der grünen Welle über die Promenade. Aufgerufen
am 01.06.2021. url: https://www.muenster.de/pressemeldungen/web/
frontend/output/standard/search/1/design/standard/page/1/show/
1052861.
Stadt Münster (2020b).V/0674/2020 Öffentliche Beschlussvorlage: Smart City:
„Leezenflow: Aus Münster für Münster“ – Grüne Welle für den Radverkehr.
url: https://stadt-muenster.de/sessionnet/sessionnetbi/getfile.php?id=
465522&type=do.
Stadt Münster (2021).V/0248/2021 Öffentliche Beschlussvorlage: Verkehrsver-
such Promenadenbevorrechtigung - Neubrückentor Planungs- und Baube-
schluss. url: https://www.stadt-muenster.de/sessionnet/sessionnetbi/
getfile.php?id=479863&type=do.
Twaddle, Heather und Fritz Busch (2019). „Binomial and multinomial regres-
sion models for predicting the tactical choices of bicyclists at signalised
intersections“. In:Transportation Research Part F: Traffic Psychology and
Behaviour 60, S. 47–57.doi: 10.1016/j.trf.2018.10.002.
Wiersma, Ane (2006).Notitie: Evaluatie Wachttijdmelder. Werkgroep Verkeers-
lichten Amsterdam.
69

Anhang A
A.1 Umfrage
Tabelle 14: Soziodemografische Eigenschaften der Teilnehmer*innen (n = 534)
Geschlecht
Weiblich 42,5%
Männlich 55,1%
Divers 0,0%
Keine Angabe 2,4%
Alter
≤ 17 1,1%
18-29 44,8%
30-39 24,9%
40-49 10,9%
50-59 12,4%
60-69 4,1%
≥ 69 0,7%
Keine Angabe 1,1%
Arbeitsverhältnis
Arbeitslos 1,1%
Schüler*in oder Student*in 25,1%
Selbstständig 4,7%
Auszubildene*r 3,2%
Angestellte*r 48,5%
Geschäftsführer*in 1,7%
Beamte*r 8,8%
Rentner*in oder Pensionär*in 2,6%
Sonstiges 3,7%
Keine Angabe 0,6%
70

A.1 Umfrage
Tabelle 15: Auswirkungen des Leezenflow-Systems auf die Nutzer*innen
(n = 485)
Auswirkung auf das Fahrverhalten Prozent
Ja 72,0%
Nein 28,0%
Auswirkung auf den Verkehrsfluss
Ja 63,1%
Nein 25,6%
Weiß nicht 11,3%
71

A.1 Umfrage
Tabelle 16: Weiteres Feedback zum Leezenflow-System
Art des Effektes auf die Verkehrssicherheit (n = 170)Anzahl (Mehrfachnennungen möglich) Prozent
Positiver Effekt bzw. vorausschauenderes/gleichmäßigeres Fahren, besserer Verkehrsfluss 88 40,4%Kein Effekt auf die Verkehrssicherheit 35 16,1%Negativer Effekt bzw. weniger vorausschauenderes/gleichmäßigeres Fahren, schlechterer Verkehrsfluss 22 10,1%Weniger Rotlichtverstöße 20 9,2%Ablenkung durch System/alleinige Fokussierung auf Ampel 14 6,4%Geringere Konzentration auf Verkehr 13 6,0%Höhere Konzentration auf Verkehr 11 5,0%Vermeidung von Gruppenbildung/Stau (an Ampel) 10 4,6%Erhöhte Aufmerksamkeit/bessere Übersicht 5 2,3%
218 100%Art des Verbesserungsvorschlags (n = 180) Anzahl (Mehrfachnennungen möglich) Prozent
Sekundenanzeige 81 35,2%Erklärungen zum System/Visuelles Verständnis verbessern 55 23,9%Positionierung/Sichtbarkeit des Leezenflow verbessern 34 14,8%Mehr Leezenflows in Münster 27 11,7%Andere Anzeigeformen 25 10,9%Mehrere Leezenflows pro Ampelstrecke 7 3,0%Leezenflow als App 1 0,4%
230 100%Weitere Standorte für Leezenflow-Systeme (n = 268)Anzahl (Mehrfachnennungen möglich) Prozent
Gesamte Promenade 83 17,7%Kreuzung Promenade/Schlossplatz 58 12,3%Gesamter Ring 36 7,7%Kreuzung Promenade/Am Stadtgraben bzw. Aegidiistraße 34 7,2%Weseler Straße* 25 5,3%Schlossplatz* 17 3,6%Steinfurter Straße* 17 3,6%Überall 15 3,2%Hauptverkehrsachsen** 14 3,0%Kreuzung Hörstertor/Promenade 14 3,0%Warendorfer Straße* 13 2,8%Hammer Straße* 13 2,8%Albersloher Weg* 12 2,6%Servatiiplatz 11 2,3%Wolbecker Straße* 10 2,1%Kreuzung Promenade/Gerichtsstraße 9 1,9%Coesfelder Kreuz 9 1,9%Aasee 8 1,7%Hafenstraße* 7 1,5%Kreuzung Promenade/Windthorststraße 6 1,3%Rund um den Bahnhof 6 1,3%Hansaring* 6 1,3%Kreuzung Promenade/Kreuztor 4 0,9%Piusallee* 4 0,9%Kreuzung York-Ring/Gasselstiege 3 0,6%Bült* 3 0,6%Grevener Straße* 3 0,6%Kreuzung Promenade/Ludgeristraße 3 0,6%Am Stadtgraben* 2 0,4%Kreuzung Promenade/Kanalstraße 2 0,4%Industrieweg* 2 0,4%Moltkestraße* 2 0,4%Kreuzung Wilhelmstraße/Orléans-Ring 2 0,4%Friesenring* 2 0,4%Kreuzung Düesbergweg/Kappenberger Damm 1 0,2%Hüfferstraße* 1 0,2%Kreuzung Voßgasse/Neubrückenstraße 1 0,2%Kreuzung Bergstraße/Schlaunstraße 1 0,2%Nordstraße* 1 0,2%Kreuzung Kanalstraße/Lublinring 1 0,2%Melchersstraße* 1 0,2%Münzstraße* 1 0,2%Königsweg* 1 0,2%Hoher Heckenweg* 1 0,2%Kreuzung Koburger Weg/Gasselstiege 1 0,2%Roxeler Straße* 1 0,2%Kolde-Ring* 1 0,2%Friedrich-Ebert-Straße* 1 0,2%Ringstraße* 1 0,2%
470 100%
*Hier kann davon ausgegangen werden, dass sich die Nennungen entweder auf die gesamte Straße oder auf verschiedene Kreuzungen auf der jeweiligen Straße beziehen.**Hier werden alle Nennungen gezählt, die sich nicht auf konkrete Hauptverkehrsachsen, sondern auf Hauptverkehrsachsen im Allgemeinen beziehen.
72

