1 Einleitung

Die Verschuldung hat der Kommune Bürstadt hat sich seit 2019 stark erhöht.

Alle Informationen in diesem Text sind aus öffentlichen Quellen und genauestens dokumentiert.

2 Entwicklung der Verschuldung

Dokumente zur Schuldenentwicklung der Stadt Bürstadt sind öffentlich und eindeutig.

https://www.buerstadt.de/fileadmin/Dateien/Cross7/Root/de/Rathaus_%26_Politik/Rathausservice/Haushaltsplan/Entwurf_Haushalt_2024.pdf

Entwurf Haushaltsplan 2024 vom 8.11.23 Seite 35.

https://www.buerstadt.de/de/rathaus-politik/rathausservice/haushaltsplan#c363

https://www.buerstadt.de/fileadmin/Dateien/Dateien/Rathaus_und_Politik/Haushaltsplan/Haushaltsplan_2020.pdf Bilanz Verbindlichkeiten aus Kreditaufnahmen zum 31.12.2018: 17.444.571,12 31.12.2017: 16.567.977,11

https://www.buerstadt.de/fileadmin/Dateien/Dateien/Rathaus_und_Politik/Haushaltsplan/20190711_Haushaltsplan_Haushalt_2019.pdf Bilanz Verbindlichkeiten aus Kreditaufnahmen 2017 16.567.977,11 2016 18.059.767,27

https://www.buerstadt.de/fileadmin/Dateien/Dateien/Rathaus_und_Politik/Haushaltsplan/20190711_Haushaltsplan_Haushalt_2018.pdf Bilanz Verbindlichkeiten aus Kreditaufnahmen 31.12.2016 18.059.767,27 31.12.2015 19.666.125,70

https://www.buerstadt.de/fileadmin/Dateien/Dateien/Rathaus_und_Politik/Haushaltsplan/20190711_Haushaltsplan_Haushalt_2017.pdf Bilanz Verbindlichkeiten aus Kreditaufnahmen 31.12.2014 19.532.359,03 € 31.12.2013 18.601.538,40 €

Der Plot zeichnet den Schuldenstand jeweils am Anfang eines Jahres. D.h. z.B. der Kringel bei 2024 gibt den Schuldenstand zum 31.12.2023 an. Der Wert für Anfang 2025 ist die Planung nach dem Haushalt 2024.

d <- read.table('kreditentwicklung-2024.csv', header=TRUE, sep="\t")
d$endbestand <- NULL
d$Neuaufnahme <- NULL
d$Tilgung <- NULL
d$Neuverschuldung <- NULL
d$Pro.Kopf. <- NULL
d$Stand <- NULL
d$Quelle <- NULL
d <- subset(d, jahr > 2013 & jahr<=2025)

knitr::kable(d);
jahr anfangsbestand
2 2014 18601538
3 2015 19532359
4 2016 19666126
5 2017 18059767
6 2018 16567977
7 2019 17400412
8 2020 18174247
9 2021 23125640
10 2022 26913000
11 2023 31508080
12 2024 33360080
13 2025 36364810 
plot(d$jahr, d$anfangsbestand/(1000*1000), type='b', ylim=c(0, max(d$anfangsbestand)/(1000*1000)),
     main='Verbindlichkeiten aus Kreditaufnahme Bürstadt',
     xlab='Jahr', ylab='Millionen EUR')
grid();

Ältere Jahre von https://statistik.hessen.de/sites/statistik.hessen.de/files/2023-08/lii7_j2022_schulden_tabelle_4a.xlsx Die Werte sind Endbestände des Angegebenen Jahres, wir tragen sie als Anfangsbestände des Folgejahres ein.

