---
title: "BiSMit"
date: "`r format(Sys.Date(), '%d.%m.%Y')`"
output: 
  flexdashboard::flex_dashboard:
    orientation: column
    vertical_layout: fill
    source_code: embed
    navbar:
        - { icon: "fa-globe", href: "https://www.bismit.de/team", align: right }
        - { icon: "fa-linkedin", href: "https://www.linkedin.com/in/eva-maria-merk/", align: right}
        - { icon: "fa-linkedin", href: "https://www.linkedin.com/in/felix-aust/", align: right}

---
 

```{r setup, include=FALSE}
#Packages laden 

library(flexdashboard)
library(tmap)
library(sf)
library(sp)
library(tidyverse)
library(formattable)
library(plotly)
library(janitor)
library(plyr)




# Daten laden 

# \\\\FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich
# C:/Users/Aust/Documents/BiSMit/04_lokal_Bildungsmonitoring



# 1. infos importieren 

ars05_snstth <- read_delim("\\\\FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/03_Daten/03_Raum_Land_Kreise_Gemeinden/ars05_snstth.csv", 
                           ";", escape_double = FALSE, col_types = cols(ars = col_character(), 
                                                                        ars_parent = col_character(), ags = col_character(), 
                                                                        ags_parent = col_character()), locale = locale(encoding = "WINDOWS-1252"), 
                           trim_ws = TRUE)



# 2. Import von Grenzen 
grenze_bismit <- st_read("\\\\FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/03_Daten/01_Datenquellen/02_esri/Grenzen_von_BiSMit/grenze_bismit.shp")
grenzen_bundeslaender_bismit <- st_read("\\\\FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/03_Daten/01_Datenquellen/02_esri/Grenzen_von_BiSMit/grenzen_bundeslaender_bismit.shp")
grenzen_bundeslaender_snstth <- st_read("\\\\FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/03_Daten/01_Datenquellen/02_esri/Grenzen_von_BiSMit/grenzen_bundeslaender_snstth.shp")
grenzen_kreise_bismit <- st_read ("\\\\FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/03_Daten/01_Datenquellen/02_esri/Grenzen_von_BiSMit/grenzen_kreise_bismit.shp")



# 3. einlesen der Shapefiles auf der ebene ars_5   
polygons_ars05 <- st_read("\\\\FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/03_Daten/01_Datenquellen/02_esri/Kreisgrenzen_2020-shp")
# erzeugen von ars und reduzierung auf ars und geometry
polygons_ars05 <-  
  polygons_ars05 %>%
  mutate (ars = paste0(SN_L,SN_R,SN_K)) %>% 
  select(ars)

polygons_ars12 <- st_read("\\\\FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/03_Daten/01_Datenquellen/02_esri/Gemeindegrenzen_2020-shp")
# erzeugen von ars und reduzierung auf ars und geometry
polygons_ars12 <-  
  polygons_ars12 %>%
  mutate (ars = paste0(SN_L,SN_R,SN_K,SN_V1,SN_V2,SN_G)) %>% 
  select(ars)

# 4. Verbinden der Polygone mit Informationen über 
snstth_kreise <- left_join(ars05_snstth,polygons_ars05, by="ars")
# als sf objekt umwandel 
snstth_kreise <- st_as_sf(snstth_kreise)


# 5 Karte Revierkommunen in Mitteldeutschland erzeugen  mit Kohleabbaugebieten 


#5.1. Imformationen über Tagebaue einlesen 
# Informationen über tagebaue einlesen 
tagebaue <- read_delim("\\\\FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/04_Analysen/A_0_Gebietsinformation/tagebaue_und_kraftwerke_mitteldeutschland/tagebaue.csv",
                       ";", 
                       escape_double = FALSE, 
                       col_types = cols(bundesland_ars = col_character(),
                                        kommune_ars = col_character(), 
                                        betriebsbeginn = col_character(),
                                        stillegung = col_character(),
                                        latitude = col_character(),
                                        longitude = col_character(),
                                        north = col_character(),
                                        south = col_character()),
                       locale = locale(encoding = "WINDOWS-1252",
                                       decimal_mark = ","),
                       na = "empty",
                       trim_ws = TRUE)

tagebaue <- 
tagebaue %>% 
  mutate(foerdervolumen_mioyear = as.character(foerdervolumen_mioyear),
         abbautechnik_km2 = as.character(abbautechnik_km2),
         abbraum_mio = as.character(abbraum_mio)) %>%
  mutate_at(c("foerdervolumen_mioyear","abbautechnik_km2","abbraum_mio"), ~replace(., is.na(.), "-"))


# Kontrolle 
# tagebaue %>%   View()

# 5.2. sf_objekte erzeugen 
# Tabelle zu einem sf objekt umwandeln mit den koordinaten 
tagebaue_sf <- st_as_sf( tagebaue,
                         coords = c( "longitude", "latitude"),
                         crs = "+proj=longlat +datum=WGS84 +ellps=WGS84 +towgs84=0,0,0")




# Farben vorbereiten 




tableau_20 <-
  rbind(c("#4E79A7",
          "blau_dunkel", "10", "12"),
        c("#A0CBE8",
          "blau_hell", "10", "10"),
        c("#F28E2B",
          "orange_dunkel", "10", "12"),
        c("#FFBE7D",
          "orange_hell", "10", "10"),
        c("#59A14F",
          "gruen_dunkel", "10", "12"),
        c("#8CD17D",
          "gruen_hell", "10", "10"),
        c("#B6992D",
          "gelb_dunkel", "10", "12"),
        c("#F1CE63",
          "gelb_hell", "10", "12"),
        c("#499894",
          "turkies_dunkel", "10", "12"),
        c("#86BCB6",
          "turkies_hell", "10", "10"),
        c("#E15759",
          "rot_dunkel", "10", "12"),
        c("#FF9D9A",
          "rot_hell", "10", "12"),
        c("#79706E",
          "grau_dunkel", "10", "12"),
        c("#BABOAC",
          "grau_hell", "10", "10"),
        c("#D37295",
          "pink_dunkel", "10", "12"),
        c("#FABFD2",
          "pink_hell", "10", "10"),
        c("#B07AA1",
          "lila_dunkel", "10", "12"),
        c("#D4A6C8",
          "lila_hell", "10", "10"),
        c("#9D7660",
          "braun_dunkel", "10", "12"),
        c("#D7B5A6",
          "braun_hell", "10", "10")) %>% 
  as.data.frame()

names(tableau_20) <- c("Hex","Farbe","Zehn","Zwoelf")

tableau_20 %>% filter(Zwoelf=="12") %>% select(Hex) %>% pull() -> farben_tableau_12
tableau_20 %>% filter(Zehn=="10") %>% select(Hex) %>% pull() -> farben_tableau_10
tableau_20 %>% select(Hex) %>% pull() -> farben_tableau_20
```
Allgemeine Informationen
===================================== 


Column {data-width=200}
-----------------------------------------------------------------------

### Bundesländer

```{r}
valueBox("3", icon = "fa-flag", color ="#a7abaa")
```


### Kreise und kreisfreie Städte 

```{r}
valueBox("9", icon = "fa-school", color ="#a7abaa")
```

### Gemeinden

```{r}
valueBox("177", icon = "fa-university", color ="#a7abaa")
```

### Netzwerkbüro

```{r}
valueBox("1", icon = "fa-project-diagram", color ="#a7abaa")
```

### Bevölkerung

```{r}
valueBox("2.033.269", icon = "fa-user-friends", color ="#a7abaa")
```

### Fläche in km2

```{r}
valueBox("10.432", icon = "fa-globe", color ="#a7abaa")
```


Column {data-width=800 .tabset .tabset-fade}
-----------------------------------------------------------------------

### Die Revierkommunen in Mitteldeutschland

```{r}

tmap_mode("view")
#tmap_mode("plot")

tm_shape(snstth_kreise) + tm_polygons("bismit",
                                      alpha = 0.9,
                                      palette=c("#cacccb","#83a89c"),
                                      title="Revierkommune",
                                      labels = c ("nein", "ja"),
                                      id="kommune",
                                      popup.vars=c("Regionalsschluessel"="ars")) +
  # tm_text("kommune", size="AREA", root=2) +
  tm_shape(grenzen_bundeslaender_snstth) +
  tm_lines(col = "#000000", lwd = 3, alpha = 1) +
  tm_layout(frame = FALSE,
            legend.title.size = 2,
            legend.text.size = 1.5) +
  tm_shape(tagebaue_sf) + tm_dots("tagebau_aktiv",
                                  shape = 0,
                                  alpha = 0.9,
                                  size = 0.1,
                                  palette=c("#967662","#000000"),
                                  title="aktiver Tagebau",
                                  labels = c ("nein", "ja"),
                                  id="tagebau_name",
                                  popup.vars=c("Betriebsbeginn"="betriebsbeginn",
                                               "Stillegung"= "stillegung",
                                               "jährliches Fördervolumen in Mio."= "foerdervolumen_mioyear",
                                               "Abbautechnik in km2"= "abbautechnik_km2",
                                               "Abraum in Mio. t"= "abbraum_mio",
                                               "Hinweise" = "hinweise"))
```




E6.1 Anzahl der beruflichen Schulen {data-navmenu="Berufliche Bildung" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------
### Schularten der Bundesländer


```{r}
berufliche_schularten_bundeslaender <- read_delim("//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/04_Analysen/E_0_Berufliche_Schulen/berufliche_schularten_bundeslaender.csv", 
                                                  ";", escape_double = FALSE, locale = locale(encoding = "WINDOWS-1252"), 
                                                  trim_ws = TRUE)




berufliche_schularten_bundeslaender <- 
berufliche_schularten_bundeslaender %>% 
mutate_if(is.character, ~replace(., is.na(.), " "))



### Art der Beruflichen Schulen in SN, ST & TH


library(formattable)

formatter_backround_green <- formatter("span", 
                                       style = ~ formattable::style("background-color" = "#16e813"))
formatter_backround_green_light <- formatter("span", 
                                             style = ~ formattable::style("background-color" = "#8fe813"))
formatter_backround_yellow <- formatter("span", 
                                        style = ~ formattable::style("background-color" = "#d3e813"))
formatter_backround_orange <- formatter("span", 
                                        style = ~ formattable::style("background-color" = "#e8dd13"))
formatter_black_bold <- formatter("span", 
                                  style = ~ formattable::style(color = "black",
                                                  font.weight = "bold"))



formattable(berufliche_schularten_bundeslaender,
            col.names = c("Gruppe", "Sachsen","Sachsen-Anhalt", "Thüringen", "Schularten (beruflich)"),
            align =c("c","l","l","l","l"),
            list(area(row=c(1,4,5,10),col = c(5))~ formatter_black_bold,
                 area(row=c(1:3),col = c(1))~ formatter_backround_green,
                 area(row=c(4:5),col = c(1))~ formatter_backround_green_light,
                 area(row=c(6:7),col = c(1))~ formatter_backround_yellow,
                 area(row=c(8:10),col = c(1))~ formatter_backround_orange
            )) %>% 
  select(Gruppe, SN, ST, TH, schularten_beruflich)
```
> siehe [weiterführende Informationen](#definitionen-e61)




### Verteilung der Schularten nach Kommunen

```{r}
# 7.2 Import
tbl <- read_csv2("//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/04_Analysen/E_06_01_Anzahl_berufliche_Schulen/tbl_weitere_Jahre.csv",
                col_types = cols(ags = col_character(),
                                 ars = col_character()), locale = locale(decimal_mark = ",",
                                                                         grouping_mark = ".", encoding = "WINDOWS-1252"))


# 8. Anteil der Schulformen berechnen 


# Gesamtzahl der Schulen nach Trägern brechen 

tbl <- tbl %>%
  arrange(ags)

tbl_schulen_nach_traegerschaft <-
  tbl %>%
  select(ags,ars,kommune,date,schuljahr,traegerschaft,schularten_beruflich,value) %>%
  filter(schularten_beruflich=="gesamt") %>% 
  select(-schularten_beruflich) %>% 
  pivot_wider(names_from = traegerschaft, values_from = value, names_prefix = "schulen_") %>%
    mutate(schulen_staatlich_anteil = round(schulen_staatlich/schulen_Insgesamt*100 ,1),
           schulen_privat_anteil = round(schulen_privat/schulen_Insgesamt*100 ,1)) %>% 
  select(-ags,-kommune,-schuljahr)

# Gesamtzahl der Schularten nach trägern berechen 
tbl_schularten_gesamt_nach_traeger <-
tbl %>%
  select(ags,ars,kommune,date,schuljahr,traegerschaft,schularten_beruflich,value) %>%
  filter(schularten_beruflich!="gesamt") %>% 
  pivot_wider(names_from = traegerschaft, values_from = value, names_prefix = "traegerschaft_") %>%
  group_by(ars,ags,kommune,date,schuljahr) %>%
  dplyr::summarise(schularten_beruflich = "schularten_gesamt",
            schularten_gesamt_traegerschaft_staatlich = sum(traegerschaft_staatlich),
            schularten_gesamt_traegerschaft_privat  = sum(traegerschaft_privat),
            schularten_gesamt = sum(traegerschaft_Insgesamt)) %>% 
  ungroup() %>% 
  select(-ags,-kommune,-schuljahr,-schularten_beruflich)


# Gesamtzahl der Schularten nach trägern joinen  
tbl %>%
  select(ags,ars,kommune,date,schuljahr,traegerschaft,schularten_beruflich,value) %>%
  filter(schularten_beruflich!="gesamt") %>% 
  pivot_wider(names_from = traegerschaft, values_from = value, names_prefix = "traegerschaft_") %>%
  left_join(.,tbl_schularten_gesamt_nach_traeger, by=c("ars","date")) -> df

# anteile berechnen  
df<-
df %>% 
  mutate(schularten_gesamt_anteil = round(traegerschaft_Insgesamt/schularten_gesamt*100 ,1),
         traegerschaft_staatlich_anteil = round(traegerschaft_staatlich/traegerschaft_Insgesamt*100 ,0),
         traegerschaft_privat_anteil = round(traegerschaft_privat/traegerschaft_Insgesamt*100 ,0),
         schularten_gesamt_traegerschaft_staatlich_anteil = round(schularten_gesamt_traegerschaft_staatlich/schularten_gesamt*100 ,1),
         schularten_gesamt_traegerschaft_privat_anteil = round(schularten_gesamt_traegerschaft_privat/schularten_gesamt*100 ,1)) 

# namen und groupierungen erneut anfügen 

# Berechnung der Schularten


berufliche_schularten_bundeslaender_zusammenfassung <- read_delim("//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/04_Analysen/E_0_Berufliche_Schulen/berufliche_schularten_bundeslaender_zusammenfassung.csv", 
                                                                  ";", escape_double = FALSE, locale = locale(encoding = "WINDOWS-1252"), 
                                                                  trim_ws = TRUE)


berufliche_schularten_bundeslaender_zusammenfassung %>% 
  select(-schulart_id_bundeslaender) %>% 
  distinct() -> berufliche_schularten_zusammenfassung

df <-
left_join(df,berufliche_schularten_zusammenfassung, by="schularten_beruflich")


# df %>% 
#   filter(schularten_beruflich=="hoehere_berufsfachschule") %>% 
#   view()

#### Anzahl der Schulen anfügen 
df <-
left_join(df,tbl_schulen_nach_traegerschaft, by=c("ars","date")) 




# 10. Plotly


# farben 
library("RColorBrewer")
brewer.pal(12, "Set3") ->farben


# 
# rbind(
#   c("blue","#5778a4"),
#   c("orange","#e49444"),
#   c("red","#d1615d"),
#   c("teal","#85b6b2"),
#   c("green","#6a9f58"),
#   c("yellow","#e7ca60"),
#   c("purple","#a87c9f"),
#   c("pink","#f1a2a9"),
#   c("brown","#967662"),
#   c("grey","#b8b0ac")
# ) %>% as.data.frame() %>% 
#   rename(tableau10_name = V1,
#          tableau10_hex = V2) -> tableau10
# tableau10$tableau10_hex -> farben
# 
# farben

#10.1 Anteil der Schularten 
# Wie hoch ist der Anteil einer Schulart in einer Kommune im Vergleich zu anderen Kommunen? Bleibt dieser konstant? 


fig <-
  plot_ly(df,
          y = ~schularten_gesamt_anteil,
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~date,
          color = ~schularten_beruflich_name,
          #name  = ~schularten_beruflich_name,
          colors = ~farben,
          type = 'bar',
          text=~paste0(round(df$schularten_gesamt_anteil,0),"%"),
          textfont=list(color="black"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Schuljahr: ",df$schuljahr,"

",
                                 "Schularten: ",df$schularten_gesamt,"
",
                                 "darunter : ",df$schularten_beruflich_name,"
",
                                 "Anzahl: ",df$traegerschaft_Insgesamt," (",df$schularten_gesamt_anteil,"%)
",
                                 "- davon öffentlich: ",df$traegerschaft_staatlich," (",df$traegerschaft_staatlich_anteil,"%)
",
                                 "- davon frei: ",df$traegerschaft_privat," (",df$traegerschaft_privat_anteil,"%)
")) %>%
  layout(barmode = 'stack',
         title = "Verteilung der Schularten nach Kommunen (2005–2021)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 14),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil an Schularten in %",
                      ticksuffix = " %",
                      range= c(0,100)),
         legend = list(orientation = 'v'))
fig

```
> siehe [weiterführende Informationen](#definitionen-e61)


### Verteilung der Schularten (Zusammenfassung) nach Kommunen

```{r}
df_sum_arten <-
df %>% 
  group_by(ars,ags,kommune,date,schuljahr,
           schularten_beruflich_zusammenfassung_name_lang) %>% 
  dplyr::summarise(schularten_gesamt = sum(schularten_gesamt),
            traegerschaft_Insgesamt = sum(traegerschaft_Insgesamt),
            traegerschaft_staatlich = sum(traegerschaft_staatlich),
            traegerschaft_privat = sum(traegerschaft_privat)) %>%
    mutate(schularten_gesamt = ifelse((kommune == "Landkreis Altenburger Land" & schularten_beruflich_zusammenfassung_name_lang == "Berufsfachschule & höhere Berufsfachschule" & date <= 2019), schularten_gesamt / 2, schularten_gesamt)) %>%
  mutate(schularten_gesamt_anteil = round(traegerschaft_Insgesamt/schularten_gesamt*100 ,1),
         traegerschaft_staatlich_anteil = round(traegerschaft_staatlich/traegerschaft_Insgesamt*100 ,0),
         traegerschaft_privat_anteil = round(traegerschaft_privat/traegerschaft_Insgesamt*100 ,0)) %>% 
  ungroup()

# farben 

rbind(
  c("blue","#5778a4"),
  c("orange","#e49444"),
  c("red","#d1615d"),
  c("teal","#85b6b2"),
  c("green","#6a9f58"),
  c("yellow","#e7ca60"),
  c("purple","#a87c9f"),
  c("pink","#f1a2a9"),
  c("brown","#967662"),
  c("grey","#b8b0ac")
) %>% as.data.frame() %>%
  dplyr::rename(tableau10_name = V1,
         tableau10_hex = V2) -> tableau10
tableau10$tableau10_hex -> farben

fig <-
  plot_ly(df_sum_arten,
          y = ~schularten_gesamt_anteil,
          x = factor(df_sum_arten$kommune, levels = unique(df_sum_arten$kommune)),
          frame = ~date,
          color = ~schularten_beruflich_zusammenfassung_name_lang,
          #name  = ~schularten_beruflich_name,
          colors = ~farben,
          type = 'bar',
          text=~paste0(round(df_sum_arten$schularten_gesamt_anteil,0),"%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df_sum_arten$kommune,"
",
                                 "Schuljahr: ",df_sum_arten$schuljahr,"

",
                                 "Schularten: ",df_sum_arten$schularten_gesamt,"
",
                                 "darunter : ",df_sum_arten$schularten_beruflich_zusammenfassung_name_lang,"
",
                                 "Anzahl: ",df_sum_arten$traegerschaft_Insgesamt," (",df_sum_arten$schularten_gesamt_anteil,"%)
",
                                 "- davon öffentlich: ",df_sum_arten$traegerschaft_staatlich," (",df_sum_arten$traegerschaft_staatlich_anteil,"%)
",
                                 "- davon frei: ",df_sum_arten$traegerschaft_privat," (",df_sum_arten$traegerschaft_privat_anteil,"%)
")) %>%
  layout(barmode = 'stack',
         title = "Verteilung der Schularten nach Kommunen (2005–2021)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 14),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil an Schularten in %",
                      ticksuffix = " %",
                      range= c(0,100)),
         legend = list(orientation = 'v'))
fig

```
> siehe [weiterführende Informationen](#definitionen-e61)

### Schularten nach Trägerschaft

```{r}

df %>%
  select(ars,kommune,date,schuljahr,
         schularten_gesamt,
         schularten_gesamt_traegerschaft_privat,
         schularten_gesamt_traegerschaft_privat_anteil,
         schularten_gesamt_traegerschaft_staatlich,
         schularten_gesamt_traegerschaft_staatlich_anteil) %>% 
  distinct() -> df_traegerschaft
fig <-
  plot_ly(df_traegerschaft,
          y = ~schularten_gesamt_traegerschaft_privat_anteil,
          x = factor(df_traegerschaft$kommune, levels = unique(df_traegerschaft$kommune)),
          frame = ~date,
          name  = "frei",
          marker = list(color = "#d1615d"),
          type = 'bar',
          text=~paste0(round(df_traegerschaft$schularten_gesamt_traegerschaft_privat_anteil,0),"%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df_traegerschaft$kommune,"
",
                                 "Schuljahr: ",df_traegerschaft$schuljahr,"

",
                                 "Schularten: ",df_traegerschaft$schularten_gesamt,"
",
                                 "- davon frei: ",df_traegerschaft$schularten_gesamt_traegerschaft_privat," (",df_traegerschaft$schularten_gesamt_traegerschaft_privat_anteil,"%)
",
                                 "- davon öffentlich: ",df_traegerschaft$schularten_gesamt_traegerschaft_staatlich," (",df_traegerschaft$schularten_gesamt_traegerschaft_staatlich_anteil,"%)
")) %>%
  add_bars(y = ~schularten_gesamt_traegerschaft_staatlich_anteil,
           name  = "öffentlich",
           text=~paste0(round(df_traegerschaft$schularten_gesamt_traegerschaft_staatlich_anteil,0),"%"),
           marker = list(color = "#5778a4")) %>% 
  layout(barmode = 'stack',
         title = "Schularten nach Trägerschaft und Kommunen (2005–2021)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 14),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil an Schularten in %",
                      ticksuffix = " %",
                      range= c(0,100)),
         legend = list(orientation = 'v'))


fig

```
> siehe [weiterführende Informationen](#definitionen-e61)



E7.1 Anzahl der Schüler/-innen an beruflichen Schulen {data-navmenu="Berufliche Bildung" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------
### Verteilung der Schüler/-innen nach Schularten

```{r}
tbl <- read_csv2("//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/04_Analysen/E_07_01_Anzahl_Schuelerinnen_berufliche_Schulen/tbl_weitere_Jahre.csv",
                col_types = cols(ags = col_character(),
                                 ars = col_character()), locale = locale(encoding = "WINDOWS-1252"))



berufliche_schularten_bundeslaender_zusammenfassung <- read_delim("//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/04_Analysen/E_0_Berufliche_Schulen/berufliche_schularten_bundeslaender_zusammenfassung.csv", 
                                                                  ";", escape_double = FALSE, locale = locale(encoding = "WINDOWS-1252"), 
                                                                  trim_ws = TRUE)




# 8. Anteil der Schülerinnen nach Schularten und Geschlecht() berechnen  


# Gesamtzahl der Schulen nach Trägern brechen 
# tbl %>% names()


tbl %>%  
  filter(traegerschaft=="Insgesamt") %>%
  filter(geschlecht_name=="Insgesamt") %>% 
  filter(schularten_beruflich == "gesamt") %>%
  select(date,ars,value) %>% 
  dplyr::rename(schuelerinnnen_gesamt_n = value) ->  tbl_schuelerinnnen_gesamt_n

tbl %>%  
  filter(traegerschaft=="Insgesamt") %>% 
  filter(schularten_beruflich != "gesamt") %>% 
  select(ags,
         ars,
         kommune,
         date,
         schuljahr,
         schularten_beruflich,
         geschlecht_name,
         value) %>% 
  pivot_wider(names_from = geschlecht_name, 
              values_from = value, 
              names_prefix = "geschlecht_") %>% 
  dplyr::rename(schuelerinnnen_n = geschlecht_Insgesamt,
         schuelerinnnen_n_m = geschlecht_männlich,
         schuelerinnnen_n_w = geschlecht_weiblich) %>% 
  left_join(.,
            tbl_schuelerinnnen_gesamt_n, 
            by=c("ars","date")) -> df
    
# anteile berechnen 

df <-
df %>% 
  mutate(schuelerinnnen_n_anteil = round(schuelerinnnen_n/schuelerinnnen_gesamt_n*100 ,1),
         schuelerinnnen_n_m_anteil = round(schuelerinnnen_n_m/schuelerinnnen_n*100 ,1),
         schuelerinnnen_n_w_anteil = round(schuelerinnnen_n_w/schuelerinnnen_n*100 ,1))



# namen und groupierungen erneut anfügen 
berufliche_schularten_zusammenfassung <-
berufliche_schularten_bundeslaender_zusammenfassung %>% 
  select(-schulart_id_bundeslaender) %>% 
  distinct() 

df <-
left_join(df,berufliche_schularten_zusammenfassung, by="schularten_beruflich")


# 10. Plotly


# farben 
library("RColorBrewer")
brewer.pal(12, "Set3") ->farben


# 
# rbind(
#   c("blue","#5778a4"),
#   c("orange","#e49444"),
#   c("red","#d1615d"),
#   c("teal","#85b6b2"),
#   c("green","#6a9f58"),
#   c("yellow","#e7ca60"),
#   c("purple","#a87c9f"),
#   c("pink","#f1a2a9"),
#   c("brown","#967662"),
#   c("grey","#b8b0ac")
# ) %>% as.data.frame() %>% 
#   dplyr::rename(tableau10_name = V1,
#          tableau10_hex = V2) -> tableau10
# tableau10$tableau10_hex -> farben
# 
# farben

#10.1 Anteil der Schularten 
# Wie hoch ist der Anteil einer Schulart in einer Kommune im Vergleich zu anderen Kommunen? Bleibt dieser konstant? 



fig <-
  plot_ly(df,
          y = ~schuelerinnnen_n_anteil,
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~date,
          color = ~schularten_beruflich_name,
          #name  = ~schularten_beruflich_name,
          colors = ~farben,
          type = 'bar',
          text=~paste0(round(df$schuelerinnnen_n_anteil,0),"%"),
          textfont=list(color="grey"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Schuljahr: ",df$schuljahr,"

",
                                 "Schüler/-innen: ",df$schuelerinnnen_gesamt_n,"
",
                                 "darunter auf : ",df$schularten_beruflich_name,"
",
                                 "Anzahl: ",df$schuelerinnnen_n," (",df$schuelerinnnen_n_anteil,"%)
",
                                 "- darunter weiblich: ",df$schuelerinnnen_n_w," (",df$schuelerinnnen_n_w_anteil,"%)
",
                                 "- darunter männlich: ",df$schuelerinnnen_n_m," (",df$schuelerinnnen_n_m_anteil,"%)
")) %>%
  layout(barmode = 'stack',
         title = "Verteilung der Schülerinnen und Schüler auf Schularten (2005–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 14),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil nach Schularten in %",
                      ticksuffix = " %",
                      range= c(0,100)),
         legend = list(orientation = 'v'))

fig
```
> Aufgrund einer Veränderung der Erhebungsform im Jahr 2018 in Sachsen-Anhalt und damit einhergehenden anderen Kategorisierungen ist die Vergleichbarkeit zu den vorherigen Jahren nur bedingt gegeben.

> siehe [weiterführende Informationen](#definitionen-e71)

### Verteilung der Schüler/-innen nach Schularten (Zusammenfassung)

```{r}
df_sum_arten <-
df %>% 
  group_by(ars,ags,kommune,date,schuljahr,
           schularten_beruflich_zusammenfassung_name_lang) %>% 
  dplyr::summarise(schuelerinnnen_gesamt_n = sum(schuelerinnnen_gesamt_n),
            schuelerinnnen_n = sum(schuelerinnnen_n),
            schuelerinnnen_n_w = sum(schuelerinnnen_n_w),
            schuelerinnnen_n_m = sum(schuelerinnnen_n_m)) %>%
  mutate(schuelerinnnen_gesamt_n = ifelse((kommune == "Landkreis Altenburger Land" & schularten_beruflich_zusammenfassung_name_lang == "Berufsfachschule & höhere Berufsfachschule" & date <= 2019), schuelerinnnen_gesamt_n / 2, schuelerinnnen_gesamt_n)) %>%
  mutate(schuelerinnnen_n_anteil = round(schuelerinnnen_n/schuelerinnnen_gesamt_n*100 ,1),
         schuelerinnnen_n_w_anteil = round(schuelerinnnen_n_w/schuelerinnnen_n*100 ,0),
         schuelerinnnen_n_m_anteil = round(schuelerinnnen_n_m/schuelerinnnen_n*100 ,0)) %>% 
  ungroup()


# farben 

rbind(
  c("blue","#5778a4"),
  c("orange","#e49444"),
  c("red","#d1615d"),
  c("teal","#85b6b2"),
  c("green","#6a9f58"),
  c("yellow","#e7ca60"),
  c("purple","#a87c9f"),
  c("pink","#f1a2a9"),
  c("brown","#967662"),
  c("grey","#b8b0ac")
) %>% as.data.frame() %>%
  dplyr::rename(tableau10_name = V1,
         tableau10_hex = V2) -> tableau10
tableau10$tableau10_hex -> farben


# 
#df_sum_arten %>% names()

fig <-
  plot_ly(df_sum_arten,
          y = ~schuelerinnnen_n_anteil,
          x = factor(df_sum_arten$kommune, levels = unique(df_sum_arten$kommune)),
          frame = ~date,
          color = ~schularten_beruflich_zusammenfassung_name_lang,
          colors = ~farben,
          type = 'bar',
          text=~paste0(round(df_sum_arten$schuelerinnnen_n_anteil,0),"%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df_sum_arten$kommune,"
",
                                 "Schuljahr: ",df_sum_arten$schuljahr,"

",
                                 "Schüler/-innen: ",df_sum_arten$schuelerinnnen_gesamt_n,"
",
                                 "darunter auf : ",df_sum_arten$schularten_beruflich_zusammenfassung_name_lang,"
",
                                 "Anzahl: ",df_sum_arten$schuelerinnnen_n," (",df_sum_arten$schuelerinnnen_n_anteil,"%)
",
                                 "- darunter weiblich: ",df_sum_arten$schuelerinnnen_n_w," (",df_sum_arten$schuelerinnnen_n_w_anteil,"%)
",
                                 "- darunter männlich: ",df_sum_arten$schuelerinnnen_n_m," (",df_sum_arten$schuelerinnnen_n_m_anteil,"%)
")) %>%
  layout(barmode = 'stack',
         title = "Verteilung der Schülerinnen und Schüler auf Schularten (2005–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 14),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil nach Schularten in %",
                      ticksuffix = " %",
                      range= c(0,100)),
         legend = list(orientation = 'v'))

fig
```
> siehe [weiterführende Informationen](#definitionen-e71)

### Geschlechterverhältnis an beruflichen Schulen

```{r}
df_geschlecht <-
df %>%
  group_by(ars,ags,kommune,date,schuljahr) %>% 
  dplyr::summarise(schuelerinnnen_n = sum(schuelerinnnen_n),
            schuelerinnnen_n_m = sum(schuelerinnnen_n_m),
            schuelerinnnen_n_w = sum(schuelerinnnen_n_w)) %>% 
  mutate(schuelerinnnen_n_w_anteil = round(schuelerinnnen_n_w/schuelerinnnen_n*100 ,1),
         schuelerinnnen_n_m_anteil = round(schuelerinnnen_n_m/schuelerinnnen_n*100 ,1)) 


fig <-
  plot_ly(df_geschlecht,
          y = ~schuelerinnnen_n_w_anteil,
          x = factor(df_geschlecht$kommune, levels = unique(df_geschlecht$kommune)),
          frame = ~date,
          name  = "weiblich",
          marker = list(color = "#d1615d"),
          type = 'bar',
          text=~paste0(round(df_geschlecht$schuelerinnnen_n_w_anteil,0),"%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df_geschlecht$kommune,"
",
                                 "Schuljahr: ",df_geschlecht$schuljahr,"

",
                                 "Schülerinnen und Schüler: ",df_geschlecht$schuelerinnnen_n,"
",
                                 "- darunter weiblich: ",df_geschlecht$schuelerinnnen_n_w," (",df_geschlecht$schuelerinnnen_n_w_anteil,"%)
",
                                 "- darunter männlich: ",df_geschlecht$schuelerinnnen_n_m," (",df_geschlecht$schuelerinnnen_n_m_anteil,"%)
")) %>%
  add_bars(y = ~schuelerinnnen_n_m_anteil,
           name  = "männlich",
           text=~paste0(round(df_geschlecht$schuelerinnnen_n_m_anteil,0),"%"),
           marker = list(color = "#5778a4")) %>% 
  layout(barmode = 'stack',
         title = "Geschlechterverhältnis an beruflichen Schulen (2005–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 14),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil an beruflichen Schulen in %",
                      ticksuffix = " %",
                      range= c(0,100)),
         legend = list(orientation = 'v'))

fig
```
> siehe [weiterführende Informationen](#definitionen-e71)


E12.1	Neu eingetretene Schüler/-innen an beruflichen Schulen {data-navmenu="Berufliche Bildung" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------
### Neu eingetretene Schüler/-innen nach schulischer Vorbildung

```{r}
tbl <- read_csv2("//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/04_Analysen/E_12_01_Neu_eingetretene_Schuelerinnen/tbl_weitere_Jahre.csv", 
                col_types = cols(ags = col_character(), 
                                 ars = col_character()), locale = locale(encoding = "WINDOWS-1252"))



tbl %>%
  select(-bismit,-ars_name) %>% 
  pivot_longer(!c("ags","ars","kommune","schuljahr","date","geschlecht_name"),
               names_to = "value_name", values_to = "value") %>% 
  filter(str_detect(value_name, "_anteil")) %>% 
  mutate(schulabschluss = case_when(str_detect(value_name, "_gesamt") ~ "Insgesamt",
                                    str_detect(value_name, "_ohne_hauptschule") ~ "Ohne Hauptschulabschluss",
                                    str_detect(value_name, "_mit_hauptschule") ~ "mit Hauptschulabschluss",
                                    str_detect(value_name, "_mit_realschule") ~ "mit Realschulabschluss",
                                    str_detect(value_name, "_mit_fachhochschulreife") ~ "mit Fachhochschulreife",
                                    str_detect(value_name, "_mit_hochschulreife") ~ "mit Hochschulreife",
                                    str_detect(value_name, "_mit_sonstigem_abschluss") ~ "mit sonstigem Abschluss",
                                    TRUE ~ NA_character_ )) %>% 
  select(-value_name) %>% 
  dplyr::rename(abschluss_n_anteil = value)-> a
  
  
 
  
tbl %>%
  select(-bismit,-ars_name) %>% 
  pivot_longer(!c("ags","ars","kommune","schuljahr","date","geschlecht_name"),
               names_to = "value_name", values_to = "value") %>% 
  filter(str_detect(value_name, "_anteil",negate = TRUE)) %>%
  mutate(schulabschluss = case_when(str_detect(value_name, "_gesamt") ~ "Insgesamt",
                                    str_detect(value_name, "_ohne_hauptschule") ~ "Ohne Hauptschulabschluss",
                                    str_detect(value_name, "_mit_hauptschule") ~ "mit Hauptschulabschluss",
                                    str_detect(value_name, "_mit_realschule") ~ "mit Realschulabschluss",
                                    str_detect(value_name, "_mit_fachhochschulreife") ~ "mit Fachhochschulreife",
                                    str_detect(value_name, "_mit_hochschulreife") ~ "mit Hochschulreife",
                                    str_detect(value_name, "_mit_sonstigem_abschluss") ~ "mit sonstigem Abschluss",
                                    TRUE ~ NA_character_ )) %>% 
  select(-value_name) %>% 
  dplyr::rename(abschluss_n = value)-> b


df<-
full_join(a,b,by=c("ags","ars","kommune","schuljahr",
                   "geschlecht_name","date",
                   "schulabschluss"))  

df <-
df %>% 
pivot_wider(names_from = geschlecht_name, values_from = c("abschluss_n","abschluss_n_anteil"))

## Alle Schülerinnen, unabhängig vom Abschluss berechen 
df <-
df %>% 
  group_by(ars,date) %>%
  filter(!schulabschluss == "Insgesamt") %>%
  dplyr::summarise(abschluss_alle_gesamt = sum(abschluss_n_Insgesamt, na.rm=T)) %>% 
  left_join(.,df, by=c("ars","date"))

######### anteile erneut berechen  ##########

df <-
df %>%
  mutate(abschluss_n_männlich_anteil = round(abschluss_n_männlich/abschluss_n_Insgesamt*100,2),
         abschluss_n_weiblich_anteil = round(abschluss_n_weiblich/abschluss_n_Insgesamt*100,2)) 



############# Schulabschluss als ordered factor 


df$schulabschluss <-
factor(df$schulabschluss, 
       levels = c("Ohne Hauptschulabschluss",
                  "mit Hauptschulabschluss",
                  "mit Realschulabschluss",
                  "mit Fachhochschulreife",
                  "mit Hochschulreife",
                  "mit sonstigem Abschluss"),
       ordered=TRUE);

# 10. Plotly


# farben 
library("RColorBrewer")
brewer.pal(12, "Set3") ->farben


# 
# rbind(
#   c("blue","#5778a4"),
#   c("orange","#e49444"),
#   c("red","#d1615d"),
#   c("teal","#85b6b2"),
#   c("green","#6a9f58"),
#   c("yellow","#e7ca60"),
#   c("purple","#a87c9f"),
#   c("pink","#f1a2a9"),
#   c("brown","#967662"),
#   c("grey","#b8b0ac")
# ) %>% as.data.frame() %>% 
#   dplyr::rename(tableau10_name = V1,
#          tableau10_hex = V2) -> tableau10
# tableau10$tableau10_hex -> farben
# 
# farben


#10.1 Neu eingetretene Schüler/-innen nach schulischer Vorbildung  (2005 bis 2020)
#################################   

df %>% 
  mutate(schulabschluss = str_replace_all(schulabschluss, " ", "_") ) %>%
  pivot_wider(names_from = schulabschluss, values_from = 8:15) -> df_wide 
df_wide  <-
  df_wide  %>% 
  mutate_if(is.numeric, ~replace(., is.na(.), 0)) 


fig <-
  plot_ly(df_wide,
          y = ~abschluss_n_anteil_Insgesamt_Ohne_Hauptschulabschluss,
          x = factor(df_wide$kommune, levels = unique(df_wide$kommune)),
          marker = list(color = "#d0dadb"),
          frame = ~date,
          name  = "ohne Hauptschulabschluss",
          type = 'bar',
          text=~paste0(round(df_wide$abschluss_n_anteil_Insgesamt_Ohne_Hauptschulabschluss,0),"%"),
          textfont=list(color="black"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df_wide$kommune,"
",
                                 "Schuljahr: ",df_wide$schuljahr,"
",
                                 "Schüler/-innen: ",df_wide$abschluss_alle_gesamt,"

",
                                 "darunter mit : ","ohne Hauptschulabschluss","
",
                                 "Anzahl: ",df_wide$abschluss_n_Insgesamt_Ohne_Hauptschulabschluss," (",df_wide$abschluss_n_anteil_Insgesamt_Ohne_Hauptschulabschluss,"%)
",
                                 "- darunter weiblich: ",df_wide$abschluss_n_weiblich_Ohne_Hauptschulabschluss," (",df_wide$abschluss_n_weiblich_anteil_Ohne_Hauptschulabschluss,"%)
",
                                 "- darunter männlich: ",df_wide$abschluss_n_männlich_Ohne_Hauptschulabschluss," (",df_wide$abschluss_n_männlich_anteil_Ohne_Hauptschulabschluss,"%)
")) 



fig <-
fig %>% 
  add_bars(y = ~abschluss_n_anteil_Insgesamt_mit_Hauptschulabschluss,
           marker = list(color = "#a0bbbd"),
           frame = ~date,
           name  = "mit Hauptschulabschluss",
           text=~paste0(round(df_wide$abschluss_n_anteil_Insgesamt_mit_Hauptschulabschluss,0),"%"),
           textfont=list(color="black"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide$kommune,"
",
                                  "Schuljahr: ",df_wide$schuljahr,"
",
                                  "Schüler/-innen: ",df_wide$abschluss_alle_gesamt,"

",
                                  "darunter mit : ","mit Hauptschulabschluss","
",
                                  "Anzahl: ",df_wide$abschluss_n_Insgesamt_mit_Hauptschulabschluss," (",df_wide$abschluss_n_anteil_Insgesamt_mit_Hauptschulabschluss,"%)
",
                                  "- darunter weiblich: ",df_wide$abschluss_n_weiblich_mit_Hauptschulabschluss," (",df_wide$abschluss_n_weiblich_anteil_mit_Hauptschulabschluss,"%)
",
                                  "- darunter männlich: ",df_wide$abschluss_n_männlich_mit_Hauptschulabschluss," (",df_wide$abschluss_n_männlich_anteil_mit_Hauptschulabschluss,"%)
")) 

fig <-
  fig %>% 
  add_bars(y = ~abschluss_n_anteil_Insgesamt_mit_Realschulabschluss,
           marker = list(color = "#608d91"),
           frame = ~date,
           name  = "mit Realschulabschluss",
           text=~paste0(round(df_wide$abschluss_n_anteil_Insgesamt_mit_Realschulabschluss,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide$kommune,"
",
                                  "Schuljahr: ",df_wide$schuljahr,"
",
                                  "Schüler/-innen: ",df_wide$abschluss_alle_gesamt,"

",
                                  "darunter mit : ","mit Realschulabschluss","
",
                                  "Anzahl: ",df_wide$abschluss_n_Insgesamt_mit_Realschulabschluss," (",df_wide$abschluss_n_anteil_Insgesamt_mit_Realschulabschluss,"%)
",
                                  "- darunter weiblich: ",df_wide$abschluss_n_weiblich_mit_Realschulabschluss," (",df_wide$abschluss_n_weiblich_anteil_mit_Realschulabschluss,"%)
",
                                  "- darunter männlich: ",df_wide$abschluss_n_männlich_mit_Realschulabschluss," (",df_wide$abschluss_n_männlich_anteil_mit_Realschulabschluss,"%)
")) 

fig <-
  fig %>% 
  add_bars(y = ~abschluss_n_anteil_Insgesamt_mit_Fachhochschulreife,
           marker = list(color = "#216065"),
           frame = ~date,
           name  = "mit Fachhochschulreife",
           text= "", # ~paste0(round(df_wide$abschluss_n_anteil_Insgesamt_mit_Fachhochschulreife,0),"%"),
           textfont=list(color="whie"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide$kommune,"
",
                                  "Schuljahr: ",df_wide$schuljahr,"
",
                                  "Schüler/-innen: ",df_wide$abschluss_alle_gesamt,"

",
                                  "darunter mit : ","mit Fachhochschulreife","
",
                                  "Anzahl: ",df_wide$abschluss_n_Insgesamt_mit_Fachhochschulreife," (",df_wide$abschluss_n_anteil_Insgesamt_mit_Fachhochschulreife,"%)
",
                                  "- darunter weiblich: ",df_wide$abschluss_n_weiblich_mit_Fachhochschulreife," (",df_wide$abschluss_n_weiblich_anteil_mit_Fachhochschulreife,"%)
",
                                  "- darunter männlich: ",df_wide$abschluss_n_männlich_mit_Fachhochschulreife," (",df_wide$abschluss_n_männlich_anteil_mit_Fachhochschulreife,"%)
")) 


fig <-
  fig %>% 
  add_bars(y = ~abschluss_n_anteil_Insgesamt_mit_Hochschulreife,
           marker = list(color = "#01494f"),
           frame = ~date,
           name  = "mit Hochschulreife",
           text=~paste0(round(df_wide$abschluss_n_anteil_Insgesamt_mit_Hochschulreife,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide$kommune,"
",
                                  "Schuljahr: ",df_wide$schuljahr,"
",
                                  "Schüler/-innen: ",df_wide$abschluss_alle_gesamt,"

",
                                  "darunter mit : ","mit Hochschulreife","
",
                                  "Anzahl: ",df_wide$abschluss_n_Insgesamt_mit_Hochschulreife," (",df_wide$abschluss_n_anteil_Insgesamt_mit_Hochschulreife,"%)
",
                                  "- darunter weiblich: ",df_wide$abschluss_n_weiblich_mit_Hochschulreife," (",df_wide$abschluss_n_weiblich_anteil_mit_Hochschulreife,"%)
",
                                  "- darunter männlich: ",df_wide$abschluss_n_männlich_mit_Hochschulreife," (",df_wide$abschluss_n_männlich_anteil_mit_Hochschulreife,"%)
")) 


fig <-
  fig %>% 
  add_bars(y = ~abschluss_n_anteil_Insgesamt_mit_sonstigem_Abschluss,
           marker = list(color = "#000000"),
           frame = ~date,
           name  = "mit sonstigem Abschluss",
           text= ~paste0(round(df_wide$abschluss_n_anteil_Insgesamt_mit_sonstigem_Abschluss,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide$kommune,"
",
                                  "Schuljahr: ",df_wide$schuljahr,"
",
                                  "Schüler/-innen: ",df_wide$abschluss_alle_gesamt,"

",
                                  "darunter mit : ","mit sonstigem Abschluss","
",
                                  "Anzahl: ",df_wide$abschluss_n_Insgesamt_mit_sonstigem_Abschluss," (",df_wide$abschluss_n_anteil_Insgesamt_mit_sonstigem_Abschluss,"%)
",
                                  "- darunter weiblich: ",df_wide$abschluss_n_weiblich_mit_sonstigem_Abschluss," (",df_wide$abschluss_n_weiblich_anteil_mit_sonstigem_Abschluss,"%)
",
                                  "- darunter männlich: ",df_wide$abschluss_n_männlich_mit_sonstigem_Abschluss," (",df_wide$abschluss_n_männlich_anteil_mit_sonstigem_Abschluss,"%)
")) 





fig <-
fig %>%   
  layout(barmode = 'stack',
         title = "Neu eingetretene Schüler/-innen nach schulischer Vorbildung  (2005–2021)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 14),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil nach Abschlüssen in %",
                      ticksuffix = " %",
                      range= c(0,100)),
         legend = list(orientation = 'v',
                       traceorder = "grouped+reversed"))

fig

```
> siehe [weiterführende Informationen](#definitionen-e121)


