<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE article PUBLIC "-//NLM//DTD Journal Publishing with OASIS Tables v3.0 20080202//EN" "journalpub-oasis3.dtd">
<article xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:oasis="http://docs.oasis-open.org/ns/oasis-exchange/table" xml:lang="de" dtd-version="3.0">
  <front>
    <journal-meta><journal-id journal-id-type="publisher">GH</journal-id><journal-title-group>
    <journal-title>Geographica Helvetica</journal-title>
    <abbrev-journal-title abbrev-type="publisher">GH</abbrev-journal-title><abbrev-journal-title abbrev-type="nlm-ta">Geogr. Helv.</abbrev-journal-title>
  </journal-title-group><issn pub-type="epub">2194-8798</issn><publisher>
    <publisher-name>Copernicus Publications</publisher-name>
    <publisher-loc>Göttingen, Germany</publisher-loc>
  </publisher></journal-meta>
    <article-meta>
      <article-id pub-id-type="doi">10.5194/gh-76-129-2021</article-id><title-group><article-title>Polarisierte Städte: Die AfD im urbanen Kontext.<?xmltex \hack{\break}?>
Eine Analyse von Wahl- und Sozialdaten<?xmltex \hack{\break}?> in sechzehn deutschen Städten</article-title><alt-title>Die AfD im urbanen Kontext</alt-title>
      </title-group><?xmltex \runningtitle{Die AfD im urbanen Kontext}?><?xmltex \runningauthor{J. L. Geilen and D. Mullis}?>
      <contrib-group>
        <contrib contrib-type="author" corresp="no" rid="aff1">
          <name><surname>Geilen</surname><given-names>Jan Lucas</given-names></name>
          
        </contrib>
        <contrib contrib-type="author" corresp="yes" rid="aff2">
          <name><surname>Mullis</surname><given-names>Daniel</given-names></name>
          <email>mullis@hsfk.de</email>
        <ext-link>https://orcid.org/0000-0002-1185-8673</ext-link></contrib>
        <aff id="aff1"><label>1</label><institution>Fachbereich Gesellschaftswissenschaften und Philosophie,
Institut für Politikwissenschaft, Philipps-Universität Marburg, 35032 Marburg, Germany</institution>
        </aff>
        <aff id="aff2"><label>2</label><institution>Leibniz-Institut Hessische Stiftung Friedens- und Konfliktforschung (HSFK),<?xmltex \hack{\break}?> 60329 Frankfurt am Main, Germany</institution>
        </aff>
      </contrib-group>
      <author-notes><corresp id="corr1">Daniel Mullis (mullis@hsfk.de)</corresp></author-notes><pub-date><day>15</day><month>April</month><year>2021</year></pub-date>
      
      <volume>76</volume>
      <issue>2</issue>
      <fpage>129</fpage><lpage>141</lpage>
      <history>
        <date date-type="received"><day>8</day><month>July</month><year>2020</year></date>
           <date date-type="rev-recd"><day>21</day><month>December</month><year>2020</year></date>
           <date date-type="accepted"><day>4</day><month>March</month><year>2021</year></date>
      </history>
      <permissions>
        <copyright-statement>Copyright: © 2021 Jan Lucas Geilen</copyright-statement>
        <copyright-year>2021</copyright-year>
      <license license-type="open-access"><license-p>This work is licensed under the Creative Commons Attribution 4.0 International License. To view a copy of this licence, visit <ext-link ext-link-type="uri" xlink:href="https://creativecommons.org/licenses/by/4.0/">https://creativecommons.org/licenses/by/4.0/</ext-link></license-p></license></permissions><self-uri xlink:href="https://gh.copernicus.org/articles/76/129/2021/gh-76-129-2021.html">This article is available from https://gh.copernicus.org/articles/76/129/2021/gh-76-129-2021.html</self-uri><self-uri xlink:href="https://gh.copernicus.org/articles/76/129/2021/gh-76-129-2021.pdf">The full text article is available as a PDF file from https://gh.copernicus.org/articles/76/129/2021/gh-76-129-2021.pdf</self-uri>
      <abstract><title>Kurzfassung</title>
    <p id="d1e99">For the first time since 1945, with the <italic>Alternative für Deutschland</italic> (AfD) a far-right party has now
consolidated itself in Germany on all political scales. In the political
sciences as well as sociology, but not so much in human geography, there is
much debate on the funding reasons. The debate is polarized and unfolds
between two positions: on the one hand economic factors are marked as
principal forces, on the other a cultural backlash. Electoral analyses have
focused on the spatial division of the AfD's success between urban and rural
areas as well as West and East Germany. By contrast, we focus on urban
divisions. We examine the AfD's results in the general election of 2017 on
the scale of districts in the largest city of each federal state by
analyzing the correlation of the share of AfD votes with social data. In
contrast to the polarized debate in the social sciences we choose a
multidimensional perspective and analyze social data related to class,
migration, acceptance of democracy and age. First, the resulting picture is
heterogeneous across the cities and does not show a pronounced East-West
polarization. Second, economic factors as well as factors related to
migration correlate with the share of the AfD, whereby the former are
pronounced somewhat stronger. Third, lack of trust in democracy is the most
uniform indicator for a strong showing of the AfD in our sample; and fourth,
in all cities there are districts which run counter to the generalized
picture. We can show that in urban settings it is primarily, but not
exclusively, in marginalized districts that the AfD has its strongholds. But
this does not mean that all marginalized districts are dominated by the
far-right party. In order to better understand the spatially highly
fragmented social processes, in particular more qualitative research is
needed.</p>
  </abstract>
    </article-meta>
  </front>
<body>
      

