In Deutschland verlief der Strukturwandel weg von der Industrie lange Zeit deutlich langsamer als in anderen, ähnlich entwickelten Ländern. Nun wird er zunehmend von globalen Megatrends wie Digitalisierung, Dekarbonisierung, demografischem Wandel und veränderten internationalen Wirtschaftsbeziehungen geprägt. Es zeigen sich regional stark differenzierte Anpassungsprozesse: Ballungsräume profitieren von Innovationsdichte und Infrastruktur, während ländliche Regionen mit strukturellen Defiziten kämpfen. Auch einst wirtschaftlich stabile Regionen geraten zunehmend unter Druck. Dies macht eine differenzierte, zukunftsorientierte Strukturpolitik notwendig, die regionale Innovationskraft stärkt, Qualifizierung fördert und Infrastruktur in der Fläche aufbaut.
Der Strukturwandel in Deutschland beschleunigt sich. Nachdem der Anteil des Industriesektors, anders als in den meisten anderen europäischen Ländern, über viele Jahre stabil blieb, fürchten viele nun eine zunehmende Deindustrialisierung. Globale Megatrends wie die Digitalisierung und Künstliche Intelligenz, die Dekarbonisierung, ein Wandel der internationalen Arbeitsteilung und der demografische Wandel führen zu tiefgreifenden Veränderungen in den Wirtschaftssektoren und in der regionalen Wirtschaftsstruktur (SVR Wirtschaft, 2025). Der Strukturwandel erreicht zunehmend auch Regionen, die bisher strukturstabil und wirtschaftlich erfolgreich waren. Aufgrund der ausgeprägten regionalen Unterschiede in Wirtschaftsstruktur, Innovationskraft und Arbeitsmarktprofilen verläuft der Wandel räumlich heterogen. Wirtschaftspolitische Maßnahmen müssen daher differenziert ansetzen: Investitionen in Infrastruktur, eine gezielte Förderung regionaler Innovationskraft und Maßnahmen zur Verbesserung von Humankapital und Mobilität können helfen, den Strukturwandel erfolgreich zu gestalten und gleichzeitig regionale Disparitäten nicht weiter zu vertiefen.
Strukturwandel beschreibt die langfristige Veränderung der sektoralen Zusammensetzung von Volkswirtschaften. In den entwickelten Volkswirtschaften kam es im Zuge der fortgeschrittenen Industrialisierung, Technologisierung und mit steigendem Wohlstand zu einem Rückgang der Industrieanteile zugunsten von Dienstleistungen (Herrendorf et al., 2014). Während in Ländern wie den Vereinigten Staaten und Großbritannien bereits seit Mitte des 20. Jahrhunderts ein starker Strukturwandel, also ein Rückgang der Wertschöpfungsanteile des Verarbeitenden Gewerbes, zu beobachten ist, verlief dieser Prozess in Deutschland langsamer. Der Anteil des Verarbeitenden Gewerbes an der Bruttowertschöpfung war mit rund 20 % im Jahr 2023 weiterhin hoch, verglichen mit etwa 11 % in den USA oder 16 % im europäischen Durchschnitt (Abbildung 1). Dieser stabile Industrieanteil Deutschlands wurde begünstigt durch eine technologische Führungsposition in der Investitionsgüterherstellung, eine enge Einbindung in globale Wertschöpfungsketten sowie eine starke Mittelstandsstruktur. Gleichzeitig trugen auch wirtschaftspolitische Maßnahmen, die auf die Aufrechterhaltung des Status quo ausgerichtet waren, zur Pfadabhängigkeit der deutschen Wirtschaftsstruktur bei (ElFayoumi et al., 2018).
Abbildung 1
Strukturwandel im internationalen Vergleich
Quelle: eigene Berechnungen basierend auf Daten von Eurostat (o. D.).
Regionale Unterschiede
Die Wirtschaftsstruktur Deutschlands ist regional stark differenziert. Während es in Ballungsräumen wie Frankfurt, Hamburg oder München dynamische Dienstleistungssektoren gibt, bleibt in Süd- und Westdeutschland der industrielle Schwerpunkt dominant. Über nahezu alle Regionen zeigt sich in den letzten Jahren ein Fortschreiten des Strukturwandels, lediglich in einigen wenigen Regionen haben die Beschäftigtenanteile in den Dienstleistungen im Zeitraum der Jahre 2011 bis 2021 nicht zugenommen (Abbildung 2). Eher ländliche Regionen, die bereits vom Strukturwandel betroffen waren, sind dabei oftmals weiterhin durch eine wenig technologie- oder wissensintensive Industriestruktur geprägt.