E15.1	An beruflichen Schulen erworbene allgemeinbildende Schulabschlüsse {data-navmenu="Berufliche Bildung" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------
### Absolvent/-innen beruflicher Schulen nach Abschluss aggregiert

```{r}

tbl_regio <- read_delim("//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/04_Analysen/E_15_01_Schulabschluesse/21121-02-02-4.csv", 
                             ";",
                             escape_double = FALSE,
                             col_names = FALSE,
                             col_types = cols(X2 = col_character(),
                                              X4 = col_double(),
                                              X5 = col_double(),
                                              X6 = col_double(),
                                              X7 = col_double(),
                                              X8 = col_double(),
                                              X9 = col_double(),
                                              X10 = col_double(),
                                              X11 = col_double(),
                                              X12 = col_double(),
                                              X13 = col_double(),
                                              X14 = col_double(),
                                              X15 = col_double()),
                             locale = locale(encoding = "WINDOWS-1252"), 
                             trim_ws = TRUE, skip = 11)

tbl_regio %>% filter(row_number() <= n()-44) -> tbl_regio


names(tbl_regio) <- c('date', 'ars', 'ars_name',
                   'schuelerinnen_n_gesamt',
                   'schuelerinnen_n_gesamt_weiblich',
                   'schuelerinnen_n_mit_hauptschule',
                   'schuelerinnen_n_mit_hauptschule_weiblich',
                   'schuelerinnen_n_mit_mittleren_abschluss',
                   'schuelerinnen_n_mit_mittleren_abschluss_weiblich',
                   'schuelerinnen_n_mit_fachhochschule',
                   'schuelerinnen_n_mit_fachhochschule_weiblich',
                   'schuelerinnen_n_mit_hochschule',
                   'schuelerinnen_n_mit_hochschule_weiblich',
                   'schuelerinnen_n_mit_zusatz_fachhochschule',
                   'schuelerinnen_n_mit_zusatz_fachhochschule_weiblich')



tbl_regio <-
tbl_regio %>% 
mutate_if(is.numeric, ~replace(., is.na(.), 0)) 

#Feedback: Zusammenfassen von Fachhochschulreife und Hochschulreife zu einer Abschlussart 
tbl_regio <- tbl_regio %>%
  mutate(schuelerinnen_n_mit_fachhochschule_hochschule = schuelerinnen_n_mit_fachhochschule + schuelerinnen_n_mit_hochschule,
         schuelerinnen_n_mit_fachhochschule_hochschule_weiblich = schuelerinnen_n_mit_fachhochschule_weiblich + schuelerinnen_n_mit_hochschule_weiblich)

tbl_gesamt <- tbl_regio

#Deutschland, Sachsen, Sachsen-Anhalt und Thueringen
ags_dsnstth <- c("DG", "14", "15", "16")
#Mitteldeutsches Revier
#Stadt Leipzig, Landkreis Leipzig, Landkreis Nordsachsen, Stadt Halle (Saale), Landkreis Anhalt-Bitterfeld, Burgenlandkreis, Landkreis Mansfeld-Südharz, Landkreis  Saalekreis, Landkreis Altenburger Land
ags_mdr <- c("14713", "14729", "14730"," 15002", "15082", "15084", "15087", "15088", "16077")

# filtere den Datensatz fuer alle ars, die Deutschland oder die Bundeslaender SN, ST oder TH sind
tbl_dsnstth <- tbl_gesamt %>%
  filter(ars %in% ags_dsnstth)

# filtere den Datensatz fuer alle ars, die in der Liste der ags_mdr sind (also alle Kommunen des Mitteldeutschen Reviers)
tbl_mdr <- tbl_gesamt %>%
  filter(ars %in% ags_mdr) %>%
#summiere die Werte der Zeilen aus den mdr um den Wert für das gesamte mdr zu erhalten
  group_by(date) %>%
  dplyr::summarise(across(where(is.numeric), ~ sum(.x, na.rm = TRUE))) %>%
  add_column(ars = "mdr",
             ars_name = "Mitteldeutsches Revier")

tbl_dsnstth_mdr <- rbind(tbl_dsnstth, tbl_mdr)

tbl_dsnstth_mdr <-
tbl_dsnstth_mdr %>% 
  mutate(schuelerinnen_n_mit_hauptschule_anteil = round(schuelerinnen_n_mit_hauptschule/schuelerinnen_n_gesamt*100,2),
         schuelerinnen_n_mit_mittleren_abschluss_anteil = round(schuelerinnen_n_mit_mittleren_abschluss/schuelerinnen_n_gesamt*100,2),
         schuelerinnen_n_mit_fachhochschule_anteil = round(schuelerinnen_n_mit_fachhochschule/schuelerinnen_n_gesamt*100,2),
         schuelerinnen_n_mit_hochschule_anteil = round(schuelerinnen_n_mit_hochschule/schuelerinnen_n_gesamt*100,2),
         schuelerinnen_n_mit_zusatz_fachhochschule_anteil = round(schuelerinnen_n_mit_zusatz_fachhochschule/schuelerinnen_n_gesamt*100,2)) %>%
  mutate(schuelerinnen_n_mit_hauptschule_weiblich_anteil = round(schuelerinnen_n_mit_hauptschule_weiblich/schuelerinnen_n_mit_hauptschule*100,2),
         schuelerinnen_n_mit_mittleren_abschluss_weiblich_anteil = round(schuelerinnen_n_mit_mittleren_abschluss_weiblich/schuelerinnen_n_mit_mittleren_abschluss*100,2),
         schuelerinnen_n_mit_fachhochschule_weiblich_anteil = round(schuelerinnen_n_mit_fachhochschule_weiblich/schuelerinnen_n_mit_fachhochschule*100,2),
         schuelerinnen_n_mit_hochschule_weiblich_anteil = round(schuelerinnen_n_mit_hochschule_weiblich/schuelerinnen_n_mit_hochschule*100,2),
         schuelerinnen_n_mit_zusatz_fachhochschule_weiblich_anteil = round(schuelerinnen_n_mit_zusatz_fachhochschule_weiblich/schuelerinnen_n_mit_zusatz_fachhochschule*100,2),
         #feedback eingepflegt: fachhochschule und hochschule zusammenfassen
         schuelerinnen_n_mit_fachhochschule_hochschule_anteil = round(schuelerinnen_n_mit_fachhochschule_hochschule/schuelerinnen_n_gesamt*100,2),
         schuelerinnen_n_mit_fachhochschule_hochschule_weiblich_anteil = round(schuelerinnen_n_mit_fachhochschule_hochschule_weiblich/schuelerinnen_n_mit_fachhochschule_hochschule*100,2))

#NaN ersetzen mit 0 (da man 0 nicht durch 0 teilen kann, sind beim Ausrechnen des Anteils NaNs entstanden)
tbl_dsnstth_mdr <- tbl_dsnstth_mdr %>% 
  mutate_if(is.numeric, ~replace(., is.nan(.), 0))

df <- tbl_dsnstth_mdr

#Grafik mit D, ST, SN, TH und MDR
fig <-
  plot_ly(df,
          y = ~schuelerinnen_n_mit_hauptschule_anteil,
          marker = list(color = "#d0dadb"),
          x = factor(df$ars_name, levels = unique(df$ars_name)),
          frame = ~date,
          name  = "Hauptschulabschluss",
          type = 'bar',
          text=~paste0(round(df$schuelerinnen_n_mit_hauptschule_anteil,0),"%"),
          textfont=list(color="black"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$ars_name,"
",
                                 "Jahr: ",df$date,"
",
                                 "Schüler/-innen: ",df$schuelerinnen_n_gesamt,"

",
                                 "darunter mit : ","Hauptschulabschluss","
",
                                 "Anzahl: ",df$schuelerinnen_n_mit_hauptschule," (",df$schuelerinnen_n_mit_hauptschule_anteil,"%)
",
                                 "- darunter weiblich: ",df$schuelerinnen_n_mit_hauptschule_weiblich," (",df$schuelerinnen_n_mit_hauptschule_weiblich_anteil,"%)
"))


fig <-
fig %>% 
  add_bars(y = ~schuelerinnen_n_mit_mittleren_abschluss_anteil,
           marker = list(color = "#608d91"),
           name  = "Mittlerer Schulabschluss",
           text=~paste0(round(df$schuelerinnen_n_mit_mittleren_abschluss_anteil,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$ars_name,"
",
                                  "Jahr: ",df$date,"
",
                                  "Schüler/-innen: ",df$schuelerinnen_n_gesamt,"

",
                                  "darunter mit : ","Mittlerem Abschluss","
",
                                  "Anzahl: ",df$schuelerinnen_n_mit_mittleren_abschluss," (",df$schuelerinnen_n_mit_mittleren_abschluss_anteil,"%)
",
                                  "- darunter weiblich: ",df$schuelerinnen_n_mit_mittleren_abschluss_weiblich," (",df$schuelerinnen_n_mit_mittleren_abschluss_weiblich_anteil,"%)
"))

#feedback eingearbeitet: fachhochschule und hochschule zusammengefasst
fig <-
fig %>%
  add_bars(y = ~schuelerinnen_n_mit_fachhochschule_hochschule_anteil,
           marker = list(color = "#216065"),
           name  = "Hochschul- und Fachhochschulreife",
           text=~paste0(round(df$schuelerinnen_n_mit_fachhochschule_hochschule_anteil,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$ars_name,"
",
                                  "Jahr: ",df$date,"
",
                                  "Schüler/-innen: ",df$schuelerinnen_n_gesamt,"

",
                                  "darunter mit : ","Hochschul- und Fachhochschulreife zusammen","
",
                                  "Anzahl: ",df$schuelerinnen_n_mit_fachhochschule_hochschule," (",df$schuelerinnen_n_mit_fachhochschule_hochschule_anteil,"%)
",
                                  "- darunter weiblich: ",df$schuelerinnen_n_mit_fachhochschule_hochschule_weiblich," (",df$schuelerinnen_n_mit_fachhochschule_hochschule_weiblich_anteil,"%)

",
                                   "darunter mit : ","Hochschulreife","
",
                                  "Anzahl: ",df$schuelerinnen_n_mit_hochschule," (",df$schuelerinnen_n_mit_hochschule_anteil,"%)
",
                                  "- darunter weiblich: ",df$schuelerinnen_n_mit_hochschule_weiblich," (",df$schuelerinnen_n_mit_hochschule_weiblich_anteil,"%)

",
                                   "darunter mit : ","Fachhochschulreife","
",
                                  "Anzahl: ",df$schuelerinnen_n_mit_fachhochschule," (",df$schuelerinnen_n_mit_fachhochschule_anteil,"%)
",
                                  "- darunter weiblich: ",df$schuelerinnen_n_mit_fachhochschule_weiblich," (",df$schuelerinnen_n_mit_fachhochschule_weiblich_anteil,"%)
"))

fig <-    
fig %>%      
  layout(barmode = "stack",
         title = "Absolvent/-innen beruflicher Schulen nach Abschluss aggregiert (2006–2019)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 14),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Abschlussart in %",
                      ticksuffix = " %",
                      range= c(0,100)),
         legend = list(orientation = 'v'))

fig

```
> siehe [weiterführende Informationen](#definitionen-e151)

### Absolvent/-innen beruflicher Schulen nach Abschluss
```{r}
tbl_regio <-
tbl_regio %>% 
  mutate(schuelerinnen_n_mit_hauptschule_anteil = round(schuelerinnen_n_mit_hauptschule/schuelerinnen_n_gesamt*100,2),
         schuelerinnen_n_mit_mittleren_abschluss_anteil = round(schuelerinnen_n_mit_mittleren_abschluss/schuelerinnen_n_gesamt*100,2),
         schuelerinnen_n_mit_fachhochschule_anteil = round(schuelerinnen_n_mit_fachhochschule/schuelerinnen_n_gesamt*100,2),
         schuelerinnen_n_mit_hochschule_anteil = round(schuelerinnen_n_mit_hochschule/schuelerinnen_n_gesamt*100,2),
         schuelerinnen_n_mit_zusatz_fachhochschule_anteil = round(schuelerinnen_n_mit_zusatz_fachhochschule/schuelerinnen_n_gesamt*100,2)) %>%
  mutate(schuelerinnen_n_mit_hauptschule_weiblich_anteil = round(schuelerinnen_n_mit_hauptschule_weiblich/schuelerinnen_n_mit_hauptschule*100,2),
         schuelerinnen_n_mit_mittleren_abschluss_weiblich_anteil = round(schuelerinnen_n_mit_mittleren_abschluss_weiblich/schuelerinnen_n_mit_mittleren_abschluss*100,2),
         schuelerinnen_n_mit_fachhochschule_weiblich_anteil = round(schuelerinnen_n_mit_fachhochschule_weiblich/schuelerinnen_n_mit_fachhochschule*100,2),
         schuelerinnen_n_mit_hochschule_weiblich_anteil = round(schuelerinnen_n_mit_hochschule_weiblich/schuelerinnen_n_mit_hochschule*100,2),
         schuelerinnen_n_mit_zusatz_fachhochschule_weiblich_anteil = round(schuelerinnen_n_mit_zusatz_fachhochschule_weiblich/schuelerinnen_n_mit_zusatz_fachhochschule*100,2),
         #feedback eingepflegt: fachhochschule und hochschule zusammenfassen
         schuelerinnen_n_mit_fachhochschule_hochschule_anteil = round(schuelerinnen_n_mit_fachhochschule_hochschule/schuelerinnen_n_gesamt*100,2),
         schuelerinnen_n_mit_fachhochschule_hochschule_weiblich_anteil = round(schuelerinnen_n_mit_fachhochschule_hochschule_weiblich/schuelerinnen_n_mit_fachhochschule_hochschule*100,2))

#NaN ersetzen mit 0 (da man 0 nicht durch 0 teilen kann, sind beim Ausrechnen des Anteils NaNs entstanden)
tbl_regio <- tbl_regio %>% 
  mutate_if(is.numeric, ~replace(., is.nan(.), 0))
# Reduzieren auf bismit 
ars05_snstth <- read_delim("\\\\FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/03_Daten/03_Raum_Land_Kreise_Gemeinden/ars05_snstth.csv", 
                           ";", escape_double = FALSE, col_types = cols(ars = col_character(), 
                                                                        ars_parent = col_character(), ags = col_character(), 
                                                                        ags_parent = col_character()), locale = locale(encoding = "WINDOWS-1252"), 
                           trim_ws = TRUE)


ars05_snstth %>% 
  select(ags,ars,bismit,kommune) -> ars05_snstth

tbl_regio <-
  left_join(ars05_snstth, tbl_regio,by="ars") %>%
  filter(bismit==TRUE) %>%
  select(-bismit)



tbl_regio -> df
### plotly 
# df %>% view()
# df %>%  names()
# df %>% select(date,
#               kommune, schuelerinnen_n_mit_zusatz_fachhochschule,
#               schuelerinnen_n_mit_zusatz_fachhochschule_anteil) %>% view()

fig <-
  plot_ly(df,
          y = ~schuelerinnen_n_mit_hauptschule_anteil,
          marker = list(color = "#d0dadb"),
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~date,
          name  = "Hauptschulabschluss",
          type = 'bar',
          text=~paste0(round(df$schuelerinnen_n_mit_hauptschule_anteil,0),"%"),
          textfont=list(color="black"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Schüler/-innen: ",df$schuelerinnen_n_gesamt,"

",
                                 "darunter mit : ","Hauptschulabschluss","
",
                                 "Anzahl: ",df$schuelerinnen_n_mit_hauptschule," (",df$schuelerinnen_n_mit_hauptschule_anteil,"%)
",
                                 "- darunter weiblich: ",df$schuelerinnen_n_mit_hauptschule_weiblich," (",df$schuelerinnen_n_mit_hauptschule_weiblich_anteil,"%)
"))


fig <-
fig %>% 
  add_bars(y = ~schuelerinnen_n_mit_mittleren_abschluss_anteil,
           marker = list(color = "#608d91"),
           name  = "Mittlerer Schulabschluss",
           text=~paste0(round(df$schuelerinnen_n_mit_mittleren_abschluss_anteil,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                  "Jahr: ",df$date,"
",
                                  "Schüler/-innen: ",df$schuelerinnen_n_gesamt,"

",
                                  "darunter mit : ","Mittlerem Abschluss","
",
                                  "Anzahl: ",df$schuelerinnen_n_mit_mittleren_abschluss," (",df$schuelerinnen_n_mit_mittleren_abschluss_anteil,"%)
",
                                  "- darunter weiblich: ",df$schuelerinnen_n_mit_mittleren_abschluss_weiblich," (",df$schuelerinnen_n_mit_mittleren_abschluss_weiblich_anteil,"%)
"))

#feedback eingearbeitet: fachhochschule und hochschule zusammengefasst
fig <-
fig %>%
  add_bars(y = ~schuelerinnen_n_mit_fachhochschule_hochschule_anteil,
           marker = list(color = "#216065"),
           name  = "Hochschul- und Fachhochschulreife",
           text=~paste0(round(df$schuelerinnen_n_mit_fachhochschule_hochschule_anteil,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                  "Jahr: ",df$date,"
",
                                  "Schüler/-innen: ",df$schuelerinnen_n_gesamt,"

",
                                  "darunter mit : ","Hochschul- und Fachhochschulreife zusammen","
",
                                  "Anzahl: ",df$schuelerinnen_n_mit_fachhochschule_hochschule," (",df$schuelerinnen_n_mit_fachhochschule_hochschule_anteil,"%)
",
                                  "- darunter weiblich: ",df$schuelerinnen_n_mit_fachhochschule_hochschule_weiblich," (",df$schuelerinnen_n_mit_fachhochschule_hochschule_weiblich_anteil,"%)

",
                                   "darunter mit : ","Hochschulreife","
",
                                  "Anzahl: ",df$schuelerinnen_n_mit_hochschule," (",df$schuelerinnen_n_mit_hochschule_anteil,"%)
",
                                  "- darunter weiblich: ",df$schuelerinnen_n_mit_hochschule_weiblich," (",df$schuelerinnen_n_mit_hochschule_weiblich_anteil,"%)

",
                                   "darunter mit : ","Fachhochschulreife","
",
                                  "Anzahl: ",df$schuelerinnen_n_mit_fachhochschule," (",df$schuelerinnen_n_mit_fachhochschule_anteil,"%)
",
                                  "- darunter weiblich: ",df$schuelerinnen_n_mit_fachhochschule_weiblich," (",df$schuelerinnen_n_mit_fachhochschule_weiblich_anteil,"%)
"))

# 

# fig <-
# fig %>%
#   add_bars(y = ~schuelerinnen_n_mit_fachhochschule_anteil,
#            marker = list(color = "#216065"),
#            name  = "Fachhochschulreife",
#            text=~paste0(round(df$schuelerinnen_n_mit_fachhochschule_anteil,0),"%"),
#            textfont=list(color="white"),
#            textposition = 'auto',
#            hovermode = "closest",
#            hovertemplate = paste0("",df$kommune,"
",
#                                   "Jahr: ",df$date,"
",
#                                   "Schüler/-innen: ",df$schuelerinnen_n_gesamt,"

",
#                                   "darunter mit : ","Fachhochschulreife","
",
#                                   "Anzahl: ",df$schuelerinnen_n_mit_fachhochschule," (",df$schuelerinnen_n_mit_fachhochschule_anteil,"%)
",
#                                ioö-    "- darunter weiblich: ",df$schuelerinnen_n_mit_fachhochschule_weiblich," (",df$schuelerinnen_n_mit_fachhochschule_weiblich_anteil,"%)
"))
# 
# 
# fig <-
#   fig %>%
#   add_bars(y = ~schuelerinnen_n_mit_hochschule_anteil,
#            marker = list(color = "#01494f"),
#            name  = "Hochschulreife",
#            text=~paste0(round(df$schuelerinnen_n_mit_hochschule_anteil,0),"%"),
#            textfont=list(color="white"),
#            textposition = 'auto',
#            hovermode = "closest",
#            hovertemplate = paste0("",df$kommune,"
",
#                                   "Jahr: ",df$date,"
",
#                                   "Schüler/-innen: ",df$schuelerinnen_n_gesamt,"

",
#                                   "darunter mit : ","Hochschulreife","
",
#                                   "Anzahl: ",df$schuelerinnen_n_mit_hochschule," (",df$schuelerinnen_n_mit_hochschule_anteil,"%)
",
#                                   "- darunter weiblich: ",df$schuelerinnen_n_mit_hochschule_weiblich," (",df$schuelerinnen_n_mit_hochschule_weiblich_anteil,"%)
"))

# fig <-
#   fig %>%
#   add_bars(y = ~schuelerinnen_n_mit_zusatz_fachhochschule_anteil,
#            name  = "Fachhochschulreife (zusätzlich)",
#            text=~paste0(round(df$schuelerinnen_n_mit_zusatz_fachhochschule_anteil,0),"%"),
#            textfont=list(color="white"),
#            textposition = 'auto',
#            hovermode = "closest",
#            hovertemplate = paste0("",df$kommune,"
",
#                                   "Jahr: ",df$date,"
",
#                                   "Schüler/-innen: ",df$schuelerinnen_n_gesamt,"

",
#                                   "darunter mit : ","Fachhochschulreife (zusätzlich)","
",
#                                   "Anzahl: ",df$schuelerinnen_n_mit_zusatz_fachhochschule," (",df$schuelerinnen_n_mit_zusatz_fachhochschule_anteil,"%)
",
#                                   "- darunter weiblich: ",df$schuelerinnen_n_mit_zusatz_fachhochschule_weiblich," (",df$schuelerinnen_n_mit_zusatz_fachhochschule_weiblich_anteil,"%)
"))

    
fig <-    
fig %>%      
  layout(barmode = 'stack',
         title = "Absolvent/-innen beruflicher Schulen nach Abschluss (2006–2019)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 14),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Abschlussart in %",
                      ticksuffix = " %",
                      range= c(0,100)),
         legend = list(orientation = 'v'))

fig

```
> siehe [weiterführende Informationen](#definitionen-e151)




B8.2 Bevölkerung nach dem höchsten beruflichen Bildungsabschluss {data-navmenu="Ausbildungsmarkt" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------

### Bevölkerung nach höchsten beruflichen Bildungsabschluss

```{r Anteil an Bevoelkerung}
df <- read_delim(file = "//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/04_Analysen/B_08_02 Bevölkerung nach dem höchsten beruflichen Bildungsabschluss/E8_02_tidy.csv",
                            ";", 
                            locale = locale(encoding = "WINDOWS-1252"))

# print(unique(df$kommune))

ars05_snstth <- read_delim("\\\\FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/03_Daten/03_Raum_Land_Kreise_Gemeinden/ars05_snstth.csv", 
                           ";", escape_double = FALSE, col_types = cols(ars = col_character(), 
                                                                        ars_parent = col_character(), ags = col_character(), 
                                                                        ags_parent = col_character()), locale = locale(encoding = "WINDOWS-1252"), 
                           trim_ws = TRUE)


ars05_snstth %>% 
  select(ags, kommune) -> ars05_snstth

df <- left_join(df, ars05_snstth)

df <- df %>% 
  group_by(kommune, jahr, ags) %>% 
  dplyr::summarise(across(c(bb_gesamt, bb_lehr_berufsausbildung, bb_fachschulabschluss, bb_fachschulabschluss_ddr, bb_akademischer_abschluss, gesamt), sum)) %>%
  # Anteil der beruflichen Bildungsabschlüsse an allen beruflichen Bildungsabschlüssen
  mutate(bb_lehr_berufsausbildung_p = round(bb_lehr_berufsausbildung / bb_gesamt * 100, 2),
         bb_fachschulabschluss_p = round(bb_fachschulabschluss / bb_gesamt * 100, 2),
         bb_fachschulabschluss_ddr_p = round(bb_fachschulabschluss_ddr / bb_gesamt * 100, 2),
         bb_akademischer_abschluss_p = round(bb_akademischer_abschluss / bb_gesamt * 100, 2)) %>%
  # Anteil der beruflichen Bildungsabschlüsse an der Bevölkerung
  mutate(bb_lehr_berufsausbildung_alle_p = round(bb_lehr_berufsausbildung / gesamt * 100, 2),
         bb_fachschulabschluss_alle_p = round(bb_fachschulabschluss / gesamt * 100, 2),
         bb_fachschulabschluss_ddr_alle_p = round(bb_fachschulabschluss_ddr / gesamt * 100, 2),
         bb_akademischer_abschluss_alle_p = round(bb_akademischer_abschluss / gesamt * 100, 2),
         bb_ohne = gesamt - bb_gesamt,
         bb_ohne_p = round(bb_ohne / gesamt * 100,2 )
         ) %>%
  mutate_if(is.numeric, ~replace(., is.na(.), 0)) %>%
  arrange(ags)

#Veränderung seit 2016
x_2016 <- df %>%
  filter(jahr == 2016) %>%
  select(kommune, bb_gesamt, bb_lehr_berufsausbildung, bb_fachschulabschluss, bb_fachschulabschluss_ddr, bb_akademischer_abschluss, gesamt ) %>%
  dplyr::rename(bb_gesamt_2016 = bb_gesamt,
         bb_lehr_berufsausbildung_2016 = bb_lehr_berufsausbildung,
         bb_fachschulabschluss_2016 = bb_fachschulabschluss,
         bb_fachschulabschluss_ddr_2016 = bb_fachschulabschluss_ddr,
         bb_akademischer_abschluss_2016 = bb_akademischer_abschluss,
         gesamt_2016 = gesamt
         ) %>%
  mutate_if(is.numeric, ~replace(., is.na(.), 0))

df<- df %>%
  left_join(., x_2016, by = c("kommune" = "kommune"))

df <- df %>%
  mutate(bb_gesamt_change_2016_n = bb_gesamt - bb_gesamt_2016,
         # bb_gesamt_change_2016_p = round((bb_gesamt - bb_gesamt_2016) / bb_gesamt * 100,2),
         bb_gesamt_change_2016_p = round((bb_gesamt - bb_gesamt_2016) / bb_gesamt_2016 * 100,2),

         
         bb_lehr_berufsausbildung_change_2016_n = bb_lehr_berufsausbildung - bb_lehr_berufsausbildung_2016,
         # bb_lehr_berufsausbildung_change_2016_p = round((bb_lehr_berufsausbildung - bb_lehr_berufsausbildung_2016) / bb_lehr_berufsausbildung * 100,2),
         bb_lehr_berufsausbildung_change_2016_p = round((bb_lehr_berufsausbildung - bb_lehr_berufsausbildung_2016) / bb_lehr_berufsausbildung_2016 * 100,2),
         
         bb_fachschulabschluss_change_2016_n = bb_fachschulabschluss - bb_fachschulabschluss_2016,
         # bb_fachschulabschluss_change_2016_p = round((bb_fachschulabschluss - bb_fachschulabschluss_2016) / bb_fachschulabschluss * 100,2),
         bb_fachschulabschluss_change_2016_p = round((bb_fachschulabschluss - bb_fachschulabschluss_2016) / bb_fachschulabschluss_2016 * 100,2),
         
         bb_fachschulabschluss_ddr_change_2016_n = bb_fachschulabschluss_ddr - bb_fachschulabschluss_ddr_2016,
         # bb_fachschulabschluss_ddr_change_2016_p = round((bb_fachschulabschluss_ddr - bb_fachschulabschluss_ddr_2016) / bb_fachschulabschluss_ddr * 100,2),
         bb_fachschulabschluss_ddr_change_2016_p = round((bb_fachschulabschluss_ddr - bb_fachschulabschluss_ddr_2016) / bb_fachschulabschluss_ddr_2016 * 100,2),
         
         bb_akademischer_abschluss_change_2016_n = bb_akademischer_abschluss - bb_akademischer_abschluss_2016,
         # bb_akademischer_abschluss_change_2016_p = round((bb_akademischer_abschluss - bb_akademischer_abschluss_2016) / bb_akademischer_abschluss * 100,2),
         bb_akademischer_abschluss_change_2016_p = round((bb_akademischer_abschluss - bb_akademischer_abschluss_2016) / bb_akademischer_abschluss_2016 * 100,2),
         
         gesamt_change_2016_n = gesamt - gesamt_2016,
         # gesamt_change_2016_p = round((gesamt - gesamt_2016) / gesamt * 100,2)
         gesamt_change_2016_p = round((gesamt - gesamt_2016) / gesamt_2016 * 100,2)
         ) %>%
  mutate_all(~replace(., is.nan(.), 0)) %>%
  select(-jahr.y) %>%
  dplyr::rename(jahr = jahr.x)

farben <- c("#e7ca60",
            "#b8b0ac",
            "#85b6b2",
            "#e49444",
            "#a87c9f",
            "#6a9f58",
            "#f1a2a9",
            "#d1615d",
            "#5778a4")

fig <-
  plot_ly(df,
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~jahr,
          type = 'bar',
          y = ~bb_lehr_berufsausbildung_alle_p,
          marker = list(color = "#d0dadb"),
          name  = "Lehre/Berufsausbildung",
          # text= "",
          text=~paste0(round(df$bb_lehr_berufsausbildung_alle_p,0),"%"),
          textfont=list(color="black"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Bevölkerung: ", df$gesamt, "
",
                                 "Anzahl der Personen mit Lehre/Berufsausbildung: ", df$bb_lehr_berufsausbildung, " (", df$bb_lehr_berufsausbildung_alle_p, "%)"
                                )
          )

fig <-
  fig %>% 
  add_bars(y = ~bb_fachschulabschluss_alle_p,
           marker = list(color = "#A0BBBD "),
           name  = "Fachschulabschluss",
           # text= "",
           text=~paste0(round(df$bb_fachschulabschluss_alle_p,0),"%"),
           textfont=list(color="black"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Bevölkerung: ", df$gesamt, "
",
                                 "Anzahl der Personen mit Fachschulabschluss: ", df$bb_fachschulabschluss, " (", df$bb_fachschulabschluss_alle_p, "%)"

                                )
           )

fig <-
  fig %>% 
  add_bars(y = ~bb_fachschulabschluss_ddr_alle_p,
          marker = list(color = "#608D91"),
          name  = "Fachschulabschluss DDR",
          # text = "",
          text=~paste0(round(df$bb_fachschulabschluss_ddr_alle_p, 0), "%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Bevölkerung: ", df$gesamt, "
",
                                 "Anzahl der Personen mit DDR Fachschulabschluss: ", df$bb_fachschulabschluss_ddr, " (", df$bb_fachschulabschluss_ddr_alle_p, "%)"

                                )
         )

fig <-
  fig %>% 
  add_bars(y = ~bb_akademischer_abschluss_alle_p,
           marker = list(color = "#01494F"),
           name  = "Akademischer Abschluss",
           # text= "",
           text=~paste0(round(df$bb_akademischer_abschluss_alle_p,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Bevölkerung: ", df$gesamt, "
",
                                 "Anzahl der Personen mit akademischem Abschluss: ", df$bb_akademischer_abschluss, " (", df$bb_akademischer_abschluss_alle_p, "%)"

                                )
          )

fig <-
  fig %>% 
  add_bars(y = ~bb_ohne_p,
           marker = list(color = "#002326"),
           name  = "ohne beruflicher Bildungsabschluss",
           # text= "",
           text=~paste0(round(df$bb_ohne_p,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Bevölkerung: ", df$gesamt, "
",
                                 "Anzahl der Personen ohne beruflichen Abschluss: ", df$bb_ohne, " (", df$bb_ohne_p, "%)"

                                )
          )

fig <-    
  fig %>%      
  layout(
         barmode = 'stack',
         title = "Bevölkerung nach dem höchsten beruflichen Bildungsabschluss (2016–2019)",
         titlefont = list(size = 18),
         font = list(family = "calibri", size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil in %",
                      ticksuffix = "%",
                      range= c(0,100)),
         legend = list(orientation = 'v'),
         bargap = 0.3)

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-b82)

### Anteil der höchsten beruflichen Bildungsabschlüsse an allen beruflichen Bildungsabschlüssen

```{r Anteil Bildungsabschluss}
fig <-
  plot_ly(df,
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~jahr,
          type = 'bar',
          y = ~bb_lehr_berufsausbildung_p,
          marker = list(color = "#d0dadb"),
          name  = "Lehre/Berufsausbildung",
          # text= "",
          text=~paste0(round(df$bb_lehr_berufsausbildung_p,0),"%"),
          textfont=list(color="black"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Personen mit beruflichen Bildungsabschluss: ", df$bb_gesamt, "
",
                                 "Anzahl der Personen mit Lehre/Berufsausbildung: ", df$bb_lehr_berufsausbildung, " (", df$bb_lehr_berufsausbildung_p, "%)"
                                )
          )

fig <-
  fig %>% 
  add_bars(y = ~bb_fachschulabschluss_p,
           marker = list(color = "#A0BBBD "),
           name  = "Fachschulabschluss",
           # text= "",
           text=~paste0(round(df$bb_fachschulabschluss_p,0),"%"),
           textfont=list(color="black"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Personen mit beruflichen Bildungsabschluss: ", df$bb_gesamt, "
",
                                 "Anzahl der Personen mit Fachschulabschluss: ", df$bb_fachschulabschluss, " (", df$bb_fachschulabschluss_p, "%)"

                                )
           )

fig <-
  fig %>% 
  add_bars(y = ~bb_fachschulabschluss_ddr_p,
          marker = list(color = "#608D91"),
          name  = "Fachschulabschluss DDR",
          # text = "",
          text=~paste0(round(df$bb_fachschulabschluss_ddr_p, 0), "%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Personen mit beruflichen Bildungsabschluss: ", df$bb_gesamt, "
",
                                 "Anzahl der Personen mit DDR Fachschulabschluss: ", df$bb_fachschulabschluss_ddr, " (", df$bb_fachschulabschluss_ddr_p, "%)"

                                )
         )

fig <-
  fig %>% 
  add_bars(y = ~bb_akademischer_abschluss_p,
           marker = list(color = "#01494F"),
           name  = "Akademischer Abschluss",
           # text= "",
           text=~paste0(round(df$bb_akademischer_abschluss_p,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Personen mit beruflichen Bildungsabschluss: ", df$bb_gesamt, "
",
                                 "Anzahl der Personen mit akademischem Abschluss: ", df$bb_akademischer_abschluss, " (", df$bb_akademischer_abschluss_p, "%)"

                                )
          )

fig <-    
  fig %>%      
  layout(
         barmode = 'stack',
         title = "Anteil der höchsten beruflichen Bildungsabschlüsse an allen beruflichen Bildungsabschlüssen (2016–2019)",
         titlefont = list(size = 18),
         font = list(family = "calibri", size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil in %",
                      ticksuffix = "%",
                      range= c(0,100)),
         legend = list(orientation = 'v'),
         bargap = 0.3)

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-b82)


### Veränderung der Anzahl von Personen mit Lehre/Berufsausbildung

```{r Lehre/Berufsausbildung}
fig <-
plot_ly(df,
        y=~bb_lehr_berufsausbildung_change_2016_p,
        x = ~jahr,
        color = ~kommune,
        name = ~kommune,
        colors = ~farben,
        type = 'scatter',
        mode = 'lines+markers',
        hovermode = "closest",
        hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Personen mit Lehre/Berufsausbildung: ", df$bb_lehr_berufsausbildung, "
",
                                 "Veränderung der Anzahl von Personen mit Lehre/Berufsausbildung seit 2016: ", df$bb_lehr_berufsausbildung_change_2016_n, " (", df$bb_lehr_berufsausbildung_change_2016_p,"%)", "

")
        )
 
fig <-
  fig %>% 
  layout(title = "Veränderung der Anzahl von Personen mit Lehre/Berufsausbildung seit 2016 (2016–2019)",
         titlefont = list(size = 16),
         font = list(family = "calibri",size = 16),
         separators = ',',
         yaxis = list(title = "Veränderung in %",
                      ticksuffix = "%"),
         xaxis = list(title = list(text = "", standoff = 3),
                      zeroline = FALSE),
         legend = list(orientation = 'h'))

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-b82)

### Veränderung der Anzahl von Personen mit Akademischen Abschluss

```{r akad Abschluss}
fig <-
plot_ly(df,
        y=~bb_akademischer_abschluss_change_2016_p,
        x = ~jahr,
        color = ~kommune,
        name = ~kommune,
        colors = ~farben,
        type = 'scatter',
        mode = 'lines+markers',
        hovermode = "closest",
        hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Personen mit Akademischen Abschluss: ", df$bb_akademischer_abschluss, "
",
                                 "Veränderung der Anzahl von Personen mit Akademischen Abschluss seit 2016: ", df$bb_akademischer_abschluss_change_2016_n, " (", df$bb_akademischer_abschluss_change_2016_p,"%)", "

")
        )
 
fig <-
  fig %>% 
  layout(title = "Veränderung der Anzahl von Personen mit Akademischen Abschluss seit 2016 (2016–2019)",
         titlefont = list(size = 16),
         font = list(family = "calibri",size = 16),
         separators = ',',
         yaxis = list(title = "Veränderung in %",
                      ticksuffix = "%"),
         xaxis = list(title = list(text = "", standoff = 3),
                      zeroline = FALSE),
         legend = list(orientation = 'h'))

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-b82)




E6.3 Ausbildungsbetriebsquote {data-navmenu="Ausbildungsmarkt" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------
### Ausbildungsbetriebsquote nach Wirtschaftszweigen

```{r}
df <- read_delim(file = "//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/04_Analysen/E_06_03 Ausbildungsbetriebsquote/E6_3_tidy.csv",
                            ";", 
                            locale = locale(encoding = "WINDOWS-1252"))

df <- df %>%
  filter(!date == 2010)


df <- df %>%
  mutate(ausbildungsbetriebsquote = round(darunter_mind_1_azubi / mind_1_svb*100, 2)) %>%
  mutate_if(is.numeric, ~replace(., is.na(.), 0))

df <- df %>%
  dplyr::rename(wz = zusammenfassung_2) %>%
  pivot_wider(names_from = wz, 
              values_from = c("mind_1_svb",
                              "darunter_mind_1_azubi",
                              "ausbildungsbetriebsquote")) %>%
  dplyr::rename(kommune_alt = kommune)

df <- dplyr::rename_with(df, ~tolower(trimws(names(df), which = c("both"))))
df <- dplyr::rename_with(df, ~ tolower(gsub(" ", "_", .x, fixed = TRUE)))
df <- dplyr::rename_with(df, ~ tolower(gsub("-", "", .x, fixed = TRUE)))
df <- dplyr::rename_with(df, ~ tolower(gsub(",", "", .x, fixed = TRUE)))

ars05_snstth <- read_delim("\\\\FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/03_Daten/03_Raum_Land_Kreise_Gemeinden/ars05_snstth.csv", 
                           ";", escape_double = FALSE, col_types = cols(ars = col_character(), 
                                                                        ars_parent = col_character(), ags = col_character(), 
                                                                        ags_parent = col_character()), locale = locale(encoding = "WINDOWS-1252"), 
                           trim_ws = TRUE)

ars05_snstth <- ars05_snstth %>%
  select(ags, kommune, ars_name)

df <- left_join(df, ars05_snstth, by = c("kommune_alt" = "ars_name"))

df <- df %>%
  arrange(ags)

fig <-
  plot_ly(df,
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~date,
          type = 'bar',
          y = ~ausbildungsbetriebsquote_land_und_forstwirtschaft_fischerei,
          marker = list(color = "#B3E2CD"),
          name  = "(A) Land- und Forstwirtschaft, Fischerei",
          text= "",
          # text=~paste0(round(df$ausbildungsbetriebsquote_land_und_forstwirtschaft_fischerei,0),"%"),
          # textfont=list(color="white"),
          # textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Ausbildungsbetriebsquote: ",df$ausbildungsbetriebsquote_land_und_forstwirtschaft_fischerei,"%

",
                                 "im Bereich: ","Land- und Forstwirtschaft, Fischerei","
",
                                 "Betriebe mit mind. einem SvB: ",df$mind_1_svb_land_und_forstwirtschaft_fischerei,"
",
                                 "darunter Betriebe mit mind. einem Auszubildenden: ", df$darunter_mind_1_azubi_land_und_forstwirtschaft_fischerei))

fig <-
  fig %>% 
  add_bars(y = ~ausbildungsbetriebsquote_produzierendes_gewerbe,
           marker = list(color = "#FDCDAC "),
           name  = "(B-E) Produzierendes Gewerbe",
           text= "",
           # text=~paste0(round(df$ausbildungsbetriebsquote_produzierendes_gewerbe,0),"%"),
           # textfont=list(color="white"),
           # textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Ausbildungsbetriebsquote: ",df$ausbildungsbetriebsquote_produzierendes_gewerbe,"%

",
                                 "im Bereich: ","Produzierendes Gewerbe","
",
                                 "Betriebe mit mind. einem SvB: ",df$mind_1_svb_produzierendes_gewerbe,"
",
                                 "darunter Betriebe mit mind. einem Auszubildenden: ", df$darunter_mind_1_azubi_produzierendes_gewerbe))

fig <-
  fig %>% 
  add_bars(y = ~ausbildungsbetriebsquote_baugewerbe,
          marker = list(color = "#CBD5E8"),
          name  = "(F) Baugewerbe",
          text = "",
          # text=~paste0(round(df$ausbildungsbetriebsquote_baugewerbe,0),"%"),
          # textfont=list(color="white"),
          # textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Ausbildungsbetriebsquote: ",df$ausbildungsbetriebsquote_baugewerbe,"% 

",
                                 "im Bereich: ","Baugewerbe","
",
                                 "Betriebe mit mind. einem SvB: ",df$mind_1_svb_baugewerbe,"
",
                                 "darunter Betriebe mit mind. einem Auszubildenden: ", df$darunter_mind_1_azubi_baugewerbe))

fig <-
  fig %>% 
  add_bars(y = ~ausbildungsbetriebsquote_handel_und_kommunikation,
           marker = list(color = "#F4CAE4"),
           name  = "(G-J) Handel und Kommunikation",
           text= "",
           # text=~paste0(round(df$ausbildungsbetriebsquote_handel_und_kommunikation,0),"%"),
           # textfont=list(color="white"),
           # textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Ausbildungsbetriebsquote: ",df$ausbildungsbetriebsquote_handel_und_kommunikation,"%

",
                                 "im Bereich: ","Handel und Kommunikation","
",
                                 "Betriebe mit mind. einem SvB: ",df$mind_1_svb_handel_und_kommunikation,"
",
                                 "darunter Betriebe mit mind. einem Auszubildenden: ", df$darunter_mind_1_azubi_handel_und_kommunikation))

fig <-
fig %>% 
  add_bars(y = ~ausbildungsbetriebsquote_finanz_und_sonstige_dienstleistungen,
           marker = list(color = "#E6F5C9"),
           name  = "(K-N) Finanz- und sonstige Dienstleistungen",
           text = "",
           # text=~paste0(round(df$ausbildungsbetriebsquote_finanz_und_sonstige_dienstleistungen,0),"%"),
           # textfont=list(color="white"),
           # textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Ausbildungsbetriebsquote: ",df$ausbildungsbetriebsquote_finanz_und_sonstige_dienstleistungen,"%

",
                                 "im Bereich: ","Finanz- und sonstige Dienstleistungen","
",
                                 "Betriebe mit mind. einem SvB: ",df$mind_1_svb_finanz_und_sonstige_dienstleistungen,"
",
                                 "darunter Betriebe mit mind. einem Auszubildenden: ", df$darunter_mind_1_azubi_finanz_und_sonstige_dienstleistungen))


fig <-
  fig %>% 
  add_bars(y = ~ausbildungsbetriebsquote_öffentliche_dienstleistungen,
           marker = list(color = "#FFF2AE"),
           name  = "(O-U) Öffentliche Dienstleistungen",
           text= "",
           # text=~paste0(round(df$ausbildungsbetriebsquote_öffentliche_dienstleistungen,0),"%"),
           # textfont=list(color="white"),
           # textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Ausbildungsbetriebsquote: ",df$ausbildungsbetriebsquote_öffentliche_dienstleistungen,"%

",
                                 "im Bereich: ","Öffentliche Dienstleistungen","
",
                                 "Betriebe mit mind. einem SvB: ",df$mind_1_svb_öffentliche_dienstleistungen,"
",
                                 "darunter Betriebe mit mind. einem Auszubildenden: ", df$darunter_mind_1_azubi_öffentliche_dienstleistungen))

fig <-    
  fig %>%      
  layout(
         title = "Ausbildungsbetriebsquote nach Wirtschaftszweigen (2011–2021)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Ausbildungsbetriebsquote in %",
                      ticksuffix = " %",
                      range= c(0,40)),
         legend = list(orientation = 'v'),
         bargap = 0.3)

fig


```
> siehe [Geheimhaltung](#geheimhaltung) 

> siehe [weiterführende Informationen](#definitionen-e63-und-e75)

### Anzahl der Ausbildungsbetriebe in ausgewählten Wirtschaftszweigen

```{r}
fig <-
  plot_ly(df, 
           y = ~darunter_mind_1_azubi_produzierendes_gewerbe,
           x = factor(df$kommune, levels = unique(df$kommune)),
           frame = ~date,
           type = 'bar',
           marker = list(color = "#FDCDAC "),
           name  = "(B-E) Produzierendes Gewerbe",
           # text= "",
           text=~df$darunter_mind_1_azubi_produzierendes_gewerbe,
           textfont=list(color="grey"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Ausbildungsbetriebsquote: ",df$ausbildungsbetriebsquote_produzierendes_gewerbe,"%

",
                                 "im Bereich : ","Produzierendes Gewerbe","
",
                                 "mind. ein SvB ",df$mind_1_svb_produzierendes_gewerbe,"
",
                                 "darunter mind. ein/-e Auszubildende/-r: ", df$darunter_mind_1_azubi_produzierendes_gewerbe))


fig <-
  fig %>% 
  add_bars(y = ~darunter_mind_1_azubi_baugewerbe,
          marker = list(color = "#CBD5E8"),
          name  = "(F) Baugewerbe",
          # text = "",
          text=~df$darunter_mind_1_azubi_baugewerbe,
          textfont=list(color="grey"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Ausbildungsbetriebsquote: ",df$ausbildungsbetriebsquote_baugewerbe,"%

",
                                 "im Bereich : ","Baugewerbe","
",
                                 "mind. ein SvB ",df$mind_1_svb_baugewerbe,"
",
                                 "darunter mind. ein/-e Auszubildende/-r: ", df$darunter_mind_1_azubi_baugewerbe))
fig <-
  fig %>% 
  add_bars(y = ~darunter_mind_1_azubi_handel_und_kommunikation,
           marker = list(color = "#F4CAE4"),
           name  = "(G-J) Handel und Kommunikation",
           # text= "",
           text=~df$darunter_mind_1_azubi_handel_und_kommunikation,
           textfont=list(color="grey"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Ausbildungsbetriebsquote: ",df$ausbildungsbetriebsquote_handel_und_kommunikation,"%

",
                                 "im Bereich : ","Handel und Kommunikation","
",
                                 "mind. ein SvB ",df$mind_1_svb_handel_und_kommunikation,"
",
                                 "darunter mind. ein/-e Auszubildende/-r: ", df$darunter_mind_1_azubi_handel_und_kommunikation))

fig <-    
  fig %>%      
  layout(
         title = "Anzahl der Ausbildungsbetriebe (2011–2021)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anzahl",
                      range= c(0,750)),
         legend = list(orientation = 'v'),
         bargap = 0.3)

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e63-und-e75)

E7.5 Ausbildungsquote {data-navmenu="Ausbildungsmarkt" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------

### Ausbildungsquote nach Wirtschaftszweigen

```{r}
df <- read_delim(file = "//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/04_Analysen/E_07_05 Ausbildungsquote/E7_5_tidy.csv",
                            ";", 
                            locale = locale(encoding = "WINDOWS-1252"))

df <- df %>%
  filter(!date == 2010)

df <- df %>%
  mutate(ausbildungsquote = round(darunter_azubi / svb*100, 2)) %>%
  mutate_if(is.numeric, ~replace(., is.na(.), 0))

df <- df %>%
  dplyr::rename(wz = zusammenfassung_2) %>%
  pivot_wider(names_from = wz, 
              values_from = c("svb",
                              "darunter_azubi",
                              "ausbildungsquote")) %>%
  dplyr::rename(kommune_alt = kommune)

df <- dplyr::rename_with(df, ~tolower(trimws(names(df), which = c("both"))))
df <- dplyr::rename_with(df, ~ tolower(gsub(" ", "_", .x, fixed = TRUE)))
df <- dplyr::rename_with(df, ~ tolower(gsub("-", "", .x, fixed = TRUE)))
df <- dplyr::rename_with(df, ~ tolower(gsub(",", "", .x, fixed = TRUE)))

ars05_snstth <- read_delim("\\\\FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/03_Daten/03_Raum_Land_Kreise_Gemeinden/ars05_snstth.csv", 
                           ";", escape_double = FALSE, col_types = cols(ars = col_character(), 
                                                                        ars_parent = col_character(), ags = col_character(), 
                                                                        ags_parent = col_character()), locale = locale(encoding = "WINDOWS-1252"), 
                           trim_ws = TRUE)

ars05_snstth <- ars05_snstth %>%
  select(ags, kommune, ars_name)

df <- left_join(df, ars05_snstth, by = c("kommune_alt" = "ars_name"))

df <- df %>%
  arrange(ags)

# Berechnungen fuer das gestapelte Balkendiagramm
df <- df %>%
  mutate(land_forstwirtschaft_fischerei_azubi_p = round(darunter_azubi_land_und_forstwirtschaft_fischerei / darunter_azubi_insgesamt*100, 2),
    produzierendes_gewerbe_azubi_p = round(darunter_azubi_produzierendes_gewerbe / darunter_azubi_insgesamt*100, 2),
    baugewerbe_azubi_p = round(darunter_azubi_baugewerbe / darunter_azubi_insgesamt*100, 2),
    handel_kommunikation_azubi_p = round(darunter_azubi_handel_und_kommunikation / darunter_azubi_insgesamt*100, 2),
    finanz_sonstige_azubi_p = round(darunter_azubi_finanz_und_sonstige_dienstleistungen / darunter_azubi_insgesamt*100, 2),
    öd_azubi_p = round(darunter_azubi_öffentliche_dienstleistungen / darunter_azubi_insgesamt*100, 2)
         )

#Vorbereitung für die Grafiken zur Veränderung seit 2011
x_2011 <- df %>%
  filter(date == 2011) %>%
  select(kommune, darunter_azubi_baugewerbe, darunter_azubi_produzierendes_gewerbe, darunter_azubi_handel_und_kommunikation) %>%
  dplyr::rename(azubi_baugewerbe_2011 = darunter_azubi_baugewerbe,
         azubi_produzierendes_gewerbe_2011 = darunter_azubi_produzierendes_gewerbe,
         azubi_handel_kommunikation_2011 = darunter_azubi_handel_und_kommunikation)

df <- df %>%
  left_join(., x_2011)

df <- df %>%
  mutate(azubi_baugewerbe_change_2011_n = darunter_azubi_baugewerbe - azubi_baugewerbe_2011,
         # azubi_baugewerbe_change_2011_p = round((darunter_azubi_baugewerbe - azubi_baugewerbe_2011)/darunter_azubi_baugewerbe * 100, 2),
         azubi_baugewerbe_change_2011_p = round((darunter_azubi_baugewerbe - azubi_baugewerbe_2011)/azubi_baugewerbe_2011 * 100, 2),
         
         azubi_produzierendes_gewerbe_change_2011_n = darunter_azubi_produzierendes_gewerbe - azubi_produzierendes_gewerbe_2011,
         # azubi_produzierendes_gewerbe_change_2011_p = round((darunter_azubi_produzierendes_gewerbe - azubi_produzierendes_gewerbe_2011)/darunter_azubi_produzierendes_gewerbe * 100, 2),
         azubi_produzierendes_gewerbe_change_2011_p = round((darunter_azubi_produzierendes_gewerbe - azubi_produzierendes_gewerbe_2011)/azubi_produzierendes_gewerbe_2011 * 100, 2),
         
         azubi_handel_kommunikation_change_2011_n = darunter_azubi_handel_und_kommunikation - azubi_handel_kommunikation_2011,
         # azubi_handel_kommunikation_change_2011_p = round((darunter_azubi_handel_und_kommunikation - azubi_handel_kommunikation_2011)/darunter_azubi_handel_und_kommunikation * 100, 2),
         azubi_handel_kommunikation_change_2011_p = round((darunter_azubi_handel_und_kommunikation - azubi_handel_kommunikation_2011)/azubi_handel_kommunikation_2011 * 100, 2),
         )
         
df <- df %>% 
  mutate_if(is.numeric, ~replace(., is.nan(.), 0))

farben <- c("#e7ca60",
            "#b8b0ac",
            "#85b6b2",
            "#e49444",
            "#a87c9f",
            "#6a9f58",
            "#f1a2a9",
            "#d1615d",
            "#5778a4")

fig <-
  plot_ly(df,
           y = ~ausbildungsquote_land_und_forstwirtschaft_fischerei,
           x = factor(df$kommune, levels = unique(df$kommune)),
           frame = ~date,
           marker = list(color = "#B3E2CD"),
           type = 'bar',
           name  = "(A) Land- und Forstwirtschaft, Fischerei",
           text= "",
           # text=~paste0(round(df$ausbildungsquote_land_und_forstwirtschaft_fischerei,0),"%"),
           # textfont=list(color="white"),
           # textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Ausbildungsquote: ",df$ausbildungsquote_land_und_forstwirtschaft_fischerei,"%

",
                                 "im Bereich : ","Land- und Forstwirtschaft, Fischerei","
",
                                 "Sozialversicherungspflichtig Beschäftigte: ",df$svb_land_und_forstwirtschaft_fischerei,"
",
                                 "darunter Auszubildende: ", df$darunter_azubi_land_und_forstwirtschaft_fischerei))

fig <-
  fig %>% 
  add_bars(y = ~ausbildungsquote_produzierendes_gewerbe,
           marker = list(color = "#FDCDAC "),
           name  = "(B-E) Produzierendes Gewerbe",
           text= "",
           # text=~paste0(round(df$ausbildungsquote_produzierendes_gewerbe,0),"%"),
           # textfont=list(color="white"),
           # textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Ausbildungsquote: ",df$ausbildungsquote_produzierendes_gewerbe,"%

",
                                 "im Bereich : ","Produzierendes Gewerbe","
",
                                 "Sozialversicherungspflichtig Beschäftigte: ",df$svb_produzierendes_gewerbe,"
",
                                 "darunter Auszubildende: ", df$darunter_azubi_produzierendes_gewerbe))

fig <-
  fig %>% 
  add_bars(y = ~ausbildungsquote_baugewerbe,
          marker = list(color = "#CBD5E8"),
          name  = "(F) Baugewerbe",
          text = "",
          # text=~paste0(round(df$ausbildungsquote_baugewerbe,0),"%"),
          # textfont=list(color="white"),
          # textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Ausbildungsquote: ",df$ausbildungsquote_baugewerbe,"% 

",
                                 "im Bereich : ","Baugewerbe","
",
                                 "Sozialversicherungspflichtig Beschäftigte: ",df$svb_baugewerbe,"
",
                                 "darunter Auszubildende: ", df$darunter_azubi_baugewerbe))

fig <-
  fig %>% 
  add_bars(y = ~ausbildungsquote_handel_und_kommunikation,
           marker = list(color = "#F4CAE4"),
           name  = "(G-J) Handel und Kommunikation",
           text= "",
           # text=~paste0(round(df$ausbildungsquote_handel_und_kommunikation,0),"%"),
           # textfont=list(color="white"),
           # textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Ausbildungsquote: ",df$ausbildungsquote_handel_und_kommunikation,"%

",
                                 "im Bereich : ","Handel und Kommunikation","
",
                                 "Sozialversicherungspflichtig Beschäftigte: ",df$svb_handel_und_kommunikation,"
",
                                 "darunter Auszubildende: ", df$darunter_azubi_handel_und_kommunikation))

fig <-
fig %>% 
  add_bars(y = ~ausbildungsquote_finanz_und_sonstige_dienstleistungen,
           marker = list(color = "#E6F5C9"),
           name  = "(K-N) Finanz- und sonstige Dienstleistungen",
           text = "",
           # text=~paste0(round(df$ausbildungsquote_finanz_und_sonstige_dienstleistungen,0),"%"),
           # textfont=list(color="white"),
           # textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Ausbildungsquote: ",df$ausbildungsquote_finanz_und_sonstige_dienstleistungen,"%

",
                                 "im Bereich : ","Finanz- und sonstige Dienstleistungen","
",
                                 "Sozialversicherungspflichtig Beschäftigte: ",df$svb_finanz_und_sonstige_dienstleistungen,"
",
                                 "darunter Auszubildende: ", df$darunter_azubi_finanz_und_sonstige_dienstleistungen ))

fig <-
  fig %>% 
  add_bars(y = ~ausbildungsquote_öffentliche_dienstleistungen,
           marker = list(color = "#FFF2AE"),
           name  = "(O-U) Öffentliche Dienstleistungen",
           text= "",
           # text=~paste0(round(df$ausbildungsquote_öffentliche_dienstleistungen,0),"%"),
           # textfont=list(color="white"),
           # textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Ausbildungsquote: ",df$ausbildungsquote_öffentliche_dienstleistungen,"%