s <- read.table('statistik_hessen.csv', header=TRUE, sep="\t")
a <- d
a[nrow(a)+1,] = c(1997, s$X1996)
a[nrow(a)+1,] = c(1998, s$X1997)
a[nrow(a)+1,] = c(1999, s$X1998)
a[nrow(a)+1,] = c(2000, s$X1999)
a[nrow(a)+1,] = c(2001, s$X2000)
a[nrow(a)+1,] = c(2002, s$X2001)
a[nrow(a)+1,] = c(2003, s$X2002)
a[nrow(a)+1,] = c(2004, s$X2003)
a[nrow(a)+1,] = c(2005, s$X2004)
a[nrow(a)+1,] = c(2006, s$X2005)
a[nrow(a)+1,] = c(2007, s$X2006)
a[nrow(a)+1,] = c(2008, s$X2007)
a[nrow(a)+1,] = c(2009, s$X2008)
a[nrow(a)+1,] = c(2010, s$X2009)
a[nrow(a)+1,] = c(2011, s$X2010)
a[nrow(a)+1,] = c(2012, s$X2011)
a[nrow(a)+1,] = c(2013, s$X2012)
a <- a[order(a$jahr),]
knitr::kable(a);
jahr anfangsbestand
13.1 1997 13377441
14 1998 12758266
15 1999 13490948
16 2000 12897338
17 2001 12322646
18 2002 13271603
19 2003 13497000
20 2004 13040000
21 2005 12513000
22 2006 13249000
23 2007 13951000
24 2008 15099000
25 2009 15407000
26 2010 17626000
27 2011 16894006
28 2012 15270761
29 2013 17518851
2 2014 18601538
3 2015 19532359
4 2016 19666126
5 2017 18059767
6 2018 16567977
7 2019 17400412
8 2020 18174247
9 2021 23125640
10 2022 26913000
11 2023 31508080
12 2024 33360080
13 2025 36364810 
plot(a$jahr, a$anfangsbestand/(1000*1000), type='b', ylim=c(0, max(d$anfangsbestand)/(1000*1000)),
     main='Verbindlichkeiten aus Kreditaufnahme Bürstadt',
     xlab='Jahr', ylab='Millionen EUR')
grid();

2.1 Inflationsbereinigung

https://www-genesis.destatis.de/datenbank/online/url/2f6c6113

Die Indexwerte geben den Index-Stand am Ende eines Jahres an. Der Wert für 2024 ist vom Oktober 2024.

inflation <- read.table('inflation.csv', header=TRUE, sep="\t")
inflation <- subset(inflation, jahr >= min(a$jahr)-1)
a$index <- inflation$index
a$bereinigt <- a$anfangsbestand * max(a$index)/a$index

knitr::kable(a, align='lcccc');
jahr anfangsbestand index bereinigt
13.1 1997 13377441 72.0 22332894
14 1998 12758266 73.4 20892965
15 1999 13490948 74.0 21913674
16 2000 12897338 74.5 20808859
17 2001 12322646 75.5 19618305
18 2002 13271603 77.0 20717490
19 2003 13497000 78.1 20772592
20 2004 13040000 78.9 19865754
21 2005 12513000 80.2 18753898
22 2006 13249000 81.5 19540243
23 2007 13951000 82.8 20252539
24 2008 15099000 84.7 21427388
25 2009 15407000 86.9 21310948
26 2010 17626000 87.2 24296390
27 2011 16894006 88.1 23049484
28 2012 15270761 90.0 20394950
29 2013 17518851 91.7 22963641
2 2014 18601538 93.1 24016165
3 2015 19532359 94.0 24976485
4 2016 19666126 94.5 25014479
5 2017 18059767 95.0 22850358
6 2018 16567977 96.4 20658411
7 2019 17400412 98.1 21320383
8 2020 18174247 99.5 21955222
9 2021 23125640 100.0 27797019
10 2022 26913000 103.1 31376747
11 2023 31508080 110.2 34367252
12 2024 33360080 116.7 34360597
13 2025 36364810 120.2 36364810 
plot(a$jahr, a$bereinigt/(1000*1000), type='b', ylim=c(0, max(d$anfangsbestand)/(1000*1000)),
     main='Verbindlichkeiten aus Kreditaufnahme Bürstadt Inflationsbereinigt',
     xlab='Jahr', ylab='Millionen EUR')
grid();
abline(v=2013.5, col='darkblue')
text(2013.5, 3, 'Bgm\nSchader', col='darkblue');

abline(v=2019.75, col='darkred')
text(2019.5, 3, 'Sport-\npark', col='darkred');

abline(v=2021.5, col='darkred')
text(2021.5, 8, 'Straßen-\nBeiträge', col='darkred');