Abbildung 2
Regionale Wirtschaftsstruktur1
1 Unterteilung der Wirtschaftssektoren gemäß der Klassifikation der Wirtschaftszweige, Ausgabe 2008 (WZ, 2008). Eigene Berechnungen bzw. Schätzungen für fehlende Werte einzelner Kreise und kreisfreier Städte im primären und sekundären Sektor. 2 Sozialversicherungspflichtig Beschäftigte sind Arbeiter, Angestellte und Personen in beruflicher Ausbildung, die in der gesetzlichen Renten-, Kranken- und/oder Arbeitslosenversicherung pflichtversichert sind. Keine Berücksichtigung finden hier also Beamte, Selbständige, mithelfende Familienangehörige oder geringfügig Beschäftigte. 3 Land- und Forstwirtschaft, Fischerei. 4 Produzierendes Gewerbe. 5 Dienstleistungen, übrige Wirtschaftsbereiche. 6 Lesebeispiel: Ein hellroter Landkreis im Primärsektor (z. B. Berlin) bedeutet, dass der Beschäftigungsanteil dieses Sektors zwischen den Jahren 2011 und 2021 um 0 bis 0,05 Prozentpunkte gestiegen ist. Die mittelgrüne Färbung Berlins im sekundären Sektor bedeutet hingegen, dass der entsprechende Beschäftigungsanteil im selben Zeitraum um 2,5 bis 5 Prozentpunkte zurückgegangen ist.
Quelle: eigene Berechnungen basierend auf BBSR (2024).
Eine hohe Bevölkerungsdichte, diversifizierte, etablierte Unternehmenslandschaften und exzellente Forschungsinfrastrukturen begünstigen Wissenstransfers, Innovationen und die wirtschaftliche Dynamik in Ballungsräumen (Duranton & Puga, 2000; Chen et al., 2023). So entstehen positive Agglomerationseffekte, etwa durch Clusterbildung, spezialisierte Arbeitskräfte und Infrastrukturvorteile, die die Resilienz der gegenwärtigen Wachstumszentren fördern.
Gleichzeitig führt die wachsende Verflechtung von Industrie und Dienstleistungen, insbesondere durch tertiäre Wertschöpfung in Industriebetrieben, zu einer verstärkten Tertiärisierung auch im Verarbeitenden Gewerbe (Boddin & Kroeger, 2024; Boddin & Kroeger, 2022) und schafft etwa durch den Ausbau von verarbeitungsnahen Dienstleistungen wie Wartung oder Forschung und Entwicklung neue hybride Unternehmensformen, die möglicherweise robuster auf die sich fortsetzenden Trends reagieren werden (Hüther et al., 2023; Stehrer et al., 2015; Lehmann et al., 2025).
Treiber des Strukturwandels und seine Auswirkungen
Der aktuelle Strukturwandel wird durch mehrere fundamentale Treiber angetrieben, die je nach regionaler Wirtschaftsstruktur unterschiedlich stark wirken (Dörr et al., 2024; SVR Wirtschaft, 2025). So hat etwa die Globalisierung Deutschlands Wirtschaftsstruktur in den vergangenen Jahrzehnten nachhaltig geprägt. Hochwertige Industriegüter wie Automobile und Maschinenbauprodukte hatten bislang internationale Wettbewerbsvorteile und sorgten in vielen Regionen insbesondere in Süddeutschland für stetiges Wachstum (Dauth et al., 2014; SVR Wirtschaft, 2017). Regionen mit Spezialisierung auf arbeitsintensive Industrien (z. B. die Textilindustrie) verloren durch die Globalisierung hingegen Arbeitsplätze, insbesondere in Ostdeutschland (Yi et al., 2024). Der technologische Aufholprozess asiatischer Staaten erhöht nun auch für Hochtechnologieregionen wie Baden-Württemberg den Wettbewerbsdruck. Regionen mit hoher Exportabhängigkeit, aber niedriger Innovationsdynamik könnten so besonders verwundbar sein, wenn komparative Vorteile schwinden oder globale Handelskonflikte zunehmen. Reshoring-Tendenzen aufgrund geoökonomischer Unsicherheiten bieten punktuell Chancen, vor allem in automatisierbaren Bereichen Wertschöpfung und in geringerem Maße auch Arbeitsplätze wieder nach Europa oder Deutschland zu verlagern (Faber et al., 2025).
