Altschuldenentlastungsgesetz - ASEG NRW

Christoph Heck • 27. Februar 2025

Einleitung und Überblick

Nach § 89 Absatz 2 Satz 1 der Gemeindeordnung für das Land Nordrhein-Westfalen kann eine Gemeinde Kredite zur Liquiditätssicherung (Liquiditätskredite bzw. Kassenkredite) aufnehmen, um die jederzeitige Zahlungsfähigkeit sicherzustellen. In der Praxis haben sich diese Liquiditätskredite in vielen Kommunen jedoch zu einem dauerhaften Finanzinstrument entwickelt, was eigentlich verboten ist und ein hohes (Zins-) Risiko darstellt.


Als Beleg für diese Entwicklung wird die Höhe der in den Kommunalbilanzen ausgewiesenen "Verbindlichkeiten zur Liquiditätssicherung" herangezogen. Ende 2023 wurde ein Bestand in Höhe von ca. 20 Mrd. Euro festgestellt. Trotz des Rückganges um fast 8 Mrd. Euro seit 2016 wird der aktuelle Stand immer noch als zu hoch betrachtet, insbesondere in einzelnen hochverschuldeten Kommunen. Diesen mangelt es nach aktueller Sachlage an einer Perspektive, diese hohen Kassenkredite jemals zurückführen zu können (sog. "Vergeblichkeitsfalle").


Vor diesem Hintergrund hat die Landesregierung NRW am 25. Februar 2025 einen Gesetzesentwurf (Referentenentwurf) eines Altschuldenentlastungsgesetzes NRW (ASEG NRW) zur Entlastung hochverschuldeter Kommunen beschlossen. Ziel ist es, dass nach der Entschuldung (=Schuldübernahme durch das Land) keine Kommune mehr als 1.500 EURO pro Einwohner an Liquiditätskrediten hat. Dafür stellt das Land NRW 30 Jahre lang einen Betrag von jeweils 250 Mio. EURO zur Verfügung. 

Einzelregelungen des E-ASEG NRW (Entwurf zum Altschuldenentlastungsgesetz)

Ausweislich § 5 Absatz 2 E-ASEG NRW (Entwurf zum Altschuldenentlastungsgesetz) soll die Entschuldung kumulativ drei Kriterien erfüllen (Auszug):
( ... )

  1. Übergang von insgesamt bis zu 50 Prozent des gemeldeten und geprüften Gesamtvolumens der übermäßigen kommunalen Verbindlichkeiten zur Liquiditätssicherung in die Schuld des Landes Nordrhein-Westfalen (Höchstgrenze aller übernommenen Schulden).
  2. Nach Teilnahme hat keine Kommune einen höheren Bestand an berücksichtigungsfähigen übermäßigen Verbindlichkeiten als 1.500 Euro je Einwohnerin und Einwohner (Spitzenentlastung).
  3. Alle Kommunen erhalten hinsichtlich ihrer Betroffenheit von übermäßigen Verbindlichkeiten zur Liquiditätssicherung eine einheitliche Mindestentschuldung soweit die örtlichen Kassenkredite einen Betrag von 100 Euro pro Einwohner überschreiten.


Interessant scheinen vor diesem Hintergrund der Begriff der "übermäßigen Verbindlichkeiten" für alle Kassenkredite jenseits 100 Euro pro Einwohner und der Betrag von 1.500 Euro pro Einwohner, der als absolute Obergrenze für alle Kassenkredite festgelegt wurden. Woher kommen diese Betragsgrenzen?
 

Naheliegend wäre, dass sich der Betrag von 1.500 Euro als Pro-Kopf-Mittelwert aller Kassenkredite der NRW-Kommunen ergeben hat. Ein Blick in die kommunale Schulden-Statistik der it.nrw (Landesdatenbank, Reihe Öffentliche Finanzen Nr. 71327K-01i) zeigt jedoch, dass dies jedenfalls für den Referenzzeitpunkt 31.12.2023 nicht der Fall ist. Die einschlägige Statistik der it.nrw "Kredite, Kassenkredite und Wertpapierschulden der Gemeinden und Gemeindeverbände Nordrhein-Westfalens" - 219_24 - weist als Pro-Kopf-Kassenkredite zum 31.12.2023 einen Betrag von 1.060 Euro aus. Eigene Berechnungen auf Basis der o.g. Statistik 71327K-01i ergeben ebenfalls einen Pro-Kopf-Betrag in Höhe von (19.236.488.524 : 18.152.449 =) 1.059,72 Euro.