2.2 Trendberechnung vor / ab 2020

(trendb4 <- lm( bereinigt/(1000*1000)~jahr, subset(a, jahr <= 2020 ) ));
## 
## Call:
## lm(formula = bereinigt/(1000 * 1000) ~ jahr, data = subset(a, 
##     jahr <= 2020))
## 
## Coefficients:
## (Intercept)         jahr  
##   -198.4627       0.1096
(trend2021 <- lm( bereinigt/(1000*1000)~jahr, subset(a, jahr >=2021 ) ));
## 
## Call:
## lm(formula = bereinigt/(1000 * 1000) ~ jahr, data = subset(a, 
##     jahr >= 2021))
## 
## Coefficients:
## (Intercept)         jahr  
##   -4037.308        2.012

Seit 2021 machen wir im Mittel pro Jahr also 2 Millionen € neue Schulden.

ncitizen <- 16980;
per_year <- coef(trend2021)[2] * (1000*1000)
per_year / ncitizen;
##    jahr 
## 118.489

Pro Bürger*in und Jahr also Schulden von 120€

Zunahme der Kommunalen Schulden seit 2020 von 69%:

max(a$bereinigt) / mean(subset(a, jahr <=2020)$bereinigt)
## [1] 1.679333

2.3 Mit Straßenbeiträgen

Wenn Bürstadt 2021 die Straßenbeiträge nicht zurückgezahlt hätte, und dann dieselben Straßenbaumaßnahmen durchgeführt hätte, dann wären die zurückgezahlten Straßenbeiträge noch auf dem Konto, und jedes Jahr seither wären 1,23 Millionen € an Straßenbeiträgen eingegangen. Daneben wären entsprechend weniger Zinsen und Zinsenszinsen angefallen.

4,91 Millionen € wurden 2021 zurückgezahlt. 1,18 Millionen € für 2018 hätte Bürstadt wohl zurückzahlen müssen, weil von der Verwaltung ein Formfehler gemacht wurde.

# stb: Straßenbeiträge in Millionen €
a$stb <- rep( 0, nrow(a) )
a$stb[ 2022-a$jahr[1]+1 ] <- (4.91 - 1.18);
a$stb[ 2023-a$jahr[1]+1 ] <- 1.23;
a$stb[ 2024-a$jahr[1]+1 ] <- 1.23;
a$stb[ 2025-a$jahr[1]+1 ] <- 1.23;

# Zinsen 2%
interest <- 1.02;

# Zinsen berücksichtigen
a$stb[ 2022-a$jahr[1]+1 ] <- a$stb[ 2022-a$jahr[1]+1 ] * interest ^ (2024-2021);
a$stb[ 2023-a$jahr[1]+1 ] <- a$stb[ 2023-a$jahr[1]+1 ] * interest ^ (2024-2022);
a$stb[ 2024-a$jahr[1]+1 ] <- a$stb[ 2024-a$jahr[1]+1 ] * interest ^ (2024-2023);
a$stb[ 2025-a$jahr[1]+1 ] <- a$stb[ 2025-a$jahr[1]+1 ] * interest ^ (2024-2024);

