OpenStreetMap verzeichnet rund 16.100 benannte Apotheken in Deutschland. Ihre Namen verteilen sich auf 7.644 unterschiedliche Schreibweisen. Dazu gehören beispielsweise die „Löwen-Apotheke”, die „Löwen Apotheke” und die „Löwenapotheke”. Aber auch die „Löwenzahn-Apotheke“. Und die hat mit dem Wappentier ja mal gar nichts zu tun.
Wer solche Rohdaten ungeprüft auswertet, zählt Fehler statt Fakten.
An genau diesem Punkt setzt professionelles Geomarketing an. Dieser Beitrag zeigt am Beispiel der Apothekennamen, wie planus offene Geodaten in verlässliche Datensätze umwandelt, welche Muster dabei sichtbar werden und was das für die professionelle Planung von Außenwerbung bedeutet.
Tausende Freiwillige, keine Schreibregeln: die Tücken offener Geodaten
OpenStreetMap (OSM) gehört zu den wichtigsten offenen Datenquellen im Geomarketing, insbesondere für Points of Interest, also Orte wie Geschäfte, Praxen oder Apotheken. Aber die Stärke des Projekts ist zugleich seine Schwäche: Tausende Freiwillige tragen Informationen ein, ohne einheitliche Schreibweise und ohne Kontrollinstanz.
Namen landen als Freitext im System. Allein die Löwen-Apotheke existiert in gut einem Dutzend Varianten, dazu kommen Zusätze wie „Neue“ oder „im Kaufland“ sowie falsche Verwandte wie der „Löwenzahn“. Eine naive Auszählung zerlegt denselben Namen in mehrere Klassen und zählt Verwechslungen mit.
Geomarketing wird oft mit Karten gleichgesetzt. Tatsächlich entscheidet sich die Qualität einer Analyse deutlich früher: in der Datenbasis. Das planus-Geomarketing-Team hat den Apothekendatensatz deshalb als Testfall für die eigene Datenaufbereitung genutzt.
Entity Resolution: gleiche Namen erkennen, falsche Verwandte trennen
Aus fachlicher Sicht handelt es sich um eine Aufgabe der Entity Resolution. Dabei wird geprüft, ob verschiedene Einträge dasselbe Objekt meinen.
Wir setzen dafür eine regelbasierte Verarbeitungskette ein, deren Schritte dokumentiert sind und sich jederzeit wiederholen lassen.
- Normalisierung: Groß- und Kleinschreibung, Umlaute und Trennzeichen werden vereinheitlicht. Löwen-Apotheke, Löwen Apotheke und Löwenapotheke fallen zusammen.
- Zusätze abtrennen: Vorangestellte Ergänzungen und nachgestellte Filial- oder Ortsangaben behandelt das Verfahren kontrolliert, statt daraus neue Namensklassen zu erzeugen.
- Motiverkennung: Verglichen werden ganze Wortbausteine (Tokens) statt Teilstrings. So bleibt der Löwenzahn draußen, während die „Apotheke zum Goldenen Löwen“ korrekt zugeordnet wird.
- Ketten-Filter: Marken und Kooperationen wie easyApotheke oder Linda identifiziert das System über eigene Marken-Tags statt über den Namen.
- Fehlertoleranz: Tippfehler wie „Apoteke“ fängt ein Ähnlichkeitsabgleich per Editierdistanz ab.
Die komplette Regellogik basiert auf Python und kann im Geoinformationssystem verwendet und direkt visualisiert und in Kartenform gebracht werden.
Das Ergebnis lässt sich wunderbar messen: Aus 7.644 Rohschreibweisen werden rund 6.500 kanonische, also eindeutig standardisierte Namen. Etwa 1.150 Varianten erweisen sich als reine Schreibvarianz. Erst diese Datenqualität macht räumliche Statistik sinnvoll. Der Standortquotient, der den lokalen Anteil eines Namensmotivs ins Verhältnis zum bundesweiten setzt, trennt echte regionale Signale von bloßen Ballungseffekten. Denn ohne diese Korrektur zeigt jede Karte vor allem eines: wo viele Menschen wohnen. Und das ist als Ergebnis dann doch etwas dürftig.