<sec id="Ch1.S1" sec-type="intro">
  <label>1</label><title>Einleitung</title>
      <p id="d1e114">Extrem rechte und autoritäre Politiken erstarken weltweit. In
Deutschland steht hierfür nicht zuletzt der Aufstieg der <italic>Alternative für Deutschland</italic> (AfD). Scheiterte die Partei 2013 noch am Einzug in den Bundestag, wurde sie 2017 mit 12,6 % drittstärkste Kraft. Nach weiteren Erfolgen auf Ebene der
Länder ist mit der AfD seit 2018 zum ersten Mal seit 1945 in Deutschland
eine Rechtsaußen-Partei zugleich im europäischen Parlament, im
Bundestag sowie in allen Landesparlamenten vertreten. Seit ihrer
Gründung 2013 hat sie sich sukzessive nach rechts außen bewegt und
spätestens seit 2015 bilden „autoritäre, völkisch-nationalistische, homophobe, antifeministische, antisemitische
und geschichtsrevisionistische Positionen“ die zentralen Bezugspunkte
(Celik et al., 2020: 150). Der Blick auf ihre Basis verdeutlicht hingegen,
wie sehr die Partei seit Anbeginn im rechtsextremen Milieu verankert war
(Celik et al., 2020: 172). Trotz dieser politischen und gesellschaftlichen
Verschiebungen sind in der Humangeographie (Lizotte, 2018) und insbesondere
in der deutschsprachigen die Auseinandersetzungen mit der extremen Rechten
lange Zeit marginal geblieben (Bürk, 2012: 28) – dies ändert sich
gerade.</p>
      <?pagebreak page130?><p id="d1e120">Jüngst sind diverse Beiträge zum Thema erschienen (vgl. Belina,
2020; Hövel, 2018; Klüter, 2020; Mullis, 2021; Oßenbrügge,
2018), die sub<inline-formula><mml:math id="M1" display="inline"><mml:mo>\</mml:mo></mml:math></inline-formula>urban hat ein Themenheft veröffentlicht
(Bernet et al., 2019), und auch beim Deutschen Kongress für Geographie
2017 und insbesondere 2019 wurden rechts-autoritäre Politiken
diskutiert. In den Politikwissenschaften sowie der Soziologie, wo intensiver
über die Verschiebungen debattiert wird, besteht weitestgehend
Einigkeit: Der Erfolg der extremen Rechten ist „Ergebnis eines
Zusammenwirkens von Globalisierungs- und Neoliberalisierungskrisen“
(Geiselberger, 2017: 12). Gestritten wird hingegen darüber, ob eher
sozio-ökonomische oder identitätspolitische Faktoren ausschlaggebend
sind. Es finden sich aber auch Stimmen, die dafür plädieren, die
Ursachen multidimensional zu betrachten (vgl. Mullis und Zschocke, 2019:
22–29) – wir werden uns auf letztere Position beziehen.</p>
      <p id="d1e130">Im Folgenden gehen wir der Frage nach, was die Ursachen des Erfolgs der AfD
in Städten sind bzw. in welchen städtischen sozialen Gefügen sie
diesen feiert. Ausgangspunkt unserer Fokussierung auf Stadt sind zwei
Befunde: Erstens, die AfD feiert in (Groß-)Städten in Ost- und
Westdeutschland Erfolge. So kamen etwa in Hessen immerhin rund ein Drittel
der knapp 400 000 Zweitstimmen für die AfD bei der Bundestagswahl 2017
aus urbanen Ballungszentren (Belina, 2019); und mit Dresden und Leipzig
finden sich zwei Metropolen, in denen die AfD besser als auf Bundesebene
abschnitt (Bernet et al., 2019: 13). Zweitens, der Zuspruch zur AfD
innerhalb der Städte ist stark polarisiert. Beide Aspekte wurden bisher
kaum diskutiert. Indem wir die Diskussion aufgreifen, zeigen wir, dass die
Fokussierung auf die städtischen Gesamtergebnisse zu kurz greift und
Städte vorschnell als kosmopolite Orte abseits von rechten Raumnahmen
verklärt werden. Wir ergänzen hiermit die bisherigen Analysen, die
vor allem die Stadt-Land- sowie West-Ost-Polarisierung herausgestellt haben
(Kapitel 3). Leitend für die Untersuchung sind die Debatten und Befunde
zum Erstarken der AfD (Kapitel 2). Von diesen ausgehend untersuchen wir
mittels einer bivariaten linearen Regression (Kapitel 4), inwiefern der
Zweitstimmenanteil der AfD mit Indikatoren für sozio-ökonomische
Lage, Migration, Zuspruch zur Demokratie und Altersstruktur in Städten
korreliert (Kapitel 5). Leitend ist die These, dass in sozio-ökonomisch
marginalisierten Stadtteilen die AfD eher gewählt wird als in anderen.
Betrachtet haben wir die jeweils größte Stadt je Bundesland. Die
Auswahl ist nicht repräsentativ, gibt aber einen guten Eindruck über
die Situation im gesamten Bundesgebiet und eröffnet
Anschlussmöglichkeiten für weitere Untersuchungen.</p>
      <p id="d1e133">Um möglichst einheitliche Daten über alle Städte hinweg zu
haben, wurden die Wahlergebnisse der Bundestagswahl herangeozogen.
Referenzjahr für die Sozialdaten ist 2017. Da es keinen bundesweiten
stadtteilbezogenen Datensatz gibt, barg dessen Zusammenstellung einige
Herausforderungen. Dies vor allem, weil in den Kommunen Indikatoren nicht
einheitlich erfasst sind. Ein statistischer Vergleich zwischen den
Städten ist deshalb nicht möglich. Aussagen lassen sich nur für
die Zusammenhänge innerhalb der Städte treffen. Insgesamt hat sich
– in Anbetracht des Forschungsstandes nicht ganz unerwartet – ein
heterogenes Bild ergeben. Weder die sozio-ökonomische Lage noch die
Anwesenheit von Migrant<inline-formula><mml:math id="M2" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen weisen durchweg einen Zusammenhang mit dem
Zweitstimmenanteil der AfD auf. Relativ stabil und durchgehend wirkt sich
jedoch eine niedrige Wahlbeteiligung positiv auf die Zweitstimmen der AfD
aus. Gleiches gilt für den Anteil an Jugendlichen, wenn auch in
umgekehrter Weise. Auch erkennen wir in den Ergebnissen kein deutliches
Ost-West-Muster. In allen Städten finden wir Stadtteile, die so gar
nicht dem statistischen Bild entsprechen. Wir sind der Meinung, dass
über diese nicht einfach hinweggegangen werden kann und die Analyse des
Spannungsverhältnisses aus beschreibbarer Korrelation und
Diskontinuität die gesellschaftlichen Entwicklungen klarer zu fassen
erlaubt.</p>
</sec>
<sec id="Ch1.S2">
  <label>2</label><title>Ursachen des Erstarkens der AfD</title>
      <p id="d1e153">In der Einstellungsforschung wird für Deutschland auf zwei
gegenläufige Tendenzen verwiesen: Einerseits wird die Gesellschaft
liberaler und extrem rechte Einstellungen nehmen ab; andererseits nimmt die
Polarisierung zu und die extreme Rechte vollzieht einen
Radikalisierungsprozess. Auch sind autoritäre Aggression und
Unterwürfigkeit sowie mitunter klar antisemitische
Verschwörungsmentalitäten verbreitet. Dabei untergraben diese
autoritären Dynamiken demokratische Normen auch jenseits klassischer
rechtsextremer Einstellungen (Decker et al., 2020). Für Matthias Quent
(2019: 55) handelt es sich bei den Bestrebungen von Rechtsaußen um
„einen erbitterten Versuch“, die liberalen Terraingewinne
zurückzudrängen. So seien in den letzten Jahren die Menschen nicht
„massenhaft <inline-formula><mml:math id="M3" display="inline"><mml:mrow><mml:mo>[</mml:mo><mml:mi mathvariant="normal">…</mml:mi><mml:mo>]</mml:mo></mml:mrow></mml:math></inline-formula> rechtsradikal geworden“, eher sei
das Potenzial „zum Handeln aktiviert“ worden (Quent, 2019:
48). Rechtsextreme Einstellungen, allen voran rassistische Ressentiments und
antidemokratische Haltungen, waren lange vor dem Aufstieg der AfD in der
sogenannten Mitte der Gesellschaft verankert. Parallel zum Erstarken der AfD
und der anhaltenden Debatte über Migration und Flucht nahmen
„manifest ausländerfeindliche“ Einstellungen nach Jahren
des Rückgangs zwischen 2014 und 2018 deutlich auf 24,1 % zu; sanken
2020 jedoch wieder auf den insgesamt niedrigsten je gemessenen Wert von
16,5 % (Ost: 27,8 %/West: 13,7 %) (Decker et al., 2020: 49).
Anhaltend hoch – im Langzeittrend jedoch rückläufig – ist die
Wahrnehmung von politischer Ohnmacht: 72,9 % (Ost: 83,6 %/West:
70,2 %) sind der Meinung, „Leute wie ich haben sowieso keinen
Einfluss darauf, was die Regierung tut“ (Decker et al., 2020: 69). Mit der „Demokratie, wie sie in der Bundesrepublik funktioniert“, sind gerade mal 57,6 % zufrieden (Ost: 40,7 %/West: 61,8 %) (Decker et al., 2020: 62).</p>
      <p id="d1e168">Mit der AfD ist eine politische Kraft entstanden, die zum einen Menschen,
die sich von der Demokratie enttäuscht und den Eliten ungehört
fühlen, politisch reintegriert<?pagebreak page131?> (Heitmeyer, 2018: 212) sowie zum anderen
das in der Gesellschaft vorhandene autoritäre und extrem rechte
Potential an sich bindet (Decker et al., 2020: 74). Die Aktivierung von
Nichtwähler<inline-formula><mml:math id="M4" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen ist zentral (Heitmeyer, 2018: 192–194). Die
Wahlbeteiligung bei Bundestagswahlen sank seit den 1970ern ziemlich
kontinuierlich von 91,1 % im Jahr 1972 auf 2009 70,8 %, seither steigt
sie wieder etwas an auf 2017 insgesamt 76,2 %. Wilhelm Heitmeyer (2018:
188 ff.) betont in diesem Zusammenhang, dass dieser Rückgang seitens
„konservativer Sozialwissenschaftler“ als wachsende stille
Zustimmung mit der bestehenden Ordnung gedeutet wird. Eher sei es jedoch so,
dass sich die Menschen „aufgrund von Unzufriedenheit aus dem
demokratischen Prozess“ zurückziehen und damit eine niedrige
Wahlbeteiligung als Indikator für eine wachsende (stille) Wut zu
betrachten sei. Gewählt wird die AfD vor allem von Männern im Alter
zwischen 31 und 60 Jahren (Celik et al., 2020: 158 ff.). Auffällig stark
ist sie zudem in Regionen, in denen der Anteil älterer Menschen hoch ist
(Franz et al., 2018). Im Langzeittrend werden Konjunkturen deutlich: 2014
sind es nicht zuletzt „Menschen mit höherem Bildungsgrad“
und mit „vorwiegend mittlerem und höherem Einkommen“, die
die Rechtsaußen-Partei wählen. 2016 – und damit auch in der Zeit
der Bundestagswahl – nimmt der Anteil an Menschen „mit
niedrigerem Bildungsgrad“ sowie einem geringeren Einkommen zu (Celik et
al., 2020, 170; vgl. Lengfeld, 2018). Dieser Trend setzt sich 2020 nicht
fort. Das Einkommensniveau der Wähler<inline-formula><mml:math id="M5" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen steigt, sodass heute das
Potenzial der AfD verstärkt wieder in der „gehobenen Mitte
der Gesellschaft“ liegt (Celik et al., 2020: 170). Zugleich ist die Basis der Partei rechtsextremer geworden (Celik et al., 2020, 166), was darauf
hindeutet, dass die Normalisierung solcher Positionen in Teilen der oberen
Schichten voranschreitet (vgl. Heitmeyer, 2018, 208).</p>
      <p id="d1e189">In der Politikwissenschaft und der Soziologie wird intensiv über die
Ursachen des Erstarkens der extremen Rechten diskutiert (vgl. Mullis und
Zschocke, 2019). Dabei liegt der Fokus auf Globalisierung und Krisen der
Neoliberalisierung (vgl. Geiselberger, 2017). Grundsätzlich bestehen
hier Anknüpfungspunkte zu den in der Humangeographie seit den 1980ern
geführten Debatten zu Dynamiken der Neoliberalisierung (des Städtischen).
Nicht zuletzt wurden hierbei die zunehmende soziale Spaltung sowie Exklusion
aus demokratischer Teilhabe betont (vgl. Brenner und Theodore, 2002).
Umstritten ist indes, ob eher ökonomische Faktoren wie sozialer Abstieg
und Prekarisierung <italic>oder</italic> Rassismus, Demokratieverdruss sowie kulturelle Fragen
stärker ins Gewicht fallen. Die erste Position wird mit
unterschiedlicher Absolutheit vorgetragen: Für Oliver Nachtwey (2016)
ist es die ökonomische Deprivation, die in einer neuen Abstiegserfahrung
kulminiert, die – nicht nur, aber auch – das rechte Aufbegehren
begründet. Philipp Manow (2018: 33) deutet den Aufstieg der AfD weniger
als Folge von Deprivation denn als (rassistischen) Absicherungskampf von
tendenziell noch besser gestellten Facharbeiter<inline-formula><mml:math id="M6" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen, die sich gegen
Zuwanderung ins Sozialversicherungssystem wehren (Manow, 2018: 99–102).
Dies begründet er unter anderem damit, dass mit einem höheren Anteil
an sozialversicherungspflichtiger Beschäftigung der Zweitstimmenanteil
der AfD steigt (Manow, 2018: 96). Relevant seien auch Erfahrungen von
Arbeitslosigkeit in der Erwerbsbiographie, zumal dies nachhaltig das
Abstiegsrisiko vor Augen führe (Manow, 2018: 99). Prozesse der
gesellschaftlichen Desintegration sind sodann für Heitmeyer (2018: 344)
ursächlich. Diese würden primär aus dem Zusammenspiel von
Wettbewerbsdruck des globalisierten „autoritären
Kapitalismus“, sozialer Vereinzelung und der sukzessiven Entleerung
demokratischer Teilhabe erwachsen (Heitmeyer, 2018: 197).</p>
      <p id="d1e204">Diese Ansätze kritisieren Gurminder Bhambra (2017) wie auch Emma Dowling
et al. (2017: 411) dafür, dass (zumindest tendenziell)
sozio-ökonomische Erklärungen „zu Lasten anderer“, die
auf Ungleichwertigkeitsideologien abzielen, priorisiert werden. Konflikte um
Identität und Kultur, um Geschlechterrollen sowie die
Wirkmächtigkeit von Rassismus – die zwar mit sozio-ökonomische
Fragen zusammenhingen, aber nicht auf diese zu reduzieren seien –
würden in ihrer Bedeutung unterschätzt. Diverse Studien
zusammenfassend, argumentiert Holger Lengfeld (2018), dass es das
„Gefühl der kulturellen Bedrohung durch die Zuwanderung von
ethnisch-kulturell fremden Menschen nach Deutschland“ ist, welches für das Erstarken extrem rechter Politiken verantwortlich zeichnet. Diesen Befund stützen Ronald Inglehart und Pippa Norris (2016) in einer
europaweit vergleichenden Studie. Sie arbeiten heraus, dass die einenden
Merkmale von Wähler<inline-formula><mml:math id="M7" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen von Rechtsaußen-Parteien in der Ablehnung
kosmopolitischer, pluralistischer und post-materialistischer Lebensmodelle
sowie in einer grundlegenden Skepsis gegenüber Zuwanderung liegen. In
diesem Sinne betont auch Quent (2019: 64), dass aktuell eher ein Kultur- als
ein Klassenkampf im Gange ist.</p>
      <p id="d1e217">Auf der Ebene von Stadtteilen wird über die „Konsequenzen
wachsender ethnisch-kultureller Vielfalt für den sozialen Zusammenhalt“
(Gundelach, 2017: 216) seit Jahrzehnten gestritten. Im Kern stehen sich die
Konflikt- und Kontakttheorie gegenüber (Gundelach, 2017: 210 ff.): Im
ersten Fall wird davon ausgegangen, dass mit zunehmender (ethnischer)
Diversität in Stadtteilen Vertrauen in Gesellschaft ab- und Konflikte
zunehmen und der soziale Zusammenhalt im Zuge von Zuwanderung schwindet. Im
zweiten werden Konflikte nicht negiert, es wird aber betont, dass zunehmender Austausch über die Zeit Misstrauen abbaut und Kontakt einen Beitrag zur Minderung von Ressentiments leistet. Die Debatte hält an,
zumal beide Thesen empirisch bestätigt wurden (Blokland, 2011;
Gundelach, 2017). Beide Positionen sind jedoch nicht unproblematisch, zumal
sie die Kategorie Ethnizität essentialisieren. Darüber hinaus finden
sie die Ursache für die Konflikte beim Auftreten von als Immigrant<inline-formula><mml:math id="M8" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen identifizierter Menschen, anstelle nach rassistischen Ressentiments zu fragen, die die vermeintlich Anderen erst zu Anderen machen.</p>
      <?pagebreak page132?><p id="d1e229">Empirische Befunde unterlaufen diese polarisierte Debatte, indem sie die
Vielschichtigkeit der sozialen Prozesse offenlegen. Aufgezeigt wurde etwa,
dass in Westdeutschland eher sozio-ökonomische Marginalisierung als
Prädiktor für die Wahl der AfD ausschlägt, während im Osten
Ressentiments stärker ins Gewicht fallen (Deppisch et al., 2019: 78 ff.). Daniel Mullis und Paul Zschocke (2019: 27–29) argumentieren in ihrer
empirisch geleiteten Literaturschau dafür, den Erfolg der extremen
Rechten multidimensional zu betrachten. Vier Faktoren stellen sie
hierfür zentral: Abstieg, Entdemokratisierung, soziale Lage und
Rassismus. Abstiegserfahrungen sowie Gefühle der Zurücksetzung seien
erstens von Bedeutung, sollten aber nicht alleine sozio-ökonomisch
verstanden werden. Es gehe auch um verletzte Männlichkeit oder die
Erfahrung von Bedeutungsverlusten der „eigenen“ nationalen
Wirtschaftsmacht. Zweitens würden gerade Erfahrungen des Verlustes von
demokratischer Einbindung schwer wiegen und viele betreffen. Drittens sei
die soziale Lage von Relevanz, zumal „die Bürden wie auch
die Ressourcen, um mit der Globalisierung von Kapital und Migration,
neoliberaler Individualisierung und Marktansprüchen umzugehen, in der
Gesellschaft sehr ungleich verteilt“ (Mullis und Zschocke, 2019: 28) seien.
Und viertens müsse der Faktor Rassismus betrachtet werden, zumal dieser
das Fundament dafür bilde, dass Verteilungskonflikte überhaupt
rassifiziert in weißen Identitätspolitiken artikuliert würden.
Die Dimensionen seien nicht aufeinander reduzierbar und keinem der Faktoren
könne ein Primat zur Erklärung der gegenwärtigen Tendenzen
zugedacht werden.</p>
</sec>
<sec id="Ch1.S3">
  <label>3</label><?xmltex \opttitle{R\"{a}umliche Repr\"{a}sentationen}?><title>Räumliche Repräsentationen</title>
      <p id="d1e241">In den bisher eingeführten Debatten wurden zwei räumliche
Polarisierungen hervorgehoben: Zum einen eine Ost-West und zum anderen eine
Land-Stadt, wobei die AfD jeweils in Ersterem stärker abschnitt. So
erzielte die Partei 2017 in den neuen Bundesländern Spitzenresultate um
jeweils ca. 20 % – in Sachsen wurde sie mit 27 % stärkste Kraft –, während sie in den westdeutschen Bundesländern im Schnitt um die
10 % erreichte. Bei den Europawahlen 2019 war das Bild auf Grund von
Verlusten der AfD in Westdeutschland noch akzentuierter. Bei den drei
Landtagswahlen im Herbst 2019 in Brandenburg, Sachsen und Thüringen
konsolidierte die Partei ihre Ergebnisse bei jeweils rund 25 % (Mullis und
Zschocke, 2019: 6–12). Im zweiten Fall wird der Erfolg der AfD im
ländlichen Raum hervorgehoben. Die AfD feiert ihre Erfolge insbesondere
in „dünn besiedelten Räumen mit
Überalterungsproblemen“ (Franz et al., 2018). Es ist die Rede von der „Rache der Dörfer“ (Kaschuba, 2016) gegen die liberalen
und offenen Stadtgesellschaften. Larissa Deppisch et al. (2019: 81–84)
zeigen hingegen, dass das Bild nicht einheitlich ist: Der Faktor
ländliche Region fällt im Osten weit stärker ins Gewicht als im
Westen und es sind nicht die „sehr“, sondern die „eher“ ländlichen Regionen, in denen die AfD stark abschneidet.</p>
      <p id="d1e244">Zwei Aspekte sind an dieser räumlichen Fokussierung problematisch:
Erstens sind beide Interpretationen geprägt von Ressentiments, wonach
der Erfolg der AfD auf Rückständigkeit, mangelnder Aufklärung
und tradiertem Autoritarismus beruhe (vgl. Förtner et al., 2019; Quent,
2016), womit umgekehrt Städte als kosmopolite Orte mit
gesellschaftsliberalem Fundament verklärt werden. Für die besonders
wirkmächtige Ost-West-Polarisierung argumentiert Quent (2016: 103–107),
dass der Osten des Landes noch immer als „Sonderfall“, als
Abweichung vom „Normalfall“ Westdeutschland gilt. Werden
jedoch soziale und demografische Faktoren als Indikatoren für das
Abschneiden der AfD angelegt, wird offenkundig, dass diese Zuschreibungen
nicht tragen (Franz et al., 2018). „Ein genuiner, womöglich
sogar kulturell bedingter Ost-Faktor“ kann, so betonen Richard Hilmer et al. (2017:27), „nur in begrenztem Maße“ festgestellt
werden. Für Maximilian Förtner et al. (2019: 40) indes ist klar,
„dass ein herkömmliches Verständnis von Stadt und Land
im Sinne homogener und stabiler Räume für das Verständnis der
Geographie rechtspopulistischer Mobilisierungen zu kurz greift.“ Sie
plädieren stattdessen dafür, auf die ungleichen Dynamiken von
Urbanisierung sowie die Herausbildung von Zentralität und Peripherie zu
fokussieren. Zweitens ist die Territorialisierung von gesellschaftlichen
Konflikten problematisch. Stefan Kipfer und Mustafa Dikeç (2019: 45)
betonen, dass die Analyse von ganzen Kommunen letztlich kaschiert, dass
verhältnismäßig tiefe Prozentzahlen bei Wahlen in Städten
eine weit größere Zahl an Menschen im Umfeld der extremen Rechten
bedeuten kann, als hohe in ländlichen Regionen. Gerade für die
Bedrohungslage von marginalisierten Gruppen ist dies bedeutsam. Bernd Belina
(2017: 201) schließt, dass es keinen Sozialraum gibt, der per se vor rechten
Erfolgen schützen würde, noch gebe es <italic>den</italic> rechten Raum. Die Analyse räumlicher Verteilungen könne jedoch hilfreich sein, um die
richtigen Fragen zu stellen. Sie seien aber niemals ein Erklärendes,
sondern immer ein zu Erklärendes. Dies werden wir berücksichtigen,
wenn wir nun selbst räumliche Polarisierungen des Wahlverhaltens in
Städten auswerten.</p>
</sec>
<sec id="Ch1.S4">
  <label>4</label><title>Vorgehen und Datensatz</title>
      <p id="d1e258">Leitend für die Befragung der Gründe für die Wahl der AfD im
städtischen Kontext ist das Plädoyer für eine multidimensionale
Analyse. Für Städte gibt es keine einheitlichen Erhebungen zu
Einstellungsmustern oder Erfahrungen von Deprivation. Da uns keine
Ressourcen für eine eigene Erhebung zur Verfügung standen,
müssen wir uns an der bestehenden Datenlage orientieren. Eine Befragung
rassistischer Einstellungen oder Abstiegserfahrungen ist uns daher nicht
möglich. Erschwerend kommt hinzu, dass die statistischen Indikatoren in
allen Städten erfasst sein müssen. Dies<?pagebreak page133?> berücksichtigend und im
Anschluss an die oben eingeführten Debatten fokussieren wir auf vier
Dimensionen:</p>
      <p id="d1e261">Die Diskussionen, ob eher sozio-ökonomische oder
identitätspolitische Faktoren ausschlaggebend sind, bilden einen
zentralen Bezugspunkt. Wir fokussieren daher <italic>erstens</italic> auf die sozio-ökonomische
Lage sowie <italic>zweitens</italic> auf die Präsenz von Migrant<inline-formula><mml:math id="M9" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen im Viertel. Letzteres ist
aus zwei Gründen unbefriedigend: Erstens fokussieren wir auf die
Anwesenheit von Menschen, die potentiell von rassistischer Herabsetzung und
Gewalt betroffen sind, anstelle Rassismus zu befragen; zweitens florieren
rassistische Ressentiments auch bestens ohne den unmittelbaren Kontakt mit
den vermeintlichen Anderen. Da das Thema Migration aber ein zentraler
Mobilisierungsfaktor der AfD bei der Bundestagswahl 2017 war, befragen wir
diese Dimension dennoch mit der gebotenen Vorsicht. Demokratieverdruss wurde
oben als bedeutsamer Faktor für die Zuwendung zur extremen Rechten
beschrieben, insofern befragen wir <italic>drittens</italic> den Zuspruch zur Demokratie. Hervorgehoben wurde in den Diskussionen auch die Relevanz der
Altersstruktur, weshalb wir <italic>viertens</italic> auf diese fokussieren.</p>
      <p id="d1e285">Zwecks Analyse müssen diese Dimensionen in konkrete statistische
Indikatoren überführt werden. Wir betonen mit Manow (2018: 73), dass
es sich bei Sozialdaten niemals um rein individuelle Verhältnisse,
sondern um soziale handelt. Beispielsweise stehen hohe Arbeitslosenzahlen in
einem Sozialraum nicht nur für viele individuell Betroffene, sondern sie
prägen die soziale Umgebung mit und geben Aufschluss über das Milieu
insgesamt. Dies gilt insbesondere, wenn es sich um so kleinräumige
Einheiten wie Stadtteile handelt. So ist etwa auf Grund von Mietpreisen und
Praxen der Exklusion unwahrscheinlich, dass in einem sehr reichen Viertel
viele Menschen leben, die Arbeitslosengeld II beziehen. Für die
Dimension sozio-ökomische Lage ziehen wir sodann zum einen den Anteil
jener, die Arbeitslosengeld gemäß SGB II beziehen, und zum anderen
den der sozialversicherungspflichtig Beschäftigten als Indikatoren
heran. Dabei handelt es sich jeweils um den Anteil an der erwerbsfähigen
Bevölkerung im Stadtteil (bzw. in Städten, in denen die
Erwerbsfähigkeit nicht dokumentiert ist, der Bevölkerungsanteil von
15 bis 64 Jahren). Ersteres verstehen wir als Indiz für weniger
wohlhabende Viertel, letzteres als Hinweis für eine verbreitete
Wahrnehmung von Absicherung und Situiertheit. Für die zweite Dimension
Migration greifen wir auf die beiden Indikatoren Anteil an Menschen mit
Migrationshintergrund sowie an Ausländer<inline-formula><mml:math id="M10" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen zurück. Die Daten
für den ersten Indikator sind für die Städte Erfurt, Kiel,
Rostock und Magdeburg nicht verfügbar und dort, wo sie vorliegen,
unterschiedlich bestimmt. Zwecks Vereinheitlichung bestimmen wir Menschen
mit Migrationshintergrund hier als Deutsche, die selbst oder deren Eltern
eingewandert sind, <italic>und</italic> Personen ohne deutsche Staatsbürgerschaft. Als
Indikator für das Empfinden von demokratischer In- bzw. Exklusion haben
wir die Wahlbeteiligung herangezogen. Dabei interpretieren wir eine niedrige
Beteiligung im Stadtteil als Indiz für eine stärkere Verbreitung von
Unzufriedenheit mit aktuellen demokratischen Prozessen. Um das Alter zu
erfassen, haben wir den Alters- sowie Jugendquotienten in den Blick
genommen. Ersterer wird in den Kommunen einheitlich als Menschen über 65
Jahre bestimmt, letzterer variiert, wobei es sich meist um Menschen unter
18<fn id="Ch1.Footn1"><p id="d1e300">Manchmal aber auch bis 15, 16 bzw. 20 Jahre.</p></fn> handelt. Die
Quotienten sind relative Werte, die den Anteil an Jugendlichen sowie an
Alten in Relation zur erwerbsfähigen Bevölkerung setzen. Sie sind
ein Indiz dafür, ob die mittleren Alter – also die vornehmlichen
AfD-Wähler<inline-formula><mml:math id="M11" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen – ihr Viertel eher als jung oder als alt wahrnehmen.
Eine jeweils starke Ausprägung der Quotienten verdeutlicht aber auch
absolut hohe Anteile junger bzw. alter Menschen.</p>
      <p id="d1e313">Orte der Untersuchung sind die Stadtteile der jeweils größten Stadt
je Bundesland im Jahr 2017 (vgl. Tabelle 1 im nächsten Kapitel). Für
die Zusammenstellung des Datensatzes haben wir die statistischen
Jahrbücher der Kommunen sowie deren Wahlanalysen herangezogen. In Kiel
sind die räumlichen Einheiten der Erfassung der Sozialdaten nicht
deckungsgleich mit den Wahlbezirken, weshalb eine Untersuchung nicht
möglich war. Unser Datensatz birgt einige Schwächen: Erstens
bestehen enorme Größenunterschiede zwischen den räumlichen
Einheiten. Wir referenzieren deshalb auf die prozentualen Anteile je
Stadtteil. Jedoch sind gerade in Berlin die Einheiten so viel größer
als in den anderen Städten, dass ein Vergleich kaum sinnvoll und eine
vertiefte qualitative Analyse schwierig ist. Zweitens werden dieselben
Indikatoren nicht in allen Kommunen gleich erfasst und so weisen die Daten
über die Städte hinweg, mit Ausnahme der Wahlbeteiligung, eine
geringe Validität auf. Aus diesem Grund verzichten wir auf einen
statistischen Vergleich zwischen den Städten sowie auf die Analyse
multipler Regressionen. Wir analysieren die Zusammenhänge zwischen den
ausgewählten Indikatoren (unabhängige Variablen) und ihrer Wirkung
auf den Zweitstimmenanteil der AfD (abhängige Variable) je Stadtteil in
den Städten jeweils <italic>für sich</italic> mittels einer bivariaten linearen Regression. In
der Analyse lassen sich erste Tendenzen erkennen, die wir um eine
relationale, qualitative Betrachtung der Einzelfälle ergänzen und
mittels des Rückgriffs auf die Literatur vergleichend diskutieren. In
allen Städten beobachten wir klare Diskontinuität im Gefüge der
beschreibbaren Korrelationen. Wir betrachten diese genauer, zumal wir uns
aus der Befragung des Spannungsverhältnisses Aufschlüsse über
gesellschaftliche Entwicklungen erhoffen.</p>

