Achtung, Achtung — es wird wieder kriminell. In unserer aktuellen Datenperle begibt sich ODI, unser Informant für Open Data, auf die Spuren von Autoknacker:innen und findet heraus, zu welchen Tageszeiten die Delikte besonders häufig auftreten, in welchen Berliner Kiezen Autobesitzer:innen besonders wachsam sein sollten und welche Diebesgüter die Täter:innen bevorzugt aus den Fahrzeugen erbeuten.
Auf dieser Seite
Bereits seit fast vier Jahren stellt die Berliner Polizei aktuelle Informationen zu jedem angezeigten Fahrraddiebstahl als Open Data bereit – inklusive Angaben zu Ort, Zeitpunkt und weiteren Details. Mit der seit Juni 2025 gestarteten Veröffentlichung von Diebstahldaten an/aus Kraftfahrzeugen erweitert die Berliner Polizei nun ihr Open Data Angebot um einen weiteren unbearbeiteten Rohdatensatz und ermöglicht damit spannende Erkenntnisse aus der Berliner Kriminalstatistik.
Wir haben uns diesen Datenschatz mit ODI, unserem Informant für Open Data natürlich genauer angeschaut und geben einen Einblick in unser Vorgehen bei der Auswertung der Daten.
Im Jahr 2024 wurden in Berlin insgesamt 35.309 KfZ-Einbrüche gemeldet — darunter zählen auch versuchte Einbrüche. Die Erfolgsquote der Täter:innen ist dabei relativ hoch. Bei nur 15% der Vorfälle blieb es bei einem Versuch.
Das heißt im Umkehrschluss: Bei über 8 von 10 Versuchen gelangen Diebe an die Beute.
In der Folge bleibt das Auto in den meisten Fällen nicht unbeschädigt.
Denn die Täter:innen schlagen in der Regel die Scheiben ein, dabei trifft es besonders oft Seitenscheiben oder die Dreiecksfenster.
Nach der hohen Erfolgsquote eine gute Nachricht zwischendurch.
Bisher geht die Anzahl der KfZ-Einbrüche im Jahr 2025 im Vergleich zum Vorjahr zurück.
Ein Blick auf die Anzahl an Einbrüchen im Monatsverlauf zeigt, dass Autoeinbrüche über das Jahr hinweg immer Saison haben.
Anders sieht es bei den Wochentagen aus.
Unter der Woche ereignen sich durchschnittlich mehr Vorfälle — offenbar gibt es auch bei Autodieben so etwas wie ein Wochenende.
Beim genauen Tatzeitpunkt müssen wir bei der Interpretation der Daten etwas genauer hinsehen.
Meistens wird bei der Meldung von KfZ-Diebstählen eine Zeitspanne angegeben, in der die Tat passiert sein muss. Eine genaue Tatzeit lässt sich damit schwer festlegen.
Die meisten Tatzeiträume beginnen allerdings zwischen 15 und 20 Uhr.
Im Schnitt dauert es dann 13 Stunden und 22 Minuten bis der Diebstahl festgestellt wurde — in den meisten Fällen also erst am nächsten Morgen.
Autoknacker:innen sind damit wohl eher nachtaktiv…
Ein Blick in die Berliner Planungsräume verrät, dass besonders rund um den Görlitzer Park in den Planungsräumen Reichenberger Straße Ost und Wrangelkiez vermehrt Kfz-Einbrüche verübt werden.
Aber auch rund um den Bahnhof Zoo oder dem Leopoldplatz im Wedding häufen sich die Einbruchszahlen.
Je weiter man in Richtung Stadtrand schaut, desto geringer wird die Zahl der Delikte.
Betrachtet man hingegen die Schadensummen in Bezug auf die erlangten Güter zeigt sich ein differenziertes Bild.
Demnach machen die Täter:innen In Charlottenburg-Wilmersdorf rund um den Bahnhof Zoo besonders viel Beute.