",
                                 "im Bereich : ","Öffentliche Dienstleistungen","
",
                                 "Sozialversicherungspflichtig Beschäftigte: ",df$svb_öffentliche_dienstleistungen,"
",
                                 "darunter Auszubildende: ", df$darunter_azubi_öffentliche_dienstleistungen))



fig <-    
  fig %>%      
  layout(
         title = "Ausbildungsquote nach Wirtschaftszweigen (2011–2021)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Ausbildungsquote in %",
                      ticksuffix = " %",
                      range= c(0,12)),
         legend = list(orientation = 'v'),
         bargap = 0.3)

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e63-und-e75)

### Anteil an den Auszubildenden nach Wirtschaftszweigen

```{r}

df <- df %>%
  arrange(desc(ags))

fig <-
  plot_ly(df,
           y = factor(df$kommune, levels = unique(df$kommune)),
           frame = ~date,
           type = 'bar',
           orientation = "h",
          
           x = ~öd_azubi_p,
           marker = list(color = "#FFF2AE"),
           name  = "(O-U) Öffentliche Dienstleistungen",
           #text= "",
           text=~paste0(round(df$öd_azubi_p,0),"%"),
           textfont=list(color="grey"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Anteil der Auszubildenden an Gesamt: ",df$öd_azubi_p,"%

",
                                 "im Bereich : ","Öffentliche Dienstleistungen","
",
                                 "Sozialversicherungspflichtig Beschäftigte: ",df$svb_öffentliche_dienstleistungen,"
",
                                 "darunter Auszubildende: ", df$darunter_azubi_öffentliche_dienstleistungen))


fig <-
fig %>% 
  add_bars(x = ~finanz_sonstige_azubi_p,
           marker = list(color = "#E6F5C9"),
           name  = "(K-N) Finanz- und sonstige Dienstleistungen",
           #text = "",
           text=~paste0(round(df$finanz_sonstige_azubi_p,0),"%"),
           textfont=list(color="grey"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Anteil der Auszubildenden an Gesamt: ",df$finanz_sonstige_azubi_p,"%

",
                                 "im Bereich : ","Finanz- und sonstige Dienstleistungen","
",
                                 "Sozialversicherungspflichtig Beschäftigte: ",df$svb_finanz_und_sonstige_dienstleistungen,"
",
                                 "darunter Auszubildende: ", df$darunter_azubi_finanz_und_sonstige_dienstleistungen ))

fig <-
  fig %>% 
  add_bars(x = ~handel_kommunikation_azubi_p,
           marker = list(color = "#F4CAE4"),
           name  = "(G-J) Handel und Kommunikation",
           #text= "",
           text=~paste0(round(df$handel_kommunikation_azubi_p,0),"%"),
           textfont=list(color="grey"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Anteil der Auszubildenden an Gesamt: ",df$handel_kommunikation_azubi_p,"%

",
                                 "im Bereich : ","Handel und Kommunikation","
",
                                 "Sozialversicherungspflichtig Beschäftigte: ",df$svb_handel_und_kommunikation,"
",
                                 "darunter Auszubildende: ", df$darunter_azubi_handel_und_kommunikation))

fig <-
  fig %>% 
  add_bars(x = ~baugewerbe_azubi_p,
          marker = list(color = "#CBD5E8"),
          name  = "(F) Baugewerbe",
          #text = "",
          text=~paste0(round(df$baugewerbe_azubi_p,0),"%"),
          textfont=list(color="grey"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Anteil der Auszubildenden an Gesamt: ",df$baugewerbe_azubi_p,"% 

",
                                 "im Bereich : ","Baugewerbe","
",
                                 "Sozialversicherungspflichtig Beschäftigte: ",df$svb_baugewerbe,"
",
                                 "darunter Auszubildende: ", df$darunter_azubi_baugewerbe))

fig <-
  fig %>% 
  add_bars(x = ~produzierendes_gewerbe_azubi_p,
           marker = list(color = "#FDCDAC "),
           name  = "(B-E) Produzierendes Gewerbe",
           #text= "",
           text=~paste0(round(df$produzierendes_gewerbe_azubi_p,0),"%"),
           textfont=list(color="grey"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Anteil der Auszubildenden an Gesamt: ",df$produzierendes_gewerbe_azubi_p,"%

",
                                 "im Bereich : ","Produzierendes Gewerbe","
",
                                 "Sozialversicherungspflichtig Beschäftigte: ",df$svb_produzierendes_gewerbe,"
",
                                 "darunter Auszubildende: ", df$darunter_azubi_produzierendes_gewerbe))

fig <-
  fig %>% 
  add_bars(x = ~land_forstwirtschaft_fischerei_azubi_p,
           marker = list(color = "#B3E2CD"),
           name  = "(A) Land- und Forstwirtschaft, Fischerei",
           #text= "",
           text=~paste0(round(df$land_forstwirtschaft_fischerei_azubi_p,0),"%"),
           textfont=list(color="grey"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Anteil der Auszubildenden an Gesamt: ",df$land_forstwirtschaft_fischerei_azubi_p,"%

",
                                 "im Bereich : ","Land- und Forstwirtschaft, Fischerei","
",
                                 "Sozialversicherungspflichtig Beschäftigte: ",df$svb_land_und_forstwirtschaft_fischerei,"
",
                                 "darunter Auszubildende: ", df$darunter_azubi_land_und_forstwirtschaft_fischerei))




fig <-    
  fig %>%      
  layout(
         barmode = 'stack',
         title = "Anteil an den Auszubildenden nach Wirtschaftszweigen (2011–2021)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         xaxis = list(title = list(text = "Anteil der Auszubildenden in %", 
                                   standoff = 4),
                      range = c(0, 105),
                      ticksuffix = "%",
                      zeroline = FALSE),
         yaxis = list(title = ""),
         legend = list(orientation = 'v'),
         bargap = 0.3)

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e63-und-e75)

E7.5 Ausbildungsquote nach ausgewählten Wirtschaftszweigen {data-navmenu="Ausbildungsmarkt" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------
### Anzahl der Auszubildenden nach ausgewählten Wirtschaftszweigen

```{r}
df <- df %>%
  arrange(ags)

fig <-
  plot_ly(df,
           y = ~darunter_azubi_produzierendes_gewerbe,
           x = factor(df$kommune, levels = unique(df$kommune)),
           frame = ~date,
           type = 'bar',
           marker = list(color = "#FDCDAC "),
           name  = "(B-E) Produzierendes Gewerbe",
           # text= "",
           text=~df$darunter_azubi_produzierendes_gewerbe,
           textfont=list(color="grey"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Ausbildungsquote: ",df$ausbildungsquote_produzierendes_gewerbe,"%

",
                                 "im Bereich : ","Produzierendes Gewerbe","
",
                                 "Sozialversicherungspflichtig Beschäftigte: ",df$svb_produzierendes_gewerbe,"
",
                                 "darunter Auszubildende: ", df$darunter_azubi_produzierendes_gewerbe))


fig <-
  fig %>% 
  add_bars(y = ~darunter_azubi_baugewerbe,
          marker = list(color = "#CBD5E8"),
          name  = "(F) Baugewerbe",
          # text = "",
          text=~df$darunter_azubi_baugewerbe,
          textfont=list(color="grey"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Ausbildungsquote: ",df$ausbildungsquote_baugewerbe,"% 

",
                                 "im Bereich : ","Baugewerbe","
",
                                 "Sozialversicherungspflichtig Beschäftigte: ",df$svb_baugewerbe,"
",
                                 "darunter Auszubildende: ", df$darunter_azubi_baugewerbe))

fig <-
  fig %>% 
  add_bars(y = ~darunter_azubi_handel_und_kommunikation,
           marker = list(color = "#F4CAE4"),
           name  = "(G-J) Handel und Kommunikation",
           # text= "",
           text=~df$darunter_azubi_handel_und_kommunikation,
           textfont=list(color="grey"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Ausbildungsquote: ",df$ausbildungsquote_handel_und_kommunikation,"%

",
                                 "im Bereich : ","Handel und Kommunikation","
",
                                 "Sozialversicherungspflichtig Beschäftigte: ",df$svb_handel_und_kommunikation,"
",
                                 "darunter Auszubildende: ", df$darunter_azubi_handel_und_kommunikation))


fig <-    
  fig %>%      
  layout(
         title = "Anzahl der Auszubildenden nach ausgewählten Wirtschaftszweigen (2011–2021)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anzahl der Auszubildenden",
                      range= c(0,3550)),
         legend = list(orientation = 'v'),
         bargap = 0.3)

fig



```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e63-und-e75)

### Veränderung der Anzahl der Auszubildenden im Baugewerbe
```{r}
fig <-
plot_ly(df,
        y=~azubi_baugewerbe_change_2011_p,
        x = ~date,
        color = ~kommune,
        name = ~kommune,
        colors = ~farben,
        type = 'scatter',
        mode = 'lines+markers',
        hovermode = "closest",
        hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Auszubildende: ",df$darunter_azubi_baugewerbe,"

",
                                 "im Bereich: ", "Baugewerbe
",
                                 "Veränderung der Anzahl der Auszubildenden seit 2011: ", df$azubi_baugewerbe_change_2011_n, " (", df$azubi_baugewerbe_change_2011_p, "%)", "

")
        )
 
fig <-
  fig %>% 
  layout(title = "Veränderung der Anzahl der Auszubildenden im Baugewerbe seit 2011 (2011–2021)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         yaxis = list(title = "Veränderung in %",
                      ticksuffix = "%"),
         xaxis = list(title = list(text = "", standoff = 3),
                      zeroline = FALSE),
         legend = list(orientation = 'h'))

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e63-und-e75)

### Veränderung der Anzahl der Auszubildenden im Produzierenden Gewerbe
```{r}
fig <-
plot_ly(df,
        y=~azubi_produzierendes_gewerbe_change_2011_p,
        x = ~date,
        color = ~kommune,
        name = ~kommune,
        colors = ~farben,
        type = 'scatter',
        mode = 'lines+markers',
        hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Auszubildende: ",df$darunter_azubi_produzierendes_gewerbe,"

",
                                 "im Bereich: ", "Produzierendes Gewerbe
",
                                 "Veränderung der Anzahl der Auszubildenden seit 2011: ", df$azubi_produzierendes_gewerbe_change_2011_n, " (", df$azubi_produzierendes_gewerbe_change_2011_p, "%)", "

")
        )
 
fig <-
  fig %>% 
  layout(title = "Veränderung der Anzahl der Auszubildenden im Produzierenden Gewerbe seit 2011 (2011–2021)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         yaxis = list(title = "Veränderung in %",
                      ticksuffix = "%"),
         xaxis = list(title = list(text = "", standoff = 3),
                      zeroline = FALSE),
         legend = list(orientation = 'h'))

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e63-und-e75)

### Veränderung der Anzahl der Auszubildenden in Handel und Kommunikation
```{r}
fig <-
plot_ly(df,
        y=~azubi_handel_kommunikation_change_2011_p,
        x = ~date,
        color = ~kommune,
        name = ~kommune,
        colors = ~farben,
        type = 'scatter',
        mode = 'lines+markers',
         hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$date,"
",
                                 "Auszubildende: ", df$darunter_azubi_handel_und_kommunikation,"

",
                                 "im Bereich: ", "Handel und Kommunikation
",
                                 "Veränderung der Anzahl der Auszubildenden seit 2011: ", df$azubi_handel_kommunikation_change_2011_n, " (", df$azubi_handel_kommunikation_change_2011_p, "%)", "

")
        )
 
fig <-
  fig %>% 
  layout(title = "Veränderung der Anzahl der Auszubildenden in Handel und Kommunikation seit 2011 (2011–2021)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         yaxis = list(title = "Veränderung in %",
                      ticksuffix = "%"),
         xaxis = list(title = list(text = "", standoff = 3),
                      zeroline = FALSE),
         legend = list(orientation = 'h'))

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e63-und-e75)

E7.6	Anzahl der Auszubildenden {data-navmenu="Ausbildungsmarkt" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------
### Anzahl von Auszubildenden 

```{r}
# 7.2 
tbl <- read_csv("//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/04_Analysen/E_07_06_Anzahl_Auszubildenden/tbl.csv",
                col_types = cols(ags = col_character(),
                                 ars = col_character()), locale = locale(encoding = "WINDOWS-1252"))

# tbl <- read_csv2("//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/04_Analysen/E_07_06_Anzahl_Auszubildenden/tbl_weitere_Jahre.csv", 
#                 col_types = cols(ags = col_character(), 
#                                  ars = col_character()), locale = locale(encoding = "WINDOWS-1252"))
# Anteil von Auszubildenden nach berei 
tbl <-
tbl %>% 
  # mutate(ars_name = ifelse(ars_name == "Altenburger Land", "Altenburger Land, Kreis", ars_name)) %>%
  mutate(auszubildene_n_i_und_h_anteil = round(auszubildene_n_i_und_h/auszubildene_n_gesamt*100,2),
         auszubildene_n_handwerk_anteil = round(auszubildene_n_handwerk/auszubildene_n_gesamt*100,2),
         auszubildene_n_landwirtschaft_anteil = round(auszubildene_n_landwirtschaft/auszubildene_n_gesamt*100,2),
         auszubildene_n_oeffentlicher_d_anteil = round(auszubildene_n_oeffentlicher_d/auszubildene_n_gesamt*100,2),
         auszubildene_n_freie_berufe_anteil = round(auszubildene_n_freie_berufe/auszubildene_n_gesamt*100,2),
         auszubildene_n_hauswirtschaft_anteil = round(auszubildene_n_hauswirtschaft/auszubildene_n_gesamt*100,2))

# Veränderung der Anzahl gegenüber 2020

tbl %>% 
  filter(jahr ==2010) %>% 
  select(ars,jahr,gruppe,auszubildene_n_gesamt) %>% 
  dplyr::rename(auszubildene_n_2010 = auszubildene_n_gesamt) %>% 
  select(-jahr) -> x_2010

tbl <-
tbl %>% 
  left_join(.,x_2010, by=c("ars","gruppe"))


tbl <-
tbl %>%
  mutate(auszubildene_change_2010_n = auszubildene_n_gesamt-auszubildene_n_2010,
                                              #(Endwert - Anfangswert) / Anfangswert * 100
                                              #dabei ist der Endwert der Jahr aus dem zu vergleichenden Jahr und der Anfangswert der Wert des Jahrs, mit dem verglichen wird (in dem Fall hier 2010)
         auszubildene_change_2010_anteil= round((auszubildene_n_gesamt-auszubildene_n_2010)/auszubildene_n_2010*100,2))




df<-
tbl %>% 
  select(1:7,21:23) %>%
  pivot_wider(names_from = gruppe, values_from = c("auszubildene_n_gesamt",
                                                   "auszubildene_n_2010",
                                                   "auszubildene_change_2010_n",
                                                   "auszubildene_change_2010_anteil")) %>%
  filter(jahr>=2010) 



farben <- c("#5778a4","#e49444","#6a9f58","#d1615d","#85b6b2","#e7ca60","#a87c9f","#f1a2a9","#b8b0ac")


# Anteil

fig <-
plot_ly(df,
        y=~auszubildene_change_2010_anteil_Insgesamt,
        x = ~jahr,
        color = ~ars,
        name = ~kommune,
        colors = ~farben,
        type = 'scatter',
        mode = 'lines+markers',
        hovermode = "closest",
        hovertemplate = paste0("",df$kommune,"
",
                               "Jahr: ",df$jahr,"
",
                               "Auszubildende: ",df$auszubildene_n_gesamt_Insgesamt," (",df$auszubildene_change_2010_anteil_Insgesamt,"%)

",
                               "nach Geschlecht :
",
                               "männlich: ",df$auszubildene_n_gesamt_männlich," (",df$auszubildene_change_2010_anteil_männlich,"%)
",
                               "weiblich: ",df$auszubildene_n_gesamt_weiblich," (",df$auszubildene_change_2010_anteil_weiblich,"%)

",
                               "nach Nationalität :
",
                               "Deutsche: ",df$auszubildene_n_gesamt_Deutsche," (",df$auszubildene_change_2010_anteil_Deutsche,"%)
",
                               "Ausländer: ",df$auszubildene_n_gesamt_Ausländer," (",df$auszubildene_change_2010_anteil_Ausländer,"%)
")
        )



fig <-
  fig %>% 
  layout(title = "Veränderung der Anzahl von Auszubildenden (2010–2020)",
         titlefont = list(size = 18),
         font = list(family = "calibri",size = 16),
         separators = ',',
         yaxis = list(title = "Veränderung in %",
                      ticksuffix = "%"),
         xaxis = list(title = list(text = "", standoff = 3),
                      zeroline = FALSE),
         legend = list(orientation = 'h'))

fig


```
> siehe [weiterführende Informationen](#definitionen-e76)

E7.7	Anteile der Auszubildenden nach Ausbildungsbereichen {data-navmenu="Ausbildungsmarkt" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------
### Verteilung der Auszubildende auf Ausbildungsbereiche


```{r}

tbl %>% filter(gruppe=="Insgesamt") -> df

fig <-
  plot_ly(df,
          y = ~auszubildene_n_i_und_h_anteil,
         marker = list(color = "#5778a4"),
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~jahr,
          name  = "Industrie und Handel",
          type = 'bar',
          text=~paste0(round(df$auszubildene_n_i_und_h_anteil,0),"%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Auszubildende: ",df$auszubildene_n_gesamt,"

",
                                 "im Bereich : ","Industrie und Handel","
",
                                 "Anzahl: ",df$auszubildene_n_i_und_h," (",df$auszubildene_n_i_und_h_anteil,"%)
"))


fig <-
fig %>% 
  add_bars(y = ~auszubildene_n_handwerk_anteil,
          marker = list(color = "#e49444"),
           name  = "Handwerk",
           text=~paste0(round(df$auszubildene_n_handwerk_anteil,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                  "Jahr: ",df$jahr,"
",
                                  "Auszubildende: ",df$auszubildene_n_gesamt,"

",
                                  "im Bereich : ","Handwerk","
",
                                  "Anzahl: ",df$auszubildene_n_handwerk," (",df$auszubildene_n_handwerk_anteil,"%)
"))


fig <-
  fig %>% 
  add_bars(y = ~auszubildene_n_landwirtschaft_anteil,
           marker = list(color = "#6a9f58"),
           name  = "Landwirtschaft",
           text= "",
           # text=~paste0(round(df$auszubildene_n_landwirtschaft_anteil,0),"%"),
           # textfont=list(color="white"),
           # textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                  "Jahr: ",df$jahr,"
",
                                  "Auszubildende: ",df$auszubildene_n_gesamt,"

",
                                  "im Bereich : ","Landwirtschaft","
",
                                  "Anzahl: ",df$auszubildene_n_landwirtschaft," (",df$auszubildene_n_landwirtschaft_anteil,"%)
"))


fig <-
  fig %>% 
  add_bars(y = ~auszubildene_n_oeffentlicher_d_anteil,
           marker = list(color = "#e7ca60"),
           name  = "Öffentlicher Dienst",
           text= "",
           # text=~paste0(round(df$auszubildene_n_oeffentlicher_d_anteil,0),"%"),
           # textfont=list(color="white"),
           # textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                  "Jahr: ",df$jahr,"
",
                                  "Auszubildende: ",df$auszubildene_n_gesamt,"

",
                                  "im Bereich : ","Öffentlicher Dienst","
",
                                  "Anzahl: ",df$auszubildene_n_oeffentlicher_d," (",df$auszubildene_n_oeffentlicher_d_anteil,"%)
"))
fig <-
  fig %>% 
  add_bars(y = ~auszubildene_n_freie_berufe_anteil,
           marker = list(color = "#85b6b2"),
           name  = "Freie Berufe",
           #text= "",
           text=~paste0(round(df$auszubildene_n_freie_berufe_anteil,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                  "Jahr: ",df$jahr,"
",
                                  "Auszubildende: ",df$auszubildene_n_gesamt,"

",
                                  "im Bereich : ","Freie Berufe","
",
                                  "Anzahl: ",df$auszubildene_n_freie_berufe," (",df$auszubildene_n_freie_berufe_anteil,"%)
"))

fig <-
  fig %>% 
  add_bars(y = ~auszubildene_n_hauswirtschaft_anteil,
           marker = list(color = "#b8b0ac "),
           name  = "Hauswirtschaft",
           text= "",
           # text=~paste0(round(df$auszubildene_n_hauswirtschaft_anteil,0),"%"),
           # textfont=list(color="white"),
           # textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                  "Jahr: ",df$jahr,"
",
                                  "Auszubildende: ",df$auszubildene_n_gesamt,"

",
                                  "im Bereich : ","Hauswirtschaft","
",
                                  "Anzahl: ",df$auszubildene_n_hauswirtschaft," (",df$auszubildene_n_hauswirtschaft_anteil,"%)
"))


fig <-    
  fig %>%      
  layout(barmode = 'stack',
         title = "Auszubildende nach Ausbildungsbereiche (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 14),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil in %",
                      ticksuffix = " %",
                      range= c(0,100)),
         legend = list(orientation = 'v'))

fig

```
> siehe [weiterführende Informationen](#definitionen-e77)

### Auszubildenden im Bereich "Industrie und Handel"

```{r}
df<-
  tbl %>% 
  select(1:6,auszubildene_n_i_und_h)
  
# Veränderung der Anzahl gegenüber 2020

df %>% 
  filter(jahr ==2010) %>% 
  select(ars,jahr,gruppe,auszubildene_n_i_und_h) %>% 
  dplyr::rename(auszubildene_n_i_und_h_2010 = auszubildene_n_i_und_h) %>% 
  select(-jahr) -> x_2010

df<-
  df %>% 
  left_join(.,x_2010, by=c("ars","gruppe"))


df <-
  df %>%
  mutate(auszubildene_n_i_und_h_change_2010_n = auszubildene_n_i_und_h-auszubildene_n_i_und_h_2010,
         auszubildene_n_i_und_h_change_2010_anteil= round((auszubildene_n_i_und_h-auszubildene_n_i_und_h_2010)/auszubildene_n_i_und_h_2010*100,2))


df <-
df %>% pivot_wider(names_from = gruppe, values_from = c("auszubildene_n_i_und_h",
                                                   "auszubildene_n_i_und_h_2010",
                                                   "auszubildene_n_i_und_h_change_2010_n",
                                                   "auszubildene_n_i_und_h_change_2010_anteil")) %>%
  filter(jahr>=2010) 




farben <- c("#5778a4","#e49444","#6a9f58","#d1615d","#85b6b2","#e7ca60","#a87c9f","#f1a2a9","#b8b0ac")


# Anteil

fig <-
  plot_ly(df,
          y=~auszubildene_n_i_und_h_change_2010_anteil_Insgesamt,
          x = ~jahr,
          color = ~ars,
          name = ~kommune,
          colors = ~farben,
          type = 'scatter',
          mode = 'lines+markers',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Auszubildende Industrie und Handel: ",df$auszubildene_n_i_und_h_Insgesamt," (",df$auszubildene_n_i_und_h_change_2010_anteil_Insgesamt,"%)
")
  )


fig <-
  fig %>% 
  layout(title = "Veränderung der Anzahl von Auszubildenden im Bereich Industrie und Handel (2010–2020) ",
         titlefont = list(size = 18),
         font = list(family = "calibri",size = 16),
         separators = ',',
         yaxis = list(title = "Veränderung in %",
                      ticksuffix = "%"),
         xaxis = list(title = list(text = "", standoff = 3),
                      zeroline = FALSE),
         legend = list(orientation = 'v'))

fig







```
> siehe [weiterführende Informationen](#definitionen-e77)

### Auszubildenden im Bereich "Handwerk"

```{r}
df<-
  tbl %>% 
  select(1:6,auszubildene_n_handwerk)

# Veränderung der Anzahl gegenüber 2020

df %>% 
  filter(jahr ==2010) %>% 
  select(ars,jahr,gruppe,auszubildene_n_handwerk) %>% 
  dplyr::rename(auszubildene_n_handwerk_2010 = auszubildene_n_handwerk) %>% 
  select(-jahr) -> x_2010

df<-
  df %>% 
  left_join(.,x_2010, by=c("ars","gruppe"))


df <-
  df %>%
  mutate(auszubildene_n_handwerk_change_2010_n = auszubildene_n_handwerk-auszubildene_n_handwerk_2010,
         auszubildene_n_handwerk_change_2010_anteil= round((auszubildene_n_handwerk-auszubildene_n_handwerk_2010)/auszubildene_n_handwerk_2010*100,2))


df <-
  df %>% pivot_wider(names_from = gruppe, values_from = c("auszubildene_n_handwerk",
                                                          "auszubildene_n_handwerk_2010",
                                                          "auszubildene_n_handwerk_change_2010_n",
                                                          "auszubildene_n_handwerk_change_2010_anteil")) %>%
  filter(jahr>=2010) 




farben <- c("#5778a4","#e49444","#6a9f58","#d1615d","#85b6b2","#e7ca60","#a87c9f","#f1a2a9","#b8b0ac")


# Anteil

fig <-
  plot_ly(df,
          y=~auszubildene_n_handwerk_change_2010_anteil_Insgesamt,
          x = ~jahr,
          color = ~ars,
          name = ~kommune,
          colors = ~farben,
          type = 'scatter',
          mode = 'lines+markers',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Auszubildende Handwerk: ",df$auszubildene_n_handwerk_Insgesamt," (",df$auszubildene_n_handwerk_change_2010_anteil_Insgesamt,"%)
")
  )


fig <-
  fig %>% 
  layout(title = "Veränderung der Anzahl von Auszubildenden im Bereich Handwerk (2010–2020) ",
         titlefont = list(size = 18),
         font = list(family = "calibri",size = 16),
         separators = ',',
         yaxis = list(title = "Veränderung in %",
                      ticksuffix = "%"),
         xaxis = list(title = list(text = "", standoff = 3),
                      zeroline = FALSE),
         legend = list(orientation = 'v'))

fig


```
> siehe [weiterführende Informationen](#definitionen-e77)


### Auszubildenden im Bereich "freie Berufe"

```{r}
df<-
  tbl %>% 
  select(1:6,auszubildene_n_freie_berufe)

# Veränderung der Anzahl gegenüber 2020

df %>% 
  filter(jahr ==2010) %>% 
  select(ars,jahr,gruppe,auszubildene_n_freie_berufe) %>% 
  dplyr::rename(auszubildene_n_freie_berufe_2010 = auszubildene_n_freie_berufe) %>% 
  select(-jahr) -> x_2010

df<-
  df %>% 
  left_join(.,x_2010, by=c("ars","gruppe"))


df <-
  df %>%
  mutate(auszubildene_n_freie_berufe_change_2010_n = auszubildene_n_freie_berufe-auszubildene_n_freie_berufe_2010,
         auszubildene_n_freie_berufe_change_2010_anteil= round((auszubildene_n_freie_berufe-auszubildene_n_freie_berufe_2010)/auszubildene_n_freie_berufe_2010*100,2))


df <-
  df %>% pivot_wider(names_from = gruppe, values_from = c("auszubildene_n_freie_berufe",
                                                          "auszubildene_n_freie_berufe_2010",
                                                          "auszubildene_n_freie_berufe_change_2010_n",
                                                          "auszubildene_n_freie_berufe_change_2010_anteil")) %>%
  filter(jahr>=2010) 




farben <- c("#5778a4","#e49444","#6a9f58","#d1615d","#85b6b2","#e7ca60","#a87c9f","#f1a2a9","#b8b0ac")


# Anteil

fig <-
  plot_ly(df,
          y=~auszubildene_n_freie_berufe_change_2010_anteil_Insgesamt,
          x = ~jahr,
          color = ~ars,
          name = ~kommune,
          colors = ~farben,
          type = 'scatter',
          mode = 'lines+markers',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Auszubildende in freien Berufen : ",df$auszubildene_n_freie_berufe_Insgesamt," (",df$auszubildene_n_freie_berufe_change_2010_anteil_Insgesamt,"%)
")
  )


fig <-
  fig %>% 
  layout(title = "Veränderung der Anzahl von Auszubildenden im Bereich freie Berufe (2010–2020)",
         titlefont = list(size = 18),
         font = list(family = "calibri",size = 16),
         separators = ',',
         yaxis = list(title = "Veränderung in %",
                      ticksuffix = "%"),
         xaxis = list(title = list(text = "", standoff = 3),
                      zeroline = FALSE),
         legend = list(orientation = 'v'))

fig

```
> siehe [weiterführende Informationen](#definitionen-e77)


E7.8 Angebots-Nachfrage-Relation in der dualen Berufsausbildung {data-navmenu="Ausbildungsmarkt" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------

### Angebots-Nachfrage-Relation
```{r}
df <- read_delim(file = "//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/04_Analysen/E_07_08 Angebots-Nachfrage-Relation in der dualen Berufsausbildung/E7_8_tidy.csv",
                            ";", 
                            locale = locale(encoding = "WINDOWS-1252"))
df[df == "Altenburger Land"] <- "Landkreis Altenburger Land"
df[df == "Anhalt-Bitterfeld"] <- "Landkreis Anhalt-Bitterfeld"
df[df == "Leipzig"] <- "Landkreis Leipzig"
df[df == "Mansfeld-Südharz"] <- "Landkreis Mansfeld-Südharz"
df[df == "Nordsachsen"] <- "Landkreis Nordsachsen"
df[df == "Saalekreis"] <- "Landkreis Saalekreis"
df[df == "Halle (Saale), Stadt"] <- "Stadt Halle (Saale)"
df[df == "Leipzig, Stadt"] <- "Stadt Leipzig"

df <- df %>%
  filter(!jahr == 2010) %>%
  arrange(kommune)

dsnstth <- c("Thüringen", "Sachsen-Anhalt", "Sachsen")

df_dsnstth <- df %>%
  filter(kommune %in% dsnstth)

df <- df %>%
  filter(!(kommune %in% dsnstth)) 

df_mdr <- df %>%
  group_by(jahr) %>%
  dplyr::summarise(across(where(is.numeric), ~ sum(.x, na.rm = TRUE))) %>%
  add_column(kommune = "Mitteldeutsches Revier")

df_dsnstth_mdr <- full_join(df_dsnstth, df_mdr)

#ars einlesen um die Kommunen nach Ars in der Grafik zu sortieren
ars05_snstth <- read_delim("\\\\FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/03_Daten/03_Raum_Land_Kreise_Gemeinden/ars05_snstth.csv", 
                           ";", escape_double = FALSE, col_types = cols(ars = col_character(), 
                                                                        ars_parent = col_character(), ags = col_character(), 
                                                                        ags_parent = col_character()), locale = locale(encoding = "WINDOWS-1252"), 
                           trim_ws = TRUE)

df <- left_join(df, ars05_snstth, by = c("kommune" = "kommune"))

df <- df %>%
  arrange(ags)


df_dsnstth_mdr <- df_dsnstth_mdr %>%
  mutate(ausbildungsstellen_ohne_unbesetzt_n = insg_ausbildungsstellen - unbesetzt,
         ausbildungsstellen_ohne_unbesetzt_p = round(ausbildungsstellen_ohne_unbesetzt_n / insg_ausbildungsstellen * 100, 2),
         unbesetzt_p = round(unbesetzt / insg_ausbildungsstellen * 100, 2))

df <- df %>%
  mutate(ausbildungsstellen_ohne_unbesetzt_n = insg_ausbildungsstellen - unbesetzt,
         ausbildungsstellen_ohne_unbesetzt_p = round(ausbildungsstellen_ohne_unbesetzt_n / insg_ausbildungsstellen * 100, 2),
         unbesetzt_p = round(unbesetzt / insg_ausbildungsstellen * 100, 2))

df_dsnstth_mdr <- df_dsnstth_mdr %>%
  mutate(bewerber_ohne_unversorgt_n = insg_bewerber - unversorgt,
         bewerber_ohne_unversorgt_p = round(bewerber_ohne_unversorgt_n / insg_bewerber * 100, 2),
         unversorgt_p = round(unversorgt / insg_bewerber * 100, 2))

df <- df %>%
  mutate(bewerber_ohne_unversorgt_n = insg_bewerber - unversorgt,
         bewerber_ohne_unversorgt_p = round(bewerber_ohne_unversorgt_n / insg_bewerber * 100, 2),
         unversorgt_p = round(unversorgt / insg_bewerber * 100, 2))

#wie viele betriebliche Ausbildungsplatzangebote rechnerisch jeweils 100 Ausbildungsplatznachfragern gegenüberstanden.
df <- df %>%
  mutate(angebots_nachfrage_relation = round(insg_ausbildungsstellen / insg_bewerber * 100, 0)) 

#wie viele betriebliche Ausbildungsplatzangebote rechnerisch jeweils 100 Ausbildungsplatznachfragern gegenüberstanden.
df_dsnstth_mdr <- df_dsnstth_mdr %>%
  mutate(angebots_nachfrage_relation = round(insg_ausbildungsstellen / insg_bewerber * 100, 0)) 

#farben fuer mdr
farben <- c("#e7ca60",
            "#b8b0ac",
            "#85b6b2",
            "#e49444",
            "#a87c9f",
            "#6a9f58",
            "#f1a2a9",
            "#d1615d",
            "#5778a4")

#Farben analog zum Dashboard Arbeitsmarkt & Demografie
farben_bl_mdr <-
  c("#000000",#MDR
    "#25A2A2",
    "#247777",
    "#1ED0D0"
    )

df_dsnstth_mdr$line_style <- ifelse(df_dsnstth_mdr$kommune == "Mitteldeutsches Revier", "dash", "solid")

x_2011 <- df %>%
  filter(jahr == 2011) %>%
  select(kommune, insg_ausbildungsstellen, unbesetzt, insg_bewerber, unversorgt, ausbildungsstellen_ohne_unbesetzt_n, bewerber_ohne_unversorgt_n) %>%
  dplyr::rename(insg_ausbildungsstellen_2011 = insg_ausbildungsstellen,
         unbesetzt_2011 = unbesetzt,
         insg_bewerber_2011 = insg_bewerber,
         unversorgt_2011 = unversorgt,
         ausbildungsstellen_ohne_unbesetzt_n_2011 = ausbildungsstellen_ohne_unbesetzt_n,
         bewerber_ohne_unversorgt_n_2011 = bewerber_ohne_unversorgt_n)

df <- df %>%
  left_join(., x_2011)

df <- df %>%
  mutate(insg_ausbildungsstellen_change_2011_n = insg_ausbildungsstellen - insg_ausbildungsstellen_2011,
         # insg_ausbildungsstellen_change_2011_p = round((insg_ausbildungsstellen - insg_ausbildungsstellen_2011)/insg_ausbildungsstellen * 100, 2),
         insg_ausbildungsstellen_change_2011_p = round((insg_ausbildungsstellen - insg_ausbildungsstellen_2011)/insg_ausbildungsstellen_2011 * 100, 2),
         
         unbesetzt_change_2011_n = unbesetzt - unbesetzt_2011,
         # unbesetzt_change_2011_p = round((unbesetzt - unbesetzt_2011)/unbesetzt * 100, 2),
         unbesetzt_change_2011_p = round((unbesetzt - unbesetzt_2011)/unbesetzt_2011 * 100, 2),
         
         insg_bewerber_change_2011_n = insg_bewerber - insg_bewerber_2011,
         # insg_bewerber_change_2011_p = round((insg_bewerber - insg_bewerber_2011)/insg_bewerber * 100, 2),
         insg_bewerber_change_2011_p = round((insg_bewerber - insg_bewerber_2011)/insg_bewerber_2011 * 100, 2),
         
         unversorgt_change_2011_n = unversorgt - unversorgt_2011,
         # unversorgt_change_2011_p = round((unversorgt - unversorgt_2011)/unversorgt * 100, 2)
         unversorgt_change_2011_p = round((unversorgt - unversorgt_2011)/unversorgt_2011 * 100, 2)
         )

df <- df %>% 
  mutate_if(is.numeric, ~replace(., is.nan(.), 0))

df <- df %>% 
  filter(jahr>=2010) %>%
  arrange(ags)


fig <-
plot_ly(df,
        y=~angebots_nachfrage_relation,
        x = ~jahr,
        color = ~kommune,
        name = ~kommune,
        colors = ~farben,
        type = 'scatter',
        mode = 'lines+markers',
        hovermode = "closest",
        hovertemplate = paste0("",df$kommune,"
",
                               "Jahr: ",df$jahr,"
",
                               "Angebots-Nachfrage-Relation:
", df$angebots_nachfrage_relation, " betrieblichen Ausbildungsplatzangeboten stehen 100 Ausbildungsplatznachfragern gegenüber.",
                               "

")
        )


fig <-
  fig %>% 
  layout(title = "Angebots-Nachfrage-Relation in der dualen Berufsausbildung (2011–2021)",
         titlefont = list(size = 18),
         font = list(family = "calibri",size = 16),
         separators = ',',
         yaxis = list(title = "Angebots-Nachfrage-Relation"),
         xaxis = list(title = list(text = " ", standoff = 3),
                      zeroline = FALSE),
         legend = list(orientation = 'h'))

fig



```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e78)

### Angebots-Nachfrage-Relation aggregiert 

```{r}
fig <-
plot_ly(df_dsnstth_mdr,
        y=~angebots_nachfrage_relation,
        x = ~jahr,
        color = ~kommune,
        colors = farben_bl_mdr,
        name = ~kommune,
        type = 'scatter',
        mode = 'lines+markers',
        linetype = ~I(line_style),
        hovermode = "closest",
        hovertemplate = paste0("",df_dsnstth_mdr$kommune,"
",
                               "Jahr: ",df_dsnstth_mdr$jahr,"
",
                               "Angebots-Nachfrage-Relation:
", df_dsnstth_mdr$angebots_nachfrage_relation, " betrieblichen Ausbildungsplatzangeboten stehen 100 Ausbildungsplatznachfragern gegenüber.",
                               "

")
        )



fig <-
  fig %>% 
  layout(title = "Angebots-Nachfrage-Relation in der dualen Berufsausbildung aggregiert (2011–2021)",
         titlefont = list(size = 18),
         font = list(family = "calibri",size = 16),
         separators = ',',
         yaxis = list(title = "Angebots-Nachfrage-Relation"),
         xaxis = list(title = list(text = " ", standoff = 3),
                      zeroline = FALSE),
         legend = list(orientation = 'h'))

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e78)

E7.8 Angebots-Nachfrage-Relation in der dualen Berufsausbildung Ausbildungsangebote {data-navmenu="Ausbildungsmarkt" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------

### Veränderung der Anzahl von Ausbildungsangeboten seit 2011
```{r}

farben <- c("#e7ca60",
            "#b8b0ac",
            "#85b6b2",
            "#e49444",
            "#a87c9f",
            "#6a9f58",
            "#f1a2a9",
            "#d1615d",
            "#5778a4")

fig <-
plot_ly(df,
        y=~insg_ausbildungsstellen_change_2011_p,
        x = ~jahr,
        color = ~kommune,
        name = ~kommune,
        colors = ~farben,
        type = 'scatter',
        mode = 'lines+markers',
        hovermode = "closest",
        hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Ausbildungsstellen insgesamt: ",df$insg_ausbildungsstellen,"
",
                                 "Veränderung des Ausbildungsangebots seit 2011: ", df$insg_ausbildungsstellen_change_2011_n, " (", df$insg_ausbildungsstellen_change_2011_p, "%) 

",
                                 "unbesetzte Ausbildungsstellen: ",df$unbesetzt,"
")
        )
 
fig <-
  fig %>% 
  layout(title = "Veränderung der Anzahl von Ausbildungsangeboten seit 2011 (2011–2021)",
         titlefont = list(size = 18),
         font = list(family = "calibri", size = 16),
         separators = ',',
         yaxis = list(title = "Veränderung in %",
                      ticksuffix = "%"),
         xaxis = list(title = list(text = "", standoff = 3),
                      zeroline = FALSE),
         legend = list(orientation = 'h'))

fig



```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e78)

### Angebotene und unbesetzte Ausbildungsstellen
```{r}

fig <-
  plot_ly(df,
          y = ~ausbildungsstellen_ohne_unbesetzt_p,
          marker = list(color = "#01494F"),
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~jahr,
          name  = "angebotene Ausbildungsstellen",
          type = 'bar',
          # text = "",
          text=~paste0(round(df$ausbildungsstellen_ohne_unbesetzt_p,0), "%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Ausbildungsstellen insgesamt: ",df$insg_ausbildungsstellen,"

",
                                 "darunter unbesetzte Ausbildungsstellen: ",df$unbesetzt," (",df$unbesetzt_p, "%)","
"))

fig <-
fig %>% 
  add_bars(y = ~unbesetzt_p,
           marker = list(color = "dfE8E9"),
           name  = "unbesetzte Ausbildungsstellen",
           # text = "",
           text=~paste0(round(df$unbesetzt_p,0), "%"),
           textfont=list(color="black"),
           textposition = 'auto',
           hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Ausbildungsstellen insgesamt: ",df$insg_ausbildungsstellen,"

",
                                 "darunter unbesetzte Ausbildungsstellen: ",df$unbesetzt," (",df$unbesetzt_p, "%)","
"))
fig <-    
  fig %>%      
  layout(
    barmode = "stack",
         title = "Angebotene und unbesetzte Ausbildungsstellen (2011–2021)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil in %",
                      ticksuffix = "%",
                      range= c(0,100)),
         legend = list(orientation = 'v'))

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e78)

### Angebotene und unbesetzte Ausbildungsstellen aggregiert
```{r}
fig <-
  plot_ly(df_dsnstth_mdr,
          y = ~ausbildungsstellen_ohne_unbesetzt_p,
          marker = list(color = "#01494F"),
          x = factor(df_dsnstth_mdr$kommune, levels = unique(df_dsnstth_mdr$kommune)),
          frame = ~jahr,
          name  = "angebotene Ausbildungsstellen",
          type = 'bar',
          # text = "",
          text=~paste0(round(df_dsnstth_mdr$ausbildungsstellen_ohne_unbesetzt_p,0), "%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df_dsnstth_mdr$kommune,"
",
                                 "Jahr: ",df_dsnstth_mdr$jahr,"
",
                                 "Ausbildungsstellen insgesamt: ",df_dsnstth_mdr$insg_ausbildungsstellen,"

",
                                 "darunter unbesetzte Ausbildungsstellen: ",df_dsnstth_mdr$unbesetzt," (",df_dsnstth_mdr$unbesetzt_p, "%)","
"))

fig <-
fig %>% 
  add_bars(y = ~unbesetzt_p,
           marker = list(color = "dfE8E9"),
           name  = "unbesetzte Ausbildungsstellen",
           # text = "",
           text=~paste0(round(df_dsnstth_mdr$unbesetzt_p,0), "%"),
           textfont=list(color="black"),
           textposition = 'auto',
           hovermode = "closest",
          hovertemplate = paste0("",df_dsnstth_mdr$kommune,"
",
                                 "Jahr: ",df_dsnstth_mdr$jahr,"
",
                                 "Ausbildungsstellen insgesamt: ",df_dsnstth_mdr$insg_ausbildungsstellen,"

",
                                 "darunter unbesetzte Ausbildungsstellen: ",df_dsnstth_mdr$unbesetzt," (",df_dsnstth_mdr$unbesetzt_p, "%)","
"))
fig <-    
  fig %>%      
  layout(
    barmode = "stack",
         title = "Angebotene und unbesetzte Ausbildungsstellen aggregiert (2011–2021)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil in %",
                      ticksuffix = "%",
                      range= c(0,100)),
         legend = list(orientation = 'v'))

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e78)

E7.8 Angebots-Nachfrage-Relation in der dualen Berufsausbildung Bewerber/-innen {data-navmenu="Ausbildungsmarkt" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------
### Veränderung der Anzahl von Bewerber/-innen seit 2011

```{r}
fig <-
plot_ly(df,
        y=~insg_bewerber_change_2011_p,
        x = ~jahr,
        color = ~kommune,
        name = ~kommune,
        colors = ~farben,
        type = 'scatter',
        mode = 'lines+markers',
        hovermode = "closest",
        hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Bewerber/-innen insgesamt: ",df$insg_bewerber,"
",
                                 "Veränderung der Anzahl der Bewerber/-innen seit 2011: ", df$insg_bewerber_change_2011_n, " (", df$insg_bewerber_change_2011_p, "%) 

",
                                 "unversorgte Bewerber/-innen: ",df$unversorgt,"
")
        )
 
fig <-
  fig %>% 
  layout(title = "Veränderung der Anzahl von Bewerber/-innen seit 2011 (2011–2021)",
         titlefont = list(size = 18),
         font = list(family = "calibri",size = 16),
         separators = ',',
         yaxis = list(title = "Veränderung in %",
                      ticksuffix = "%"),
         xaxis = list(title = list(text = "", standoff = 3),
                      zeroline = FALSE),
         legend = list(orientation = 'h'))

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e78)

### Anzahl Ausbildungsstellen und Bewerber/-innen
```{r}

fig <-
  plot_ly(df,
          y = ~insg_ausbildungsstellen,
          marker = list(color = "#01494F"),
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~jahr,
          name  = "Ausbildungsstellen insgesamt",
          type = 'bar',
          # text = "",
          text=~paste0(round(df$insg_ausbildungsstellen,0)),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Ausbildungsstellen insgesamt: ",df$insg_ausbildungsstellen,"

",
                                 "unbesetzte Ausbildungsstellen: ",df$unbesetzt,"
"))

fig <-
fig %>% 
  add_bars(y = ~insg_bewerber,
           marker = list(color = "#d0dadb"),
           name  = "Bewerber/-innen insgesamt",
           # text = "",
           text=~paste0(round(df$insg_bewerber,0)),
           textfont=list(color="black"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Bewerber/-innen insgesamt: ",df$insg_bewerber,"

",
                                 "unversorgte Bewerber/-innen: ",df$unversorgt,"
"))

fig <-    
  fig %>%      
  layout(title = "Anzahl Ausbildungsstellen und Bewerber/-innen (2011–2021)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anzahl",
                      range= c(0,3200)),
         legend = list(orientation = 'v'))

fig



```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e78)

### Anzahl unbesetzte Ausbildungsstellen und unversorgte Bewerber/-innen
```{r}
fig <-
  plot_ly(df,
          y = ~unbesetzt,
          marker = list(color = "#01494F"),
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~jahr,
          name  = "unbesetzte Ausbildungsstellen",
          type = 'bar',
          # text = "",
          text=~paste0(round(df$unbesetzt,0)),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Ausbildungsstellen insgesamt: ",df$insg_ausbildungsstellen,"

",
                                 "unbesetzte Ausbildungsstellen: ",df$unbesetzt,"
"))

fig <-
fig %>% 
  add_bars(y = ~unversorgt,
           marker = list(color = "#d0dadb"),
           name  = "unversorgte Bewerber/-innen",
           # text = "",
           text=~paste0(round(df$unversorgt,0)),
           textfont=list(color="black"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Bewerber/-innen insgesamt: ",df$insg_bewerber,"

",
                                 "unversorgte Bewerber/-innen: ",df$unversorgt,"
"))

fig <-
  fig %>%      
  layout(title = "Anzahl unbesetzte Ausbildungsstellen und unversorgte Bewerber/-innen (2011–2021)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anzahl",
                      range= c(0,310)),
         legend = list(orientation = 'v'))

fig



```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e78)

Veränderung der Anzahl von unbesetzten Ausbildungsstellen seit 2011
```{r}
fig <-
plot_ly(df,
        y=~unbesetzt_change_2011_p,
        x = ~jahr,
        color = ~kommune,
        name = ~kommune,
        colors = ~farben,
        type = 'scatter',
        mode = 'lines+markers',
        hovermode = "closest",
        hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Ausbildungsstellen insgesamt: ",df$insg_ausbildungsstellen,"

",
                                 "unbesetzte Ausbildungsstellen: ",df$unbesetzt,"
",
                                 "Veränderung der unbesetzten Ausbildungsstellen seit 2011: ", df$unbesetzt_change_2011_p, "% 

"
)
        )
 
fig <-
  fig %>% 
  layout(title = "Veränderung der Anzahl von unbesetzten Ausbildungsstellen seit 2011 (2011–2021)",
         titlefont = list(size = 18),
         font = list(family = "calibri",size = 16),
         separators = ',',
         yaxis = list(title = "Veränderung in %",
                      ticksuffix = "%"),
         xaxis = list(title = list(text = "", standoff = 3),
                      zeroline = FALSE),
         legend = list(orientation = 'h'))

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e78)


E12.4 Neu abgeschlossene Ausbildungsverträge {data-navmenu="Ausbildungsmarkt" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------

### Neu abgeschlossene Ausbildungsverträgen nach Ausbildungsbereich

```{r}
df <- read_delim(file = "//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/04_Analysen/E_12_04_Neu_abgeschlossene_Ausbildungsvertraege/E12_4_tidy.csv",
                            ";", 
                            locale = locale(encoding = "WINDOWS-1252"))

df <- df %>%
  filter(!(ausbildungsbereich == "Ergebnis"))

df[df == "Altenburger Land"] <- "Landkreis Altenburger Land"
df[df == "Anhalt-Bitterfeld"] <- "Landkreis Anhalt-Bitterfeld"
df[df == "Leipzig"] <- "Landkreis Leipzig"
df[df == "Mansfeld-Südharz"] <- "Landkreis Mansfeld-Südharz"
df[df == "Nordsachsen"] <- "Landkreis Nordsachsen"
df[df == "Saalekreis"] <- "Landkreis Saalekreis"
df[df == "Halle (Saale), Stadt"] <- "Stadt Halle (Saale)"
df[df == "Leipzig, Stadt"] <- "Stadt Leipzig"

df <- df %>%
  mutate(m_16juenger_n = round_any(m_16juenger_n, 10),
         m_17_n = round_any(m_17_n, 10),
         m_18_n = round_any(m_18_n, 10),
         m_19_n = round_any(m_19_n, 10),
         m_20_n = round_any(m_20_n, 10),
         m_21_n = round_any(m_21_n, 10),
         m_22_n = round_any(m_22_n, 10),
         m_23_n = round_any(m_23_n, 10),
         m_24aelter_n = round_any(m_24aelter_n, 10),
         
         w_16juenger_n = round_any(w_16juenger_n, 10),
         w_17_n = round_any(w_17_n, 10),
         w_18_n = round_any(w_18_n, 10),
         w_19_n = round_any(w_19_n, 10),
         w_20_n = round_any(w_20_n, 10),
         w_21_n = round_any(w_21_n, 10),
         w_22_n = round_any(w_22_n, 10),
         w_23_n = round_any(w_23_n, 10),
         w_24aelter_n = round_any(w_24aelter_n, 10),
         
         mw_16juenger_n = m_16juenger_n + w_16juenger_n,
         mw_17_n = m_17_n + w_17_n, 
         mw_18_n = m_18_n + w_18_n, 
         mw_19_n = m_19_n + w_19_n, 
         mw_20_n = m_20_n + w_20_n, 
         mw_21_n = m_21_n + w_21_n, 
         mw_22_n = m_22_n + w_22_n, 
         mw_23_n = m_23_n +  w_23_n, 
         mw_24aelter_n = m_24aelter_n + w_24aelter_n, 
         
         hauptschulabschluss_m = round_any(hauptschulabschluss_m, 10), 
         hochschul_fachhochschulreife_m = round_any(hochschul_fachhochschulreife_m, 10),
         realschulabschluss_m = round_any(realschulabschluss_m, 10), 
         ohne_hauptschulabschluss_m = round_any(ohne_hauptschulabschluss_m, 10),
         ausland_erworbener_abschluss_m = round_any(ausland_erworbener_abschluss_m, 10),
         
         hauptschulabschluss_w = round_any(hauptschulabschluss_w, 10), 
         hochschul_fachhochschulreife_w = round_any(hochschul_fachhochschulreife_w, 10),
         realschulabschluss_w = round_any(realschulabschluss_w, 10), 
         ohne_hauptschulabschluss_w = round_any(ohne_hauptschulabschluss_w, 10),
         ausland_erworbener_abschluss_w = round_any(ausland_erworbener_abschluss_w, 10),
         
         hauptschulabschluss_mw = hauptschulabschluss_m + hauptschulabschluss_w, 
         hochschul_fachhochschulreife_mw = hochschul_fachhochschulreife_m + hochschul_fachhochschulreife_w,
         realschulabschluss_mw = realschulabschluss_m + realschulabschluss_w, 
         ohne_hauptschulabschluss_mw = ohne_hauptschulabschluss_m + ohne_hauptschulabschluss_w,
         ausland_erworbener_abschluss_mw = ausland_erworbener_abschluss_m + ausland_erworbener_abschluss_mw, 
         
         m_n = round_any(m_n, 10),
         w_n = round_any(w_n, 10), 
         mw_n = m_n + w_n)

sum_kommune_per_year <- df %>%
  group_by(jahr, ags, kommune) %>%
  dplyr::summarise(
            m_16juenger_n = sum(m_16juenger_n),
            m_17_n = sum(m_17_n),
            m_18_n = sum(m_18_n),
            m_19_n = sum(m_19_n),
            m_20_n = sum(m_20_n),
            m_21_n = sum(m_21_n),
            m_22_n = sum(m_22_n),
            m_23_n = sum(m_23_n),
            m_24aelter_n = sum(m_24aelter_n),
            w_16juenger_n = sum(w_16juenger_n),
            w_17_n = sum(w_17_n),
            w_18_n = sum(w_18_n),
            w_19_n = sum(w_19_n),
            w_20_n = sum(w_20_n),
            w_21_n = sum(w_21_n),
            w_22_n = sum(w_22_n),
            w_23_n = sum(w_23_n),
            w_24aelter_n = sum(w_24aelter_n),
            mw_16juenger_n = sum(mw_16juenger_n),
            mw_17_n = sum(mw_17_n), 
            mw_18_n = sum(mw_18_n), 
            mw_19_n = sum(mw_19_n), 
            mw_20_n = sum(mw_20_n), 
            mw_21_n = sum(mw_21_n), 
            mw_22_n = sum(mw_22_n), 
            mw_23_n = sum(mw_23_n), 
            mw_24aelter_n = sum(mw_24aelter_n), 
            hauptschulabschluss_m = sum(hauptschulabschluss_m), 
            hochschul_fachhochschulreife_m = sum(hochschul_fachhochschulreife_m),
            realschulabschluss_m = sum(realschulabschluss_m), 
            ohne_hauptschulabschluss_m = sum(ohne_hauptschulabschluss_m),
            ausland_erworbener_abschluss_m = sum(ausland_erworbener_abschluss_m),
            hauptschulabschluss_w = sum(hauptschulabschluss_w), 
            hochschul_fachhochschulreife_w = sum(hochschul_fachhochschulreife_w),
            realschulabschluss_w = sum(realschulabschluss_w), 
            ohne_hauptschulabschluss_w = sum(ohne_hauptschulabschluss_w),
            ausland_erworbener_abschluss_w = sum(ausland_erworbener_abschluss_w),
            hauptschulabschluss_mw = sum(hauptschulabschluss_mw), 
            hochschul_fachhochschulreife_mw = sum(hochschul_fachhochschulreife_mw),
            realschulabschluss_mw = sum(realschulabschluss_mw), 
            ohne_hauptschulabschluss_mw = sum(ohne_hauptschulabschluss_mw),
            ausland_erworbener_abschluss_mw = sum(ausland_erworbener_abschluss_mw), 
            m_n = sum(m_n), w_n = sum(w_n), 
            mw_n = sum(mw_n)) %>%
  mutate(ausbildungsbereich = "Summe_Ausbildungsbereiche")

sum_kommune_per_year_var <- sum_kommune_per_year[,c(1:3, 46:48)]
sum_kommune_per_year_var <- sum_kommune_per_year_var %>%
  dplyr::rename(m_n_insg = m_n,
         w_n_insg = w_n,
         mw_insg = mw_n)

df <- left_join(df, sum_kommune_per_year_var)  

df <- df %>%
  mutate()