A.2 Verkehrsmessung
A.2 Verkehrsmessung
Tabelle 17: Detaillierte Aufteilung der Messungen am Leezenflow-System
Blickkontakt Kein
Blickkontakt Total
Total
keine Reaktion 3.774 6.174 9.948
langsamer 773 30 803
schneller 430 44 474
Summe 4.977 6.248 11.225
Grünphase
keine Reaktion 1.965 3.336 5.301
langsamer 104 10 114
schneller 340 33 373
Summe 2.409 3.379 5.788
Rotphase
keine Reaktion 1.809 2.838 4.647
langsamer 669 20 689
schneller 90 11 101
Summe 2.568 2.869 5.437
73

A.2 Verkehrsmessung
Tabelle 18: MNL-Modell (Wahrnehmung und Reaktion am Leezenflow-System)
Alle Beobachtungen Grünphase Rotphase
β Odds-Ratio β Odds-Ratio β Odds-Ratio
(11) (12) (13) (14) (15) (16)
Keine Reaktion
Blickkontakt 0,000 1 ,000 0 ,000 1 ,000 0 ,000 1 ,000
. . . . . .
Konstante 0,000 1 ,000 0 ,000 1 ,000 0 ,000 1 ,000
. . . . . .
Langsamer
Blickkontakt 3,756∗ ∗∗ 42,784∗ ∗∗ 2,826∗ ∗∗ 16,881∗ ∗∗ 3,975∗ ∗∗ 53,232∗ ∗∗
(0,188) (8 ,042) (0 ,334) (5 ,643) (0 ,230) (12 ,236)
Konstante −5,918∗ ∗∗ 0,003∗ ∗∗ − 5,888∗ ∗∗ 0,003∗ ∗∗ − 5,672∗ ∗∗ 0,003∗ ∗∗
(0,221) (0 ,001) (0 ,402) (0 ,001) (0 ,268) (0 ,001)
Schneller
Blickkontakt 2,713∗ ∗∗ 15,081∗ ∗∗ 2,831∗ ∗∗ 16,954∗ ∗∗ 2,429∗ ∗∗ 11,343∗ ∗∗
(0,161) (2 ,432) (0 ,187) (3 ,168) (0 ,324) (3 ,678)
Konstante −5,769∗ ∗∗ 0,003∗ ∗∗ − 5,232∗ ∗∗ 0,005∗ ∗∗ − 8,203∗ ∗∗ 0,000∗ ∗∗
(0,237) (0 ,001) (0 ,257) (0 ,001) (1 ,042) (0 ,000)
Signifikanzniveaus: ***: 0,01, **: 0,05, *: 0,1. Die Standardfehler sind in Klammern dargestellt.
In der Regression werden Beobachter*innen-FEs verwendet, um für eventuell unterschiedliche Bewertungen der Anpassungen des Fahrverhaltens zu kontrollieren. Der Übersichtlichkeit halber
sind die Beobachter*innen-FEs nicht in dieser Tabelle dargestellt.
74

A.2 Verkehrsmessung
Tabelle 19: MNL-Modell (Standard-Einteilung)
Alle Beobachtungen Vorher-Nachher Mit-Ohne
β Odds-Ratio β Odds-Ratio β Odds-Ratio
(17) (18) (19) (20) (21) (22)
Stehen
Leezenflow −0.101∗∗∗ 0.904∗∗∗ −0.128∗∗∗ 0.880∗∗∗ −0.101∗∗∗ 0.904∗∗∗
(0.027) (0 .024) (0 .041) (0 .036) (0 .029) (0 .027)
Konstante −0.722∗∗∗ 0.486∗∗∗ −0.722∗∗∗ 0.486∗∗∗ −0.722∗∗∗ 0.486∗∗∗
(0.017) (0 .008) (0 .028) (0 .014) (0 .021) (0 .010)
Fahren bei grüner Ampel
Leezenflow 0.000 1 .000 0 .000 1 .000 0 .000 1 .000
. . . . . .
Konstante 0.000 1 .000 0 .000 1 .000 0 .000 1 .000
. . . . . .
Fahren bei roter Ampel
Leezenflow −0.110∗∗ 0.896∗∗ − 0.030 0 .971 −0.164∗∗∗ 0.849∗∗∗
(0.050) (0 .045) (0 .078) (0 .076) (0 .055) (0 .046)
Konstante −2.267∗∗∗ 0.104∗∗∗ −2.368∗∗∗ 0.094∗∗∗ −2.214∗∗∗ 0.109∗∗∗
(0.032) (0 .003) (0 .056) (0 .005) (0 .039) (0 .004)
Signifikanzniveaus: ***: 0.01, **: 0.05, *: 0.1. Die Standardfehler sind in Klammern dargestellt.
75