<?xmltex \floatpos{t}?><table-wrap id="Ch1.T1" specific-use="star"><?xmltex \currentcnt{1}?><label>Tabelle 1</label><caption><p id="d1e323">AfD-Wahl je Stadt, inklusive Extremwerte und Standardabweichung sowie Anzahl der Stadtteile.</p></caption><oasis:table frame="topbot"><oasis:tgroup cols="14">
     <oasis:colspec colnum="1" colname="col1" align="left"/>
     <oasis:colspec colnum="2" colname="col2" align="left"/>
     <oasis:colspec colnum="3" colname="col3" align="right"/>
     <oasis:colspec colnum="4" colname="col4" align="right"/>
     <oasis:colspec colnum="5" colname="col5" align="center"/>
     <oasis:colspec colnum="6" colname="col6" align="right"/>
     <oasis:colspec colnum="7" colname="col7" align="center" colsep="1"/>
     <oasis:colspec colnum="8" colname="col8" align="left"/>
     <oasis:colspec colnum="9" colname="col9" align="left"/>
     <oasis:colspec colnum="10" colname="col10" align="right"/>
     <oasis:colspec colnum="11" colname="col11" align="right"/>
     <oasis:colspec colnum="12" colname="col12" align="right"/>
     <oasis:colspec colnum="13" colname="col13" align="right"/>
     <oasis:colspec colnum="14" colname="col14" align="center"/>
     <oasis:thead>
       <oasis:row rowsep="1">
         <?xmltex \rotentry?><oasis:entry colname="col1">Stadt</oasis:entry>
         <?xmltex \rotentry?><oasis:entry colname="col2"><inline-formula><mml:math id="M17" display="inline"><mml:mtable class="array" columnalign="left"><mml:mtr><mml:mtd><mml:mtext>Untersuchte</mml:mtext></mml:mtd></mml:mtr><mml:mtr><mml:mtd><mml:mtext>Stadtteile</mml:mtext></mml:mtd></mml:mtr></mml:mtable></mml:math></inline-formula></oasis:entry>
         <?xmltex \rotentry?><oasis:entry colname="col3"><inline-formula><mml:math id="M18" display="inline"><mml:mtable class="array" columnalign="left"><mml:mtr><mml:mtd><mml:mtext>Zweitstimmenanteil</mml:mtext></mml:mtd></mml:mtr><mml:mtr><mml:mtd><mml:mtext>AfD BTW 2017 in %</mml:mtext></mml:mtd></mml:mtr></mml:mtable></mml:math></inline-formula></oasis:entry>
         <?xmltex \rotentry?><oasis:entry colname="col4"><inline-formula><mml:math id="M19" display="inline"><mml:mtable class="array" columnalign="left"><mml:mtr><mml:mtd><mml:mtext>Min. AfD-Wahl in</mml:mtext></mml:mtd></mml:mtr><mml:mtr><mml:mtd><mml:mtext>Stadtteil in %</mml:mtext></mml:mtd></mml:mtr></mml:mtable></mml:math></inline-formula></oasis:entry>
         <?xmltex \rotentry?><oasis:entry colname="col5"><inline-formula><mml:math id="M20" display="inline"><mml:mtable class="array" columnalign="left"><mml:mtr><mml:mtd><mml:mtext>Max. AfD-Wahl</mml:mtext></mml:mtd></mml:mtr><mml:mtr><mml:mtd><mml:mtext>in Stadtteil in %</mml:mtext></mml:mtd></mml:mtr></mml:mtable></mml:math></inline-formula></oasis:entry>
         <?xmltex \rotentry?><oasis:entry colname="col6"><inline-formula><mml:math id="M21" display="inline"><mml:mtable class="array" columnalign="left"><mml:mtr><mml:mtd><mml:mtext>Mittelwert</mml:mtext></mml:mtd></mml:mtr><mml:mtr><mml:mtd><mml:mtext>AfD in %</mml:mtext></mml:mtd></mml:mtr></mml:mtable></mml:math></inline-formula></oasis:entry>
         <?xmltex \rotentry?><oasis:entry colname="col7">Standardabweichung</oasis:entry>
         <?xmltex \rotentry?><oasis:entry colname="col8">Stadt</oasis:entry>
         <?xmltex \rotentry?><oasis:entry colname="col9"><inline-formula><mml:math id="M22" display="inline"><mml:mtable class="array" columnalign="left"><mml:mtr><mml:mtd><mml:mtext>Untersuchte</mml:mtext></mml:mtd></mml:mtr><mml:mtr><mml:mtd><mml:mtext>Stadtteile</mml:mtext></mml:mtd></mml:mtr></mml:mtable></mml:math></inline-formula></oasis:entry>
         <?xmltex \rotentry?><oasis:entry colname="col10"><inline-formula><mml:math id="M23" display="inline"><mml:mtable class="array" columnalign="left"><mml:mtr><mml:mtd><mml:mtext>Zweitstimmenanteil</mml:mtext></mml:mtd></mml:mtr><mml:mtr><mml:mtd><mml:mtext>AfD BTW 2017 in %</mml:mtext></mml:mtd></mml:mtr></mml:mtable></mml:math></inline-formula></oasis:entry>
         <?xmltex \rotentry?><oasis:entry colname="col11"><inline-formula><mml:math id="M24" display="inline"><mml:mtable class="array" columnalign="left"><mml:mtr><mml:mtd><mml:mtext>Min. AfD-Wahl in</mml:mtext></mml:mtd></mml:mtr><mml:mtr><mml:mtd><mml:mtext>Stadtteil in %</mml:mtext></mml:mtd></mml:mtr></mml:mtable></mml:math></inline-formula></oasis:entry>
         <?xmltex \rotentry?><oasis:entry colname="col12"><inline-formula><mml:math id="M25" display="inline"><mml:mtable class="array" columnalign="left"><mml:mtr><mml:mtd><mml:mtext>Max. AfD-Wahl in</mml:mtext></mml:mtd></mml:mtr><mml:mtr><mml:mtd><mml:mtext>Stadtteil in %</mml:mtext></mml:mtd></mml:mtr></mml:mtable></mml:math></inline-formula></oasis:entry>
         <?xmltex \rotentry?><oasis:entry colname="col13"><inline-formula><mml:math id="M26" display="inline"><mml:mtable class="array" columnalign="left"><mml:mtr><mml:mtd><mml:mtext>Mittelwert</mml:mtext></mml:mtd></mml:mtr><mml:mtr><mml:mtd><mml:mtext>AfD in %</mml:mtext></mml:mtd></mml:mtr></mml:mtable></mml:math></inline-formula></oasis:entry>
         <?xmltex \rotentry?><oasis:entry colname="col14">Standardabweichung</oasis:entry>
       </oasis:row>
     </oasis:thead>
     <oasis:tbody>
       <oasis:row>
         <oasis:entry colname="col1">Berlin</oasis:entry>
         <oasis:entry colname="col2">12</oasis:entry>
         <oasis:entry colname="col3">12,0</oasis:entry>
         <oasis:entry colname="col4">6,3</oasis:entry>
         <oasis:entry colname="col5">21,6</oasis:entry>
         <oasis:entry colname="col6">12,3</oasis:entry>
         <oasis:entry colname="col7">4,5</oasis:entry>
         <oasis:entry colname="col8">Leipzig</oasis:entry>
         <oasis:entry colname="col9">63</oasis:entry>
         <oasis:entry colname="col10">18,3</oasis:entry>
         <oasis:entry colname="col11">7,7</oasis:entry>
         <oasis:entry colname="col12">29,5</oasis:entry>
         <oasis:entry colname="col13">20,4</oasis:entry>
         <oasis:entry colname="col14">6,3</oasis:entry>
       </oasis:row>
       <oasis:row>
         <oasis:entry colname="col1">Bremen</oasis:entry>
         <oasis:entry colname="col2">49</oasis:entry>
         <oasis:entry colname="col3">8,3</oasis:entry>
         <oasis:entry colname="col4">2,8</oasis:entry>
         <oasis:entry colname="col5">16,8</oasis:entry>
         <oasis:entry colname="col6">8,9</oasis:entry>
         <oasis:entry colname="col7">4,4</oasis:entry>
         <oasis:entry colname="col8">Magdeburg</oasis:entry>
         <oasis:entry colname="col9">29<inline-formula><mml:math id="M27" display="inline"><mml:msup><mml:mi/><mml:mi mathvariant="normal">c</mml:mi></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col10">17,6</oasis:entry>
         <oasis:entry colname="col11">11,3</oasis:entry>
         <oasis:entry colname="col12">24,8</oasis:entry>
         <oasis:entry colname="col13">18,6</oasis:entry>
         <oasis:entry colname="col14">4,0</oasis:entry>
       </oasis:row>
       <oasis:row>
         <oasis:entry colname="col1">Erfurt</oasis:entry>
         <oasis:entry colname="col2">44<inline-formula><mml:math id="M28" display="inline"><mml:msup><mml:mi/><mml:mi mathvariant="normal">a</mml:mi></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col3">18,5</oasis:entry>
         <oasis:entry colname="col4">14</oasis:entry>
         <oasis:entry colname="col5">33,3</oasis:entry>
         <oasis:entry colname="col6">23,1</oasis:entry>
         <oasis:entry colname="col7">4,3</oasis:entry>
         <oasis:entry colname="col8">Mainz</oasis:entry>
         <oasis:entry colname="col9">15</oasis:entry>
         <oasis:entry colname="col10">7,3</oasis:entry>
         <oasis:entry colname="col11">4,9</oasis:entry>
         <oasis:entry colname="col12">10,1</oasis:entry>
         <oasis:entry colname="col13">7,7</oasis:entry>
         <oasis:entry colname="col14">1,7</oasis:entry>
       </oasis:row>
       <oasis:row>
         <oasis:entry colname="col1">Frankfurt/M</oasis:entry>
         <oasis:entry colname="col2">43<inline-formula><mml:math id="M29" display="inline"><mml:msup><mml:mi/><mml:mi mathvariant="normal">b</mml:mi></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col3">8,6</oasis:entry>
         <oasis:entry colname="col4">4,5</oasis:entry>
         <oasis:entry colname="col5">14,5</oasis:entry>
         <oasis:entry colname="col6">9,5</oasis:entry>
         <oasis:entry colname="col7">2,7</oasis:entry>
         <oasis:entry colname="col8">München</oasis:entry>
         <oasis:entry colname="col9">25</oasis:entry>
         <oasis:entry colname="col10">8,4</oasis:entry>
         <oasis:entry colname="col11">4,5</oasis:entry>
         <oasis:entry colname="col12">13,2</oasis:entry>
         <oasis:entry colname="col13">8,4</oasis:entry>
         <oasis:entry colname="col14">2,3</oasis:entry>
       </oasis:row>
       <oasis:row>
         <oasis:entry colname="col1">Hamburg</oasis:entry>
         <oasis:entry colname="col2">99</oasis:entry>
         <oasis:entry colname="col3">7,8</oasis:entry>
         <oasis:entry colname="col4">2,3</oasis:entry>
         <oasis:entry colname="col5">27,6</oasis:entry>
         <oasis:entry colname="col6">9,0</oasis:entry>
         <oasis:entry colname="col7">4,0</oasis:entry>
         <oasis:entry colname="col8">Potsdam</oasis:entry>
         <oasis:entry colname="col9">22<inline-formula><mml:math id="M30" display="inline"><mml:msup><mml:mi/><mml:mi mathvariant="normal">d</mml:mi></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col10">12,8</oasis:entry>
         <oasis:entry colname="col11">9,3</oasis:entry>
         <oasis:entry colname="col12">22,2</oasis:entry>
         <oasis:entry colname="col13">14,2</oasis:entry>
         <oasis:entry colname="col14">3,9</oasis:entry>
       </oasis:row>
       <oasis:row>
         <oasis:entry colname="col1">Hannover</oasis:entry>
         <oasis:entry colname="col2">49</oasis:entry>
         <oasis:entry colname="col3">8,3</oasis:entry>
         <oasis:entry colname="col4">3,7</oasis:entry>
         <oasis:entry colname="col5">18,2</oasis:entry>
         <oasis:entry colname="col6">9,2</oasis:entry>
         <oasis:entry colname="col7">3,4</oasis:entry>
         <oasis:entry colname="col8">Rostock</oasis:entry>
         <oasis:entry colname="col9">16<inline-formula><mml:math id="M31" display="inline"><mml:msup><mml:mi/><mml:mi mathvariant="normal">e</mml:mi></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col10">14,7</oasis:entry>
         <oasis:entry colname="col11">7,8</oasis:entry>
         <oasis:entry colname="col12">20,6</oasis:entry>
         <oasis:entry colname="col13">15,7</oasis:entry>
         <oasis:entry colname="col14">4,1</oasis:entry>
       </oasis:row>
       <oasis:row>
         <oasis:entry colname="col1">Kiel</oasis:entry>
         <oasis:entry colname="col2">14</oasis:entry>
         <oasis:entry colname="col3">6,9</oasis:entry>
         <oasis:entry colname="col4">4,1</oasis:entry>
         <oasis:entry colname="col5">10,5</oasis:entry>
         <oasis:entry colname="col6">7,5</oasis:entry>
         <oasis:entry colname="col7">1,9</oasis:entry>
         <oasis:entry colname="col8">Saarbrücken</oasis:entry>
         <oasis:entry colname="col9">20</oasis:entry>
         <oasis:entry colname="col10">9,4</oasis:entry>
         <oasis:entry colname="col11">5,3</oasis:entry>
         <oasis:entry colname="col12">16,4</oasis:entry>
         <oasis:entry colname="col13">10,0</oasis:entry>
         <oasis:entry colname="col14">2,6</oasis:entry>
       </oasis:row>
       <oasis:row>
         <oasis:entry colname="col1">Köln</oasis:entry>
         <oasis:entry colname="col2">86</oasis:entry>
         <oasis:entry colname="col3">7,4</oasis:entry>
         <oasis:entry colname="col4">3,1</oasis:entry>
         <oasis:entry colname="col5">17,5</oasis:entry>
         <oasis:entry colname="col6">9,1</oasis:entry>
         <oasis:entry colname="col7">3,4</oasis:entry>
         <oasis:entry colname="col8">Stuttgart</oasis:entry>
         <oasis:entry colname="col9">23</oasis:entry>
         <oasis:entry colname="col10">8,8</oasis:entry>
         <oasis:entry colname="col11">5,1</oasis:entry>
         <oasis:entry colname="col12">16,0</oasis:entry>
         <oasis:entry colname="col13">9,5</oasis:entry>
         <oasis:entry colname="col14">2,9</oasis:entry>
       </oasis:row>
     </oasis:tbody>
   </oasis:tgroup></oasis:table><table-wrap-foot><p id="d1e326">War ein Indikator für einen Stadtteil nicht verfügbar, so wurde der Stadtteil, um einen einheitlichen Grundwert zu garantieren, aus dem Datensatz entfernt: <inline-formula><mml:math id="M12" display="inline"><mml:msup><mml:mi/><mml:mi mathvariant="normal">a</mml:mi></mml:msup></mml:math></inline-formula> Eigentlich 53, aber Daten nicht vollständig; <inline-formula><mml:math id="M13" display="inline"><mml:msup><mml:mi/><mml:mi mathvariant="normal">b</mml:mi></mml:msup></mml:math></inline-formula> Eigentlich 44, aber Daten nicht vollständig; <inline-formula><mml:math id="M14" display="inline"><mml:msup><mml:mi/><mml:mi mathvariant="normal">c</mml:mi></mml:msup></mml:math></inline-formula> Eigentlich 32, aber Daten nicht vollständig; <inline-formula><mml:math id="M15" display="inline"><mml:msup><mml:mi/><mml:mi mathvariant="normal">d</mml:mi></mml:msup></mml:math></inline-formula> Eigentlich 29, aber Daten nicht vollständig; <inline-formula><mml:math id="M16" display="inline"><mml:msup><mml:mi/><mml:mi mathvariant="normal">e</mml:mi></mml:msup></mml:math></inline-formula> Eigentlich 21, aber Daten nicht vollständig.</p></table-wrap-foot></table-wrap>

</sec>
<sec id="Ch1.S5">
  <label>5</label><?xmltex \opttitle{Erfolgsbedingungen der AfD im st\"{a}dtischen Kontext}?><title>Erfolgsbedingungen der AfD im städtischen Kontext</title>
      <?pagebreak page134?><p id="d1e1024">An dieser Stelle widmen wir uns den empirischen Ergebnissen und setzen diese
in Bezug zu den oben eingeführten Debatten. Wir werden nun zuerst die
stadtteilbezogenen Wahlergebnisse der AfD in den unterschiedlichen
Städten vorstellen, dann die Ergebnisse der linearen Regressionsanalyse
beschreiben und diese anschließend diskutieren. Zumal die statistische
Auswertung jeweils auf der Ebene der einzelnen Städte verbleibt, gilt:
Wenn im Folgenden von „hohen“ oder „geringen“ Anteilen des Stimmenanteils oder eines Indikators die Rede ist,
dann bezieht sich dies immer auf die diskutierte Stadt und ist als relative
und nicht absolute Beschreibung zu bewerten.</p>
      <p id="d1e1027">Innerhalb der einzelnen Städte sind die Wahlergebnisse zwischen den
Stadtteilen, wie in Tabelle 1 deutlich zu sehen ist, stark polarisiert. In
Hamburg und Leipzig beträgt die Differenz zwischen dem höchsten und
dem tiefsten Wahlergebnis über 20 %; lediglich in Kiel, Mainz und
München liegen sie in unserem Sample unter 10 %, überall sonst ist die Differenz zumindest zweistellig. Die oben bereits angesprochene
Polarisierung zwischen Ost- und Westdeutschland wird deutlich sichtbar. Zum
einen sind in den Städten Ostdeutschlands die Wahlergebnisse der AfD
durchweg höher als in Westdeutschland: Erfurt (18,5 %), Leipzig
(18,3 %), Magdeburg (17,6 %) und Rostock (14,7 %) sind die vier
Städte mit dem höchsten Zuspruch in unserem Sample. Umgekehrt
erzielte die Partei in keiner westdeutschen Stadt ein zweistelliges Resultat
– am schlechtesten schnitt sie in Kiel (6,9 %) ab. Zum anderen fällt
auf, dass in den Städten Ostdeutschlands in der Tendenz die
Polarisierung der Wahlergebnisse (Standardabweichung) stärker
ausfällt als im Westen. Besonders auffällig ist Leipzig mit einer
Standardabweichung von 6,3. Der niedrigste Zuspruch zur AfD beträgt hier
7,7 % in der Südvorstadt, der höchste 29,5 % in Lausen-Grünau.</p>

