Daten in der Gemeinsamen Agrarpolitik: Potenzial von Big Data wird für die Zwecke der Politikbewertung nicht voll ausgeschöpft

Zusammenfassung

I Auf die Gemeinsame Agrarpolitik (GAP) entfällt mehr als ein Drittel des EU-Haushalts. Die GAP verfolgt zahlreiche komplexe und mit einander verflochtene Ziele, die vom Lebensstandard der landwirtschaftlichen Bevölkerung, über umwelt- und klimabezogene Aspekte bis hin zur Entwicklung des ländlichen Raums reichen. Um bei der politischen Entscheidungsfindung einen evidenzbasierten Ansatz verfolgen zu können, müssen verschiedene Daten aus unterschiedlichen Quellen herangezogen und analysiert werden.

II Ziel der Prüfung war zu bewerten, ob die Kommission Daten und Analysetechniken gezielt für die Politikanalyse der GAP einsetzt. Diese Bewertung ist sowohl für die GAP ab 2023 als auch die GAP für die Zeit nach 2027 relevant.

III Zunächst untersuchte der Hof, inwiefern die Kommission die verfügbaren Daten in den letzten Jahren zur Politikanalyse nutzte und ob die vorliegenden Daten ausreichend sind. Anschließend untersuchte er die Maßnahmen der Kommission zur Schließung von Datenlücken sowie die Verwendung großer Datenmengen (Big Data).

IV Der Hof stellte fest, dass die Kommission für die Gestaltung und Bewertung der GAP sowie das Monitoring auf große Datenmengen zurückgreift. Die Kommission nutzt herkömmliche Instrumente wie Tabellenkalkulationen, um die bei den Mitgliedstaaten erhobenen Daten auszuwerten. Mit den aktuell verwendeten Daten und Tools können aber bestimmte wichtige Elemente (z. B. Einzelheiten der angewandten ökologischen Verfahren und außerbetriebliches Einkommen), die für eine fundierte Politikgestaltung erforderlich sind, nicht bereitgestellt werden. Die Kommission ergriff mehrere legislative und andere Initiativen, um die vorhandenen Daten besser zu nutzen, doch bestehen nach wie vor Hindernisse, wenn es darum geht, die erhobenen Daten optimal einzusetzen. Hindernisse wie die mangelnde Standardisierung und Einschränkungen aufgrund der Datenaggregation verringern die Verfügbarkeit und Verwendbarkeit der Daten.

V Der Hof empfiehlt der Kommission,

• einen Rahmen für die Verwendung aufgeschlüsselter Daten aus den Mitgliedstaaten auszuarbeiten;
• mehr Datenquellen zu verwenden und zu entwickeln, um den Bedürfnissen der Politik gerecht zu werden.

Einleitung

Die Gemeinsame Agrarpolitik ist ein umfassender Politikbereich

01 Die Gemeinsame Agrarpolitik (GAP) wurde 1962 eingeführt und macht mehr als ein Drittel des EU-Haushalts aus. Im Zeitraum 2014–2020 beliefen sich die Agrarausgaben auf insgesamt 408 Milliarden Euro. Die allgemeinen Ziele der Verträge¹ für diesen Politikbereich sind in den GAP-Verordnungen näher ausgeführt (siehe Abbildung 1). Die GAP soll sich nicht nur auf die landwirtschaftliche Erzeugung und die Landwirte, sondern auch auf umwelt- und klimabezogene sowie soziale Aspekte auswirken.

02 Im Rahmen der GAP erhalten die Begünstigten den größten Teil der Förderung auf Grundlage der ihnen zur Verfügung stehenden Flächen. Ein weiterer Teil der Förderung kann als Erstattung von Kosten für die Durchführung spezifischer Maßnahmen und zur Finanzierung von Investitionen ausgezahlt werden. Grundlage für die meisten Zahlungen ist das EU-Recht. Daten über landwirtschaftliche Betriebe werden auf unterschiedliche Weise erstellt und erhoben (Abbildung 2).

Rolle von Daten in einem Politikzyklus

03 In den Leitlinien für eine bessere Rechtsetzung spricht sich die Kommission für einen evidenzbasierten Ansatz aus, wonach politische Entscheidungen auf den besten verfügbaren Erkenntnissen beruhen. Die Kommission definiert „Erkenntnisse“ als Daten, Informationen und Wissen aus einer Vielzahl von Quellen, einschließlich quantitativer Daten wie Statistiken und Messungen, qualitativer Daten wie Stellungnahmen, Beiträge von Interessenträgern, Ergebnisse von Evaluierungen sowie wissenschaftlicher und fachlicher Beratung². Ein Politikzyklus umfasst üblicherweise die verschiedenen in Abbildung 3 dargestellten Etappen. Eine evidenzbasierte Politik erfordert auf jeder Ebene des Zyklus aussagekräftige Daten.

04 Weltweit greifen Organisationen zunehmend auf „Big Data“ zurück. So können sie Daten nutzen, die auf verschiedene Art und Weise erhoben wurden. In diesem Bericht sind mit „Big Data“ Daten gemeint, die für herkömmliche Datenverarbeitungssysteme zu komplex oder zu groß sind und besonders fortschrittliche Tools bzw. eine besonders starke Rechenleistung erfordern.

05 In der Landwirtschaft kommen zunehmend digitale Innovationen und Technologien zur Anwendung; Abbildung 4 sind Beispiele für digitale Technologien, die in der Landwirtschaft zum Einsatz kommen, zu entnehmen. Der öffentliche Sektor kann viele dieser Technologien nutzen. Durch technologische Fortschritte kann die Politikgestaltung beschleunigt und können politische Entscheidungen auf einer solideren Faktengrundlage getroffen werden³. Durch diese Verbesserungen können Regierungen datengesteuerte Maßnahmen ergreifen, indem es ihnen insbesondere ermöglicht wird⁴:

• die Umweltauswirkungen der Landwirtschaft besser zu verstehen und politische Ziele zu formulieren, mit denen diese Auswirkungen ganzheitlich angegangen werden;
• differenzierte und gezielte Maßnahmen zu konzipieren;
• neue, datengestützte Monitoring-Systeme einzusetzen.

Zielsetzungen der EU im Zusammenhang mit Daten

06 Die Europäische Kommission legte verschiedene Dokumente vor, in denen betont wird, dass die Verwendung von Daten mit Blick auf eine bessere Politikgestaltung verbessert bzw. maximiert werden sollte, sowie Dokumente, die sich auf den Datenaustausch oder Tools in der EU auswirken (siehe Abbildung 5).

07 In ihrer Mitteilung Die Verwaltung von Daten, Informationen und Kenntnissen bei der Kommission aus dem Jahr 2016 betonte die Kommission die Notwendigkeit einer verbesserten Beschaffung und Bereitstellung von Informationen und der maximierten Verwendung von Daten für eine bessere Politikgestaltung. Sie stellte fest, dass Big Data „das Potenzial haben, die Kapazitäten der Kommission erheblich zu steigern, indem sie die frühzeitige Erkennung von Trends und ein schnelleres Feedback zur Unterstützung einer besseren Rechtsetzung und faktengestützten Politikgestaltung ermöglichen. Zudem könn[t]en allen Interessenträgern Ergebnisse besser vermittelt werden“. Die Kommission plante den Ausbau der erforderlichen Kompetenzen, Tools und IT-Infrastruktur zur Unterstützung einer Big-Data-Kapazität. Sie betonte ebenfalls, dass der Datenbedarf und Wissenslücken besser eingeplant werden müssen, um sicherzustellen, dass die Daten für Folgenabschätzungen, Monitoring, Berichterstattung und Bewertung verfügbar, verwertbar und sachdienlich sind⁵. Die interne Datenstrategie der Kommission (DataStrategy@EC) ist das wichtigste Instrument für die Umsetzung der Mitteilung.

08 Im November 2018 nahm die Kommission die Digitalstrategie der Europäischen Kommission mit dem Ziel an, bis 2022 eine digital gewandelte, nutzerorientierte und datengesteuerte Verwaltung zu werden. Mit der Digitalstrategie wurde die in der Mitteilung von 2016 eingeschlagene Richtung bestätigt. Von den neun in der Strategie aufgeführten Maßnahmen eignen sich die folgenden beiden nach Ansicht des Hofes am besten für seine Prüfung:

• Integration neuer Technologien in die IT-Umgebung der Kommission;
• Erleichterung des freien Datenverkehrs zwischen europäischen öffentlichen Verwaltungen im Zusammenhang mit dem EU-weiten politischen Handeln.

09 Im Februar 2020 veröffentlichte die Kommission eine Mitteilung mit dem Titel Eine europäische Datenstrategie⁶ für den Zeitraum 2021–2027, deren Anwendungsbereich weit über die Kommission selbst hinausging. Ziel der Strategie ist es, das „Ziel eines echten Binnenmarkts für Daten“ durch Maßnahmen wie die Schaffung eines Governance-Rahmens für Datenzugang und Datennutzung und Investitionen in die Dateninfrastruktur und Kompetenzen zu verwirklichen. Im Mittelpunkt stehen Fragen wie die Datenverfügbarkeit, die Interoperabilität und Qualität der Daten, die Daten-Governance, die Dateninfrastruktur und -technologien (z. B. Datenverarbeitungskapazität und Cloud-Infrastruktur) sowie die Cybersicherheit.

10 Mit ihrem Vorschlag für ein Daten-Governance-Gesetz⁷ aus dem Jahr 2020 wollte die Kommission die Weiterverwendung bestimmter Kategorien geschützter Daten des öffentlichen Sektors vereinfachen, das Vertrauen in die Datenvermittlungsdienste erhöhen und den Datenaltruismus in der EU fördern.

Prüfungsumfang und Prüfungsansatz

11 Bei der Prüfung sollte untersucht werden, ob die Kommission Daten und Datenanalytik gezielt für die Politikanalyse der GAP einsetzt. Zunächst untersuchte der Hof, wie die Kommission die verfügbaren Daten zur Politikanalyse nutzte und ob die Daten ausreichend waren. Anschließend beschäftigte er sich mit der Frage, ob die Kommission Datenlücken schließt, untersuchte die Verwendung von Big Data und ermittelte, ob es jüngere oder laufende EU-Forschungsprojekte gab, die dazu beitragen könnten, diese Lücken zu schließen und die Politikanalyse im Bereich der GAP zu verbessern.

12 Im Rahmen der Prüfung untersuchte der Hof die Gestaltung der GAP, das Monitoring während ihrer Umsetzung und ihre Bewertung. Die Prüfung erstreckte sich auf den Zeitraum 2015 bis Februar 2022. Die Bewertung der Daten-Governance im Rahmen der GAP ist insofern relevant, als sich der Bericht des Hofes sowohl auf die GAP ab 2023 als auch die GAP für die Zeit nach 2027 auswirken könnte. Die Hauptverantwortung für die GAP liegt bei der Generaldirektion Landwirtschaft und ländliche Entwicklung der Kommission (GD AGRI).