Automatisierung und Künstliche Intelligenz (KI) wirken bereits tief in die Wirtschaftsstruktur hinein. Während frühere Automatisierungswellen vor allem Routinearbeiten in Fertigung (Roboter) und Verwaltung (Computer und Internet) betrafen (Lehmer & Matthes, 2017; Arntz et al., 2018), ermöglicht KI inzwischen die Automatisierung kognitiv anspruchsvollerer Tätigkeiten, auch in wissensintensiven Dienstleistungsbranchen (Abbildung 3 links; Czarnitzki et al., 2023; Filippucci et al., 2024; McElheran et al., 2024). Dies schafft neue Effizienzpotenziale, stellt aber auch hohe Anforderungen an die Anpassungsfähigkeit regionaler Arbeitsmärkte. Die Automatisierung ist insbesondere in Großunternehmen des Verarbeitenden Gewerbes fortgeschritten. Der KI-Einsatz in Dienstleistungen und kleineren Unternehmen ist hingegen regional unterschiedlich stark verbreitet. Unternehmen in Ballungsräumen nutzen überdurchschnittlich häufig KI (Rammer et al., 2024), begünstigt durch besser entwickelte digitale Infrastrukturen. In vielen ländlichen Regionen fehlen hingegen noch digitale Infrastrukturen, Kompetenzen und unternehmerische Netzwerke, um von der Automatisierung durch KI zu profitieren. Die Automatisierungspotenziale durch KI sind im Moment vor allem in wirtschaftlich starken Kreisen hoch, die hohe Anteile wissensintensiver Wirtschaftszweige aufweisen (Abbildung 3 rechts).
Abbildung 3
Automatisierungspotenziale durch KI¹
1 Die Automatisierungspotenziale sind eine Übertragung der Klassifikation von Webb (2020) auf die deutsche Berufsklassifikation. Der Indikator misst die Übereinstimmung der Tätigkeitsbeschreibung einzelner Berufe mit Anwendungsfeldern von KI aus Patenttexten auf einer Skala von 1 bis 100. 2 Gemäß der Klassifikation der Wirtschaftszweige, Ausgabe 2008 (WZ, 2008). Berechnet für die durchschnittliche Beschäftigungsstruktur für die Jahre 2012 bis 2019 mithilfe der Stichprobe der integrierten Erwerbsbiografien. 3 Handel, Instandhaltung und Reparatur von Kraftfahrzeugen. 4 Der Indikator zeigt das beschäftigungsgewichtete Automatisierungspotenzial durch KI auf Ebene der Kreise und kreisfreien Städte. Bei uneindeutigen Matches wurde der Median des Automatisierungspotenzials angenommen. Die Beschäftigungsstruktur basiert auf den Daten der 2-Steller der Wirtschaftszweige und der Anforderungsniveaus der sozialversicherungspflichtigen Beschäftigung des Jahres 2023.
Quellen: eigene Berechnung basierend auf BA (2025), Fregin et al. (2023), Webb (2020).
Die Dekarbonisierung der Wirtschaft, angestoßen unter anderem durch nationale und europäische Klimaziele, wird erhebliche sektorale und regionale Anpassungen nach sich ziehen, vor allem in Regionen mit emissionsintensiven Industrien wie Stahl, Zement und Chemie (Böhringer & Alexeeva-Talebi, 2013; Glenk et al., 2024). Besonders betroffen sind etwa Teile des Ruhrgebiets und die Lausitz (Abbildung 4).
Abbildung 4
Durchschnittliche CO2-Vermeidungskosten nach Kreisen und kreisfreien Städten¹
Durchschnittswerte für den Zeitraum 2017 bis 2020
1 Die CO2-Emissionen werden anhand von energetischer Verwendung der Energieträger in individuellen Betrieben (mit über 20 Beschäftigten), die in den amtlichen Firmendaten für Deutschland enthalten sind, approximiert. Dazu werden pauschalisiert nicht-energetische Emissionen für die Wirtschaftszweige „Herstellung von chemischen Erzeugnissen“, „Herstellung von Glas und Glaswaren, Keramik, Verarbeitung von Steinen und Erden“ sowie „Metallerzeugung und -bearbeitung“ hinzugerechnet. Für CO2-Vermeidungskosten werden wirtschaftszweigspezifische Werte aus der Literatur unterstellt. Für die Wirtschaftszweige mit fehlenden Werten wurden Vermeidungskosten von 50 € pro Tonne unterstellt. Wirtschaftszweige gemäß der Klassifikation der Wirtschaftszweige, Ausgabe 2008 (WZ, 2008).