# Addieren
a$stbsum <- a$stb;
i <- 2;
while (i<=nrow(a))
{
  a$stbsum[i] <- a$stbsum[i] + a$stbsum[i-1];
  i <- i+1;
}

# Von Schuldenstand abziehen
a$anfangsbestandstb <- a$anfangsbestand - a$stbsum*(1000*1000);

# Inflationskorrektur
a$bereinigtstb <- a$anfangsbestandstb * max(a$index)/a$index

knitr::kable(a);
jahr anfangsbestand index bereinigt stb stbsum anfangsbestandstb bereinigtstb
13.1 1997 13377441 72.0 22332894 0.000000 0.000000 13377441 22332894
14 1998 12758266 73.4 20892965 0.000000 0.000000 12758266 20892965
15 1999 13490948 74.0 21913674 0.000000 0.000000 13490948 21913674
16 2000 12897338 74.5 20808859 0.000000 0.000000 12897338 20808859
17 2001 12322646 75.5 19618305 0.000000 0.000000 12322646 19618305
18 2002 13271603 77.0 20717490 0.000000 0.000000 13271603 20717490
19 2003 13497000 78.1 20772592 0.000000 0.000000 13497000 20772592
20 2004 13040000 78.9 19865754 0.000000 0.000000 13040000 19865754
21 2005 12513000 80.2 18753898 0.000000 0.000000 12513000 18753898
22 2006 13249000 81.5 19540243 0.000000 0.000000 13249000 19540243
23 2007 13951000 82.8 20252539 0.000000 0.000000 13951000 20252539
24 2008 15099000 84.7 21427388 0.000000 0.000000 15099000 21427388
25 2009 15407000 86.9 21310948 0.000000 0.000000 15407000 21310948
26 2010 17626000 87.2 24296390 0.000000 0.000000 17626000 24296390
27 2011 16894006 88.1 23049484 0.000000 0.000000 16894006 23049484
28 2012 15270761 90.0 20394950 0.000000 0.000000 15270761 20394950
29 2013 17518851 91.7 22963641 0.000000 0.000000 17518851 22963641
2 2014 18601538 93.1 24016165 0.000000 0.000000 18601538 24016165
3 2015 19532359 94.0 24976485 0.000000 0.000000 19532359 24976485
4 2016 19666126 94.5 25014479 0.000000 0.000000 19666126 25014479
5 2017 18059767 95.0 22850358 0.000000 0.000000 18059767 22850358
6 2018 16567977 96.4 20658411 0.000000 0.000000 16567977 20658411
7 2019 17400412 98.1 21320383 0.000000 0.000000 17400412 21320383
8 2020 18174247 99.5 21955222 0.000000 0.000000 18174247 21955222
9 2021 23125640 100.0 27797019 0.000000 0.000000 23125640 27797019
10 2022 26913000 103.1 31376747 3.958306 3.958306 22954694 26761923
11 2023 31508080 110.2 34367252 1.279692 5.237998 26270082 28653937
12 2024 33360080 116.7 34360597 1.254600 6.492598 26867482 27673276
13 2025 36364810 120.2 36364810 1.230000 7.722598 28642212 28642212 
plot(a$jahr, a$bereinigt/(1000*1000), type='b', ylim=c(0, max(d$anfangsbestand)/(1000*1000)),
     main='Verbindlichkeiten Bürstadt mit Straßenbeiträgen',
     xlab='Jahr', ylab='Millionen EUR')
grid();
lines(a$jahr, a$bereinigtstb/(1000*1000), col='darkgreen', type='b', lwd=3);

abline(v=2013.5, col='darkblue')
text(2013.5, 3, 'Bgm\nSchader', col='darkblue');

abline(v=2019.75, col='darkred')
text(2019.5, 3, 'Sport-\npark', col='darkred');

abline(v=2021.5, col='darkred')
text(2021.5, 8, 'Straßen-\nBeiträge', col='darkred');

lines(2021:2025, predict(trend2021), col='darkred');
lines(1997:2020, predict(trendb4), col='green')

legend(x= "bottomleft",
       legend=c("Tatsächliche Schulden", "Schulden mit Straßenbeiträgen", "Trend ab 2021", "Trend bis 2020"),
       col=c("black", "darkgreen", "darkred", "green"),
       lwd=c(1, 3, 1, 1));

2.4 Trend mit Straßenbeiträgen

(trendstb <- lm( bereinigtstb/(1000*1000)~jahr, subset(a, jahr >=2021 ) ));
## 
## Call:
## lm(formula = bereinigtstb/(1000 * 1000) ~ jahr, data = subset(a, 
##     jahr >= 2021))
## 
## Coefficients:
## (Intercept)         jahr  
##   -498.4262       0.2602

Wenn wir die Straßenbeiträge also nicht abgeschafft hätten, dann hätten wir statt 2 Millionen € im Jahr stattdessen nur 0,3 Millionen € neue Schulden gemacht.

3 Anhebung Grundsteuer B

Laut Beschlussvorlage XIX/KA/0009 Bewirkt eine Hebesatzerhöhung der Grundsteuer B um 10% Mehreinnahmen von 54.000 €.