A.2 Verkehrsmessung
Tabelle 20: MNL-Modell (Standard-Einteilung, nach Wochentagstyp)
Unter der Woche Wochenende
β Odds-Ratio β Odds-Ratio
(23) (24) (25) (26)
Bei Rot stehend
Leezenflow −0.104∗∗∗ 0.902∗∗∗ 0.002 1 .002
(0.028) (0 .025) (0 .096) (0 .096)
Konstante −0.728∗∗∗ 0.483∗∗∗ −0.688∗∗∗ 0.503∗∗∗
(0.019) (0 .009) (0 .044) (0 .022)
Bei Grün fahrend
Leezenflow 0.000 1 .000 0 .000 1 .000
. . . .
Konstante 0.000 1 .000 0 .000 1 .000
. . . .
Bei Rot fahrend
Leezenflow −0.139∗∗∗ 0.870∗∗∗ 0.258 1 .294
(0.053) (0 .046) (0 .169) (0 .219)
Konstante −2.259∗∗∗ 0.104∗∗∗ −2.316∗∗∗ 0.099∗∗∗
(0.034) (0 .004) (0 .086) (0 .008)
Signifikanzniveaus: ***: 0.01, **: 0.05, *: 0.1. Die Standardfehler sind in Klammern dargestellt.
76

A.2 Verkehrsmessung
Tabelle 21: MNL-Modell (Detaillierte Einteilung ohne Geschwindigkeit)
β Odds-Ratio
(27) (28)
Bei Rot stehend Vollbremsung
Leezenflow −0.589 0 .555
(0.379) (0 .210)
Konstante −5.799∗∗∗ 0.003∗∗∗
(0.209) (0 .001)
Bei Rot stehend erste 5 Sekunden
Leezenflow 0.397∗∗∗ 1.487∗∗∗
(0.082) (0 .122)
Konstante −3.261∗∗∗ 0.038∗∗∗
(0.060) (0 .002)
Bei Rot stehend nach 5 Sekunden
Leezenflow −0.171∗∗∗ 0.843∗∗∗
(0.029) (0 .024)
Konstante −0.464∗∗∗ 0.629∗∗∗
(0.018) (0 .012)
Bei Grün fahrend erste 5 Sekunden
Leezenflow −0.064∗ 0.938∗
(0.038) (0 .036)
Konstante −1.305∗∗∗ 0.271∗∗∗
(0.025) (0 .007)
Bei Grün fahrend ohne erste und letzte 5 Sekunden
Leezenflow 0.000 1 .000
. .
Konstante 0.000 1 .000
. .
Bei Grün fahrend letzte 5 Sekunden
Leezenflow −0.226∗∗∗ 0.798∗∗∗
(0.059) (0 .047)
Konstante −2.227∗∗∗ 0.108∗∗∗
(0.037) (0 .004)
Bei Rot fahrend erste 3 Sekunden
Leezenflow −0.086 0 .918
(0.108) (0 .099)
Konstante −3.587∗∗∗ 0.028∗∗∗
(0.070) (0 .002)
Bei Rot fahrend nach 3 Sekunden
Leezenflow −0.150 0 .861
(0.171) (0 .147)
Konstante −4.480∗∗∗ 0.011∗∗∗
(0.108) (0 .001)
Bei Rot fahrend Rechtsabbieger
Leezenflow −0.152∗∗∗ 0.859∗∗∗
(0.059) (0 .050)
Konstante −2.264∗∗∗ 0.104∗∗∗
(0.037) (0 .004)
Signifikanzniveaus: ***: 0.01, **: 0.05, *: 0.1. Die Standardfehler sind in Klammern dargestellt.
77