<?xmltex \floatpos{t}?><table-wrap id="Ch1.T2" specific-use="star"><?xmltex \currentcnt{2}?><label>Tabelle 2</label><caption><p id="d1e1033">Tabelle der Regressionskoeffizienten zwischen den unabhängigen
Variablen zu dem AfD-Wahlergebnis in den Stadtteilen je Stadt.</p></caption><oasis:table frame="topbot"><oasis:tgroup cols="9">
     <oasis:colspec colnum="1" colname="col1" align="left"/>
     <oasis:colspec colnum="2" colname="col2" align="right"/>
     <oasis:colspec colnum="3" colname="col3" align="left"/>
     <oasis:colspec colnum="4" colname="col4" align="left"/>
     <oasis:colspec colnum="5" colname="col5" align="left"/>
     <oasis:colspec colnum="6" colname="col6" align="left"/>
     <oasis:colspec colnum="7" colname="col7" align="left"/>
     <oasis:colspec colnum="8" colname="col8" align="left"/>
     <oasis:colspec colnum="9" colname="col9" align="left"/>
     <oasis:thead>
       <oasis:row rowsep="1">
         <?xmltex \rotentry?><oasis:entry colname="col1">Stadt</oasis:entry>
         <?xmltex \rotentry?><oasis:entry colname="col2"><inline-formula><mml:math id="M41" display="inline"><mml:mtable class="array" columnalign="left"><mml:mtr><mml:mtd><mml:mtext>Zweitstimmenanteil AfD</mml:mtext></mml:mtd></mml:mtr><mml:mtr><mml:mtd><mml:mtext>BTW 2017 in %</mml:mtext></mml:mtd></mml:mtr></mml:mtable></mml:math></inline-formula></oasis:entry>
         <?xmltex \rotentry?><oasis:entry colname="col3"><inline-formula><mml:math id="M42" display="inline"><mml:mtable class="array" columnalign="left"><mml:mtr><mml:mtd><mml:mtext>Jugendquotient</mml:mtext></mml:mtd></mml:mtr><mml:mtr><mml:mtd><mml:mtext>im Stadtteil</mml:mtext></mml:mtd></mml:mtr></mml:mtable></mml:math></inline-formula></oasis:entry>
         <?xmltex \rotentry?><oasis:entry colname="col4"><inline-formula><mml:math id="M43" display="inline"><mml:mtable class="array" columnalign="left"><mml:mtr><mml:mtd><mml:mtext>Altenquotient</mml:mtext></mml:mtd></mml:mtr><mml:mtr><mml:mtd><mml:mtext>im Stadtteil</mml:mtext></mml:mtd></mml:mtr></mml:mtable></mml:math></inline-formula></oasis:entry>
         <?xmltex \rotentry?><oasis:entry colname="col5"><inline-formula><mml:math id="M44" display="inline"><mml:mtable class="array" columnalign="left"><mml:mtr><mml:mtd><mml:mtext>Menschen mit Migrationshintergrund</mml:mtext></mml:mtd></mml:mtr><mml:mtr><mml:mtd><mml:mtext>Anteil Stadtteilbevölkerung</mml:mtext></mml:mtd></mml:mtr></mml:mtable></mml:math></inline-formula></oasis:entry>
         <?xmltex \rotentry?><oasis:entry colname="col6"><inline-formula><mml:math id="M45" display="inline"><mml:mtable class="array" columnalign="left"><mml:mtr><mml:mtd><mml:mrow><mml:msup><mml:mtext>Ausländer</mml:mtext><mml:mo>*</mml:mo></mml:msup><mml:mtext>innen</mml:mtext></mml:mrow></mml:mtd></mml:mtr><mml:mtr><mml:mtd><mml:mtext>Anteil Stadtteilbevölkerung</mml:mtext></mml:mtd></mml:mtr></mml:mtable></mml:math></inline-formula></oasis:entry>
         <?xmltex \rotentry?><oasis:entry colname="col7"><inline-formula><mml:math id="M46" display="inline"><mml:mtable class="array" columnalign="left"><mml:mtr><mml:mtd><mml:mtext>Arbeitslosengeld nach SGB II</mml:mtext></mml:mtd></mml:mtr><mml:mtr><mml:mtd><mml:mtext>Anteil erwerbsfähiger</mml:mtext></mml:mtd></mml:mtr><mml:mtr><mml:mtd><mml:mtext>Stadtteilbevölkerung</mml:mtext></mml:mtd></mml:mtr></mml:mtable></mml:math></inline-formula></oasis:entry>
         <?xmltex \rotentry?><oasis:entry colname="col8"><inline-formula><mml:math id="M47" display="inline"><mml:mtable class="array" columnalign="left"><mml:mtr><mml:mtd><mml:mtext>Sozialversicherungspflichtig beschäftigt</mml:mtext></mml:mtd></mml:mtr><mml:mtr><mml:mtd><mml:mtext>Anteil erwerbsfähiger</mml:mtext></mml:mtd></mml:mtr><mml:mtr><mml:mtd><mml:mtext>Stadtteilbevölkerung</mml:mtext></mml:mtd></mml:mtr></mml:mtable></mml:math></inline-formula></oasis:entry>
         <?xmltex \rotentry?><oasis:entry colname="col9"><inline-formula><mml:math id="M48" display="inline"><mml:mtable class="array" columnalign="left"><mml:mtr><mml:mtd><mml:mtext>Wahlbeteiligung  Anteil</mml:mtext></mml:mtd></mml:mtr><mml:mtr><mml:mtd><mml:mtext>Wahlberechtigte</mml:mtext></mml:mtd></mml:mtr><mml:mtr><mml:mtd><mml:mtext>im Stadtteil</mml:mtext></mml:mtd></mml:mtr></mml:mtable></mml:math></inline-formula></oasis:entry>
       </oasis:row>
     </oasis:thead>
     <oasis:tbody>
       <oasis:row>
         <oasis:entry colname="col1">Berlin</oasis:entry>
         <oasis:entry colname="col2">12,0</oasis:entry>
         <oasis:entry colname="col3">0</oasis:entry>
         <oasis:entry colname="col4">0</oasis:entry>
         <oasis:entry colname="col5"><inline-formula><mml:math id="M49" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:msup><mml:mn mathvariant="normal">280</mml:mn><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:mrow></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col6"><inline-formula><mml:math id="M50" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:msup><mml:mn mathvariant="normal">453</mml:mn><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:mrow></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col7">0</oasis:entry>
         <oasis:entry colname="col8">0</oasis:entry>
         <oasis:entry colname="col9"><inline-formula><mml:math id="M51" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:msup><mml:mn mathvariant="normal">687</mml:mn><mml:mo>*</mml:mo></mml:msup></mml:mrow></mml:math></inline-formula></oasis:entry>
       </oasis:row>
       <oasis:row>
         <oasis:entry colname="col1">Bremen</oasis:entry>
         <oasis:entry colname="col2">8,3</oasis:entry>
         <oasis:entry colname="col3">0,325<inline-formula><mml:math id="M52" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col4">0,143<inline-formula><mml:math id="M53" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col5">0,232<inline-formula><mml:math id="M54" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col6">0,232<inline-formula><mml:math id="M55" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col7">0,636<inline-formula><mml:math id="M56" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col8">0</oasis:entry>
         <oasis:entry colname="col9"><inline-formula><mml:math id="M57" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:msup><mml:mn mathvariant="normal">401</mml:mn><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:mrow></mml:math></inline-formula></oasis:entry>
       </oasis:row>
       <oasis:row>
         <oasis:entry colname="col1">Erfurt</oasis:entry>
         <oasis:entry colname="col2">18,5</oasis:entry>
         <oasis:entry colname="col3">0</oasis:entry>
         <oasis:entry colname="col4">0,137<inline-formula><mml:math id="M58" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col5">x</oasis:entry>
         <oasis:entry colname="col6">0</oasis:entry>
         <oasis:entry colname="col7">0</oasis:entry>
         <oasis:entry colname="col8">0</oasis:entry>
         <oasis:entry colname="col9">0</oasis:entry>
       </oasis:row>
       <oasis:row>
         <oasis:entry colname="col1">Frankfurt/M</oasis:entry>
         <oasis:entry colname="col2">8,6</oasis:entry>
         <oasis:entry colname="col3">0,203<inline-formula><mml:math id="M59" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col4">0,165<inline-formula><mml:math id="M60" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col5">0,100<inline-formula><mml:math id="M61" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col6">0</oasis:entry>
         <oasis:entry colname="col7">1,485<inline-formula><mml:math id="M62" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col8"><inline-formula><mml:math id="M63" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:mn mathvariant="normal">391</mml:mn><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:mrow></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col9"><inline-formula><mml:math id="M64" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:msup><mml:mn mathvariant="normal">316</mml:mn><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:mrow></mml:math></inline-formula></oasis:entry>
       </oasis:row>
       <oasis:row>
         <oasis:entry colname="col1">Hamburg</oasis:entry>
         <oasis:entry colname="col2">7,8</oasis:entry>
         <oasis:entry colname="col3">0,197<inline-formula><mml:math id="M65" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col4">0</oasis:entry>
         <oasis:entry colname="col5">0,136<inline-formula><mml:math id="M66" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col6">0,141<inline-formula><mml:math id="M67" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col7">0,221<inline-formula><mml:math id="M68" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col8">0</oasis:entry>
         <oasis:entry colname="col9"><inline-formula><mml:math id="M69" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:msup><mml:mn mathvariant="normal">347</mml:mn><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:mrow></mml:math></inline-formula></oasis:entry>
       </oasis:row>
       <oasis:row>
         <oasis:entry colname="col1">Hannover</oasis:entry>
         <oasis:entry colname="col2">8,3</oasis:entry>
         <oasis:entry colname="col3">0,251<inline-formula><mml:math id="M70" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col4">0</oasis:entry>
         <oasis:entry colname="col5">0,184<inline-formula><mml:math id="M71" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col6">0,177<inline-formula><mml:math id="M72" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col7">0,733<inline-formula><mml:math id="M73" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col8">0</oasis:entry>
         <oasis:entry colname="col9"><inline-formula><mml:math id="M74" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:msup><mml:mn mathvariant="normal">357</mml:mn><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:mrow></mml:math></inline-formula></oasis:entry>
       </oasis:row>
       <oasis:row>
         <oasis:entry colname="col1">Kiel</oasis:entry>
         <oasis:entry colname="col2">6,9</oasis:entry>
         <oasis:entry colname="col3">x</oasis:entry>
         <oasis:entry colname="col4">x</oasis:entry>
         <oasis:entry colname="col5">x</oasis:entry>
         <oasis:entry colname="col6">x</oasis:entry>
         <oasis:entry colname="col7">x</oasis:entry>
         <oasis:entry colname="col8">x</oasis:entry>
         <oasis:entry colname="col9"><inline-formula><mml:math id="M75" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:msup><mml:mn mathvariant="normal">163</mml:mn><mml:mo>*</mml:mo></mml:msup></mml:mrow></mml:math></inline-formula></oasis:entry>
       </oasis:row>
       <oasis:row>
         <oasis:entry colname="col1">Köln</oasis:entry>
         <oasis:entry colname="col2">7,4</oasis:entry>
         <oasis:entry colname="col3">0,327<inline-formula><mml:math id="M76" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col4">0</oasis:entry>
         <oasis:entry colname="col5">0,169<inline-formula><mml:math id="M77" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col6">0,209<inline-formula><mml:math id="M78" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col7">0,223<inline-formula><mml:math id="M79" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col8">0</oasis:entry>
         <oasis:entry colname="col9"><inline-formula><mml:math id="M80" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:msup><mml:mn mathvariant="normal">339</mml:mn><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:mrow></mml:math></inline-formula></oasis:entry>
       </oasis:row>
       <oasis:row>
         <oasis:entry colname="col1">Leipzig</oasis:entry>
         <oasis:entry colname="col2">18,3</oasis:entry>
         <oasis:entry colname="col3">0</oasis:entry>
         <oasis:entry colname="col4">0,237<inline-formula><mml:math id="M81" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col5"><inline-formula><mml:math id="M82" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:mn mathvariant="normal">325</mml:mn><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:mrow></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col6"><inline-formula><mml:math id="M83" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:msup><mml:mn mathvariant="normal">345</mml:mn><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:mrow></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col7">0</oasis:entry>
         <oasis:entry colname="col8">0,308<inline-formula><mml:math id="M84" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col9"><inline-formula><mml:math id="M85" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:msup><mml:mn mathvariant="normal">367</mml:mn><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:mrow></mml:math></inline-formula></oasis:entry>
       </oasis:row>
       <oasis:row>
         <oasis:entry colname="col1">Magdeburg</oasis:entry>
         <oasis:entry colname="col2">17,6</oasis:entry>
         <oasis:entry colname="col3">0,477<inline-formula><mml:math id="M86" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col4">0</oasis:entry>
         <oasis:entry colname="col5">x</oasis:entry>
         <oasis:entry colname="col6">0</oasis:entry>
         <oasis:entry colname="col7">0,604<inline-formula><mml:math id="M87" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col8">0</oasis:entry>
         <oasis:entry colname="col9"><inline-formula><mml:math id="M88" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:msup><mml:mn mathvariant="normal">290</mml:mn><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:mrow></mml:math></inline-formula></oasis:entry>
       </oasis:row>
       <oasis:row>
         <oasis:entry colname="col1">Mainz</oasis:entry>
         <oasis:entry colname="col2">7,3</oasis:entry>
         <oasis:entry colname="col3">0,204<inline-formula><mml:math id="M89" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col4">0</oasis:entry>
         <oasis:entry colname="col5">0</oasis:entry>
         <oasis:entry colname="col6">0</oasis:entry>
         <oasis:entry colname="col7">0,824<inline-formula><mml:math id="M90" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col8">0</oasis:entry>
         <oasis:entry colname="col9"><inline-formula><mml:math id="M91" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:msup><mml:mn mathvariant="normal">247</mml:mn><mml:mo>*</mml:mo></mml:msup></mml:mrow></mml:math></inline-formula></oasis:entry>
       </oasis:row>
       <oasis:row>
         <oasis:entry colname="col1">München</oasis:entry>
         <oasis:entry colname="col2">8,4</oasis:entry>
         <oasis:entry colname="col3">0,485<inline-formula><mml:math id="M92" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col4">0,282<inline-formula><mml:math id="M93" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col5">0,246<inline-formula><mml:math id="M94" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col6">0,249<inline-formula><mml:math id="M95" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col7">3,493<inline-formula><mml:math id="M96" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col8">0</oasis:entry>
         <oasis:entry colname="col9"><inline-formula><mml:math id="M97" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:msup><mml:mn mathvariant="normal">520</mml:mn><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:mrow></mml:math></inline-formula></oasis:entry>
       </oasis:row>
       <oasis:row>
         <oasis:entry colname="col1">Potsdam</oasis:entry>
         <oasis:entry colname="col2">12,8</oasis:entry>
         <oasis:entry colname="col3">0</oasis:entry>
         <oasis:entry colname="col4">0</oasis:entry>
         <oasis:entry colname="col5">0</oasis:entry>
         <oasis:entry colname="col6">0,446<inline-formula><mml:math id="M98" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col7">0,424<inline-formula><mml:math id="M99" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col8">0</oasis:entry>
         <oasis:entry colname="col9">x</oasis:entry>
       </oasis:row>
       <oasis:row>
         <oasis:entry colname="col1">Rostock</oasis:entry>
         <oasis:entry colname="col2">14,7</oasis:entry>
         <oasis:entry colname="col3">0,553<inline-formula><mml:math id="M100" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col4">0</oasis:entry>
         <oasis:entry colname="col5">x</oasis:entry>
         <oasis:entry colname="col6">0,828<inline-formula><mml:math id="M101" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col7">0,761<inline-formula><mml:math id="M102" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col8">0</oasis:entry>
         <oasis:entry colname="col9"><inline-formula><mml:math id="M103" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:msup><mml:mn mathvariant="normal">359</mml:mn><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:mrow></mml:math></inline-formula></oasis:entry>
       </oasis:row>
       <oasis:row>
         <oasis:entry colname="col1">Saarbrücken</oasis:entry>
         <oasis:entry colname="col2">9,4</oasis:entry>
         <oasis:entry colname="col3">0,371<inline-formula><mml:math id="M104" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col4">0</oasis:entry>
         <oasis:entry colname="col5">0</oasis:entry>
         <oasis:entry colname="col6">0</oasis:entry>
         <oasis:entry colname="col7">0,149<inline-formula><mml:math id="M105" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col8">0</oasis:entry>
         <oasis:entry colname="col9"><inline-formula><mml:math id="M106" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:msup><mml:mn mathvariant="normal">315</mml:mn><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:mrow></mml:math></inline-formula></oasis:entry>
       </oasis:row>
       <oasis:row>
         <oasis:entry colname="col1">Stuttgart</oasis:entry>
         <oasis:entry colname="col2">8,8</oasis:entry>
         <oasis:entry colname="col3">0,394<inline-formula><mml:math id="M107" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col4">0</oasis:entry>
         <oasis:entry colname="col5">0,215<inline-formula><mml:math id="M108" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula></oasis:entry>
         <oasis:entry colname="col6">0</oasis:entry>
         <oasis:entry colname="col7">0</oasis:entry>
         <oasis:entry colname="col8">0</oasis:entry>
         <oasis:entry colname="col9"><inline-formula><mml:math id="M109" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:msup><mml:mn mathvariant="normal">485</mml:mn><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:mrow></mml:math></inline-formula></oasis:entry>
       </oasis:row>
     </oasis:tbody>
   </oasis:tgroup></oasis:table><table-wrap-foot><p id="d1e1036">x <inline-formula><mml:math id="M32" display="inline"><mml:mo>=</mml:mo></mml:math></inline-formula> Daten für diese Stadt nicht verfügbar. <?xmltex \hack{ \\}?>
0 <inline-formula><mml:math id="M33" display="inline"><mml:mo>=</mml:mo></mml:math></inline-formula> Regressionsmodell unzureichende Erklärungsgüte (zum F-Wert gehöriger <inline-formula><mml:math id="M34" display="inline"><mml:mi>p</mml:mi></mml:math></inline-formula>-Wert größer als 0,05 oder R-Quadrat kleiner als 0,1).<?xmltex \hack{\\}?>
Signifikanzniveau: <inline-formula><mml:math id="M35" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula> <inline-formula><mml:math id="M36" display="inline"><mml:mrow><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:mn mathvariant="normal">01</mml:mn><mml:mo>&gt;</mml:mo><mml:mi>p</mml:mi><mml:mo>&gt;</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:mn mathvariant="normal">5</mml:mn></mml:mrow></mml:math></inline-formula> (signifikant), <inline-formula><mml:math id="M37" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula> <inline-formula><mml:math id="M38" display="inline"><mml:mrow><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:mn mathvariant="normal">001</mml:mn><mml:mo>&gt;</mml:mo><mml:mi>p</mml:mi><mml:mo>&gt;</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:mn mathvariant="normal">1</mml:mn></mml:mrow></mml:math></inline-formula> (sehr signifikant),
<inline-formula><mml:math id="M39" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula> <inline-formula><mml:math id="M40" display="inline"><mml:mrow><mml:mi>p</mml:mi><mml:mo>=</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:mn mathvariant="normal">000</mml:mn></mml:mrow></mml:math></inline-formula> (hoch signifikant).</p></table-wrap-foot></table-wrap>