Um die für Straßenbeiträge durchschnittlich pro Jahr entfallenen 1,23 Millionen € aus der Grundsteuer B zu beziehen, müsste diese also angepasst werden um:

1.23e6 * 10 / 54000;
## [1] 227.7778

Lt Beschlussvorlage XIX/Fa/0097 beträgt der Hebesatz der Grundsteuer B nun 570 %. Also von 570 % auf

1.23e6 * 10 / 54000 + 570;
## [1] 797.7778

4 Vergleich mit anderen Kommunen

Kreditaufnahme je Bürger*in:

a$anfangsbestand[nrow(a)] / ncitizen
## [1] 2141.626

Lt. https://www.n-tv.de/regionales/hessen/Verschuldung-hessischer-Kommunen-weiter-ueber-Bundesschnitt-article24123240.html waren es in Hessen im Mittel 2420€ / Person und deutschlandweit 1800€ / Person. Demnach liegt Bürstadt noch unter dem hessischen Durchschnitt, aber deutlich über dem Bundesdurchschnitt.

5 Vergleich mit Haushaltsvolumen

Bürstadts Einkünfte sind in den letzten Jahren etwas mehr als die Inflation angestiegen. Das lag hauptsächlich an der intensiven Entwicklung neuer Gewerbeflächen, die zu höheren Gewerbesteuereinnahmen führten. Dabei hat Bürstadt die empfohlenen Richtwerte zum Flächenverbrauch der Bundesregierung und der UN nicht erfüllt. Bürstadt hat dafür eine Genehmigung beantragt.

Steigerungen in der Wirtschaftsleistung sind auch mit Steigerungen in den CO2-Emissionen verknüpft. Wirtschaftswachstum ohne Energiewende und Artenschutz bedeutet eine Steigerung in der Geschwindigkeit der Umweltzerstörung. Um diese Steigerung zu kompensieren, wären zusätzliche Anstrengungen im Klima- und Artenschutz über die ohnehin noch nie erreichten Anstregungen hinaus, wie sie ohne Wirtschaftswachstum notwendig wären, erforderlich.

Gewerbesteuereinnahmen haben eine Tendenz zu starken Schwankungen, weil sie stark von der konjunkturellen Lage abhängen und sehr schnell einbrechen können. Die Verpflichtungen zur Schuldentilgung und Zinszahlung bestehen dann aber fort.

Gesamtbetrag der Erträge lt. Haushaltsplänen der Jahre 2017 bis 2024.

e <- subset(data.frame(jahr=a$jahr, anfangsbestand=a$anfangsbestand), jahr >= 2015 & jahr <= 2024);
e$ertraege <-    c(27165219,30629531,34465444,37581943,38237165,40319027,40109318,43210769,47069985,50318445);

e$prz_verschuldung <- e$anfangsbestand / e$ertraege * 100;
knitr::kable(e);
jahr anfangsbestand ertraege prz_verschuldung
19 2015 19532359 27165219 71.90209
20 2016 19666126 30629531 64.20642
21 2017 18059767 34465444 52.39964
22 2018 16567977 37581943 44.08494
23 2019 17400412 38237165 45.50654
24 2020 18174247 40319027 45.07611
25 2021 23125640 40109318 57.65653
26 2022 26913000 43210769 62.28308
27 2023 31508080 47069985 66.93879
28 2024 33360080 50318445 66.29792 
plot(e$jahr, e$ertraege/(1000*1000), type='b', ylim=c(0, max(e$ertraege)/(1000*1000)),
     main='Entwicklung des Jahresertrags',
     xlab='Jahr', ylab='Millionen EUR',
     col='darkgreen', lwd=3)
lines(e$jahr, e$anfangsbestand/(1000*1000), type='b', col='darkred');
grid();
legend(x= "bottomright",
       legend=c("Jahresertrag", "Schulden"),
       col=c("darkgreen", "darkred"),
       lwd=c(3, 1));

plot(e$jahr, e$prz_verschuldung, type='b', 
     main='Verschuldung in % des Jahresertrags',
     xlab='Jahr', ylab='% Verschuldung')
grid();

schuldenaufnahme <- e$anfangsbestand[2:nrow(e)] - e$anfangsbestand[1:(nrow(e))-1]
plot(e$jahr[2:nrow(e)], schuldenaufnahme/(1000*1000), type='b', 
     main='Aufnahme neuer Schulden',
     xlab='Jahr', ylab='Millionen EUR');
grid();

plot(e$jahr[2:nrow(e)], schuldenaufnahme/e$ertraege[2:nrow(e)]*100, type='b',
     main='Aufnahme neuer Schulden in % des Jahresertrags',
     xlab='Jahr', ylab='% Schuldenaufnahme')
grid();