A.2 Verkehrsmessung
Tabelle 22: MNL-Modell (Detaillierte Einteilung mit Geschwindigkeit)
β Odds-Ratio(29) (30)
Bei Rot stehend erste 5 SekundenLeezenflow 0.273∗∗ 1.314∗∗
(0.087) (0 .114)Konstante −2.914∗∗∗ 0.054∗∗∗
(0.180) (0 .010)
Bei Rot stehend nach 5 Sekunden normalLeezenflow −0.205∗∗∗ 0.815∗∗∗
(0.039) (0 .032)Konstante −0.959∗∗∗ 0.383∗∗∗
(0.089) (0 .034)
Bei Rot stehend nach 5 Sekunden langsamLeezenflow −0.095∗∗ 0.909∗∗
(0.040) (0 .036)Konstante −1.042∗∗∗ 0.353∗∗∗
(0.089) (0 .031)
Bei Grün fahrend erste 5 Sekunden langsamLeezenflow 0.107∗∗ 1.113∗∗
(0.049) (0 .055)Konstante −1.789∗∗∗ 0.167∗∗∗
(0.113) (0 .019)
Bei Grün fahrend erste 5 Sekunden normalLeezenflow −0.216∗∗∗ 0.806∗∗∗
(0.062) (0 .050)Konstante −1.823∗∗∗ 0.161∗∗∗
(0.129) (0 .021)
Bei Grün fahrend ohne erste und letzte 5 SekundenLeezenflow 0.000 1 .000. .Konstante 0.000 1 .000. .
Bei Grün fahrend letzte 5 Sekunden normalLeezenflow −0.258∗∗∗ 0.773∗∗∗
(0.069) (0 .054)Konstante −2.424∗∗∗ 0.089∗∗∗
(0.168) (0 .015)
Bei Grün fahrend letzte 5 Sekunden schnellLeezenflow 0.139 1 .149(0.139) (0 .160)Konstante −4.677∗∗∗ 0.009∗∗∗
(0.426) (0 .004)
Bei Rot stehend VollbremsungLeezenflow −0.718∗ 0.488∗
(0.413) (0 .202)Konstante −4.745∗∗∗ 0.009∗∗∗
(0.637) (0 .006)
Bei Rot fahrend erste 3 SekundenLeezenflow −0.185 0 .831(0.115) (0 .096)Konstante −3.080∗∗∗ 0.046∗∗∗
(0.230) (0 .011)
Bei Rot fahrend nach 3 SekundenLeezenflow −0.149 0 .862(0.181) (0 .156)Konstante −5.550∗∗∗ 0.004∗∗∗
(0.722) (0 .003)
Bei Rot fahrend RechtsabbiegerLeezenflow −0.125∗∗ 0.883∗∗
(0.063) (0 .055)Konstante −2.390∗∗∗ 0.092∗∗∗
(0.158) (0 .014)
Signifikanzniveaus: ***: 0.01, **: 0.05, *: 0.1. Die Standardfehler sind in Klammern dargestellt.In der Regression werden Beobachter*innen-FEs verwendet, um für eventuell unterschiedliche Bewertungen derGeschwindigkeiten zu kontrollieren. Der Übersichtlichkeit halber sind die Beobachter*innen-FEs nicht in dieserTabelle dargestellt.
78

© Design und Bilder des Leezen!ow-Systems in dieser Umfrage sind urheberrechtlich geschützt. Das© Design und Bilder des Leezen!ow-Systems in dieser Umfrage sind urheberrechtlich geschützt. Das
Urheberrecht liegt, soweit nicht ausdrücklich anders gekennzeichnet, bei Magdalena Schmitz und Urheberrecht liegt, soweit nicht ausdrücklich anders gekennzeichnet, bei Magdalena Schmitz und LeonieLeonie
WinkelmannWinkelmann..
Vielen Dank für Ihre Teilnahme an der Evaluierung des Leezen!ow-Systems. Mit derVielen Dank für Ihre Teilnahme an der Evaluierung des Leezen!ow-Systems. Mit der
Teilnahme an der Umfrage können Sie mithelfen, das Leezen!ow-System zuTeilnahme an der Umfrage können Sie mithelfen, das Leezen!ow-System zu
verbessern. verbessern. 
Unter allen Teilnehmer*innen der Umfrage werden insgesamtUnter allen Teilnehmer*innen der Umfrage werden insgesamt 30  30 Münster-GutscheineMünster-Gutscheine in in
Höhe von Höhe von 5€5€, , 10€10€ oder  oder 25€25€ sowie  sowie "Bikezacs""Bikezacs" (Fahrradtaschen) verlost.  (Fahrradtaschen) verlost. 
Bitte beachten Sie, dass an jede E-Mail-Adresse nur einmal ausgezahlt werden kann. Bitte beachten Sie, dass an jede E-Mail-Adresse nur einmal ausgezahlt werden kann. EineEine
wiederholte Teilnahme an der Umfrage erhöht also nicht Ihre Gewinnchancen.wiederholte Teilnahme an der Umfrage erhöht also nicht Ihre Gewinnchancen.
  