Das im Wege des E-ASEG NRW (Entwurf zum Altschuldenentlastungsgesetz) vorgesehene Verfahren sieht einen mehrstufigen "iterativen" Berechnungsprozess vor, wenn man so will, eine Art Algorithmus. Es werden mehrere Ziele verfolgt (vgl. die Gesetzesbegründung):


  • die höchstverschuldeten Kommunen sollen gezielt und substanziell entlastet werden, keine Kommune hat hinterher mehr als 1.500 Euro Pro-Kopf-Schulden an Liquiditätskrediten
  • die Entschuldung wird auf einen (noch festzustellenden) Höchstbetrag begrenzt, der sich aus der hälftigen Summe aller gemeldeten und akzeptierten sogenannten "übermäßigen Kassenkredite" (das sind alle Beträge, die einen Mindestbetrag von 100 Euro pro Kopf übersteigen) errechnet (nach unseren Berechnungen sind das 8.643 Mio. Euro).


Wenn alle Kommunen ihren Bestand an "übermäßigen Kassenkrediten" anmelden, ergibt sich nach unseren Berechnungen eine Gesamtsumme i.H.v. ca. 11.539 Mio. Demnach könnten rund 75% aller übermäßigen Kassenkredite anerkannt und übernommen werden.


Zur Sicherstellung eines gerechten Verfahrens und damit alle betroffenen Kommunen einen Vorteil aus dem Entschuldungsverfahren erlangen (und nicht einseitig etwa nur die höchstverschuldeten Kommunen) wird eine Mindestentschuldung in Höhe der hälftigen übermäßigen Kredite je Kommune zugelassen. Davon sollen insbesondere diejenigen Kommunen profitieren, deren Kassenkredite nicht die Grenze von 1.500 pro Kopf überschreiten. Das trifft nach unseren Berechnungen beispielsweise auf die Stadt Duisburg zu, was angesichts der Gesamthöhe der Verschuldung auf den ersten Blick überrascht. Nach den Zahlen von it.nrw käme Duisburg auf eine pro-Kopf-Verschuldung bei Liquiditätskrediten von 1.495 Euro und damit knapp unter die Obergrenze.


Es ist offensichtlich gewollt, dass in einem mehrstufigen - iterativen - Berechnungsverfahren zunächst sichergestellt wird, dass die Obergrenze von 1.500 Euro pro Kopf und sodann die Mindestentschuldung in Höhe der Hälfte der übermäßigen Kassenkredite berechnet, die Gesamtentlastung als Summe dieser beiden Beträge ermittelt und schließlich die Gesamtsumme aller dieser Beträge auf die maximale Obergrenze von 8,64 Mrd. Euro nivelliert wird. Wenn die von uns berechnete Quote von 75% zutrifft, würden im Ergebnis dreiviertel der von den Kommunen gemeldeten Beträge vom Land übernommen. Nach diesem Verfahren würden nach unseren Berechnungen rund 220 der 430 Kommunen profitieren. Auf Kreisebene betrifft es im Wesentlichen wohl nur den Märkischen Kreis (soweit ersichtlich).


Als eine weitere Nebenbedingung in diesem von zahlreichen Bedingungen geprägten Verfahren ist bezweckt, dass sich die ursprüngliche Rangfolge der Pro-Kopf-Verschuldungen an Kassenkrediten durch das Entschuldungsverfahren möglichst wenig ändert. Dies soll ein weiterer Beleg für die Fairness des Verfahrens sein.


 Listet man diese Berechnungsschritte auf, ergibt sich unseres Erachtens folgendes Verfahren, bzw. pro Kommune ist zu berechnen oder festzustellen:


  1. Die amtlich fortgeschriebene Bevölkerungszahl zum 31. Dezember 2023 (siehe Anlage 1 der Gesetzesbegründung)
  2. Prüfung der Kassenkredite lt. festgestelltem Jahresabschluss 2023 der Kommune durch einen WP bzw. eine WPG (gem. § 4 Abs. 3 E-ASEG NRW)
  3. Berechnung der Pro-Kopf-Kassenkredite je Einwohner 
  4. Landessicht: Ranking der pro-Kopf-Verschuldung
  5. Berechnung der übermäßigen Kassenkredite gem. § 3 Abs. 3 E-ASEG NRW durch Abzug einer Untergrenze i.H.v. 100 Euro/EW 
  6. Berechnung der Verschuldungsobergrenze gem. § 5 Abs. 2 Nr. 2 E-ASEG NRW 
  7. Berechnung der Spitzenentlastung als Differenz von [6] zum (geprüften) IST-Stand am 31.12.2023 
  8. Berechnung der Mindestentlastung i.H.v. 50% von den übermäßigen Kassenkrediten am 31.12.2023 (Anm.: abzüglich der Spitzenentlastung [7]) gemäß § 5 Abs. 2 Nr. 1 E-ASEG NRW
  9. Berechnung der Gesamtentlastung I als rechnerisches Entlastungsvolumen (brutto) pro Gemeinde/Kreisverwaltung durch Addition von Mindest- und Spitzenentlastung 
  10. Berechnung der Gesamtentlastung II als an den Maximalbetrag angepasstes (Netto-)Entschuldungsvolumen
  11. Ergebnis 1: rechnerische Höhe der Kassenkredite nach der Entschuldung 
  12. Ergebnis 2: Pro-Kopf Kassenkredite nach Entschuldung 
  13. Ergebnis 3: Ranking der Pro-Kopf Verschuldung nach Entschuldung 
  14. Ergebnis 4: Reduzierung der pro-Kopf Verschuldung mit Kassenkrediten durch das E-ASEG 
  15. Landessicht: Vergleich des Rankings vor und nach der Entschuldung