Quellen: eigene Berechnung basierend auf Daten der FDZ der Statistischen Ämter des Bundes und der Länder.
Höhere Produktionskosten durch steigende CO2-Preise oder strukturelle Umstellungen der Produktionsprozesse energieintensiver Unternehmen, wie im Automobilbau, dürften die industrielle Basis dieser Regionen unter Druck setzen. Gleichzeitig bieten sich im Bereich grüner Technologien Entwicklungschancen, sofern regionale Innovationssysteme entsprechend gestärkt werden.
Darüber hinaus altert Deutschland, jedoch regional in unterschiedlichem Tempo. In strukturschwachen ländlichen Regionen Ostdeutschlands und Teilen Norddeutschlands schreitet der demografische Rückgang besonders schnell voran (Buch et al., 2024). Die bereits bestehenden Strukturprobleme werden durch die schrumpfende Erwerbsbevölkerung und die damit verbundene geringere Verfügbarkeit von Fachkräften in diesen Regionen unter Umständen verschärft (Maier et al., 2024). Andererseits könnte der Eintritt Älterer in die Rente bei einer abnehmenden Arbeitsnachfrage im Strukturwandel mildernd auf die extensiven Arbeitsmarkteffekte wirken. Qualifizierte Arbeitskräfte konzentrieren sich zunehmend in urbanen Zentren, was peripheren Regionen nicht nur Wachstumspotenzial entzieht, sondern generell ihre Anpassungsfähigkeit an wirtschaftliche Veränderungen schwächt. Dagegen könnten dynamische Metropolregionen durch (Binnen-)Migration ihre Bevölkerungsbasis zumindest teilweise stabilisieren.
Mit dem Strukturwandel verändern sich die Qualifikationsanforderungen am Arbeitsmarkt. Regionen mit geringer Weiterbildungsbeteiligung und spezialisierter Arbeitskräftestruktur (z. B. ehemalige Kohleregionen) sind besonders anfällig für Skill-Mismatches. Ohne gezielte Qualifizierungsstrategien drohen diese Regionen bei der Anpassung an neue wirtschaftliche Anforderungen zurückzufallen.
Regionale Charakteristika
Die Wirtschaftsstruktur der Regionen beeinflusst, wie stark sie dem Strukturwandel jeweils ausgesetzt, aber auch wie anpassungsfähig sie sind. Im Frühjahrsgutachten des SVR Wirtschaft betrachten wir in Anlehnung an Findeisen und Südekum (2008) zunächst rückblickend die regionale Wirtschaftsentwicklung anhand zweier Kriterien: wie viel Strukturwandel die Regionen bisher relativ zum Durchschnitt aller Regionen in Deutschland aufweisen und wie stark die Beschäftigung in den Regionen relativ zum Durchschnitt gewachsen ist. Die Regionen werden dabei in vier Typen eingeteilt (SVR Wirtschaft, 2025). Die räumliche Verteilung dieser Typen zeigt, dass in den östlichen Kreisen bisher wenig Strukturwandel stattfand und das Beschäftigungswachstum gering war (zurückbleibende Regionen) (Abbildung 5 links). Im Südosten, im Saarland sowie im westlichen Rheinland-Pfalz gibt es Regionen mit starkem Strukturwandel, aber ebenfalls niedrigem Beschäftigungswachstum (Verlierer im Strukturwandel). Regionen mit starkem Strukturwandel und relativ starkem Beschäftigungswachstum (sich neu erfindende Regionen) sind vor allem im Süden konzentriert. Schließlich gibt es Regionen, die bisher strukturstabil waren, aber gleichzeitig ein hohes Beschäftigungswachstum aufweisen (erfolgreiche, strukturbeständige Regionen). Sie befinden sich überwiegend in den westdeutschen Bundesländern, während sie in den ostdeutschen Bundesländern die Ausnahme sind.