# Nach Geschlecht
df_wide_geschlecht <- df[,c(1:4,47:52)]
df_wide_geschlecht <- df_wide_geschlecht %>%
  mutate(m_p = round(m_n / m_n_insg*100, 2),
         w_p = round(w_n / w_n_insg * 100, 2),
         mw_p = round(mw_n / mw_insg * 100,2)) %>%
  select(-m_n_insg, -w_n_insg, -mw_insg)

df_wide_geschlecht <- df_wide_geschlecht %>%
  pivot_wider(names_from = ausbildungsbereich,
              values_from = c(m_n, w_n, mw_n, m_p, w_p, mw_p)) %>%
    mutate_if(is.numeric, ~replace(., is.na(.), 0)) %>%
  clean_names()

names(df_wide_geschlecht) <- tolower(names(df_wide_geschlecht))

df_wide_geschlecht <- df_wide_geschlecht %>%
  arrange(ags) %>%
  mutate(handwerk_anteil_frauen = round(w_n_handwerk /mw_n_handwerk*100, 2),
         handwerk_anteil_maenner = round(m_n_handwerk / mw_n_handwerk*100, 2),
         
         hauswirtschaft_anteil_frauen = round(w_n_hauswirtschaft / mw_n_hauswirtschaft * 100, 2),
         hauswirtschaft_anteil_maenner = round(m_n_hauswirtschaft / mw_n_hauswirtschaft * 100, 2),
         
         freie_berufe_anteil_frauen = round(w_n_freie_berufe / mw_n_freie_berufe * 100, 2),
         freie_berufe_anteil_maenner = round(m_n_freie_berufe / mw_n_freie_berufe * 100, 2),
         
         oeffentlicher_dienst_anteil_frauen = round(w_n_offentlicher_dienst / mw_n_offentlicher_dienst * 100,2),
         oeffentlicher_dienst_anteil_maenner = round(m_n_offentlicher_dienst / mw_n_offentlicher_dienst * 100, 2),
         
         landwirtschaft_anteil_frauen = round(w_n_landwirtschaft / mw_n_landwirtschaft * 100,2),
         landwirtschaft_anteil_maenner = round(m_n_landwirtschaft / mw_n_landwirtschaft * 100,2),
         
         industrie_und_handel_anteil_frauen = round(w_n_industrie_und_handel / mw_n_industrie_und_handel * 100,2),
         industrie_und_handel_anteil_maenner = round(m_n_industrie_und_handel / mw_n_industrie_und_handel * 100,2))

# Nach Abschluss
df_wide_abschluss <- df[, c(1:4, 42:46)]
df_wide_abschluss <- df_wide_abschluss %>%
  pivot_wider(names_from = ausbildungsbereich,
              values_from = c(hauptschulabschluss_mw, ohne_hauptschulabschluss_mw, realschulabschluss_mw, hochschul_fachhochschulreife_mw, ausland_erworbener_abschluss_mw)) %>%
  mutate_if(is.numeric, ~replace(., is.na(.), 0)) %>%
  clean_names()

names(df_wide_abschluss) <- tolower(names(df_wide_abschluss))
df_wide_abschluss$gesamt <- rowSums(df_wide_abschluss[, c(4:33)])

df_wide_abschluss <- df_wide_abschluss %>%
  #nach ags sortieren
  arrange(ags) %>%
  #Anzahl der Abschluss jeweils insg ausrechnen
  mutate(hauptschulabschluss_mw = hauptschulabschluss_mw_freie_berufe + hauptschulabschluss_mw_handwerk + hauptschulabschluss_mw_hauswirtschaft +
                                  hauptschulabschluss_mw_industrie_und_handel + hauptschulabschluss_mw_landwirtschaft +
                                  hauptschulabschluss_mw_offentlicher_dienst,
         
         ohne_hauptschulabschluss_mw = ohne_hauptschulabschluss_mw_freie_berufe + ohne_hauptschulabschluss_mw_handwerk +
                                       ohne_hauptschulabschluss_mw_hauswirtschaft + ohne_hauptschulabschluss_mw_industrie_und_handel +
                                       ohne_hauptschulabschluss_mw_landwirtschaft + ohne_hauptschulabschluss_mw_offentlicher_dienst,
         
         realschulabschluss_mw = realschulabschluss_mw_freie_berufe + realschulabschluss_mw_handwerk + realschulabschluss_mw_hauswirtschaft +
                                 realschulabschluss_mw_industrie_und_handel + realschulabschluss_mw_landwirtschaft +
                                 realschulabschluss_mw_offentlicher_dienst,
         
         hochschul_fachhochschulreife_mw = hochschul_fachhochschulreife_mw_freie_berufe + hochschul_fachhochschulreife_mw_handwerk +
                                               hochschul_fachhochschulreife_mw_hauswirtschaft + hochschul_fachhochschulreife_mw_industrie_und_handel +
                                               hochschul_fachhochschulreife_mw_landwirtschaft + hochschul_fachhochschulreife_mw_offentlicher_dienst,
         
         ausland_erworbener_abschluss_mw = ausland_erworbener_abschluss_mw_freie_berufe + ausland_erworbener_abschluss_mw_handwerk +
                                           ausland_erworbener_abschluss_mw_hauswirtschaft + ausland_erworbener_abschluss_mw_industrie_und_handel +
                                           ausland_erworbener_abschluss_mw_landwirtschaft + ausland_erworbener_abschluss_mw_offentlicher_dienst) %>%
  
  #Anteile der Abschluesse jeweils ausrechnen
  mutate(hauptschulabschluss_p = round(hauptschulabschluss_mw / gesamt*100,2),
         ohne_hauptschulabschluss_p = round(ohne_hauptschulabschluss_mw / gesamt*100,2),
         realschulabschluss_p = round(realschulabschluss_mw / gesamt*100,2),
         hochschul_fachhochschulreife_p = round(hochschul_fachhochschulreife_mw / gesamt*100,2),
         ausland_erworbener_abschluss_p = round(ausland_erworbener_abschluss_mw / gesamt*100,2))

# Anteile für Handwerk
df_wide_abschluss <- df_wide_abschluss %>%
  mutate(handwerk = ohne_hauptschulabschluss_mw_handwerk + hauptschulabschluss_mw_handwerk + realschulabschluss_mw_handwerk + hochschul_fachhochschulreife_mw_handwerk + ausland_erworbener_abschluss_mw_handwerk) %>%
  
  mutate(ohne_hauptschul_handwerk_p = round(ohne_hauptschulabschluss_mw_handwerk / handwerk*100,2),
         hauptschulabschluss_handwerk_p = round(hauptschulabschluss_mw_handwerk / handwerk*100,2),
         realschulabschluss_handwerk_p = round(realschulabschluss_mw_handwerk / handwerk*100,2),
         hochschul_fachhochschulreife_handwerk_p = round(hochschul_fachhochschulreife_mw_handwerk / handwerk*100,2),
         ausland_erworbener_abschluss_handwerk_p = round(ausland_erworbener_abschluss_mw_handwerk / handwerk*100,2)
         )

#Anteile für Industrie und Handel
df_wide_abschluss <- df_wide_abschluss %>%
  mutate(industrie_und_handel = ohne_hauptschulabschluss_mw_industrie_und_handel + hauptschulabschluss_mw_industrie_und_handel + realschulabschluss_mw_industrie_und_handel + hochschul_fachhochschulreife_mw_industrie_und_handel + ausland_erworbener_abschluss_mw_industrie_und_handel) %>%
  
  mutate(ohne_hauptschul_industrie_und_handel_p = round(ohne_hauptschulabschluss_mw_industrie_und_handel / industrie_und_handel*100,2),
         hauptschulabschluss_industrie_und_handel_p = round(hauptschulabschluss_mw_industrie_und_handel / industrie_und_handel*100,2),
         realschulabschluss_industrie_und_handel_p = round(realschulabschluss_mw_industrie_und_handel / industrie_und_handel*100,2),
         hochschul_fachhochschulreife_industrie_und_handel_p = round(hochschul_fachhochschulreife_mw_industrie_und_handel / industrie_und_handel*100,2),
         ausland_erworbener_abschluss_industrie_und_handel_p = round(ausland_erworbener_abschluss_mw_industrie_und_handel / industrie_und_handel*100,2)
         )

#Anteile für Hauswirtschaft
df_wide_abschluss <- df_wide_abschluss %>%
  mutate(hauswirtschaft = ohne_hauptschulabschluss_mw_hauswirtschaft + hauptschulabschluss_mw_hauswirtschaft + realschulabschluss_mw_hauswirtschaft + hochschul_fachhochschulreife_mw_hauswirtschaft + ausland_erworbener_abschluss_mw_hauswirtschaft) %>%
  
  mutate(ohne_hauptschul_hauswirtschaft_p = round(ohne_hauptschulabschluss_mw_hauswirtschaft / hauswirtschaft*100,2),
         hauptschulabschluss_hauswirtschaft_p = round(hauptschulabschluss_mw_hauswirtschaft / hauswirtschaft*100,2),
         realschulabschluss_hauswirtschaft_p = round(realschulabschluss_mw_hauswirtschaft / hauswirtschaft*100,2),
         hochschul_fachhochschulreife_hauswirtschaft_p = round(hochschul_fachhochschulreife_mw_hauswirtschaft / hauswirtschaft*100,2),
         ausland_erworbener_abschluss_hauswirtschaft_p = round(ausland_erworbener_abschluss_mw_hauswirtschaft / hauswirtschaft*100,2)
         )


#Nach Alter
df_wide_alter <- df[, c(1:31)]

colnames_pivot <- names(df_wide_alter[,c(5:31)])

df_wide_alter <- df_wide_alter %>%
  pivot_wider(names_from = ausbildungsbereich,
              values_from = colnames_pivot) %>%
  mutate_if(is.numeric, ~replace(., is.na(.), 0)) %>%
  clean_names()

df_wide_alter <- df_wide_alter %>%
  mutate(age16juenger = select(., starts_with("mw_16")) %>% rowSums(),
         age17 = select(., starts_with("mw_17")) %>% rowSums(),
         age18 = select(., starts_with("mw_18")) %>% rowSums(),
         age19 = select(., starts_with("mw_19")) %>% rowSums(),
         age20 = select(., starts_with("mw_20")) %>% rowSums(),
         age21 = select(., starts_with("mw_21")) %>% rowSums(),
         age22 = select(., starts_with("mw_22")) %>% rowSums(),
         age23 = select(., starts_with("mw_23")) %>% rowSums(),
         age24aelter = select(., starts_with("mw_24aelter")) %>% rowSums(),
         gesamt = age16juenger + age17 + age18 + age19 + age20 + age21 + age22 + age23 + age24aelter,
         
         #Anteile der Altersgruppen
         age16juenger_p = round(age16juenger / gesamt * 100, 2),
         age17_p = round(age17 / gesamt * 100, 2),
         age18_p = round(age18 / gesamt * 100, 2),
         age19_p = round(age19 / gesamt * 100, 2),
         age20_p = round(age20 / gesamt * 100, 2),
         age21_p = round(age21 / gesamt * 100, 2),
         age22_p = round(age22 / gesamt * 100, 2),
         age23_p = round(age23 / gesamt * 100, 2),
         age24aelter_p = round(age24aelter / gesamt * 100,2)
         )

# Altersgruppen
df_wide_alter <- df_wide_alter %>%
  mutate(age17_juenger_n = age16juenger + age17,
         age17_juenger_p = round(age17_juenger_n / gesamt * 100, 2),
         
         age18bis20_n = age18 + age19 + age20,
         age18bis20_p = round(age18bis20_n / gesamt * 100, 2),
         
         age21bis23_n = age21 + age22 + age23,
         age21bis23_p = round(age21bis23_n / gesamt * 100, 2),
         )

# Verändeurng seit 2010 für Frauen im Handwerk
x_2010 <- df_wide_geschlecht %>%
  filter(jahr == 2010) %>%
  select(kommune, w_n_handwerk, w_p_handwerk) %>%
  dplyr::rename(w_n_handwerk_2010 = w_n_handwerk,
         w_p_handwerk_2010 = w_p_handwerk)

df_wide_geschlecht <- df_wide_geschlecht %>%
  left_join(., x_2010)

df_wide_geschlecht <- df_wide_geschlecht %>%
  mutate(w_handwerk_change_2010_n = w_n_handwerk - w_n_handwerk_2010,
         # w_handwerk_change_2010_p = round((w_n_handwerk - w_n_handwerk_2010)/w_n_handwerk * 100, 2),
         w_handwerk_change_2010_p = round((w_n_handwerk - w_n_handwerk_2010)/w_n_handwerk_2010 * 100, 2),

         )

df <- df %>%
  mutate(ags = as.factor(ags))

farben <- c("#5778a4","#e49444","#6a9f58","#d1615d","#85b6b2","#e7ca60","#a87c9f","#f1a2a9"
            ,"#b8b0ac"
            )


fig <-
  plot_ly(df_wide_geschlecht,
          x = factor(df_wide_geschlecht$kommune, levels = unique(df_wide_geschlecht$kommune)),
          frame = ~jahr,
          type = 'bar',
          y = ~mw_n_hauswirtschaft,
          marker = list(color = "#B8B0AC"),
          name  = "Hauswirtschaft",
          text= "",
          # text=~paste0(round(df_wide_geschlecht$mw_n_hauswirtschaft,0),"%"),
          # textfont=list(color="white"),
          # textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$mw_n_hauswirtschaft,"
",
                                 "im Bereich: ","Hauswirtschaft","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_hauswirtschaft, "
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_hauswirtschaft))

fig <-
  fig %>% 
  add_bars(y = ~mw_n_freie_berufe,
           marker = list(color = "#85B6B2 "),
           name  = "Freie Berufe",
           text= "",
           # text=~paste0(round(df_wide_geschlecht$mw_n_freie_berufe,0),"%"),
           # textfont=list(color="white"),
           # textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$mw_n_freie_berufe,"
",
                                 "im Bereich: ","Freie Berufe","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_freie_berufe, "
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_freie_berufe))

fig <-
  fig %>% 
  add_bars(y = ~mw_n_offentlicher_dienst,
          marker = list(color = "#E7CA60"),
          name  = "Öffentlicher Dienst",
          text = "",
          # text=~paste0(round(df_wide_geschlecht$,0),"%"),
          # textfont=list(color="white"),
          # textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$mw_n_offentlicher_dienst,"
",
                                 "im Bereich: ","Öffentlicher Dienst","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_offentlicher_dienst, "
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_offentlicher_dienst))

fig <-
  fig %>% 
  add_bars(y = ~mw_n_landwirtschaft,
           marker = list(color = "#6A9F58"),
           name  = "Landwirtschaft",
           text= "",
           # text=~paste0(round(df_wide_geschlecht$mw_n_landwirtschaft,0),"%"),
           # textfont=list(color="white"),
           # textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$mw_n_landwirtschaft,"
",
                                 "im Bereich: ","Landwirtschaft","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_landwirtschaft, "
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_landwirtschaft))

fig <-
fig %>% 
  add_bars(y = ~mw_n_handwerk,
           marker = list(color = "#E49444"),
           name  = "Handwerk",
           text = "",
           # text=~paste0(round(df_wide_geschlecht$mw_n_handwerk,0),"%"),
           # textfont=list(color="white"),
           # textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$mw_n_handwerk,"
",
                                 "im Bereich: ","Handwerk","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_handwerk, "
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_handwerk))


fig <-
  fig %>% 
  add_bars(y = ~mw_n_industrie_und_handel,
           marker = list(color = "#5778A4"),
           name  = "Industrie und Handel",
           text= "",
           # text=~paste0(round(df_wide_geschlecht$mw_n_industrie_und_handel,0),"%"),
           # textfont=list(color="white"),
           # textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$mw_n_industrie_und_handel,"
",
                                 "im Bereich: ","Industrie und Handel","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_industrie_und_handel, "
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_industrie_und_handel))

fig <-    
  fig %>%      
  layout(
         title = "Neu abgeschlossene Ausbildungsverträge nach Ausbildungsbereich (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anzahl der neu abgeschlossenen Ausbildungsverträgen",
                      range= c(0,4600)),
         legend = list(orientation = 'v'),
         bargap = 0.3)

fig



```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e124-und-e125)

E12.5 Anteile neu abgeschlossener Ausbildungsverträge nach Ausbildungsbereichen oder Berufsgruppen Geschlecht {data-navmenu="Ausbildungsmarkt" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------

### Anteil neu abgeschlossener Ausbildungsverträge nach Ausbildungsbereich

```{r}
fig <-
  plot_ly(df_wide_geschlecht,
          x = factor(df_wide_geschlecht$kommune, levels = unique(df_wide_geschlecht$kommune)),
          frame = ~jahr,
          type = 'bar',
          y = ~mw_p_hauswirtschaft,
          marker = list(color = "#B8B0AC"),
          name  = "Hauswirtschaft",
          # text= "",
          text=~paste0(round(df_wide_geschlecht$mw_p_hauswirtschaft,0),"%"),
          textfont=list(color="black"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$mw_n_hauswirtschaft, " (", df_wide_geschlecht$mw_p_hauswirtschaft, "%)","
",
                                 "im Bereich: ","Hauswirtschaft","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_hauswirtschaft, " (", df_wide_geschlecht$w_p_hauswirtschaft, "%)", "
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_hauswirtschaft, " (", df_wide_geschlecht$m_p_hauswirtschaft, "%)"))

fig <-
  fig %>% 
  add_bars(y = ~mw_p_freie_berufe,
           marker = list(color = "#85B6B2 "),
           name  = "Freie Berufe",
           # text= "",
           text=~paste0(round(df_wide_geschlecht$mw_p_freie_berufe,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$mw_n_freie_berufe," (", df_wide_geschlecht$mw_p_freie_berufe, "%)","
",
                                 "im Bereich: ","Freie Berufe","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_freie_berufe, " (", df_wide_geschlecht$w_p_freie_berufe, "%)", "
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_freie_berufe, " (", df_wide_geschlecht$m_p_freie_berufe, "%)"))

fig <-
  fig %>% 
  add_bars(y = ~mw_p_offentlicher_dienst,
          marker = list(color = "#E7CA60"),
          name  = "Öffentlicher Dienst",
          # text = "",
          text=~paste0(round(df_wide_geschlecht$mw_p_offentlicher_dienst, 0), "%"),
          textfont=list(color="black"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$mw_n_offentlicher_dienst," (", df_wide_geschlecht$mw_p_offentlicher_dienst, "%)","
",
                                 "im Bereich: ","Öffentlicher Dienst","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_offentlicher_dienst, " (", df_wide_geschlecht$w_p_offentlicher_dienst, "%)", "
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_offentlicher_dienst, " (", df_wide_geschlecht$m_p_offentlicher_dienst, "%)"))

fig <-
  fig %>% 
  add_bars(y = ~mw_p_landwirtschaft,
           marker = list(color = "#6A9F58"),
           name  = "Landwirtschaft",
           # text= "",
           text=~paste0(round(df_wide_geschlecht$mw_p_landwirtschaft,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$mw_n_landwirtschaft," (", df_wide_geschlecht$mw_p_landwirtschaft, "%)","
",
                                 "im Bereich: ","Landwirtschaft","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_landwirtschaft, " (", df_wide_geschlecht$w_p_landwirtschaft, "%)", "
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_landwirtschaft, " (", df_wide_geschlecht$m_p_landwirtschaft, "%)"))

fig <-
fig %>% 
  add_bars(y = ~mw_p_handwerk,
           marker = list(color = "#E49444"),
           name  = "Handwerk",
           # text = "",
           text=~paste0(round(df_wide_geschlecht$mw_p_handwerk,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$mw_n_handwerk," (", df_wide_geschlecht$mw_p_handwerk, "%)","
",
                                 "im Bereich: ","Handwerk","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_handwerk, " (", df_wide_geschlecht$w_p_handwerk, "%)","
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_handwerk, " (", df_wide_geschlecht$m_p_handwerk, "%)"))


fig <-
  fig %>% 
  add_bars(y = ~mw_p_industrie_und_handel,
           marker = list(color = "#5778A4"),
           name  = "Industrie und Handel",
           # text= "",
           text=~paste0(round(df_wide_geschlecht$mw_p_industrie_und_handel,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$mw_n_industrie_und_handel," (", df_wide_geschlecht$mw_p_industrie_und_handel, "%)","
",
                                 "im Bereich: ","Industrie und Handel","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_industrie_und_handel, " (", df_wide_geschlecht$w_p_industrie_und_handel, "%)","
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_industrie_und_handel, " (", df_wide_geschlecht$m_p_industrie_und_handel, "%)"))

fig <-    
  fig %>%      
  layout(
         barmode = 'stack',
         title = "Anteil neu abgeschlossener Ausbildungsverträge nach Ausbildungsbereich (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri", size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil in %",
                      ticksuffix = "%",
                      range= c(0,100)),
         legend = list(orientation = 'v'),
         bargap = 0.3)

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e124-und-e125)

### Anteil neu abgeschlossener Ausbildungsverträge nach Ausbildungsbereich Frauen
```{r}
fig <-
  plot_ly(df_wide_geschlecht,
          x = factor(df_wide_geschlecht$kommune, levels = unique(df_wide_geschlecht$kommune)),
          frame = ~jahr,
          type = 'bar',
          y = ~w_p_hauswirtschaft,
          marker = list(color = "#B8B0AC"),
          name  = "Hauswirtschaft",
          # text= "",
          text=~paste0(round(df_wide_geschlecht$w_p_hauswirtschaft,0),"%"),
          textfont=list(color="black"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$mw_n_hauswirtschaft, " (", df_wide_geschlecht$mw_p_hauswirtschaft, "%)","
",
                                 "im Bereich: ","Hauswirtschaft","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_hauswirtschaft,  " (", df_wide_geschlecht$w_p_hauswirtschaft, "%)", "
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_hauswirtschaft, " (", df_wide_geschlecht$m_p_hauswirtschaft, "%)"))

fig <-
  fig %>% 
  add_bars(y = ~w_p_freie_berufe,
           marker = list(color = "#85B6B2 "),
           name  = "Freie Berufe",
           # text= "",
           text=~paste0(round(df_wide_geschlecht$w_p_freie_berufe,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$mw_n_freie_berufe," (", df_wide_geschlecht$mw_p_freie_berufe, "%)","
",
                                 "im Bereich: ","Freie Berufe","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_freie_berufe,  " (", df_wide_geschlecht$w_p_freie_berufe, "%)", "
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_freie_berufe, " (", df_wide_geschlecht$m_p_freie_berufe, "%)"))

fig <-
  fig %>% 
  add_bars(y = ~w_p_offentlicher_dienst,
          marker = list(color = "#E7CA60"),
          name  = "Öffentlicher Dienst",
          # text = "",
          text=~paste0(round(df_wide_geschlecht$w_p_offentlicher_dienst, 0), "%"),
          textfont=list(color="black"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$m_n_offentlicher_dienst," (", df_wide_geschlecht$m_p_offentlicher_dienst, "%)","
",
                                 "im Bereich: ","Öffentlicher Dienst","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_offentlicher_dienst,  " (", df_wide_geschlecht$w_p_offentlicher_dienst, "%)", "
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_offentlicher_dienst, " (", df_wide_geschlecht$m_p_offentlicher_dienst, "%)"))

fig <-
  fig %>% 
  add_bars(y = ~w_p_landwirtschaft,
           marker = list(color = "#6A9F58"),
           name  = "Landwirtschaft",
           # text= "",
           text=~paste0(round(df_wide_geschlecht$w_p_landwirtschaft,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$mw_n_landwirtschaft," (", df_wide_geschlecht$mw_p_landwirtschaft, "%)","
",
                                 "im Bereich: ","Landwirtschaft","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_landwirtschaft, " (", df_wide_geschlecht$w_p_landwirtschaft, "%)",  "
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_landwirtschaft, " (", df_wide_geschlecht$m_p_landwirtschaft, "%)"))

fig <-
fig %>% 
  add_bars(y = ~w_p_handwerk,
           marker = list(color = "#E49444"),
           name  = "Handwerk",
           # text = "",
           text=~paste0(round(df_wide_geschlecht$w_p_handwerk,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$mw_n_handwerk," (", df_wide_geschlecht$mw_p_handwerk, "%)","
",
                                 "im Bereich: ","Handwerk","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_handwerk, " (", df_wide_geschlecht$w_p_handwerk, "%)",  "
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_handwerk, " (", df_wide_geschlecht$m_p_handwerk, "%)"))


fig <-
  fig %>% 
  add_bars(y = ~w_p_industrie_und_handel,
           marker = list(color = "#5778A4"),
           name  = "Industrie und Handel",
           # text= "",
           text=~paste0(round(df_wide_geschlecht$w_p_industrie_und_handel,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$mw_n_industrie_und_handel," (", df_wide_geschlecht$mw_p_industrie_und_handel, "%)","
",
                                 "im Bereich: ","Industrie und Handel","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_industrie_und_handel,  " (", df_wide_geschlecht$w_p_industrie_und_handel, "%)", "
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_industrie_und_handel, " (", df_wide_geschlecht$m_p_industrie_und_handel, "%)"))

fig <-    
  fig %>%      
  layout(
         barmode = 'stack',
         title = "Anteil neu abgeschlossener Ausbildungsverträge nach Ausbildungsbereich Frauen (2010–2020)",
         titlefont = list(size = 16),
         font = list(family = "calibri", size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil in %",
                      ticksuffix = "%",
                      range= c(0,100)),
         legend = list(orientation = 'v'),
         bargap = 0.3)

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e124-und-e125)

### Anteil neu abgeschlossener Ausbildungsverträge nach Ausbildungsbereich Männer

```{r}
fig <-
  plot_ly(df_wide_geschlecht,
          x = factor(df_wide_geschlecht$kommune, levels = unique(df_wide_geschlecht$kommune)),
          frame = ~jahr,
          type = 'bar',
          y = ~m_p_hauswirtschaft,
          marker = list(color = "#B8B0AC"),
          name  = "Hauswirtschaft",
          # text= "",
          text=~paste0(round(df_wide_geschlecht$m_p_hauswirtschaft,0),"%"),
          textfont=list(color="black"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$mw_n_hauswirtschaft, " (", df_wide_geschlecht$mw_p_hauswirtschaft, "%)","
",
                                 "im Bereich: ","Hauswirtschaft","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_hauswirtschaft,  " (", df_wide_geschlecht$w_p_hauswirtschaft, "%)", "
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_hauswirtschaft, " (", df_wide_geschlecht$m_p_hauswirtschaft, "%)"))

fig <-
  fig %>% 
  add_bars(y = ~m_p_freie_berufe,
           marker = list(color = "#85B6B2 "),
           name  = "Freie Berufe",
           # text= "",
           text=~paste0(round(df_wide_geschlecht$m_p_freie_berufe,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$mw_n_freie_berufe," (", df_wide_geschlecht$mw_p_freie_berufe, "%)","
",
                                 "im Bereich: ","Freie Berufe","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_freie_berufe,  " (", df_wide_geschlecht$w_p_freie_berufe, "%)", "
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_freie_berufe, " (", df_wide_geschlecht$m_p_freie_berufe, "%)"))

fig <-
  fig %>% 
  add_bars(y = ~m_p_offentlicher_dienst,
          marker = list(color = "#E7CA60"),
          name  = "Öffentlicher Dienst",
          # text = "",
          text=~paste0(round(df_wide_geschlecht$m_p_offentlicher_dienst, 0), "%"),
          textfont=list(color="black"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$m_n_offentlicher_dienst," (", df_wide_geschlecht$m_p_offentlicher_dienst, "%)","
",
                                 "im Bereich: ","Öffentlicher Dienst","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_offentlicher_dienst,  " (", df_wide_geschlecht$w_p_offentlicher_dienst, "%)", "
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_offentlicher_dienst, " (", df_wide_geschlecht$m_p_offentlicher_dienst, "%)"))

fig <-
  fig %>% 
  add_bars(y = ~m_p_landwirtschaft,
           marker = list(color = "#6A9F58"),
           name  = "Landwirtschaft",
           # text= "",
           text=~paste0(round(df_wide_geschlecht$m_p_landwirtschaft,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$mw_n_landwirtschaft," (", df_wide_geschlecht$mw_p_landwirtschaft, "%)","
",
                                 "im Bereich: ","Landwirtschaft","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_landwirtschaft, " (", df_wide_geschlecht$w_p_landwirtschaft, "%)",  "
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_landwirtschaft, " (", df_wide_geschlecht$m_p_landwirtschaft, "%)"))

fig <-
fig %>% 
  add_bars(y = ~m_p_handwerk,
           marker = list(color = "#E49444"),
           name  = "Handwerk",
           # text = "",
           text=~paste0(round(df_wide_geschlecht$m_p_handwerk,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$mw_n_handwerk," (", df_wide_geschlecht$mw_p_handwerk, "%)","
",
                                 "im Bereich: ","Handwerk","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_handwerk, " (", df_wide_geschlecht$w_p_handwerk, "%)",  "
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_handwerk, " (", df_wide_geschlecht$m_p_handwerk, "%)"))


fig <-
  fig %>% 
  add_bars(y = ~m_p_industrie_und_handel,
           marker = list(color = "#5778A4"),
           name  = "Industrie und Handel",
           # text= "",
           text=~paste0(round(df_wide_geschlecht$m_p_industrie_und_handel,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$mw_n_industrie_und_handel," (", df_wide_geschlecht$mw_p_industrie_und_handel, "%)","
",
                                 "im Bereich: ","Industrie und Handel","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_industrie_und_handel,  " (", df_wide_geschlecht$w_p_industrie_und_handel, "%)", "
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_industrie_und_handel, " (", df_wide_geschlecht$m_p_industrie_und_handel, "%)"))

fig <-    
  fig %>%      
  layout(
         barmode = 'stack',
         title = "Anteil neu abgeschlossener Ausbildungsverträge nach Ausbildungsbereich Männer (2010–2020)",
         titlefont = list(size = 16),
         font = list(family = "calibri", size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil in %",
                      ticksuffix = "%",
                      range= c(0,100)),
         legend = list(orientation = 'v'),
         bargap = 0.3)

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e124-und-e125)

E12.5 Anteile neu abgeschlossener Ausbildungsverträge nach Ausbildungsbereichen oder Berufsgruppen Alter und Abschluss {data-navmenu="Ausbildungsmarkt" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------

### Anteil neu abgeschlossener Ausbildungsverträge nach Alter

```{r}
fig <-
  plot_ly(df_wide_alter,
          x = factor(df_wide_alter$kommune, levels = unique(df_wide_alter$kommune)),
          frame = ~jahr,
          type = 'bar',
          y = ~age16juenger_p,
          marker = list(color = "#d2dee0"),
          name  = "16 Jahre und jünger",
          # text= "",
          text=~paste0(round(df_wide_alter$age16juenger_p,0),"%"),
          textfont=list(color="black"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df_wide_alter$kommune,"
",
                                 "Jahr: ",df_wide_alter$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_alter$gesamt,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge von Personen im Alter von 16 Jahren und jünger:  ",df_wide_alter$age16juenger, " (", df_wide_alter$age16juenger_p, "%)","
"
                                )
          )

fig <-
  fig %>% 
  add_bars(y = ~age17_p,
           marker = list(color = "#b3c9cb"),
           name  = "17 Jahre",
           # text= "",
           text=~paste0(round(df_wide_alter$age17_p,0),"%"),
           textfont=list(color="black"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_alter$kommune,"
",
                                 "Jahr: ",df_wide_alter$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_alter$gesamt,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge von Personen im Alter von 17 Jahren:  ",df_wide_alter$age17, " (", df_wide_alter$age17_p, "%)","
"
                                )
           )

fig <-
  fig %>% 
  add_bars(y = ~age18_p,
          marker = list(color = "#95b3b6"),
          name  = "18 Jahre",
          # text = "",
          text=~paste0(round(df_wide_alter$age18_p, 0), "%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df_wide_alter$kommune,"
",
                                 "Jahr: ",df_wide_alter$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_alter$gesamt,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge von Personen im Alter von 18 Jahren:  ",df_wide_alter$age18, " (", df_wide_alter$age18_p, "%)","
"
                                )
         )

fig <-
  fig %>% 
  add_bars(y = ~age19_p,
           marker = list(color = "#779da1"),
           name  = "19 Jahre",
           # text= "",
           text=~paste0(round(df_wide_alter$age19_p,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_alter$kommune,"
",
                                 "Jahr: ",df_wide_alter$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_alter$gesamt,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge von Personen im Alter von 19 Jahren:  ",df_wide_alter$age19, " (", df_wide_alter$age19_p, "%)","
"
                                )
          )

fig <-
fig %>% 
  add_bars(y = ~age20_p,
           marker = list(color = "#5e8488"),
           name  = "20 Jahre",
           # text = "",
           text=~paste0(round(df_wide_alter$age20_p,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
            hovertemplate = paste0("",df_wide_alter$kommune,"
",
                                 "Jahr: ",df_wide_alter$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_alter$gesamt,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge von Personen im Alter von 20 Jahren:  ",df_wide_alter$age20, " (", df_wide_alter$age20_p, "%)","
"
                                )
           )

fig <-
fig %>% 
  add_bars(y = ~age21_p,
           marker = list(color = "#49666a"),
           name  = "21 Jahre",
           # text = "",
           text=~paste0(round(df_wide_alter$age21_p,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
            hovertemplate = paste0("",df_wide_alter$kommune,"
",
                                 "Jahr: ",df_wide_alter$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_alter$gesamt,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge von Personen im Alter von 21 Jahren:  ",df_wide_alter$age21, " (", df_wide_alter$age21_p, "%)","
"
                                )
           )

fig <-
fig %>% 
  add_bars(y = ~age22_p,
           marker = list(color = "#395555"),
           name  = "22 Jahre",
           # text = "",
           text=~paste0(round(df_wide_alter$age22_p,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
            hovertemplate = paste0("",df_wide_alter$kommune,"
",
                                 "Jahr: ",df_wide_alter$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_alter$gesamt,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge von Personen im Alter von 22 Jahren:  ",df_wide_alter$age22, " (", df_wide_alter$age22_p, "%)","
"
                                )
           )

fig <-
fig %>% 
  add_bars(y = ~age23_p,
           marker = list(color = "#223333"),
           name  = "23 Jahre",
           # text = "",
           text=~paste0(round(df_wide_alter$age23_p,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
            hovertemplate = paste0("",df_wide_alter$kommune,"
",
                                 "Jahr: ",df_wide_alter$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_alter$gesamt,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge von Personen im Alter von 23 Jahren:  ",df_wide_alter$age23, " (", df_wide_alter$age23_p, "%)","
"
                                )
           )

fig <-
fig %>% 
  add_bars(y = ~age24aelter_p,
           marker = list(color = "#0a0f0f"),
           name  = "24 Jahre und älter",
           # text = "",
           text=~paste0(round(df_wide_alter$age24aelter_p,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_alter$kommune,"
",
                                 "Jahr: ",df_wide_alter$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_alter$gesamt,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge von Personen im Alter von 24 Jahren und älter:  ",df_wide_alter$age24aelter, " (", df_wide_alter$age24aelter_p, "%)","
"
                                )
           )
fig <-    
  fig %>%      
  layout(
         barmode = 'stack',
         title = "Anteil neu abgeschlossener Ausbildungsverträge nach Alter (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri", size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil in %",
                      ticksuffix = "%",
                      range= c(0,100)),
         legend = list(orientation = 'v'),
         bargap = 0.3)

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e124-und-e125)

> Für den Landkreis Altenburger Land liegen uns leider keine Informationen zum Alter oder dem Abschluss von den Personen, die neue Ausbildungsverträge abgeschlossen haben, vor.

### Anteil neu abgeschlossener Ausbildungsverträge nach Altersgruppen

```{r}
fig <-
  plot_ly(df_wide_alter,
          x = factor(df_wide_alter$kommune, levels = unique(df_wide_alter$kommune)),
          frame = ~jahr,
          type = 'bar',
          y = ~age17_juenger_p,
          marker = list(color = "#d0dadb"),
          name  = "17 Jahre und jünger",
          # text= "",
          text=~paste0(round(df_wide_alter$age17_juenger_p,0),"%"),
          textfont=list(color="black"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df_wide_alter$kommune,"
",
                                 "Jahr: ",df_wide_alter$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_alter$gesamt,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge von Personen im Alter von 17 Jahren und jünger:  ",df_wide_alter$age17_juenger_n, " (", df_wide_alter$age17_juenger_p, "%)","
"
                                )
          )

fig <-
  fig %>% 
  add_bars(y = ~age18bis20_p,
           marker = list(color = "#A0BBBD "),
           name  = "18 - 20 Jahre",
           # text= "",
           text=~paste0(round(df_wide_alter$age18bis20_p,0),"%"),
           textfont=list(color="black"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_alter$kommune,"
",
                                 "Jahr: ",df_wide_alter$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_alter$gesamt,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge von Personen im Alter von 18 bis 20 Jahren:  ",df_wide_alter$age18bis20_n, " (", df_wide_alter$age18bis20_p, "%)","
"
                                )
           )

fig <-
  fig %>% 
  add_bars(y = ~age21bis23_p,
          marker = list(color = "#608D91"),
          name  = "21 - 23 Jahre",
          # text = "",
          text=~paste0(round(df_wide_alter$age21bis23_p, 0), "%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df_wide_alter$kommune,"
",
                                 "Jahr: ",df_wide_alter$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_alter$gesamt,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge von Personen im Alter von 21 - 23 Jahren:  ",df_wide_alter$age21bis23_n, " (", df_wide_alter$age21bis23_p, "%)","
"
                                )
         )

fig <-
  fig %>% 
  add_bars(y = ~age24aelter_p,
           marker = list(color = "#01494F"),
           name  = "24 Jahre und älter",
           # text= "",
           text=~paste0(round(df_wide_alter$age24aelter_p,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_alter$kommune,"
",
                                 "Jahr: ",df_wide_alter$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_alter$gesamt,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge von Personen im Alter von 24 Jahren und älter:  ",df_wide_alter$age24aelter, " (", df_wide_alter$age24aelter_p, "%)","
"
                                )
          )

fig <-    
  fig %>%      
  layout(
         barmode = 'stack',
         title = "Anteil neu abgeschlossener Ausbildungsverträge nach Altersgruppen (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri", size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil in %",
                      ticksuffix = "%",
                      range= c(0,100)),
         legend = list(orientation = 'v'),
         bargap = 0.3)

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e124-und-e125)

> Für den Landkreis Altenburger Land liegen uns leider keine Informationen zum Alter oder dem Abschluss von den Personen, die neue Ausbildungsverträge abgeschlossen haben, vor.

### Anteil neu abgeschlossener Ausbildungsverträge nach vorherigem Schulabschluss

```{r}
fig <-
  plot_ly(df_wide_abschluss,
          x = factor(df_wide_abschluss$kommune, levels = unique(df_wide_abschluss$kommune)),
          frame = ~jahr,
          type = 'bar',
          y = ~ohne_hauptschulabschluss_p,
          marker = list(color = "#d0dadb"),
          name  = "ohne Hauptschulabschluss",
          # text= "",
          text=~paste0(round(df_wide_abschluss$ohne_hauptschulabschluss_p,0),"%"),
          textfont=list(color="black"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df_wide_abschluss$kommune,"
",
                                 "Jahr: ",df_wide_abschluss$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_abschluss$gesamt,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge ohne Hauptschulabschluss:  ",df_wide_abschluss$ohne_hauptschulabschluss_mw, " (", df_wide_abschluss$ohne_hauptschulabschluss_p, "%)","
"
                                ))

fig <-
  fig %>% 
  add_bars(y = ~hauptschulabschluss_p,
           marker = list(color = "#A0BBBD "),
           name  = "mit Hauptschulabschluss",
           # text= "",
           text=~paste0(round(df_wide_abschluss$hauptschulabschluss_p,0),"%"),
           textfont=list(color="black"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_abschluss$kommune,"
",
                                 "Jahr: ",df_wide_abschluss$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_abschluss$gesamt,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge mit Hauptschulabschluss:  ",df_wide_abschluss$hauptschulabschluss_mw, " (", df_wide_abschluss$hauptschulabschluss_p, "%)","
"
                                )
           )

fig <-
  fig %>% 
  add_bars(y = ~realschulabschluss_p,
          marker = list(color = "#608D91"),
          name  = "mit Realschulabschluss",
          # text = "",
          text=~paste0(round(df_wide_abschluss$realschulabschluss_p, 0), "%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df_wide_abschluss$kommune,"
",
                                 "Jahr: ",df_wide_abschluss$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_abschluss$gesamt,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge mit Realschulabschluss:  ",df_wide_abschluss$realschulabschluss_mw, " (", df_wide_abschluss$realschulabschluss_p, "%)","
"
                                )
         )

fig <-
  fig %>% 
  add_bars(y = ~hochschul_fachhochschulreife_p,
           marker = list(color = "#01494F"),
           name  = "mit Hochschul- und Fachhochschulreife",
           # text= "",
           text=~paste0(round(df_wide_abschluss$hochschul_fachhochschulreife_p,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_abschluss$kommune,"
",
                                 "Jahr: ",df_wide_abschluss$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_abschluss$gesamt,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge mit Hochschul- und Fachhochschulreife:  ",df_wide_abschluss$hochschul_fachhochschulreife_mw, " (", df_wide_abschluss$hochschul_fachhochschulreife_p, "%)","
"
                                )
          )

fig <-
fig %>% 
  add_bars(y = ~ausland_erworbener_abschluss_p,
           marker = list(color = "#444444"),
           name  = "mit sonstigem Abschluss",
           # text = "",
           text=~paste0(round(df_wide_abschluss$ausland_erworbener_abschluss_p,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
            hovertemplate = paste0("",df_wide_abschluss$kommune,"
",
                                 "Jahr: ",df_wide_abschluss$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_abschluss$gesamt,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge mit sonstigem Abschluss:  ",df_wide_abschluss$ausland_erworbener_abschluss_mw, " (", df_wide_abschluss$ausland_erworbener_abschluss_p, "%)","
"
                                )
           )

fig <-    
  fig %>%      
  layout(
         barmode = 'stack',
         title = "Anteil neu abgeschlossener Ausbildungsverträge nach vorherigem Schulabschluss (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri", size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil in %",
                      ticksuffix = "%",
                      range= c(0,100)),
         legend = list(orientation = 'v'),
         bargap = 0.3)

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e124-und-e125)

> Für den Landkreis Altenburger Land liegen uns leider keine Informationen zum Alter oder dem Abschluss von den Personen, die neue Ausbildungsverträge abgeschlossen haben, vor.

E12.5 Anteile neu abgeschlossener Ausbildungsverträge im Ausbildungsbereich Industrie und Handel{data-navmenu="Ausbildungsmarkt" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------
### Anteil neu abgeschlossener Ausbildungsverträge in Industrie und Handel

```{r}
df_torte <- df_wide_geschlecht %>%
  filter(jahr == 2020)

fig <- plot_ly(df_torte,
               labels = ~kommune,
               values = ~mw_n_industrie_und_handel,
               type = "pie",
               # textposition = "outside",
               texttemplate = "%{label}
(%{percent:.0%})",
               insidetextfont = list(color = 'FFFFFF'),
               insidetextorientation = "radial",
               showlegend = FALSE,
               sort = FALSE,
               rotate = -90,
               marker = list(colors = farben,
                                  line = list(color = 'FFFFFF', 
                                              width = 1))) %>%
               layout(margin = list(pad = 50,
                                    b = 50),
                           separators = ',.') %>%
                      add_trace(hovertemplate = '%{label} 
Anzahl neu abgeschlossener Ausbildungsverträge: %{value:.f}
 Anteil an allen neu abgeschlossenen Ausbildungsverträgen im MDR: %{percent:.1%}')

fig <- fig %>%
  layout(title = "Anteil der neu abgeschlossenen Ausbildungsverträge im Ausbildungsbereich Industrie und Handel nach Kommune im Jahr 2020",
         titlefont = list(size = 20),
         font = list(family = "calibri", size = 15),
         separators = ',',
         showlegend = TRUE,
         xaxis = list(showgrid = FALSE, 
                      zeroline = FALSE,
                      showticklabels = FALSE),
         yaxis = list(showgrid = FALSE,
                      zeroline = FALSE,
                      showticklabels = FALSE))

fig



```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e124-und-e125)

### Anteil neu abgeschlossener Ausbildungsverträge nach vorherigem Schulabschluss in Industrie und Handel

```{r}
fig <-
  plot_ly(df_wide_abschluss,
          x = factor(df_wide_abschluss$kommune, levels = unique(df_wide_abschluss$kommune)),
          frame = ~jahr,
          type = 'bar',
          y = ~ohne_hauptschul_industrie_und_handel_p,
          marker = list(color = "#d0dadb"),
          name  = "ohne Hauptschulabschluss",
          # text= "",
          text=~paste0(round(df_wide_abschluss$ohne_hauptschul_industrie_und_handel_p,0),"%"),
          textfont=list(color="black"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df_wide_abschluss$kommune,"
",
                                 "Jahr: ",df_wide_abschluss$jahr,"
",
                                 "im Bereich: Industrie und Handel

",
                                 "ohne Hauptschulabschluss", "
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_abschluss$industrie_und_handel,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge ohne Hauptschulabschluss:  ",df_wide_abschluss$ohne_hauptschulabschluss_mw_industrie_und_handel, " (", df_wide_abschluss$ohne_hauptschul_industrie_und_handel_p, "%)","
"
                                )
  )

fig <-
  fig %>% 
  add_bars(y = ~hauptschulabschluss_industrie_und_handel_p,
           marker = list(color = "#A0BBBD "),
           name  = "mit Hauptschulabschluss",
           # text= "",
           text=~paste0(round(df_wide_abschluss$hauptschulabschluss_industrie_und_handel_p,0),"%"),
           textfont=list(color="black"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_abschluss$kommune,"
",
                                 "Jahr: ",df_wide_abschluss$jahr,"
",
                                 "im Bereich: Industrie und Handel

",
                                 "mit Hauptschulabschluss", "
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_abschluss$industrie_und_handel,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge mit Hauptschulabschluss:  ",df_wide_abschluss$hauptschulabschluss_mw_industrie_und_handel, " (", df_wide_abschluss$hauptschulabschluss_p, "%)","
"
                                )
           )

fig <-
  fig %>% 
  add_bars(y = ~realschulabschluss_industrie_und_handel_p,
          marker = list(color = "#608D91"),
          name  = "mit Realschulabschluss",
          # text = "",
          text=~paste0(round(df_wide_abschluss$realschulabschluss_industrie_und_handel_p, 0), "%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df_wide_abschluss$kommune,"
",
                                 "Jahr: ",df_wide_abschluss$jahr,"
",
                                 "im Bereich: Industrie und Handel

",
                                 "mit Realschulabschluss", "
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_abschluss$industrie_und_handel,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge mit Realschulabschluss:  ",df_wide_abschluss$realschulabschluss_mw_industrie_und_handel, " (", df_wide_abschluss$realschulabschluss_p, "%)","
"
                                )
         )

fig <-
  fig %>% 
  add_bars(y = ~hochschul_fachhochschulreife_industrie_und_handel_p,
           marker = list(color = "#01494F"),
           name  = "mit Hochschul- und Fachhochschulreife",
           # text= "",
           text=~paste0(round(df_wide_abschluss$hochschul_fachhochschulreife_industrie_und_handel_p,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_abschluss$kommune,"
",
                                 "Jahr: ",df_wide_abschluss$jahr,"
",
                                 "im Bereich: Industrie und Handel

",
                                 "mit Hochschul- und Fachhochschulreife", "
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_abschluss$industrie_und_handel,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge mit Hochschul- und Fachhochschulreife:  ",df_wide_abschluss$hochschul_fachhochschulreife_mw_industrie_und_handel, " (", df_wide_abschluss$hochschul_fachhochschulreife_p, "%)","
"
                                )
          )

fig <-
fig %>% 
  add_bars(y = ~ausland_erworbener_abschluss_industrie_und_handel_p,
           marker = list(color = "#444444"),
           name  = "mit sonstigem Abschluss",
           # text = "",
           text=~paste0(round(df_wide_abschluss$ausland_erworbener_abschluss_industrie_und_handel_p,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_abschluss$kommune,"
",
                                 "Jahr: ",df_wide_abschluss$jahr,"
",
                                 "im Bereich: Industrie und Handel

",
                                 "mit sonstisgem Abschluss", "
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_abschluss$industrie_und_handel,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge mit sonstigem Abschluss:  ",df_wide_abschluss$ausland_erworbener_abschluss_mw, " (", df_wide_abschluss$ausland_erworbener_abschluss_p, "%)","
"
                                )
           )


fig <-    
  fig %>%      
  layout(
         barmode = 'stack',
         title = "Anteil neu abgeschlossener Ausbildungsverträge nach vorherigem Schulabschluss im Ausbildungsbereich Industrie und Handel (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri", size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil in %",
                      ticksuffix = "%",
                      range= c(0,100)),
         legend = list(orientation = 'v'),
         bargap = 0.3)

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e124-und-e125)

> Für den Landkreis Altenburger Land liegen uns leider keine Informationen zum Alter oder dem Abschluss von den Personen, die neue Ausbildungsverträge abgeschlossen haben, vor.

