Skip to contents

pksR liest die Kreistabellen der Polizeilichen Kriminalstatistik (PKS) des Bundeskriminalamts (BKA) aus versionierten Datenveröffentlichungen. Diese Vignette zeigt die wichtigsten Funktionen und beschreibt die Spalten. Beispiele, die das Internet brauchen, werden gezeigt, aber hier nicht ausgeführt; die übrigen verwenden pks_example(), ein kleines Panel, das mit dem Paket ausgeliefert wird. Die englische Fassung ist vignette("pksR").

library(pksR)
options(pksR.lang = "de")

Daten abrufen

pks_get() lädt die gewünschten Jahre aus der neuesten Datenveröffentlichung, prüft jede Datei gegen ihre SHA-256-Prüfsumme und speichert sie in einem lokalen Cache:

# Straftaten insgesamt, auf den neuesten Gebietsstand harmonisiert (Voreinstellung)
insgesamt <- pks_get(offence = "insgesamt")

# Straftaten per Schlüssel, Kurzname oder Bezeichnung
einbruch <- pks_get(offence = c("wohnungseinbruch", "einbruch"))

# Zwei Jahre wie vom BKA veröffentlicht, alle Straftatenschlüssel
veroeffentlicht <- pks_get(years = 2024:2025, harmonize_to = NULL)

# Eine feste Datenversion, für reproduzierbare Arbeiten
d <- pks_get(years = 2015:2025, version = "2026.1")

Die drei Möglichkeiten für harmonize_to:

harmonize_to Ergebnis
"latest" (Voreinstellung) Harmonisiert auf den Gebietsstand der Veröffentlichung, so gelesen, wie veröffentlicht
ein Jahr, etwa 2016 Die Daten wie veröffentlicht, in Ihrer Sitzung auf den Gebietsstand dieses Jahres harmonisiert (nur vorwärts)
NULL Wie veröffentlicht: jedes Jahr mit den Kreisen seines eigenen Gebietsstands

Methoden und Annahmen beschreibt vignette("harmonization-de").

Straftaten auswählen

offence nimmt für jedes Element einen Straftatenschlüssel ("435*00"), einen Kurznamen ("wohnungseinbruch" oder englisch "residential_burglary"), eine vollständige Bezeichnung in einer der beiden Sprachen oder einen Teil einer Bezeichnung ("einbruch" wählt beide Schlüssel zum Wohnungseinbruch und meldet das). Groß- und Kleinschreibung, Leerzeichen und Umlaute spielen keine Rolle, und ein genauer Schlüssel, Name oder eine genaue Bezeichnung hat Vorrang vor einem Teil. pks_offences() listet alle Schlüssel mit ihren Namen.

Sprachen

Meldungen und Bezeichnungen der Straftaten kommen auf Deutsch oder Englisch: options(pksR.lang = "de") oder lang = "de" in pks_get() und pks_offences(). Ohne beides entscheidet die Sprache der R-Sitzung.

Das Beispielpanel

d <- pks_example()
d[, c("year", "ags", "region_name", "offence_key", "cases", "hz", "harmonized")]
#> # A tibble: 70 × 7
#>     year ags   region_name   offence_key   cases     hz harmonized
#>    <int> <chr> <chr>         <chr>         <dbl>  <dbl> <lgl>     
#>  1  2019 01001 Flensburg     ------        8617   9628. FALSE     
#>  2  2019 02000 Hamburg       ------      206790  11231. FALSE     
#>  3  2019 03159 Göttingen     ------       20829   6349. FALSE     
#>  4  2019 11000 Berlin        ------      513426  14086. FALSE     
#>  5  2019 16063 Wartburgkreis ------        7264.  4397. TRUE      
#>  6  2019 01001 Flensburg     890000        8335   9312. FALSE     
#>  7  2019 02000 Hamburg       890000      199833  10854. FALSE     
#>  8  2019 03159 Göttingen     890000       20571   6270. FALSE     
#>  9  2019 11000 Berlin        890000      495091  13583. FALSE     
#> 10  2019 16063 Wartburgkreis 890000        7222.  4372. TRUE      
#> # ℹ 60 more rows

Jedes Ergebnis trägt seine Herkunft als Attribute:

attributes(d)[c("data_version", "boundary_year", "weights")]
#> $data_version
#> [1] "example"
#> 
#> $boundary_year
#> [1] 2025
#> 
#> $weights
#> [1] "population"

Bei Daten aus pks_get() ist data_version die Datenversion, retrieved_at der Zeitpunkt des Downloads und source_urls die Dateien der Veröffentlichung, aus denen die Daten stammen.

Spalten

Spalte Inhalt
year Berichtsjahr
ags Kreisschlüssel, fünfstellig mit führender Null, etwa "02000" für Hamburg
region_name Name des Kreises wie veröffentlicht, bei veränderten Kreisen der Name im Ziel-Gebietsstand
offence_key Straftatenschlüssel; in harmonisierten Daten der harmonisierte Schlüssel, siehe pks_offences()
offence_key_published Nur harmonisierte Daten: der veröffentlichte Schlüssel oder "SCHLÜSSEL minus SCHLÜSSEL" bei berechneten Schlüsseln
offence_label Bezeichnung in der gewählten Sprache
cases Erfasste Fälle (veröffentlicht; NA in den PDF-Jahren 2003 bis 2012)
attempts Versuche
hz Häufigkeitszahl: Fälle je 100.000 Einwohner
cleared Aufgeklärte Fälle
clearance_rate Aufklärungsquote in Prozent (0, wo die Fallzahl 0 ist, wie in den BKA-Tabellen)
suspects Tatverdächtige (Personen; über Schlüssel nicht addierbar)
cases_derived, cleared_derived Nur PDF-Jahre: hz * population / 1e5, weil diese Tabellen Quoten und Einwohnerzahlen, aber keine Fallzahlen enthalten
population Veröffentlichte Einwohnerzahl (PDF-Jahre und 2020)
derived_population cases / hz * 1e5, aus der veröffentlichten Quote abgeleitet; ein Wert je Kreis und Jahr
population_corrected Zensuskorrigierte Einwohnerzahl des BBSR (INKAR) zum 31.12. des Vorjahres, dem Stichtag der HZ; eine Zensusbasis für alle Jahre, siehe pks_rates(population = "corrected")
source_format, source_file Format und Datei der BKA-Quelle
boundary_year Gebietsstand der Zeile
harmonized TRUE, wenn der Kreis durch die Harmonisierung verändert wurde
weight_type none, population oder area
estimated TRUE für Anteile geteilter Kreise und für abgeleitete Fallzahlen (PDF-Jahre)