13 Der Hof führte folgende Prüfungshandlungen durch:

• Analyse einschlägiger Daten und Dokumente, darunter wissenschaftliche, strategische, legislative, politische und projektbezogene Dokumente;
• Befragungen von Mitarbeitern aus vier Generaldirektionen der Kommission (Landwirtschaft und ländliche Entwicklung, Eurostat, die Gemeinsame Forschungsstelle (JRC) sowie Kommunikationsnetze, Inhalte und Technologien);
• Befragungen mit dem Landwirtschaftsverband COPA-COGECA zum Verhaltenskodex der EU für die gemeinsame Nutzung von Agrardaten auf vertraglicher Grundlage und mit Vertretern des Sen4CAP-Projekts;
• Konsultation aller 27 EU-Mitgliedstaaten im Wege einer an das für die GAP zuständige Ministerium/Referat gerichteten Umfrage und durch Follow-up-Gespräche mit den Behörden in Belgien, Deutschland, Estland, Irland, den Niederlanden und Spanien auf der Grundlage der Umfrageergebnisse;
• Aktenprüfung von drei Nicht-EU-Ländern (USA, Australien und Japan) zu Benchmarkingzwecken, ausgewählt wegen des hohen Stellenwerts der dortigen Landwirtschaft, innovativer oder digitaler Initiativen für das Agrarmanagement und der Verfügbarkeit öffentlicher Daten;
• Veranstaltung einer Podiumsdiskussion mit Sachverständigen aus Wissenschaft, Politik und Verwaltung.

Bemerkungen

Die derzeitigen Daten und Tools stellen teilweise Informationen bereit, die für eine fundierte Politikgestaltung auf EU-Ebene erforderlich sind

14 Die Kommission muss die Leistung der GAP anhand ihrer drei allgemeinen Ziele bewerten⁸ (siehe Abbildung 1). Die Fakten und Erkenntnisse, welche die Kommission zu Zwecken der Politikgestaltung zusammenträgt, sollten verhältnismäßig und geeignet sein, um eine Grundlage für Politikoptionen zu bilden und Antworten auf die zu bewertenden Fragestellungen zu liefern⁹. Gemäß den Leitlinien für eine bessere Rechtsetzung sollten Evaluierungen auch sicherstellen, dass einschlägige Erkenntnisse zur Verfügung stehen, um die Vorbereitung neuer Initiativen zu unterstützen („Grundsatz der vorherigen Evaluierung“).

15 Der Hof untersuchte, ob die GD AGRI auf ausreichende Datenquellen und Daten für die Politikanalyse der GAP zurückgreift und dazu einschlägige Analysetools verwendet. Er untersuchte, welche Arten von Daten, IT-Systeme und Datenanalysetechniken die Kommission besitzt und verwendet. Um zu ermitteln, ob die Daten und Tools ausreichend sind, analysierte er Evaluierungen und Dokumente zur Vorbereitung der Politik.

Die GD AGRI erhebt vorwiegend administrative Daten und verwendet hauptsächlich konventionelle Datenanalyseinstrumente

16 Zur Gestaltung und Bewertung der GAP sowie für das Monitoring verfügt die GD AGRI über große Mengen vor allem administrativer Daten (z. B. Marktpreise und Zahlungen sowie landwirtschaftliche Buchführungen), die sie hauptsächlich von den Mitgliedstaaten erhält, die diese Daten mit Blick auf die Durchführung der Politik erheben. Die von Eurostat erhobene Agrarstatistik der EU greift auf vielfältige Quellen zurück: Erhebungen, Verwaltungsdaten, Daten aus Agrarbetrieben und anderen Unternehmen sowie agrarbetriebliche Daten in Form von Landwirtschaftszählungen und Stichproben¹⁰.

17 Die GD AGRI folgt der internen Datenstrategie der Kommission. Die Kommission führt ein Datenverzeichnis, in dem das Eigentum, die Zugänglichkeit, die Speicherung und Wiederverwendbarkeit jedes Datensatzes aufgeführt wird. In dem Verzeichnis waren jedoch keine Angaben zu Datenlücken oder Überschneidungen enthalten.

18 Das Datenverzeichnis der GD AGRI vom Februar 2022 enthielt 57 Datensätze, die in verschiedenen IT-Systemen und Datenbanken gespeichert sind (Beispiele sind Abbildung 6 zu entnehmen). Die Datenbanken enthalten hauptsächlich strukturierte Verwaltungsdaten, und die GD AGRI nutzt zu ihrer Verarbeitung vor allem statistische Instrumente. Einige der durch die GD AGRI bei den Mitgliedstaaten eingeholten Dokumente (z. B. jährliche Durchführungsberichte) enthalten unstrukturierte Daten, für die die GD AGRI über keine automatisierten oder halbautomatisierten Verarbeitungsinstrumente verfügt.

19 Die GD AGRI hat mit der Gemeinsamen Forschungsstelle eine Vereinbarung über die Datenanalyse und die Suche nach Möglichkeiten für eine bessere Nutzung bestehender Daten geschlossen. Auf dieser Grundlage verwendet sie bei der Politikanalyse der GAP einige fortschrittliche Methoden (wie das IFM-CAP-Modell, ökonometrische Modelle und prädiktive Analytik). Das IFM-CAP-Modell ist das individuelle Modell der landwirtschaftlichen Betriebe für die Analyse der Gemeinsamen Agrarpolitik, anhand dessen die Auswirkungen der GAP auf die Agrarwirtschaft und ihre Umweltauswirkungen bewertet werden sollen.

20 In seiner Analyse der vier IT-Systeme (ISAMM, CATS/COMBO, AGRIVIEW und SFC) und der INLB-Datenbank, die an das Agri-Food Data Portal (Datenportal zum Agrar- und Lebensmittelsektor) angebunden sind, (siehe Abbildung 6), stellte der Hof fest, dass die GD AGRI hauptsächlich aggregierte Daten erhebt. Von diesen Systemen enthält nur CATS/COMBO aufgeschlüsselte Daten auf Betriebsebene.

21 Die GD AGRI veröffentlicht konsolidierte Daten im Agri-Food Data Portal, wo Informationen aus vielen Datenbeständen der GD AGRI und der Agrarstatistik von Eurostat, interaktive Graphiken und Dashboards bereitgestellt werden. Die Nutzer können Zeitreihen, interaktive Karten, Diagramme und Tabellen einsehen und Rohdaten zur Weiterverwendung und Offline-Analyse herunterladen. Das Portal wird von der GD AGRI kontinuierlich aktualisiert. Aus Sicht des Hofes ist das Portal ein bewährtes Verfahren für die Bereitstellung öffentlich zugänglicher Daten, da es einen einzigen Zugangspunkt zu einem großen Satz von Daten über Agrar- und Lebensmittelmärkte, Analysen, GAP-Indikatoren und EU-Finanzierungen bietet.

22 Die wichtigsten IT-Systeme, die die Kommission und die Mitgliedstaaten für die GAP verwenden, stützen sich vor allem auf deskriptive und diagnostische Analysen und nur sehr selten auf prädiktive oder präskriptive Analysen (siehe Abbildung 7).

23 Auf Grundlage der Befragungen und der Antworten der Mitgliedstaaten auf seine Umfrage stellte der Hof fest, dass in Bezug auf die Verwendung von Big Data (siehe Ziffer 04) und fortgeschrittene Analyseverfahren für die Politikanalyse der GAP durch die Kommission und die Mitgliedstaaten mehrere Hindernisse bestehen, unter anderem

1. Unterschiede bei Qualitätsstandards oder -anforderungen der verschiedenen Datenquellen;
2. Vertraulichkeitsvorschriften, durch die die Verwendung von betriebsbezogenen Daten eingeschränkt wird;
3. begrenzte Verfügbarkeit von Daten oder Daten mit unterschiedlichem bzw. nicht richtigem Format;
4. geringe digitale Kompetenzen und zu wenig qualifiziertes Personal.

24 Das Fehlen gemeinsamer Referenzen wie einer eindeutigen Kennung erschweren die Kombination einzelbetrieblicher landwirtschaftlicher Betriebsdaten aus verschiedenen Datenquellen zu Zwecken der GAP-Analyse. Durch eine eindeutige Kennung oder alternative Techniken für die Datenverknüpfung könnten Daten aus verschiedenen Datenquellen, die sich auf denselben Betrieb beziehen, zusammengeführt werden (siehe Kasten 1).

25 Gewöhnlich analysiert die GD AGRI manuell die in Textform vorliegenden Informationen, die die Mitgliedstaaten im Rahmen ihrer Jahresberichte vorlegen, und verwendet dazu keine Big Data-Techniken wie Textanalyse oder automatisierte Datenextraktion. Die Analyse des Hofes zeigt, dass hier Potenzial für mehr Automatisierung besteht (siehe Beispiel in Kasten 2).

Aufgrund bestimmter Merkmale ist der Nutzen bestehender Daten und Systeme für die Politikanalyse beschränkt

26 Der Hof untersuchte die Verwendung und die Grenzen dreier sehr verschiedener Datenquellen, die von der Kommission und den Mitgliedstaaten in großem Umfang genutzt werden (siehe Tabelle 1).

Integriertes Verwaltungs- und Kontrollsystem

27 Die Kommission hat nur begrenzten Zugang zum integrierten Verwaltungs- und Kontrollsystem (InVeKoS) der Mitgliedstaaten, das der wichtigste Baustein für die Verwaltung der GAP-Zahlungen in den Mitgliedstaaten ist. Für die GAP im Zeitraum 2014–2020 besteht das InVeKoS aus einer Reihe digitaler und vernetzter Datenbanken, und zwar¹¹:

1. einem System zur Identifizierung aller landwirtschaftlichen Flächen in den EU-Mitgliedstaaten, das sogenannte System zur Identifizierung landwirtschaftlicher Parzellen (LPIS);
2. einem System, mit dem die Landwirte die landwirtschaftlichen Flächen, für die sie eine Beihilfe beantragen, auf einer Karte markieren können (geografischer Beihilfeantrag oder Geodaten-basierter Antrag);
3. einem System zur Erfassung jedes Begünstigten, der einen Beihilfe- oder Zahlungsantrag stellt;
4. einem integrierten Kontrollsystem zur Kontrolle von Beihilfeanträgen anhand eines elektronischen Abgleichs und physischer Kontrollen in den Betrieben (Vor-Ort-Kontrollen).

28 Die Mitgliedstaaten nutzen das InVeKoS für die Entgegennahme von Beihilfeanträgen, Verwaltungskontrollen und sonstige Kontrollen (z. B. Vor-Ort-Kontrollen und Kontrollen durch Monitoring) sowie für die Vornahme von Zahlungen¹². Die Mitgliedstaaten können für ihr InVeKoS unterschiedliche technische Lösungen wählen. Mangelnde Standardisierung, verschiedene Dateneigner (d. h. nicht immer dieselbe Art von Behörde) und unabhängige IT-Entwicklungen führen zu einer Fragmentierung, erschweren den Vergleich von Daten und schränken die gemeinsame Nutzung und Weiterverwendung von Daten ein. Dies verringert die Möglichkeiten eines Einsatzes fortgeschrittener Analyseverfahren oder anderer Big Data-Techniken zur Bewertung der Auswirkungen von EU-Mitteln¹³. Die Kommission hat nur einen begrenzten Zugang zu den 42 unterschiedlichen (nationalen oder regionalen) Systemen der Mitgliedstaaten, in denen detaillierte Daten zu landwirtschaftlichen Betrieben und Unternehmen gespeichert sind¹⁴. Dies erschwert es beispielsweise, detaillierte Informationen über die Verteilung von EU-Mitteln zu erhalten.