Abbildung 5
Regionaler Strukturwandel und seine Treiber
1 Die Karte zeigt Kreistypen nach Findeisen und Südekum (2008) in Bezug auf ihr Beschäftigungswachstum und die Veränderungsrate der Wirtschaftsstruktur gemessen als durchschnittliche jährliche Umbruchsrate (excess churning rate). Diese Rate misst die Veränderung in der Zusammensetzung von Wirtschaftszweigen einer Region, gemessen an der Beschäftigungsstruktur, relativ zur Veränderung der Gesamtbeschäftigung dieser Region. Beschäftigungswachstum kann auch negativ sein. Datenbasis: Zahl der sozialversicherungspflichtig Beschäftigten nach Wirtschaftszweigen (3-Steller), gemäß der Klassifikation der Wirtschaftszweige, Ausgabe 2008 (WZ, 2008), je Kreis oder kreisfreier Stadt und Jahr (1999 bis 2023). 2 Die Karte zeigt die Ausgesetztheit gegenüber allen Treibern, gemessen als Summe der standardisierten Indikatoren, in Quintilgruppen. Lesebeispiel: Ein hellblauer Kreis (z. B. München) bedeutet, dass dieser Landkreis ins unterste Quintil der normalisierten, summierten Indikatoren der hier diskutierten Treiber fällt, also am wenigsten den gegenwärtigen und zukünftigen Treibern des Strukturwandels ausgesetzt ist.
Quellen: eigene Berechnungen basierend auf BA (2025), BACI Datenbank CEP II (Gaulier & Zignago, 2010), Frey und Osborne (2017), Webb (2020).
Um die absehbare künftige Entwicklung der Regionen darzustellen, haben wir die Betroffenheit der Regionen durch verschiedene Treiber des Strukturwandels analysiert. Wer bisher schon stark vom Strukturwandel betroffen war, wird dies auch in Zukunft sein (Abbildung 5 rechts). In bisher erfolgreichen Regionen werden die Treiber voraussichtlich weniger wirken. Künftig werden aber auch Regionen, die bisher strukturstabil und gleichzeitig wirtschaftlich erfolgreich waren, stärker vom Strukturwandel betroffen sein. Dies gilt vor allem für Regionen mit einem hohen Anteil an Beschäftigten im Verarbeitenden Gewerbe, insbesondere wissensintensiven Wirtschaftszweigen. Regionen mit hohen Anteilen wissensintensiver Dienstleistungen werden hingegen weniger stark betroffen sein.
Darüber hinaus beeinflussen regionale Unterschiede in Infrastruktur, Humankapital und Innovationsfähigkeit die Widerstandsfähigkeit gegenüber dem Strukturwandel. Ballungsräume profitieren von dichten Arbeitsmärkten, Hochschulnähe und einer diversifizierten Wirtschaftsstruktur. Sie können neue Branchen und Technologien leichter integrieren. Industrielle Monostrukturen hingegen erschweren die Anpassung: Regionen mit hoher Branchenspezialisierung, wie Automobilcluster, sind bei negativen Branchenschocks besonders verwundbar.
Handlungsoptionen
Eine differenzierte Strukturpolitik ist essenziell, um die regionale Anpassungsfähigkeit im Strukturwandel zu sichern. Dabei kann es nicht darum gehen, den Strukturwandel zu verhindern. Die gesellschaftliche Akzeptanz des Strukturwandels hängt jedoch entscheidend davon ab, ob es gelingt, nicht nur gesamtwirtschaftliche ökonomische Kennziffern zu verbessern, sondern auch eine Zukunftsperspektive für besonders betroffene und benachteiligte Regionen zu schaffen. Die negativen politischen Auswirkungen eines nicht erfolgreichen Strukturwandels zeigen sich besonders in Regionen mit Bevölkerungsrückgang, wirtschaftlicher Unsicherheit und Infrastrukturmängeln (Fraile & Pardos-Prado, 2014; Diermeier et al., 2024). Trotz vergleichsweise guter wirtschaftlicher Entwicklung wird dort die Lage oft negativ wahrgenommen (Bundesregierung, 2024), was das Vertrauen in staatliche Institutionen untergräbt, und demokratische Strukturen gefährden kann (Colantone & Stanig, 2019). Gezielte Wirtschaftsförderung – etwa durch den Europäischen Fonds für regionale Entwicklung – kann hingegen das Vertrauen in demokratische Institutionen stärken (Gold & Lehr, 2024).