Insgesamt beläuft sich die Schadenssumme bezogen auf den Wert des Diebesguts im Jahr 2024 auf über 36 Mio. €. In der Regel liegt der Wert der gestohlenen Güter im dreistelligen Betrag.
Nur in knapp zwei von hundert Fällen machen die Diebe richtig fette Beute und stehlen Sachen im Wert von über 10.000 €.
Gestohlen werden dabei am häufigsten Kennzeichen, gefolgt von Dokumenten und Bargeld. Kennzeichen sind nach Angaben von Experten so beliebt, da Kriminelle damit unter falscher Identität Straftaten begehen können wie Tankbetrug, Diebstahl anderer Fahrzeuge oder zur Täuschung bei der Hauptuntersuchung.
Die Top 10 der Diebesgüter findet ihr hier im Balkendiagramm:
Um weitere Erkenntnisse aus den Daten zu ziehen, bedarf es noch einiger zusätzlicher Bearbeitungen und Analysen.
Zunächst haben wir die Daten in eine Exceltabelle importiert und einige Spalten hinzugefügt.
Dabei muss auf den richtigen Dateiursprung geachtet werden, um sicherzustellen, dass beispielsweise Sonderzeichen korrekt angezeigt werden.
Wir haben unter anderem die Tatdauer über eine Formel berechnen lassen und die Schadenssummen in bestimmte Spannen eingeteilt.
Anschließend haben wir verschiedene Pivot-Tabellen erstellt, um beispielsweise die Schadenssummen in den einzelnen Berliner Bezirken und Planungsräumen miteinander vergleichen zu können.
Da in der ursprünglichen CSV-Datei nur die Codes der Lebensweltlich Orientierten Räume (LOR) enthalten sind, war es notwendig, die Namen der einzelnen Planungsräume ebenfalls zu integrieren. Dies haben wir mit einem kleinen Python-Skript umgesetzt. Die Schlüsseltabelle wird dafür im Datenportal zur Verfügung gestellt.
Ein Ausschnitt aus dem Python-Script zur Zuordnung LOR.
Auch die Einteilung der Einbruchsarten haben wir mit Hilfe eines Python-Codes umgesetzt.
Eine weitere Herausforderung bei der Analyse lag darin, dass in der Originaldatei pro Delikt mehrere Diebesgüter gelistet sind.
Mit Hilfe eines weiteren Python-Skripts haben wir eine neue CSV-Datei erstellt, die uns einen Datensatz pro Diebesgut ausgegeben hat.
Damit konnten wir mit einer weiteren Pivot-Tabelle die Häufigkeiten der einzelnen Güter analysieren.
Die hier präsentierten Datenvisualisierungen haben wir mit dem kostenlosen Online-Tool Datawrapper erstellt.
Die Visualisierungen können durch Klick auf “Einbetten” unter den Diagrammen auch per iFrame in andere Seiten integriert werden.
Wie sich mit Datawrapper Charts und Tabellen unkompliziert aus eigenen Daten erstellen lassen, erklären wir auch in diesen Videotutorials.
In dieser Datenperle beauftragen wir ODI – unser Informant für Open Data – genauer nachzusehen, wo es im Berliner Haushalt im Jahr 2023 ungeplant zu Mehrausgaben gekommen ist - und erfahren, was uns diese Informationen über unsere Stadt erzählen.
Für diese Ausgabe der Datenperle hat Odi – unser Informant für Open Data - den Kerndatensatz aus dem Berliner Open-Data-Portal zum Thema Fahrraddiebstähle in Berlin unter die Lupe genommen.
Für die neuesten Ausgabe der Datenperle hat Odi – unser Informant für Open Data - bei der Veröffentlichung eines Datenschatzes aus der Forschung zur Stadtentwicklung unterstützt. Es geht um Dark Stores von Lebensmittellieferdiensten.
Odi – unser Informant für Open Data - stellt anhand von Datenvisualisierungen neue Datenschätze aus dem Berliner Open Data Portal vor. In dieser ersten Ausgabe entdecken wir den neu geöffneten Kerndatensatz zum Glasfaserausbau an Berliner Schulen.