29 Ausgehend von seiner Analyse verschiedener EU-finanzierter Forschungsprojekte¹⁵ stellte der Hof fest, dass der dezentralisierte Ansatz des InVeKoS die weitergehende Integration und Verknüpfung dieser Datenquellen mit anderen Datenquellen der Kommission hauptsächlich aus den folgenden Gründen erschwert:

1. Kompatibilitätsprobleme (verschiedene technische Lösungen) und mangelnde Interoperabilität der Datensysteme;
2. Vertraulichkeitsvorschriften, aufgrund deren Daten landwirtschaftlicher Betriebe aus verschiedenen Datenquellen nicht miteinander verknüpft werden durften (z. B. InVeKoS und INLB);
3. geringer Detaillierungsgrad anderer Datenbanken, d. h. die Daten sind nicht ausreichend detailliert, sowie Fehlen gemeinsamer Kennungen zur Abgleichung mit InVeKoS-Daten.

30 Um die gemeinsame Nutzung und die Verfügbarkeit von Daten zu verbessern, hält die GD AGRI die Mitgliedstaaten an, über das gemeinsame INSPIRE-Geoportal (siehe Abbildung 8) und mit der technischen Unterstützung der Gemeinsamen Forschungsstelle ihre nicht-personenbezogenen InVeKoS-Geodaten bereitzustellen. Das Portal bietet Zugang zum Download und zur Ansicht von Dienstleistungen bzgl. umweltbezogener Geodaten, die von den Mitgliedstaaten zusammengestellt werden.

31 Die Mitgliedstaaten stellen unterschiedlich viele Daten über das INSPIRE-Geoportal zur Verfügung. Abbildung 9 sind Beispiele für die Anzahl der Meta-Datensätze für drei ausgewählte Themen zu entnehmen. Die Mitgliedstaaten veröffentlichen einige Geodaten auch durch ihre eigenständigen nationalen (oder regionalen) Geoportale.

Copernicus-Satellitendaten

32 Copernicus-Satellitendaten entsprechen der Definition von Big Data (siehe Ziffer 04). Die Kommission koordiniert den Ansatz der „Kontrollen durch Monitoring“ (auf der Grundlage von Copernicus-Daten), der ein Beispiel für das automatisierte Monitoring der GAP in den Mitgliedstaaten ist.

33 Im Rahmen der „Kontrollen durch Monitoring“ werden laufend Copernicus-Satellitendatenströme analysiert, um zu überprüfen, ob bestimmte Landparzellen die Förderkriterien erfüllen. Seit 2018 konnten die nationalen Behörden Copernicus-Daten verwenden, um traditionelle Vor-Ort-Kontrollen zu ersetzen. Nach Angaben der Kommission wurden 2021 bei 13,1 % der Flächen, die Direktzahlungen erhielten, „Kontrollen durch Monitoring“ durchgeführt. Für 2024 werden 50 % anvisiert¹⁶. Im Jahr 2021 wandten 10 Mitgliedstaaten das Verfahren auf mindestens eine Beihilferegelung und mindestens einen Teil ihres Hoheitsgebiets an. Im Jahr 2020, als der Hof „Kontrollen durch Monitoring“ im Rahmen eines Sonderberichts untersuchte¹⁷ (siehe Kasten 3), waren es lediglich fünf.

Informationsnetz landwirtschaftlicher Buchführungen

34 Die meisten wirtschaftlichen Daten stammen aus dem INLB (Informationsnetz landwirtschaftlicher Buchführungen). Die Kommission und die Mitgliedstaaten nutzen das INLB in großem Umfang für Modelle, Evaluierungen und Berichterstattung.

35 Seit 1965 hat das INLB zum Ziel, „objektive und zweckdienliche Informationen insbesondere über die Einkommen […] und über die betriebswirtschaftlichen Verhältnisse [der] Betriebe“ für die GAP bereitzustellen¹⁹. Das INLB enthält harmonisierte mikroökonomische Daten, mit denen die Auswirkungen der GAP gemessen werden. Es basiert auf nationalen Erhebungen, die die landwirtschaftlichen Betriebe freiwillig durchführen können, und erfasst nur Betriebe in der EU, die groß genug sind, um als gewerbliche landwirtschaftliche Betriebe eingestuft zu werden²⁰.

36 Dadurch, dass nicht-gewerbliche und kleine landwirtschaftliche Betriebe nicht erfasst werden, ist die Aussagekraft des INLB im Hinblick auf die Begünstigten der GAP begrenzt. Bei der Erhebung aus dem Jahr 2015 wurden 83 000 Betriebe erfasst. Damit wurden zwar ungefähr 90 % der gesamten genutzten landwirtschaftlichen Fläche und der gesamten landwirtschaftlichen Erzeugung²¹ abgedeckt, doch stellt dies nur 4,7 Millionen von insgesamt 10,8 Millionen Betrieben in der EU dar²². Die Darstellung der GAP-Begünstigten im INLB ist somit nicht repräsentativ. Nach Angaben der Kommission lag der Anteil der nicht erfassten Begünstigten von GAP-Direktzahlungen im Jahr 2019 bei zwischen 5 % in den Niederlanden und 78 % in der Slowakei.

Bewertung der Leistung der GAP wird durch unzureichende Datenlage beeinträchtigt

37 Bewertungen sollten sich auf bestmögliche Fakten stützen, die aus einer Vielzahl von Methoden und Quellen zusammengestellt werden (Triangulation)²³. Durch detaillierte Daten kann leichter ein Zusammenhang zwischen den Zielen und den Ergebnissen/Auswirkungen einer Politik hergestellt werden²⁴. Laut den Rechtsvorschriften sollten die Angaben, die zur Bewertung der Leistung der GAP genutzt werden, soweit wie möglich auf etablierten Datenquellen wie dem INLB und Eurostat basieren²⁵. Durch ein gutes Monitoring sollten faktenbezogene Zeitreihendaten erstellt werden, um die Qualität künftiger Evaluierungen und Folgenabschätzungen zu verbessern²⁶.

38 Der Hof analysierte fünf Evaluierungen bzw. Begleitstudien der Kommission, wobei für jedes der drei in Abbildung 1 dargestellten allgemeinen GAP-Ziele mindestens eine Evaluierung analysiert wurde. Der Hof stellte fest, dass für die Evaluierungen eine Vielzahl von Daten verwendet werden, die zur Verwaltung oder Begleitung der Politik erhoben werden, wie die GAP-Indikatoren²⁷, das INLB, CATS/COMBO, Eurostat-Statistiken und das Informationssystem für die Verwaltung der Agrarmärkte (ISAMM). Diese Daten werden oft durch externe Daten (z. B. von der Organisation für wirtschaftliche Zusammenarbeit und Entwicklung, den Vereinten Nationen, der Ernährungs- und Landwirtschaftsorganisation), Fallstudien, Fragebögen und Interviews vervollständigt.

39 Für alle drei CAP-Ziele führen die Kommission und die Bewerter eine kontrafaktische Folgenabschätzung durch²⁸. Dafür sind Daten zu Kontrollgruppen, d. h. Einrichtungen, für die die Politik nicht gilt, erforderlich. Das INLB enthält Daten über beide Gruppen und kann daher für eine solche Analyse nützlich sein. Wenn kontrafaktische Daten fehlen, sind Schätzungen, welchen Beitrag die GAP beispielsweise zur Eindämmung des Klimawandels leistet, weniger aussagekräftig. Der Kommission zufolge wird die GAP bereits zu lange angewandt und deckt einen zu großen Bereich ab, als dass Vergleichsdaten²⁹ erhoben werden könnten und die Lage vor und nach bzw. mit oder ohne GAP verglichen werden könnte. Es ist außerdem schwierig, kontrafaktische Methoden für die räumliche Entwicklung zu nutzen, da die meisten Regionen GAP-Unterstützung erhalten. Um hier Abhilfe zu schaffen, entwickelte die Gemeinsame Forschungsstelle auf der Grundlage kontrafaktischer Methoden für die Folgenabschätzung ein quantitatives Beurteilungsraster, mit dem Aufschluss über den kausalen Zusammenhang zwischen Politik und ihren Ergebnissen gegeben werden kann, wobei die verschiedensten in ländlichen Gebieten ergriffenen Maßnahmen berücksichtigt wurden³⁰.

Rentable Nahrungsmittelerzeugung

40 Die wichtigsten Datenquellen für die Bewertung, ob das Ziel einer rentablen Nahrungsmittelerzeugung erreicht wurde, sind das INLB und die Landwirtschaftliche Gesamtrechnung (LGR) (siehe Tabelle 2), die beide von der Kommission speziell für die Bereitstellung von Daten für die GAP-Bewertung eingerichtet wurden. So bedient sich die Kommission der Eurostat-Statistiken zum Faktoreinkommen (d. h. Einkommen aus Land, Kapital und Arbeit) und des INLB³¹, um zu bewerten, wie sich die GAP-Förderung auf das Einkommen der Landwirte auswirkt.

41 Die Mitgliedstaaten benötigen ein Jahr, um die INLB-Daten zu erheben und zu validieren; die Kommission benötigt ihrerseits ein weiteres Jahr, um die INLB-Daten der Mitgliedstaaten zu überprüfen und zu validieren. Folglich dauert es mindestens zwei Jahre, bis die Daten in der INLB-Datenbank verfügbar sind. Als die Kommission im Jahr 2018 ihren Legislativvorschlag für die GAP für die Zeit nach 2020 vorlegte, lagen nur Daten aus einem Jahr der laufenden GAP (die Daten aus der INLB-Erhebung von 2015) vor. Dies bedeutet, dass die Kommission ihren Vorschlag vorlegte, bevor ihr die jüngsten INLB-Daten über die Leistung und Auswirkungen der laufenden Politik vorlagen.

Nachhaltige Bewirtschaftung der natürlichen Ressourcen sowie Klimaschutzmaßnahmen

42 Hinsichtlich des GAP-Ziels „natürliche Ressourcen und Klima“ kann eine lange Zeit vergehen, bis festgestellt werden kann, welche Auswirkungen eine politische Maßnahme hat. Um einen kausalen Zusammenhang zwischen einer GAP-Maßnahme und ihren Ergebnissen festzustellen, müssen verschiedene Daten kombiniert und externe Faktoren berücksichtigt werden. Von den vier Teilbereichen des Ziels (siehe Abbildung 1) untersuchte der Hof die biologische Vielfalt. Weder die Mitgliedstaaten noch die Kommission hatten aussagekräftige Belege dafür, dass ein kausaler Zusammenhang zwischen der Einhaltung von Standards für einen guten landwirtschaftlichen und ökologischen Zustand³² und dem Zustand der biologischen Vielfalt³³ besteht. Tabelle 3 sind Beispiele für die verwendeten Nachweise und die bei der Bewertung des Teilbereichs „biologische Vielfalt“ bestehenden Einschränkungen zu entnehmen.

43 Eine Bewertung aus dem Jahr 2019 ergab, dass eine Gesamtbewertung der Auswirkungen der Politik auf die biologische Vielfalt aufgrund des Fehlens geeigneter Monitoring-Daten nicht möglich war³⁴. Mehrere der Monitoring-Indikatoren der Kommission werden nicht regelmäßig mit Daten gespeist. So erheben und melden nicht alle Mitgliedstaaten Daten zum Wirkungsindikator für die Wasserentnahme in der Landwirtschaft.