5.1 Entwicklung der Steuereinnahmen

Quelle: https://www.buerstadt.de/fileadmin/Dateien/Cross7/Root/de/Rathaus_%26_Politik/Rathausservice/Haushaltsplan/Entwurf_Haushalt_2024.pdf Seite 32.

e$gewerbesteuer<-c( 4004442, 4703185, 4080727, 4274058, 4802996, 5886046, 7592562, 6776600, 7200000, 9000000);
e$grundsteuer  <-c( 2039085, 2089012, 2094535, 2123446, 2045851, 2446699, 2769033, 2617431, 2782000, 3222000);
e$gemeinschaft <-c( 8803772, 9263899, 9675997, 9888173,10564979,10171438,11410692,11382637,12780581,12927640);
e$schluesselz  <-c( 4618749, 7384959, 7714853, 8190816, 9286607, 9302501, 9479920, 8586969, 9945291, 9710144);
e$steuersumme      <-c(19466048,23441055,23566112,24476493,26700433,27806684,31252207,29363637,32707872,34859784);
library(lattice);
xyplot(schluesselz/1e6+gewerbesteuer/1e6+steuersumme/1e6+grundsteuer/1e6+gemeinschaft/1e6~jahr, 
       e, type=c('b','g'), auto.key=TRUE,
       main="Entwicklung der Steuereinnahmen",
       ylab="Millionen €");

5.2 Inflationskorrektur für Steuereinnamen

e$index <- subset(inflation, jahr >= 2015)$index
e$gewerbesteuer <- e$gewerbesteuer * max(e$index)/e$index
e$grundsteuer <- e$grundsteuer * max(e$index)/e$index
e$gemeinschaft <- e$gemeinschaft * max(e$index)/e$index
e$schluesselz <- e$schluesselz * max(e$index)/e$index
e$steuersumme <- e$steuersumme * max(e$index)/e$index
xyplot(schluesselz/1e6+gewerbesteuer/1e6+steuersumme/1e6+grundsteuer/1e6+gemeinschaft/1e6~jahr, 
       e, type=c('b','g'), auto.key=TRUE,
       main="Entwicklung der Steuereinnahmen inflationskorrigiert",
       ylab="Millionen €");

5.3 Übersicht nach Steuerarten

Schlüsselzuweisungen sind Gelder aus dem Kommunalen Finanzausgleich KFA vom Land Hessen. Dieser ist für alle Kommunen in Hesssen zusammen von 2010 2,95 Milliarden € auf 2024 7,13 Milliarden € gestiegen. .

Gemeinschaftssteuern sind Anteile an Einkommens-, Körperschafts- und Umsatzsteuer.

Grundsteuer ist eine Steuer auf das Eigentum an Grundstücken und deren Bebauung. Die Gemeinde legt einen Hebesatz in % eines nominalen Werts fest. Die Berechnungsmethode der Grundsteuer berücksichtigt nicht die Inflation. Dementsprechend müsste der Grundsteuer-Hebesatz bis 2024 in etwa der Inflation nachgefügert werden. Berechnungsgrundlage

Gewerbesteuer ist eine Steuer auf die Gewinne von Unternehmen. Die Gemeinde legt einen Hebesatz in % eines nominalen Werts fest. Die Gewinne von Unternehmen passen sich tendenziell der Inflation an, daher muss der Hebesatz nicht von der Gemeinde der Inflation angepasst werden.

library(ggplot2)

s <- rbind(data.frame(jahr=e$jahr, mio=e$gewerbesteuer/1e6, type='1Gewerbesteuer'),
           data.frame(jahr=e$jahr, mio=e$grundsteuer/1e6, type='2Grundsteuer'),
           data.frame(jahr=e$jahr, mio=e$schluesselz/1e6, type='3Schluesselz'),
           data.frame(jahr=e$jahr, mio=e$gemeinschaft/1e6, type='4Gemeinschaft'));

ggplot(s, aes(fill=type, y=mio, x=jahr)) + geom_col() + 
       scale_x_continuous(breaks=c(2015,2019,2021,2024)) + 
       labs(y = 'Millionen €') + 
       ggtitle('Entwicklung der Steuerarten Bürstadt inflationskorrigiert')

xyplot(schluesselz/e$schluesselz[nrow(e)]*100+
       gewerbesteuer/e$gewerbesteuer[nrow(e)]*100+
       grundsteuer/e$grundsteuer[nrow(e)]*100+
       gemeinschaft/e$gemeinschaft[nrow(e)]*100~jahr, 
       e, type=c('b','g'), auto.key=TRUE,
       main="Entwicklung der Steuerarten 2024=100",
       ylab="% von 2024");