Informationen zur UmfrageInformationen zur Umfrage
Die im Rahmen dieser Umfrage erhobenenDie im Rahmen dieser Umfrage erhobenen Daten werden vertraulich und Daten werden vertraulich und
ausschließlich zum Zweck der wissenschaftlichen Forschung verwendetausschließlich zum Zweck der wissenschaftlichen Forschung verwendet..
Es erfolgt keine Weitergabe an Dritte. Ihre Angaben !ießen ausschließlich inEs erfolgt keine Weitergabe an Dritte. Ihre Angaben !ießen ausschließlich in
anonymisierter Form in die Studie ein, ein Rückschluss auf Ihre Person wirdanonymisierter Form in die Studie ein, ein Rückschluss auf Ihre Person wird
nicht möglich sein. Eine ausführliche Version der Datenschutzerklärung "ndennicht möglich sein. Eine ausführliche Version der Datenschutzerklärung "nden
Sie Sie hierhier
. Wir möchten Sie bitten, diese gemäß Art. 13 DSGVO zur Kenntnis zu. Wir möchten Sie bitten, diese gemäß Art. 13 DSGVO zur Kenntnis zu
nehmen und in die entsprechende Verarbeitung Ihrer personenbezogenennehmen und in die entsprechende Verarbeitung Ihrer personenbezogenen
Daten einzuwilligen. Anderenfalls können Sie nicht an der UmfrageDaten einzuwilligen. Anderenfalls können Sie nicht an der Umfrage
teilnehmen. Sie haben das Recht, Ihre Einwilligung jederzeit ohne Angabe vonteilnehmen. Sie haben das Recht, Ihre Einwilligung jederzeit ohne Angabe von
Gründen zu widerrufen. Gründen zu widerrufen. 
Sind Sie damit einverstanden?Sind Sie damit einverstanden?
DatenschutzDatenschutz
!
Ja, ich habe die Datenschutzerklärung zur Kenntnis genommen undJa, ich habe die Datenschutzerklärung zur Kenntnis genommen und
willige freiwillig in die dort dargestellte Erhebung und weiterewillige freiwillig in die dort dargestellte Erhebung und weitere
Verarbeitung meiner personenbezogenen Daten ein.Verarbeitung meiner personenbezogenen Daten ein.
Nein, ich möchte nicht an der Umfrage teilnehmen.Nein, ich möchte nicht an der Umfrage teilnehmen.
Fragen zum Leezen!ow-SystemFragen zum Leezen!ow-System
An welcher Stelle be!ndet sich das Leezen"ow-System in Münster?An welcher Stelle be!ndet sich das Leezen"ow-System in Münster?
!
Kreuzung Promenade/SchlossplatzKreuzung Promenade/Schlossplatz
Kreuzung Corrensstraße/Horstmarer LandwegKreuzung Corrensstraße/Horstmarer Landweg
Kreuzung Promenade/HörstertorKreuzung Promenade/Hörstertor
Wie häu!g sind Sie bereits am aktivierten Leezen"ow-SystemWie häu!g sind Sie bereits am aktivierten Leezen"ow-System
vorbeigefahren?vorbeigefahren?
!
NieNie
EinmalEinmal
Mehr als einmalMehr als einmal
Sichtbarkeit/Au#älligkeit des Leezen!ow-SystemsSichtbarkeit/Au#älligkeit des Leezen!ow-Systems
Entfernung zwischen Leezen!ow-Entfernung zwischen Leezen!ow-
Anzeige und AmpelAnzeige und Ampel
    1 -55
Verständlichkeit der Anzeige:Verständlichkeit der Anzeige:
Bitte bewerten Sie die folgenden Eigenschaften des Leezen"ow-Bitte bewerten Sie die folgenden Eigenschaften des Leezen"ow-
Systems:Systems:
!
"" "" "" "" ""
!
ZuZu
nahnah
ZuZu
weitweit
Wie verständlich fanden Sie die Anzeige des Leezen"ow-Systems, alsWie verständlich fanden Sie die Anzeige des Leezen"ow-Systems, als
Sie das erste Mal am aktivierten Leezen"ow-System vorbeigefahrenSie das erste Mal am aktivierten Leezen"ow-System vorbeigefahren
sind? sind? 
!
"" "" "" "" ""
Wie oft fahren Sie am aktivierten Leezen"ow-System vorbei? Wie oft fahren Sie am aktivierten Leezen"ow-System vorbei? 
!
Weniger als einmal pro WocheWeniger als einmal pro Woche
Einmal pro WocheEinmal pro Woche
Mehrmals pro WocheMehrmals pro Woche
TäglichTäglich
Mehrmals täglichMehrmals täglich
Fahren Sie an der Stelle des installierten Leezen"ow-Systems ausFahren Sie an der Stelle des installierten Leezen"ow-Systems aus
beru"ichen Gründen und/oder aus Gründen der Freizeit vorbei?beru"ichen Gründen und/oder aus Gründen der Freizeit vorbei?
!
Beru!ichBeru!ich
FreizeitFreizeit
BeidesBeides
A.3 Fragebogen für die Umfrage
A.3 Fragebogen für die Umfrage
79

Verständlichkeit der Anzeige:Verständlichkeit der Anzeige:
Wie verständlich !nden Sie die Anzeige des Leezen"ow-Wie verständlich !nden Sie die Anzeige des Leezen"ow-
Systems, nachdem Sie bereits mehrmals an dem aktivierten SystemSystems, nachdem Sie bereits mehrmals an dem aktivierten System
vorbeigefahren sind?vorbeigefahren sind?
!
""""""""""
Wann stellten sich Lerne#ekte bei Ihnen ein (z.B. besseresWann stellten sich Lerne#ekte bei Ihnen ein (z.B. besseres
Verständnis für die Anzeige)?Verständnis für die Anzeige)?
!
Bei der zweiten NutzungBei der zweiten Nutzung
Nach mehrfacher NutzungNach mehrfacher Nutzung
Bisher nichtBisher nicht
Beein"usst das Leezen"ow-System Ihr derzeitiges Fahrverhalten?Beein"usst das Leezen"ow-System Ihr derzeitiges Fahrverhalten?
!
JaJa NeinNein
Verringert sichVerringert sichUnverändertUnverändertErhöht sichErhöht sich Weiß nichtWeiß nicht
FahrgeschwindigkeitFahrgeschwindigkeit
Häu"gkeit abrupterHäu"gkeit abrupter
AbbremsvorgängeAbbremsvorgänge
Gleichmäßigkeit desGleichmäßigkeit des
Verkehrs!ussesVerkehrs!usses
Häu"gkeit desHäu"gkeit des
Anhaltens/Absteigens vor derAnhaltens/Absteigens vor der
AmpelAmpel
Standzeit an der AmpelStandzeit an der Ampel
Konzentration auf den VerkehrKonzentration auf den Verkehr
in Fahrtrichtungin Fahrtrichtung
Konzentration auf denKonzentration auf den
entgegenkommenden Verkehrentgegenkommenden Verkehr
Konzentration auf denKonzentration auf den
kreuzenden Verkehrkreuzenden Verkehr
  Sonstiges  Sonstiges
Wie beein"usst das Leezen"ow-System Ihr derzeitigesWie beein"usst das Leezen"ow-System Ihr derzeitiges
Fahrverhalten?Fahrverhalten?
!
Wenn das Leezen!ow-System Folgendes anzeigt, fahre ich ...Wenn das Leezen!ow-System Folgendes anzeigt, fahre ich ...
langsamerlangsamer gleichgleich
langsam/schnelllangsam/schnellschnellerschneller Weiß nichtWeiß nicht
Haben Sie das Gefühl mithilfe des aktivierten Leezen"ow-SystemsHaben Sie das Gefühl mithilfe des aktivierten Leezen"ow-Systems
"üssiger zum Ziel zu kommen?"üssiger zum Ziel zu kommen?
!
JaJa NeinNein Weiß nichtWeiß nicht
Bewerten Sie die folgenden Aussagen im Hinblick auf Ihr derzeitigesBewerten Sie die folgenden Aussagen im Hinblick auf Ihr derzeitiges
Fahrverhalten.Fahrverhalten.
!
Wenn das Leezen!ow-System Folgendes anzeigt, fahre ich ...Wenn das Leezen!ow-System Folgendes anzeigt, fahre ich ...
langsamerlangsamer gleichgleich
langsam/schnelllangsam/schnellschnellerschneller Weiß nichtWeiß nicht
!
A.3 Fragebogen für die Umfrage
80