44 Die Bewertung des Umweltziels wird auch dadurch eingeschränkt, dass keine umfassenden Daten über die Mengen an Düngemitteln und Pestiziden vorlagen, die in der EU auf landwirtschaftlichen Flächen eingesetzt werden. Seit 2021 liegen Daten über die auf landwirtschaftlichen Flächen eingesetzten Pestizide vor, jedoch nur für weniger als die Hälfte der Mitgliedstaaten. Die Kommission und die Bewerter nutzen INLB-Daten über die Ausgaben für Dünge- und Pflanzenschutzmittel pro Hektar als Näherungswert.

45 Öffentlich verfügbare EU-Statistiken über Pflanzenschutzmittel beziehen sich auf die Mengen (kg) von Wirkstoffen in verkauften Pflanzenschutzmitteln³⁵. Im Sonderbericht 5/2020³⁶ berichtete der Hof, dass die Zusammenfassung von Wirkstoffen in der in den EU-Rechtsvorschriften festgelegten Weise die Informationen, die Eurostat veröffentlichen oder auch nur an andere Generaldirektionen der Kommission weiterleiten kann, begrenzt. Nach den aktuellen EU-Rechtsvorschriften erstellte Statistiken über die Verwendung von Pflanzenschutzmitteln in der Landwirtschaft sind nicht vergleichbar, und Eurostat ist noch nicht in der Lage, diesbezügliche EU-weite Statistiken zu veröffentlichen.

Ausgewogene räumliche Entwicklung

46 In einer Bewertung aus dem Jahr 2021³⁷ verwendeten die Kommission und die Bewerter GAP-Outputindikatoren, Zahlungsdaten aus CATS/COMBO, der ARDECO-Datenbank der GD REGIO und der regionalen Datenbank von Eurostat zur Beurteilung des dritten GAP-Ziels. Die Tatsache, dass nur begrenzt vollständige, detaillierte und aktuelle Daten zum sozioökonomischen Status ländlicher Gebiete vorlagen, beeinträchtigte die Belastbarkeit der Bewertung³⁸. Die Auftragnehmer führten an, dass für einige zentrale gesellschaftliche Aspekte nur wenige Daten vorlagen und, wenn doch, diese oft nicht regelmäßig aktualisiert, sondern ausgehend von bestimmten Forschungsprojekten ad hoc erstellt wurden³⁹. In einigen Fällen hatten die Bewerter Proxy-Indikatoren verwendet. Insgesamt nannten sie die Verfügbarkeit und Qualität der Indikatoren sowie den Mangel an Daten über kleine Regionen als wichtigste limitierende Faktoren bei quantitativen Analysen.

47 Mit Ausnahme der Zahlungsdaten im CATS/COMBO und den Daten der einzelnen landwirtschaftlichen Betriebe im INLB handelt es sich bei den meisten der von der Kommission bei den Mitgliedstaaten erhobenen Daten um aggregierte Daten, wodurch sich pro Mitgliedstaat bzw. Region ein einziger Wert ergibt. Dadurch können die Daten nur in begrenztem Umfang für weitere Bewertungen oder zu Zwecken der Politikgestaltung herangezogen werden. Hinsichtlich einiger sozioökonomischer Aspekte (wie der sozialen Inklusion) standen die Daten nur auf nationaler Ebene oder nur mit einer geringen geografischen Auflösung zur Verfügung, was für gebietsbezogene Analysen unzureichend ist⁴⁰. Den Monitoring-Daten der GAP mangelt es darüber hinaus an detaillierteren Angaben, um gezieltere Analysen durchführen zu können, z. B. zum Alter oder zum Geschlecht der Begünstigten⁴¹. Diese Daten sind üblicherweise in den Datenbanken der Mitgliedstaaten enthalten, aber für die Kommission nicht zugänglich.

Der Kommission liegen nicht genügend Nachweise für ihre Bedarfsanalyse der GAP vor

48 Gemäß den Leitlinien für eine bessere Rechtsetzung sollte im Rahmen der Folgenabschätzung zu einem Legislativvorschlag zunächst geprüft werden, ob ein Problem besteht⁴². Der logische Zusammenhang zwischen dem Problem und den ihm zugrunde liegenden Ursachen und die damit verbundenen Zielsetzungen sollten ersichtlich werden, und es sollten verschiedene politische Optionen zu dessen Behebung gegeneinander abgewogen werden.

49 Um die Datennutzung in den Phasen der Politikgestaltung oder -planung zu prüfen, analysierte der Hof die Folgenabschätzung zum Legislativvorschlag über die GAP für die Zeit nach 2020⁴³ sowie verschiedene Dokumente der Kommission zu dessen Untermauerung. Der Hof stellte Schwachstellen bei der Bereitstellung relevanter Daten zur Beschreibung des Problems fest, das von der Politik im Rahmen des spezifischen Ziels „tragfähige landwirtschaftliche Einkommen“ angegangen wird. In seiner Stellungnahme zu den Legislativvorschlägen zur GAP für die Zeit nach 2020 stellte der Hof fest, dass zur Unterstützung der Bedarfsanalyse für das Einkommen der Betriebsinhaber nur unzureichende Daten und Argumente herangezogen wurden⁴⁴. Der Kommission liegen keine Informationen über das Einkommen von Landwirten oder landwirtschaftlichen Haushalten außerhalb der Landwirtschaft vor, und aus den Durchschnittswerten werden die großen Unterschiede, die in Bezug auf die Einkommenssituation bestehen, nicht ersichtlich. In seinem Bericht über Gender Mainstreaming aus dem Jahr 2021 hob der Hof hervor, dass das Fehlen von Statistiken über die Einkommen landwirtschaftlicher Haushalte und das verfügbare Einkommen landwirtschaftlicher Betriebe aufgeschlüsselt nach Geschlecht zudem eine große Datenlücke darstellt, wenn untersucht werden soll, wie sich die Direktzahlungen auf die Gleichstellung der Geschlechter auswirken⁴⁵.

50 Der Hof empfahl 2018: „Bevor sie einen Vorschlag für die künftige Gestaltung der GAP vorlegt, sollte die Kommission die Einkommenssituation aller Gruppen von Betriebsinhabern beurteilen und ihren Bedarf an Einkommensstützung analysieren“. Dabei sollte die Kommission Aspekte wie das Einkommen aus der Nahrungsmittel- und sonstiger landwirtschaftlicher Produktion sowie nichtlandwirtschaftlichen Einkommensquellen berücksichtigen⁴⁶. Die Kommission stimmte der Empfehlung teilweise zu. Sie fügte hinzu, dass die Politik auf die Landwirte ausgerichtet ist, die für ihren Lebensunterhalt aktiv Landwirtschaft betreiben. Eine Studie über die Einkommen landwirtschaftlicher Haushalte aus dem Jahr 2015⁴⁷ zeigte auf, dass es eine große Lücke bei den Informationen über die Leistung der GAP gab, da es in der EU kein System zur statistischen Erfassung oder zum Monitoring gab, anhand dessen die Gesamteinkommen der Landwirte bewertet und mit anderen gesellschaftlichen Gruppen verglichen werden konnten. Seit Februar 2022 hat die Kommission in diesem Bereich keine Fortschritte erzielt.

51 Alle drei bis vier Jahre erhält Eurostat von den Mitgliedstaaten im Wege einer Erhebung über die Betriebsstruktur (Farm Structure Survey) Daten über andere Erwerbstätigkeiten in landwirtschaftlichen Betrieben. Aus den erhobenen Daten geht zwar hervor, ob es sich bei den anderen Erwerbstätigkeiten um eine Haupttätigkeit oder eine Nebentätigkeit des Betriebsinhabers/Betriebsleiters handelt, jedoch nicht, wie groß der Anteil oder die Bandbreite der daraus resultierenden Einkünfte ist. Die jüngsten auf der Website von Eurostat veröffentlichten Daten beziehen sich auf das Jahr 2016⁴⁸.

52 Die aktuelle Standardliste der INLB-Variablen enthält keine Informationen über das außerhalb landwirtschaftlicher Betriebe erzielte Einkommen, da es bei der Erhebung um landwirtschaftliche Betriebe und nicht um die Betriebsinhaber geht. Die Einkommensteuerdaten in den Registern der nationalen Steuerbehörden allein reichen nicht aus, um diese Daten bereitzustellen, da sie keine Informationen zu betrieblichen Merkmalen enthalten und die landwirtschaftlichen Einkommen auch derjenigen Personen enthalten, deren Haupttätigkeit nicht in der Landwirtschaft besteht⁴⁹.

53 Einige Mitgliedstaaten (wie Irland und die Niederlande) sammeln Daten zum außerbetrieblichen Einkommen anhand nationaler INLB-Erhebungen, mit denen eine der Datenlücken hinsichtlich des Realeinkommens der Landwirte geschlossen werden könnte. Die irischen Behörden veröffentlichen regelmäßig indirekt Daten zum außerbetrieblichen Einkommen, u. a. zum Vorhandensein außerbetrieblicher Beschäftigung, zu den Tagen und Stunden, die außerhalb des Betriebs gearbeitet wurden, und zum Sektor, in dem gearbeitet wurde.

Kommission hat verschiedene Initiativen ergriffen, um bestehende Daten besser zu nutzen, doch bestehen nach wie vor Hindernisse

54 Die Kommission sollte weitere Initiativen ergreifen, um die bestehenden Schwachstellen zu beheben und die Datenerhebung und -verarbeitung zu verbessern, um die GAP zu bewerten und die Entwicklung der künftigen Politik zu unterstützen. Diese Initiativen sollten entsprechend dem festgelegten Zeitplan und den festgelegten Outputs umgesetzt werden. Die Kommission muss die bestehenden Datenquellen für die neue GAP anpassen und ausbauen. Des Weiteren sollte sie neue Datenquellen ausfindig machen und einsetzen, um die Landwirte und Verwaltungen zu entlasten und zugleich die Politik auf eine solidere Faktengrundlage zu stellen⁵⁰.

55 In ihrem Aktionsplan für eine interne Datenstrategie setzte sich die Kommission das Ziel, den Zugang zu Daten zu gewährleisten, die für die Entscheidungsfindung und Funktionsweise der gesamten Organisation relevant sind, und die Verwendung moderner Datenanalysetechniken zu fördern, um Muster und Trends schneller und effektiver zu erkennen.

56 Der Hof untersuchte, welche Initiativen die Kommission ergriffen hat, um die verfügbaren Daten und neuen Technologien besser zu nutzen, um Datenlücken zu schließen und die oben genannten Herausforderungen anzugehen. Des Weiteren untersuchte der Hof EU-finanzierte Forschungsprojekte und Initiativen der Mitgliedstaaten, die zur Politikanalyse der GAP beitragen und einige der Lücken schließen könnten.

Kommission weitet Datenquellen aus und begünstigt die gemeinsame Nutzung von Daten, um Datenlücken zu schließen und den Datenbedarf für die GAP zu decken

57 Gemäß der internen Datenstrategie der Kommission sollten so viel wie möglich interne und externe Datenquellen genutzt werden, um die für fundierte Entscheidungen erforderlichen Nachweise zu generieren. Die Kosten und der administrative Aufwand für die zusätzliche Datenerhebung zum Zwecke der Politikbewertung müssen im Einklang mit dem Datenbedarf stehen. Dem Instrumentarium für eine bessere Rechtsetzung⁵¹ zufolge müssen nicht alle Datenlücken geschlossen werden.