6 Grundsteuer

Entwicklung der Hebesätze:

h <- data.frame(
jahr           = c(2004, 2005, 2006, 2007, 2010,2013,2014,2015,2016,2017,2018,2019,2020,2021,2022,2023,2024),
h_grundsteuera = c(NA  , NA  , NA  , NA  , NA  ,NA  ,NA  ,NA  ,350, 350, 350, 350, 370, 370, 370, 370, 370),
h_grundsteuerb = c(220 , 220 , 230 , 230 , 250 ,300 ,330 ,430 ,430, 430, 430, 430, 490, 490, 490, 490, 570),
h_gewerbesteuer= c(NA  , NA  , NA  , NA  , NA  ,NA  ,NA  ,NA  ,NA , 360, 360, 360, 380, 380, 380, 380, 380));

e <- merge(e, h);

Die Grundsteuer für eine Grundstück berechnet sich aus dem Einheitswert multipliziert mit der Steueremesszahl und dem von der Gemeinde festgelegten Grundsteuer-Hebesatz.

Einheitswerte für Grundstücke wurden 1964 zuletzt festgestellt und seither nicht neu bewertet. Der einzige Faktor bei der Berechnung der Grundsteuer, der die Geldentwertung berücksichtigt, war damit bis 2024 die Grundsteuer-Hebesatz. Dieses Verfahren wurde vom Bundesverfassungsgericht als verfassungswidrig abgelehnt und wird daher ab 2025 durch ein neues Verfahren abgelöst.

6.1 Inflationsanpassung Grundsteuer-Hebesätze

6.1.1 Grundsteuer A

Grundsteuer A ist agraisch für Betriebe der Land- und Forstwirtschaft. Der Grundsteuer A hebesatz liegt 2024 in Bürstadt deutlich unter dem Kreis-Durchschnitt. Grundsteuer A sind 2,5 % des Grundsteueraufkommens in Bürstadt.

Für 2025 empfiehlt das Finanzamt, den Grundsteuer-Hebesatz A um 100 % anzuheben, damit die Einnahmen gleich bleiben.

Wenn der Grundsteuer A-Hebesatz seit 2016 regelmäßig nur der Inflation (Verbraucherpreisindex) angepasst worden wären, dann betrügen sie nun:

e$i_grundsteuera <- e$h_grundsteuera[2] * e$index / e$index[2];
plot(e$jahr, e$i_grundsteuera, type='b',
     main='Grundsteuer A Hebesatz',
     xlab='Jahr', ylab='%',
     col='darkgreen', lwd=3);
lines(e$jahr, e$h_grundsteuera, type='b');
grid();
legend(x= "topleft",
       legend=c("Hebesatz entsprechend Inflationskorrektur ab 2016", "Tatsächlicher Hebesatz"),
       col=c("darkgreen", "black"),
       lwd=c(3, 1));

6.1.2 Grundsteuer B

Grundsteuer B ist baulich für bebaute oder unbebaute Grundstücke.

Für 2025 sagt das Finanzamt, dass die Grundsteuer B um 100 % gesenkt werden müsste, damit die Einnahmen gleich blieben. Beibehalten des derzeitigen Hebesatzes entspräche also einer Erhöhung von 100 % nach dem alten Verfahren.