      <p id="d1e2680">In Tabelle 2 sind die Ergebnisse der bivariaten linearen Regressionsanalyse
zusammengefasst. Wichtig ist: Mittels der Regressionsanalyse können wir
nur Aussagen darüber treffen, ob der Anteil an Menschen einer bestimmten
Personengruppe innerhalb eines Stadtteils mit der Wahl der AfD korreliert;
es ist keine Aussage darüber, dass die entsprechende Gruppe auch die
Rechtsaußen-Partei wählt. Aus den aufgezeigten Korrelationen ist
zudem nicht auf Kausalitäten zu schließen – sie geben Hinweise,
sind aber kein Erklärendes. Die Werte des Regressionskoeffizienten sind
getrennt voneinander und wie folgt zu interpretieren: Steigt die
unabhängige Variable auf der Städteebene um einen Prozentpunkt, dann
nimmt bei einem positiven Regressionskoeffizienten der Anteil der Stimmen
für die AfD um den dargestellten Wert des Regressionskoeffizienten zu.
Ein negativer Wert zeigt, dass die Regressionsgerade fällt und der
Zuspruch beim Steigen der unabhängigen Variabel abnimmt. Die
Erklärungsgüte des Modells wurde als signifikant interpretiert, wenn
der <inline-formula><mml:math id="M110" display="inline"><mml:mi>p</mml:mi></mml:math></inline-formula>-Wert des F-Wertes niedriger als 0,05 ist und das adjustierte R-Quadrat höher als 0,1 liegt.</p>
      <p id="d1e2690">Die Ergebnisse sind heterogen, dennoch lassen sich relevante
Zusammenhänge beschreiben. Am deutlichsten tritt der Indikator
Wahlbeteiligung hervor. Mit Ausnahme von Erfurt, wo kein Zusammenhang
sichtbar wurde, gilt: Je tiefer die Wahlbeteiligung, desto höher der
Zweitstimmenanteil der AfD. In 8 Städten ist der Zusammenhang sehr
signifikant ausgeprägt. In den Städten Berlin (<inline-formula><mml:math id="M111" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:msup><mml:mn mathvariant="normal">687</mml:mn><mml:mo>*</mml:mo></mml:msup></mml:mrow></mml:math></inline-formula>), Hamburg
(<inline-formula><mml:math id="M112" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:msup><mml:mn mathvariant="normal">347</mml:mn><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:mrow></mml:math></inline-formula>), Köln (<inline-formula><mml:math id="M113" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:msup><mml:mn mathvariant="normal">339</mml:mn><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:mrow></mml:math></inline-formula>), Leipzig (<inline-formula><mml:math id="M114" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:msup><mml:mn mathvariant="normal">367</mml:mn><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:mrow></mml:math></inline-formula>) und Stuttgart
(<inline-formula><mml:math id="M115" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:msup><mml:mn mathvariant="normal">485</mml:mn><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:mrow></mml:math></inline-formula>) handelt es sich bei der Wahlbeteiligung um den über alle
Werte hinweg am stärksten ausgeprägten Wert. In Bezug auf Menschen,
die SGB II beziehen, beobachten wir in 11 von 15 Städten einen positiven
Zusammenhang mit dem Zweistimmenanteil der AfD. In 6 Fällen ist der
Zusammenhang hoch signifikant. In den Städten München (3,493<inline-formula><mml:math id="M116" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula>),
Frankfurt am Main (1,485<inline-formula><mml:math id="M117" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula>), Mainz (0,824<inline-formula><mml:math id="M118" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>), Hannover (0,733<inline-formula><mml:math id="M119" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula>), Bremen
(0,636<inline-formula><mml:math id="M120" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula>) und Magdeburg (0,604<inline-formula><mml:math id="M121" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>) handelt es sich hierbei – bisweilen mit
Abstand – um die am stärksten ausgeprägten
Regressionskoeffizienten. In 7 der 12 Städte, für die Daten zum
Anteil an Menschen mit Migrationshintergrund vorliegen, ist der Zusammenhang
positiv; in Leipzig (<inline-formula><mml:math id="M122" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:msup><mml:mn mathvariant="normal">325</mml:mn><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:mrow></mml:math></inline-formula>) und Berlin (<inline-formula><mml:math id="M123" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:msup><mml:mn mathvariant="normal">280</mml:mn><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:mrow></mml:math></inline-formula>) hingegen negativ. Für die ostdeutschen Städte Erfurt, Magdeburg und Rostock liegen hier keine Daten vor. Der Anteil an Ausländer<inline-formula><mml:math id="M124" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen ist besser erfasst. Wir beobachten in 7 von 15 Fällen eine positive Korrelation mit dem Zweitstimmenanteil der AfD; in Berlin (<inline-formula><mml:math id="M125" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:msup><mml:mn mathvariant="normal">453</mml:mn><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:mrow></mml:math></inline-formula>) und Leipzig (<inline-formula><mml:math id="M126" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:msup><mml:mn mathvariant="normal">345</mml:mn><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:mrow></mml:math></inline-formula>) ist auch hier der Zusammenhang negativ. In Erfurt, Frankfurt am Main, Magdeburg, Mainz, Saarbrücken und Stuttgart ergaben sich keine signifikanten Korrelationen. In Rostock (0,828<inline-formula><mml:math id="M127" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula>) und Potsdam (0,446<inline-formula><mml:math id="M128" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>) hingegen ist der Anteil an Ausländer<inline-formula><mml:math id="M129" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen der über alle Werte hinweg am
stärksten ausgeprägte Regressionskoeffizient. Wichtig scheint uns,
dass insgesamt – mit Ausnahme der beiden genannten ostdeutschen Städte
– die migrationsbezogenen Regressionskoeffizienten im Vergleich zum Anteil
an SGB II und der Wahlbeteiligung deutlich niedriger ausfallen.
Überrascht hat uns der Jugendquotient. In 11 von 15 Fällen
korreliert dieser positiv mit der Wahl der AfD; in 5 Fällen ist die
Ausprägung gar hoch signifikant. In Stuttgart (0,394<inline-formula><mml:math id="M130" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula>), Saarbrücken
(0,371<inline-formula><mml:math id="M131" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula>) und Köln (0,327<inline-formula><mml:math id="M132" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula>) weist der Jugendquotient verglichen zu den
anderen Variablen einen hohen Regressionskoeffizienten auf. Der höchste
Wert findet sich im Städtevergleich in Rostock (0,553<inline-formula><mml:math id="M133" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>). In
Saarbrücken ist es gar der am stärksten ausgeprägte
Regressionskoeffizient. Der Altersquotient hingen schlägt nur in 5 von
15<?pagebreak page135?> Fällen zu Buche und lediglich in Erfurt (0,137<inline-formula><mml:math id="M134" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>), wo ansonsten keine
Korrelationen auftreten, ist dieser an sich lediglich signifikante und
schwach ausgeprägte Wert der am stärksten ausgeprägte. In den
Städten, in denen beide altersabhängigen Quotienten
Zusammenhänge aufweisen, besitzen jene für den Altenquotienten stets
einen niedrigeren Regressionskoeffizienten.</p>
<sec id="Ch1.S5.SSx1" specific-use="unnumbered">
  <title>Multidimensionale Betrachtungen</title>
      <p id="d1e3056">Für die weitere Diskussion der Ergebnisse folgen wir den vier
Dimensionen sozio-ökonomische Lage, Migration,<?pagebreak page136?> Zuspruch zur Demokratie
und Altersstruktur. Dabei binden wir diese an die oben eingeführten
Debatten zurück und versuchen uns an einer multidimensionalen
Betrachtung. Hier fokussieren wir auch auf die Diskontinuitäten
innerhalb der Korrelationen, zumal wir uns aus der Betrachtung der
Spannungsverhältnisse Rückschlüsse auf gesellschaftliche
Tendenzen erwarten.</p>
      <p id="d1e3059">Wir beginnen mit der Diskussion der Dimension sozio-ökonomische Lage. Am
deutlichsten ist der SGB-II-bezogene Zusammenhang in München, mit einem
Regressionskoeffizienten von 3,493<inline-formula><mml:math id="M135" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula>. Dies ist der höchste Koeffizient in unserem Sample. Zurückzuführen sein dürfte diese
Ausprägung auf die geringe Zahl an Bezieher<inline-formula><mml:math id="M136" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen (max. 1,6 %) und eine gleichzeitig hohe Signifikanz der Korrelation. Hohe Werte des
Regressionskoeffizienten im Verhältnis zu den anderen unabhängigen
Variablen sind zudem in Frankfurt am Main (1,485<inline-formula><mml:math id="M137" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula>), Mainz (0,824<inline-formula><mml:math id="M138" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>), Rostock (0,761<inline-formula><mml:math id="M139" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula>), Hannover (0,733<inline-formula><mml:math id="M140" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula>), Bremen (0,636<inline-formula><mml:math id="M141" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula>) und Magdeburg (0,604<inline-formula><mml:math id="M142" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>) zu beobachten. Die Ursachen für die relativ gesehen hohen Werte divergieren. In Rostock ist wesentlich, dass die Stadtteile mit dem höchsten Anteil an SGB-II-Bezieher<inline-formula><mml:math id="M143" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen allesamt auch die sind, in denen die AfD sehr stark abschneidet – ansonsten sind die Verteilungen weniger linear; ähnliches gilt für Mainz, wenn auch auf einem deutlich tieferen Niveau der AfD-Wahl. In Frankfurt am Main fällt umgekehrt ins Gewicht, dass in den Stadtteilen mit den kleinsten Anteilen an SGB II die AfD eindeutig weniger Zuspruch erhält. Keine Korrelationen zwischen dem Anteil an SGB-II-Bezieher<inline-formula><mml:math id="M144" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen und der Wahl der AfD können wir für Berlin, Erfurt, Leipzig und Stuttgart aufzeigen.</p>
      <p id="d1e3176">In Bezug auf den zweiten Indikator für die sozio-ökonomische Lage,
den Anteil an sozialversicherungspflichtig Beschäftigten, gilt für
unser Sample, dass lediglich in Leipzig und in Frankfurt am Main ein
Zusammenhang mit dem Zweitstimmenanteil der AfD zu beobachten ist. Mit
zunehmendem Anteil steigt in Leipzig die Zustimmung zur AfD, in Frankfurt am
Main hingegen sinkt diese. In beiden Städten ist das Ergebnis zwar sehr
signifikant, der Einfluss auf den Stimmenanteil ist jedoch in beiden
Städten mit <inline-formula><mml:math id="M145" display="inline"><mml:mrow><mml:mo>-</mml:mo><mml:mn mathvariant="normal">0</mml:mn><mml:mo>,</mml:mo><mml:msup><mml:mn mathvariant="normal">391</mml:mn><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:mrow></mml:math></inline-formula> für Frankfurt am Main und 0,308<inline-formula><mml:math id="M146" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula> für
Leipzig im Vergleich zu den anderen Werten mäßig. Mit diesen
Ergebnissen können wir den Befund von Manow (2018: 91–95) nicht
stützen, wonach gerade in Regionen mit einem hohen Anteil an
sozialversicherungspflichtig Beschäftigten die AfD stark gewählt
wird. Auch die Interpretation, dass es vormals noch gut integrierte
Arbeiter<inline-formula><mml:math id="M147" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen seien, die sich, von Abstiegsängsten geplagt, vermehrt
gegen Zuwanderung wenden würden, lässt sich nicht bestätigen. Es
scheint, dass im städtischen Kontext Absicherung auf dem Arbeitsmarkt
meist auch mit einer einigermaßen gesicherten Position einhergeht und
die von Manow beschriebenen Effekte von einem Gefühl gesellschaftlicher
Situiertheit und Weltoffenheit zumindest wettgemacht werden (vgl. Blokland,
2011: 180). In der Tendenz untermauern unsere Befunde den Forschungsstand
dahingehend, dass sozio-ökonomische Marginalisierung in Westdeutschland
ein stärkerer Prädiktor für die Wahl der AfD ist als in
Ostdeutschland (vgl. Deppisch et al., 2019: 78 ff.). Zwar weist der Anteil an SGB-II-Bezieher<inline-formula><mml:math id="M148" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen auch in Rostock (0,761<inline-formula><mml:math id="M149" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula>), Magdeburg (0,604<inline-formula><mml:math id="M150" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>) und
Potsdam (0,424<inline-formula><mml:math id="M151" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula>) zumindest signifikante Korrelationen mit dem
Zweitstimmenanteil der AfD auf, mit Erfurt und Leipzig können wir aber
auch in relevanten Metropolen Ostdeutschlands keine Korrelation nachweisen.
Hinzu kommt, dass in Rostock (0,828<inline-formula><mml:math id="M152" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula>) und Potsdam (0,446<inline-formula><mml:math id="M153" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>) jeweils der Anteil an Migrant<inline-formula><mml:math id="M154" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen stärker ins Gewicht fällt.</p>
      <p id="d1e3293">Die auf Migration bezogenen Indikatoren weisen in unserem Sample in vielen
Fällen signifikante Korrelationen auf, fallen aber weniger eindeutig aus
als die oben beschriebenen Indikatoren. Für einen Ost-West-Vergleich
taugt insbesondere der Indikator Menschen mit Migrationshintergrund auf
Grund der Lücken in der Erfassung nicht. Hier ist der Anteil
Ausländer<inline-formula><mml:math id="M155" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen aussagekräftiger, wobei ein eindeutiges
Ost-West-Muster auch hier nicht auszumachen ist. Insgesamt wird deutlich,
dass zur Interpretation ein detaillierterer Blick vonnöten ist. Drei
Konstellationen sind auffällig und diese wollen wir genauer betrachten.
Erstens, Rostock und Potsdam, hier ist es der Anteil an Ausländer<inline-formula><mml:math id="M156" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen
der über alle Werte hinweg jeweils die stärkste Ausprägung
aufweist; zweitens, Berlin und Leipzig, wo beide migrationsbezogenen
Indikatoren negative Zusammenhänge aufweisen; und drittens, Frankfurt am
Main und Stuttgart, hier weist der Anteil an Menschen mit
Migrationshintergrund einen zumindest sehr signifikant positiven
Zusammenhang auf, während der Anteil Ausländer<inline-formula><mml:math id="M157" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen sich als nicht
signifikant erweist. Für den ersten Fall haben wir Rostock, den zweiten
Leipzig und den dritten Frankfurt am Main genauer betrachtet.</p>
      <p id="d1e3324">In Rostock scheint das Bild auf den ersten Blick eindeutig. In keiner
anderen Stadt ist der Zusammenhang zwischen starkem Abschneiden der AfD und
einem hohen Anteil an Ausländer<inline-formula><mml:math id="M158" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen im Viertel so stark ausgeprägt
wie hier. Die bis heute wirkmächtigen Bilder des Pogroms von
Lichtenhagen 1992 tun das ihre dazu, um ein vermeintlich eindeutiges
Verständnis über die Verhältnisse in der Stadt zu bekommen (Mau,
2019: 221-225). Bei genauerer Betrachtung erweist sich die Situation jedoch
als komplexer. Die beiden Stadtteile mit dem höchsten Anteil an
Ausländer<inline-formula><mml:math id="M159" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen sind die eher zentrumsnahen, aber von
Einfamilienhaussiedlungen geprägten Viertel Biestow und
Gartenstadt/Stadtweide. Hier schneidet die AfD allerdings
unterdurchschnittlich ab. Umgekehrt ist der Wahlanteil der AfD in
Dierkow-Ost und -West sehr hoch, während dort praktisch keine
Ausländer<inline-formula><mml:math id="M160" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen wohnen. Hier handelt es sich um zwei Siedlungen, die in
der zweiten Hälfte der 1930er Jahre als Wohnraum für Arbeiter<inline-formula><mml:math id="M161" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen
entstanden. An die Siedlungen grenzt Dierkow-Neu, eine Großwohnsiedlung
aus Zeiten der DDR. Hier leben wie in anderen Großwohnsiedlungen,
beispielsweise Lütten und Groß Klein oder Lichtenhagen,
überdurchschnittlich viele Ausländer<inline-formula><mml:math id="M162" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen und der Wahlanteil der
AfD ist sehr hoch. Für die starke Ausprägung des Koeffizienten ist
gerade dieser Zusammenhang<?pagebreak page137?> zentral. Studien belegen, so Steffen Mau (2019:
229), diese Spaltung der Stadt. Zwar sei Rostock relativ weltoffen, aber
gerade die „alteingesessenen und homogenen Gruppen“ seien nur
„schwer zu motivieren, sich auf Migranten einzulassen“.
Räumlich manifestiere sich dies stark in der sozialräumlichen
Polarisierung „zwischen den innerstädtischen Quarteiern und
den Neubaugebieten“. Der Zuzug von Menschen aus anderen Teilen der Welt
würde gerade von Bewohner<inline-formula><mml:math id="M163" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen der Großwohnsiedlungen, die ohnehin
vielfach auf stark von Frakturen geprägte Biographien blicken würden
(Mau, 2019: 13 ff.), als weitere Veränderung empfunden, die schlicht nicht
gewollt sei (Mau, 2019: 230). Es gehe um Gefühle des sozialen und
kulturellen Abstiegs, der sich mit rassistischen Ressentiments vermenge.
Hinzu komme, dass die AfD diese Viertel auch gezielt als Interventionsfelder
definiert habe und sie politisch bearbeite (Mau, 2019: 225). Einhellig
Hochburgen der extremen Rechten sind sie aber nicht. So schneiden in den
Großwohnsiedlungen Rostocks die SPD wie auch Die Linke ebenfalls sehr
gut ab.</p>
      <p id="d1e3382">In Leipzig, dem zweiten Beispiel, ist die starke Polarisierung der Stadt
augenscheinlich. Auf der einen Seite Stadtteile wie Lindenau,
Neustadt-Neuschönefeld, Plagwitz, Volkmarsdorf oder die
Zentrums-Bezirke, wo die AfD im städtischen Vergleich schlecht
abschneidet. Hier ist der Anteil an Menschen mit Migrationshintergrund hoch
bis sehr hoch, jener sozialversicherungspflichtig Beschäftigter eher
tief und die Anteile an SGB-II-Bezieher<inline-formula><mml:math id="M164" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen liegen im unteren Bereich. Auf
der anderen Seite schneidet die AfD in Stadtteilen wie
Althen-Kleinpösna, Holzhausen, Liebertwolkwitz oder Seehausen sehr stark
ab, wo kaum Menschen mit Migrationshintergrund sowie Ausländer<inline-formula><mml:math id="M165" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen
wohnen und auch die Werte für den SGB-II Bezug sehr gering sind. Der
Anteil sozialversicherungspflichtig Beschäftigter hingegen ist sehr
hoch. Im ersten Fall handelt es sich um urbane Gründerzeitviertel, die
historisch durch einen eher mangelhaften Wohnungsbestand, günstige
Mieten und geringe Zugangsrestriktionen geprägt waren. Hier haben sich
linke und pluralistische Milieus entwickelt und Migrant<inline-formula><mml:math id="M166" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen ein Zuhause
gefunden. Dies spiegelt sich auch in den hohen Stimmanteilen für Die
Linke und die Grünen wider. Auf Grund des enormen Drucks auf die
Gründerzeitviertel und deren bisweilen rasanten Aufwertung in den
letzten Jahren ist es Menschen mit kleinen und mittleren Einkommen sowie
Ausländer<inline-formula><mml:math id="M167" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen – meist sind es in Leipzig nach 2015 Geflüchtete,
die zuziehen – kaum noch möglich, sich hier niederzulassen. Sie
können sich einerseits die Wohnungen nicht leisten, andererseits sind
sie auch in diesen Vierteln von rassistischen Exklusionspraxen auf dem
Wohnungsmarkt betroffen (Hummel et al., 2017). Wohnraum finden sie fast
ausschließlich in den Großwohnsiedlungen wie Paunsdorf oder
Grünau, wo die AfD stark abgeschnitten hat – sie gehören bundesweit
zu den AfD-Hochburgen (Zschocke, 2019) und dort sind auch die Anteile an
Menschen mit Migrationshintergrund sowie Ausländer<inline-formula><mml:math id="M168" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen mittlerweile hoch. Würden alleine die urbanisierten Stadtteile von Leipzig betrachtet, ist davon auszugehen, dass das Regressionsmodell zwischen diesen
beiden Polen eine unzureichende Güte erlangt hätte. Dass dem nicht
so ist und eine negative Korrelation zu beobachten ist, liegt am zweiten,
eingangs beschriebenen Cluster. Hierbei handelt es sich im Wesentlichen um
eingemeindete Vororte von Leipzig, die stark von Einfamilienhaussiedlungen
und eher mittelständischen bis wohlhabenden sowie eher konservativen
Milieus geprägt sind. Die negative Korrelation ist daher wesentlich aus
einer spezifischen Geschichte der Urbanisierung, Exklusion und des Zuzugs
sowie Eingemeindungen heraus zu erklären.</p>
      <p id="d1e3430">Auch im dritten Fall Frankfurt am Main sind Fragen von Gentrifizierung und
Exklusion zentral, wenn auch auf andere Weise. Eine Erklärung, warum der
Anteil an Menschen mit Migrationshintergrund einen höchst signifikanten
Zusammenhang aufweist, der Anteil Ausländer<inline-formula><mml:math id="M169" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen jedoch nicht, birgt die Betrachtung von abermals zwei Clustern: zum einen jene Viertel, in denen
die AfD schwach abschneidet und der Anteil an Ausländer<inline-formula><mml:math id="M170" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen hoch, der
Anteil an Menschen mit Migrationshintergrund jedoch unterdurchschnittlich
ist. Zum anderen sind es (ehemalige) Arbeiter*innenviertel, wo die AfD heute
stark abschneidet, die teilweise seit Jahrzehnten durch internationale
Zuwanderung geprägt sind. Hier ist der Anteil an Menschen mit
Migrationsgeschichte hoch, der Anteil an Ausländer<inline-formula><mml:math id="M171" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen jedoch
unterdurchschnittlich. Im Vergleich zwischen den Städten sind die Werte
mit um die 25 % jedoch hoch. Im ersten Cluster sind es Viertel wie
Westend-Nord, Bockenheim oder Ostend. Es sind im Falle des Westends sowie
von Bockenheim zentrumsnahe Stadtteile, in denen in den letzten
Jahr(zehnt)en erhebliche Gentrifizierungsprozesse stattgefunden haben,
Sozialwohnungen sukzessive ohne Ersatz weggefallen und die Mieten enorm
gestiegen sind (Schipper und Heeg, 2020). Menschen mit kleinerem und
mittlerem Einkommen, darunter viele Familien der einstigen
Gastarbeiter<inline-formula><mml:math id="M172" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen, wurden schon im Nachgang an die Häuserkämpfe der
1970er Jahre sukzessive verdrängt. Etabliert haben sich eher wohlhabende
Milieus, in denen die SPD und die CDU – immer stärker aber auch die
Grünen sowie Die Linke – ihre Basis finden. Im Ostend ist die Situation
vergleichbar mit der Entwicklung in der Leipziger Innenstadt, zumal hier die
Gentrifizierungsprozesse erst jüngst mit der Fertigstellung des neuen
Sitzes der Europäischen Zentralbank erheblich Fahrt aufgenommen haben
(Mösgen und Schipper, 2017). In allen drei Vierteln sind es heute nicht
zuletzt die transnationalen Professionals, die in den Banken,
Anwaltskanzleien und im akademischen Betrieb arbeiten, die hier den
(internationalen) Zuzug bestimmen. Im zweiten Cluster sind es Stadtteile wie
Bonames, Praunheim, Riederwald oder Schwanheim. Die Zuwachsraten der
Ausländer<inline-formula><mml:math id="M173" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen sind seit 2012 überall hoch und die Ankommenden sind
hier anders als in den gehobenen Wohnlagen eher Menschen mit kleinem
Einkommen, vielfach auch Geflüchtete, und sie werden als weitere
Belastung von ohnehin marginalisierten und peripherisierten Nachbarschaften
betrachtet (Mullis, 2021: 137 ff.). In diesen Vierteln werden<?pagebreak page138?> mitunter
tradierte rassistische Denkmuster offenkundig, zumal dort in den späten
1980er und frühen 1990er Jahren bereits die Republikaner Erfolge zu
verbuchen vermochten (Mullis, 2021: 135–137). Bedeutsam ist hier, dass
viele, die statistisch als Menschen mit Migrationshintergrund erfasst
werden, Deutsche und damit wahlberechtigt sind. Ressentiments gegen die neue
Zuwanderung werden sodann auch von ehemaligen Gastarbeiter<inline-formula><mml:math id="M174" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen
hervorgebracht und gerade Spätaussiedler<inline-formula><mml:math id="M175" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen sind immer wieder durch ihre starke Zustimmung für die AfD aufgefallen. Es ist also bei weitem nicht so, dass eine Migrationsgeschichte vor Rassismus und Affinität zur AfD schützen würde – dies müsste bei einer genaueren Analyse mitberücksichtigt werden.</p>
      <p id="d1e3497">Resümierend halten wir für die Dimension Migration fest, dass,
selbst wenn eine Regression auftritt, diese mit Vorsicht zu bewerten ist.
Unser Beitrag zur Kontroverse über die Konflikt- bzw. Kontakthypothese
liegt darin, dass wir dafür plädieren, dass der Anteil an Menschen
mit Migrationshintergrund oder Ausländer<inline-formula><mml:math id="M176" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen immer nur als Proxy, als ein Einstieg in die konkreten Situationen vor Ort betrachtet werden sollte.
Hinzu kommt, dass Verschränkungen mit der Dimension
sozio-ökonomische Lage zu vermuten sind. Anhand der Beispiele Leipzig
und Frankfurt am Main legen wir nahe, dass es auf die Betrachtung tradierter
Rassismen und urbaner Exklusionsmechanismen sowie Konfliktlagen ankommt.
Migration dürfte nur dann zu einem Prädiktor für die
Wahlstärke der AfD werden, wenn sie vor Ort auch als Problem gedeutet
wird. Insofern kommt es in hohem Maße auf die kleinteiligen sozialen,
ökonomischen und politischen Verhältnisse an.</p>
      <p id="d1e3509">Hinweise auf die Funktionsweise der lokalen Mechanismen gibt es. Johannes
Hillje (2018: 9) etwa beschreibt für AfD-Hochburgen in Städten, dass
Migration dort sehr wohl als das „größte Problem“
benannt wird. Dabei störe vor allem, dass die (angeblich) hohe Zahl an
Migrant<inline-formula><mml:math id="M177" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen zu einer sozialpolitischen Benachteiligung deutscher
Staatsbürger<inline-formula><mml:math id="M178" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen führe. Es gehe also weniger um Zuwanderung an
sich als um Verteilungskämpfe. In eine ähnliche Richtung
argumentieren Peter Bescherer et al. (2019: 23 ff.), wenn sie herausarbeiten, dass seitens der extremen Rechten „sozial Benachteiligte gegeneinander“ ausgespielt werden. Das Resultat: Die ständige Betonung, dass Geflüchtete durch Steuergelder finanziert würden, sowie der Vorwurf, dass Geflüchtete am Wohnungsmarkt Vorteile hätten, „produzieren Sozialneid und das Gefühl einer
Benachteiligung der Einheimischen“. Für East London verweist Justin
Gest (2016: 73, 162) auf einen weiteren Aspekt. Zuwanderung werde in den
einstmals weißen Vierteln der Arbeiter<inline-formula><mml:math id="M179" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen weniger ökonomisch als
Bedrohung wahrgenommen als hinsichtlich der sozialen Position: Mit
prekären Lebensverhältnissen hätte man sich abgefunden,
bisweilen gar einen Stolz als Arbeiter*in behalten, sich heute allerdings
auf der gleichen Stufe wie die Migrant<inline-formula><mml:math id="M180" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen wiederzufinden, wolle man nicht
hinnehmen. So keime der Hass auf vermeintliche Ausländer<inline-formula><mml:math id="M181" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen gerade
deshalb, weil diese als Sinnbild für den eigenen Abstieg wahrgenommen
würden. Es geht um das Gefühl des Verlustes der privilegierten
Zugehörigkeit zu einem Ort, einer Stadt oder einem Staat.</p>