Fallzahlen in harmonisierten Daten sind Dezimalzahlen: Ein geteilter Kreis gibt Bruchteile seiner Fälle an seine Nachfolger ab, und Runden würde die Bundessummen verändern.

Straftatenschlüssel und Brüche

pks_offences("Diebstahl")[, c("offence_key", "name", "label")]
#> # A tibble: 12 × 3
#>    offence_key name                     label                                   
#>    <chr>       <chr>                    <chr>                                   
#>  1 ****00      diebstahl                Diebstahl insgesamt                     
#>  2 ***100      kraftwagendiebstahl      Diebstahl insgesamt von Kraftwagen eins…
#>  3 ***200      kraftrad_diebstahl       Diebstahl insgesamt von Mopeds und Kraf…
#>  4 ***300      fahrraddiebstahl         Diebstahl insgesamt von Fahrrädern eins…
#>  5 *26*00      ladendiebstahl           Ladendiebstahl insgesamt                
#>  6 *50*00      diebstahl_an_aus_kfz     Diebstahl insgesamt an/aus Kraftfahrzeu…
#>  7 *90*00      taschendiebstahl         Taschendiebstahl insgesamt              
#>  8 3***00      einfacher_diebstahl      Diebstahl ohne erschwerende Umstände §§…
#>  9 326*00      einfacher_ladendiebstahl Einfacher Ladendiebstahl                
#> 10 4***00      schwerer_diebstahl       Diebstahl unter erschwerenden Umständen…
#> 11 435*00      wohnungseinbruch         Wohnungseinbruchdiebstahl §§ 244 Abs. 1…
#> 12 436*00      tageswohnungseinbruch    Tageswohnungseinbruchdiebstahl §§ 244 A…

Die Kreistabellen enthalten nur eine Auswahl von Straftatenschlüsseln, und Schlüssel ändern sich über die Zeit. Vor jeder Zeitreihe die bekannten methodischen Brüche prüfen:

b <- pks_breaks()
b[b$comparable == "no", c("first_year", "offence_key", "type")]
#> # A tibble: 8 × 3
#>   first_year offence_key                        type       
#>        <int> <chr>                              <chr>      
#> 1       2010 220000;222000                      key_change 
#> 2       2013 NA                                 denominator
#> 3       2024 NA                                 denominator
#> 4       2017 111000                             definition 
#> 5       2018 621020;621021;621100;621110;621120 key_change 
#> 6       2012 *50*00                             definition 
#> 7       2024 730000;------;890000               law_change 
#> 8       2016 980100;897000                      definition

Die Tabelle enthält Änderungen daran, wie Kriminalität erfasst oder gemessen wird, nicht Änderungen der Kriminalität selbst. Echte Schocks wie die Covid-19-Pandemie (2020 und 2021) oder die Zuwanderung 2015 und 2016 sind keine Brüche: Sie verändern die erfasste Kriminalität, nicht ihre Messung, und gehören ins Modell, zum Beispiel als Jahreseffekte.

Quoten, Prüfungen und Zitieren

Nach dem Filtern oder Harmonisieren die Quoten aus den Fallzahlen neu berechnen und die Prüfungen laufen lassen:

r <- pks_rates(d, per = 1000)
head(r[, c("year", "ags", "offence_key", "cases", "rate")])
#> # A tibble: 6 × 5
#>    year ags   offence_key   cases  rate
#>   <int> <chr> <chr>         <dbl> <dbl>
#> 1  2019 01001 ------        8617   96.3
#> 2  2019 02000 ------      206790  112. 
#> 3  2019 03159 ------       20829   63.5
#> 4  2019 11000 ------      513426  141. 
#> 5  2019 16063 ------        7264.  44.0
#> 6  2019 01001 890000        8335   93.1
pks_validate(d)
#> Prüfung: 6 bestanden, 0 Warnungen, 0 nicht bestanden.
#> # A tibble: 6 × 4
#>   check       status problems details
#>   <chr>       <chr>     <int> <chr>  
#> 1 schema      pass          0 ""     
#> 2 uniqueness  pass          0 ""     
#> 3 city_states pass          0 ""     
#> 4 coverage    pass          0 ""     
#> 5 counts      pass          0 ""     
#> 6 population  pass          0 ""

Arbeiten mit diesen Daten sollten das Paket, die Datenversion und die Quellen zitieren. pks_cite() liefert alle fünf Einträge, einschließlich der Lizenz der BKA-Daten (Datenlizenz Deutschland, Namensnennung, Version 2.0):

Cache

Downloads liegen unter tools::R_user_dir("pksR", "cache"), ein Ordner je Datenversion. Eine Veröffentlichung ändert sich nie; eine Datei im Cache wird verwendet, bis ihre Prüfsumme nicht mehr stimmt.

pks_cache_info()
pks_cache_clear(version = "2026.1")