Wenn das Leezen!ow-System Folgendes anzeigt, fahre ich ...Wenn das Leezen!ow-System Folgendes anzeigt, fahre ich ...
langsamerlangsamer gleichgleich
langsam/schnelllangsam/schnellschnellerschneller Weiß nichtWeiß nicht
!
Wenn das Leezen!ow-System Folgendes anzeigt, fahre ich ...Wenn das Leezen!ow-System Folgendes anzeigt, fahre ich ...
langsamerlangsamer gleichgleich
langsam/schnelllangsam/schnellschnellerschneller Weiß nichtWeiß nicht
!
Wenn das Leezen!ow-System Folgendes anzeigt, fahre ich ...Wenn das Leezen!ow-System Folgendes anzeigt, fahre ich ...
langsamerlangsamer gleichgleich
langsam/schnelllangsam/schnellschnellerschneller Weiß nichtWeiß nicht
!
Wenn das Leezen!ow-System Folgendes anzeigt, fahre ich ...Wenn das Leezen!ow-System Folgendes anzeigt, fahre ich ...
langsamerlangsamer gleichgleich
langsam/schnelllangsam/schnellschnellerschneller Weiß nichtWeiß nicht
!
Sehen Sie eher positive, negative oder keine E#ekte auf dieSehen Sie eher positive, negative oder keine E#ekte auf die
Verkehrssicherheit?Verkehrssicherheit?
!
PositivPositiv NegativNegativ KeineKeine Weiß nichtWeiß nicht
Was verändert sich aus Ihrer Sicht im Hinblick auf dieWas verändert sich aus Ihrer Sicht im Hinblick auf die
Verkehrssicherheit?Verkehrssicherheit?
A.3 Fragebogen für die Umfrage
81

Glauben Sie, dass das Leezen"ow-System dazu beitragen kann, dieGlauben Sie, dass das Leezen"ow-System dazu beitragen kann, die
Qualität des Fahrradfahrens zu verbessern?Qualität des Fahrradfahrens zu verbessern?
!
JaJa NeinNein Weiß nichtWeiß nicht
Führt die Installation des Leezen"ow-Systems dazu, dass Sie häu!gerFührt die Installation des Leezen"ow-Systems dazu, dass Sie häu!ger
Fahrrad fahren?Fahrrad fahren?
!
JaJa NeinNein Weiß nichtWeiß nicht
Welche Verbesserungsvorschläge für das Leezen"ow-System habenWelche Verbesserungsvorschläge für das Leezen"ow-System haben
Sie?Sie?
Würden Sie die Installation von Leezen"ow-Systemen an weiterenWürden Sie die Installation von Leezen"ow-Systemen an weiteren
Ampeln in Münster begrüßen?Ampeln in Münster begrüßen?
!
JaJa NeinNein Weiß nichtWeiß nicht
An welchen Stellen in Münster würden Sie die Installation vonAn welchen Stellen in Münster würden Sie die Installation von
Leezen"ow-Systemen begrüßen?Leezen"ow-Systemen begrüßen?
Würde die Installation weiterer Leezen"ow-Systeme in der StadtWürde die Installation weiterer Leezen"ow-Systeme in der Stadt
Münster Sie dazu bewegen, häu!ger Fahrrad zu fahren?Münster Sie dazu bewegen, häu!ger Fahrrad zu fahren?
!
JaJa NeinNein Weiß nichtWeiß nicht
Demogra"sche Fragen & KontaktDemogra"sche Fragen & Kontakt
Ihr GeschlechtIhr Geschlecht
WeiblichWeiblich
MännlichMännlich
DiversDivers
Keine AngabeKeine Angabe
Ihr Alter:Ihr Alter:
0-17 Jahre0-17 Jahre
18-29 Jahre18-29 Jahre
30-39 Jahre30-39 Jahre
40-49 Jahre40-49 Jahre
50-59 Jahre50-59 Jahre
60-69 Jahre60-69 Jahre
> 69 Jahre> 69 Jahre
keine Angabekeine Angabe
In welchem Arbeitsverhältnis be!nden Sie sich zur Zeit?In welchem Arbeitsverhältnis be!nden Sie sich zur Zeit?
ArbeitslosArbeitslos
Schüler/in oder Student/inSchüler/in oder Student/in
SelbstständigSelbstständig
Auszubildene/rAuszubildene/r
Angestellte/rAngestellte/r
Geschäftsführer/inGeschäftsführer/in
Beamte/rBeamte/r
Rentner/in oder Pensionär/inRentner/in oder Pensionär/in
SonstigesSonstiges
A.3 Fragebogen für die Umfrage
82