      <?xmltex \floatpos{t}?><fig id="Ch1.F1" specific-use="star"><?xmltex \currentcnt{1}?><?xmltex \def\figurename{Abb.}?><label>Abb. 1</label><caption><p id="d1e3560">Streudiagramm der AfD-Wahl in West- und Ostdeutschland (ohne Berlin) in Relation zur Wahlbeteiligung jeweils in Prozent je Stadtteil.</p></caption>
          <?xmltex \igopts{width=398.338583pt}?><graphic xlink:href="https://gh.copernicus.org/articles/76/129/2021/gh-76-129-2021-f01.png"/>

        </fig>

      <p id="d1e3569">Abschließend wollen wir nochmals auf die beiden Dimensionen Zuspruch zur
Demokratie sowie Altersstruktur zu sprechen kommen. Bei der Wahlbeteiligung,
die wir als Indikator für den Zuspruch zur Demokratie verwendet haben,
handelt es sich um das einzige Set an Daten in unserem Sample, das über
alle Städte hinweg eine hohe Validität aufweist. Für die
Wahlbeteiligung können wir demnach auch einen expliziten Vergleich
zwischen Ost- und Westdeutschland vornehmen. Wenn auch unsere Daten noch
rudimentär sind, legen die Ergebnisse dennoch nahe, dass das Gefühl,
aus demokratischen Prozessen exkludiert zu sein (Heitmeyer, 2018: 177–196;
Mullis, 2021: 140–144), in der Ursachensuche für das Erstarken der
extremen Rechten im städtischen Kontext stärker gewichtet werden
muss. Kein anderer Indikator hat so durchgehend eine Korrelation zu Tage
geführt, wie der Zusammenhang zwischen einer niedrigen Wahlbeteiligung
und dem starken Abschneiden der AfD. Im Vergleich zwischen Ost- und
Westdeutschland (Abb. 1) fällt neben den insgesamt höheren
Zweitstimmenanteilen für die AfD im Osten des Landes auch die deutlich
größere Spreizung der Wahlergebnisse in Relation zur Wahlbeteiligung
auf. Während im Westen eine hohe Wahlbeteiligung ausnahmslos mit einem
niedrigen Zweitstimmenanteil der AfD einhergeht, gilt dies für
Ostdeutschland nicht. Wir beobachten also im städtischen Kontext ein
Phänomen, das auch für die Landtagswahl in Thüringen 2019
beschrieben wurde (Richter et al., 2019: 12): Ein starkes Abschneiden der AfD
mit gleichzeitig (sehr) hoher Wahlbeteiligung – wenn auch es im Osten
Stadtteile gibt, wo die Wahlbeteiligung sehr hoch ist und die AfD kaum
Zuspruch erhält. Zwei Faktoren dürften für das erstgenannte
Phänomen verantwortlich zeichnen: Zum einen, dass die AfD mancherorts
ihr Potential insbesondere aus Angehörigen der vermeintlichen
bürgerlichen Mitte zieht, die in Stadtteilen leben, wo die
Wahlbeteiligung immer schon höher war; zum anderen, dass die
autoritäre Reintegration durch die AfD mancherorts vormalige
Rückstände in der Wahlbeteiligung wettmacht.</p>
      <p id="d1e3572">Hinsichtlich der Altersstruktur erweist sich gerade der Jugendquotient als
relevante Größe, dies zeigt sich vor allem in Rostock (0,553<inline-formula><mml:math id="M182" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>). Die
AfD schneidet dennoch tendenziell in Stadtteilen stärker ab, in denen
der Anteil junger Menschen das öffentliche Bild prägt. Vor dem
Hintergrund der bisherigen Forschung, die vor allem auf die Überalterung
von Kommunen abhebt (Franz et al., 2018), haben uns die Ergebnisse
überrascht. Für eine solide Bewertung fehlt uns die Grundlage.
Gründe könnten etwa in der Demografie der Stadtteile liegen. So
leben in stark von Einwanderung geprägten Vierteln oftmals mehr Kinder,
zumal der Altersschnitt der Zugezogenen meist jünger ist als jener der
Alteingesessenen (Blokland, 2011: 180–186). Deutlich wird auf jeden Fall,
dass im urbanen Kontext auch hier ein wenig betrachteter Zusammenhang
evident wird. In Bezug auf die Altersstruktur ist am ehesten noch eine
deutliche Ost-West-Differenz<?pagebreak page139?> auszumachen: So sind es die Städte Erfurt,
Leipzig und Potsdam, in denen der Jugendquotient keine Rolle spielt,
während in Erfurt (0,137<inline-formula><mml:math id="M183" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>) und Leipzig (0,237<inline-formula><mml:math id="M184" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula>) der ansonsten weit weniger relevante Altersquotient einen signifikant positiven Zusammenhang aufweist.</p>
      <p id="d1e3607">In der getrennten Betrachtung der Indikatoren geht ein Ergebnis der
Untersuchung unter: Insbesondere für Erfurt aber auch für Berlin,
Magdeburg, Mainz, Saarbrücken und Stuttgart haben die gewählten
Indikatoren kaum signifikante Korrelationen zu Tage geführt. In diesen
Städten ist das Bild fragmentierter und schwieriger zu interpretieren.
In Erfurt, wo der Stimmenanteil für die AfD insgesamt sehr hoch ist,
liefert mit Ausnahme des Altenquotienten (0,137<inline-formula><mml:math id="M185" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>) kein Indikator ein
signifikantes Ergebnis. Zum Vergleich, Die Linke sowie SPD erzielen hier
ihre stärksten Ergebnisse eindeutig in den Vierteln, in denen der Anteil
der Menschen, die SGB II beziehen (SPD: 0,162<inline-formula><mml:math id="M186" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula>/Die Linke: 0,255<inline-formula><mml:math id="M187" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula>), sowie der Ausländer<inline-formula><mml:math id="M188" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen hoch ist (SPD: 0,362<inline-formula><mml:math id="M189" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula>/Die Linke 0,600<inline-formula><mml:math id="M190" display="inline"><mml:msup><mml:mi/><mml:mrow><mml:mo>*</mml:mo><mml:mo>*</mml:mo><mml:mo>*</mml:mo></mml:mrow></mml:msup></mml:math></inline-formula>). Wir schließen daraus, dass die AfD in Erfurt quer durch alle Milieus und Schichten starken Zuspruch erhält. In Magdeburg, Mainz und Saarbrücken sind es neben dem Jugendquotienten noch der Anteil an SGB-II-Bezieher<inline-formula><mml:math id="M191" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen und die Wahlbeteiligung, die signifikante Zusammenhänge mit dem Stimmenanteil der AfD aufweisen. In Stuttgart ist es anstelle des Indikators SGB II der Anteil an Menschen mit Migrationshintergrund, in Potsdam anstelle des Jugendquotienten der Anteil an Ausländer<inline-formula><mml:math id="M192" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen. Gerade in den genannten westdeutschen Städten schneidet die AfD jedoch insgesamt eher schlecht ab und die Standardabweichung ist klein, was uns einen ähnlichen Schluss wie für Erfurt ziehen lässt, aber auf deutlich tieferem Niveau der AfD-Ergebnisse. Auffällig ist zudem, dass unsere Indikatoren mit Ausnahme von Berlin, wo sehr großräumige Einheiten erfasst wurden, und Stuttgart gerade in kleineren Städten weit weniger signifikante Zusammenhänge mit dem Zweitstimmenanteil der AfD aufweisen, als dies in den größeren Städten der Fall ist.</p>
</sec>
</sec>
<sec id="Ch1.S6" sec-type="conclusions">
  <label>6</label><title>Fazit – Einige Antworten, Fragen bleiben</title>
      <p id="d1e3712">Wir haben in diesem Beitrag nach der Wirkmächtigkeit der vier
Dimensionen sozio-ökonomische Lage, Migration, Zuspruch zur Demokratie
und Altersstruktur auf den Anteil der Zweitstimmen der AfD bei der
Bundestagswahl 2017 in Städten gefragt. Mit unserer Analyse der
Wahlergebnisse sowie von Sozialdaten auf der Ebene von Stadtteilen in der
jeweils größten Stadt je Bundesland können wir vier Aspekte
darlegen. Erstens, Städte sind hinsichtlich des Zuspruchs zur AfD
erheblich und kleinteilig polarisiert; sie sind somit, zweitens, bei weitem
nicht homogene, progressive Orte; drittens divergieren die Gründe der
Polarisierung innerhalb der einzelnen Städte; und viertens ist in den
Zusammenhängen keine klare Ost-West-Polarisierung auszumachen.</p>
      <p id="d1e3715">Grob können aus den untersuchten Städten zwei prototypische
Stadtteile benannt werden, in denen die AfD stark abschneidet: Erstens, und
dies ist das prägendste Muster in unserem Sample, Stadtteile, die
sozio-ökonomisch marginalisiert, von einem hohen Anteil an Migrant<inline-formula><mml:math id="M193" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen
sowie von einem hohen Jugendquotienten und einer niedrigen Wahlbeteiligung
geprägt sind. Statistisch finden wir diese eher in westdeutschen
Städten als in Ostdeutschland, aber auch Rostock und Potsdam tendieren
in dieser Richtung. Zudem haben wir in unserer vertieften Analyse auch in
Leipzig Stadtteile gefunden, auf die diese Beschreibung zutrifft. Beim
zweiten Typ Stadtteile handelt es sich um sozio-ökonomisch eher gehobene
Viertel, die historisch konservativ geprägt sind, wo die Wahlbeteiligung
hoch ist, kaum Arbeitslosigkeit herrscht und auch kaum Migrant<inline-formula><mml:math id="M194" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen leben.
Wir haben diese primär für Leipzig beschreiben können, finden
solche Stadtteile aber auch in Frankfurt am Main und Potsdam. In Leipzig
handelt es sich insbesondere um in jüngerer Zeit eingemeindete und/oder
von Eigenheimsiedlungen geprägte Stadtteile. Ein drittes Phänomen
können wir auf der Ebene von Städten in Ost und West beschreiben. Es
sind Städte, in denen die Indikatoren kaum mit dem Stimmenanteil<?pagebreak page140?> für
die AfD korrelierten und davon auszugehen ist, dass in diesen Städten,
auf hohem oder niedrigem Niveau, die AfD quer durch alle sozialen Milieus
Zuspruch findet. In Bezug auf die leitende These schließen wir, dass die
AfD sehr wohl in eher marginalisierten Stadtteilen stärker abschneidet
als in besser gestellten, was aber weder heißt, dass sie dies in allen
marginalisierten Stadtteilen tut, noch dass sie nicht auch in eher
wohlhabenden Vierteln gut abschneiden kann.</p>
      <p id="d1e3736">Deutlich wird, dass die gesellschaftlichen Bruchlinien des Erstarkens der
extremen Rechten nicht nur zwischen Ost- und West sowie Stadt und Land,
sondern eben auch mitten durch die Städte in Ost wie West verlaufen. Das
für die Städte gezeichnete Bild ist ein weiterer Beleg dafür,
dass es den Osten und den Westen so nicht gibt. Unterschiede sind nicht zu
negieren, sie lassen sich aber keinesfalls auf binäre
Territorialisierungen reduzieren. Mit Blick auf die Ursachensuche für
das Erstarken der extremen Rechten in Deutschland ist uns Folgendes wichtig:
Die polarisierte Debatte, ob nun eher sozio-ökonomische oder
identitätspolitische Faktoren ausschlaggebend sind, ist nicht
zielführend. Die Ergebnisse deuten darauf, dass keinem der Indikatoren
ein Primat zugesprochen werden kann und sie in ihrer
Multidimensionalität und Wechselwirkung zu betrachten sind. Gezeigt
haben wir insgesamt, wie wichtig es ist, politische Prozesse auch in eher
kleinen räumlichen Skalen zu betrachten. Dennoch, letztlich stoßen
auch wir mit den statistischen Methoden an Grenzen. Die wichtige Frage nach
Prozessen der Willensbildung, wie genau die verschiedenen Indikatoren
wirkmächtig werden und ob – und wenn ja, wie – sie für die
Menschen von Relevanz sind, lässt sich nur mittels qualitativer
Forschung vor Ort herausarbeiten. Das bisweilen heterogene Bild unserer
Erhebung zeigt: Es bedarf des lokal spezifischen Wissens, wenn die Muster
entschlüsselt werden sollen – nur so kann das Bild schlüssiger und
zugleich komplexer werden.</p>
</sec>