58 Die Kommission begann 2018 mit der Umsetzung ihrer Datenstrategie. Die Maßnahmen reichen von der Schaffung eines Datenverzeichnisses (siehe Ziffern 17–18) über Vorschriften zur Daten-Governance und über Datenanalytik bis hin zu Schulungen und Qualifizierungsmaßnahmen. Ende 2020 setzte die GD AGRI ein Gremium und eine Arbeitsgruppe zur Umsetzung der Strategie ein. Seit Januar 2022 gibt es ein spezielles Referat für die „Daten-Governance“, um die Datenverwaltung besser zu koordinieren.

59 Die Kommission leitete mehrere Maßnahmen ein, die zu einer besseren Datenanalyse beitragen könnten, indem die Dateninfrastruktur und Datennutzung für die GAP verbessert werden (z. B. digitale Lösungen, E-Tools, Algorithmen und bewährte Verfahren). Siehe Beispiele im Anhang.

60 In einer Eurostat-Bewertung der Agrarstatistiken aus dem Jahr 2016⁵² wurde der Schluss gezogen, dass die Agrar-, Forst-, Landnutzungs- und Umweltstatistiken nicht ausreichend harmonisiert und nicht kohärent genug sind. Dies lässt sich unter anderem dadurch erklären, dass die Rechtsvorschriften ohne genügend Abstimmung entwickelt wurden, aber auch dadurch, dass in den verschiedenen landwirtschaftlichen Bereichen verschiedene Definitionen und Konzepte vorherrschen. Um dieses Problem anzugehen, führte die Kommission zwei neue Verordnungen ein und überarbeitete eine bestehende Verordnung (siehe Abbildung 10).

61 Im Jahr 2019 veröffentlichte Eurostat eine Aufforderung zur Einreichung von Vorschlägen zur Schaffung eines Netzwerks nationaler Statistikämter, die an der Entwicklung von Methoden zur Modernisierung der Agrarstatistik interessiert sind. Eine der beiden Prioritäten betraf Maßnahmen, die neue Datenquellen zur Erstellung der Agrarstatistik nutzen (z. B. Big Data, Satellitenbilder, georeferenzierte Informationen, Präzisionslandwirtschaft), worunter auch Aspekte des Zugangs, der Vertraulichkeit und der Qualitätsbewertung fielen. Auf die Ausschreibung gingen keinerlei Bewerbungen ein. Der Kommission zufolge gaben die Mitgliedstaaten als einen der Gründe dafür an, dass die nationalen Statistikämter nicht über ausreichende Ressourcen verfügten, um ein solches Netzwerk aufzubauen und zu koordinieren.

62 Sonstige Initiativen zur Schließung von Datenlücken lassen sich in zwei große Kategorien einordnen: gemeinsame Nutzung von Daten aus den Mitgliedstaaten oder von Interessenträgern oder Hinzufügung neuer Variablen zu bestehenden Datenquellen.

63 Im Rahmen ihres Projekts „Prozess für die gemeinsame Nutzung von InVeKoS-Daten im Rahmen von INSPIRE“ arbeitet die GD AGRI zusammen mit der Gemeinsamen Forschungsstelle, der Generaldirektion Umwelt und der Generaldirektion Klimapolitik an einem Rahmen und Verfahren für den Austausch nicht-personenbezogener InVeKoS-Geodaten in der EU. Ziel ist es, dafür zu sorgen, dass InVeKoS-Geodaten leicht zu lokalisieren und (über einen einzigen Zugangspunkt) zugänglich sind und in einem kohärenten politischen Umfeld wirksam weiterverwendet werden können (siehe Abbildung 11).

64 In der Europäischen Datenstrategie⁵³ erkennt die Kommission an, wie wichtig die gemeinsame Nutzung von Daten für eine bessere Datenverfügbarkeit ist. In der Strategie kündigte die Kommission ihre Absicht an, neun EU-weite sektorübergreifende, gemeinsame Datenräume zu schaffen, darunter einen „gemeinsamen europäischen Datenraum für den europäischen Grünen Deal“ und einen „gemeinsamen europäischen Agrardatenraum“. Ziel des letzteren ist es, die gemeinsame Nutzung, die Verarbeitung und die Analyse von Erzeugungsdaten, offenen Daten und möglicherweise anderen öffentlichen Daten (z. B. Bodendaten) zu erleichtern⁵⁴.

65 In der Strategie werden zwei spezifische vorbereitende Maßnahmen für den Agrardatenraum genannt: eine Bestandsaufnahme der Erfahrungen mit dem „Verhaltenskodex für die gemeinsame Nutzung von Agrardaten“⁵⁵ und eine Bestandsaufnahme der 2020 und Anfang 2021 genutzten Agrardatenräume. Die Kommission plant derzeit, diese Maßnahmen im Rahmen des Arbeitsprogramms „Digitales Europa“ 2021–2022, das sie im November 2021 genehmigte, durchzuführen. Der Kommission zufolge wird der Datenraum Bestandteil des Arbeitsprogramms 2023–2024 sein, mit einem potenziellen Prototyp im Jahr 2024 und einer Erweiterung des Datenraums in den folgenden Jahren.

66 Die Kommission möchte das INLB im Rahmen der Strategie Vom Hof auf den Tisch⁵⁶ in ein Datennetz für die Nachhaltigkeit landwirtschaftlicher Betriebe (Farm Sustainability Data Network, FSDN) umwandeln, über das Daten zu den Zielen der Strategie „Vom Hof auf den Tisch“ und der Biodiversitätsstrategie und andere Nachhaltigkeitsindikatoren erhoben werden sollen. Die Kommission veröffentlichte im Juni 2021 einen Fahrplan und plant die Vorlage eines Vorschlags für eine Verordnung im zweiten Quartal 2022⁵⁷.

Der Schwerpunkt der spezifischen Maßnahmen im Rahmen der GAP 2023–2027 liegt auf der Verbesserung von Monitoring-Daten

67 Abgesehen von der Umstellung des INLB auf das FSDN plant die Kommission keine wesentlichen Änderungen an den in Abbildung 6 dargestellten wichtigsten IT-Systemen. Sie arbeitet jedoch an einer Verbesserung der Funktionsweise von ARACHNE. Hierbei handelt es sich um ein Instrument zum Data Mining (Datenschürfen), das Mitgliedstaaten auf freiwilliger Basis bei ihren Verwaltungskontrollen nutzen. Anhand des Instruments können beispielsweise Projekte oder Begünstigte ermittelt werden, bei denen ein Risiko besteht, dass es zu Betrugsfällen oder Interessenkonflikten kommt, auch wenn sein Nutzen durch seinen optionalen Charakter eingeschränkt sein mag. Die Wirksamkeit der mithilfe des Instruments durchgeführten Datenanalyse hängt von den eingegebenen Daten ab. Dies bedeutet, dass je mehr qualitativ hochwertige Daten hochgeladen werden, desto zutreffender, vollständiger und aussagekräftiger sind auch die Ergebnisse des Systems.

68 Die GD AGRI setzt neue Technologien und Satellitendaten ein, um die Monitoring-Indikatoren zu verbessern. So führte sie für den Zeitraum 2023–2027 einen neuen Wirkungsindikator zum Monitoring von Landschaftselementen ein. In der GAP 2014–2020 gab es keinen Wirkungsindikator für Landschaften. Dadurch konnten die Auswirkungen der GAP auf Lebensräume, Landschaften und die biologische Vielfalt (siehe Tabelle 3) weniger gut bewertet werden. Die Kommission wird für den neuen Indikator (Anteil landwirtschaftlicher Flächen mit Landschaftselementen) Daten aus dem Copernicus-Landüberwachungsdienst verwenden, der Informationen zu linearen Hecken und Büschen, Baumreihen und isolierten Baumgruppen enthält.

69 Die Kommission wird für die GAP 2023–2027 einen neuen Rahmen, einschließlich eines Durchführungsrechtsakts, festlegen, um Daten zu einzelnen Vorgängen für das Monitoring, die Bewertung und Gestaltung der Politik zu erhalten. Der Kommission zufolge soll durch die Erhebung von Einzeldaten im Beihilfe-/Zahlungsantrag und von Informationen zum Begünstigten und seinem landwirtschaftlichen Betrieb/Unternehmen das Problem der Datenaufschlüsselung gelöst werden.

Forschungsinitiativen zur Erkundung der Möglichkeiten einer Modernisierung von Daten und Instrumenten

70 Die Kommission finanziert Forschungs- und Innovationsprojekte im Rahmen von Horizont 2020. Der Hof stellte fest, dass eine Reihe jüngerer bzw. laufender Forschungsprojekte im Rahmen von Horizont 2020 sowie sonstige Forschungsprojekte zu einer Verbesserung der Dateninfrastruktur und-nutzung (z. B. digitale Lösungen, E-Tools und Algorithmen) beitragen könnten, die nötig sind, um aussagekräftigere Daten für die GAP bereitzustellen (siehe Abbildung 12). Einige Projekte (wie NIVA und Sen4CAP) haben bereits zu relevanten Ergebnissen geführt, die für künftige Entwicklungen von Nutzen sein könnten.

71 Mit dem Projekt NIVA (New IACS Vision in Action) werden einige der Einschränkungen des InVeKoS angegangen (siehe Ziffern 28–29), insbesondere um den Verwaltungsaufwand zu verringern und das Potenzial von Daten zu nutzen. Ziel des Projekts ist es, das InVeKoS durch den effizienten Einsatz digitaler Lösungen und E-Tools zu modernisieren und so verlässliche Methoden und harmonisierte Datensätze für das Monitoring der landwirtschaftlichen Leistung zu schaffen.

72 Ein anderes EU-finanziertes Projekt, FLINT (Farm-Level Indicators for New Topics in policy evaluation), befasste sich mit der Diskrepanz zwischen dem Datenbedarf für die Politikbewertung und der verfügbaren Agrarstatistik⁵⁸. Dieses Projekt ist potenziell für die geplante Überarbeitung des INLB relevant, da das Projekt Nachhaltigkeitsindikatoren abdeckte und das INLB als Rahmen verwendete. Im Rahmen des Projekts wurden 33 Themen bzw. Indikatoren für ökologische, soziale, wirtschaftliche und innovationsbezogene Aspekte vorgeschlagen, die künftig erfasst werden sollen⁵⁹. Die Kommission wies in ihrem Fahrplan⁶⁰ darauf hin, dass die Umstellung auf das FSDN auf dem FLINT-Projekt aufbauen wird. Im Februar 2022 konnte die Einhaltung dieser Maßgabe jedoch noch nicht bewertet werden.

Mitgliedstaaten haben ihre eigenen Dateninitiativen für die GAP

73 Gemäß einer Umfrage des Hofes mit allen 27 Mitgliedstaaten erkennt eine Mehrzahl von ihnen den Mehrwert fortgeschrittener Analyseverfahren an, wobei die meisten eine schnellere Entscheidungsfindung, prädikative und bereichsübergreifende Analysen, Kostensenkungen und eine wirksamere Kommunikation mit Betriebsinhabern und Interessenträgern aus einer vorgegebenen Antwortliste auswählten.