### Anteil neu abgeschlossener Ausbildungsverträge in Industrie und Handel nach Geschlecht
```{r}
fig <-
  plot_ly(df_wide_geschlecht,
          y = ~industrie_und_handel_anteil_maenner,
          marker = list(color = "#5778A4"),
          x = factor(df_wide_geschlecht$kommune, levels = unique(df_wide_geschlecht$kommune)),
          frame = ~jahr,
          name  = "Männer",
          type = 'bar',
          # text = "",
          text=~paste0(round(df_wide_geschlecht$industrie_und_handel_anteil_maenner, 0), "%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$mw_n_industrie_und_handel, "
",
                                 "im Bereich: ","Industrie und Handel","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_industrie_und_handel,  " (", df_wide_geschlecht$industrie_und_handel_anteil_frauen, "%)", "
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_industrie_und_handel, " (", df_wide_geschlecht$industrie_und_handel_anteil_maenner, "%)"))

fig <-
fig %>% 
  add_bars(y = ~industrie_und_handel_anteil_frauen,
           marker = list(color = "#D1615D"),
           name  = "Frauen",
           # text = "",
           text=~paste0(round(df_wide_geschlecht$industrie_und_handel_anteil_frauen, 0), "%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$mw_n_industrie_und_handel, "
",
                                 "im Bereich: ","Industrie und Handel","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_industrie_und_handel,  " (", df_wide_geschlecht$industrie_und_handel_anteil_frauen, "%)", "
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_industrie_und_handel, " (", df_wide_geschlecht$industrie_und_handel_anteil_maenner, "%)"))

fig <-    
  fig %>%      
  layout(barmode = "stack",
         title = "Anteil neu abgeschlossener Ausbildungsverträge im Ausbildungsbereich Industrie und Handel nach Geschlecht (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil in %",
                      ticksuffix = "%",
                      range= c(0,100)),
         legend = list(orientation = 'v'))

fig



```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e124-und-e125)

E12.5 Anteile neu abgeschlossener Ausbildungsverträge im Ausbildungsbereich Handwerk {data-navmenu="Ausbildungsmarkt" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------


### Anteil neu abgeschlossener Ausbildungsverträge nach vorherigem Schulabschluss im Handwerk

```{r}
fig <-
  plot_ly(df_wide_abschluss,
          x = factor(df_wide_abschluss$kommune, levels = unique(df_wide_abschluss$kommune)),
          frame = ~jahr,
          type = 'bar',
          y = ~ohne_hauptschul_handwerk_p,
          marker = list(color = "#d0dadb"),
          name  = "ohne Hauptschulabschluss",
          # text= "",
          text=~paste0(round(df_wide_abschluss$ohne_hauptschul_handwerk_p,0),"%"),
          textfont=list(color="black"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df_wide_abschluss$kommune,"
",
                                 "Jahr: ",df_wide_abschluss$jahr,"
",
                                 "im Bereich: Handwerk

",
                                 "ohne Hauptschulabschluss", "
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_abschluss$handwerk,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge ohne Hauptschulabschluss:  ",df_wide_abschluss$ohne_hauptschulabschluss_mw_handwerk, " (", df_wide_abschluss$ohne_hauptschul_handwerk_p, "%)","
"
                                )
  )

fig <-
  fig %>% 
  add_bars(y = ~hauptschulabschluss_handwerk_p,
           marker = list(color = "#A0BBBD "),
           name  = "mit Hauptschulabschluss",
           # text= "",
           text=~paste0(round(df_wide_abschluss$hauptschulabschluss_handwerk_p,0),"%"),
           textfont=list(color="black"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_abschluss$kommune,"
",
                                 "Jahr: ",df_wide_abschluss$jahr,"
",
                                 "im Bereich: Handwerk

",
                                 "mit Hauptschulabschluss", "
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_abschluss$handwerk,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge mit Hauptschulabschluss:  ",df_wide_abschluss$hauptschulabschluss_mw_handwerk, " (", df_wide_abschluss$hauptschulabschluss_p, "%)","
"
                                )
           )

fig <-
  fig %>% 
  add_bars(y = ~realschulabschluss_handwerk_p,
          marker = list(color = "#608D91"),
          name  = "mit Realschulabschluss",
          # text = "",
          text=~paste0(round(df_wide_abschluss$realschulabschluss_handwerk_p, 0), "%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df_wide_abschluss$kommune,"
",
                                 "Jahr: ",df_wide_abschluss$jahr,"
",
                                 "im Bereich: Handwerk

",
                                 "mit Realschulabschluss", "
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_abschluss$handwerk,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge mit Realschulabschluss:  ",df_wide_abschluss$realschulabschluss_mw_handwerk, " (", df_wide_abschluss$realschulabschluss_p, "%)","
"
                                )
         )

fig <-
  fig %>% 
  add_bars(y = ~hochschul_fachhochschulreife_handwerk_p,
           marker = list(color = "#01494F"),
           name  = "mit Hochschul- und Fachhochschulreife",
           # text= "",
           text=~paste0(round(df_wide_abschluss$hochschul_fachhochschulreife_handwerk_p,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_abschluss$kommune,"
",
                                 "Jahr: ",df_wide_abschluss$jahr,"
",
                                 "im Bereich: Handwerk

",
                                 "mit Hochschul- und Fachhochschulreife", "
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_abschluss$handwerk,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge mit Hochschul- und Fachhochschulreife:  ",df_wide_abschluss$hochschul_fachhochschulreife_mw_handwerk, " (", df_wide_abschluss$hochschul_fachhochschulreife_p, "%)","
"
                                )
          )

fig <-
fig %>% 
  add_bars(y = ~ausland_erworbener_abschluss_handwerk_p,
           marker = list(color = "#444444"),
           name  = "mit sonstigem Abschluss",
           # text = "",
           text=~paste0(round(df_wide_abschluss$ausland_erworbener_abschluss_handwerk_p,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_abschluss$kommune,"
",
                                 "Jahr: ",df_wide_abschluss$jahr,"
",
                                 "im Bereich: Handwerk

",
                                 "mit sonstigem Abschluss", "
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ", df_wide_abschluss$handwerk,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge mit sonstigem Abschluss:  ",df_wide_abschluss$ausland_erworbener_abschluss_mw, " (", df_wide_abschluss$ausland_erworbener_abschluss_p, "%)","
"
                                )
           )

fig <-    
  fig %>%      
  layout(
         barmode = 'stack',
         title = "Anteil neu abgeschlossener Ausbildungsverträge nach vorherigem Schulabschluss im Ausbildungsbereich Handwerk (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri", size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil in %",
                      ticksuffix = "%",
                      range= c(0,100)),
         legend = list(orientation = 'v'),
         bargap = 0.3)

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e124-und-e125)

> Für den Landkreis Altenburger Land liegen uns leider keine Informationen zum Alter oder dem Abschluss von den Personen, die neue Ausbildungsverträge abgeschlossen haben, vor.

### Anteil neu abgeschlossener Ausbildungsverträge im Handwerk nach Geschlecht

```{r}
fig <-
  plot_ly(df_wide_geschlecht,
          y = ~handwerk_anteil_maenner,
          marker = list(color = "#5778A4"),
          x = factor(df_wide_geschlecht$kommune, levels = unique(df_wide_geschlecht$kommune)),
          frame = ~jahr,
          name  = "Männer",
          type = 'bar',
          # text = "",
          text=~paste0(round(df_wide_geschlecht$handwerk_anteil_maenner, 0), "%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$mw_n_handwerk, "
",
                                 "im Bereich: ","Handwerk","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_handwerk,  " (", df_wide_geschlecht$handwerk_anteil_frauen, "%)", "
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_handwerk, " (", df_wide_geschlecht$handwerk_anteil_maenner, "%)"))

fig <-
fig %>% 
  add_bars(y = ~handwerk_anteil_frauen,
           marker = list(color = "#D1615D"),
           name  = "Frauen",
           # text = "",
           text=~paste0(round(df_wide_geschlecht$handwerk_anteil_frauen, 0), "%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Anzahl der neu abgeschlossenen Ausbildungsverträge: ",df_wide_geschlecht$mw_n_handwerk, "
",
                                 "im Bereich: ","Handwerk","

",
                                 "darunter Frauen: ", df_wide_geschlecht$w_n_handwerk,  " (", df_wide_geschlecht$handwerk_anteil_frauen, "%)", "
",
                                 "darunter Männer: ", df_wide_geschlecht$m_n_handwerk, " (", df_wide_geschlecht$handwerk_anteil_maenner, "%)"))

fig <-    
  fig %>%      
  layout(barmode = "stack",
         title = "Anteil neu abgeschlossener Ausbildungsverträge im Ausbildungsbereich Handwerk nach Geschlecht (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil in %",
                      ticksuffix = "%",
                      range= c(0,100)),
         legend = list(orientation = 'v'))

fig



```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e124-und-e125)

### Veränderung neu abgeschlossener Ausbildungsverträge im Handwerk seit 2010 Frauen
```{r}
farben_linie <- c("#5778a4","#e49444","#6a9f58","#d1615d","#85b6b2","#e7ca60","#a87c9f","#f1a2a9"
                  ,"#b8b0ac"
                  )


fig <-
plot_ly(df_wide_geschlecht,
        y=~w_handwerk_change_2010_p,
        x = ~jahr,
        color = ~as.factor(ags),
        name = ~kommune,
        colors = ~farben_linie,
        type = 'scatter',
        mode = 'lines+markers',
        hovermode = "closest",
        hovertemplate = paste0("",df_wide_geschlecht$kommune,"
",
                                 "Jahr: ",df_wide_geschlecht$jahr,"
",
                                 "Neu abgeschlossene Ausbildungsverträge von Frauen: ", df_wide_geschlecht$w_n_handwerk, "
",
                                 "Veränderung der neu abgeschlossenen Ausbildungsverträgen bei Frauen seit 2010: ", df_wide_geschlecht$w_handwerk_change_2010_n, " (", df_wide_geschlecht$w_handwerk_change_2010_p,"%)", "

")
        )
 
fig <-
  fig %>% 
  layout(title = "Veränderung neu abgeschlossener Ausbildungsverträge im Ausbildungsbereich Handwerk seit 2010 Frauen (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         yaxis = list(title = "Veränderung in %",
                      ticksuffix = "%"),
         xaxis = list(title = list(text = "", standoff = 3),
                      zeroline = FALSE),
         legend = list(orientation = 'h'))

fig

```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-e124-und-e125)

E15.2	Erfolgsquote beim Abschluss beruflicher Bildungsgänge {data-navmenu="Ausbildungsmarkt" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------
### Abgänger/-innen mit/ohne Abschluss aggregiert
```{r}

tbl <- read_csv2("//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/04_Analysen/E_15_02_Erfolgsquote/BL_weitere_Jahre.csv", 
                 locale = locale(encoding = "WINDOWS-1252"))

#thueringen
th_Abgaengerinnen <- read_delim("//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/04_Analysen/E_15_02_Erfolgsquote/TH-E15.2i_flat_nur_BL.csv",
                                delim = ";",
                                locale = locale(encoding = "WINDOWS-1252"))
th_Abgaengerinnen <- th_Abgaengerinnen[,c(5, 9, 17:19)]
colnames <- c("schuljahr", "gebietseinheit", "geschlecht", "Abgaengerinnen_absolventinnen_n", "absolventinnen_mit_abschluss_n")
names(th_Abgaengerinnen) <- colnames

th_Abgaengerinnen <- th_Abgaengerinnen %>%
  mutate_if(is.numeric, ~replace(.,is.na(.), 0))

#sachsen-anhalt
st_Abgaengerinnen <- read_delim("//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/04_Analysen/E_15_02_Erfolgsquote/ST-E15.2i_flat_nur_BL.csv",
                                delim = ";",
                                locale = locale(encoding = "WINDOWS-1252"))

st_Abgaengerinnen <- st_Abgaengerinnen[,c(5, 9, 17:19)]
names(st_Abgaengerinnen) <- colnames
st_Abgaengerinnen <- st_Abgaengerinnen %>%
  mutate(Abgaengerinnen_absolventinnen_n = as.numeric(gsub("-", "", Abgaengerinnen_absolventinnen_n)),
         absolventinnen_mit_abschluss_n = as.numeric(gsub("-", "", absolventinnen_mit_abschluss_n))) %>%
  mutate_if(is.numeric, ~replace(., is.na(.), 0))

#sachsen
sn_Abgaengerinnen <- read_delim("//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/04_Analysen/E_15_02_Erfolgsquote/SN-E15.2i_flat_nur_BL.csv",
                                delim = ";",
                                locale = locale(encoding = "WINDOWS-1252"))

sn_Abgaengerinnen <- sn_Abgaengerinnen[,c(5, 9, 17, 21, 22, 25)]
sn_Abgaengerinnen <- sn_Abgaengerinnen %>%
  filter(`4_Auspraegung_Label` == "Insgesamt")
sn_Abgaengerinnen <- sn_Abgaengerinnen[, c(1:3, 5:6)]
names(sn_Abgaengerinnen) <- colnames
sn_Abgaengerinnen <- sn_Abgaengerinnen %>%
  mutate_if(is.numeric, ~replace(.,is.na(.), 0))

Abgaengerinnen <- rbind(th_Abgaengerinnen, st_Abgaengerinnen, sn_Abgaengerinnen, tbl) %>%
  group_by(schuljahr, gebietseinheit, geschlecht) %>%
  dplyr::summarise(Abgaengerinnen_n = sum(Abgaengerinnen_absolventinnen_n),
                   Abgaengerinnen_mit_abschluss_n = sum(absolventinnen_mit_abschluss_n)) %>%
  mutate(Abgaengerinnen_ohne_abschluss_n = Abgaengerinnen_n - Abgaengerinnen_mit_abschluss_n,
         Abgaengerinnen_mit_abschluss_anteil = round(Abgaengerinnen_mit_abschluss_n / Abgaengerinnen_n*100, 2),
         Abgaengerinnen_ohne_abschluss_anteil = round(Abgaengerinnen_ohne_abschluss_n / Abgaengerinnen_n*100, 2)) %>%
  mutate(schuljahr = gsub("\\*", "", schuljahr))


Abgaengerinnen <-
  Abgaengerinnen %>%
  pivot_wider(names_from = geschlecht,
              values_from = c("Abgaengerinnen_n",
                              "Abgaengerinnen_ohne_abschluss_n",
                              "Abgaengerinnen_ohne_abschluss_anteil",
                              "Abgaengerinnen_mit_abschluss_n",
                              "Abgaengerinnen_mit_abschluss_anteil"))

Abgaengerinnen <-
  Abgaengerinnen %>%
  mutate(Abgaengerinnen_mit_abschluss_anteil_weiblich = round(Abgaengerinnen_mit_abschluss_n_weiblich/Abgaengerinnen_mit_abschluss_n_Insgesamt*100,2),
         Abgaengerinnen_ohne_abschluss_anteil_weiblich = round(Abgaengerinnen_ohne_abschluss_n_weiblich/Abgaengerinnen_ohne_abschluss_n_Insgesamt*100,2),
         Abgaengerinnen_mit_abschluss_anteil_männlich = round(Abgaengerinnen_mit_abschluss_n_männlich/Abgaengerinnen_mit_abschluss_n_Insgesamt*100,2),
         Abgaengerinnen_ohne_abschluss_anteil_männlich = round(Abgaengerinnen_ohne_abschluss_n_männlich/Abgaengerinnen_ohne_abschluss_n_Insgesamt*100,2),
         date = as.numeric(substr(schuljahr, 1, 4)))

#im Folgenden werden die Daten fuer die Revierkommunen eingelesen
tbl <- read_csv2("//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/04_Analysen/E_15_02_Erfolgsquote/tbl_weitere_Jahre.csv",
                col_types = cols(ags = col_character(),
                                 ars = col_character()), locale = locale(encoding = "WINDOWS-1252"))

tbl <-
  tbl %>%
  mutate_if(is.numeric, ~replace(., is.na(.), 0))

#print(unique(tbl$kommune))

tbl <-
  tbl %>%
  group_by(schuljahr,
           date,
           geschlecht) %>%
  dplyr::summarise(Abgaengerinnen_n = sum(Abgaengerinnen_n),
                   Abgaengerinnen_mit_abschluss_n = sum(Abgaengerinnen_mit_abschluss_n),
                   Abgaengerinnen_ohne_abschluss_n = sum(Abgaengerinnen_ohne_abschluss_n))


tbl <-
  tbl %>%
  mutate(Abgaengerinnen_mit_abschluss_anteil = round(Abgaengerinnen_mit_abschluss_n/Abgaengerinnen_n*100,2),
         Abgaengerinnen_ohne_abschluss_anteil = round(Abgaengerinnen_ohne_abschluss_n/Abgaengerinnen_n*100,2))

tbl <-
  tbl %>%
  pivot_wider(names_from = geschlecht,
              values_from = c("Abgaengerinnen_n",
                              "Abgaengerinnen_ohne_abschluss_n",
                              "Abgaengerinnen_ohne_abschluss_anteil",
                              "Abgaengerinnen_mit_abschluss_n",
                              "Abgaengerinnen_mit_abschluss_anteil"))

tbl <-
  tbl %>%
  mutate(Abgaengerinnen_mit_abschluss_anteil_weiblich = round(Abgaengerinnen_mit_abschluss_n_weiblich/Abgaengerinnen_mit_abschluss_n_Insgesamt*100,2),
         Abgaengerinnen_ohne_abschluss_anteil_weiblich = round(Abgaengerinnen_ohne_abschluss_n_weiblich/Abgaengerinnen_ohne_abschluss_n_Insgesamt*100,2),
         Abgaengerinnen_mit_abschluss_anteil_männlich = round(Abgaengerinnen_mit_abschluss_n_männlich/Abgaengerinnen_mit_abschluss_n_Insgesamt*100,2),
         Abgaengerinnen_ohne_abschluss_anteil_männlich = round(Abgaengerinnen_ohne_abschluss_n_männlich/Abgaengerinnen_ohne_abschluss_n_Insgesamt*100,2))

tbl$gebietseinheit <- "Mitteldeutsches Revier"

df <- rbind(tbl, Abgaengerinnen)
df$gebietseinheit[df$gebietseinheit == "Freistaat Sachsen"] <- "Sachsen"

#jahre ausschließen
jahre <- c(2007, 2008, 2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020)
df <- df %>%
  filter(date %in% jahre)

#2019 gibt es nur Werte fuer SN, daher besteht das MDR dort nur aus SN, deswegen loesche ich die Werte fuer das MDR in 2019
df <- df %>%
  filter(!(date == 2020 & gebietseinheit == "Mitteldeutsches Revier")) %>%
  filter(!(date == 2019 & gebietseinheit == "Mitteldeutsches Revier")) %>%
  filter(!(date == 2018 & gebietseinheit == "Mitteldeutsches Revier")) %>%
  filter(!(date == 2017 & gebietseinheit == "Mitteldeutsches Revier"))


fig <-
  plot_ly(df,
          y = ~Abgaengerinnen_mit_abschluss_anteil_Insgesamt,
          marker = list(color = "#d0dadb"),
          x = factor(df$gebietseinheit, levels = unique(df$gebietseinheit)),
          frame = ~date,
          name  = "mit Abschluss",
          type = 'bar',
          text=~paste0(round(df$Abgaengerinnen_mit_abschluss_anteil_Insgesamt,0),"%"),
          textfont=list(color="black"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$gebietseinheit,"
",
                                 "Schuljahr: ",df$schuljahr,"
",
                                 "Schüler/-innen: ",df$Abgaengerinnen_n_Insgesamt,"

",
                                 "darunter mit : ","mit Abschluss","
",
                                 "Anzahl: ",df$Abgaengerinnen_mit_abschluss_n_Insgesamt," (",df$Abgaengerinnen_mit_abschluss_anteil_Insgesamt,"%)
",
                                 "- darunter weiblich: ",df$Abgaengerinnen_mit_abschluss_n_weiblich," (",df$Abgaengerinnen_mit_abschluss_anteil_weiblich,"%)
",
                                 "- darunter männlich: ",df$Abgaengerinnen_mit_abschluss_n_männlich," (",df$Abgaengerinnen_mit_abschluss_anteil_männlich,"%)
"))


fig <-
  fig %>% 
  add_bars(y = ~Abgaengerinnen_ohne_abschluss_anteil_Insgesamt,
           marker = list(color = "#01494f"),
           name  = "ohne Abschluss",
           text=~paste0(round(df$Abgaengerinnen_ohne_abschluss_anteil_Insgesamt,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$gebietseinheit,"
",
                                  "Schuljahr: ",df$schuljahr,"
",
                                  "Schüler/-innen: ",df$Abgaengerinnen_n_Insgesamt,"

",
                                  "darunter mit : ","ohne Abschluss","
",
                                  "Anzahl: ",df$Abgaengerinnen_ohne_abschluss_n_Insgesamt," (",df$Abgaengerinnen_ohne_abschluss_anteil_Insgesamt,"%)
",
                                  "- darunter weiblich: ",df$Abgaengerinnen_ohne_abschluss_n_weiblich," (",df$Abgaengerinnen_ohne_abschluss_anteil_weiblich,"%)
",
                                  "- darunter männlich: ",df$Abgaengerinnen_ohne_abschluss_n_männlich," (",df$Abgaengerinnen_ohne_abschluss_anteil_männlich,"%)
"))


fig <-    
  fig %>%      
  layout(
    barmode = 'stack',
    title = "Abgänger/-innen mit/ohne Abschluss aggregiert (2007–2020)",
    titlefont = list(size = 20),
    font = list(family = "calibri",size = 14),
    separators = ',',
    xaxis = list(title = list(text = "", standoff = 4),
                 zeroline = TRUE),
    yaxis = list(title = "Abschlussart in %",
                 ticksuffix = " %",
                 range= c(0,100)),
    legend = list(orientation = 'v'))

fig


```
> siehe [weiterführende Informationen](#definitionen-e152)



### Abgänger/-innen mit/ohne Abschluss
```{r}
tbl <- read_csv2("//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/04_Analysen/E_15_02_Erfolgsquote/tbl_weitere_Jahre.csv", 
                col_types = cols(ags = col_character(), 
                                 ars = col_character()), locale = locale(encoding = "WINDOWS-1252"))

tbl <-
  tbl %>% 
  mutate_if(is.numeric, ~replace(., is.na(.), 0)) 

#print(unique(tbl$kommune))

tbl <-
tbl %>% 
  group_by(ags,
           ars,
           kommune,
           schuljahr,
           date,
           geschlecht) %>% 
  dplyr::summarise(Abgaengerinnen_n = sum(Abgaengerinnen_n),
            Abgaengerinnen_mit_abschluss_n = sum(Abgaengerinnen_mit_abschluss_n),
            Abgaengerinnen_ohne_abschluss_n = sum(Abgaengerinnen_ohne_abschluss_n))

tbl<-
  tbl %>% 
  mutate(Abgaengerinnen_mit_abschluss_anteil = round(Abgaengerinnen_mit_abschluss_n/Abgaengerinnen_n*100,2),
         Abgaengerinnen_ohne_abschluss_anteil = round(Abgaengerinnen_ohne_abschluss_n/Abgaengerinnen_n*100,2))

tbl <- 
tbl %>% 
  pivot_wider(names_from = geschlecht,
              values_from = c("Abgaengerinnen_n",
                              "Abgaengerinnen_ohne_abschluss_n",
                              "Abgaengerinnen_ohne_abschluss_anteil",
                              "Abgaengerinnen_mit_abschluss_n",
                              "Abgaengerinnen_mit_abschluss_anteil"))

tbl <-
tbl %>% 
  mutate(Abgaengerinnen_mit_abschluss_anteil_weiblich = round(Abgaengerinnen_mit_abschluss_n_weiblich/Abgaengerinnen_mit_abschluss_n_Insgesamt*100,2),
         Abgaengerinnen_ohne_abschluss_anteil_weiblich = round(Abgaengerinnen_ohne_abschluss_n_weiblich/Abgaengerinnen_ohne_abschluss_n_Insgesamt*100,2),
         Abgaengerinnen_mit_abschluss_anteil_männlich = round(Abgaengerinnen_mit_abschluss_n_männlich/Abgaengerinnen_mit_abschluss_n_Insgesamt*100,2),
         Abgaengerinnen_ohne_abschluss_anteil_männlich = round(Abgaengerinnen_ohne_abschluss_n_männlich/Abgaengerinnen_ohne_abschluss_n_Insgesamt*100,2)) 

df <- tbl

### plotly 
# df %>% view()
# df %>%  names()


fig <-
  plot_ly(df,
          y = ~Abgaengerinnen_mit_abschluss_anteil_Insgesamt,
          marker = list(color = "#d0dadb"),
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~date,
          name  = "mit Abschluss",
          type = 'bar',
          text=~paste0(round(df$Abgaengerinnen_mit_abschluss_anteil_Insgesamt,0),"%"),
          textfont=list(color="black"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Schuljahr: ",df$schuljahr,"
",
                                 "Schüler/-innen: ",df$Abgaengerinnen_n_Insgesamt,"

",
                                 "darunter mit : ","mit Abschluss","
",
                                 "Anzahl: ",df$Abgaengerinnen_mit_abschluss_n_Insgesamt," (",df$Abgaengerinnen_mit_abschluss_anteil_Insgesamt,"%)
",
                                 "- darunter weiblich: ",df$Abgaengerinnen_mit_abschluss_n_weiblich," (",df$Abgaengerinnen_mit_abschluss_anteil_weiblich,"%)
",
                                 "- darunter männlich: ",df$Abgaengerinnen_mit_abschluss_n_männlich," (",df$Abgaengerinnen_mit_abschluss_anteil_männlich,"%)
"))


fig <-
fig %>% 
  add_bars(y = ~Abgaengerinnen_ohne_abschluss_anteil_Insgesamt,
           marker = list(color = "#01494f"),
           name  = "ohne Abschluss",
           text=~paste0(round(df$Abgaengerinnen_ohne_abschluss_anteil_Insgesamt,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                  "Schuljahr: ",df$schuljahr,"
",
                                  "Schüler/-innen: ",df$Abgaengerinnen_n_Insgesamt,"

",
                                  "darunter mit : ","ohne Abschluss","
",
                                  "Anzahl: ",df$Abgaengerinnen_ohne_abschluss_n_Insgesamt," (",df$Abgaengerinnen_ohne_abschluss_anteil_Insgesamt,"%)
",
                                  "- darunter weiblich: ",df$Abgaengerinnen_ohne_abschluss_n_weiblich," (",df$Abgaengerinnen_ohne_abschluss_anteil_weiblich,"%)
",
                                  "- darunter männlich: ",df$Abgaengerinnen_ohne_abschluss_n_männlich," (",df$Abgaengerinnen_ohne_abschluss_anteil_männlich,"%)
"))


fig <-    
  fig %>%      
  layout(
         barmode = 'stack',
         title = "Abgänger/-innen mit/ohne Abschluss (2004–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 14),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Abschlussart in %",
                      ticksuffix = " %",
                      range= c(0,100)),
         legend = list(orientation = 'v'))

fig
```
> siehe [weiterführende Informationen](#definitionen-e152)

E15.3	Vertragsauflösungsquote {data-navmenu="Ausbildungsmarkt" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------
### Vetragsauflösungsquote

```{r}
tbl <- read_csv("//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/04_Analysen/E_15_03_Vertragsaufloesungsquote/tbl.csv", 
                col_types = cols(ags = col_character(), 
                                 ars = col_character()), locale = locale(encoding = "WINDOWS-1252"))



###########################################################################



df<-
  tbl %>% 
  select(1:7) %>%
  pivot_wider(names_from = geschlecht, values_from = c("vertragsaufloesungsquote_gesamt"),names_prefix = "quote_")
  #filter(jahr<=2011 & str_starts(ars,"14",negate = FALSE)) %>% view

df %>%
  filter(jahr<=2011 & str_starts(ars,"14",negate = FALSE)) %>% 
  select(ars,jahr) %>% 
  mutate(filtern = "nein")-> df_out 
df <-
df %>%  
  left_join(.,df_out, by=c("ars","jahr")) %>% 
  filter(is.na(filtern)) %>% 
  select(-filtern) 



farben <- c("#5778a4","#e49444","#6a9f58","#d1615d","#85b6b2","#e7ca60","#a87c9f","#f1a2a9","#b8b0ac")


# Anteil
fig <-
  plot_ly(df,
          y=~quote_Insgesamt,
          x = ~jahr,
          color = ~ars,
          name = ~kommune,
          colors = ~farben,
          type = 'scatter',
          mode = 'lines+markers',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Vetragsauflösungsquote: ",df$quote_Insgesamt,"

",
                                 "nach Geschlecht :
",
                                 "männlich: ",df$quote_männlich,"%
",
                                 "weiblich: ",df$quote_weiblich,"%
"))

fig <-
  fig %>% 
  layout(title = "Vertragsauflösungsquoten (2010–2020)",
         titlefont = list(size = 18),
         font = list(family = "calibri",size = 16),
         separators = ',',
         yaxis = list(title = "",
                      ticksuffix = "%"),
         xaxis = list(title = list(text = "", standoff = 3),
                      zeroline = FALSE),
         legend = list(orientation = 'h'))

fig

```
> siehe [weiterführende Informationen](#definitionen-e153)


### Vetragsauflösungsquote ausgewählter Ausbildungsbereiche

```{r}

df<-
  tbl %>% 
  select(1:6,8:14) %>%
  pivot_wider(names_from = geschlecht, values_from = 7:13)


df %>%
  filter(jahr<=2011 & str_starts(ars,"14",negate = FALSE)) %>% 
  select(ars,jahr) %>% 
  mutate(filtern = "nein")-> df_out 
df <-
  df %>%  
  left_join(.,df_out, by=c("ars","jahr")) %>% 
  filter(is.na(filtern)) %>% 
  select(-filtern) 

farben <- c("#5778a4","#e49444","#6a9f58","#d1615d","#85b6b2","#e7ca60","#a87c9f","#f1a2a9","#b8b0ac")


fig <-
  plot_ly(df,
          y = ~df$vertragsaufloesungsquote_i_und_h_Insgesamt,
          marker = list(color = "#5778a4"),
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~jahr,
          name  = "Industrie und Handel",
          type = 'bar',
          text=~paste0(round(df$vertragsaufloesungsquote_i_und_h_Insgesamt,0),"%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Vetragsauflösungsquote: ",df$vertragsaufloesungsquote_i_und_h_Insgesamt,"

",
                                 "nach Geschlecht :
",
                                 "männlich: ",df$vertragsaufloesungsquote_i_und_h_männlich,"%
",
                                 "weiblich: ",df$vertragsaufloesungsquote_i_und_h_weiblich,"%
"))

fig <-
  fig %>% 
  add_bars(y = ~vertragsaufloesungsquote_handwerk_Insgesamt,
           marker = list(color = "#e49444"),
           name  = "Handwerk",
           text=~paste0(round(df$vertragsaufloesungsquote_handwerk_Insgesamt,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovertemplate = paste0("",df$kommune,"
",
                                  "Jahr: ",df$jahr,"
",
                                  "Vetragsauflösungsquote: ",df$vertragsaufloesungsquote_handwerk_Insgesamt,"

",
                                  "nach Geschlecht :
",
                                  "männlich: ",df$vertragsaufloesungsquote_handwerk_männlich,"%
",
                                  "weiblich: ",df$vertragsaufloesungsquote_handwerk_weiblich,"%
"))

fig <-
  fig %>% 
  add_bars(y = ~vertragsaufloesungsquote_oeffentlicher_d_Insgesamt,
           marker = list(color = "#e7ca60"),
           name  = "öffentlicher Dienst",
           text=~paste0(round(df$vertragsaufloesungsquote_oeffentlicher_d_Insgesamt,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovertemplate = paste0("",df$kommune,"
",
                                  "Jahr: ",df$jahr,"
",
                                  "Vetragsauflösungsquote: ",df$vertragsaufloesungsquote_oeffentlicher_d_Insgesamt,"

",
                                  "nach Geschlecht :
",
                                  "männlich: ",df$vertragsaufloesungsquote_oeffentlicher_d_männlich,"%
",
                                  "weiblich: ",df$vertragsaufloesungsquote_oeffentlicher_d_weiblich,"%
"))

fig <-
  fig %>% 
  add_bars(y = ~vertragsaufloesungsquote_freie_berufe_Insgesamt,
           marker = list(color = "#85b6b2"),
           name  = "Freie Berufe",
           text=~paste0(round(df$vertragsaufloesungsquote_freie_berufe_Insgesamt,0),"%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovertemplate = paste0("",df$kommune,"
",
                                  "Jahr: ",df$jahr,"
",
                                  "Vetragsauflösungsquote: ",df$vertragsaufloesungsquote_freie_berufe_Insgesamt,"

",
                                  "nach Geschlecht :
",
                                  "männlich: ",df$vertragsaufloesungsquote_freie_berufe_männlich,"%
",
                                  "weiblich: ",df$vertragsaufloesungsquote_freie_berufe_weiblich,"%
"))
fig <-    
  fig %>%      
  layout(barmode = 'grouped',
         title = "Vertragsauflösungsquote nach Ausbildungsbereichen (2010–2020) ",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "",
                      ticksuffix = " %",
                      range= c(0,65)),
         legend = list(orientation = 'v'))

fig




```
> siehe [weiterführende Informationen](#definitionen-e153)


G7.5 Beteiligungsquote an arbeitsmarktbezogener Weiterbildung {data-navmenu="Weiterbildung" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------

### Beteiligungsquote an arbeitsmarktbezogener Weiterbildung

```{r}
df <- read_delim(file = "//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/04_Analysen/G_07_05 Beteiligungsquote an arbeitsmarktbezogener Weiterbildung/G7_5_tidy.csv",
                            ";", 
                            locale = locale(encoding = "WINDOWS-1252",
                                            decimal_mark = ","),
                            col_types = cols(kommune = col_character(),
                                             jahr = col_number(),
                                             geschlecht_alo_mw = col_double(),
                                             geschlecht_alo_m = col_double(),
                                             geschlecht_alo_w = col_double(),
                                             geschlecht_wb_mw = col_double(),
                                             geschlecht_wb_m = col_double(),
                                             geschlecht_wb_w = col_double(),
                                             alter_alo_alterinsg = col_double(),
                                             alter_alo_u25 = col_double(),
                                             alter_alo_aelter50 = col_double(),
                                             alter_wb_alterinsg = col_double(),
                                             alter_wb_u25 = col_double(),
                                             alter_wb_aelter50 = col_double(),
                                             staatsangehoerigkeit_alo_staatInsg = col_double(),
                                             staatsangehoerigkeit_alo_deutsch = col_double(),
                                             staatsangehoerigkeit_alo_nichtdeutsch = col_double(),
                                             staatsangehoerigkeit_wb_staatInsg = col_double(),
                                             staatsangehoerigkeit_wb_deutsch = col_double(),
                                             staatsangehoerigkeit_wb_nichtdeutsch = col_double()
                            )
                 )

df <- df %>% 
  mutate_if(is.numeric, round)

# Datensatz für SN, ST, TH und MDR fuer spaetere Auswertung vorbereiten
dsnstth <- c("Sachsen", "Sachsen-Anhalt", "Thüringen")
df_dsnstth_mdr <- df %>%
  filter(kommune %in% dsnstth)

mdr <- df %>%
  group_by(jahr) %>%
  dplyr::summarise(geschlecht_alo_mw = sum(geschlecht_alo_mw),
            geschlecht_alo_m = sum(geschlecht_alo_m),
            geschlecht_alo_w = sum(geschlecht_alo_w),
            geschlecht_wb_mw = sum(geschlecht_wb_mw),
            geschlecht_wb_m = sum(geschlecht_wb_m),
            geschlecht_wb_w = sum(geschlecht_wb_w),
            alter_alo_alterinsg = sum(alter_alo_alterinsg),
            alter_alo_u25 = sum(alter_alo_u25),
            alter_alo_aelter50 = sum(alter_alo_aelter50),
            alter_wb_alterinsg = sum(alter_wb_alterinsg),
            alter_wb_u25 = sum(alter_wb_u25),
            alter_wb_aelter50 = sum(alter_wb_aelter50),
            staatsangehoerigkeit_alo_staatInsg = sum(staatsangehoerigkeit_alo_staatInsg),
            staatsangehoerigkeit_alo_deutsch = sum(staatsangehoerigkeit_alo_deutsch),
            staatsangehoerigkeit_alo_nichtdeutsch = sum(staatsangehoerigkeit_alo_nichtdeutsch),
            staatsangehoerigkeit_wb_staatInsg = sum(staatsangehoerigkeit_wb_staatInsg),
            staatsangehoerigkeit_wb_deutsch = sum(staatsangehoerigkeit_wb_deutsch),
            staatsangehoerigkeit_wb_nichtdeutsch = sum(staatsangehoerigkeit_wb_nichtdeutsch)
)
mdr$kommune <- "Mitteldeutsches Revier"

df_dsnstth_mdr <- full_join(df_dsnstth_mdr, mdr) %>%
  filter(!(jahr == 2010))

df_dsnstth_mdr <- df_dsnstth_mdr %>%
   mutate(alter_alo_25bis50 = alter_alo_alterinsg - alter_alo_u25 - alter_alo_aelter50,
         alter_wb_25bis50 = alter_wb_alterinsg - alter_wb_u25 - alter_wb_aelter50,
    
         beteiligungsquote_insg = round((geschlecht_wb_mw / geschlecht_alo_mw)*100, 2),
         beteiligungsquote_m = round((geschlecht_wb_m / geschlecht_alo_m)*100, 2),
         beteiligungsquote_w = round((geschlecht_wb_w / geschlecht_alo_w)*100, 2),
         
         beteiligungsquote_u25 = round((alter_wb_u25 / alter_alo_u25)*100, 2),
         beteiligungsquote_25bis50 = round((alter_wb_25bis50 / alter_alo_25bis50)*100, 2),
         beteiligungsquote_aelter50 = round((alter_wb_aelter50 / alter_alo_aelter50)*100, 2),
         
         beteiligungsquote_deutsch = round((staatsangehoerigkeit_wb_deutsch / staatsangehoerigkeit_alo_deutsch)*100, 2),
         beteiligungsquote_nichtdeutsch = round((staatsangehoerigkeit_wb_nichtdeutsch / staatsangehoerigkeit_alo_nichtdeutsch)*100, 2)
         )

#wollen für die Abbildung doch nur das MDR
df_mdr <- df_dsnstth_mdr %>%
  filter(kommune == "Mitteldeutsches Revier")

df <- df %>%
  filter(!(kommune %in% dsnstth)) %>%
  filter(!(jahr == 2010))

#G7.5 Ausrechnen
#insg muss nur fuer geschlecht, alter oder staat ausgerechnet werden, da es insgesamt natuerlich immer die gleichen Personen sind 
df <- df %>%
  mutate(alter_alo_25bis50 = alter_alo_alterinsg - alter_alo_u25 - alter_alo_aelter50,
         alter_wb_25bis50 = alter_wb_alterinsg - alter_wb_u25 - alter_wb_aelter50,
    
         beteiligungsquote_insg = round((geschlecht_wb_mw / geschlecht_alo_mw)*100, 2),
         beteiligungsquote_m = round((geschlecht_wb_m / geschlecht_alo_m)*100, 2),
         beteiligungsquote_w = round((geschlecht_wb_w / geschlecht_alo_w)*100, 2),
         
         beteiligungsquote_u25 = round((alter_wb_u25 / alter_alo_u25)*100, 2),
         beteiligungsquote_25bis50 = round((alter_wb_25bis50 / alter_alo_25bis50)*100, 2),
         beteiligungsquote_aelter50 = round((alter_wb_aelter50 / alter_alo_aelter50)*100, 2),
         
         beteiligungsquote_deutsch = round((staatsangehoerigkeit_wb_deutsch / staatsangehoerigkeit_alo_deutsch)*100, 2),
         beteiligungsquote_nichtdeutsch = round((staatsangehoerigkeit_wb_nichtdeutsch / staatsangehoerigkeit_alo_nichtdeutsch)*100, 2)
         )

df <- rbind(df, df_mdr)
#ars einlesen um die Kommunen nach Ars in der Grafik zu sortieren
ars05_snstth <- read_delim("//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/03_Daten/03_Raum_Land_Kreise_Gemeinden/ars05_snstth.csv", 
                           ";", escape_double = FALSE, col_types = cols(ars = col_character(), 
                                                                        ars_parent = col_character(), ags = col_character(), 
                                                                        ags_parent = col_character()), locale = locale(encoding = "WINDOWS-1252"), 
                           trim_ws = TRUE)

df <- left_join(df, ars05_snstth, by = c("kommune" = "kommune"))

df <- df %>%
  arrange(ars)

#farben fuer mdr
farben <- c("#5778a4","#e49444","#6a9f58","#d1615d","#85b6b2","#e7ca60","#a87c9f","#f1a2a9","#b8b0ac", "#000000")

df <- df %>%
  mutate(alo_m_p = round(geschlecht_alo_m / geschlecht_alo_mw*100, 2),
         alo_w_p = round(geschlecht_alo_w / geschlecht_alo_mw*100, 2),
         wb_m_p = round(geschlecht_wb_m / geschlecht_wb_mw*100, 2),
         wb_w_p = round(geschlecht_wb_w / geschlecht_wb_mw*100, 2),
         
         alo_dt_p = round(staatsangehoerigkeit_alo_deutsch / staatsangehoerigkeit_alo_staatInsg*100, 2),
         alo_nichtdt_p = round(staatsangehoerigkeit_alo_nichtdeutsch / staatsangehoerigkeit_alo_staatInsg*100, 2),
         wb_dt_p = round(staatsangehoerigkeit_wb_deutsch / staatsangehoerigkeit_wb_staatInsg*100, 2),
         wb_nichtdt_p = round(staatsangehoerigkeit_wb_nichtdeutsch / staatsangehoerigkeit_wb_staatInsg*100, 2),
         
         alo_u25_p = round(alter_alo_u25 / alter_alo_alterinsg*100, 2),
         alo_25bis50_p = round(alter_alo_25bis50/ alter_alo_alterinsg*100, 2),
         alo_aelter50_p = round(alter_alo_aelter50 / alter_alo_alterinsg*100, 2),
         
         wb_u25_p = round(alter_wb_u25 / alter_wb_alterinsg*100, 2),
         wb_25bis50_p = round(alter_wb_25bis50 / alter_wb_alterinsg*100, 2),
         wb_aelter50_p = round(alter_wb_aelter50 / alter_wb_alterinsg*100, 2)
         )
# 
# df$kommune <- factor(df$kommune,
#                             levels = c("Stadt Leipzig", "Landkreis Leipzig", "Landkreis Nordsachsen", "Stadt Halle (Saale)", "Landkreis Anhalt-Bitterfeld", "Burgenlandkreis", "Landkreis Mansfeld-Südharz", "Landkreis Saalekreis", "Landkreis Altenburger Land", "Mitteldeutsches Revier"))
# 
# df$ags <- factor(df$ags,
#                             levels = c("14713", "14729", "14730", "15002", "15082", "15084", "15087", "15088", "16077", "99999"))

df$line_type <- "solid"
df$line_type <- ifelse(df$kommune == "Mitteldeutsches Revier", "dash", "solid")


#Farben analog zum Dashboard Arbeitsmarkt & Demografie
farben_bl_mdr <-
  c("#000000",#MDR
    "#247777",
    "#25A2A2",
    "#1ED0D0"
    )

fig <- 
plot_ly(df,
        y=~beteiligungsquote_insg,
        x = ~jahr,
        color = ~ags,
        name = ~kommune,
        # sort = FALSE,
        colors = ~farben,
        type = 'scatter',
        mode = 'lines+markers',
        linetype = ~I(line_type),
        hovermode = "closest",
        hovertemplate = paste0("",df$kommune,"
",
                               "Jahr: ",df$jahr,"
",
                               "Beteiligungsquote: ", df$beteiligungsquote_insg, "%", "

",
                               "Anzahl der Arbeitslosen: ", df$geschlecht_alo_mw, "
",
                               "Anzahl der Eintritte in Maßnahmen zur arbeitsmarktbezogener Weiterbildung von Personen: ", df$geschlecht_wb_mw
                               )
        ) 

fig <-
  fig %>% 
  layout(title = "Beteiligungsquote an arbeitsmarktbezogener Weiterbildung (2011–2021)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         yaxis = list(title = "Beteiligungsquote in %",
                      ticksuffix = "%",
                      range= c(0,25)),
         xaxis = list(title = list(text = " ", standoff = 3),
                      zeroline = FALSE),
         legend = list(orientation = 'h'))

fig


```
> siehe [Geheimhaltung](#geheimhaltung) 

> siehe [weiterführende Informationen](#definitionen-g74-und-g75)

### Beteiligungsquote an arbeitsmarktbezogener Weiterbildung aggregiert

```{r}
df_dsnstth_mdr <- df_dsnstth_mdr %>%
  arrange(kommune)
  
fig <-
plot_ly(df_dsnstth_mdr,
        y=~beteiligungsquote_insg,
        x = ~jahr,
        color = ~kommune,
        name = ~kommune,
        colors = ~farben_bl_mdr,
        type = 'scatter',
        mode = 'lines+markers',
        hovermode = "closest",
        hovertemplate = paste0("",df_dsnstth_mdr$kommune,"
",
                               "Jahr: ",df_dsnstth_mdr$jahr,"
",
                               "Beteiligungsquote: ", df_dsnstth_mdr$beteiligungsquote_insg,"

",
                               "Anzahl der Arbeitslosen: ", df_dsnstth_mdr$geschlecht_alo_mw, "
",
                               "Anzahl der an Weiterbildung teilnehmenden: ", df_dsnstth_mdr$geschlecht_wb_mw
                               )
        )


fig <-
  fig %>%
  layout(title = "Beteiligungsquote an arbeitsmarktbezogener Weiterbildung aggregiert (2011–2021)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         yaxis = list(title = "Beteiligungsquote in %",
                      ticksuffix = "%",
                      range= c(0,25)),
         xaxis = list(title = list(text = " ", standoff = 3),
                      zeroline = FALSE),
         legend = list(orientation = 'h'))

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-g74-und-g75)

G7.4/G7.5 Beteiligungsquote an arbeitsmarktbezogener Weiterbildung nach Alter und Staatsangehörigkeit {data-navmenu="Weiterbildung" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------

### Beteiligungsquote an arbeitsmarktbezogener Weiterbildung nach Altersgruppen
```{r}
df <- df %>%
  filter(!(kommune == "Mitteldeutsches Revier"))

fig <-
  plot_ly(df,
          y = ~beteiligungsquote_u25,
          marker = list(color = "#01494F"),
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~jahr,
          name  = "unter 25 Jahre",
          type = 'bar',
          # text = "",
          text=~paste0(round(df$beteiligungsquote_u25,0), "%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                               "Jahr: ",df$jahr,"
",
                               "Beteiligungsquote von Personen unter 25 Jahren: ", df$beteiligungsquote_u25,"%","

",
                               "Anzahl der Arbeitslosen Personen unter 25 Jahren: ", df$alter_alo_u25, "
",
                               "Anzahl der Eintritte in Maßnahmen zur arbeitsmarktbezogener Weiterbildung von Personen unter 25 Jahren: ", df$alter_wb_u25
                               )
          )

fig <-
fig %>% 
  add_bars(y = ~beteiligungsquote_25bis50,
           marker = list(color = "#AEB4B5"),
           name  = "über 25 und unter 50 Jahre",
           # text = "",
           text=~paste0(round(df$beteiligungsquote_25bis50,0), "%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                               "Jahr: ",df$jahr,"
",
                               "Beteiligungsquote von Personen über 25 und unter 50 Jahren: ", df$beteiligungsquote_25bis50,"%","

",
                               "Anzahl der Arbeitslosen Personen über 25 und unter 50 Jahren: ", df$alter_alo_25bis50, "
",
                               "Anzahl der Eintritte in Maßnahmen zur arbeitsmarktbezogener Weiterbildung von Personen über 25 und unter 50 Jahren: ", df$alter_wb_25bis50
                               )
           )
fig <-
fig %>% 
  add_bars(y = ~beteiligungsquote_aelter50,
           marker = list(color = "#d0dadb"),
           name  = "über 50 Jahre",
           # text = "",
           text=~paste0(round(df$beteiligungsquote_aelter50,0), "%"),
           textfont=list(color="black"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                               "Jahr: ",df$jahr,"
",
                               "Beteiligungsquote von Personen über 50 Jahren: ", df$beteiligungsquote_aelter50,"%","

",
                               "Anzahl der Arbeitslosen Personen über 50 Jahren: ", df$alter_alo_aelter50, "
",
                               "Anzahl der Eintritte in Maßnahmen zur arbeitsmarktbezogener Weiterbildung von Personen über 50 Jahren: ", df$alter_wb_aelter50
                               )
           )

fig <-    
  fig %>%      
  layout(
         title = "Beteiligungsquote an arbeitsmarktbezogener Weiterbildung nach Altersgruppen (2011–2021)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Beteiligungsquote in %",
                      ticksuffix = "%",
                      range= c(0,27)),
         legend = list(orientation = 'v'))

fig


```
> siehe [Geheimhaltung](#geheimhaltung) 

> siehe [weiterführende Informationen](#definitionen-g74-und-g75)







### Anteil Eintritte an arbeitsmarktbezogener Weiterbildung nach Staatsangehörigkeit

```{r}
df <- df %>%
  filter(!(kommune == "Mitteldeutsches Revier"))

fig <-
  plot_ly(df,
          y = ~wb_dt_p,
          marker = list(color = "#01494F"),
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~jahr,
          name  = "Deutsche Staatsangehörigkeit",
          type = 'bar',
          # text = "",
          text=~paste0(round(df$wb_dt_p,0), "%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                               "Jahr: ",df$jahr,"
",
                               "Beteiligungsquote von Personen dt. Staatsangehörigkeit: ", df$beteiligungsquote_deutsch,"%","

",
                               "Anzahl der arbeitslosen Personen mit dt. Staatsangehörigkeit: ", df$staatsangehoerigkeit_alo_deutsch, " (", df$alo_dt_p, "%)", "
",
                               "Anzahl der Eintritte in Maßnahmen zur arbeitsmarktbezogener Weiterbildung von Personen mit dt. Staatsangehörigkeit: ", df$staatsangehoerigkeit_wb_deutsch, " (", df$wb_dt_p, "%)"
                               )
          
          )

fig <-
fig %>% 
  add_bars(y = ~wb_nichtdt_p,
           marker = list(color = "#d0dadb"),
           name  = "Nichtdeutsche Staatsangehörigkeit",
           # text = "",
           text=~paste0(round(df$wb_nichtdt_p,0), "%"),
           textfont=list(color="black"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                               "Jahr: ",df$jahr,"
",
                               "Beteiligungsquote von Personen nichtdeutscher Staatsangehörigkeit: ", df$beteiligungsquote_nichtdeutsch,"%","

",
                               "Anzahl der arbeitslosen Personen nichtdeutscher Staatsangehörigkeit: ", df$staatsangehoerigkeit_alo_nichtdeutsch, " (", df$alo_nichtdt_p, "%)", "
",
                               "Anzahl der Eintritte in Maßnahmen zur arbeitsmarktbezogener Weiterbildung von Personen mit nichtdeutscher Staatsangehörigkeit: ", df$staatsangehoerigkeit_wb_nichtdeutsch, " (", df$wb_nichtdt_p, "%)"
                               )
          
           )
fig <-    
  fig %>%      
  layout(
         barmode = "stack",
         title = "Anteil Eintritte an arbeitsmarktbezogener Weiterbildung nach Staatsangehörigkeit (2011–2021)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil in %",
                      ticksuffix = "%",
                      range= c(0,100)),
         legend = list(orientation = 'v'))

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-g74-und-g75)

### Beteiligungsquote an arbeitsmarktbezogener Weiterbildung nach Staatsangehörigkeit
```{r}
df <- df %>%
  filter(!(kommune == "Mitteldeutsches Revier"))
fig <-
  plot_ly(df,
          y = ~beteiligungsquote_deutsch,
          marker = list(color = "#01494F"),
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~jahr,
          name  = "Deutsche Staatsangehörigkeit",
          type = 'bar',
          # text = "",
          text=~paste0(round(df$beteiligungsquote_deutsch,0), "%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                               "Jahr: ",df$jahr,"
",
                               "Beteiligungsquote von Personen dt. Staatsangehörigkeit: ", df$beteiligungsquote_deutsch,"%","