Die deutsche Strukturpolitik hat sich in der Vergangenheit oft auf den Erhalt bestehender Strukturen fokussiert, was Anpassungsprozesse unnötig verzögert und ineffizient gemacht hat. Eine proaktive Politik könnte hingegen neue Wachstumschancen unterstützen, möglichst bevor große Verwerfungen entstehen. Gleichzeitig ist es wichtig, die Förderung nicht nur auf bereits geschwächte Regionen zu konzentrieren, sondern auch Regionen zu unterstützen, die zukünftig vor erheblichen Herausforderungen stehen werden. Zum Beispiel könnte eine Ergänzung der Gemeinschaftsaufgabe „Verbesserung der regionalen Wirtschaftsstruktur“ (GRW), dem zentralen Instrument der regionalen Wirtschaftsförderung in Deutschland, um eine Säule, die auf Investitionen zur Dekarbonisierung fokussiert und bundesweit einsetzbar ist (Südekum & Posch, 2024), ein erster proaktiver Ansatz mit missionsorientierten und technologieoffenen Elementen sein.
Regionale Rahmenbedingungen haben einen wesentlichen Einfluss auf Standortentscheidungen. Für etablierte Unternehmen ist ein Umzug auch bei veränderten regionalen Rahmenbedingungen oft keine realistische Option. Daher sind Place-Based Policies, die gezielt wirtschaftlich schwächere Regionen fördern und Anpassungsfriktionen verringern, weiterhin sinnvoll. Insbesondere horizontale Elemente wie digitale und physische Infrastruktur müssen flächendeckend ausgebaut werden, um die Standortattraktivität auch außerhalb der Ballungsräume zu erhöhen. Breitbandnetze, 5G-Ausbau und moderne Verkehrsanbindungen verbessern die Erreichbarkeit peripherer Regionen und erhöhen deren Attraktivität für Unternehmen und Arbeitskräfte. Regionale Innovationsförderung sollte gezielt Clusterstrukturen stärken und Innovationsökosysteme schaffen. Dabei sollten Hochschul- und Forschungsstandorte außerhalb der Metropolen gezielt gestärkt werden, was die Ansiedlung forschungsintensiver Unternehmen in Regionen mit Transformationsbedarf befördern kann. Darüber hinaus zeigen Evaluationen der GRW insgesamt eine positive, aber heterogene Effektivität der Förderung (Brachert et al., 2024). Investitionszuschüsse für Unternehmen im Verarbeitenden Gewerbe in strukturschwachen Regionen Ostdeutschlands zeigten eine hohe Effektivität: Mit Kosten von rund 19.000 € pro geschaffenem Arbeitsplatz ist die GRW-Förderung als relativ kosteneffizient einzustufen (Siegloch et al., 2025; Grunau et al., 2025).
Als weitere Säule sind arbeitsmarktpolitische Maßnahmen notwendig. Sie sind angesichts der bestehenden Fachkräfteengpässe in vielen Berufen sowie der demografischen Entwicklung in der kurzen Frist besonders geeignet, um dem Strukturwandel zu begegnen. Qualifizierungs- und Weiterbildungsangebote müssen stärker an regionale Wirtschaftsstrukturen angepasst werden. Kooperationen zwischen Unternehmen, Arbeitsagenturen und Bildungseinrichtungen sollten ausgebaut werden, um Beschäftigten attraktiv zu ermöglichen, neue, gesuchte Tätigkeitsprofile auszuführen. Weiterbildung muss insbesondere in Regionen intensiviert werden, die absehbar vom Strukturwandel betroffen sind, und durch niedrigschwellige Zugänge gefördert werden. Eine finanzielle Unterstützung kann die Teilnahme an umfangreichen Umschuldungen erhöhen. Investitionen in bezahlbaren Wohnraum und Verkehrsinfrastruktur, etwa durch bessere Verkehrsanbindungen oder Unterstützungsangebote für Umzüge sowie überregionale Arbeitsmarktdrehscheiben könnten die räumliche Mobilität von Beschäftigten erhöhen.
Literatur
Arntz, M., Gregory, T., Zierahn, U., Lehmer, F. & Matthes, B. (2018, April). Digitalisierung und die Zukunft der Arbeit: Makroökonomische Auswirkungen auf Beschäftigung, Arbeitslosigkeit und Löhne von morgen (ZEW-Gutachten).
BA – Bundesagentur für Arbeit. (2025). Datenservice der BA.
BBSR – Bundesinstitut für Bau-, Stadt- und Raumforschung. (2024). INKAR – Indikatoren und Karten zur Raum- und Stadtentwicklung, Ausgabe 2024.