Wenn der Grundsteuer B-Hebesatz seit 2016 regelmäßig nur der Inflation (Verbraucherpreisindex) angepasst worden wären, dann betrügen sie nun:

e$i_grundsteuerb <- e$h_grundsteuerb[2] * e$index / e$index[2];
plot(e$jahr, e$i_grundsteuerb, type='b',
     main='Grundsteuer B Hebesatz',
     xlab='Jahr', ylab='%',
     col='darkgreen', lwd=3,
     ylim=c(430,570));
lines(e$jahr, e$h_grundsteuerb, type='b');
grid();
legend(x= "topleft",
       legend=c("Hebesatz entsprechend Inflationskorrektur ab 2016", "Tatsächlicher Hebesatz"),
       col=c("darkgreen", "black"),
       lwd=c(3, 1));

h <- merge(h, inflation);
h$i_grundsteuerb <- h$h_grundsteuerb[1] * h$index / h$index[1];
plot(h$jahr, h$i_grundsteuerb, type='b',
     main='Grundsteuer B Hebesatz',
     xlab='Jahr', ylab='%',
     col='darkgreen', lwd=3,
     ylim=c(0,570));
lines(h$jahr, h$h_grundsteuerb, type='b');
grid();
legend(x= "bottomright",
       legend=c("Hebesatz entsprechend Inflationskorrektur ab 2004", "Tatsächlicher Hebesatz"),
       col=c("darkgreen", "black"),
       lwd=c(3, 1));

6.1.3 Flächenzunahme?

Die Grundsteuer-Einnahmen haben stärker zugenommen als die Hebesatz B-Erhöhungen. Grundsteuer A ist so wenig, dass man man die resultierende Ungenauigkeit wohl ignorieren kann.

grundsteuer_roh <- e$grundsteuer * e$index / max(e$index)
(grundsteuer_roh[10] / e$h_grundsteuerb[10]) / (grundsteuer_roh[2] / e$h_grundsteuerb[2])
## [1] 1.163532

Das deutet ganz grob darauf hin, dass die bebaute Fläche von Bürstadt seither um 16% zugenommen hat. Allerdings gehen in die Berechnung des Einheitswerts durch das Finanzamt weitere Parameter ein.

7 Demografische Entwicklung

7.1 Entwicklung der Einwohnerzahl

Einwohnerzahl 2012 bis 2022: https://www.wegweiser-kommune.de/daten/demografische-entwicklung+buerstadt+2012-2022+tabelle

Einwohnerzahl 2023: https://www.buerstadt.de/de/rathaus-politik/ueber-buerstadt/meldungen-und-termine?c7-item=6046599

Zwischen den Daten der beiden Quellen für 2022 gibt es eine Abweichung von 291 Bürger*innen, daher zählen wir zu jedem Wert 291 hinzu, damit es 2023 keinen Sprung gibt. Die Werte für 2024 und 2025 sind extrapolationen.

#             2012   2013  ...                                                      2022  
ncitizen <- c(15551, 15625, 15802, 16060, 16176, 16315, 16398, 16453, 16492, 16430, 16734);
ncitizen <- ncitizen + 291;
ncitizen[12] <- 17378;
peryear <- coef(lm(ncitizen~jahr, data.frame(jahr=2012:2023, ncitizen)))[2];
ncitizen[13] <- ncitizen[12] + peryear;
ncitizen[14] <- ncitizen[13] + peryear;

plot(2012:2025, ncitizen,
     type='b',
     xlab='Jahr',
     main='Bevölkerungsentwicklung Bürstadt');
grid();

7.2 Verschuldung pro Einwohner*in

n <- subset(a, jahr>=2012);
n$ncitizen <- ncitizen;
plot(n$jahr, n$bereinigt/n$ncitizen,
     type='b',
     ylab='€',     
     main='Verschuldung inflationsbereinigt pro Bürger*in');
grid();

Zunahme gesamt:

ncitizen[length(ncitizen)]/ncitizen[1];
## [1] 1.112119

Zunahme etwa 11% in 14 Jahren ist deutlich niedriger als 16 % mehr Grundsteuer in 10 Jahren. Vermutlich hat der Flächenbedarf je Bürger*in zugenommen.

7.3 Steuereinnahmen je Einwohner*in

e$ncitizen <- subset(n, jahr>=2015 & jahr<=2024)$ncitizen
xyplot(schluesselz/ncitizen+gewerbesteuer/ncitizen+steuersumme/ncitizen+grundsteuer/ncitizen+gemeinschaft/ncitizen~jahr, 
       e, type=c('b','g'), auto.key=TRUE,
       main="Steuereinnahmen Je Bürger*in inflationskorrigiert",
       ylab="€");

8 Downloads

©2024 Bernd Herd, Lizensierung zur Weitergabe: CC-BY-SA-4.0

Firmenlogo

Letzte News