",
                               "Anzahl der Arbeitslosen Personen mit dt. Staatsangehörigkeit: ", df$staatsangehoerigkeit_alo_deutsch, "
",
                               "Anzahl der Eintritte in Maßnahmen zur arbeitsmarktbezogener Weiterbildung von Personen mit dt. Staatsangehörigkeit: ", df$staatsangehoerigkeit_wb_deutsch
                               )
          )

fig <-
fig %>% 
  add_bars(y = ~beteiligungsquote_nichtdeutsch,
           marker = list(color = "#d0dadb"),
           name  = "Nichtdeutsche Staatsangehörigkeit",
           # text = "",
           text=~paste0(round(df$beteiligungsquote_nichtdeutsch,0), "%"),
           textfont=list(color="black"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                               "Jahr: ",df$jahr,"
",
                               "Beteiligungsquote von Personen nichtdeutscher Staatsangehörigkeit: ", df$beteiligungsquote_nichtdeutsch,"%","

",
                               "Anzahl der Arbeitslosen Personen nichtdeutscher Staatsangehörigkeit: ", df$staatsangehoerigkeit_alo_nichtdeutsch, "
",
                               "Anzahl der Eintritte in Maßnahmen zur arbeitsmarktbezogener Weiterbildung von Personen mit nichtdeutscher Staatsangehörigkeit: ", df$staatsangehoerigkeit_wb_nichtdeutsch
                               )
           )
fig <-    
  fig %>%      
  layout(
         title = "Beteiligungsquote an arbeitsmarktbezogener Weiterbildung nach Staatsangehörigkeit (2011–2021)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Beteiligungsquote in %",
                      ticksuffix = "%",
                      range= c(0,25)),
         legend = list(orientation = 'v'))

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-g74-und-g75)

G7.4/G7.5 Beteiligungsquote an arbeitsmarktbezogener Weiterbildung nach Geschlecht {data-navmenu="Weiterbildung" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------

### Beteiligungsquote an arbeitsmarktbezogener Weiterbildung nach Geschlecht

```{r}
df <- df %>%
  filter(!(kommune == "Mitteldeutsches Revier"))
  
fig <-
  plot_ly(df,
          y = ~beteiligungsquote_m,
          marker = list(color = "#5778A4"),
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~jahr,
          name  = "Männer",
          type = 'bar',
          # text = "",
          text=~paste0(round(df$beteiligungsquote_m,0), "%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                               "Jahr: ",df$jahr,"
",
                               "Beteiligungsquote der Männer: ", df$beteiligungsquote_m,"%","

",
                               "Anzahl der Arbeitslosen Männer: ", df$geschlecht_alo_m, "
",
                               "Anzahl der Eintritte in Maßnahmen zur arbeitsmarktbezogener Weiterbildung von Männern: ", df$geschlecht_wb_m
                               )
          )

fig <-
fig %>% 
  add_bars(y = ~beteiligungsquote_w,
           marker = list(color = "#D1615D"),
           name  = "Frauen",
           # text = "",
           text=~paste0(round(df$beteiligungsquote_w,0), "%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                               "Jahr: ",df$jahr,"
",
                               "Beteiligungsquote der Frauen: ", df$beteiligungsquote_w,"%","

",
                               "Anzahl der Arbeitslosen Frauen: ", df$geschlecht_alo_w, "
",
                               "Anzahl der Eintritte in Maßnahmen zur arbeitsmarktbezogener Weiterbildung von Frauen: ", df$geschlecht_wb_w
                               )
           )
fig <-    
  fig %>%      
  layout(
         title = "Beteiligungsquote an arbeitsmarktbezogener Weiterbildung nach Geschlecht (2011–2021)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Beteiligungsquote in %",
                      ticksuffix = "%",
                      range= c(0,21)),
         legend = list(orientation = 'v'))

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-g74-und-g75)


### Anteil in arbeitsmarktbezogener Weiterbildung und Arbeitslosigkeit Frauen
```{r}
df <- df %>%
  filter(!(kommune == "Mitteldeutsches Revier")) 

fig <-
  plot_ly(df,
          y = ~wb_w_p,
          marker = list(color = "#01494F"),
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~jahr,
          name  = "Frauen in Weiterbildung",
          type = 'bar',
          # text = "",
          text=~paste0(round(df$wb_w_p,0), "%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                               "Jahr: ",df$jahr,"
",
                               "Beteiligungsquote der Frauen: ", df$beteiligungsquote_w,"%","

",
                               "Anzahl der arbeitslosen Frauen: ", df$geschlecht_alo_w, " (", df$alo_w_p, "%)", "
",
                               "Anzahl der Eintritte in Maßnahmen zur arbeitsmarktbezogenen Weiterbildung von Frauen: ", df$geschlecht_wb_w, " (", df$wb_w_p, "%)"
                               )
          )

fig <-
fig %>% 
  add_bars(y = ~alo_w_p,
           marker = list(color = "#d0dadb"),
           name  = "Frauen in Arbeitslosigkeit",
           # text = "",
           text=~paste0(round(df$alo_w_p,0), "%"),
           textfont=list(color="black"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                               "Jahr: ",df$jahr,"
",
                               "Beteiligungsquote der Frauen: ", df$beteiligungsquote_w,"%","

",
                               "Anzahl der arbeitslosen Frauen: ", df$geschlecht_alo_w, " (", df$alo_w_p, "%)","
",
                               "Anzahl der Eintritte in Maßnahmen zur arbeitsmarktbezogenen Weiterbildung von Frauen: ", df$geschlecht_wb_w, " (", df$wb_w_p, "%)"
                               )
           )
fig <-    
  fig %>%      
  layout(
         title = "Anteil in arbeitsmarktbezogener Weiterbildung und Arbeitslosigkeit Frauen (2011–2021)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil in %",
                      ticksuffix = "%",
                      range= c(0,55)),
         legend = list(orientation = 'v'))

fig



```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-g74-und-g75)

G7.6 Schüler/-innen in Bildungsgängen zur beruflichen Weiterbildung an Fachschulen nach Fachbereich und Veränderung {data-navmenu="Weiterbildung" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------
### Anzahl der Schüler/-innen in Bildungsgängen zur beruflichen Weiterbildung an Fachschulen nach Fachbereich

```{r G7.6 Anzahl Schüler/-innen Weriterbildung Fachschulen}
df <- read_delim(file = "//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/04_Analysen/G_07_06_Schuelerinnen_Schueler_in_Bildungsgaengen_zur_beruflichen_Weiterbildung_an_Fachschulen/G07_06_tidy.csv",
                            ";", 
                            locale = locale(encoding = "WINDOWS-1252"))

df <- df %>%
  filter(jahr <= 2020)

df <- df %>%
  group_by(jahr, kommune, ags, traegerschaft, schulform) %>%
  dplyr::summarise(m_n = sum(m_n),
            w_n = sum(w_n))

df <- df %>%
  mutate(m_n = ifelse(df$jahr >= 2018, round_any(m_n, 10), m_n),
         w_n = ifelse(df$jahr >= 2018, round_any(w_n, 10), w_n))

df_traeger_insg <- df %>%
  group_by(jahr, kommune, ags, schulform) %>%
  dplyr::summarise(m_n = sum(m_n),
                   w_n = sum(w_n)) %>%
  mutate(traegerschaft = "insgesamt")

df <- rbind(df, df_traeger_insg)

df_schulform_insg <- df %>% 
  group_by(jahr, kommune, ags, traegerschaft) %>%
  dplyr::summarise(m_n = sum(m_n),
                   w_n = sum(w_n)) %>%
  mutate(schulform = "zusammen")

df <- rbind(df, df_schulform_insg)

# Ab dem Jahr 2018 auf die nähesten Zehner runden um die Geheimhaltung in ST mit der Nicht-Geheimhaltung in SN zu vereinheitlichen

df <- df %>% 
  mutate(insg_n = m_n + w_n)

df <- df %>%
  pivot_wider(names_from = c(traegerschaft, schulform),
              values_from = c(m_n, w_n, insg_n)) %>%
  clean_names() %>%
  mutate_if(is.numeric, ~replace(., is.na(.), 0))

df <- df %>%
  #Anteile der Fachbereiche an gesamt
  mutate(insg_p_insgesamt_fachbereich_agrarwirtschaft = round(insg_n_insgesamt_fachbereich_agrarwirtschaft / insg_n_insgesamt_zusammen * 100, 2),
         insg_p_insgesamt_fachbereich_sozialwesen = round(insg_n_insgesamt_fachbereich_sozialwesen / insg_n_insgesamt_zusammen * 100, 2),
         insg_p_insgesamt_fachbereich_technik = round(insg_n_insgesamt_fachbereich_technik / insg_n_insgesamt_zusammen * 100, 2),
         insg_p_insgesamt_fachbereich_wirtschaft = round(insg_n_insgesamt_fachbereich_wirtschaft / insg_n_insgesamt_zusammen * 100, 2),
         insg_p_insgesamt_sonstiger_fachbereich = round(insg_n_insgesamt_sonstiger_fachbereich / insg_n_insgesamt_zusammen * 100, 2)) %>%
    mutate_if(is.numeric, ~replace(., is.na(.), 0)) %>%
  #Anteile der Geschlechter
  #Frauen
  mutate(w_p_insgesamt_fachbereich_agrarwirtschaft = round(w_n_insgesamt_fachbereich_agrarwirtschaft / insg_n_insgesamt_fachbereich_agrarwirtschaft * 100, 2),
         w_p_insgesamt_fachbereich_sozialwesen = round(w_n_insgesamt_fachbereich_sozialwesen / insg_n_insgesamt_fachbereich_sozialwesen * 100, 2),
         w_p_insgesamt_fachbereich_technik = round(w_n_insgesamt_fachbereich_technik / insg_n_insgesamt_fachbereich_technik * 100, 2),
         w_p_insgesamt_fachbereich_wirtschaft = round(w_n_insgesamt_fachbereich_wirtschaft / insg_n_insgesamt_fachbereich_wirtschaft * 100, 2),
         w_p_insgesamt_sonstiger_fachbereich = round(w_n_insgesamt_sonstiger_fachbereich / insg_n_insgesamt_sonstiger_fachbereich * 100, 2)) %>%
  #Maenner
  mutate(m_p_insgesamt_fachbereich_agrarwirtschaft = round(m_n_insgesamt_fachbereich_agrarwirtschaft / insg_n_insgesamt_fachbereich_agrarwirtschaft * 100, 2),
         m_p_insgesamt_fachbereich_sozialwesen = round(m_n_insgesamt_fachbereich_sozialwesen / insg_n_insgesamt_fachbereich_sozialwesen * 100, 2),
         m_p_insgesamt_fachbereich_technik = round(m_n_insgesamt_fachbereich_technik / insg_n_insgesamt_fachbereich_technik * 100, 2),
         m_p_insgesamt_fachbereich_wirtschaft = round(m_n_insgesamt_fachbereich_wirtschaft / insg_n_insgesamt_fachbereich_wirtschaft * 100, 2),
         m_p_insgesamt_sonstiger_fachbereich = round(m_n_insgesamt_sonstiger_fachbereich / insg_n_insgesamt_sonstiger_fachbereich * 100, 2)) %>%
  mutate_if(is.numeric, ~replace(., is.na(.), 0)) %>%
  #Anteil freie und öffentliche Fachschulen
  mutate(insg_p_frei_zusammen = round(insg_n_frei_zusammen / insg_n_insgesamt_zusammen * 100, 2),
         insg_p_offentlich_zusammen = round(insg_n_offentlich_zusammen / insg_n_insgesamt_zusammen * 100, 2))
  

x_2010 <- df %>% 
  filter(jahr == 2010) %>% 
  select(jahr, kommune, ags, insg_n_insgesamt_zusammen) %>% 
  mutate(insg_n_insgesamt_zusammen_2010 = insg_n_insgesamt_zusammen) %>% 
  select(-jahr, -insg_n_insgesamt_zusammen)

df <-df %>% 
  left_join(.,x_2010, c("kommune", "ags"))


df <- df %>%
  mutate(insg_n_insgesamt_zusammen_change_2010_n = insg_n_insgesamt_zusammen - insg_n_insgesamt_zusammen_2010,
         # insg_n_insgesamt_zusammen_change_2010_p= round((insg_n_insgesamt_zusammen - insg_n_insgesamt_zusammen_2010) / insg_n_insgesamt_zusammen * 100, 2)) %>%
         insg_n_insgesamt_zusammen_change_2010_p= round((insg_n_insgesamt_zusammen - insg_n_insgesamt_zusammen_2010) / insg_n_insgesamt_zusammen_2010 * 100, 2)) %>%
  mutate_if(is.numeric, ~replace(., is.na(.), 0))


df <- df %>%
    mutate(jahr = jahr.x) %>%
    select(-jahr.y, -jahr.x) %>%
    mutate(ags = as.factor(ags)) %>%
    arrange(ags)

fig <-
  plot_ly(df,
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~jahr,
          type = 'bar',
          y = ~insg_n_insgesamt_fachbereich_agrarwirtschaft,
          marker = list(color = "#33658A"),
          name  = "Agrarwirtschaft",
          # text= "",
          text=~insg_n_insgesamt_fachbereich_agrarwirtschaft,
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Schüler/-innen an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Schüler/-innen an Fachschulen im Bereich Agrarwirtschaft: ", df$insg_n_insgesamt_fachbereich_agrarwirtschaft, " (", df$insg_p_insgesamt_fachbereich_agrarwirtschaft, "%)

", 
                                 "darunter Schülerinnen: ", df$w_n_insgesamt_fachbereich_agrarwirtschaft, " (", df$w_p_insgesamt_fachbereich_agrarwirtschaft, "%)", "
",
                                 "darunter Schüler: ", df$m_n_insgesamt_fachbereich_agrarwirtschaft, " (", df$m_p_insgesamt_fachbereich_agrarwirtschaft, "%)"
                                )
          )

fig <-
  fig %>% 
  add_bars(y = ~insg_n_insgesamt_fachbereich_sozialwesen,
           marker = list(color = "#86BBD8"),
           name  = "Sozialwesen",
           # text= "",
           text=~insg_n_insgesamt_fachbereich_sozialwesen,
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Schüler/-innen an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Schüler/-innen an Fachschulen im Bereich Sozialwesen: ", df$insg_n_insgesamt_fachbereich_sozialwesen, " (", df$insg_p_insgesamt_fachbereich_sozialwesen, "%)", "

", 
                                 "darunter Schülerinnen: ", df$w_n_insgesamt_fachbereich_sozialwesen," (", df$w_p_insgesamt_fachbereich_sozialwesen, "%)","
",
                                 "darunter Schüler: ", df$m_n_insgesamt_fachbereich_sozialwesen, " (", df$m_p_insgesamt_fachbereich_sozialwesen, "%)"
                                )
           )

fig <-
  fig %>% 
  add_bars(y = ~insg_n_insgesamt_fachbereich_technik,
          marker = list(color = "#758E4F"),
          name  = "Technik",
          # text = "",
          text=~insg_n_insgesamt_fachbereich_technik,
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Schüler/-innen an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Schüler/-innen an Fachschulen im Bereich Technik: ", df$insg_n_insgesamt_fachbereich_technik, " (", df$insg_p_insgesamt_fachbereich_technik, "%)","

", 
                                 "darunter Schülerinnen: ", df$w_n_insgesamt_fachbereich_technik, " (", df$w_p_insgesamt_fachbereich_technik, "%)","
",
                                 "darunter Schüler: ", df$m_n_insgesamt_fachbereich_technik, " (", df$m_p_insgesamt_fachbereich_technik, "%)"
                                )
         )

fig <-
  fig %>% 
  add_bars(y = ~insg_n_insgesamt_fachbereich_wirtschaft,
           marker = list(color = "#F6AE2D"),
           name  = "Wirtschaft",
           # text= "",
           text=~df$insg_n_insgesamt_fachbereich_wirtschaft,
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Schüler/-innen an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Schüler/-innen an Fachschulen im Bereich Wirtschaft: ", df$insg_n_insgesamt_fachbereich_wirtschaft, " (", df$insg_p_insgesamt_fachbereich_wirtschaft, "%)","

", 
                                 "darunter Schülerinnen: ", df$w_n_insgesamt_fachbereich_wirtschaft, " (", df$w_p_insgesamt_fachbereich_wirtschaft, "%)","
",
                                 "darunter Schüler: ", df$m_n_insgesamt_fachbereich_wirtschaft, " (", df$m_p_insgesamt_fachbereich_wirtschaft, "%)"
                                )
          )

fig <-
  fig %>% 
  add_bars(y = ~insg_n_insgesamt_sonstiger_fachbereich,
           marker = list(color = "#F26419"),
           name  = "Sonstiges",
           # text= "",
           text=~df$insg_n_insgesamt_sonstiger_fachbereich,
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Schüler/-innen an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Schüler/-innen an Fachschulen in sonstigen Fachbereichen: ", df$insg_n_insgesamt_sonstiger_fachbereich, " (", df$insg_p_insgesamt_sonstiger_fachbereich, "%)","

", 
                                 "darunter Schülerinnen: ", df$w_n_insgesamt_sonstiger_fachbereich, " (", df$w_p_insgesamt_sonstiger_fachbereich, "%)","
", 
                                 "darunter Schüler: ", df$m_n_insgesamt_sonstiger_fachbereich, " (", df$m_p_insgesamt_sonstiger_fachbereich, "%)"
                                )
          )

fig <-    
  fig %>%      
  layout(
         barmode = 'stack',
         title = "Anzahl der Schüler/-innen in Bildungsgängen zur beruflichen Weiterbildung an Fachschulen nach Fachbereich (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri", size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anzahl der Schüler/-innen an Fachschulen",
                      range= c(0,2500)),
         legend = list(orientation = 'v'),
         bargap = 0.3)

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-g76-g121-und-g152)


### Veränderung der Anzahl von Schüler/-innen an Fachschulen zur beruflichen Weiterbildung
```{r G7 06 Veraenderung seit Basisjahr}
farben_linie <- c("#5778a4","#e49444","#6a9f58","#d1615d","#85b6b2","#e7ca60","#a87c9f","#f1a2a9"
                  #,"#b8b0ac"
                  )

fig <-
plot_ly(df,
        y=~insg_n_insgesamt_zusammen_change_2010_p,
        x = ~jahr,
        color = ~as.factor(ags),
        name = ~kommune,
        colors = ~farben_linie,
        type = 'scatter',
        mode = 'lines+markers',
        hovermode = "closest",
        hovertemplate = paste0("",df$kommune,"
",
                               "Jahr: ",df$jahr,"
",
                               "Schüler/-innen an Fachschulen zur beruflichen Weiterbildung: ",df$insg_n_insgesamt_zusammen,"
",
                               "Veränderung seit 2010: ",df$insg_n_insgesamt_zusammen_change_2010_n," (",df$insg_n_insgesamt_zusammen_change_2010_p,"%)
")
        )



fig <-
  fig %>% 
  layout(title = "Veränderung der Anzahl von Schüler/-innen an Fachschulen zur beruflichen Weiterbildung seit 2010 (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         yaxis = list(title = "Veränderung in %",
                      ticksuffix = "%"),
         xaxis = list(title = list(text = "", standoff = 3),
                      zeroline = FALSE),
         legend = list(orientation = 'h')
         # margin = list(l = 50, r = 50, t = 60, b = 100),
         # annotations = list(text = 'Aus Gründen der statistischen Geheimhaltung sind die Werte ab dem Jahr 2018 auf ein Vielfaches von 10 gerundet.',
         #                      font = list(size = 10),
         #                      showarrow = FALSE,
         #                      xref = 'paper', x = 0,
         #                      yref = 'paper', y = -0.11)
         )

fig



```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-g76-g121-und-g152)


### Anteil der Schüler/-innen in Bildungsgängen zur beruflichen Weiterbildung an Fachschulen nach Fachbereich

```{r G7.6 Anteil Schüler/-innen Weriterbildung Fachschulen nach Bereich}
fig <-
  plot_ly(df,
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~jahr,
          type = 'bar',
          y = ~insg_p_insgesamt_fachbereich_agrarwirtschaft,
          marker = list(color = "#33658A"),
          name  = "Agrarwirtschaft",
          # text= "",
          text=~paste0(round(df$insg_p_insgesamt_fachbereich_agrarwirtschaft,0), "%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Schüler/-innen an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Schüler/-innen an Fachschulen im Bereich Agrarwirtschaft: ", df$insg_n_insgesamt_fachbereich_agrarwirtschaft, " (", df$insg_p_insgesamt_fachbereich_agrarwirtschaft, "%)

", 
                                 "darunter Schülerinnen: ", df$w_n_insgesamt_fachbereich_agrarwirtschaft, " (", df$w_p_insgesamt_fachbereich_agrarwirtschaft, "%)", "
",
                                 "darunter Schüler: ", df$m_n_insgesamt_fachbereich_agrarwirtschaft, " (", df$m_p_insgesamt_fachbereich_agrarwirtschaft, "%)"
                                )
          )

fig <-
  fig %>% 
  add_bars(y = ~insg_p_insgesamt_fachbereich_sozialwesen,
           marker = list(color = "#86BBD8"),
           name  = "Sozialwesen",
           # text= "",
           text=~paste0(round(df$insg_p_insgesamt_fachbereich_sozialwesen,0), "%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Schüler/-innen an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Schüler/-innen an Fachschulen im Bereich Sozialwesen: ", df$insg_n_insgesamt_fachbereich_sozialwesen, " (", df$insg_p_insgesamt_fachbereich_sozialwesen, "%)", "

", 
                                 "darunter Schülerinnen: ", df$w_n_insgesamt_fachbereich_sozialwesen," (", df$w_p_insgesamt_fachbereich_sozialwesen, "%)","
",
                                 "darunter Schüler: ", df$m_n_insgesamt_fachbereich_sozialwesen, " (", df$m_p_insgesamt_fachbereich_sozialwesen, "%)"
                                )
           )

fig <-
  fig %>% 
  add_bars(y = ~insg_p_insgesamt_fachbereich_technik,
          marker = list(color = "#758E4F"),
          name  = "Technik",
          # text = "",
          text=~paste0(round(df$insg_p_insgesamt_fachbereich_technik,0), "%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Schüler/-innen an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Schüler/-innen an Fachschulen im Bereich Technik: ", df$insg_n_insgesamt_fachbereich_technik, " (", df$insg_p_insgesamt_fachbereich_technik, "%)","

", 
                                 "darunter Schülerinnen: ", df$w_n_insgesamt_fachbereich_technik, " (", df$w_p_insgesamt_fachbereich_technik, "%)","
",
                                 "darunter Schüler: ", df$m_n_insgesamt_fachbereich_technik, " (", df$m_p_insgesamt_fachbereich_technik, "%)"
                                )
         )

fig <-
  fig %>% 
  add_bars(y = ~insg_p_insgesamt_fachbereich_wirtschaft,
           marker = list(color = "#F6AE2D"),
           name  = "Wirtschaft",
           # text= "",
           text=~paste0(round(df$insg_p_insgesamt_fachbereich_wirtschaft,0), "%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Schüler/-innen an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Schüler/-innen an Fachschulen im Bereich Wirtschaft: ", df$insg_n_insgesamt_fachbereich_wirtschaft, " (", df$insg_p_insgesamt_fachbereich_wirtschaft, "%)","

", 
                                 "darunter Schülerinnen: ", df$w_n_insgesamt_fachbereich_wirtschaft, " (", df$w_p_insgesamt_fachbereich_wirtschaft, "%)","
",
                                 "darunter Schüler: ", df$m_n_insgesamt_fachbereich_wirtschaft, " (", df$m_p_insgesamt_fachbereich_wirtschaft, "%)"
                                )
          )

fig <-
  fig %>% 
  add_bars(y = ~insg_p_insgesamt_sonstiger_fachbereich,
           marker = list(color = "#F26419"),
           name  = "Sonstiges",
           # text= "",
           text=~paste0(round(df$insg_p_insgesamt_sonstiger_fachbereich,0), "%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Schüler/-innen an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Schüler/-innen an Fachschulen in sonstigen Fachbereichen: ", df$insg_n_insgesamt_sonstiger_fachbereich, " (", df$insg_p_insgesamt_sonstiger_fachbereich, "%)","

", 
                                 "darunter Schülerinnen: ", df$w_n_insgesamt_sonstiger_fachbereich, " (", df$w_p_insgesamt_sonstiger_fachbereich, "%)","
", 
                                 "darunter Schüler: ", df$m_n_insgesamt_sonstiger_fachbereich, " (", df$m_p_insgesamt_sonstiger_fachbereich, "%)"
                                )
          )

fig <-    
  fig %>%      
  layout(
         barmode = 'stack',
         title = "Anteil der Schüler/-innen in Bildungsgängen zur beruflichen Weiterbildung an Fachschulen nach Fachbereich (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri", size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil in %",
                      ticksuffix = "%",
                      range= c(0,100)),
         legend = list(orientation = 'v'),
         bargap = 0.3)

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-g76-g121-und-g152)


G7.6 Schüler/-innen in Bildungsgängen zur beruflichen Weiterbildung an Fachschulen nach Trägerschaft {data-navmenu="Weiterbildung" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------

### Anteil der Schüler/-innen an Fachschulen zur beruflichen Weiterbildung nach Trägerschaft
```{r Anteil Schuelerinnen an oeffentlichen und freien Fachschulen}
fig <-
  plot_ly(df,
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~jahr,
          type = 'bar',
          y = ~insg_p_offentlich_zusammen,
          marker = list(color = "#5778A4"),
          name  = "öffentlich",
          # text= "",
          text=~paste0(round(df$insg_p_offentlich_zusammen, 0), "%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Schüler/-innen an Fachschulen: ", df$insg_n_insgesamt_zusammen, "

",
                                 "Anzahl der Schüler/-innen an freien Fachschulen: ", df$insg_n_frei_zusammen, " (", df$insg_p_frei_zusammen, "%)
", 
                                 "Anzahl der Schüler/-innen an öffentlichen Fachschulen: ", df$insg_n_offentlich_zusammen, " (", df$insg_p_offentlich_zusammen, "%)

"
                                )
          )

fig <-
  fig %>% 
  add_bars(y = ~insg_p_frei_zusammen,
           marker = list(color = "#D1615D"),
           name  = "frei",
           # text= "",
          text=~paste0(round(df$insg_p_frei_zusammen, 0), "%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Schüler/-innen an Fachschulen: ", df$insg_n_insgesamt_zusammen, "

",
                                 "Anzahl der Schüler/-innen an freien Fachschulen: ", df$insg_n_frei_zusammen, " (", df$insg_p_frei_zusammen, "%)
", 
                                 "Anzahl der Schüler/-innen an öffentlichen Fachschulen: ", df$insg_n_offentlich_zusammen, " (", df$insg_p_offentlich_zusammen, "%)

"
                                )
           )

fig <-    
  fig %>%      
  layout(
         barmode = 'stack',
         title = "Anteil der Schüler/-innen an Fachschulen zur beruflichen Weiterbildung nach Trägerschaft (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri", size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil in %",
                      ticksuffix = "%",
                      range= c(0,100)),
         legend = list(orientation = 'v'),
         bargap = 0.3
         )

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-g76-g121-und-g152)


### Anzahl der Schüler/-innen an Fachschulen zur beruflichen Weiterbildung nach Trägerschaft
```{r Anzahl Schuelerinnen an oeffentlichen und freien Fachschulen}
fig <-
  plot_ly(df,
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~jahr,
          type = 'bar',
          y = ~insg_n_offentlich_zusammen,
          marker = list(color = "#5778A4"),
          name  = "öffentlich",
          # text= "",
          text=~insg_n_offentlich_zusammen,
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Schüler/-innen an Fachschulen: ", df$insg_n_insgesamt_zusammen, "

",
                                 "Anzahl der Schüler/-innen an freien Fachschulen: ", df$insg_n_frei_zusammen, " (", df$insg_p_frei_zusammen, "%)
", 
                                 "Anzahl der Schüler/-innen an öffentlichen Fachschulen: ", df$insg_n_offentlich_zusammen, " (", df$insg_p_offentlich_zusammen, "%)

"
                                )
          )

fig <-
  fig %>% 
  add_bars(y = ~insg_n_frei_zusammen,
           marker = list(color = "#D1615D"),
           name  = "frei",
           # text= "",
           text=~insg_n_frei_zusammen,
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Schüler/-innen an Fachschulen: ", df$insg_n_insgesamt_zusammen, "

",
                                 "Anzahl der Schüler/-innen an freien Fachschulen: ", df$insg_n_frei_zusammen, " (", df$insg_p_frei_zusammen, "%)
", 
                                 "Anzahl der Schüler/-innen an öffentlichen Fachschulen: ", df$insg_n_offentlich_zusammen, " (", df$insg_p_offentlich_zusammen, "%)

"
                                )
           )

fig <-    
  fig %>%      
  layout(
         # barmode = 'stack',
         title = "Anzahl der Schüler/-innen an Fachschulen zur beruflichen Weiterbildung nach Trägerschaft (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri", size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anzahl der Schüler/-innen",
                      range= c(0,2000)),
         legend = list(orientation = 'v'),
         bargap = 0.3)

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-g76-g121-und-g152)


G7.6 Schüler/-innen in Bildungsgängen zur beruflichen Weiterbildung an Fachschulen nach ausgewählten Fachbereichen und Geschlecht {data-navmenu="Weiterbildung" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------
### Anteil der Schüler/-innen in Bildungsgängen zur beruflichen Weiterbildung an Fachschulen mit Fachbereich Sozialwesen nach Geschlecht

```{r G7.6 Anteil Schüler/-innen Sozialwesen}
fig <-
  plot_ly(df,
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~jahr,
          type = 'bar',
          y = ~w_p_insgesamt_fachbereich_sozialwesen,
          marker = list(color = "#D1615D"),
          name  = "Frauen",
          # text= "",
          text=~paste0(round(df$w_p_insgesamt_fachbereich_sozialwesen,0), "%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Schüler/-innen an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Schüler/-innen an Fachschulen im Bereich Sozialwesen: ", df$insg_n_insgesamt_fachbereich_sozialwesen, " (", df$insg_p_insgesamt_fachbereich_sozialwesen, "%)

", 
                                 "darunter Schülerinnen: ", df$w_n_insgesamt_fachbereich_sozialwesen, " (", df$w_p_insgesamt_fachbereich_sozialwesen, "%)", "
",
                                 "darunter Schüler: ", df$m_n_insgesamt_fachbereich_sozialwesen, " (", df$m_p_insgesamt_fachbereich_sozialwesen, "%)"
                                )
          )

fig <-
  fig %>% 
  add_bars(y = ~m_p_insgesamt_fachbereich_sozialwesen,
           marker = list(color = "#5778A4"),
           name  = "Männer",
           # text= "",
           text=~paste0(round(df$m_p_insgesamt_fachbereich_sozialwesen,0), "%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Schüler/-innen an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Schüler/-innen an Fachschulen im Bereich Sozialwesen: ", df$insg_n_insgesamt_fachbereich_sozialwesen, " (", df$insg_p_insgesamt_fachbereich_sozialwesen, "%)

", 
                                 "darunter Schülerinnen: ", df$w_n_insgesamt_fachbereich_sozialwesen, " (", df$w_p_insgesamt_fachbereich_sozialwesen, "%)", "
",
                                 "darunter Schüler: ", df$m_n_insgesamt_fachbereich_sozialwesen, " (", df$m_p_insgesamt_fachbereich_sozialwesen, "%)"
                                )
           )

fig <-    
  fig %>%      
  layout(
         barmode = 'stack',
         title = "Anteil der Schüler/-innen in Bildungsgängen zur beruflichen Weiterbildung an Fachschulen mit Fachbereich Sozialwesen nach Geschlecht (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri", size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil in %",
                      ticksuffix = "%",
                      range= c(0,100)),
         legend = list(orientation = 'v'),
         bargap = 0.3)

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-g76-g121-und-g152)


### Anteil der Schüler/-innen in Bildungsgängen zur beruflichen Weiterbildung an Fachschulen mit Fachbereich Technik nach Geschlecht

```{r G7.6 Anteil Schüler/-innen Technik}
fig <-
  plot_ly(df,
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~jahr,
          type = 'bar',
          y = ~w_p_insgesamt_fachbereich_technik,
          marker = list(color = "#D1615D"),
          name  = "Frauen",
          # text= "",
          text=~paste0(round(df$w_p_insgesamt_fachbereich_technik,0), "%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Schüler/-innen an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Schüler/-innen an Fachschulen im Bereich Technik: ", df$insg_n_insgesamt_fachbereich_technik, " (", df$insg_p_insgesamt_fachbereich_technik, "%)

", 
                                 "darunter Schülerinnen: ", df$w_n_insgesamt_fachbereich_technik, " (", df$w_p_insgesamt_fachbereich_technik, "%)", "
",
                                 "darunter Schüler: ", df$m_n_insgesamt_fachbereich_technik, " (", df$m_p_insgesamt_fachbereich_technik, "%)"
                                )
          )

fig <-
  fig %>% 
  add_bars(y = ~m_p_insgesamt_fachbereich_technik,
           marker = list(color = "#5778A4"),
           name  = "Männer",
           # text= "",
           text=~paste0(round(df$m_p_insgesamt_fachbereich_technik,0), "%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Schüler/-innen an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Schüler/-innen an Fachschulen im Bereich Technik: ", df$insg_n_insgesamt_fachbereich_technik, " (", df$insg_p_insgesamt_fachbereich_technik, "%)

", 
                                 "darunter Schülerinnen: ", df$w_n_insgesamt_fachbereich_technik, " (", df$w_p_insgesamt_fachbereich_technik, "%)", "
",
                                 "darunter Schüler: ", df$m_n_insgesamt_fachbereich_technik, " (", df$m_p_insgesamt_fachbereich_technik, "%)"
                                )
           )

fig <-    
  fig %>%      
  layout(
         barmode = 'stack',
         title = "Anteil der Schüler/-innen in Bildungsgängen zur beruflichen Weiterbildung an Fachschulen mit Fachbereich Technik nach Geschlecht (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri", size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil in %",
                      ticksuffix = "%",
                      range= c(0,100)),
         legend = list(orientation = 'v'),
         bargap = 0.3)

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-g76-g121-und-g152)


G12.1 Neueintritte in Bildungsgänge zur beruflichen Weiterbildung an Fachschulen nach Fachbereich und Veränderung {data-navmenu="Weiterbildung" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------
### Anzahl der Neueintritte nach Fachbereich

```{r G12.1 Anzahl Neueintritte Weiterbildung Fachschulen}
df <- read_delim(file = "//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/04_Analysen/G_12_01_Neueintritte_in_Bildungsgaenge_zur_beruflichen_Weiterbildung_an_Fachschulen/G12_01_tidy.csv",
                            ";", 
                            locale = locale(encoding = "WINDOWS-1252"))

df <- df %>%
  mutate(jahr = as.numeric(str_sub(schuljahr, 1, 4))) %>%
  group_by(jahr, kommune, ags, traegerschaft, schulform) %>%
  dplyr::summarise(m_n = sum(m_n),
            w_n = sum(w_n))

df <- df %>%
  filter(jahr <= 2020)

# Ab dem Jahr 2018 auf die nähesten Zehner runden um die Geheimhaltung in ST mit der Nicht-Geheimhaltung in SN zu vereinheitlichen
df <- df %>%
  mutate(m_n = ifelse(df$jahr >= 2018, round_any(m_n, 10), m_n),
         w_n = ifelse(df$jahr >= 2018, round_any(w_n, 10), w_n))

df_traeger_insg <- df %>%
  group_by(jahr, kommune, ags, schulform) %>%
  dplyr::summarise(m_n = sum(m_n),
                   w_n = sum(w_n)) %>%
  mutate(traegerschaft = "insgesamt")

df <- rbind(df, df_traeger_insg)

df_schulform_insg <- df %>% 
  group_by(jahr, kommune, ags, traegerschaft) %>%
  dplyr::summarise(m_n = sum(m_n),
                   w_n = sum(w_n)) %>%
  mutate(schulform = "zusammen")

df <- rbind(df, df_schulform_insg)

df <- df %>% 
  mutate(insg_n = m_n + w_n)

df <- df %>%
  pivot_wider(names_from = c(traegerschaft, schulform),
              values_from = c(m_n, w_n, insg_n)) %>%
  clean_names() %>%
  mutate_if(is.numeric, ~replace(., is.na(.), 0))

df <- df %>%
  #Anteile der Fachbereiche an gesamt
  mutate(insg_p_insgesamt_fachbereich_agrarwirtschaft = round(insg_n_insgesamt_fachbereich_agrarwirtschaft / insg_n_insgesamt_zusammen * 100, 2),
         insg_p_insgesamt_fachbereich_sozialwesen = round(insg_n_insgesamt_fachbereich_sozialwesen / insg_n_insgesamt_zusammen * 100, 2),
         insg_p_insgesamt_fachbereich_technik = round(insg_n_insgesamt_fachbereich_technik / insg_n_insgesamt_zusammen * 100, 2),
         insg_p_insgesamt_fachbereich_wirtschaft = round(insg_n_insgesamt_fachbereich_wirtschaft / insg_n_insgesamt_zusammen * 100, 2),
         insg_p_insgesamt_sonstiger_fachbereich = round(insg_n_insgesamt_sonstiger_fachbereich / insg_n_insgesamt_zusammen * 100, 2)) %>%
    mutate_if(is.numeric, ~replace(., is.na(.), 0)) %>%
  #Anteile der Geschlechter
  #Frauen
  mutate(w_p_insgesamt_fachbereich_agrarwirtschaft = round(w_n_insgesamt_fachbereich_agrarwirtschaft / insg_n_insgesamt_fachbereich_agrarwirtschaft * 100, 2),
         w_p_insgesamt_fachbereich_sozialwesen = round(w_n_insgesamt_fachbereich_sozialwesen / insg_n_insgesamt_fachbereich_sozialwesen * 100, 2),
         w_p_insgesamt_fachbereich_technik = round(w_n_insgesamt_fachbereich_technik / insg_n_insgesamt_fachbereich_technik * 100, 2),
         w_p_insgesamt_fachbereich_wirtschaft = round(w_n_insgesamt_fachbereich_wirtschaft / insg_n_insgesamt_fachbereich_wirtschaft * 100, 2),
         w_p_insgesamt_sonstiger_fachbereich = round(w_n_insgesamt_sonstiger_fachbereich / insg_n_insgesamt_sonstiger_fachbereich * 100, 2)) %>%
  #Maenner
  mutate(m_p_insgesamt_fachbereich_agrarwirtschaft = round(m_n_insgesamt_fachbereich_agrarwirtschaft / insg_n_insgesamt_fachbereich_agrarwirtschaft * 100, 2),
         m_p_insgesamt_fachbereich_sozialwesen = round(m_n_insgesamt_fachbereich_sozialwesen / insg_n_insgesamt_fachbereich_sozialwesen * 100, 2),
         m_p_insgesamt_fachbereich_technik = round(m_n_insgesamt_fachbereich_technik / insg_n_insgesamt_fachbereich_technik * 100, 2),
         m_p_insgesamt_fachbereich_wirtschaft = round(m_n_insgesamt_fachbereich_wirtschaft / insg_n_insgesamt_fachbereich_wirtschaft * 100, 2),
         m_p_insgesamt_sonstiger_fachbereich = round(m_n_insgesamt_sonstiger_fachbereich / insg_n_insgesamt_sonstiger_fachbereich * 100, 2)) %>%
  mutate_if(is.numeric, ~replace(., is.na(.), 0)) %>%
  #Anteil freie und öffentliche Fachschulen
  mutate(insg_p_frei_zusammen = round(insg_n_frei_zusammen / insg_n_insgesamt_zusammen * 100, 2),
         insg_p_offentlich_zusammen = round(insg_n_offentlich_zusammen / insg_n_insgesamt_zusammen * 100, 2))
  

x_2010 <- df %>% 
  filter(jahr == 2010) %>% 
  select(jahr, kommune, ags, insg_n_insgesamt_zusammen, w_n_insgesamt_zusammen) %>% 
  mutate(insg_n_insgesamt_zusammen_2010 = insg_n_insgesamt_zusammen,
         w_n_insgesamt_zusammen_2010 = w_n_insgesamt_zusammen) %>% 
  select(-jahr, -insg_n_insgesamt_zusammen, -w_n_insgesamt_zusammen)

df <-df %>% 
  left_join(.,x_2010, c("kommune", "ags"))


df <- df %>%
  mutate(insg_n_insgesamt_zusammen_change_2010_n = insg_n_insgesamt_zusammen - insg_n_insgesamt_zusammen_2010,
         # insg_n_insgesamt_zusammen_change_2010_p = round((insg_n_insgesamt_zusammen - insg_n_insgesamt_zusammen_2010) / insg_n_insgesamt_zusammen * 100, 2),
         insg_n_insgesamt_zusammen_change_2010_p = round((insg_n_insgesamt_zusammen - insg_n_insgesamt_zusammen_2010) / insg_n_insgesamt_zusammen_2010 * 100, 2),
         
         w_n_insgesamt_zusammen_change_2010_n = w_n_insgesamt_zusammen - w_n_insgesamt_zusammen_2010,
         # w_n_insgesamt_zusammen_change_2010_p = round((w_n_insgesamt_zusammen - w_n_insgesamt_zusammen_2010) / w_n_insgesamt_zusammen * 100, 2)) %>%
         w_n_insgesamt_zusammen_change_2010_p = round((w_n_insgesamt_zusammen - w_n_insgesamt_zusammen_2010) / w_n_insgesamt_zusammen_2010 * 100, 2)) %>%
  mutate_if(is.numeric, ~replace(., is.na(.), 0))


df <- df %>%
    mutate(jahr = jahr.x) %>%
    select(-jahr.y, -jahr.x) %>%
    mutate(ags = as.factor(ags)) %>%
    arrange(ags)

# print(unique(df$kommune))

farben <- c("#e7ca60",
            "#b8b0ac",
            "#85b6b2",
            "#e49444",
            "#a87c9f",
            "#6a9f58",
            "#f1a2a9",
            "#d1615d",
            "#5778a4")

fig <-
  plot_ly(df,
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~jahr,
          type = 'bar',
          y = ~insg_n_insgesamt_fachbereich_agrarwirtschaft,
          marker = list(color = "#33658A"),
          name  = "Agrarwirtschaft",
          # text= "",
          text=~insg_n_insgesamt_fachbereich_agrarwirtschaft,
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Neueintritte an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Neueintritte an Fachschulen im Bereich Agrarwirtschaft: ", df$insg_n_insgesamt_fachbereich_agrarwirtschaft, " (", df$insg_p_insgesamt_fachbereich_agrarwirtschaft, "%)

", 
                                 "darunter Frauen: ", df$w_n_insgesamt_fachbereich_agrarwirtschaft, " (", df$w_p_insgesamt_fachbereich_agrarwirtschaft, "%)", "
",
                                 "darunter Männer: ", df$m_n_insgesamt_fachbereich_agrarwirtschaft, " (", df$m_p_insgesamt_fachbereich_agrarwirtschaft, "%)"
                                )
          )

fig <-
  fig %>% 
  add_bars(y = ~insg_n_insgesamt_fachbereich_sozialwesen,
           marker = list(color = "#86BBD8"),
           name  = "Sozialwesen",
           # text= "",
           text=~insg_n_insgesamt_fachbereich_sozialwesen,
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Neueintritte an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Neueintritte an Fachschulen im Bereich Sozialwesen: ", df$insg_n_insgesamt_fachbereich_sozialwesen, " (", df$insg_p_insgesamt_fachbereich_sozialwesen, "%)", "

", 
                                 "darunter Frauen: ", df$w_n_insgesamt_fachbereich_sozialwesen," (", df$w_p_insgesamt_fachbereich_sozialwesen, "%)","
",
                                 "darunter Männer: ", df$m_n_insgesamt_fachbereich_sozialwesen, " (", df$m_p_insgesamt_fachbereich_sozialwesen, "%)"
                                )
           )

fig <-
  fig %>% 
  add_bars(y = ~insg_n_insgesamt_fachbereich_technik,
          marker = list(color = "#758E4F"),
          name  = "Technik",
          # text = "",
          text=~insg_n_insgesamt_fachbereich_technik,
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Neueintritte an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Neueintritte an Fachschulen im Bereich Technik: ", df$insg_n_insgesamt_fachbereich_technik, " (", df$insg_p_insgesamt_fachbereich_technik, "%)","

", 
                                 "darunter Frauen: ", df$w_n_insgesamt_fachbereich_technik, " (", df$w_p_insgesamt_fachbereich_technik, "%)","
",
                                 "darunter Männer: ", df$m_n_insgesamt_fachbereich_technik, " (", df$m_p_insgesamt_fachbereich_technik, "%)"
                                )
         )

fig <-
  fig %>% 
  add_bars(y = ~insg_n_insgesamt_fachbereich_wirtschaft,
           marker = list(color = "#F6AE2D"),
           name  = "Wirtschaft",
           # text= "",
           text=~df$insg_n_insgesamt_fachbereich_wirtschaft,
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Neueintritte an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Neueintritte an Fachschulen im Bereich Wirtschaft: ", df$insg_n_insgesamt_fachbereich_wirtschaft, " (", df$insg_p_insgesamt_fachbereich_wirtschaft, "%)","

", 
                                 "darunter Frauen: ", df$w_n_insgesamt_fachbereich_wirtschaft, " (", df$w_p_insgesamt_fachbereich_wirtschaft, "%)","
",
                                 "darunter Männer: ", df$m_n_insgesamt_fachbereich_wirtschaft, " (", df$m_p_insgesamt_fachbereich_wirtschaft, "%)"
                                )
          )

fig <-
  fig %>% 
  add_bars(y = ~insg_n_insgesamt_sonstiger_fachbereich,
           marker = list(color = "#F26419"),
           name  = "Sonstiges",
           # text= "",
           text=~df$insg_n_insgesamt_sonstiger_fachbereich,
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Neueintritte an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Neueintritte an Fachschulen in sonstigen Fachbereichen: ", df$insg_n_insgesamt_sonstiger_fachbereich, " (", df$insg_p_insgesamt_sonstiger_fachbereich, "%)","

", 
                                 "darunter Frauen: ", df$w_n_insgesamt_sonstiger_fachbereich, " (", df$w_p_insgesamt_sonstiger_fachbereich, "%)","
", 
                                 "darunter Männer: ", df$m_n_insgesamt_sonstiger_fachbereich, " (", df$m_p_insgesamt_sonstiger_fachbereich, "%)"
                                )
          )

fig <-    
  fig %>%      
  layout(
         barmode = 'stack',
         title = "Anzahl der Neueintritte in Bildungsgängen zur beruflichen Weiterbildung an Fachschulen nach Fachbereich (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri", size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anzahl der Neueintritte an Fachschulen",
                      range= c(0,900)),
         legend = list(orientation = 'v'),
         bargap = 0.3)

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-g76-g121-und-g152)


### Veränderung der Anzahl von Neueintritten
```{r G12.1 Veraenderung seit Basisjahr}
farben_linie <- c("#5778a4","#e49444","#6a9f58","#d1615d","#85b6b2","#e7ca60","#a87c9f","#f1a2a9"
                  #,"#b8b0ac"
                  )

fig <-
plot_ly(df,
        y=~insg_n_insgesamt_zusammen_change_2010_p,
        x = ~jahr,
        color = ~as.factor(ags),
        name = ~kommune,
        colors = ~farben_linie,
        type = 'scatter',
        mode = 'lines+markers',
        hovermode = "closest",
        hovertemplate = paste0("",df$kommune,"
",
                               "Jahr: ",df$jahr,"
",
                               "Neueintritte an Fachschulen zur beruflichen Weiterbildung: ",df$insg_n_insgesamt_zusammen,"
",
                               "Veränderung seit 2010: ",df$insg_n_insgesamt_zusammen_change_2010_n," (",df$insg_n_insgesamt_zusammen_change_2010_p,"%)
")
        )



fig <-
  fig %>% 
  layout(title = "Veränderung der Anzahl von Neueintritte an Fachschulen zur beruflichen Weiterbildung seit 2010 (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         yaxis = list(title = "Veränderung in %",
                      ticksuffix = "%"),
         xaxis = list(title = list(text = "", standoff = 3),
                      zeroline = FALSE),
         legend = list(orientation = 'h'))

fig



```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-g76-g121-und-g152)


### Veränderung der Anzahl von Neueintritten Frauen
```{r G12.1 Veraenderung seit Basisjahr Frauen}

fig <-
plot_ly(df,
        y=~w_n_insgesamt_zusammen_change_2010_p,
        x = ~jahr,
        color = ~as.factor(ags),
        name = ~kommune,
        colors = ~farben_linie,
        type = 'scatter',
        mode = 'lines+markers',
        hovermode = "closest",
        hovertemplate = paste0("",df$kommune,"
",
                               "Jahr: ",df$jahr,"
",
                               "Neueintritte von Frauen an Fachschulen zur beruflichen Weiterbildung: ",df$w_n_insgesamt_zusammen,"
",
                               "Veränderung seit 2010: ",df$w_n_insgesamt_zusammen_change_2010_n," (",df$w_n_insgesamt_zusammen_change_2010_p,"%)
")
        )



fig <-
  fig %>% 
  layout(title = "Veränderung der Anzahl von Neueintritte an Fachschulen zur beruflichen Weiterbildung seit 2010 Frauen (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         yaxis = list(title = "Veränderung in %",
                      ticksuffix = "%"),
         xaxis = list(title = list(text = "", standoff = 3),
                      zeroline = FALSE),
         legend = list(orientation = 'h'))

fig



```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-g76-g121-und-g152)