Boddin, D. & Kroeger, T. (2022). Servitization, inequality, and wages. Labour Economics, 77, 102011.
Boddin, D. & Kroeger, T. (2024). Disentangling structural change, servitization, and skillbiased change. SSRN Working Paper, Nr. 4896776.
Böhringer, C. & Alexeeva-Talebi, V. (2013). Unilateral climate policy and competitiveness: Economic implications of differential emission pricing. The World Economy, 36(2), 121–154.
Brachert, M., Dettmann, E., Schneider, L. & Titze, M. (2024). Evaluation der Gemeinschaftsaufgabe „Verbesserung der regionalen Wirtschaftsstruktur“ (GRW) durch einzelbetriebliche Erfolgskontrolle. IWH Studies, Nr. 3/2024.
Buch, T., Fuchs, M., Helm, J., Niebuhr, A., Peters, J. C. & Sieglen, G. (2024). Zunehmende Fachkräfteengpässe – Warum sind ländliche Räume besonders betroffen? Wirtschaftsdienst, 104(5), 323–328.
Bundesregierung. (2024). Gleichwertigkeitsbericht 2024: Für starke und lebenswerte Regionen in Deutschland (Gleichwertigkeitsbericht). Bundesministerium für Wirtschaft und Klimaschutz & Bundesministerium des Innern und für Heimat.
Chen, N., Novy, D., Perroni, C. & Wong, H. C. (2023, November). Urban-biased structural change. CESifo Working Paper, Nr. 10804. CESifo.
Colantone, I. & Stanig, P. (2019). The surge of economic nationalism in Western Europe. Journal of Economic Perspectives, 33(4), 128–151.
Czarnitzki, D., Fernández, G. P. & Rammer, C. (2023). Artificial intelligence and firm-level productivity. Journal of Economic Behavior & Organization, 211, 188–205.
Dauth, W., Findeisen, S. & Südekum, J. (2014). The rise of the East and the Far East: German labor markets and trade integration. Journal of the European Economic Association, 12(6), 1643–1675.
Diermeier, M., Oberst, C., Sultan, S. & Förster, H. (2024). Regionale Entwicklung im Vergleich: Wirtschaftliche Aufholprozesse in Ostdeutschland unterschätzt? IW-Policy Paper, Nr. 6/2024.
Dörr, L., Falck, O., Gründler, K., Heil, P., Potrafke, N., Pfaffl, C. & Schlepper, M. (2024). Strukturwandel in ländlichen Räumen. ifo Forschungsbericht, Nr. 141.
Duranton, G. & Puga, D. (2014). Chapter 5: The growth of cities. In P. Aghion & S. N. Durlauf (Hrsg.), Handbook of economic growth (Bd. 2, S. 781–853). Elsevier.
ElFayoumi, K., Ndoye, A., Nadeem, S. & Auclair, G. (2018). Structural reforms and labor reallocation: A cross-country analysis. IMF Working Paper, Nr. WP/18/64. International Monetary Fund.
Eurostat. (o. D.). Bruttowertschöpfung nach A*10 Wirtschaftsbereichen - internationale Datenkooperation Jahresdaten.
Faber, M., Kilic, K., Kozliakov, G. & Marin, D. (2025). Global value chains in a world of uncertainty and automation. Journal of International Economics, 155, 104079.
Filippucci, F., Gal, P., Jona-Lasinio, C., Leandro, A. & Nicoletti, G. (2024, April). The impact of artificial intelligence on productivity, distribution and growth: Key mechanisms, initial evidence and policy challenges. OECD Artificial Intelligence Paper, Nr. 15.
Findeisen, S. & Südekum, J. (2008). Industry churning and the evolution of cities: Evidence for Germany. Journal of Urban Economics, 64(2), 326–339.
Forschungsdatenzentren (FDZ) der Statistischen Ämter des Bundes und der Länder. (o. D). Metadaten, AFiD-Panel Industriebetriebe 1995-2021, On-Site-Zugang.
Fraile, M. & Pardos-Prado, S. (2014). Correspondence between the objective and subjective economies: The role of personal economic circumstances. Political Studies, 62(4), 895–912.
Fregin, M. C., Koch, T., Malfertheiner, V., Özgül, P. & Stops, M. (2023). Automatisierungspotenziale von beruflichen Tätigkeiten: Künstliche Intelligenz und Software-Beschäftigte sind unterschiedlich betroffen. IAB-Kurzbericht, 21/2023.