      
      </body>
    <back><notes notes-type="dataavailability"><title>Datenverfügbarkeit</title>

      <p id="d1e3743">Der Datensatz ist zum Zeitpunkt der Veröffentlichung des Beitrags im Prozess der Veröffentlichung. Voraussichtlich im Juni 2021. Für Rückfragen kontaktieren Sie bitte Jan Lucas Geilen (geilen@students.uni-marburg.de).</p>
  </notes><notes notes-type="authorcontribution"><title>Autorenmitwirkung</title>

      <p id="d1e3749">Das Vorhaben wurde von den Autoren gemeinsam entwickelt und umgesetzt. Entstanden ist es im Rahmen eines Praktikums an der HSFK im Projekt „Alltägliche politische Subjektivierung und das Erstarken
regressiver Politiken“. Die statistischen Auswertungen sowie die
Zusammenstellung des Datensatzes wurden von JLG vorgenommen.</p>
  </notes><notes notes-type="competinginterests"><title>Interessenkonflikt</title>

      <p id="d1e3755">The authors declare that they have no conflict of interest.</p>
  </notes><ack><title>Danksagung</title><p id="d1e3761">Wir bedanken uns bei den anonymen Gutachter<inline-formula><mml:math id="M195" display="inline"><mml:msup><mml:mi/><mml:mo>*</mml:mo></mml:msup></mml:math></inline-formula>innen für die aufmerksame Lektüre und die konstruktive Kritik.</p></ack><notes notes-type="reviewstatement"><title>Begutachtung</title>

      <p id="d1e3775">This paper was edited by Nadine Marquardt and reviewed by three anonymous referees.</p>
  </notes><ref-list>
    <title>Literatur</title>

      <ref id="bib1.bib1"><label>1</label><?label 1?><mixed-citation>Belina, B.: Zur Geographie der Abstiegsgesellschaft, Prokla, 47, 97–104, <ext-link xlink:href="https://doi.org/10.32387/prokla.v47i186.181" ext-link-type="DOI">10.32387/prokla.v47i186.181</ext-link>, 2017.</mixed-citation></ref>
      <ref id="bib1.bib2"><label>2</label><?label 1?><mixed-citation>
Belina, B.: Stadt, Land, AfD, Vortrag, Stadtallendorf, Deutschland, 21.
November 2019.</mixed-citation></ref>
      <ref id="bib1.bib3"><label>3</label><?label 1?><mixed-citation>Belina, B.: Political geography lecture: Social forms, spatial forms, and
the New Right, Polit. Geogr., 81, 102091, <ext-link xlink:href="https://doi.org/10.1016/j.polgeo.2019.102091" ext-link-type="DOI">10.1016/j.polgeo.2019.102091</ext-link>, 2020.</mixed-citation></ref>
      <ref id="bib1.bib4"><label>4</label><?label 1?><mixed-citation>Bernet, T., Bescherer, P., Beurskens, K., Feustel, R., und Michel, B.: Stadt
von Rechts? sub<inline-formula><mml:math id="M196" display="inline"><mml:mo>\</mml:mo></mml:math></inline-formula>urban, 7, 7–22,
<ext-link xlink:href="https://doi.org/10.36900/suburban.v7i1/2.460" ext-link-type="DOI">10.36900/suburban.v7i1/2.460</ext-link>, 2019.</mixed-citation></ref>
      <ref id="bib1.bib5"><label>5</label><?label 1?><mixed-citation>Bescherer, P., Burkhardt, A., Feustel, R., Mackenroth, G., und Sievi, L.:
Antiurbane Utopien, Podesta Working Paper 2, online aufrufbar: <uri>http://podesta-projekt.de/wp-content/uploads/2019/06/2019_06_21_WP2-Antiurbane-Utopien-webversion.pdf</uri> (letzter Zugriff: 8 April 2021), 2019.</mixed-citation></ref>
      <ref id="bib1.bib6"><label>6</label><?label 1?><mixed-citation>Bhambra, G. K.: Brexit, Trump, and “methodological whiteness”, The British Journal of Sociology, 68, 214–232, <ext-link xlink:href="https://doi.org/10.1111/1468-4446.12317" ext-link-type="DOI">10.1111/1468-4446.12317</ext-link>,
2017.</mixed-citation></ref>
      <ref id="bib1.bib7"><label>7</label><?label 1?><mixed-citation>
Blokland, T.: “Even when I see the real scoundrel around here, I don't feel
unsafe”, in: Die Besonderheit des Städtischen, Herausgeber: Herrmann, H., Keller, C., Neef, R., und Ruhne, R., VS, Wiesbaden, 173–196, 2011.</mixed-citation></ref>
      <ref id="bib1.bib8"><label>8</label><?label 1?><mixed-citation>
Brenner, N. und Theodore, N. (Hrsg.): Spaces of neoliberalism, Blackwell,
Malden, ISBN 978-1-405-10105-9, 2002.</mixed-citation></ref>
      <ref id="bib1.bib9"><label>9</label><?label 1?><mixed-citation>
Bürk, T.: Gefahrenzone, Angstraum, Feindesland?, Westfälisches
Dampfboot, Münster, ISBN 978-3-89691-894-9, 2012.</mixed-citation></ref>
      <ref id="bib1.bib10"><label>10</label><?label 1?><mixed-citation>
Celik, K., Decker, O., und Brähler, E.: Rechtsextremismus für die
breite Gesellschaft?, in: Autoritäre Dynamiken, Herausgeber: Decker, O. und Brähler E., Psychosozial-Verlag, Gießen, 149–175, 2020</mixed-citation></ref>
      <ref id="bib1.bib11"><label>11</label><?label 1?><mixed-citation>
Decker, O., Kiess, J., Schuler, J., Handke, B., Pickel, G., und Brähler, E.: Methode, Ergebnisse und Langzeitverlauf, in: Autoritäre Dynamiken, Herausgeber: Decker, O. und Brähler, E., Psychosozial-Verlag, Gießen,
27–88, 2020.</mixed-citation></ref>
      <ref id="bib1.bib12"><label>12</label><?label 1?><mixed-citation>Deppisch, L., Klärner, A., und Osigus, T.: Ist die AfD in ländlichen
Räumen besonders erfolgreich?, in: Wissenschaft Demokratie, IDZ, 5,
75–87, <ext-link xlink:href="https://doi.org/10.19222/201905/12" ext-link-type="DOI">10.19222/201905/12</ext-link>, 2019.</mixed-citation></ref>
      <ref id="bib1.bib13"><label>13</label><?label 1?><mixed-citation>Dowling, E., van Dyk, S., und Graefe, S.: Rückkehr des
Hauptwiderspruchs?, Prokla, 47, 411–420,
<ext-link xlink:href="https://doi.org/10.32387/prokla.v47i188.69" ext-link-type="DOI">10.32387/prokla.v47i188.69</ext-link>, 2017.</mixed-citation></ref>
      <ref id="bib1.bib14"><label>14</label><?label 1?><mixed-citation>Förtner, M., Belina, B., und Naumann, M.: Stadt, Land, AfD,
sub<inline-formula><mml:math id="M197" display="inline"><mml:mo>\</mml:mo></mml:math></inline-formula>urban, 7, 23–44,
<ext-link xlink:href="https://doi.org/10.36900/suburban.v7i1/2.483" ext-link-type="DOI">10.36900/suburban.v7i1/2.483</ext-link>, 2019.</mixed-citation></ref>
      <ref id="bib1.bib15"><label>15</label><?label 1?><mixed-citation>Franz, C., Fratzscher, M., und Kritikos, A.: AfD in dünn besiedelten
Räumen mit Überalterungsproblemen stärker, DIW Wochenbericht, 8,
136–144, <ext-link xlink:href="https://doi.org/10.18723/diw_wb:2018-8-3" ext-link-type="DOI">10.18723/diw_wb:2018-8-3</ext-link>, 2018.</mixed-citation></ref>
      <ref id="bib1.bib16"><label>16</label><?label 1?><mixed-citation>
Geiselberger, H. (Hrsg.): Die große Regression, Suhrkamp, Berlin, ISBN 978-3-518-07291-2, 2017.</mixed-citation></ref>
      <ref id="bib1.bib17"><label>17</label><?label 1?><mixed-citation>
Gest, J.: The new minority, Oxford Univ. Press, New York, ISBN 978-0-190-63255-7, 2016.</mixed-citation></ref>
      <ref id="bib1.bib18"><label>18</label><?label 1?><mixed-citation>Gundelach, B.: Soziales Vertrauen in ethnisch heterogenen Nachbarschaften,
SozProb, 28, 207–222, <ext-link xlink:href="https://doi.org/10.1007/s41059-017-0034-7" ext-link-type="DOI">10.1007/s41059-017-0034-7</ext-link>, 2017.</mixed-citation></ref>
      <ref id="bib1.bib19"><label>19</label><?label 1?><mixed-citation>
Heitmeyer, W.: Autoritäre Versuchungen, Suhrkamp, Berlin, ISBN 978-3-518-12717-9, 2018.</mixed-citation></ref>
      <ref id="bib1.bib20"><label>20</label><?label 1?><mixed-citation>Hillje, J.: Rückkehr zu den politisch Verlassenen, Das Progressive
Zentrum e.V, Berlin, online aufrufbar: <uri>https://www.progressives-zentrum.org/die-verlassenen/</uri> (letzter Zugriff: 8 April 2021), 2018.</mixed-citation></ref>
      <ref id="bib1.bib21"><label>21</label><?label 1?><mixed-citation>
Hilmer, R., Kohlrausch, B., Müller-Hilmer, R., und Gagné, J.:
Einstellung und soziale Lebenslage, Hans-Böckler-Stiftung, Workingpaper,
ISSN 2509-2359, 2017.</mixed-citation></ref>
      <ref id="bib1.bib22"><label>22</label><?label 1?><mixed-citation>
Hövel, P.: Völkischer Nationalismus, Berichte, 92, 157–171, 2018.</mixed-citation></ref>
      <ref id="bib1.bib23"><label>23</label><?label 1?><mixed-citation>
Hummel, S., Krasowski, B., Midelia, S., und Wetendorf, J.: Rassistische
Diskriminierung auf dem sächsischen Wohnungsmarkt,
Antidiskriminierungsbüro Sachsen e.V., Leipzig, 2017.</mixed-citation></ref>
      <ref id="bib1.bib24"><label>24</label><?label 1?><mixed-citation>
Inglehart, R. und Norris, P.: Trump, Brexit, and the Rise of Populism, HKS
Working Paper, RWP16-026, 2016.</mixed-citation></ref>
      <ref id="bib1.bib25"><label>25</label><?label 1?><mixed-citation>
Kaschuba, W.: Die Rache der Dörfer, Deutschlandfunk Kultur, 14. November 2016.</mixed-citation></ref>
      <ref id="bib1.bib26"><label>26</label><?label 1?><mixed-citation>
Kipfer, S. und Dikeç, M.: Peripheries against peripheries? in: Massive
Suburbanization: (Re-) Building the Global Periphery, Herausgeber: Güney, M., Keil, R., und Üçoğlu, M., University of Toronto Press, Toronto, 35–55, 2019.</mixed-citation></ref>
      <ref id="bib1.bib27"><label>27</label><?label 1?><mixed-citation>Klüter, H.: Eine Krise regionaler Identität und ihr Gebrauchswert für rechtsgerichtete politische Gruppen – ein Beispiel aus Vorpommern, Geogr. Helv., 75, 151–167, <ext-link xlink:href="https://doi.org/10.5194/gh-75-151-2020" ext-link-type="DOI">10.5194/gh-75-151-2020</ext-link>, 2020.</mixed-citation></ref>
      <ref id="bib1.bib28"><label>28</label><?label 1?><mixed-citation>Lengfeld, H.: Der „Kleine Mann“ und die AfD, KZfSS, 70,
295–310, <ext-link xlink:href="https://doi.org/10.1007/s11577-018-0536-8" ext-link-type="DOI">10.1007/s11577-018-0536-8</ext-link>, 2018.</mixed-citation></ref>
      <ref id="bib1.bib29"><label>29</label><?label 1?><mixed-citation>Lizotte, C. A.: Where are the people?, Polit. Geogr., 71, 139–141,
<ext-link xlink:href="https://doi.org/10.1016/j.polgeo.2018.12.007" ext-link-type="DOI">10.1016/j.polgeo.2018.12.007</ext-link>, 2018.
</mixed-citation></ref><?xmltex \hack{\newpage}?>
      <ref id="bib1.bib30"><label>30</label><?label 1?><mixed-citation>
Manow, P.: Die Politische Ökonomie des Populismus, Suhrkamp, Berlin, ISBN 978-3-518-12728-5, 2018.</mixed-citation></ref>
      <ref id="bib1.bib31"><label>31</label><?label 1?><mixed-citation>
Mau, S.: Lütten Klein, Suhrkamp, Berlin, ISBN 978-3-518-42894-8, 2019.</mixed-citation></ref>
      <ref id="bib1.bib32"><label>32</label><?label 1?><mixed-citation>Mösgen, A. und Schipper, S.: Gentrifizierungsprozesse im Frankfurter
Ostend, Raumforschung und Raumordnung, 75, 125–141,
<ext-link xlink:href="https://doi.org/10.1007/s13147-016-0437-0" ext-link-type="DOI">10.1007/s13147-016-0437-0</ext-link>, 2017.</mixed-citation></ref>
      <ref id="bib1.bib33"><label>33</label><?label 1?><mixed-citation>Mullis, D.: Urban conditions for the rise of the far right in the global
city of Frankfurt, Urban Stud., 58, 131–147, <ext-link xlink:href="https://doi.org/10.1177/0042098019878395" ext-link-type="DOI">10.1177/0042098019878395</ext-link>, 2021.</mixed-citation></ref>
      <ref id="bib1.bib34"><label>34</label><?label 1?><mixed-citation>
Mullis, D. und Zschocke, P.: Regressive Politiken und der Aufstieg der AfD,
PRIF Report 5/2019, ISBN 978-3-946459-47-7, 2019.</mixed-citation></ref>
      <ref id="bib1.bib35"><label>35</label><?label 1?><mixed-citation>
Nachtwey, O.: Die Abstiegsgesellschaft, Suhrkamp, Berlin, ISBN 978-3-518-12682-0, 2016.</mixed-citation></ref>
      <ref id="bib1.bib36"><label>36</label><?label 1?><mixed-citation>Oßenbrügge, J.: „March for Sozialgeographie“? Rechtspopulismus als Zumutung und die regressive Moderne als Herausforderung der Humangeographie, Geogr. Helv., 73, 309–319, <ext-link xlink:href="https://doi.org/10.5194/gh-73-309-2018" ext-link-type="DOI">10.5194/gh-73-309-2018</ext-link>, 2018.</mixed-citation></ref>
      <ref id="bib1.bib37"><label>37</label><?label 1?><mixed-citation>
Quent, M.: Sonderfall Ost – Normalfall West? in: Rechtsextremismus und
„Nationalsozialistischer Untergrund“, Herausgeber: Frindte, W., Geschke, D., Haußecker, N., und Schmidtke, F., Springer, Wiesbaden,
99–118, 2016.</mixed-citation></ref>
      <ref id="bib1.bib38"><label>38</label><?label 1?><mixed-citation>
Quent, M.: Deutschland rechts außen, Piper, München, EAN 978-3-492-06170-4, 2019.</mixed-citation></ref>
      <ref id="bib1.bib39"><label>39</label><?label 1?><mixed-citation>Richter, C., Salheiser, A., und Quent, M.: Rechtsradikale Landnahme, IDZ,
Jena, online aufrufbar: <uri>https://www.idz-jena.de/fileadmin/user_upload/IDZ_Analyse_AfD-Wahlerfolg_Landtagswahlen_2019_FINAL_WEB.pdf</uri> (letzter Zugriff: 8 April 2021), 2019.</mixed-citation></ref>
      <ref id="bib1.bib40"><label>40</label><?label 1?><mixed-citation>
Schipper, S. und Heeg, S.: Wohnungspolitik in Frankfurt am Main, in: Lokale
Wohnungspolitik, Rink, D. und Egner, B. (Hrsg.): Beispiele aus deutschen
Städten, Nomos, Baden-Baden, 119–135, 2020.</mixed-citation></ref>
      <ref id="bib1.bib41"><label>41</label><?label 1?><mixed-citation>
Zschocke, P.: Im Schatten der Stadt, in: Leipziger Zustände 2018,
Engagierte Wissenschaften e.V. (Hrsg.), 68–71, 2019.</mixed-citation></ref>