Vielen Dank für Ihre Teilnahme an der Umfrage.Vielen Dank für Ihre Teilnahme an der Umfrage.
Wenn Sie an der Verlosung der "Münster"-Gutscheine sowie "Bikezacs"Wenn Sie an der Verlosung der "Münster"-Gutscheine sowie "Bikezacs"
teilnehmen möchten, geben Sie hier bitte Ihre E-Mail-Adresse an, damit wir Sieteilnehmen möchten, geben Sie hier bitte Ihre E-Mail-Adresse an, damit wir Sie
im Fall des Gewinns kontaktieren können. Sollten Sie keine E-Mail-Adresseim Fall des Gewinns kontaktieren können. Sollten Sie keine E-Mail-Adresse
angeben, werden Ihre Antworten dennoch bei der Auswertung berücksichtigt.angeben, werden Ihre Antworten dennoch bei der Auswertung berücksichtigt.
E-Mail:E-Mail:
Umfrage erstellt mit
KontaktKontakt
A.3 Fragebogen für die Umfrage
83

Datum: Uhrzeit: Temperatur: Wetter:Beobachter: Leezenflow-System:
Ampel-Ereignis Ampelschaltung 1Ampelschaltung 2Ampelschaltung 3Ampelschaltung 4Ampelschaltung 5Ampelschaltung 6Ampelschaltung 7Ampelschaltung 8Ampelschaltung 9Ampelschaltung 10
·       Anzahl der Radfahrer*Innen, die in den ersten 5 Sekunden bei Rot halten
·       Anzahl der Radfahrer*innen, die in normaler Geschwindigkeit auf die rote Ampel zufahren und zum Stehen kommen (mind. 1 Fuß auf dem Boden)·       Anzahl der Radfahrer*innen, die langsam auf die rote Ampel zufahren, aber dennoch zum Stehen kommen (mind. 1 Fuß auf dem Boden)
·       Anzahl der Radfahrer*innen, die langsam auf die rote Ampel zufahren und nicht absteigen müssenlangsam -> erste 5 Sek.·       Anzahl der Radfahrer*innen, die in normaler Geschwindigkeit auf die rote Ampel zufahren und nicht absteigen müssen normal -> erste 5 Sek.
·       Anzahl der Radfahrer*innen, die innerhalb der Grünphase (ohne erste und letzte 5 Sek.) über die Ampel fahren. 
·       Anzahl der Radfahrer*innen, die in den letzten 5 Sekunden vor dem Umschalten von grün auf gelb/rot über die Ampel fahren.·       Anzahl der Radfahrer*innen, die schnell / übermäßig schnell auf die grüne Ampel zufahren, um noch die Grünphase zu erwischen.
·       Anzahl der Radfahrer*Innen, die wegen Umschalten auf Rot eine Vollbremsung durchführenVollbremsung
·       Anzahl der Radfahrer*innen, die in den ersten 3 Sekunden der Rotphase über die Ampel fahren. 
·       Anzahl der Radfahrer*innen, die nach den ersten 3 Sekunden der Rotphase noch über die Ampel fahren. 
·       Anzahl der Radfahrer*innen, die nach den ersten 3 Sekunden der Rotphase noch über die Ampel fahren und rechts abbiegen. 
Unfall-Ereignis Ampelschaltung 1Ampelschaltung 2Ampelschaltung 3Ampelschaltung 4Ampelschaltung 5Ampelschaltung 6Ampelschaltung 7Ampelschaltung 8Ampelschaltung 9Ampelschaltung 10
·       Anzahl der Beinahe-Unfälle, die vor der Ampel mit dem Gegenverkehr entstehen (z.B. durch Überholen in 2. Reihe)
·       Anzahl der Beinahe-Unfälle, die vor der Ampel mit dem Verkehr in Fließrichtung  entstehen (z.B. durch abruptes Abbremsen)
·       Anzahl der Beinahe-Unfälle, die nach der Ampel mit dem Gegenverkehr entstehen (z.B. durch Überholen in 2. Reihe)
·       Anzahl der Beinahe-Unfälle, die nach der Ampel mit dem Verkehr in Fließrichtung entstehen (z.B. durch abruptes Abbremsen)·       Anzahl der Beinahe-Unfälle, die nach der Ampel mit seitlich kreuzenden Fußgängern entstehen (z.B. durch abruptes Abbremsen)·       Anzahl der Beinahe-Unfälle, die nach der Ampel mit seitlich kreuzenden PKW/LKW entstehen (z.B. durch abruptes Abbremsen)·       Anzahl der Unfälle (Bitte kurz beschreiben, nach Schema wie bei den Beinahe-Unfällen: vor oder hinter der Ampel; mit Gegenverkehr oder mit Verkehr in Fließrichtung; mit seitlich kreuzenden Fußgängern; mit seitlich kreuzenden Autos)
Kodierung
normal, letzte 5 Sek.
schnell, letzte 5 Sek.
langsam -> stehend(nach 5 Sekunden rot)
Rot stehend(in den ersten 5 Sekunden rot)
Kodierung
normal -> stehend (nach 5 Sekunden rot)
Erste 3 Sek.
Beinahe-Unfall vor der Ampel mit Gegenverkehr
Unfall*
Rot
Rot, Rechtsabbieger
Beinahe-Unfall vor der Ampel mit Verkehr in FließrichtungBeinahe-Unfall nach der Ampel mit Gegenverkehr Beinahe-Unfall nach der Ampel mit Verkehr in FließrichtungBeinahe-Unfall mit seitlich kreuzenden FußgängernBeinahe-Unfall mit seitlich kreuzenden PKW
A.4 Messbögen für die Verkehrsmessung
A.4 Messbögen für die Verkehrsmessung
84