### Anteil der Neueintritten nach Fachbereich

```{r G12.1 Anteil Neueintritte Weiterbildung Fachschulen nach Fachbereich}
fig <-
  plot_ly(df,
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~jahr,
          type = 'bar',
          y = ~insg_p_insgesamt_fachbereich_agrarwirtschaft,
          marker = list(color = "#33658A"),
          name  = "Agrarwirtschaft",
          # text= "",
          text=~paste0(round(df$insg_p_insgesamt_fachbereich_agrarwirtschaft,0), "%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Neueintritte an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Neueintritte an Fachschulen im Bereich Agrarwirtschaft: ", df$insg_n_insgesamt_fachbereich_agrarwirtschaft, " (", df$insg_p_insgesamt_fachbereich_agrarwirtschaft, "%)

", 
                                 "darunter Frauen: ", df$w_n_insgesamt_fachbereich_agrarwirtschaft, " (", df$w_p_insgesamt_fachbereich_agrarwirtschaft, "%)", "
",
                                 "darunter Männer: ", df$m_n_insgesamt_fachbereich_agrarwirtschaft, " (", df$m_p_insgesamt_fachbereich_agrarwirtschaft, "%)"
                                )
          )

fig <-
  fig %>% 
  add_bars(y = ~insg_p_insgesamt_fachbereich_sozialwesen,
           marker = list(color = "#86BBD8"),
           name  = "Sozialwesen",
           # text= "",
           text=~paste0(round(df$insg_p_insgesamt_fachbereich_sozialwesen,0), "%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Neueintritte an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Neueintritte an Fachschulen im Bereich Sozialwesen: ", df$insg_n_insgesamt_fachbereich_sozialwesen, " (", df$insg_p_insgesamt_fachbereich_sozialwesen, "%)", "

", 
                                 "darunter Frauen: ", df$w_n_insgesamt_fachbereich_sozialwesen," (", df$w_p_insgesamt_fachbereich_sozialwesen, "%)","
",
                                 "darunter Männer: ", df$m_n_insgesamt_fachbereich_sozialwesen, " (", df$m_p_insgesamt_fachbereich_sozialwesen, "%)"
                                )
           )

fig <-
  fig %>% 
  add_bars(y = ~insg_p_insgesamt_fachbereich_technik,
          marker = list(color = "#758E4F"),
          name  = "Technik",
          # text = "",
          text=~paste0(round(df$insg_p_insgesamt_fachbereich_technik,0), "%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Neueintritte an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Neueintritte an Fachschulen im Bereich Technik: ", df$insg_n_insgesamt_fachbereich_technik, " (", df$insg_p_insgesamt_fachbereich_technik, "%)","

", 
                                 "darunter Frauen: ", df$w_n_insgesamt_fachbereich_technik, " (", df$w_p_insgesamt_fachbereich_technik, "%)","
",
                                 "darunter Männer: ", df$m_n_insgesamt_fachbereich_technik, " (", df$m_p_insgesamt_fachbereich_technik, "%)"
                                )
         )

fig <-
  fig %>% 
  add_bars(y = ~insg_p_insgesamt_fachbereich_wirtschaft,
           marker = list(color = "#F6AE2D"),
           name  = "Wirtschaft",
           # text= "",
           text=~paste0(round(df$insg_p_insgesamt_fachbereich_wirtschaft,0), "%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Neueintritte an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Neueintritte an Fachschulen im Bereich Wirtschaft: ", df$insg_n_insgesamt_fachbereich_wirtschaft, " (", df$insg_p_insgesamt_fachbereich_wirtschaft, "%)","

", 
                                 "darunter Frauen: ", df$w_n_insgesamt_fachbereich_wirtschaft, " (", df$w_p_insgesamt_fachbereich_wirtschaft, "%)","
",
                                 "darunter Männer: ", df$m_n_insgesamt_fachbereich_wirtschaft, " (", df$m_p_insgesamt_fachbereich_wirtschaft, "%)"
                                )
          )

fig <-
  fig %>% 
  add_bars(y = ~insg_p_insgesamt_sonstiger_fachbereich,
           marker = list(color = "#F26419"),
           name  = "Sonstiges",
           # text= "",
           text=~paste0(round(df$insg_p_insgesamt_sonstiger_fachbereich,0), "%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Neueintritte an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Neueintritte an Fachschulen in sonstigen Fachbereichen: ", df$insg_n_insgesamt_sonstiger_fachbereich, " (", df$insg_p_insgesamt_sonstiger_fachbereich, "%)","

", 
                                 "darunter Frauen: ", df$w_n_insgesamt_sonstiger_fachbereich, " (", df$w_p_insgesamt_sonstiger_fachbereich, "%)","
", 
                                 "darunter Männer: ", df$m_n_insgesamt_sonstiger_fachbereich, " (", df$m_p_insgesamt_sonstiger_fachbereich, "%)"
                                )
          )

fig <-    
  fig %>%      
  layout(
         barmode = 'stack',
         title = "Anteil der Neueintritte in Bildungsgängen zur beruflichen Weiterbildung an Fachschulen nach Fachbereich (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri", size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil in %",
                      ticksuffix = "%",
                      range= c(0,100)),
         legend = list(orientation = 'v'),
         bargap = 0.3)

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-g76-g121-und-g152)


G12.1 Neueintritte in Bildungsgänge zur beruflichen Weiterbildung an Fachschulen nach Trägerschaft {data-navmenu="Weiterbildung" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------

### Anzahl der Neueintritte nach Trägerschaft
```{r Anzahl Neueintritte an oeffentlichen und freien Fachschulen}
fig <-
  plot_ly(df,
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~jahr,
          type = 'bar',
          y = ~insg_n_offentlich_zusammen,
          marker = list(color = "#5778A4"),
          name  = "öffentlich",
          # text= "",
          text=~insg_n_offentlich_zusammen,
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Neueintritte an Fachschulen: ", df$insg_n_insgesamt_zusammen, "

",
                                 "Anzahl der Neueintritte an freien Fachschulen: ", df$insg_n_frei_zusammen, " (", df$insg_p_frei_zusammen, "%)
", 
                                 "Anzahl der Neueintritte an öffentlichen Fachschulen: ", df$insg_n_offentlich_zusammen, " (", df$insg_p_offentlich_zusammen, "%)

"
                                )
          )

fig <-
  fig %>% 
  add_bars(y = ~insg_n_frei_zusammen,
           marker = list(color = "#D1615D"),
           name  = "frei",
           # text= "",
           text=~insg_n_frei_zusammen,
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Neueintritte an Fachschulen: ", df$insg_n_insgesamt_zusammen, "

",
                                 "Anzahl der Neueintritte an freien Fachschulen: ", df$insg_n_frei_zusammen, " (", df$insg_p_frei_zusammen, "%)
", 
                                 "Anzahl der Neueintritte an öffentlichen Fachschulen: ", df$insg_n_offentlich_zusammen, " (", df$insg_p_offentlich_zusammen, "%)

"
                                )
           )

fig <-    
  fig %>%      
  layout(
         # barmode = 'stack',
         title = "Anzahl der Neueintritte an Fachschulen zur beruflichen Weiterbildung nach Trägerschaft (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri", size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anzahl der Neueintritte",
                      range= c(0, 750)),
         legend = list(orientation = 'v'),
         bargap = 0.3)

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-g76-g121-und-g152)


G12.1 Neueintritte in Bildungsgänge zur beruflichen Weiterbildung an Fachschulen nach ausgewählten Fachbereichen und Geschlecht {data-navmenu="Weiterbildung" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------

### Anteil der Neueintritte an Fachschulen mit Fachbereich Sozialwesen nach Geschlecht

```{r G12.1 Anteil Neueintritte Sozialwesen}
fig <-
  plot_ly(df,
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~jahr,
          type = 'bar',
          y = ~w_p_insgesamt_fachbereich_sozialwesen,
          marker = list(color = "#D1615D"),
          name  = "Frauen",
          # text= "",
          text=~paste0(round(df$w_p_insgesamt_fachbereich_sozialwesen,0), "%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Neueintritte an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Neueintritte an Fachschulen im Bereich Sozialwesen: ", df$insg_n_insgesamt_fachbereich_sozialwesen, " (", df$insg_p_insgesamt_fachbereich_sozialwesen, "%)

", 
                                 "darunter Frauen: ", df$w_n_insgesamt_fachbereich_sozialwesen, " (", df$w_p_insgesamt_fachbereich_sozialwesen, "%)", "
",
                                 "darunter Männer: ", df$m_n_insgesamt_fachbereich_sozialwesen, " (", df$m_p_insgesamt_fachbereich_sozialwesen, "%)"
                                )
          )

fig <-
  fig %>% 
  add_bars(y = ~m_p_insgesamt_fachbereich_sozialwesen,
           marker = list(color = "#5778A4"),
           name  = "Männer",
           # text= "",
           text=~paste0(round(df$m_p_insgesamt_fachbereich_sozialwesen,0), "%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Neueintritte an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Neueintritte an Fachschulen im Bereich Sozialwesen: ", df$insg_n_insgesamt_fachbereich_sozialwesen, " (", df$insg_p_insgesamt_fachbereich_sozialwesen, "%)

", 
                                 "darunter Frauen: ", df$w_n_insgesamt_fachbereich_sozialwesen, " (", df$w_p_insgesamt_fachbereich_sozialwesen, "%)", "
",
                                 "darunter Männer: ", df$m_n_insgesamt_fachbereich_sozialwesen, " (", df$m_p_insgesamt_fachbereich_sozialwesen, "%)"
                                )
           )

fig <-    
  fig %>%      
  layout(
         barmode = 'stack',
         title = "Anteil der Neueintritte in Bildungsgängen zur beruflichen Weiterbildung an Fachschulen mit Fachbereich Sozialwesen nach Geschlecht (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri", size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil in %",
                      ticksuffix = "%",
                      range= c(0,100)),
         legend = list(orientation = 'v'),
         bargap = 0.3)

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-g76-g121-und-g152)


### Anteil der Neueintritte an Fachschulen mit Fachbereich Technik nach Geschlecht

```{r G7.6 Anteil Neueintritte Technik}
fig <-
  plot_ly(df,
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~jahr,
          type = 'bar',
          y = ~w_p_insgesamt_fachbereich_technik,
          marker = list(color = "#D1615D"),
          name  = "Frauen",
          # text= "",
          text=~paste0(round(df$w_p_insgesamt_fachbereich_technik,0), "%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Neueintritte an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Neueintritte an Fachschulen im Bereich Technik: ", df$insg_n_insgesamt_fachbereich_technik, " (", df$insg_p_insgesamt_fachbereich_technik, "%)

", 
                                 "darunter Frauen: ", df$w_n_insgesamt_fachbereich_technik, " (", df$w_p_insgesamt_fachbereich_technik, "%)", "
",
                                 "darunter Männer: ", df$m_n_insgesamt_fachbereich_technik, " (", df$m_p_insgesamt_fachbereich_technik, "%)"
                                )
          )

fig <-
  fig %>% 
  add_bars(y = ~m_p_insgesamt_fachbereich_technik,
           marker = list(color = "#5778A4"),
           name  = "Männer",
           # text= "",
           text=~paste0(round(df$m_p_insgesamt_fachbereich_technik,0), "%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Neueintritte an Fachschulen: ", df$insg_n_insgesamt_zusammen, "
",
                                 "Anzahl der Neueintritte an Fachschulen im Bereich Technik: ", df$insg_n_insgesamt_fachbereich_technik, " (", df$insg_p_insgesamt_fachbereich_agrarwirtschaft, "%)

", 
                                 "darunter Frauen: ", df$w_n_insgesamt_fachbereich_technik, " (", df$w_p_insgesamt_fachbereich_technik, "%)", "
",
                                 "darunter Männer: ", df$m_n_insgesamt_fachbereich_technik, " (", df$m_p_insgesamt_fachbereich_technik, "%)"
                                )
           )

fig <-    
  fig %>%      
  layout(
         barmode = 'stack',
         title = "Anteil der Neueintritte in Bildungsgängen zur beruflichen Weiterbildung an Fachschulen mit Fachbereich Technik nach Geschlecht (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri", size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil in %",
                      ticksuffix = "%",
                      range= c(0,100)),
         legend = list(orientation = 'v'),
         bargap = 0.3)

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-g76-g121-und-g152)


G15.2 Erfolgsquote in Bildungsgängen zur beruflichen Weiterbildung {data-navmenu="Weiterbildung" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------
### Erfolgsquote in Bildungsgängen zur beruflichen Weiterbildung

```{r}
df <- read_delim(file = "//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/04_Analysen/G_15_02_Erfolgsquote_in_Bildungsgaengen_zur_beruflichen_Weiterbildung_an_Fachschulen/G15_02_tidy.csv",
                            ";", 
                            locale = locale(encoding = "WINDOWS-1252"))

df <- df %>%
  mutate(
         
         
         insg_abgaenger_mit_abgangszeugnis_n = m_abgaenger_mit_abgangszeugnis_n + w_abgaenger_mit_abgangszeugnis_n,
         insg_absolventen_mit_abschlusszeugnis_n = m_absolventen_mit_abschlusszeugnis_n + w_absolventen_mit_abschlusszeugnis_n,
         insg_abgaenger_u_absolventen_n = m_abgaenger_u_absolventen_n + w_abgaenger_u_absolventen_n,
         )

df <- df %>%
  group_by(ags, kommune, schuljahr, jahr, traegerschaft, schulform) %>%
  dplyr::summarise(m_abgaenger_mit_abgangszeugnis_n = sum(m_abgaenger_mit_abgangszeugnis_n),
                   m_absolventen_mit_abschlusszeugnis_n = sum(m_absolventen_mit_abschlusszeugnis_n),
                   m_abgaenger_u_absolventen_n = sum(m_abgaenger_u_absolventen_n),
                   w_abgaenger_mit_abgangszeugnis_n = sum(w_abgaenger_mit_abgangszeugnis_n),
                   w_absolventen_mit_abschlusszeugnis_n = sum(w_absolventen_mit_abschlusszeugnis_n),
                   w_abgaenger_u_absolventen_n = sum(w_abgaenger_u_absolventen_n),
                   insg_abgaenger_mit_abgangszeugnis_n = sum(insg_abgaenger_mit_abgangszeugnis_n),
                   insg_absolventen_mit_abschlusszeugnis_n = sum(insg_absolventen_mit_abschlusszeugnis_n),
                   insg_abgaenger_u_absolventen_n = sum(insg_abgaenger_u_absolventen_n))

df_traegerschaft <- df %>%
  group_by(ags, kommune, schuljahr, jahr, schulform) %>%
  dplyr::summarise(m_abgaenger_mit_abgangszeugnis_n = sum(m_abgaenger_mit_abgangszeugnis_n),
                   m_absolventen_mit_abschlusszeugnis_n = sum(m_absolventen_mit_abschlusszeugnis_n),
                   m_abgaenger_u_absolventen_n = sum(m_abgaenger_u_absolventen_n),
                   w_abgaenger_mit_abgangszeugnis_n = sum(w_abgaenger_mit_abgangszeugnis_n),
                   w_absolventen_mit_abschlusszeugnis_n = sum(w_absolventen_mit_abschlusszeugnis_n),
                   w_abgaenger_u_absolventen_n = sum(w_abgaenger_u_absolventen_n),
                   insg_abgaenger_mit_abgangszeugnis_n = sum(insg_abgaenger_mit_abgangszeugnis_n),
                   insg_absolventen_mit_abschlusszeugnis_n = sum(insg_absolventen_mit_abschlusszeugnis_n),
                   insg_abgaenger_u_absolventen_n = sum(insg_abgaenger_u_absolventen_n)) %>%
  mutate(traegerschaft = "insgesamt")

df <- rbind(df, df_traegerschaft)

df_schulform <- df %>% 
  dplyr::summarise(m_abgaenger_mit_abgangszeugnis_n = sum(m_abgaenger_mit_abgangszeugnis_n),
                   m_absolventen_mit_abschlusszeugnis_n = sum(m_absolventen_mit_abschlusszeugnis_n),
                   m_abgaenger_u_absolventen_n = sum(m_abgaenger_u_absolventen_n),
                   w_abgaenger_mit_abgangszeugnis_n = sum(w_abgaenger_mit_abgangszeugnis_n),
                   w_absolventen_mit_abschlusszeugnis_n = sum(w_absolventen_mit_abschlusszeugnis_n),
                   w_abgaenger_u_absolventen_n = sum(w_abgaenger_u_absolventen_n),
                   insg_abgaenger_mit_abgangszeugnis_n = sum(insg_abgaenger_mit_abgangszeugnis_n),
                   insg_absolventen_mit_abschlusszeugnis_n = sum(insg_absolventen_mit_abschlusszeugnis_n),
                   insg_abgaenger_u_absolventen_n = sum(insg_abgaenger_u_absolventen_n)) %>%
  mutate(schulform = "zusammen")

df <- rbind(df, df_schulform)


df <- df %>%
  pivot_wider(names_from = c(traegerschaft, schulform),
              values_from = c(m_abgaenger_mit_abgangszeugnis_n,
                              m_absolventen_mit_abschlusszeugnis_n,
                              m_abgaenger_u_absolventen_n,
                              
                              w_abgaenger_mit_abgangszeugnis_n,
                              w_absolventen_mit_abschlusszeugnis_n,
                              w_abgaenger_u_absolventen_n,
                              
                              insg_abgaenger_mit_abgangszeugnis_n,
                              insg_absolventen_mit_abschlusszeugnis_n,
                              insg_abgaenger_u_absolventen_n)) %>%
  clean_names() %>%
  mutate_if(is.numeric, ~replace(., is.na(.), 0))

#Erfolgsquote berechnen
df <- df %>%
  mutate(m_insgesamt_erfolgsquote = round(m_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen / m_abgaenger_u_absolventen_n_insgesamt_zusammen * 100, 2),
         w_insgesamt_erfolgsquote = round(w_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen / w_abgaenger_u_absolventen_n_insgesamt_zusammen * 100, 2),
         insg_insgesamt_erfolgsquote = round(insg_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen / insg_abgaenger_u_absolventen_n_insgesamt_zusammen * 100, 2),
         
         m_frei_erfolgsquote = round(m_absolventen_mit_abschlusszeugnis_n_frei_zusammen / m_abgaenger_u_absolventen_n_frei_zusammen * 100, 2),
         w_frei_erfolgsquote = round(w_absolventen_mit_abschlusszeugnis_n_frei_zusammen / w_abgaenger_u_absolventen_n_frei_zusammen * 100, 2),
         insg_frei_erfolgsquote = round(insg_absolventen_mit_abschlusszeugnis_n_frei_zusammen / insg_abgaenger_u_absolventen_n_frei_zusammen * 100, 2),
         
         m_offentlich_erfolgsquote = round(m_absolventen_mit_abschlusszeugnis_n_offentlich_zusammen / m_abgaenger_u_absolventen_n_offentlich_zusammen * 100, 2),
         w_offentlich_erfolgsquote = round(w_absolventen_mit_abschlusszeugnis_n_offentlich_zusammen / w_abgaenger_u_absolventen_n_offentlich_zusammen * 100, 2),
         insg_offentlich_erfolgsquote = round(insg_absolventen_mit_abschlusszeugnis_n_offentlich_zusammen / insg_abgaenger_u_absolventen_n_offentlich_zusammen * 100, 2),
         
         #Erfolgsquoten in den Fachbereichen
         m_insgesamt_agrarwirtschaft_erfolgsquote = round(m_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_agrarwirtschaft / m_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         m_insgesamt_sozialwesen_erfolgsquote = round(m_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_sozialwesen / m_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         m_insgesamt_technik_erfolgsquote = round(m_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_technik / m_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         m_insgesamt_wirtschaft_erfolgsquote = round(m_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_wirtschaft / m_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         m_insgesamt_sonstiger_fachbereich_erfolgsquote = round(m_absolventen_mit_abschlusszeugnis_n_insgesamt_sonstiger_fachbereich / m_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         
         
          w_insgesamt_agrarwirtschaft_erfolgsquote = round(w_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_agrarwirtschaft / w_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         w_insgesamt_sozialwesen_erfolgsquote = round(w_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_sozialwesen / w_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         w_insgesamt_technik_erfolgsquote = round(w_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_technik / w_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         w_insgesamt_wirtschaft_erfolgsquote = round(w_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_wirtschaft / w_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         w_insgesamt_sonstiger_fachbereich_erfolgsquote = round(w_absolventen_mit_abschlusszeugnis_n_insgesamt_sonstiger_fachbereich / w_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         
          insg_insgesamt_agrarwirtschaft_erfolgsquote = round(insg_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_agrarwirtschaft / insg_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         insg_insgesamt_sozialwesen_erfolgsquote = round(insg_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_sozialwesen / insg_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         insg_insgesamt_technik_erfolgsquote = round(insg_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_technik / insg_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         insg_insgesamt_wirtschaft_erfolgsquote = round(insg_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_wirtschaft / insg_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         insg_insgesamt_sonstiger_fachbereich_erfolgsquote = round(insg_absolventen_mit_abschlusszeugnis_n_insgesamt_sonstiger_fachbereich / insg_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2)
         ) 

df <- df %>%
  mutate(
         m_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_agrarwirtschaft = round(m_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_agrarwirtschaft / m_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         m_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_sozialwesen = round(m_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_sozialwesen / m_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         m_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_technik = round(m_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_technik / m_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         m_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_wirtschaft = round(m_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_wirtschaft / m_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         m_absolventen_mit_abschlusszeugnis_p_insgesamt_sonstiger_fachbereich = round(m_absolventen_mit_abschlusszeugnis_n_insgesamt_sonstiger_fachbereich / m_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         
          w_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_agrarwirtschaft = round(w_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_agrarwirtschaft / w_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         w_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_sozialwesen = round(w_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_sozialwesen / w_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         w_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_technik = round(w_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_technik / w_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         w_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_wirtschaft = round(w_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_wirtschaft / w_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         w_absolventen_mit_abschlusszeugnis_p_insgesamt_sonstiger_fachbereich = round(w_absolventen_mit_abschlusszeugnis_n_insgesamt_sonstiger_fachbereich / w_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
       
          insg_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_agrarwirtschaft = round(insg_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_agrarwirtschaft / insg_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         insg_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_sozialwesen = round(insg_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_sozialwesen / insg_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         insg_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_technik = round(insg_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_technik / insg_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         insg_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_wirtschaft = round(insg_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_wirtschaft / insg_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         insg_absolventen_mit_abschlusszeugnis_p_insgesamt_sonstiger_fachbereich = round(insg_absolventen_mit_abschlusszeugnis_n_insgesamt_sonstiger_fachbereich / insg_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen * 100, 2),
         ) #%>%
    # mutate_if(is.numeric, ~replace(., is.na(.), 0))

df <- df %>%
  filter(jahr >= 2010) %>%
  filter(jahr <= 2020)

farben <- c("#5778a4","#e49444","#6a9f58","#d1615d","#85b6b2","#e7ca60","#a87c9f","#f1a2a9"
                  #,"#b8b0ac"
                  )

df <- df %>% 
  ungroup() #%>%
  #filter(insg_insgesamt_erfolgsquote > 0)

fig <-
plot_ly(df,
        y=~insg_insgesamt_erfolgsquote,
        x = ~jahr,
        color = ~as.factor(ags),
        name = ~kommune,
        colors = ~farben,
        type = 'scatter',
        mode = 'lines+markers',
        hovermode = "closest",
        hovertemplate = paste0("",df$kommune,"
",
                               "Jahr: ",df$jahr,"
",
                               "Erfolgsquote: ", df$insg_insgesamt_erfolgsquote, "

",
                               "Absolvent/-innen und Abgänger/-innen: ", df$insg_abgaenger_u_absolventen_n_insgesamt_zusammen, "
",
                               "Absolvent/-innen mit Abschlusszeugnis: ", df$insg_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen)
        )



fig <-
  fig %>% 
  layout(title = "Erfolgsquote zur beruflichen Weiterbildung an Fachschulen (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         yaxis = list(title = "Erfolgsquote in %"),
         xaxis = list(title = list(text = " ", standoff = 3),
                      zeroline = FALSE),
         legend = list(orientation = 'h'))

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-g76-g121-und-g152)

> Die Jahre, in denen es keine Beobachtungen gibt, sind die Jahre, in dem es keine Fachschule dieser Art gab.


### Anteil der Absolvent/-innen in Bildungsgängen zur beruflichen Weiterbildung an Fachschulen nach Fachbereich

```{r G15.2 Anteil Absolvent/-innen Weriterbildung Fachschulen}
fig <-
  plot_ly(df,
          x = factor(df$kommune, levels = unique(df$kommune)),
          frame = ~jahr,
          type = 'bar',
          y = ~insg_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_agrarwirtschaft,
          marker = list(color = "#33658A"),
          name  = "Agrarwirtschaft",
          # text= "",
          text=~paste0(round(df$insg_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_agrarwirtschaft,0), "%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Absolvent/-innen an Fachschulen: ", df$insg_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen, "
",
                                 "Anzahl der Absolvent/-innen an Fachschulen im Bereich Agrarwirtschaft: ", df$insg_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_agrarwirtschaft, " (", df$insg_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_agrarwirtschaft, "%)

", 
                                 "darunter Frauen: ", df$w_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_agrarwirtschaft, " (", df$w_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_agrarwirtschaft, "%)", "
",
                                 "darunter Männer: ", df$m_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_agrarwirtschaft, " (", df$m_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_agrarwirtschaft, "%)"
                                )
          )

fig <-
  fig %>% 
  add_bars(y = ~insg_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_sozialwesen,
           marker = list(color = "#86BBD8"),
           name  = "Sozialwesen",
           # text= "",
           text=~paste0(round(df$insg_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_sozialwesen,0), "%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Absolvent/-innen an Fachschulen: ", df$insg_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen, "
",
                                 "Anzahl der Absolvent/-innen an Fachschulen im Bereich Sozialwesen: ", df$insg_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_sozialwesen, " (", df$insg_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_sozialwesen, "%)

", 
                                 "darunter Frauen: ", df$w_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_sozialwesen, " (", df$w_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_sozialwesen, "%)", "
",
                                 "darunter Männer: ", df$m_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_sozialwesen, " (", df$m_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_sozialwesen, "%)"
                                )
           )

fig <-
  fig %>% 
  add_bars(y = ~insg_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_technik,
          marker = list(color = "#758E4F"),
          name  = "Technik",
          # text = "",
          text=~paste0(round(df$insg_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_technik,0), "%"),
          textfont=list(color="white"),
          textposition = 'auto',
          hovermode = "closest",
          hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Absolvent/-innen an Fachschulen: ", df$insg_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen, "
",
                                 "Anzahl der Absolvent/-innen an Fachschulen im Bereich Technik: ", df$insg_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_technik, " (", df$insg_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_technik, "%)

", 
                                 "darunter Frauen: ", df$w_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_technik, " (", df$w_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_technik, "%)", "
",
                                 "darunter Männer: ", df$m_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_technik, " (", df$m_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_technik, "%)"
                                )
         )

fig <-
  fig %>% 
  add_bars(y = ~insg_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_wirtschaft,
           marker = list(color = "#F6AE2D"),
           name  = "Wirtschaft",
           # text= "",
           text=~paste0(round(df$insg_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_wirtschaft,0), "%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Absolvent/-innen an Fachschulen: ", df$insg_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen, "
",
                                 "Anzahl der Absolvent/-innen an Fachschulen im Bereich Wirtschaft: ", df$insg_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_wirtschaft, " (", df$insg_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_wirtschaft, "%)

", 
                                 "darunter Frauen: ", df$w_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_wirtschaft, " (", df$w_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_wirtschaft, "%)", "
",
                                 "darunter Männer: ", df$m_absolventen_mit_abschlusszeugnis_n_insgesamt_fachbereich_wirtschaft, " (", df$m_absolventen_mit_abschlusszeugnis_p_insgesamt_fachbereich_wirtschaft, "%)"
                                )
          )

fig <-
  fig %>% 
  add_bars(y = ~insg_absolventen_mit_abschlusszeugnis_p_insgesamt_sonstiger_fachbereich,
           marker = list(color = "#F26419"),
           name  = "Sonstiges",
           # text= "",
           text=~paste0(round(df$insg_absolventen_mit_abschlusszeugnis_p_insgesamt_sonstiger_fachbereich,0), "%"),
           textfont=list(color="white"),
           textposition = 'auto',
           hovermode = "closest",
           hovertemplate = paste0("",df$kommune,"
",
                                 "Jahr: ",df$jahr,"
",
                                 "Anzahl der Absolvent/-innen an Fachschulen: ", df$insg_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen, "
",
                                 "Anzahl der Absolvent/-innen an sonstigen Fachschulen: ", df$insg_absolventen_mit_abschlusszeugnis_n_insgesamt_sonstiger_fachbereich, " (", df$insg_absolventen_mit_abschlusszeugnis_p_insgesamt_sonstiger_fachbereich, "%)

", 
                                 "darunter Frauen: ", df$w_absolventen_mit_abschlusszeugnis_n_insgesamt_sonstiger_fachbereich, " (", df$w_absolventen_mit_abschlusszeugnis_p_insgesamt_sonstiger_fachbereich, "%)", "
",
                                 "darunter Männer: ", df$m_absolventen_mit_abschlusszeugnis_n_insgesamt_sonstiger_fachbereich, " (", df$m_absolventen_mit_abschlusszeugnis_p_insgesamt_sonstiger_fachbereich, "%)"
                                )
          )

fig <-    
  fig %>%      
  layout(
         barmode = 'stack',
         title = "Anteil der Abschlüsse in Bildungsgängen zur beruflichen Weiterbildung an Fachschulen nach Fachbereich (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri", size = 16),
         separators = ',',
         xaxis = list(title = list(text = "", standoff = 4),
                      zeroline = TRUE),
         yaxis = list(title = "Anteil in %",
                      ticksuffix = "%",
                      range= c(0,100)),
         legend = list(orientation = 'v'),
         bargap = 0.3)

fig


```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-g76-g121-und-g152)

> Die Jahre, in denen es keine Beobachtungen gibt, sind die Jahre, in dem es keine Fachschule dieser Art gab.

G15.2 Erfolgsquote in Bildungsgängen zur beruflichen Weiterbildung nach Trägerschaft {data-navmenu="Weiterbildung" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------

### Erfolgsquote in Bildungsgängen zur beruflichen Weiterbildung (Öffentliche Träger)

```{r}

df <- df %>% ungroup()# %>%
  #filter(insg_offentlich_erfolgsquote > 0)

fig <-
plot_ly(df,
        y=~insg_offentlich_erfolgsquote,
        x = ~jahr,
        color = ~as.factor(ags),
        name = ~kommune,
        colors = ~farben,
        type = 'scatter',
        mode = 'lines+markers',
        hovermode = "closest",
        hovertemplate = paste0("",df$kommune,"
",
                               "Jahr: ",df$jahr,"
",
                               "Erfolgsquote: ", df$insg_offentlich_erfolgsquote, "

",
                               "Absolvent/-innen und Abgänger/-innen: ", df$insg_abgaenger_u_absolventen_n_offentlich_zusammen, "
",
                               "Absolvent/-innen mit Abschlusszeugnis: ", df$insg_absolventen_mit_abschlusszeugnis_n_offentlich_zusammen)
        )



fig <-
  fig %>% 
  layout(title = "Erfolgsquote zur beruflichen Weiterbildung an Fachschulen öffentlicheTrägerschaft (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         yaxis = list(title = "Erfolgsquote in %"),
         xaxis = list(title = list(text = " ", standoff = 3),
                      zeroline = FALSE),
         legend = list(orientation = 'h'))

fig

```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-g76-g121-und-g152)

> Die Jahre, in denen es keine Beobachtungen gibt, sind die Jahre, in dem es keine Fachschule dieser Art gab.

### Erfolgsquote in Bildungsgängen zur beruflichen Weiterbildung (Freie Träger)

```{r}

df <- df %>% ungroup()# %>%
 # filter(insg_frei_erfolgsquote > 0)


fig <-
plot_ly(df,
        y=~insg_frei_erfolgsquote,
        x = ~jahr,
        color = ~as.factor(ags),
        name = ~kommune,
        colors = ~farben,
        type = 'scatter',
        mode = 'lines+markers',
        hovermode = "closest",
        hovertemplate = paste0("",df$kommune,"
",
                               "Jahr: ",df$jahr,"
",
                               "Erfolgsquote: ", df$insg_frei_erfolgsquote, "

",
                               "Absolvent/-innen und Abgänger/-innen: ", df$insg_abgaenger_u_absolventen_n_frei_zusammen, "
",
                               "Absolvent/-innen mit Abschlusszeugnis: ", df$insg_absolventen_mit_abschlusszeugnis_n_frei_zusammen)
        )



fig <-
  fig %>% 
  layout(title = "Erfolgsquote zur beruflichen Weiterbildung an Fachschulen freie Trägerschaft (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         yaxis = list(title = "Erfolgsquote in %"),
         xaxis = list(title = list(text = " ", standoff = 3),
                      zeroline = FALSE),
         legend = list(orientation = 'h'))

fig

```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-g76-g121-und-g152)

> Die Jahre, in denen es keine Beobachtungen gibt, sind die Jahre, in dem es keine Fachschule dieser Art gab.


G15.2 Erfolgsquote in Bildungsgängen zur beruflichen Weiterbildung nach Geschlecht {data-navmenu="Weiterbildung" data-icon="fa-list"}
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------
### Erfolgsquote in Bildungsgängen zur beruflichen Weiterbildung Frauen

```{r}

df <- df %>% ungroup() #%>%
  #filter(w_insgesamt_erfolgsquote > 0)

fig <-
plot_ly(df,
        y=~w_insgesamt_erfolgsquote,
        x = ~jahr,
        color = ~as.factor(ags),
        name = ~kommune,
        colors = ~farben,
        type = 'scatter',
        mode = 'lines+markers',
        hovermode = "closest",
        hovertemplate = paste0("",df$kommune,"
",
                               "Jahr: ",df$jahr,"
",
                               "Erfolgsquote: ", df$w_insgesamt_erfolgsquote, "

",
                               "Absolventen und Abgänger: ", df$w_abgaenger_u_absolventen_n_insgesamt_zusammen, "
",
                               "Absolventen mit Abschlusszeugnis: ", df$w_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen)
        )



fig <-
  fig %>% 
  layout(title = "Erfolgsquote zur beruflichen Weiterbildung an Fachschulen Frauen (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         yaxis = list(title = "Erfolgsquote in %"),
         xaxis = list(title = list(text = " ", standoff = 3),
                      zeroline = FALSE),
         legend = list(orientation = 'h'))

fig

```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-g76-g121-und-g152)

> Die Jahre, in denen es keine Beobachtungen gibt, sind die Jahre, in dem es keine Fachschule dieser Art gab.

### Erfolgsquote in Bildungsgängen zur beruflichen Weiterbildung Männer

```{r}

df <- df %>% ungroup()

fig <-
plot_ly(df,
        y=~m_insgesamt_erfolgsquote,
        x = ~jahr,
        color = ~as.factor(ags),
        name = ~kommune,
        colors = ~farben,
        type = 'scatter',
        mode = 'lines+markers',
        hovermode = "closest",
        hovertemplate = paste0("",df$kommune,"
",
                               "Jahr: ",df$jahr,"
",
                               "Erfolgsquote: ", df$m_insgesamt_erfolgsquote, "

",
                               "Absolventen und Abgänger: ", df$m_abgaenger_u_absolventen_n_insgesamt_zusammen, "
",
                               "Absolventen mit Abschlusszeugnis: ", df$m_absolventen_mit_abschlusszeugnis_n_insgesamt_zusammen)
        )



fig <-
  fig %>% 
  layout(title = "Erfolgsquote zur beruflichen Weiterbildung an Fachschulen Männer (2010–2020)",
         titlefont = list(size = 20),
         font = list(family = "calibri",size = 16),
         separators = ',',
         yaxis = list(title = "Erfolgsquote in %"),
         xaxis = list(title = list(text = " ", standoff = 3),
                      zeroline = FALSE),
         legend = list(orientation = 'h'))

fig

```
> siehe [Geheimhaltung](#geheimhaltung)

> siehe [weiterführende Informationen](#definitionen-g76-g121-und-g152)

> Die Jahre, in denen es keine Beobachtungen gibt, sind die Jahre, in dem es keine Fachschule dieser Art gab.

















































Geheimhaltung 
===================================== 

Column {.tabset .tabset-fade}
-----------------------------------------------------------------------
### Umgang mit Geheimhaltung in den Rohdaten im Detail

```{r}
tbl<- read_delim("//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/04_Analysen/E_12_04_Neu_abgeschlossene_Ausbildungsvertraege/Geheimhaltung_FKS.csv", 
                                                                           ";", escape_double = FALSE, locale = locale(encoding = "WINDOWS-1252"), 
                                                                           trim_ws = TRUE)


tbl <- 
  tbl %>% 
  mutate_if(is.character, ~replace(., is.na(.), " "))

formatter_backround_green <- formatter("span", 
                                       style = ~ formattable::style("background-color" = "#16e813"))
formatter_backround_green_light <- formatter("span", 
                                             style = ~ formattable::style("background-color" = "#8fe813"))
formatter_backround_yellow <- formatter("span", 
                                        style = ~ formattable::style("background-color" = "#d3e813"))
formatter_backround_orange <- formatter("span", 
                                        style = ~ formattable::style("background-color" = "#e8dd13"))
formatter_black_bold <- formatter("span", 
                                  style = ~ formattable::style(color = "black",
                                                               font.weight = "bold"))
formatter_gray <- formatter("span", 
                            style = ~ formattable::style(color = "gray"))