  </ref-list></back>
    <!--<article-title-html>Polarisierte Städte: Die AfD im urbanen Kontext. Eine Analyse von Wahl- und Sozialdaten in sechzehn deutschen Städten</article-title-html>
<abstract-html><p>For the first time since 1945, with the <i>Alternative für Deutschland</i> (AfD) a far-right party has now
consolidated itself in Germany on all political scales. In the political
sciences as well as sociology, but not so much in human geography, there is
much debate on the funding reasons. The debate is polarized and unfolds
between two positions: on the one hand economic factors are marked as
principal forces, on the other a cultural backlash. Electoral analyses have
focused on the spatial division of the AfD's success between urban and rural
areas as well as West and East Germany. By contrast, we focus on urban
divisions. We examine the AfD's results in the general election of 2017 on
the scale of districts in the largest city of each federal state by
analyzing the correlation of the share of AfD votes with social data. In
contrast to the polarized debate in the social sciences we choose a
multidimensional perspective and analyze social data related to class,
migration, acceptance of democracy and age. First, the resulting picture is
heterogeneous across the cities and does not show a pronounced East-West
polarization. Second, economic factors as well as factors related to
migration correlate with the share of the AfD, whereby the former are
pronounced somewhat stronger. Third, lack of trust in democracy is the most
uniform indicator for a strong showing of the AfD in our sample; and fourth,
in all cities there are districts which run counter to the generalized
picture. We can show that in urban settings it is primarily, but not
exclusively, in marginalized districts that the AfD has its strongholds. But
this does not mean that all marginalized districts are dominated by the
far-right party. In order to better understand the spatially highly
fragmented social processes, in particular more qualitative research is
needed.</p></abstract-html>
<ref-html id="bib1.bib1"><label>1</label><mixed-citation>
Belina, B.: Zur Geographie der Abstiegsgesellschaft, Prokla, 47, 97–104, <a href="https://doi.org/10.32387/prokla.v47i186.181" target="_blank">https://doi.org/10.32387/prokla.v47i186.181</a>, 2017.
</mixed-citation></ref-html>
<ref-html id="bib1.bib2"><label>2</label><mixed-citation>
Belina, B.: Stadt, Land, AfD, Vortrag, Stadtallendorf, Deutschland, 21.
November 2019.
</mixed-citation></ref-html>
<ref-html id="bib1.bib3"><label>3</label><mixed-citation>
Belina, B.: Political geography lecture: Social forms, spatial forms, and
the New Right, Polit. Geogr., 81, 102091, <a href="https://doi.org/10.1016/j.polgeo.2019.102091" target="_blank">https://doi.org/10.1016/j.polgeo.2019.102091</a>, 2020.
</mixed-citation></ref-html>
<ref-html id="bib1.bib4"><label>4</label><mixed-citation>
Bernet, T., Bescherer, P., Beurskens, K., Feustel, R., und Michel, B.: Stadt
von Rechts? sub\urban, 7, 7–22,
<a href="https://doi.org/10.36900/suburban.v7i1/2.460" target="_blank">https://doi.org/10.36900/suburban.v7i1/2.460</a>, 2019.
</mixed-citation></ref-html>
<ref-html id="bib1.bib5"><label>5</label><mixed-citation>
Bescherer, P., Burkhardt, A., Feustel, R., Mackenroth, G., und Sievi, L.:
Antiurbane Utopien, Podesta Working Paper 2, online aufrufbar: <a href="http://podesta-projekt.de/wp-content/uploads/2019/06/2019_06_21_WP2-Antiurbane-Utopien-webversion.pdf" target="_blank"/> (letzter Zugriff: 8 April 2021), 2019.
</mixed-citation></ref-html>
<ref-html id="bib1.bib6"><label>6</label><mixed-citation>
Bhambra, G. K.: Brexit, Trump, and “methodological whiteness”, The British Journal of Sociology, 68, 214–232, <a href="https://doi.org/10.1111/1468-4446.12317" target="_blank">https://doi.org/10.1111/1468-4446.12317</a>,
2017.
</mixed-citation></ref-html>
<ref-html id="bib1.bib7"><label>7</label><mixed-citation>
Blokland, T.: “Even when I see the real scoundrel around here, I don't feel
unsafe”, in: Die Besonderheit des Städtischen, Herausgeber: Herrmann, H., Keller, C., Neef, R., und Ruhne, R., VS, Wiesbaden, 173–196, 2011.
</mixed-citation></ref-html>
<ref-html id="bib1.bib8"><label>8</label><mixed-citation>
Brenner, N. und Theodore, N. (Hrsg.): Spaces of neoliberalism, Blackwell,
Malden, ISBN&thinsp;978-1-405-10105-9, 2002.
</mixed-citation></ref-html>
<ref-html id="bib1.bib9"><label>9</label><mixed-citation>
Bürk, T.: Gefahrenzone, Angstraum, Feindesland?, Westfälisches
Dampfboot, Münster, ISBN&thinsp;978-3-89691-894-9, 2012.
</mixed-citation></ref-html>
<ref-html id="bib1.bib10"><label>10</label><mixed-citation>
Celik, K., Decker, O., und Brähler, E.: Rechtsextremismus für die
breite Gesellschaft?, in: Autoritäre Dynamiken, Herausgeber: Decker, O. und Brähler E., Psychosozial-Verlag, Gießen, 149–175, 2020
</mixed-citation></ref-html>
<ref-html id="bib1.bib11"><label>11</label><mixed-citation>
Decker, O., Kiess, J., Schuler, J., Handke, B., Pickel, G., und Brähler, E.: Methode, Ergebnisse und Langzeitverlauf, in: Autoritäre Dynamiken, Herausgeber: Decker, O. und Brähler, E., Psychosozial-Verlag, Gießen,
27–88, 2020.
</mixed-citation></ref-html>
<ref-html id="bib1.bib12"><label>12</label><mixed-citation>
Deppisch, L., Klärner, A., und Osigus, T.: Ist die AfD in ländlichen
Räumen besonders erfolgreich?, in: Wissenschaft Demokratie, IDZ, 5,
75–87, <a href="https://doi.org/10.19222/201905/12" target="_blank">https://doi.org/10.19222/201905/12</a>, 2019.
</mixed-citation></ref-html>
<ref-html id="bib1.bib13"><label>13</label><mixed-citation>
Dowling, E., van Dyk, S., und Graefe, S.: Rückkehr des
Hauptwiderspruchs?, Prokla, 47, 411–420,
<a href="https://doi.org/10.32387/prokla.v47i188.69" target="_blank">https://doi.org/10.32387/prokla.v47i188.69</a>, 2017.
</mixed-citation></ref-html>
<ref-html id="bib1.bib14"><label>14</label><mixed-citation>
Förtner, M., Belina, B., und Naumann, M.: Stadt, Land, AfD,
sub\urban, 7, 23–44,
<a href="https://doi.org/10.36900/suburban.v7i1/2.483" target="_blank">https://doi.org/10.36900/suburban.v7i1/2.483</a>, 2019.
</mixed-citation></ref-html>
<ref-html id="bib1.bib15"><label>15</label><mixed-citation>
Franz, C., Fratzscher, M., und Kritikos, A.: AfD in dünn besiedelten
Räumen mit Überalterungsproblemen stärker, DIW Wochenbericht, 8,
136–144, <a href="https://doi.org/10.18723/diw_wb:2018-8-3" target="_blank">https://doi.org/10.18723/diw_wb:2018-8-3</a>, 2018.
</mixed-citation></ref-html>
<ref-html id="bib1.bib16"><label>16</label><mixed-citation>
Geiselberger, H. (Hrsg.): Die große Regression, Suhrkamp, Berlin, ISBN&thinsp;978-3-518-07291-2, 2017.
</mixed-citation></ref-html>
<ref-html id="bib1.bib17"><label>17</label><mixed-citation>
Gest, J.: The new minority, Oxford Univ. Press, New York, ISBN&thinsp;978-0-190-63255-7, 2016.
</mixed-citation></ref-html>
<ref-html id="bib1.bib18"><label>18</label><mixed-citation>
Gundelach, B.: Soziales Vertrauen in ethnisch heterogenen Nachbarschaften,
SozProb, 28, 207–222, <a href="https://doi.org/10.1007/s41059-017-0034-7" target="_blank">https://doi.org/10.1007/s41059-017-0034-7</a>, 2017.
</mixed-citation></ref-html>
<ref-html id="bib1.bib19"><label>19</label><mixed-citation>
Heitmeyer, W.: Autoritäre Versuchungen, Suhrkamp, Berlin, ISBN&thinsp;978-3-518-12717-9, 2018.
</mixed-citation></ref-html>
<ref-html id="bib1.bib20"><label>20</label><mixed-citation>
Hillje, J.: Rückkehr zu den politisch Verlassenen, Das Progressive
Zentrum e.V, Berlin, online aufrufbar: <a href="https://www.progressives-zentrum.org/die-verlassenen/" target="_blank"/> (letzter Zugriff: 8 April 2021), 2018.
</mixed-citation></ref-html>
<ref-html id="bib1.bib21"><label>21</label><mixed-citation>
Hilmer, R., Kohlrausch, B., Müller-Hilmer, R., und Gagné, J.:
Einstellung und soziale Lebenslage, Hans-Böckler-Stiftung, Workingpaper,
ISSN&thinsp;2509-2359, 2017.
</mixed-citation></ref-html>
<ref-html id="bib1.bib22"><label>22</label><mixed-citation>
Hövel, P.: Völkischer Nationalismus, Berichte, 92, 157–171, 2018.
</mixed-citation></ref-html>
<ref-html id="bib1.bib23"><label>23</label><mixed-citation>
Hummel, S., Krasowski, B., Midelia, S., und Wetendorf, J.: Rassistische
Diskriminierung auf dem sächsischen Wohnungsmarkt,
Antidiskriminierungsbüro Sachsen e.V., Leipzig, 2017.
</mixed-citation></ref-html>
<ref-html id="bib1.bib24"><label>24</label><mixed-citation>
Inglehart, R. und Norris, P.: Trump, Brexit, and the Rise of Populism, HKS
Working Paper, RWP16-026, 2016.
</mixed-citation></ref-html>
<ref-html id="bib1.bib25"><label>25</label><mixed-citation>
Kaschuba, W.: Die Rache der Dörfer, Deutschlandfunk Kultur, 14. November 2016.
</mixed-citation></ref-html>
<ref-html id="bib1.bib26"><label>26</label><mixed-citation>
Kipfer, S. und Dikeç, M.: Peripheries against peripheries? in: Massive
Suburbanization: (Re-) Building the Global Periphery, Herausgeber: Güney, M., Keil, R., und Üçoğlu, M., University of Toronto Press, Toronto, 35–55, 2019.
</mixed-citation></ref-html>
<ref-html id="bib1.bib27"><label>27</label><mixed-citation>
Klüter, H.: Eine Krise regionaler Identität und ihr Gebrauchswert für rechtsgerichtete politische Gruppen – ein Beispiel aus Vorpommern, Geogr. Helv., 75, 151–167, <a href="https://doi.org/10.5194/gh-75-151-2020" target="_blank">https://doi.org/10.5194/gh-75-151-2020</a>, 2020.
</mixed-citation></ref-html>
<ref-html id="bib1.bib28"><label>28</label><mixed-citation>
Lengfeld, H.: Der „Kleine Mann“ und die AfD, KZfSS, 70,
295–310, <a href="https://doi.org/10.1007/s11577-018-0536-8" target="_blank">https://doi.org/10.1007/s11577-018-0536-8</a>, 2018.
</mixed-citation></ref-html>
<ref-html id="bib1.bib29"><label>29</label><mixed-citation>
Lizotte, C. A.: Where are the people?, Polit. Geogr., 71, 139–141,
<a href="https://doi.org/10.1016/j.polgeo.2018.12.007" target="_blank">https://doi.org/10.1016/j.polgeo.2018.12.007</a>, 2018.

</mixed-citation></ref-html>
<ref-html id="bib1.bib30"><label>30</label><mixed-citation>
Manow, P.: Die Politische Ökonomie des Populismus, Suhrkamp, Berlin, ISBN&thinsp;978-3-518-12728-5, 2018.
</mixed-citation></ref-html>
<ref-html id="bib1.bib31"><label>31</label><mixed-citation>
Mau, S.: Lütten Klein, Suhrkamp, Berlin, ISBN&thinsp;978-3-518-42894-8, 2019.
</mixed-citation></ref-html>
<ref-html id="bib1.bib32"><label>32</label><mixed-citation>
Mösgen, A. und Schipper, S.: Gentrifizierungsprozesse im Frankfurter
Ostend, Raumforschung und Raumordnung, 75, 125–141,
<a href="https://doi.org/10.1007/s13147-016-0437-0" target="_blank">https://doi.org/10.1007/s13147-016-0437-0</a>, 2017.
</mixed-citation></ref-html>
<ref-html id="bib1.bib33"><label>33</label><mixed-citation>
Mullis, D.: Urban conditions for the rise of the far right in the global
city of Frankfurt, Urban Stud., 58, 131–147, <a href="https://doi.org/10.1177/0042098019878395" target="_blank">https://doi.org/10.1177/0042098019878395</a>, 2021.
</mixed-citation></ref-html>
<ref-html id="bib1.bib34"><label>34</label><mixed-citation>
Mullis, D. und Zschocke, P.: Regressive Politiken und der Aufstieg der AfD,
PRIF Report 5/2019, ISBN&thinsp;978-3-946459-47-7, 2019.
</mixed-citation></ref-html>
<ref-html id="bib1.bib35"><label>35</label><mixed-citation>
Nachtwey, O.: Die Abstiegsgesellschaft, Suhrkamp, Berlin, ISBN&thinsp;978-3-518-12682-0, 2016.
</mixed-citation></ref-html>
<ref-html id="bib1.bib36"><label>36</label><mixed-citation>
Oßenbrügge, J.: „March for Sozialgeographie“? Rechtspopulismus als Zumutung und die regressive Moderne als Herausforderung der Humangeographie, Geogr. Helv., 73, 309–319, <a href="https://doi.org/10.5194/gh-73-309-2018" target="_blank">https://doi.org/10.5194/gh-73-309-2018</a>, 2018.
</mixed-citation></ref-html>
<ref-html id="bib1.bib37"><label>37</label><mixed-citation>
Quent, M.: Sonderfall Ost – Normalfall West? in: Rechtsextremismus und
„Nationalsozialistischer Untergrund“, Herausgeber: Frindte, W., Geschke, D., Haußecker, N., und Schmidtke, F., Springer, Wiesbaden,
99–118, 2016.
</mixed-citation></ref-html>
<ref-html id="bib1.bib38"><label>38</label><mixed-citation>
Quent, M.: Deutschland rechts außen, Piper, München, EAN&thinsp;978-3-492-06170-4, 2019.
</mixed-citation></ref-html>
<ref-html id="bib1.bib39"><label>39</label><mixed-citation>
Richter, C., Salheiser, A., und Quent, M.: Rechtsradikale Landnahme, IDZ,
Jena, online aufrufbar: <a href="https://www.idz-jena.de/fileadmin/user_upload/IDZ_Analyse_AfD-Wahlerfolg_Landtagswahlen_2019_FINAL_WEB.pdf" target="_blank"/> (letzter Zugriff: 8 April 2021), 2019.
</mixed-citation></ref-html>
<ref-html id="bib1.bib40"><label>40</label><mixed-citation>
Schipper, S. und Heeg, S.: Wohnungspolitik in Frankfurt am Main, in: Lokale
Wohnungspolitik, Rink, D. und Egner, B. (Hrsg.): Beispiele aus deutschen
Städten, Nomos, Baden-Baden, 119–135, 2020.
</mixed-citation></ref-html>
<ref-html id="bib1.bib41"><label>41</label><mixed-citation>
Zschocke, P.: Im Schatten der Stadt, in: Leipziger Zustände 2018,
Engagierte Wissenschaften e.V. (Hrsg.), 68–71, 2019.
</mixed-citation></ref-html>--></article>