Frey, C. B. & Osborne, M. A. (2017), The future of employment: How susceptible are jobs to computerisation? Technological Forecasting and Social Change, 114, 254–280.
Gaulier, G. & Zignago, S. (2010). BACI: International Trade Database at the Product-Level. The 1994-2007 Version. CEPII Working Paper, Nr. 2010-23.
Glenk, G., Meier, R. & Reichelstein, S. (2024). Assessing the costs of industrial decarbonization. ZEW Discussion Paper, Nr. 24061.
Gold, R. & Lehr, J. (2024, März). Paying off populism: How regional policies affect voting behavior. Kiel Working Paper, Nr. 2266.
Grunau, P., Hoffmann, F., Lemieux, T. & Titze, M. (2025). Who benefits from place-based policies? Evidence from matched employer–employee data. NBER Working Paper, Nr. 33785.
Herrendorf, B., Rogerson, R. & Valentinyi, Á. (2014). Chapter 6 – Growth and structural transformation. In P. Aghion & S. N. Durlauf (Hrsg.), Handbook of economic growth (Bd. 2, S. 855–941). Elsevier.
Hüther, M., Bialek, S., Schaffranka, C., Schnitzer, M., Müller, S., Heymann, E., Maier, T., Falck, O., Flach, L., Pfaffl, C. & Schneider, C. (2023, März 15). Deindustrialisierung: Schreckgespenst oder notwendiger Schritt im Strukturwandel der deutschen Wirtschaft? ifo Schnelldienst, 76(3), 1–30.
Lehmann, R., Linz, S. & Wollmershäuser, T. (2025, 21. März). Strukturwandel im Verarbeitenden Gewerbe: Hybride Produkte und Produktionsprozesse verändern industrielle Geschäftsmodelle. ifo Schnelldienst digital, 6(5), 1–13.
Lehmer, F. & Matthes, B. (2017). Auswirkungen der Digitalisierung auf die Beschäftigungsentwicklung in Deutschland. IAB Aktuelle Berichte, 5/2017.
Maier, T., Kalinowski, M., Schur, A., Zika, G., Schneemann, C., Mönnig, A. & Wolter, M. (2024). Weniger Arbeitskraft, weniger Wachstum: Ergebnisse der achten Welle der BIBB-IAB-Qualifikations- und Berufsprojektionen bis zum Jahr 2040. BIBB Report, 1/2024. Bundesinstitut für Berufsbildung (BIBB).
McElheran, K., Li, J. F., Brynjolfsson, E., Kroff, Z., Dinlersoz, E., Foster, L. & Zolas, N. (2024). AI adoption in America: Who, what, and where. Journal of Economics & Management Strategy, 33(2), 375–415.
Rammer, C., Doherr, T., Kinne, J. & Lenz, D. (2024). KI-Einsatz in Unternehmen in Deutschland: Strategische Ausrichtung und internationale Position (ZEW Expertises). Bundesministerium für Wirtschaft und Klimaschutz.
Siegloch, S., Wehrhöfer, N. & Etzel, T. (2025). Spillover, efficiency and equity effects of regional firm subsidies. American Economic Journal: Economic Policy, 17(1), 144–180.
Stehrer, R., Foster-McGregor, N., Koenen, J., Leitner, S. M., Schricker, J., Strobel, T., Vermeulen, J., Vieweg, H. G. & Yagafarova, A. (2015, Juli). The relation between industry and services in terms of productivity and value creation. wiiw Research Report, Nr. 404. Wiener Institut für Internationale Wirtschaftsvergleiche (wiiw).
Südekum, J. & Posch, D. (2024). Regionale Disparitäten in der Transformation: Braucht es ein Update der deutschen Regionalpolitik? Wirtschaftsdienst, 104(7), 457–461.
SVR Wirtschaft – Sachverständigenrat zur Begutachtung der gesamtwirtschaftlichen Entwicklung. (2017). Für eine zukunftsorientierte Wirtschaftspolitik. Jahresgutachten 2017/18.
SVR Wirtschaft – Sachverständigenrat zur Begutachtung der gesamtwirtschaftlichen Entwicklung. (2025). Frühjahrsgutachten 2025.
Webb, M. (2020). The impact of Artificial Intelligence on the labor market, Stanford University.
Yi, M., Müller, S. & Stegmaier, J. (2024). Industry mix, local labor markets, and the incidence of trade shocks. Journal of Labor Economics, 42(3), 837–875.