Konfession, Limes, Bergbau: was bereinigte Daten sichtbar machen
Im sauberen Datensatz werden aus Anekdoten belegbare Muster.
Ein Beispiel gefällig? Die Marien-Apotheken folgen den katholisch geprägten Regionen. Nur 29 Prozent liegen in der Nordhälfte Deutschlands; bei gleichmäßiger Verteilung wären es 50 Prozent.
Römer-Apotheken häufen sich entlang von Rhein, Mosel und Limes im einst römisch geprägten Südwesten. Glückauf-Apotheken markieren die Reviere mit Bergbautradition an Rhein und Ruhr sowie im Saarland und im Erzgebirge. Der Bergbau ist dort Geschichte, die Namen jedoch nicht.
Der vielleicht wichtigste Befund: 53 Prozent aller Apothekennamen sind individuelle Orts- oder Straßenbezeichnungen. Dieses Ergebnis wird erst durch die Klassifikation zählbar. Die Publikumsseite der Analyse, ein Ranking mit der Löwen- und der Adler-Apotheke an der Spitze (jeweils 314 Standorte), wurde inzwischen von aponet.de aufgegriffen. Das ist das offizielle Gesundheitsportal der deutschen Apothekerinnen und Apotheker.
Heatmap: So sind die Apotheken in D verteilt
Industriegeschichte: Die Glückauf-Apotheke
Konfession: Die Marien-Apotheke
Toponymie: Die Rhein-Apotheke
Römisches Erbe: Die Römer-Apotheke
Where the magic happens: Vom Apothekenschild zum belastbaren Mediaplan
Was aus dem Projekt bleibt, ist das Verfahren.
Die gleiche Verarbeitungskette funktioniert für jeden unsauberen Standortdatensatz. Beispiele:
- Filialnetze
- Kundendaten
- POS-Informationen
- Wettbewerbsstandorte
Für die Planung von DOOH- und OOH-Kampagnen entsteht daraus ein präzises Steuerungsinstrument. Schließlich lassen sich Werbeträger so gezielt im Umfeld relevanter Orte selektieren.
So könnte ein Hersteller von Sonnenschutzprodukten klassische Plakatformate wie Großflächen und City-Light-Poster rund um die 300 Sonnen-Apotheken des Landes belegen. Ein Anbieter von Herz-Kreislauf-Präparaten könnte hingegen das Umfeld der Herz-Apotheken abdecken.
Hintergrund: planus investiert jährlich einen sechsstelligen Betrag in die Pflege und Erweiterung der eigenen Geo-Datenbank. Das Apotheken-Projekt zeigt, dass wertvolle Daten aber kein Vermögen kosten müssen. OpenStreetMap ist frei verfügbar. Erst durch methodisches Know-how wird diese Quelle nutzbar, da aus Rohmaterial Entscheidungsgrundlagen geformt werden, die wir täglich in Kundenprojekten nutzen.
So schafft das planus-Geomarketing echte Wettbewerbsvorteile
Offene Geodaten sind eine Chance für jede datenbasierte Mediaplanung, unmittelbar verwertbar sind sie aber selten. Zwischen Rohdatensatz und Mediaplan liegt die entscheidende Arbeit: bereinigen, klassifizieren, räumlich korrekt einordnen.
Der Wettbewerbsvorteil liegt darum nicht im Datenbestand, denn den haben viele. Er entsteht, wo aus unstrukturierten Geodaten tragfähige Entscheidungsgrundlagen werden. Wir verbinden dafür Datenaufbereitung, fachliche Klassifikation und räumliche Statistik, vom offenen Rohdatensatz bis zur OOH-Kampagne am richtigen Ort.
Du möchtest wissen, was in euren Standort- oder Marktdaten steckt? Lass dich unverbindlich beraten.