formattable(tbl,
            align = "l",
            list(area(col = c(4,5))~ formatter_gray,
                 area(col = c(2))~ formatter_black_bold)
            )
```

Definitionen E61 {.hidden}
========================================

E6.1 Anzahl der beruflichen Schulen
Datenquelle

Amtliche Schulstatistik

Kommunale Bildungsdatenbank

Daten bezogen über Regionaldatenbank Deutschland


Periodizität der Daten
Jährliche Erhebung der amtlichen Statistik der beruflichen Schulen, i.d.R. zu Beginn des Schuljahres

Definitionen
Anzahl der beruflichen Schulen: Anzahl der beruflichen Schulen, die sich in der betrachteten Gebietseinheit befinden

Trägerschaft der Schulen: Untergliederung der Schulen nach Bereitstellung der organisatorischen und finanziellen Verantwortung für die jeweilige Einrichtung

Schulart: Einteilung der beruflichen Schulen gemäß der landesspezifischen Regelungen zur Untergliederung der amtlichen Schulstatistik nach Schularten

(Brugger/Gawronski/Giar et. al (2020), S. 128)

Methodischer Hinweis BiSMit
Wie im ersten Reiter der Kennzahl E6.1 im Dashboard ersichtlich, tragen die Schularten in den verschiedenen Bundesländern unterschiedliche Namen.
Für die Grafik im dritten Reiter wurden von uns alle Schularten mit gleichen Bildungszielen zusammengefasst.

Quellen

Brugger, Pia; Gawronski, Katharina; Giar, Katharina; Hetmeier, Heinz-Werner; Leidel, Melanie; Schmidt, Nora et al. (2020): Anwendungsleitfaden für den Aufbau eines kommunalen Bildungsmonitorings, Hg. v. Transferinitiative Kommunales Bildungsmanagement, Online verfügbar unter: https://www.kommunales-bildungsmonitoring.de/fileadmin/user_upload/206902__DLR_
leitfaden.pdf, zuletzt geprüft am 27.06.2022.




Definitionen E71 {.hidden}
=================================

E7.1 Anzahl der Schüler/-innen an beruflichen Schulen

Datenquelle
Amtliche Schulstatistik

Kommunale Bildungsdatenbank

Daten bezogen über Regionaldatenbank Deutschland


Periodizität der Daten

Jährliche Erhebung der amtlichen Statistik der beruflichen Schulen, i.d.R zu Beginn des Schuljahres


Definitionen
Anzahl der Schüler/-innen: Anzahl der Schüler/-innen, die zum Stichtag eine berufliche Schule in der betrachteten Gebietseinheit besuchen

(Brugger/Gawronski/Giar et. al (2020), S.129)

Methodischer Hinweis BiSMit

Wie im ersten Reiter der Kennzahl E6.1 im Dashboard ersichtlich, tragen die Schularten in den verschiedenen Bundesländern unterschiedliche Namen. Für die Grafik im zweiten Reiter wurden von uns alle Schularten mit gleichen Bildungszielen zusammengefasst.

Quellen

Brugger, Pia; Gawronski, Katharina; Giar, Katharina; Hetmeier, Heinz-Werner; Leidel, Melanie; Schmidt, Nora et al. (2020): Anwendungsleitfaden für den Aufbau eines kommunalen Bildungsmonitorings, Hg. v. Transferinitiative Kommunales Bildungsmanagement, Online verfügbar unter: https://www.kommunales-bildungsmonitoring.de/fileadmin/user_upload/206902__DLR_
leitfaden.pdf, zuletzt geprüft am 27.06.2022.



Definitionen E121 {.hidden}
===================================

E12.1 Neu eingetretene Schüler/-innen an beruflichen Schulen

Datenquelle
Amtliche Schulstatistik

Kommunale Bildungsdatenbank

Daten bezogen über Kommunale Bildungsdatenbank

Periodizität der Daten

Jährliche Erhebung der amtlichen Statistik der beruflichen Schulen, i.d.R zu Beginn des Schuljahres


Definitionen
Art des Schulabschlusses: Art des zuletzt abgelegten allgemeinbildenden Schulabschluss; es werden auch Schüler/-innen ohne (Haupt-)Schulabschluss einbezogen 

Neu eingetretene Schüler/-innen: Zahl der Schüler/-innen, die den betreffenden Bildungsgang begonnen haben

(Brugger/Gawronski/Giar et. al (2020), S.136)

Quellen

Brugger, Pia; Gawronski, Katharina; Giar, Katharina; Hetmeier, Heinz-Werner; Leidel, Melanie; Schmidt, Nora et al. (2020): Anwendungsleitfaden für den Aufbau eines kommunalen Bildungsmonitorings, Hg. v. Transferinitiative Kommunales Bildungsmanagement, Online verfügbar unter: https://www.kommunales-bildungsmonitoring.de/fileadmin/user_upload/206902__DLR_
leitfaden.pdf, zuletzt geprüft am 27.06.2022.



Definitionen E151 {.hidden}
=====================================

E15.1 An beruflichen Schulen erworbene allgemeinbildende Schulabschlüsse

Datenquelle

Amtliche Schulstatistik

Kommunale Bildungsdatenbank

Daten bezogen über Kommunale Bildungsdatenbank


Periodizität der Daten

Jährliche Erhebung der amtlichen Statistik der beruflichen Schulen, i.d.R zu Beginn des Schuljahres



Definitionen

Schulabschluss: Art des an einer beruflichen Schule erworbenen Abschlusses unterteilt nach den allgemeinbildenden Abschlüssen
Hauptschulabschluss,
mittlerer Abschluss
Fachhochschulreife
Hochschulreife

(Brugger/Gawronski/Giar et. al (2020), S.139)


Methodischer Hinweis BiSMit

Hochschul- und Fachhochschulreife sind auf Wunsch zusammengefasst dargestellt. Einzelwerte können dem Hovertext entnommen werden. 


Quellen
Brugger, Pia; Gawronski, Katharina; Giar, Katharina; Hetmeier, Heinz-Werner; Leidel, Melanie; Schmidt, Nora et al. (2020): Anwendungsleitfaden für den Aufbau eines kommunalen Bildungsmonitorings, Hg. v. Transferinitiative Kommunales Bildungsmanagement, Online verfügbar unter: https://www.kommunales-bildungsmonitoring.de/fileadmin/user_upload/206902__DLR_
leitfaden.pdf, zuletzt geprüft am 27.06.2022.



Definitionen E152 {.hidden}
=====================================

E15.2 Erfolgsquote beim Abschluss beruflicher Bildungsgänge

Datenquelle
Amtliche Schulstatistik

Kommunale Bildungsdatenbank

Daten bezogen über Kommunale Bildungsdatenbank


Periodizität der Daten

Jährliche Erhebung der amtlichen Statistik der beruflichen Schulen


Definitionen
Erfolgreicher Abschluss: Erreichen des (allgemeinbildenden oder beruflichen) Bildungsziels des
besuchten Bildungsgangs. In beruflichen Bildungsgängen ist dies in der Regel das Erreichen einer
bestimmten beruflichen Qualifikation, zum Teil verbunden mit einem allgemeinbildenden Abschluss.
Wenn der zusätzliche allgemeinbildende Abschluss das Absolvieren einer Zusatzprüfung erfordert, zählt
bereits das Erreichen der beruflichen Qualifikation als erfolgreicher Abschluss des Bildungsgangs.

(Brugger/Gawronski/Giar et. al (2020), S.140)

Berechnung
Erfolgsquote in %: (Anzahl der Absolvent/-innen mit erfolgreichem Abschluss / Gesamtzahl der Absolvent/-innen der beruflichen Schulen) * 100 


Hinweis zur Interpretation

Die „Erfolgsquote“ ist eine Kennzahl für die Effizienz der angebotenen Bildungsgänge an beruflichen
Schulen. Die öffentlichen Schulträger können diese zwar nur mittelbar (z.B. durch die räumliche und
sächliche Ausstattung der Schulen) beeinflussen, da die Bildungsinhalte und die personelle Ausstattung
Aufgabe des Landes sind. Dennoch ist diese Kennzahl auch für regionale Entscheidungsträger wichtig,
um das Potenzial an erfolgreichen Schulabsolvent/-innen und das Ausmaß des Ausbildungsabbruchs
einschätzen zu können. Hiervon wird das kommunale Arbeitskräftepotenzial beeinflusst.
 (Brugger/Gawronski/Giar et al. (2020), S. 140)


Quellen

Brugger, Pia; Gawronski, Katharina; Giar, Katharina; Hetmeier, Heinz-Werner; Leidel, Melanie; Schmidt, Nora et al. (2020): Anwendungsleitfaden für den Aufbau eines kommunalen Bildungsmonitorings, Hg. v. Transferinitiative Kommunales Bildungsmanagement, Online verfügbar unter: https://www.kommunales-bildungsmonitoring.de/fileadmin/user_upload/206902__DLR_
leitfaden.pdf, zuletzt geprüft am 27.06.2022.



Definitionen E76 {.hidden}
=================================

E7.6 Anzahl der Auszubildenden

Datenquelle
Berufsbildungsstatistik

Kommunale Bildungsdatenbank

Daten bezogen über Kommunale Bildungsdatenbank


Periodizität der Daten

Jährliche Erhebung der amtlichen Statistik zum Stichtag 31.12.


Definitionen
Zahl der Auszubildenden: Anzahl der Auszubildenden ohne Praktikant/-innen und Volontär/-innen, die zum Stichtag einen Ausbildungsvertrag in einem nach BBiG bzw. HwO anerkannten Ausbildungsberuf in einem in der Gebietseinheit ansässigen Betrieb besitzen
Ausbildungsberuf: Beruf, in dem eine nach BBiG bzw. HwO geregelte Ausbildung stattfindet.

(Brugger/Gawronski/Giar et. al (2020), S.144)

Quellen
Brugger, Pia; Gawronski, Katharina; Giar, Katharina; Hetmeier, Heinz-Werner; Leidel, Melanie; Schmidt, Nora et al. (2020): Anwendungsleitfaden für den Aufbau eines kommunalen Bildungsmonitorings, Hg. v. Transferinitiative Kommunales Bildungsmanagement, Online verfügbar unter: https://www.kommunales-bildungsmonitoring.de/fileadmin/user_upload/206902__DLR_
leitfaden.pdf, zuletzt geprüft am 27.06.2022.



Definitionen E77 {.hidden}
=================================

E7.7 Anteile der Auszubildenden nach Ausbildungsbereichen

Datenquelle

Berufsbildungsstatistik

Daten bezogen über Kommunale Bildungsdatenbank

Periodizität der Daten
Jährliche Erhebung der amtlichen Statistik zum Stichtag 31.12.


Definitionen
Ausbildungsbereich: Ein Ausbildungsbereich fasst verschiedene verwandte Berufe gemäß der Klassifizierung der Ausbildungsbereiche des Statistischen Bundesamtes zusammen (Brugger/Gawronski/Giar et. al (2020), S.145)
. Unterschieden werden die Ausbildungsbereiche in:
Industrie und Handel: Industrie, Handel, Banken, Versicherungen, Gast- und Verkehrsgewerbe (abgekürzt: Industrie, Handel u. a.) (zuständige Stellen: verschiedene Industrie- und Handelskammern),
Handwerk: zuständige Stellen: verschiedene Handwerkskammern),
Landwirtschaft: zuständige Stelle: Landwirtschaftskammer der Länder,
Öffentlicher Dienst: zuständige Stellen: etwa 440 Dienststellen der Kommunalverwaltung, ca. 90 Stellen der Landesverwaltung,
Freie Berufe: zuständige Stellen: Ärzte-, Apotheker-, Notar-, Patentanwalts-, Rechtsanwalts-, Steuerberater-, Tierärzte-, Zahnärztekammern) sowie
Hauswirtschaft: Versorgung und Pflegeaufgaben in Haushalten oder Großbetrieben wie Kindergärten, Altenheimen, Internaten bzw. Pensionen


Quellen

Brugger, Pia; Gawronski, Katharina; Giar, Katharina; Hetmeier, Heinz-Werner; Leidel, Melanie; Schmidt, Nora et al. (2020): Anwendungsleitfaden für den Aufbau eines kommunalen Bildungsmonitorings, Hg. v. Transferinitiative Kommunales Bildungsmanagement, Online verfügbar unter: https://www.kommunales-bildungsmonitoring.de/fileadmin/user_upload/206902__DLR_
leitfaden.pdf, zuletzt geprüft am 27.06.2022.



Definitionen E153 {.hidden}
=================================

E15.3 Vertragsauflösungsquote

Datenquelle
Berufsbildungsstatistik

Kommunale Bildungsdatenbank

Daten bezogen über Kommunale Bildungsdatenbank

Periodizität der Daten
Jährliche Erhebung der amtlichen Statistik zum Stichtag 31.12.


Berechnung

Vertragslösungen des Bezugsjahres werden in Relation zu den drei Vorjahren gesetzt

Vertragsauflösungsquote nach dem Schichtenmodell in %: 
(Vertragslösungen im aktuellen Berichtsjahr / Begonnene Ausbildungsverträge im aktuellen Berichtsjahr + Vertragslösungen im Vorjahr / Begonnene Ausbildungsverträge im Vorjahr + Vertragslösungen im Vorvorjahr / Begonnene Ausbildungsverträge im Vorvorjahr +  Vertragslösungen im Vorvorvorjahr / Begonnene Ausbildungsverträge im Vorvorvorjahr) * 100

Definitionen

Begonnene Ausbildungsverträge: Anzahl der neu abgeschlossenen Ausbildungsverträge zuzüglich der Vertragslösungen bis zum Ende des betreffenden Jahrs.

Vertragsauflösungsquote: Auflösung eines bestehenden Ausbildungsvertrags zwischen einem/einer Auszubildenden und einem Ausbildungsbetrieb.

Bemerkung: Das Schichtenmodell ist seit einiger Zeit das Standardverfahren zur Berechnung der Vertragsauflösungsquote. Für die Berechnung der Vertragsauflösungsquote sind geringe Fallzahlen
problematisch, da sie teilweise zu nicht aussagekräftigen Ergebnissen führen können. Eine Berechnung von Vertragsauflösungsquoten nach dem Schichtenmodell auf Kreisebene ist erst ab dem Berichtsjahr 2010 möglich, da erst ab diesem Zeitpunkt die notwendigen Informationen auf Basis der Individualdaten der Berufsbildungsstatistik vorliegen.


(Brugger/Gawronski/Giar et. al (2020), S.149)

Berechnung

Vertragsauflösungsquote nach dem Schichtenmodell in %:
Vertragslösungen im aktuellen Berichtsjahr untergliedert nach dem Jahr des Beginns der Ausbildung / Begonnene Ausbildungsverträge im aktuellen Berichtsjahr, Vorjahr usw.

Quellen

Brugger, Pia; Gawronski, Katharina; Giar, Katharina; Hetmeier, Heinz-Werner; Leidel, Melanie; Schmidt, Nora et al. (2020): Anwendungsleitfaden für den Aufbau eines kommunalen Bildungsmonitorings, Hg. v. Transferinitiative Kommunales Bildungsmanagement, Online verfügbar unter: https://www.kommunales-bildungsmonitoring.de/fileadmin/user_upload/206902__DLR_
leitfaden.pdf, zuletzt geprüft am 27.06.2022.




Definitionen B82 {.hidden}
==================================

B8.2 Bevölkerung nach dem höchsten beruflichen Bildungsabschluss
Datenquelle
Mikrozensus; Auswertungen durch die statistischen Landesämter

Zensus 2011

Daten bezogen über die Statistischen Landesämter (SH, ST, TH)

Periodizität der Daten

Mikrozensus: Vierteljährlich (Quartalsdaten); Jährlich (Jahresdurchschnitt)

Zensus 2011: Erhebung im Jahr 2011 (Stichtag 09.05.2011)

Definitionen
Abschluss:  Ist ein Nachweis über die Kenntnisse und Fähigkeiten, welche im Rahmen eines Bildungspro-
gramms erworben wurden. Einem erfolgreichen Abschluss eines Bildungsprogramms liegt in der Regel
ein Zertifikat bzw. Zeugnis zugrunde, welches innerhalb des Bildungssystems und auf dem Arbeitsmarkt
anerkannt wird.

Für die Darstellung der Verteilung der Erwachsenenbevölkerung nach dem höchsten beruflichen Bil-
dungsabschluss muss für jede Abschlussart der Anteil der betreffenden Personen an der Gesamtzahl der
Erwachsenenbevölkerung ermittelt werden. Bei den beruflichen Bildungsabschlüssen unterscheidet man:
Ohne beruflichen Bildungsabschluss
Anlernausbildung, berufliches Praktikum
Berufsvorbereitungsjahr
Abschluss einer Lehrausbildung
Vorbereitungsdienst für den mittleren Dienst in der öffentlichen Verwaltung
Berufsqualifizierender Abschluss an einer Berufsfachschule/ Kollegschule; Abschluss einer 1-jährigen Schule des Gesundheitswesens
Meister-/ Technikerausbildung oder gleichwertiger Fachschulabschluss, Abschluss einer 2-oder 3-jährigen Schule des Gesundheitswesens, Abschluss einer Fachakademie oder einer Berufsakademie
Abschluss einer Fachschule der DDR
Abschluss einer Verwaltungsfachhochschule
Fachhochschulabschluss
Abschluss einer Universität
Promotion
 (Brugger/Gawronski/Giard (2020), S. 87)


Berechnung

Anteil der Erwachsenenbevölkerung mit dem beruflichen Abschluss x am Wohnort in %: (Erwachsenenbevölkerung mit dem beruflichen Abschluss x / Gesamtzahl der Erwachsenenbevölkerung) * 100 

Methodische Anmerkung BiSMit

Da sich die ausgewerteten Kategorien in verschiedenen Jahren unterscheiden, können wir nur die Jahre 2016-2019 vergleichbar darstellen. Dabei wurde die Kategorie ohne beruflichen Bildungsabschluss/Sonstige von uns selbst errechnet.Da im Mikrozensus lediglich eine Stichprobe von 1 % der Grundgesamtheit erfragt wird, werden die Ergebnisse hochgerechnet. Die Zahlen sind also eine Schätzung der Realität. Zahlenwerte, die in der Stichprobe unter dem Wert von 70 waren, sind geheim gehalten worden. Das führt zu teilweise zu einer verzerrten Darstellung der vorliegenden Bildungsabschlüsse in den Kommunen.
Weiterführende Informationen können auf der Internetseite des Mikrozensus oder des Statistischen Bundesamtes nachgelesen werden.

Quellen
Brugger, Pia; Gawronski, Katharina; Giar, Katharina; Hetmeier, Heinz-Werner; Leidel, Melanie; Schmidt, Nora et al. (2020): Anwendungsleitfaden für den Aufbau eines kommunalen Bildungsmonitorings, Hg. v. Transferinitiative Kommunales Bildungsmanagement, Online verfügbar unter: https://www.kommunales-bildungsmonitoring.de/fileadmin/user_upload/206902__DLR_
leitfaden.pdf, zuletzt geprüft am 27.06.2022.


Definitionen E63 und E75 {.hidden}
=========================================

E6.3 Ausbildungsbetriebsquote
E7.5 Ausbildungsquote
Datenquelle
Betriebsstatistik der Bundesagentur für Arbeit

Daten bezogen über die Bundesagentur für Arbeit


Periodizität der Daten
Jährlich, Zeitreihe mit Stichtag 30.09.

Definition
Ausbildungsbetriebsquote: Anteil der Betriebe mit mindestens einem Auszubildenden an allen Betrieben mit sozialversicherungspflichtig Beschäftigten einschließlich der Ausbildungsbetriebe in % 

Ausbildungsquote: Anteil der Auszubildenden an allen sozialversicherungspflichtig Beschäftigten in % 

Auszubildende: Auszubildende gemäß der Definition der Bundesagentur für Arbeit

Sozialversicherungspflichtig Beschäftigte: Sozialversicherungspflichtig Beschäftigte in Betrieben der
jeweiligen regionalen und sachlichen Abgrenzung. Beamte, Selbstständige und vergleichbare Personengruppen werden hierbei nicht berücksichtigt. 

Berechnung

Ausbildungsbetriebsquote in %: (Anzahl der Betriebe, in denen eine geregelte Ausbildung stattfindet / Gesamtzahl der Betriebe) * 100 

Ausbildungsquote in %: (Anzahl der Auszubildenden in Betrieben der Gruppe x / Gesamtzahl der sozialversicherungspflichtig Beschäftigten in Betrieben der Gruppe x) * 100

Methodische Hinweise zu Betrieben im Sinne des Meldeverfahrens zur Sozialversicherung (Quelle: Bundesagentur für Arbeit, Stand: 05.10.2021)
Datenschutz

Die erhobenen Daten unterliegen grundsätzlich der Geheimhaltung nach § 16 BStatG. Eine Übermittlung von Einzelangaben ist daher ausgeschlossen. Aus diesem Grund werden Zahlenwerte unter 3 und Daten, aus denen sich rechnerisch eine Differenz ermitteln lässt, mit * anonymisiert. 
Gleiches gilt bei Auswertungen zum Arbeitsort, wenn in einer Region oder Rubrik der Klassifikation der Wirtschaftszweige weniger als 3 Betriebe ansässig sind oder einer der Betriebe einen so hohen Beschäftigtenanteil auf sich vereint, dass die Beschäftigtenzahl praktisch eine Einzelangabe über diesen Betrieb darstellt (Dominanzfall). Hierbei gelten folgende Regeln: Bei 3 bis 9 Betrieben, die hinter einer Beschäftigtenzahl stehen, darf keiner der Betriebe 50 oder mehr Prozent der Beschäftigten auf sich vereinen. Bei 10 oder mehr Betrieben dürfen auf keinen Betrieb 85 oder mehr Prozent der Beschäftigten entfallen.

Meldeverfahren zur Sozialversicherung
Arbeitgeber erstatten für ihre sozialversicherungspflichtig und geringfügig Beschäftigten Meldungen zur Sozialversicherung. Die rechtliche Grundlage hierfür ist § 28a Sozialgesetzbuch IV (SGB IV). Damit Betriebe am automatisierten Meldeverfahren zur Sozialversicherung teilnehmen können, benötigen sie eine Betriebsnummer. Diese ist das Kriterium für die Abgrenzung eines Betriebes im Sinne des Meldeverfahrens zur Sozialversicherung.

Betriebe in der Statistik der Bundesagentur für Arbeit

Betrieb im Sinne des Meldeverfahrens zur Sozialversicherung ist eine regional und wirtschaftsfachlich abgegrenzte Einheit, in dem mindestens ein sozialversicherungspflichtiges oder geringfügiges Beschäftigungsverhältnis besteht. Das in der Beschäftigungsstatistik verwendete Messkonzept zur Ermittlung von Betrieben und Betriebsgrößen basierte bis September 2021 ausschließlich auf der Anzahl der sozialversicherungspflichtig Beschäftigten in ihrer Hauptbeschäftigung. Betriebe mit nur geringfügig Beschäftigten blieben dabei unberücksichtigt. Um diese Lücke zu schließen, wurde ab Oktober 2021 eine Erweiterung auf Basis aller Beschäftigungsverhältnisse vorgenommen, so dass Betriebe mit nur geringfügig Beschäftigten ebenfalls einbezogen werden.
Auswertungen erfolgen ausschließlich nach dem Arbeitsortprinzip (Sitz des Betriebes und Arbeitsort der Beschäftigten) und werden mit dem Referenzstichtag 30. Juni veröffentlicht.
Grundlage der regionalen Zuordnung ist das Gemeindegebiet. Das heißt, ein Unternehmen mit Niederlassungen (Filialen) in verschiedenen Gemeinden besteht aus verschiedenen Betrieben; diese Betriebe haben jeweils eine eigene Betriebsnummer. Ebenso kann der Betrieb auch aus mehreren Niederlassungen in einer Gemeinde bestehen, die lediglich eine Betriebsnummer benötigen, wenn sie denselben wirtschaftsfachlichen Schwerpunkt besitzen.

Wirtschaftsfachliche Zuordnung

Die wirtschaftsfachliche Zuordnung folgt dem wirtschaftlichen Schwerpunkt des Betriebs. Dieser richtet sich nach dem Betriebszweck oder der wirtschaftlichen Tätigkeit des überwiegenden Teils der Beschäftigten. Das heißt, ein Betrieb mit Sitz in einer Gemeinde und mit Tätigkeit in verschiedenen Bereichen, aber ausschließlich einer Niederlassung, bekommt lediglich eine Betriebsnummer und wird auch wirtschaftsfachlich nur einem Schwerpunkt zugeordnet.
Dieser wirtschaftsfachliche Schwerpunkt ist der Klassifikation der Wirtschaftszweige von 2008 entnommen und steht als auswertbares Merkmal durch die Zuordnung eines Beschäftigten über die Betriebsnummer in der Meldung zur Sozialversicherung sowohl für Beschäftigte als auch Betriebe zur Verfügung.

Anmerkung BiSMit

Die Aggregation der Wirtschaftszweige zu den 6 betrachteten aggregierten Wirtschaftszweigen erfolgte von uns nach folgendem Schemata:
A Land- und Forstwirtschaft sowie Fischerei

Land-und Forstwirtschaft 
Fischerei
B-E Produzierendes Gewerbe besteht aus

Bergbau und Gewinnung von Steinen und Erden
Verarbeitendes Gewerbe
Energieversorgung
Wasserversorgung, Abwasser- und Abfallentsorgung und Beseitigung von Umweltverschmutzungen
F Baugewerbe
G-J Handel und Kommunikation

Handel, Instandhandlung und Reparatur von Kraftfahrzeugen
Verkehr und Lagerei
Information und Kommunikation

K-N Finanz- und sonstige Dienstleistungen

Erbringung von Finanz- und Versicherungsdienstleistungen
Grundstücks- und Wohnungswesen
Erbringung von freiberuflichen, wissenschaftlichen und technischen Dienstleistungen 
Erbringung von sonstigen wirtschaftlichen Dienstleistungen 

O-U Öffentliche Dienstleistungen

Öffentliche Verwaltung, Verteidigung; Sozialversicherung
Erziehung und Unterricht
Gesundheits- und Sozialwesen
Kunst, Unterhaltung und Erholung
Erbringung von sonstigen Dienstleistungen
Private Haushalte mit Hauspersonal; Herstellung von Waren und Erbringung von Dienstleistungen durch private Haushalte für den Eigenbedarf ohne ausgeprägten Schwerpunkt
Exterritoriale Organisationen und Körperschaften



Methodische Hinweise zu sozialversicherungspflichtig und geringfügig Beschäftigten (Quelle: Bundesagentur für Arbeit, Stand: 21.09.2021)

Grundlage der Statistik bildet das Meldeverfahren zur Sozialversicherung, in das alle Arbeitnehmer (einschließlich der zu ihrer Berufsausbildung Beschäftigten) einbezogen sind, die der Kranken- oder Rentenversicherungspflicht oder der Versicherungspflicht nach dem SGB III unterliegen. Auf Basis der Meldungen zur Sozialversicherung durch die Betriebe wird monatlich (stichtagsbezogen) mit 6 Monaten Wartezeit der Bestand an sozialversicherungspflichtig und geringfügig Beschäftigten ermittelt.
Sozialversicherungspflichtig Beschäftigte umfassen alle Arbeitnehmer, die kranken-, renten-, pflegeversicherungspflichtig und/oder beitragspflichtig nach dem Recht der Arbeitsförderung sind oder für die Beitragsanteile zur gesetzlichen Rentenversicherung oder nach dem Recht der Arbeitsförderung zu zahlen sind. Dazu gehören insbesondere auch Auszubildende, Altersteilzeitbeschäftigte, Praktikanten, Werkstudenten und Personen, die aus einem sozialversicherungspflichtigen Beschäftigungsverhältnis zur Ableistung  von gesetzlichen Dienstpflichten (z. B.  Wehrübung) einberufen werden. Nicht  zu den sozialversicherungspflichtig Beschäftigten zählen dagegen  Beamte, Selbstständige, mithelfende Familienangehörige, Berufs- und Zeitsoldaten sowie Wehr- und Zivildienstleistende (siehe o. g. Ausnahme).
Mehrfachbeschäftigte, die gleichzeitig zwei oder mehr geringfügigen Beschäftigungen nachgehen, werden nur nach den Merkmalen der zuletzt aufgenommenen Beschäftigung ausgewiesen.
Weiterführende Informationen zur Statistik der sozialversicherungspflichtigen und geringfügigen Beschäftigung finden Sie auf der  Website der Bundesagentur für Arbeit.

Quellen

Brugger, Pia; Gawronski, Katharina; Giar, Katharina; Hetmeier, Heinz-Werner; Leidel, Melanie; Schmidt, Nora et al. (2020): Anwendungsleitfaden für den Aufbau eines kommunalen Bildungsmonitorings, Hg. v. Transferinitiative Kommunales Bildungsmanagement, Online verfügbar unter: https://www.kommunales-bildungsmonitoring.de/fileadmin/user_upload/206902__DLR_
leitfaden.pdf, zuletzt geprüft am 27.06.2022.



Definitionen E78 {.hidden}
=========================================

E7.8 Angebots-Nachfrage-Relation in der dualen Berufsausbildung
Datenquelle
Bundesagentur für Arbeit


Daten bezogen über die Bundesagentur für Arbeit

Periodizität der Daten
Jährlich, umfasst den Zeitraum vom 01.10. bis 30.09. des Folgejahres

Definition
Ausbildungsvertrag: Vereinbarung zwischen einem/einer Auszubildenden und einem Ausbildungsbetrieb mit dem Ziel der Ausbildung in einem nach BBiG bzw. HwO geregeltem Beruf. Ein Vertrag gilt als neu abgeschlossen, wenn er innerhalb des laufenden Kalenderjahres (ab 2010: zwischen dem 01.09. des
Vorjahres und dem 30.09. des laufenden Jahres) abgeschlossen und nicht gelöst wurde.

Nicht vermittelte Bewerber: Zahl der von der Bundesagentur für Arbeit zum 30.09. noch nicht vermittelten Bewerber/-innen um einen Ausbildungsplatz.

Unbesetzte Ausbildungsplätze: Zahl der bei der Bundesagentur für Arbeit gemeldeten, aber unbesetzt gebliebenen Ausbildungsplätze.

Berechnung

Angebot-Nachfrage-Relation: (Ausbildungsplatzangebote / Ausbildungsplatznachfrager) * 100 

Methodische Hinweise zu den Statistiken über den Ausbildungsmarkt (Quelle: Bundesangetur für Arbeit, Stand: 13.01.2022)

Die Ausbildungsmarktstatistik berichtet über
gemeldete Bewerberinnen und Bewerber für Berufsausbildungsstellen, die das Beratungs- und Vermittlungsangebot der Agenturen für Arbeit (AA) und Jobcenter (JC) zum Ausbildungsmarkt in Anspruch nehmen, sowie
Berufsausbildungsstellen, die bei AA und JC für die Ausbildungsvermittlung mit Vermittlungsauftrag gemeldet wurden.

Sowohl die AA als auch die JC in gemeinsamer Einrichtungen (gE) und in alleiniger kommunaler Trägerschaft (zkT) führen Ausbildungsvermittlung nach § 35 Sozialgesetzbuch Drittes Buch (SGB III) durch. Träger der Grundsicherung können diese Aufgabe durch die AA wahrnehmen lassen (§ 16 Abs. 4 SGB II).


Grundgesamtheit

Die Ausbildungsmarktstatistik berichtet über Bewerberinnen und Bewerber, die einen anerkannten Ausbildungsberuf nach dem Berufsbildungsgesetz (BBiG) wünschen, und über Berufsausbildungsstellen für nach dem BBiG anerkannte Ausbildungsberufe.

Die statistische Berichterstattung konzentriert sich damit auf das zahlenmäßig bedeutsamste Segment des Ausbildungsmarktes: die BBiG-Berufe. Hierbei handelt es sich üblicherweise um duale Ausbildungen, d. h. Ausbildungen, die parallel in Betrieb und Berufsschule stattfinden. Außerdem fallen hierunter Ausbildungsplätze in Berufsbildungswerken und sonstigen Einrichtungen, die Ausbildungsmaßnahmen für Menschen mit Behinderungen durchführen, aber auch Ausbildungen im Rahmen eines dualen, ausbildungsintegrierenden Studiums oder einer Abiturientenausbildung, die den Abschluss einer Berufsausbildung nach dem BBiG beinhaltet. 
Nicht enthalten sind:

Ausbildungen im öffentlich-rechtlichen Dienstverhältnis (z. B. Beamtin/Beamter)
Ausbildungen in nicht anerkannten Ausbildungsberufen
schulische Ausbildungen


Die Berichterstattung unterscheidet zwischen drei Ausbildungsarten:

Duale Berufsausbildungen führen zu einem Abschluss in einem anerkannten Ausbildungsberuf.
Abiturientenausbildungen ermöglichen neben dem Abschluss in einem anerkannten Ausbildungsberuf noch einen weiteren Abschluss, z. B. Handelsfachwirtin/Handelsfachwirt. Sie setzen die (Fach-)Hochschulreife voraus.
Duales Studium: Die ausbildungsintegrierende Studienform schließt eine Berufsausbildung systematisch mit ein.


Berichtsjahr

Das Berichtsjahr ist der Zeitraum vom 1. Oktober bis zum 30. September des folgenden Jahres. Die Ausbildungsmarktstatistik weist Bewerberinnen und Bewerber sowie Berufsausbildungsstellen aus, die bei den AA und JC mit dem Ziel der Ausbildungsaufnahme im Berichtsjahr gemeldet sind. Die Monatswerte sind immer kumulierte Daten seit Beginn des Berichtsjahres. Damit bleibt jede/r Bewerberin/Bewerber bzw. jede Berufsausbildungsstelle, die während des Berichtsjahres einmal gemeldet war, statistisch bis zum Ende des Berichtsjahres in der Grundgesamtheit enthalten (Prinzip der Anwesenheitsgesamtheit), auch wenn der Vermittlungsauftrag bereits beendet wurde.
Für den Nachvermittlungszeitraum nach Ende des Berichtsjahres, also zu Beginn des neuen Berichtsjahres, liefert die Ausbildungsmarktstatistik Daten zum sogenannten 5. Quartal. Dies sind Bewerberinnen und Bewerber bzw. Berufsausbildungsstellen, deren gewünschter Ausbildungsbeginn zwischen 01.10. und 31.12. liegt. Bewerberinnen und Bewerber, die im 5. Quartal eine Ausbildungsstelle suchen, haben im vorangegangenen Berichtsjahr nicht die gewünschte Ausbildungsstelle gefunden oder sich kurzfristig zur Suche entschlossen. Dies gilt auch für die Berufsausbildungsstellen: Sie waren zum 30.09. unbesetzt oder sind zum Beispiel kurzfristig (wieder) frei geworden.
Üblicherweise beginnen Ausbildungen im August oder September. Deshalb bildet die Ausbildungsmarktstatistik Bewerberinnen/Bewerber sowie Berufsausbildungsstellen zusätzlich als Teilgruppen mit einem gewünschten Ausbildungsbeginn von Januar bis September ab. Der gewünschte Beginn liegt hier von vornherein nach dem 31.12. oder er lag ursprünglich zwischen 01.10. und 31.12. und wurde in das neue Kalenderjahr verschoben.

Erhebungszeitpunkt

Die Daten werden monatlich mit Bezug auf einen bestimmten Stichtag aufbereitet. Dieser entspricht dem allgemeinen Stichtag der Arbeitsmarktstatistik zur Mitte des Kalendermonats. Eine Ausnahme bildet der Zähltag zum Ende des Berichtsjahres im Berichtsmonat September, der 30. September.

Regionale Zuordnung
p>
Berufsausbildungsstellen sind seit dem Berichtsjahr 2005/2006 nach dem Arbeitsort abgebildet, zuvor nach dem Ort der betreuenden Dienststelle. Für Bewerberinnen und Bewerber richtet sich die Ortsangabe seit September 2003 nach dem Wohnort. Die kleinsten berichtsfähigen Gebietseinheiten sind Kreise bzw. BA-Geschäftsstellen.


Bewerberinnen und Bewerber

Gemeldete Bewerberinnen/Bewerber für Berufsausbildungsstellen sind gemeldete Personen, die im Berichtsjahr die individuelle Vermittlung in eine betriebliche oder außerbetriebliche Berufsausbildungsstelle in anerkannten Ausbildungsberufen nach dem Berufsbildungsgesetz (BBiG) wünschen und deren Eignung dafür geklärt ist bzw. deren Voraussetzungen dafür gegeben sind. Hierzu zählen auch Ausbildungsplätze in Berufsbildungswerken und sonstigen Einrichtungen, die Ausbildungsmaßnahmen für Menschen mit Behinderungen durchführen, aber auch Ausbildungen im Rahmen eines dualen, ausbildungsintegrierenden Studiums oder einer Abiturientenausbildung, die den Abschluss einer Berufsausbildung nach dem BBiG beinhalten.


Seit dem Berichtsjahr 2008/2009 fließen in die Statistiken zu Bewerberinnen und Bewerbern die Daten der Jobcenter mit zugelassenen kommunalen Trägern (JC zkT) ein.


Status der Ausbildungssuche

Die Ausbildungsstellenvermittlung richtet ihre Aktivitäten darauf aus, bis zum 30. September möglichst für alle Bewerberinnen und Bewerber eine Einmündung in eine Ausbildungsstelle oder in eine Alternative zur Berufsausbildung zu erreichen. Auch danach werden die Vermittlungsbemühungen für unversorgte Bewerberinnen und Bewerber fortgesetzt.
Unversorgte Bewerberinnen/Bewerber sind Ausbildungsuchende, für die weder die Einmündung in eine Berufsausbildung, noch ein weiterer Schulbesuch, eine Teilnahme an einer Fördermaßnahme oder eine Alternative zur Ausbildung bekannt ist und für die Vermittlungsbemühungen weiter laufen.

Berufsausbildungsstellen

Gemeldete Berufsausbildungsstellen sind alle mit einem Auftrag zur Vermittlung gemeldeten und im Berichtsjahr zu besetzenden betrieblichen und außerbetrieblichen Berufsausbildungsstellen für anerkannte Ausbildungsberufe nach dem BBiG. Hierzu zählen auch Ausbildungsplätze in Berufsbildungswerken und sonstigen Einrichtungen, die Ausbildungsmaßnahmen für Menschen mit Behinderungen durchführen, aber auch Ausbildungen im Rahmen eines dualen, ausbildungsintegrierenden Studiums oder einer Abiturientenausbildung, die den Abschluss einer Berufsausbildung nach dem BBiG beinhaltet. Für die Berufsausbildungsstellen muss ein Vermittlungsauftrag und für den ausbildenden Betrieb eine Ausbildungsberechtigung der zuständigen Stelle vorliegen.
Betriebliche Berufsausbildungsstellen sind in Betrieben durchgeführte Berufsausbildungen. Im Gegensatz dazu bieten selbständige, nicht einem Betrieb angegliederte Bildungseinrichtungen außerbetriebliche Berufsausbildungsstellen an. Das können sein: Berufsbildungswerke, Berufsförderungswerke, Berufsfortbildungswerke, Berufsbildungszentren, Rehabilitationszentren und reine Ausbildungsbetriebe. Zu den außerbetrieblichen Berufsausbildungsstellen zählen u. a. Berufsausbildungen in außerbetrieblichen Einrichtungen (BaE) und Ausbildungsmaßnahmen für Menschen mit Behinderungen nach § 117 SGB III.
Unbesetzte Berufsausbildungsstellen sind alle betrieblichen Berufsausbildungsstellen, die zum jeweiligen Stichtag noch offen sind und für die weiterhin ein Vermittlungsauftrag besteht.
Die Angaben zu den gemeldeten Ausbildungsstellen enthalten nicht die von JC zkT gelieferten Daten. Nach Einschätzung der Statistik der BA dürften bei den JC zkT nur wenige ungeförderte Ausbildungsstellen nach dem Berufsbildungsgesetz (BBiG) gemeldet sein, die nicht gleichzeitig bei den AA bzw. JC gE erfasst sind. Deshalb wird der Zahl der Bewerberinnen und Bewerber einschließlich JC zkT die Zahl der Berufsausbildungsstellen ohne JC zkT gegenübergestellt.

Einschaltungsgrad
Der Einschaltungsgrad bei gemeldeten Bewerberinnen/Bewerbern und Ausbildungsstellen wird – gemessen an Gesamtangebot und Gesamtnachfrage – als sehr hoch eingeschätzt. Ein nicht bezifferbarer Teil der Inanspruchnahme durch Betriebe und Jugendliche – insbesondere der freiwilligen Inanspruchnahme nach dem SGB III – richtet sich nach den jeweiligen Verhältnissen auf dem Ausbildungsmarkt. Bei wachsendem Nachfrageüberhang nutzen Ausbildungsbetriebe die Ausbildungsvermittlung seltener und später, die Jugendlichen jedoch häufiger und früher. Bei einem Angebotsüberhang verhält es sich umgekehrt. Daher sind direkte Rückschlüsse auf die absoluten Zahlen von Gesamtangebot und Gesamtnachfrage nicht möglich.

Zeitliche Vergleichbarkeit

April 2021: Änderungen erfasster Berufe im Zusammenhang mit dualem Studium
Mit Wirkung zum Berichtsmonat April 2021 wurde bei einigen Bewerberinnen und Bewerbern für Berufsausbildungsstellen und bei einigen Berufsausbildungsstellen der operativ erfasste gewünschte Beruf vor der statistischen Verarbeitung zu einem Beruf geändert, der kein anerkannter Ausbildungsberuf nach dem Berufsbildungsgesetz (BBiG) ist. Dadurch fallen Bewerberinnen und Bewerber und Ausbildungsstellen aus der Grundgesamtheit der Ausbildungsmarktstatistik heraus. Grund für diese der Statistik vorgelagerte technische Änderung ist ein Versionswechsel im operativen Fachverfahren der BA, der die Erfassung von Ausbildungsberufen eines dualen Studiums ermöglicht. Bei Auswertungen nach regionaler und beruflicher Gliederung kann dies im Vormonatsvergleich zu einem Rückgang der Anzahl der Bewerberinnen und Bewerber für Berufsausbildungsstellen bzw. Berufsausbildungsstellen führen.


Januar 2021: Einführung der KldB 2010 – überarbeitete Fassung 2020
Einmal im Jahr wird in der Klassifikation der Berufe 2010 (KldB 2010) die Zuordnung von Einzelberufen unter berufskundlichen Aspekten überprüft und bei Bedarf angepasst. Dabei werden Einzelberufe anderen Berufsgattungen (KldB 2010-5-Steller) zugeordnet. Nach fast zehnjährigem Einsatz wurde zudem die KldB 2010 selbst überarbeitet und eine neue Version „Klassifikation der Berufe 2010 – überarbeitete Fassung 2020“ erstellt. Sie führt zwei neue Berufsuntergruppen (KldB 2010-4-Steller) und 14 neue Berufsgattungen (KldB 2010-5-Steller) ein. Zudem sind eine Berufsuntergruppe und eine Berufsgattung innerhalb der Systematik umgezogen. Eine Berufsuntergruppe und eine Berufsgattung wurden umbenannt. Ab dem Berichtsmonat Januar 2021 wurden Bewerberinnen/Bewerber sowie Berufsausbildungsstellen entsprechend neu zugeordnet. Die Änderungen erfolgten unterhalb der Ebene der Berufsgruppe (KldB 2010-3-Steller). Rückwirkende Änderungen für die Berichtsmonate vor Januar 2021 fanden nicht statt. Weitere Informationen finden Sie im Internetangebot der BA-Statistik.
Informationen zu wichtigen Änderungen vor 2020 finden Sie im Internetangebot der BA-Statistik.

Ergänzung BiSMit bzgl. Interpretation

"Vielfach ist von einer Angebots-Nachfrage-Relation von ANR = 112,5 (also von einem Angebotsüberhang von 12,5 %) die Rede, doch resultiert dieser immer wieder genannte Richtwert aus einem politischen Kompromiss der sozialliberalen Koalition in den 1970er-Jahren und nicht aus einer wissenschaftlichen Begründung: "Sie ist vielmehr der Mittelwert aus der damaligen SPD-Forderung nach 20 % und der FDP-Vorstellung von 5 % Überhang" (KATH 1999, S. 102)." (Quelle: BIBB, zuletzt überprüft 24.06.2022)

Quellen

Brugger, Pia; Gawronski, Katharina; Giar, Katharina; Hetmeier, Heinz-Werner; Leidel, Melanie; Schmidt, Nora et al. (2020): Anwendungsleitfaden für den Aufbau eines kommunalen Bildungsmonitorings, Hg. v. Transferinitiative Kommunales Bildungsmanagement, Online verfügbar unter: https://www.kommunales-bildungsmonitoring.de/fileadmin/user_upload/206902__DLR_
leitfaden.pdf, zuletzt geprüft am 27.06.2022.
Bundesinstitut für Berufsbildung: Angebots-Nachfrage-Relation (ANR), online verfügbar unter: https://www.bibb.de/de/4377.php, zuletzt überprüft 24.06.2022






Definitionen G74 und G75 {.hidden}
=========================================

G7.4 Anzahl der Eintritte in Maßnahmen zur Förderung der beruflichen Weiterbildung
G7.5 Beteiligungsquote an arbeitsmarktbezogener Weiterbildung
Datenquelle
Statistik zur Förderung der beruflichen Weiterbildung der Bundesagentur für ArbeitArbeitsmarktstatistik der Bundesagentur für Arbeit (EVAS-Nr. 132 11), Regionaldatenbank Deutschland: Tabelle 659-71-4

Daten bezogen über die Bundesagentur für Arbeit.

Periodizität der Daten

Eintritte in geförderte Weiterbildungsmaßnahmen:  Monatlich, mit einer Wartezeit von drei MonatenAnzahl der Arbeitslosen: Zeitreihe - Jahresdurchschnitte

Berechnung
Beteiligungsquote einer Bevölkerungsgruppe x in %: (Anzahl der Eintritte einer Bevölkerungsgruppe x in Weiterbildungsmaßnahmen / Anzahl der Arbeitslosen einer Bevölkerungsgruppe x) * 100

Definitionen

Eintritte in geförderte Weiterbildungsmaßnahmen: Zahl der Eintritte in arbeitsmarktbezogene
berufliche Weiterbildungsmaßnahmen der Bundesagentur für Arbeit

Hinweise zur Förderstatistik (Quelle: Bundesagentur für Arbeit): Erhebungsgegenstand und begriffliche Abgrenzung
Die Grundgesamtheit der Förderstatistik bilden Förderungen bzw. Teilnahmen von Personen an Maßnahmen der aktiven Arbeitsmarktförderung (§ 3 Abs. 2 SGB III) und Leistungen zur Eingliederung (§§ 16 bis 16i SGB II) des Bundes. Es erfolgt eine Zählung von Förderfällen bzw. Teilnahmen, nicht von Personen. Folglich wird eine Person, die mehrere Förderleistungen erhält, mehrfach gezählt.


Regionale Zuordnung

Die regionale Zuordnung einer Förderung erfolgt standardmäßig nach dem Wohnort der teilnehmenden Person. Es kann aber auch dargestellt werden, welche Arbeitsagentur oder welches Jobcenter die Kosten einer Förderung trägt.
Art der Datengewinnung
Die Daten der Förderstatistik werden als Sekundärstatistik aus Prozessdaten von Agenturen für Arbeit und Jobcentern zu Förderungen von Personen in Form einer Vollerhebung gewonnen.
Grundlage für die Erstellung der Förderstatistik ist für alle Arbeitsagenturen und Jobcenter als gemeinsamer Einrichtung (gE) das operative IT-Verfahren computergestützte Sachbearbeitung (COSACH), in dem alle förderungsrelevanten Informationen über Teilnahmen, Maßnahmen und Träger im Rahmen der Geschäftsprozesse laufend aktualisiert werden.
Jobcenter, die die Aufgaben als Träger der Grundsicherung in Form eines zugelassenen kommunalen Trägers (zkT) durchführen, übermitteln die Daten zur Förderung nach dem Datenstandard XSozial-BA-SGB II gemäß § 51b SGB II. Die Förderinformationen werden seit Anfang 2006 von der Statistik der Bundesagentur für Arbeit (BA) aufbereitet. Daten aus den Quellen XSozial und BA-Fachverfahren werden mittels des XSozial-Maßnahmeartschlüssels bzw. der COSACH-Kennzeichnung einer übergreifenden Systematik von Förderarten zugeordnet. Auf dieser Basis werden Kennzahlen nach einheitlichen Vorgaben berechnet. Damit wird die Vergleichbarkeit der Förderstatistiken aus den unterschiedlichen Datenquellen gewährleistet.
In die Förderstatistik fließen auch soziodemographische Merkmale, Informationen zum Leistungsbezug sowie zum Arbeitslosigkeits- und Beschäftigungsstatus der Teilnehmenden ein. Diese Daten stammen aus anderen Verfahren der Statistik der BA und werden an die Förderdaten angefügt.
Methodische Hinweise zur Förderung beruflicher Weiterbildung (Quelle: Bundesagentur für Arbeit):
Die Förderung der beruflichen Weiterbildung nach §§ 81 - 87 SGB III, § 111a und 131a SGB III ist ein arbeitsmarktpolitisches Instrument, um Arbeitnehmerinnen und Arbeitnehmer sowie die Betriebe bei Weiterbildungsbedarf zu unterstützen.
Arbeitnehmerinnen und Arbeitnehmer können gefördert werden, wenn die Weiterbildung notwendig ist, um sie bei Arbeitslosigkeit beruflich einzugliedern, um eine drohende Arbeitslosigkeit zu vermeiden oder weil sie keinen Berufsabschluss besitzen. Auch im Rahmen eines bestehenden Arbeitsverhältnisses können unter bestimmten Voraussetzungen Arbeitnehmerinnen und Arbeitnehmer bei beruflicher Weiterbildung gefördert werden (Beschäftigtenqualifizierung), außerdem von Arbeitslosigkeit bedrohte Beschäftigte während des Bezugs von Transferkurzarbeitergeld.
Die Förderung der beruflichen Weiterbildung (einschließlich der allgemeinen Reha-Förderungen) gliedert sich nach Förderungen mit Abschluss in einem anerkannten Ausbildungsberuf ("Umschulung") und sonstige Weiterbildungen. Weiterbildungen mit Abschluss können bei einem Träger (Gruppenmaßnahme) oder bei einem Arbeitgeber als betriebliche Einzelmaßnahme gemacht werden.
Sonstige berufliche Weiterbildungen umfassen:
mit zertifizierter Teilqualifikation 
Vorbereitungslehrgang auf Externen-/Schulfremdenprüfung 
berufsbezogen übergreifend 
berufl. Aufstiegsweiterbildung 
umschulungsbegleitende Hilfen 
Vermittlung von Grundkompetenzen 
Übungsfirmen/-werkstätten/-einrichtungen


Wichtig

Weiterbildungen mit zertifizierter Teilqualifikation, berufsbezogen übergreifende sowie berufliche Aufstiegsweiterbildungen sind nicht Teil der Datenlieferung
Weiterbildungsprämie
Arbeitnehmerinnen und Arbeitnehmer, die an einer beruflichen Weiterbildung nach § 81 SGB III teilnehmen, erhalten beim Bestehen einer durch die Ausbildungsordnung vorgeschriebenen Zwischenprüfung eine Prämie von 1.000 Euro und beim Bestehen der Abschlussprüfung eine Prämie von 1.500 Euro. 
Für bestehende Förderungen wird berichtet, ob eine Prämie zur Zwischenprüfung gezahlt wurde, für abgeschlossene Förderungen, ob eine Prämienzahlung zur Zwischen- und Abschlussprüfung erfolgte. Die Statistik zur Weiterbildungsprämie wird mit der in der Förderstatistik üblichen Wartezeit von drei Monaten berichtet. Da die Information zur Prämienzahlung teilweise jedoch erst später vorliegt, wird dieses Datum auch nach Ablauf dieser Wartezeit, bis zu 24 Monate nach Ende der Förderung, aktualisiert. 
Z. Z. werden nur Förderungen mit Kostenträgerschaft im Rechtkreis im SGB III berichtet und nur Weiterbildungen, die nach dem 1. August 2016 in einer Maßnahmenkategorie begonnen wurden, für die eine Prämienzahlung zulässig ist.

Methodische Hinweise zur Statistik der Arbeitslosen und Arbeitssuchenden (Quelle: Bundesagentur für Arbeit, Stand 29.06.2021):
Definitionen

Arbeitsuchende sind Personen, die
eine versicherungspflichtige, mindestens 15 Stunden wöchentlich umfassende Beschäftigung suchen,  
sich wegen der Vermittlung in ein entsprechendes Beschäftigungsverhältnis bei einer Agentur für Arbeit oder einem Jobcenter gemeldet haben,
die angestrebte Tätigkeit ausüben können und dürfen.
Dies gilt auch, wenn sie bereits eine Beschäftigung oder eine selbständige Tätigkeit ausüben (§ 15 Sozialgesetzbuch Drittes Buch - SGB III).  Bei den Arbeitsuchenden wird zwischen arbeitslosen und nichtarbeitslosen Arbeitsuchenden unterschieden.

Arbeitslose sind Personen, die 
vorübergehend nicht in einem Beschäftigungsverhältnis stehen oder nur eine weniger als 15 Stunden wöchentlich umfassende Beschäftigung ausüben (Beschäftigungslosigkeit),
eine versicherungspflichtige, mindestens 15 Stunden wöchentlich umfassende Beschäftigung suchen (Eigenbemühungen),  
den Vermittlungsbemühungen der Agentur für Arbeit oder des Jobcenters zur Verfügung stehen, also arbeiten dürfen, arbeitsfähig und -bereit sind (Verfügbarkeit), 
in der Bundesrepublik Deutschland wohnen,
nicht jünger als 15 Jahre sind und die Altersgrenze für den Renteneintritt noch nicht erreicht haben und
sich persönlich bei einer Agentur für Arbeit oder einem Jobcenter arbeitslos gemeldet haben. 
Für Hilfebedürftige nach dem SGB II findet nach § 53a Abs. 1 SGB II die Arbeitslosendefinition des § 16 SGB III sinngemäß Anwendung.

Als nichtarbeitslose Arbeitsuchende gelten Arbeitsuchende, die die besonderen, für die Zählung als Arbeitslose geforderten Kriterien (z. B. hinsichtlich der Beschäftigungslosigkeit oder der erhöhten Anforderungen an die Verfügbarkeit für die Arbeitsvermittlung) nicht erfüllen oder nach gesetzlicher Vorgabe nicht als arbeitslos gelten. 
Somit zählen beispielsweise als nichtarbeitslos arbeitsuchend Personen, die
kurzzeitig (≤ 6 Wochen) arbeitsunfähig sind,
sich nach § 38 Abs. 1 SGB III frühzeitig arbeitsuchend gemeldet haben,
15 Stunden und mehr beschäftigt sind,
am 2. Arbeitsmarkt beschäftigt sind,
an einer Maßnahme zur Aktivierung und beruflichen Eingliederung, an beruflichen Weiterbildungsmaßnahmen oder anderen arbeitsmarktpolitischen Maßnahmen teilnehmen,
nach § 53a Abs. 2 SGB II nicht als arbeitslos zählen (nach Vollendung des 58. Lebensjahres mindestens für die Dauer von zwölf Monaten Leistungen der Grundsicherung für Arbeitsuchende bezogen haben, ohne dass ihnen eine sozialversicherungspflichtige Beschäftigung angeboten worden ist) oder
eine Beschäftigung suchen, aber die weiteren Kriterien des § 16 SGB III für die Zählung als Arbeitslose nicht erfüllen.
Weitere Definitionen finden Sie im Glossar der Statistik der BA.
Weiterführende Informationen können direkt auf der Website der Bundesagentur für Arbeit  nachgelesen werden.


Quellen

Brugger, Pia; Gawronski, Katharina; Giar, Katharina; Hetmeier, Heinz-Werner; Leidel, Melanie; Schmidt, Nora et al. (2020): Anwendungsleitfaden für den Aufbau eines kommunalen Bildungsmonitorings, Hg. v. Transferinitiative Kommunales Bildungsmanagement, Online verfügbar unter: https://www.kommunales-bildungsmonitoring.de/fileadmin/user_upload/206902__DLR_
leitfaden.pdf, zuletzt geprüft am 27.06.2022.




Definitionen E124 und E125 {.hidden}
=========================================

E12.4 Neu abgeschlossene Ausbildungsverträge
E12.5 Anteile neu abgeschlossener Ausbildungsverträge nach Ausbildungsbereich oder Berufsgruppe
Datenquelle
Berufsbildungsstatistik, abrufbar über die Statistischen Landesämter

Daten bezogen über die Statistischen Landesämter (SH, ST, TH)

Periodizität der Daten

Jährliche Erhebung der Bundesagentur für Arbeit zum Stichtag 30.09.

Definition

Ausbildungsbereiche: "In der Berufsbildungsstatistik werden folgende Ausbildungsbereiche unterschieden:

 Industrie und Handel (IH), einschließlich Banken, Versicherungen, Gast- und Verkehrsgewerbe
 Handwerk (Hw)
 Landwirtschaft (Lw)
 Öffentlicher Dienst (ÖD)
 Freie Berufe (FB)
 Hauswirtschaft (Haus)

Diese Gliederung deckt sich nicht mit der Wirtschaftsgliederung nach der Systematik der Wirtschaftszweige, da sich nach dem Berufsbildungsgesetz die Zuständigkeit für die Berufsausbildung vielfach nach der Art des Ausbildungsberufs und nicht nach der Zugehörigkeit des Ausbildungsbetriebs zu einem bestimmten Wirtschaftsbereich richtet. Dies führt insbesondere im öffentlichen Dienst zu einer Untererfassung der Auszubildenden; alle Jugendlichen, die im öffentlichen Dienst für Berufe der gewerblichen Wirtschaft ausgebildet werden, sind in der Berufsbildungsstatistik den Bereichen „Industrie und Handel“ oder „Handwerk“ zugeordnet, weil sie in den Verzeichnissen der Ausbildungsverhältnisse der Industrie- und Handelskammern oder der Handwerkskammern geführt werden. Ebenfalls
unvollständig dargestellt wird die Zahl der Auszubildenden des Ausbildungsbereichs „Freie Berufe“, weil einige der dort angebotenen Ausbildungsberufe in den Zuständigkeitsbereich der Industrie- und Handelskammern fallen (z. B. Kaufmann und Kauffrau für Bürokommunikation, Bürokaufmann und Bürokauffrau, Technischer Zeichner und Technische Zeichnerin, Bauzeichner und Bauzeichnerin). Ein gesonderter Nachweis der Auszubildenden, die im öffentlichen Dienst für Berufe der gewerblichen Wirtschaft ausgebildet werden, ist unter Zuhilfenahme des Merkmals „Zugehörigkeit der Ausbildungsstelle zum öffentlichen Dienst“ möglich, das für neu abgeschlossene Ausbildungsverträge erfasst wird.

Im Einzelnen ist die Zuständigkeit für die Berufsausbildung im Berufsbildungsgesetz festgelegt. (Quelle: Statistisches Landesamt Sachsen-Anhalt (Hrsg.): Berufliche Schulen, Berufsausbildung. Auszubildende und Prüfungen, Herausgabemonat August 2021, Stand: 31.12.2020, S. 5, online verfügbar unter: https://statistik.sachsen-anhalt.de/fileadmin/Bibliothek/Landesaemter/StaLa/startseite/Themen/Bildung/Berichte/Berufliche_Schulen-Berufsbildung/6B202_2020-A.pdf, zuletzt geprüft am 24.06.2022)

Neu abgeschlossene Ausbildungsverträge: "Als neu abgeschlossene Ausbildungsverträge werden nur solche Verträge gezählt, die im Berichtsjahr (= Kalenderjahr) angetreten und bis zum 31. Dezember nicht vorzeitig gelöst wurden. Es werden demnach die Fälle (neu abgeschlossene Ausbildungsverträge) und nicht Personen gezählt. Dies hat zur Folge, dass die Zahl der neu abgeschlossenen Ausbildungsverhältnisse keine Teilmenge der Zahl der Auszubildenden am 31.12. des Berichtsjahres ist. In der Zahl der neu abgeschlossenen Ausbildungsverträge sind auch Anschlussverträge enthalten. Die im Ausbildungsbereich Landwirtschaft neu abgeschlossenen Ausbildungsverträge für eine Fremdlehre, die im Anschluss an einen Ausbildungsabschnitt im elterlichen Betrieb angetreten werden, zählen nicht zu den neu abgeschlossenen Ausbildungsverträgen.

Dagegen kann die Zahl der neu abgeschlossenen Ausbildungsverträge auch Auszubildende umfassen, die ein bestehendes Ausbildungsverhältnis vorzeitig gelöst haben und nun ihre Berufsausbildung in einem anderen Ausbildungsberuf und ggf. in einem anderen Ausbildungsbetrieb weiterführen (Ausbildungswechsler und Ausbildungswechslerinnen); darunter fallen auch Auszubildende, die ihre Berufsausbildung im ursprünglichen Ausbildungsberuf in einem anderen Ausbildungsbetrieb fortsetzen (Betriebswechsler und Betriebswechslerinnen); außerdem können Auszubildende, die bereits eine betriebliche Berufsausbildung abgeschlossen haben und eine 2. betriebliche Berufsausbildung beginnen, miterfasst werden." (Quelle: Statistisches Landesamt Sachsen-Anhalt (Hrsg.): Berufliche Schulen, Berufsausbildung. Auszubildende und Prüfungen, Herausgabemonat August 2021, Stand: 31.12.2020, S. 6, online verfügbar unter: https://statistik.sachsen-anhalt.de/fileadmin/Bibliothek/Landesaemter/StaLa/startseite/Themen/Bildung/Berichte/Berufliche_Schulen-Berufsbildung/6B202_2020-A.pdf, zuletzt geprüft am 24.06.2022)


Regionale Zuordnung
Die regionale Zuordnung richtet sich nach dem Standort des Ausbildungsbetriebes

Berechnung

Anteil des Ausbildungsbereichs bzw. der Berufshauptgruppe x in %: (Anzahl der Neuabschlüsse im Ausbildungsbereich bzw. der Berufshauptgruppe x / Gesamtzahl der neu abgeschlossenen Ausbildungsverträge) * 100 

Quellen

Brugger, Pia; Gawronski, Katharina; Giar, Katharina; Hetmeier, Heinz-Werner; Leidel, Melanie; Schmidt, Nora et al. (2020): Anwendungsleitfaden für den Aufbau eines kommunalen Bildungsmonitorings, Hg. v. Transferinitiative Kommunales Bildungsmanagement, Online verfügbar unter: https://www.kommunales-bildungsmonitoring.de/fileadmin/user_upload/206902__DLR_
leitfaden.pdf, zuletzt geprüft am 27.06.2022.
Statistisches Landesamt Sachsen-Anhalt (Hrsg.): Berufliche Schulen, Berufsausbildung. Auszubildende und Prüfungen, Herausgabemonat August 2021, Stand: 31.12.2020, S. 6, online verfügbar unter: https://statistik.sachsen-anhalt.de/fileadmin/Bibliothek/Landesaemter/StaLa/startseite/Themen/Bildung/Berichte/Berufliche_Schulen-Berufsbildung/6B202_2020-A.pdf, zuletzt geprüft am 24.06.2022



Definitionen G76 G121 und G152 {.hidden}
=========================================

G7.6 Schüler/-innen in Bildungsgängen zur beruflichen Weiterbildung an Fachschulen
G12.1 Neueintritte in Bildungsgänge zur beruflichen Weiterbildung an Fachschulen
G15.2 Erfolgsquote in Bildungsgängen zur beruflichen Weiterbildung

Datenquelle
Amtliche Schulstatistik

Daten bezogen über die Statistischen Landesämter (SH, ST, TH)

Periodizität der Daten

Jährliche Erhebung, i.d.R zu Beginn des Schuljahres

Definitionen

Anzahl der Schüler/-innen: Anzahl der Schüler/-innen, die zu einem Stichtag regelmäßig einen Bildungsgang im Bereich der beruflichen Weiterbildung an Fachschulen besuchen (Brugger/Gawronski/Giar et al. (2020), S.184)

Anzahl der neu eingetretenen Schüler/-innen: Anzahl der neu eingetrenenen Schüler/-innen in Bildungsgänge im Bereich der beruflichen Weiterbildung an Fachschulen (Brugger/Gawronski/Giar et al. (2020), S.185)

Erfolgreicher Abschluss: Erreichen des Bildungsziels des besuchten Bildungsgangs (Brugger/Gawronski/Giar et al. (2020), S.186)

Fachschulen: Fachschulen führen zu qualifizierten Abschlüssen der beruflichen Weiterbildung und haben zum Ziel,
Fachkräfte mit in der Regel beruflicher Erfahrung zu befähigen:
 Führungsaufgaben in Betrieben, Unternehmen, Verwaltungen und Einrichtungen zu übernehmen
und/oder
selbstständig verantwortungsvolle Tätigkeiten auszuführen.
(Statistisches Landesamt Sachsen-Anhalt (2021), S.7)


Berechnung
Erfolgsquote in %: (Anzahl der erfolgreichen Abschlüsse im Bereich der beruflichen Weiterbildung / Gesamtzahl der Absolventen im Bereich der beruflichen Weiterbildung) * 100 (Brugger/Gawronski/Giar et al. (2020), S.186)

Methodischer Hinweis BiSMit

Die Einordnung in Fachschulen in die verschiedenen Bildungsgänge Technik, Wirtschaft, Sozialwesen und Agrarwirtschaft bestand in den Daten, die wir aus dem Statistischen Landesamt Sachsen-Anhalt erhalten haben bereits. Die Daten aus dem Statistischen Landesamt Sachsen lagen ohne eine Zuordnung zu den Bildungsgängen vor. Die Zuordnung ist von uns vorgenommen worden. Der dadurch neu entstandene Bildungsgang "Sonstiges" umfasst dabei in erster Linie Fachschulen im Bereich Gestaltung. In der folgenden Tabelle ist nachvollziehbar dargestellt, welche Schulformen aus Sachsen von uns in welche Bildungsgänge eingeordnet worden sind.

```{r}
library(tidyverse)
library(formattable)


tbl<- read_delim("//FSHalle/Groups/FSP1/BiSMit/04_Bildungsmonitoring_Kennzahlenvergleich/03_Daten/08_Einteilung_Bildungsgang_Schulform/Bildungsgang_Schulform_Zuordnung.csv", 
                                                                           ";", escape_double = FALSE, locale = locale(encoding = "WINDOWS-1252"), 
                                                                           trim_ws = TRUE)


tbl <- 
  tbl %>% 
  mutate_if(is.character, ~replace(., is.na(.), " "))

formatter_backround_green <- formatter("span", 
                                       style = ~ formattable::style("background-color" = "#16e813"))
formatter_backround_green_light <- formatter("span", 
                                             style = ~ formattable::style("background-color" = "#8fe813"))
formatter_backround_yellow <- formatter("span", 
                                        style = ~ formattable::style("background-color" = "#d3e813"))
formatter_backround_orange <- formatter("span", 
                                        style = ~ formattable::style("background-color" = "#e8dd13"))
formatter_black_bold <- formatter("span", 
                                  style = ~ formattable::style(color = "black",
                                                               font.weight = "bold"))
formatter_gray <- formatter("span", 
                            style = ~ formattable::style(color = "gray"))


formattable(tbl,
            align = "l",
            list(area(col = c(1,2))~ formatter_gray,
                 area(col = c(2))~ formatter_black_bold)
            )
```

Quellen

Brugger, Pia; Gawronski, Katharina; Giar, Katharina; Hetmeier, Heinz-Werner; Leidel, Melanie; Schmidt, Nora et al. (2020): Anwendungsleitfaden für den Aufbau eines kommunalen Bildungsmonitorings, Hg. v. Transferinitiative Kommunales Bildungsmanagement, Online verfügbar unter: https://www.kommunales-bildungsmonitoring.de/fileadmin/user_upload/206902__DLR_
leitfaden.pdf, zuletzt geprüft am 27.06.2022.
Statistisches Landesamt Sachsen-Anhalt (Hrsg.) (2021): Berufliche Schulen, Berufsbildung. Berufsbildende Schulen und Schulen im Gesundheitswesen. Schuljahr 2020/21, online verfügbar unter: https://statistik.sachsen-anhalt.de/fileadmin/Bibliothek/Landesaemter/StaLa/startseite/Themen/Bildung/Berichte/Berufliche_Schulen-Berufsbildung/6B201_2020-21-A-Korrekturausgabe.pdf, zuletzt geprüft am 27.06.2022.