74 Mehr als die Hälfte der Mitgliedstaaten antwortete auf die Umfrage des Hofes, dass die folgenden Maßnahmen den Einsatz von Big Data am meisten begünstigen würden: mehr Finanzmittel der Kommission für IT-Tools und Datenanalyseprojekte (67 %), zusätzliche Orientierungshilfe/Leitfäden (56 %) sowie Unterstützung für die Entwicklung neuer Methoden bzw. Standardisierung (52 %). Weniger Mitgliedstaaten wählten Unterstützung von Analysetechniken (48 %), Datenzugangslösungen (41 %) und Forschungsförderung und gemeinsame Forschungsprojekte (48 %) aus.

75 Der Umfrage und den anschließenden Befragungen des Hofes zufolge integrieren die Mitgliedstaaten neue Datenquellen und fortgeschrittene Datenanalysetechniken auf unterschiedliche Art und Weise. Kasten 4 und Kasten 5 sind Beispiele für von den Mitgliedstaaten ergriffenen Maßnahmen zu entnehmen.

Einige beachtliche Datenlücken und Herausforderungen müssen noch angegangen werden

76 Die Kommission erkennt an, dass die Verknüpfung bestehender Datenquellen eine Grundvoraussetzung ist, um sicherzustellen, dass für die Bewertung der GAP ausreichende Daten vorliegen⁶¹. Sie beschäftigt sich derzeit mit der Weiterverwendung von InVeKoS-Daten und der Erweiterung des INLB, hat aber noch keine spezifischen Maßnahmen ergriffen, um die Datenlücke in Bezug auf die von Landwirten außerhalb der Landwirtschaft erzielten Einkommen („außerbetriebliches Einkommen“) zu schließen oder verschiedene Quellen aufgeschlüsselter Daten miteinander zu kombinieren, um den Wert bereits erhobener Daten zu erhöhen.

77 Die Kommission brachte die Notwendigkeit einer gemeinsamen einheitlichen Kennung für landwirtschaftliche Betriebe zum Ausdruck, durch die landwirtschaftliche Betriebsdaten aus verschiedenen Datenquellen (z. B. Verwaltungsregister und Erhebungen) miteinander verknüpft werden könnten⁶². Die Kennung müsste den verschiedenen Systemen der Mitgliedstaaten und den komplexen Betriebsstrukturen, die in unterschiedlichen Kombinationen vorkommen und verschiedene Standorte beinhalten können, Rechnung tragen. Dazu ist eine gemeinsame Definition des landwirtschaftlichen Betriebs erforderlich, wobei sich eine solche Definition auf Finanzindikatoren wie das landwirtschaftliche Einkommen auswirkt⁶³. Eine einheitliche Kennung könnte dazu beitragen, den Zugang zu Daten zu verbessern und zuverlässigere Informationen über die Auswirkungen der Politik bereitzustellen. Mit Stand Februar 2022 hatte es hinsichtlich einer solchen Kennung noch keine Fortschritte gegeben.

78 Landwirtschaftliche Betriebsdaten aus Managementanwendungen und -systemen sind eine neue und ergiebige Informationsquelle. Es gibt viele kommerzielle Lösungen, die eine Vielzahl von Diensten für die Führung digitaler Aufzeichnungen und die Arbeits-und Feldüberwachung bieten, und viele Aspekte landwirtschaftlicher Tätigkeiten können durch solche Anwendungen verbessert werden (siehe Beispiel in Kasten 6). Der Kommission ist nicht bekannt, wie viele Landwirte Agrarsoftware einsetzen, aber die für 2023 geplante Kampagne für integrierte Statistiken zu landwirtschaftlichen Betrieben⁶⁴ könnte dazu beitragen, mehr Kenntnisse über den Einsatz von Managementinformationssystemen und Geräten für die Präzisionslandwirtschaft zu erlangen.

79 Die Verwendung eines digitalen Feldbuchs, in dem die Betriebsinhaber ihre Aktivitäten verzeichnen, wäre ein Schritt in Richtung Digitalisierung der landwirtschaftlichen Betriebe und würde das Monitoring von Verbrauch und Wirkung in Bezug auf Pestizide, Düngemittel, Wasser und Boden verbessern. Das von der Kommission vorgeschlagene Betriebsnachhaltigkeitsinstrument für Nährstoffe (Farm Sustainability Tool for Nutrients, FaST) ist ein flexibel angelegtes Tool, das moderne Analysen ermöglicht und mit vielen Datenquellen interoperabel ist. FaST stützt sich auf verschiedene Datenquellen, die entweder mit der Plattform vernetzt sind (Live-Quellen) oder in die Plattform importiert werden (statische Quellen). Damit die Betriebsinhaber Zugang zu ihren eigenen Daten erhalten, verbindet sich FaST mit dem regionalen/nationalen InVeKoS (oder einem gleichwertigen Betriebsregister), in dem die Daten des landwirtschaftlichen Betriebs gespeichert sind.

80 Daten zur Präzisionslandwirtschaft können eine wertvolle Datenquelle sein⁶⁵. Beispiele für solche Daten sind Sensor- und Maschinendaten zu Bodenfeuchtigkeit und Nährstoffen sowie standortspezifische Daten zum Einsatz von Pestiziden. Im Rahmen des oben genannten NIVA-Projekts werden Möglichkeiten ausgelotet, wie ein elektronisches Register landwirtschaftlicher Betriebe mit dem InVeKoS verknüpft werden kann. Dabei sollen auch Daten über Maschinen/zur Präzisionslandschaft in das InVeKoS integriert werden. Dies ist aber unter anderem aufgrund der verschiedenen zum Einsatz kommenden landwirtschaftlichen Maschinen und mangelnder Standardisierung bisher nicht möglich.

81 Der Zugang zu einzelnen Daten zu Zwecken der Politikanalyse kann sich als schwierig erweisen, und es gibt keinen rechtlichen oder technischen Rahmen für die Verwendung kommerzieller Informationen für politische Analysen. Einer Studie⁶⁶ zufolge zögern Landwirte unter anderem deshalb, ihre Daten auszutauschen, weil das Risiko besteht, dass die Daten zu anderen Zwecken genutzt werden, nicht ausreichend Klarheit darüber herrscht, was „personenbezogene Daten“ sind, sowie aufgrund einer allgemeinen Verhaltenheit gegenüber der Nutzung moderner Datenplattformtechnologien. Im Rahmen der GAP 2023–2027 müssen die landwirtschaftlichen Betriebsberatungsdienste für Landwirte digitale Technologien umfassen⁶⁷.

82 Abbildung 13 ist eine Zusammenfassung der wichtigsten datenbezogenen Herausforderungen zu entnehmen, mit denen die Kommission konfrontiert ist, und eine Bewertung des Hofes, inwieweit diese angegangen wurden.

83 Im Rahmen einer Aktenprüfung von außerhalb der EU angewandten vergleichbaren Verfahren zog der Hof drei Drittstaaten in seine Betrachtung ein: Australien, Japan und die USA. Diese Länder stellen öffentlich zugängliche Informationen zur Integration moderner Datentechniken in der Landwirtschaft zur Verfügung; in Kasten 7 werden einige ihrer Initiativen vorgestellt.

Schlussfolgerungen und Empfehlungen

84 Der Hof untersuchte, ob die Kommission Daten und Datenanalytik gezielt für die Analyse der Gemeinsamen Agrarpolitik (GAP) einsetzt. Die GAP hat viele komplexe, miteinander verflochtene Ziele. Um festzustellen, ob politische Instrumente relevant sind und ob sie diesen Zielen wirksam gerecht werden, sind Daten und Informationen aus verschiedenen internen und externen Quellen erforderlich.

85 Der Hof stellte fest, dass, obwohl die Kommission zahlreiche Daten zu wirtschaftlichen, ökologischen, klimatischen und sozialen Aspekten verwendet, die aktuellen Daten und Instrumente in einigen Bereichen bestimmte wichtige Aspekte von Informationen nicht erfassen, die für eine fundierte Politikgestaltung erforderlich sind (Ziffern 16–53). Die Kommission brachte verschiedene Initiativen auf den Weg, um bestehende Daten besser zu nutzen (Ziffern 57–69), doch kommt es nicht nur zu Verzögerungen hinsichtlich der Verfügbarkeit der Daten (Ziffer 41), sondern es bestehen auch nach wie vor Hindernisse (Ziffern 76–81).

86 Die größten Hindernisse auf Ebene der Datenerhebung und -verarbeitung sind:

• mangelnde Datenerhebung – etwa in Bezug auf die landwirtschaftlichen Betriebsmittel (z. B. Menge der verwendeten chemischen und nichtchemischen Pestizide, Menge der eingesetzten mineralischen/organischen Düngemittel und Kulturen, für die sie eingesetzt wurden) und Bewirtschaftungsmethoden mit Umweltauswirkungen (siehe Tabelle 3, Ziffern 42–45);
• mangelnde Datenverfügbarkeit – landwirtschaftliche Betriebsdaten werden in das lokale integrierte Verwaltungs- und Kontrollsystem (InVeKoS) der Mitgliedstaaten, zu dem die Kommission nur begrenzten Zugang hat, eingepflegt, dort verwaltet und gespeichert (siehe Ziffern 27–29);
• übermäßige Aggregation – die Kommission erhält von den Mitgliedstaaten überwiegend aggregierte Daten, weshalb der Nutzen, den sie aus diesen Daten ziehen kann, begrenzt ist (siehe Tabelle 2, Ziffer 47);
• Einschränkungen bei der Kombination von Datenquellen, u. a. aufgrund des Fehlens einer gemeinsamen Kennung (siehe Ziffer 24).

87 Daher hat die Kommission begrenzte Kenntnisse über die Ausgangslage und politischen Auswirkungen in Bereichen wie außerbetriebliches Einkommen, Umweltinformationen/ökologische Verfahren und sozioökonomische Entwicklung. Diese Lücken bei der Verfügbarkeit von Daten beeinträchtigen die Qualität der Nachweise einiger Evaluierungen (siehe Ziffern 39–47) und Folgenabschätzungen (siehe Ziffern 48–53).

Empfehlung 1 – Einen Rahmen für die Verwendung aufgeschlüsselter Daten aus dem InVeKoS schaffen

Die Kommission sollte einen technischen und administrativen Rahmen für die gemeinsame Nutzung und Weiterverwendung aufgeschlüsselter Daten aus dem InVeKoS (über die für die jährlichen Leistungsberichte verwendeten Daten hinaus) schaffen, um die Politik zu überwachen, zu bewerten und letztlich zu gestalten. Hierbei sollten die Grundsätze der Wirtschaftlichkeit eingehalten werden, um den administrativen Aufwand und administrative Kosten für die Begünstigten und die Behörden der Mitgliedstaaten zu minimieren.