Datum: Uhrzeit: Temperatur: Wetter:Beobachter: Leezenflow-System:
Ampelschaltung 1Ampelschaltung 2Ampelschaltung 3Ampelschaltung 4Ampelschaltung 5Ampelschaltung 6Ampelschaltung 7Ampelschaltung 8Ampelschaltung 9Ampelschaltung 10Kodierung
Kein BlickkontaktKeine Reaktion
Langsamer
Schneller
Schneller
BlickkontaktKeine Reaktion
Langsamer
Schneller
Kein BlickkontaktKeine Reaktion
Langsamer
Schneller
BlickkontaktKeine Reaktion
Langsamer
Schneller
BlickkontaktKeine Reaktion
Langsamer
Schneller
Kein BlickkontaktKeine Reaktion
Langsamer
A.4 Messbögen für die Verkehrsmessung
85

Folgelastenberechnung Anlage 1
Folgelastenberechnung (Ermittlung der haushaltsrelevanten Erträge und Aufwendungen) V/0772/2021 Aufgestellt am: 25.01.2022
Amt: 66 und III/3
A Investitionsmaßnahme weitere Leezenflow-Standorte
Produktgruppe 1201 Bereitstellung von Verkehrsflächen und -anlagen
Investitionsmaßnahme 0008 Verkehrsanlagen Neubau und Erneuerung
Jahr der Fertigstellung: 2022
Nutzungsdauer: 15 Jahre
B Kapitalbedarf/ Finanzierung
Euro %
1. Zuschüsse und Zuweisungen 190.000 82,61
2. Beiträge 0 0,00
3. Eigenanteil Stadt Münster 40.000 17,39
Gesamt-Kapitalbedarf 230.000 100,00
C Gesamtkosten der Investitionsmaßnahme
Euro %
1. Grund und Boden 0 0,00
2. Baukosten 230.000 100,00
3. Beschaffungen (ohne Fahrzeuge) 0 0,00
4. Fahrzeug (e) 0 0,00
Gesamtkosten 230.000 100,00
D Folgeaufwendungen pro Jahr
Einmalig im 
Haushaltsjahr:
Fortlaufend ab dem 
Haushaltsjahr: Euro %
Personal- und Versorgungsaufwendungen, Zeilen 11, 12 Ergebnisplan 0 0,00
Sach- und Dienstleistungen, Zeile 13 Ergebnisplan
1. Instandhaltung der Grundstücke und baul. Anlagen 0 0,00
2. Instandhaltung des Infrastrukturvermögens 2023 2.300 12,62
3. Instandhaltung des sonstigen unbewegl. Vermögens 0 0,00
4. Haltung von Fahrzeugen 0 0,00
5. Bewirtschaftung der Grundstücke und baul. Anlagen 0 0,00
Zwischensumme 2.300 12,62
Bilanzielle Abschreibungen, Zeile 14 Ergebnisplan
6. Bilanzielle Abschreibungen Zwischensumme 15.330 84,09
Sonstige ordentliche Aufwendungen, Zeile 16 Ergebnisplan
7. Mieten und Pachten 0 0,00
8. Sonstige Verwaltungs- und Betriebsaufwendungen 0 0,00
Zwischensumme 0 0,00
Zinsen, Zeile 20 Ergebnisplan
9. Fremdkapitalzinsen 600 3,29
NACHRICHTLICH: Zinsen (3,00 %) 600 € p.a.
+ Tilgung 1.200 € p.a.
= Schuldendienst 1.800 € p.a.
Summe Folgeaufwendungen 18.230 100,00
E Folgeerträge pro Jahr
Einmalig im 
Haushaltsjahr:
Fortlaufend ab dem 
Haushaltsjahr: Euro %
1. Zuweisungen und Zuschüsse für lfd. Zwecke 0 0,00
2. Auflösung Sonderposten 2023 12.670 100,00
3. Benutzungsgebühren und ähnliche Entgelte 0 0,00
4. Mieten und Pachten 0 0,00
5. Sonstige Verwaltungs- und Betriebserträge 0 0,00
Summe Folgeerträge 12.670 100,00
Einmalig im 
Haushaltsjahr:
Fortlaufend ab dem 
Haushaltsjahr: Euro
F Entfallende Aufwendungen pro Jahr
G Entfallende Erträge pro Jahr
H Folgelasten (D-E-F+G) pro Jahr Euro
insgesamt 5.560
in % der Gesamtkosten (vgl. C) 2,42
I Folgeinvestitionen Zeitpunkt Euro
J Erläuterungen (siehe Rückseite)