Zeitrahmen: 2024

Empfehlung 2 – Mehr Datenquellen verwenden und entwickeln, um den Bedürfnissen der Politik gerecht zu werden

Die Kommission sollte die in den Evaluierungen der GAP 2014–2020 und der Folgenabschätzung der GAP für die Zeit nach 2020 festgestellten Datenlücken schließen, indem

1. sie verstärkt auf bestehende Datenquellen (z. B. administrative Daten und statistische Erhebungen sowie Copernicus-Daten) zurückgreift, neue Datenquellen berücksichtigt oder bestehende Datenquellen kombiniert;
2. sie die Möglichkeit eruiert, Näherungswerte oder indirekte Datenquellen zu nutzen, wenn die Verwendung direkter Datenquellen nicht möglich ist, um zentrale Indikatoren oder Aspekte zu bewerten;
3. sie die Möglichkeit einer verstärkten Nutzung von Daten zu landwirtschaftlichen Maschinen bewertet.

Zeitrahmen: 2025

88 Auf Ebene der Kommission haben die Generaldirektion Landwirtschaft und ländliche Entwicklung und die Gemeinsame Forschungsstelle eine Vereinbarung zur Datenanalyse und Untersuchung der Frage, wie bestehende Daten besser genutzt werden können, geschlossen. Auf Grundlage dieser Vereinbarung nutzt die Kommission fortschrittliche quantitative Analysen und Modelle für die Politikanalyse der GAP. Die Generaldirektion Landwirtschaft und ländliche Entwicklung nutzt selbst jedoch keine Big-Data-Techniken für Textanalysen, Textmining oder automatisierte Extraktion. Die Ersetzung manueller und zeitaufwändiger Verfahren durch automatisierte Instrumente bietet potenzielle Vorteile (siehe Ziffern 19 und 25 sowie Kasten 2).

89 In der EU gibt es mehrere Initiativen, die zum Teil von der EU im Rahmen von Horizont 2020 oder anderen Programmen finanziert werden, im Rahmen derer untersucht wird, wie Daten und IT-Instrumente für die Gestaltung und Bewertung der GAP sowie das Monitoring modernisiert werden können. Einige dieser Initiativen haben bereits Ergebnisse im Bereich der Interoperabilität sowie neue und umfassendere Indikatoren hervorgebracht. Die Projekte sind unterschiedlich stark vorangeschritten und untersuchen teilweise dieselben Themen aus unterschiedlichen Blickwinkeln (Ziffern 70–75). Die Kommission hat noch nicht festgelegt, welche Elemente für die GAP in die Praxis umgesetzt werden könnten.

90 Die Kommission hat hier daher einen großen Handlungsspielraum, um kosteneffiziente fortschrittliche Analysetechniken und ähnliche Instrumente in bestehende IT-Systeme und/oder andere IT-Lösungen für die automatisierte Informationsverarbeitung (z. B. Ersatz manueller oder nicht reproduzierbarer Verfahren) zu integrieren und Datensätze (Verbesserung der Ergebnisse der Datenverarbeitung) verstärkt für die Politikanalyse zu nutzen.

Dieser Bericht wurde von Kammer I unter Vorsitz von Frau Joëlle Elvinger, Mitglied des Rechnungshofs, am 18. Mai 2022 in Luxemburg angenommen.

Anhang – Ausgewählte datenbezogene Maßnahmen und Zielsetzungen der Kommission

– abgeschlossen – zu früh für eine Bewertung bzw. Verzögerung kürzer als ein Jahr – Verzögerung länger als ein Jahr

Abkürzungen und Akronyme

AMS: Area Monitoring System (Flächenüberwachungssystem)

ATLAS: Agricultural Interoperability and Analysis System (Landwirtschaftliches Interoperabilitäts- und Analysesystem)

CATS: Clearance of Accounts Audit Trail System (Prüfpfadsystem für den Rechnungsabschluss)

CROP-CASMA: Crop Condition and Soil Moisture Analytics (Analysetechniken zur Bestimmung des Zustands von Kulturpflanzen und Bodenfeuchtigkeit)

FaST: Farm Sustainability Tool for Nutrients (Betriebsnachhaltigkeitsinstrument für Nährstoffe)

FSDN: Farm Sustainability Data Network (Datennetz für die Nachhaltigkeit landwirtschaftlicher Betriebe)

GSAA: Geo-Spatial Aid Application (Geodaten-basierter Beihilfeantrag)

IFM-CAP: Individual Farm Model for the Common Agricultural Policy (individuelles Model der landwirtschaftlichen Betriebe für die Gemeinsame Agrarpolitik)

INLB: Informationsnetz landwirtschaftlicher Buchführungen

InVeKoS: Integriertes Verwaltungs- und Kontrollsystem

ISAMM: Information System for Agricultural Market Management (Informationssystem für die Verwaltung der Agrarmärkte)

LPIS: Land Parcel Identification System (System zur Identifizierung landwirtschaftlicher Parzellen)

LUCAS: Land Use/Land Cover Area Frame Survey (Flächenstichprobenerhebung über die Bodennutzung/-bedeckung)

MEF4CAP: Überwachungs- und Bewertungsrahmen für die Gemeinsame Agrarpolitik

NIVA: New IACS Vision in Action

SAIO: Statistics on Agricultural Input and Output (Statistiken zu landwirtschaftlichen Betriebsmitteln und zur landwirtschaftlichen Erzeugung)

SEN4CAP: Sentinels for Common Agricultural Policy (Sentinels für die Gemeinsame Agrarpolitik)

SFC: System for Fund Management (System für die Fondsverwaltung)

Glossar

Big Data: Datensätze mit zunehmend hohem Volumen, hoher Geschwindigkeit und großer Bandbreite. Big Data sind oft weitgehend unstrukturiert.

Daten: konkrete, objektive Fakten, Messungen oder Beobachtungen, die verarbeitet werden müssen, um Informationen zu generieren.

Datenanalyse: Verfahren zur Erhebung, Modellierung und Prüfung von Daten, um Erkenntnisse zu gewinnen, die bei der Entscheidungsfindung helfen.

Datenanalytik: Wissenschaft der Datenanalyse unter Verwendung systematischer Rechenmethoden zur Gewinnung von Erkenntnissen.

Datenbank: strukturierter, elektronisch gespeicherter Datensatz, der abgefragt und extrahiert werden kann.

Datenlücke: Daten, die zur Erfüllung eines bestimmten Zwecks erforderlich, aber nicht verfügbar sind.

Datensatz: IT-System, Anwendung oder Datenbank, die Eigentum einer Einrichtung sind.

Deep Learning: Technik der künstlichen Intelligenz, bei der ein Softwaresystem mit Millionen von Beispielen trainiert wird.

Flächenstichprobenerhebung über die Bodennutzung/-bedeckung (Land Use/Cover Area Frame Survey, LUCAS): regelmäßige, harmonisierte Erhebung, die in allen EU-Mitgliedstaaten vor Ort durchgeführt wird, um Informationen darüber zu erhalten, wie Flächen genutzt und was auf ihnen angebaut wird, einschließlich Bodenanalysen.

Fortgeschrittene Analyseverfahren: Einsatz von High-Tech-Methoden wie prädiktiver Modellierung und maschinellem Lernen zur Analyse von Big Data.

Geodaten: Daten, die sich auf einen bestimmten Standort oder ein bestimmtes geografisches Gebiet und seine natürlichen oder künstlich geschaffenen Merkmale beziehen.

Interoperabilität: Fähigkeit eines Systems, mit anderen Systemen zu kommunizieren und zu interagieren, auch durch Datenaustausch.

Strukturierte Daten: standardisierte quantitative Informationen, die einer vordefinierten Datenstruktur folgen und daher leicht zu analysieren sind.

Unstrukturierte Daten: in ihrem ursprünglichen Format gespeicherte Informationen ohne vorab festgelegte Kategorisierung oder Organisation, was die Analyse oft erschwert. Sie können sowohl quantitative als auch qualitative Informationen wie Bilder, Text, Daten, E-Mails oder Nummern enthalten.

Wiederverwendbarkeit von Daten: Einfachheit, mit der Daten, die für einen Zweck erhoben werden, für einen anderen Zweck verwendet werden können.

Antworten der Kommission

https://www.eca.europa.eu/de/Pages/DocItem.aspx?did=61415

Zeitschiene

https://www.eca.europa.eu/de/Pages/DocItem.aspx?did=61415

Prüfungsteam

Die Sonderberichte des Hofes enthalten die Ergebnisse seiner Prüfungen zu Politikbereichen und Programmen der Europäischen Union oder zu Fragen des Finanzmanagements in spezifischen Haushaltsbereichen. Bei der Auswahl und Gestaltung dieser Prüfungsaufgaben ist der Hof darauf bedacht, maximale Wirkung dadurch zu erzielen, dass er die Risiken für die Wirtschaftlichkeit oder Regelkonformität, die Höhe der betreffenden Einnahmen oder Ausgaben, künftige Entwicklungen sowie das politische und öffentliche Interesse abwägt.

Diese Wirtschaftlichkeitsprüfung wurde von Prüfungskammer I „Nachhaltige Nutzung natürlicher Ressourcen“ unter Vorsitz von Joëlle Elvinger, Mitglied des Hofes, durchgeführt. Die Prüfung stand unter der Leitung von Joëlle Elvinger, Mitglied des Hofes. Frau Elvinger wurde unterstützt von der Aufgabenleiterin Liia Laanes, dem stellvertretenden Aufgabenleiter Dimitrios Maniopoulos, der Kabinettchefin Ildikó Preiss, dem Attaché Paolo Pesce und der Attachée Charlotta Törneling, dem Leitenden Manager Emmanuel Rauch sowie der Prüferin und Datenwissenschaftlerin Claudia Albanese, der Prüferin und Graphikdesignerin Marika Meisenzahl und dem Prüfer Michał Szwed. Mark Smith leistete sprachliche Unterstützung.

Endnoten

¹ Artikel 39 des Vertrags über die Arbeitsweise der Europäischen Union.

² Better Regulation Toolbox, 2021, S. 20.

³ Höchtl, J., Parycek, P. & Schöllhammer, R., Big data in the policy cycle: Policy decision making in the digital era, Journal of Organizational Computing and Electronic Commerce, 2016, 26(1-2), S. 147–169.

⁴ OECD:Digital Opportunities for Better Agricultural Policies, 2019, OECD Publishing, S. 13.

⁵ C(2016) 6626, Mitteilung Die Verwaltung von Daten, Informationen und Kenntnissen bei der Kommission.

⁶ COM(2020) 66.

⁷ COM(2020) 767.

⁸ Artikel 110 der Verordnung (EU) Nr. 1306/2013.

⁹ Better Regulation Toolbox, S. 20.

¹⁰ Begründung zu COM(2016) 786.

¹¹ Artikel 68 der Verordnung (EU) Nr. 1306/2013.

¹² Artikel 67 bis 78 der Verordnung (EU) Nr. 1306/2013.

¹³ Digitalisation of European reporting, monitoring and audit, EPRS, September 2021.

¹⁴ NIVA roadmap for IACS transformation, S. 24.

¹⁵ Ergebnisse der NIVA- und IoF2020- Projekte, Dokumente der ATLAS- und DEMETER- Projekte; Digitalisation of European reporting, monitoring and audit, EPRS, September 2021.

¹⁶ Jährlicher Tätigkeitsbericht der GD AGRI, Anhang 2, S. 25.

¹⁷ Sonderbericht 04/2020 – Nutzung neuer Bildgebungstechnologien zur Überwachung der Gemeinsamen Agrarpolitik: Fortschritte insgesamt kontinuierlich, bei der Klima- und Umweltüberwachung jedoch langsamer.

¹⁸ Ebd., Empfehlung 2.

¹⁹ Verordnung 79/65/EWG des Rates.

²⁰ Informationsnetz landwirtschaftlicher Buchführungen.

²¹ Evaluation Helpdesk, Best Use of FADN for the Assessment of RDP Effects on Fostering the Competitiveness in Agriculture, 2021, S. 9.

²² Kommission,EU Farm Economics Overview based on 2015 (and 2016) FADN data, 2018, S. 5.

²³ Better Regulation Guidelines, S. 6 und 26.

²⁴ Better Regulation Toolbox, S. 572.

²⁵ Artikel 110 der Verordnung (EU) Nr. 1306/2013.

²⁶ Better Regulation Guidelines, S. 45.

²⁷ Zur Entwicklung des ländlichen Raums siehe Anhang IV der Durchführungsverordnung (EU) Nr. 808/2014.

²⁸ Better Regulation Toolbox, Kapitel VIII – Tool 68.

²⁹ SWD(2021) 115, S. 20.

³⁰ Dumangane, M. et al., An Evaluation of the CAP impact: a discrete policy mix analysis, 2021.

³¹ Evaluation support study on "viable food production’, S. 30–32.

³² Anhang II der Verordnung (EU) Nr. 1306/2013.

³³ Sonderbericht 13/2020 – Biodiversität landwirtschaftlicher Nutzflächen: Der Beitrag der GAP hat den Rückgang nicht gestoppt, Ziffern 48–50.

³⁴ Evaluation of the impact of the CAP on habitats, landscapes, biodiversity, Executive summary, 2019.

³⁵ Sonderbericht 05/2020 – Nachhaltige Verwendung von Pflanzenschutzmitteln: begrenzter Fortschritt bei der Messung und Verringerung von Risiken.

³⁶ Ebd.

³⁷ Evaluation on impact of the CAP on territorial development of rural areas.

³⁸ SWD(2021) 394.

³⁹ Evaluation support study on the impact of the CAP on territorial development of rural areas, 2020.

⁴⁰ Evaluation support study on the impact of the CAP on territorial development of rural areas, 2020.

⁴¹ SWD(2021) 394 und Begleitstudie zur Bewertung der Auswirkungen der GAP auf die territoriale Entwicklung ländlicher Gebiete: sozioökonomische Aspekte; Sonderbericht 10/2021 – Gender Mainstreaming im EU-Haushalt: Auf Worte sollten nun Taten folgen, Ziffer 90.

⁴² Better Regulation Guidelines, S. 10.

⁴³ SWD(2018) 301.

⁴⁴ Stellungnahme 07/2018, Ziffer 2.

⁴⁵ Sonderbericht 10/2021 – Gender Mainstreaming im EU- Haushalt: Auf Worte sollten nun Taten folgen, Ziffern 89–90.

⁴⁶ Sonderbericht 10/2018 – Basisprämienregelung für Inhaber landwirtschaftlicher Betriebe – Umsetzung auf gutem Weg, aber mit begrenzten Auswirkungen hinsichtlich Vereinfachung, Zielausrichtung und Anpassung der Beihilfeniveaus, Empfehlung 3.

⁴⁷ Hill, B. & Dylan Bradley, B. (2015), Comparison of farmers" incomes in the EU Member States. Im Auftrag des Europäischen Parlaments erstellte Studie.

⁴⁸ Datensatz zu anderen Erwerbstätigkeiten (ef_oga_main).

⁴⁹ Hansen, H. and Forstner, B. (2021), „A differentiated look at the economic situation of German farmers“, presentation at 27th meeting of the OECD Network for Farm Level Analysis.

⁵⁰ SWD(2018) 301, S. 51.

⁵¹ Better Regulation Toolbox, S. 363.

⁵² SWD(2017) 96,Evaluation accompanying the document „Strategy for Agricultural Statistics 2020 and beyond and subsequent potential legislative scenarios“.

⁵³ COM(2020) 66.

⁵⁴ C(2021) 7914,Annex to the Commission Implementing Decision on the financing of the Digital Europe Programme and the adoption of the multiannual work programme for 2021-2022, S. 54.

⁵⁵ EU Code of conduct on agricultural data sharing by contractual agreement.

⁵⁶ COM(2020) 381.

⁵⁷ Roadmap: Conversion of the FADN to a Farm Sustainability Data Network (FSDN).

⁵⁸ Poppe, K., Vrolijk, H., Dolman, M., und Silvis, H., 2016, FLINT – Farm-level Indicators for New Topics in policy evaluation: an introduction. Studies in Agricultural Economics, 118, S. 116–122.

⁵⁹ Final report summary of FLINT project.

⁶⁰ Roadmap: Conversion of the FADN to a Farm Sustainability Data Network (FSDN).

⁶¹ SWD(2018) 301, Teil I, S. 51.

⁶² Siehe beispielsweise Strategy for agricultural statistics for 2020 and beyond, S. 8, 12 und 16–17.

⁶³ Poppe, K. J. und Vrolijk, H.C.J. (2019), How to measure farm income in the era of complex farms, zur Präsentation auf dem 171. Seminar der Europäischen Vereinigung der Agrarökonomen vorbereitetes Papier.

⁶⁴ Durchführungsverordnung (EU) 2021/2286 der Kommission.

⁶⁵ Punt, T. und Snijkers, G., Exploring precision farming data: a valuable new data source? A first orientation, 2020. Auf dem von der Wirtschaftskommission der Vereinten Nationen für Europa (UNECE) im Jahr 2019 organisierten Workshop zur statistischen Datenerhebung mit dem Titel „Neue Quellen und neue Technologien“ vorgestelltes Papier.

⁶⁶ Internet of Food and Farm 2020: Policy Recommendations from IoF2020.

⁶⁷ Artikel 15 der Verordnung (EU) 2021/2115.

⁶⁸ Agricultural Data Integration Project.

⁶⁹ Hughes, N. et al. (2020), The Agricultural Data Integration Project, ABARES research report, Canberra.

⁷⁰ Digital Opportunities for Better Agricultural Policies, 2019, OECD.

⁷¹ Website des WAGRI.

⁷² Crop-CASMA User's Guide.

Kontakt

EUROPÄISCHER RECHNUNGSHOF
12, rue Alcide De Gasperi
1615 Luxemburg
LUXEMBURG

Tel. +352 4398-1
Kontaktformular: eca.europa.eu/de/Pages/ContactForm.aspx
Website: eca.europa.eu
Twitter: @EUAuditors

Zahlreiche weitere Informationen zur Europäischen Union sind verfügbar über Internet, Server Europa (https://europa.eu).

Luxemburg: Amt für Veröffentlichungen der Europäischen Union, 2022

PDF	ISBN 978-92-847-8265-9	ISSN 1977-5644	doi:10.2865/808619	QJ-AB-22-014-DE-N
HTML	ISBN 978-92-847-8257-4	ISSN 1977-5644	doi:10.2865/696394	QJ-AB-22-014-DE-Q

URHEBERRECHTSHINWEIS

© Europäische Union, 2022

Die Weiterverwendung von Dokumenten des Europäischen Rechnungshofs wird durch den Beschluss Nr. 6-2019 des Europäischen Rechnungshofs über die Politik des offenen Datenzugangs und die Weiterverwendung von Dokumenten geregelt.

Sofern nicht anders angegeben (z. B. in gesonderten Urheberrechtshinweisen), werden die Inhalte des Hofes, an denen die EU die Urheberrechte hat, im Rahmen der Lizenz Creative Commons Attribution 4.0 International (CC BY 4.0) zur Verfügung gestellt. Dies bedeutet, dass die Weiterverwendung mit ordnungsgemäßer Nennung der Quelle und unter Hinweis auf Änderungen im Allgemeinen gestattet ist. Personen, die Inhalte des Hofes weiterverwenden, dürfen die ursprüngliche Bedeutung oder Botschaft nicht verzerrt darstellen. Der Hof haftet nicht für etwaige Folgen der Weiterverwendung.

Eine zusätzliche Genehmigung muss eingeholt werden, falls ein bestimmter Inhalt identifizierbare Privatpersonen zeigt, z. B. Fotos von Hofbediensteten, oder Werke Dritter enthält.

Wird eine solche Genehmigung eingeholt, so hebt diese die oben genannte allgemeine Genehmigung auf und ersetzt sie; auf etwaige Nutzungsbeschränkungen wird ausdrücklich hingewiesen.

Um Inhalte zu verwenden oder wiederzugeben, an denen die EU keine Urheberrechte hat, kann es erforderlich sein, eine Genehmigung direkt bei den Urheberrechtsinhabern einzuholen:

Abbildungen 1, 4, 8 und 11: Freepik Company S.L. Alle Rechte vorbehalten.

Logos Abbildung 12: Alle Rechte vorbehalten.

Software oder Dokumente, die von gewerblichen Schutzrechten erfasst werden, wie Patente, Marken, eingetragene Muster, Logos und Namen, sind von der Weiterverwendungspolitik des Hofes ausgenommen.

Die Websites der Organe der Europäischen Union in der Domain „europa.eu“ enthalten mitunter Links zu von Dritten betriebenen Websites. Da der Hof keinerlei Kontrolle über diese Websites hat, sollten Sie deren Bestimmungen zum Datenschutz und zum Urheberrecht einsehen.

Verwendung des Logos des Hofes

Das Logo des Europäischen Rechnungshofs darf nur mit vorheriger Genehmigung des Hofes verwendet werden.

DIE EU KONTAKTIEREN

Besuch
In der Europäischen Union gibt es Hunderte von „Europe-Direct“-Informationsbüros. Über diesen Link finden Sie ein Informationsbüro in Ihrer Nähe: https://europa.eu/european-union/contact_de

Telefon oder E-Mail
Der Europe-Direct-Dienst beantwortet Ihre Fragen zur Europäischen Union. Kontaktieren Sie Europe Direct

• über die gebührenfreie Rufnummer: 00 800 6 7 8 9 10 11 (manche Telefondienstanbieter berechnen allerdings Gebühren),
• über die Standardrufnummer: +32 22999696 oder
• per E-Mail über: https://europa.eu/european-union/contact_de

INFORMATIONEN ÜBER DIE EU

Im Internet
Auf dem Europa-Portal finden Sie Informationen über die Europäische Union in allen Amtssprachen: https://europa.eu/european-union/index_de

EU-Veröffentlichungen
Sie können – zum Teil kostenlos – EU-Veröffentlichungen herunterladen oder bestellen unter https://op.europa.eu/de/publications. Wünschen Sie mehrere Exemplare einer kostenlosen Veröffentlichung, wenden Sie sich an Europe Direct oder das Informationsbüro in Ihrer Nähe (siehe https://europa.eu/european-union/contact_de).

Informationen zum EU-Recht
Informationen zum EU-Recht, darunter alle EU-Rechtsvorschriften seit 1951 in sämtlichen Amtssprachen, finden Sie in EUR-Lex: https://eur-lex.europa.eu

Offene Daten der EU
Über ihr Offenes Datenportal (https://data.europa.eu/de) stellt die EU Datensätze zur Verfügung. Die Daten können zu gewerblichen und nichtgewerblichen Zwecken kostenfrei heruntergeladen werden.