Berechnungsergebnisse

Nach unseren -stark vereinfachten- Berechnungen (siehe das CHE-Berechnungsmodell) werden die genannten Ziele des Gesetzgebers durch dieses Verfahren (Algorithmus) nolens volens erreicht:


  1. Die Gesamtsumme der Schuldenübernahme beträgt schätzungsweise rund 8,64 Mrd.
  2. Die höchstverschuldeten Kommunen Oberhausen, Mülheim an der Ruhr, Leverkusen, Dortmund und Hagen erhalten die höchsten Entschuldungsbeträge, aber auch kleinere Kommunen wie Heimbach, Herten oder Oer-Erkenschwick profitieren deutlich (vgl. unsere Modellrechnung).
  3. Keine Kommune hat mehr als 1.500 Euro Kassenkredite pro Einwohner.
     

Rund die Hälfte (ca. 220) der NRW-Kommunen profitieren von der Entschuldung - wenn auch in unterschiedlichem Ausmaß. Nach unseren Berechnungen würden sich folgende weitere Ergebnisse ergeben (sofern zutreffend):


Anlagen

TOP 20 Gesamtentlastungen: siehe Anhang 1

TOP 20 Spitzenentlastungen: siehe Anhang 2

TOP 20 Mindestentlastungen: siehe Anhang 3

Abbildung: Berechnungsbeispiele einzelner Kommunen
 

Abbildung: Vergleich der Pro-Kopf-Verschuldung vor und nach der Schuldübernahme durch das Land NRW

Gesetzestext herunterladen

Unsere Angebote zum Altschuldenentlastungsgesetz NRW (ASEG NRW)

  1. Webinar zum Altschuldenentlastungsgesetz NRW (ASEG NRW)
  2. Checkliste zum Antragsverfahren gem. § 4 ASEG NRW
  3. Materialien (Lehrfoliensatz, Berechnungsmodelle, Statistiken und Beispiele)
Textauszüge aus dem Koalitionsvertrag zwischen CDU/CSU/SPD vom April 2025 zu ausgewählten Themen
von Christoph Heck 9. April 2025
Im Beitrag finden sich ausgewählte Textstellen zu wesentlichen Themenkreisen des Koalitionsvertrags mit kommunalem Bezug, beispielsweise zur Altschuldenproblematik, Digitalisierung und Änderungen in der Zusammenarbeit von Bund-Ländern und Kommunen, insbesondee bei der sogenannten Konnexitätsproblematik.
von Christoph Heck 31. März 2025
Wesentliche Themenfelder mit Auswirkungen auf das Management in Kommunalverwaltungen
von Christoph Heck 28. März 2025
Digitale Kassenprüfungen als continuous auditing Aufgabe der örtlichen Rechnungsprüfung in Kommunen
Praisberichte zu ProM-Projekten in Kommunalverwaltungen (Process Mining in Kommunen)
von Christoph Heck 26. März 2025
ProM-Projekte mit Process Mining in Kommunen (ProM-Analysen)
von Christoph Heck 13. März 2025
Was sind "JET-Analysen" ? Suche nach Auffälligkeiten Zur Feststellung von Auffälligkeiten (z.B. Ausreißer oder Doubletten) werden gemäß IDW PH 9.330.3, Tz. 72 in der Praxis Analysen durchgeführt, die oft unter dem Begriff „Journal Entry Testing (JET-Analysen)“ zusammengefasst werden. Journal Entry Testing bzw. JET-Analysen eignen sich sowohl zur Analyse des Kontrollumfelds als auch zur Feststellung von ungewöhnlichen Buchungen bzw. Merkmalen aus der Abbildung von Transaktionen. Bei festgestellten Auffälligkeiten sind weitere Prüfungshandlungen (insb. vertiefende Belegprüfungen) einzuleiten, um deren Ursachen anhand der zugrundeliegenden Geschäftsvorfälle zu untersuchen. Journal Entry Testing bzw. JET-Analysen liegt die Vorstellung zugrunde, dass die in einem Grund- oder Zeitbuch strukturierten Buchungssätze mittels digitaler Analysen zuverlässige Signale zu Fehlern oder Unregelmäßigkeiten (=Auffälligkeiten) eines computergestützten Buchführungsverfahrens vermitteln. Typische Journal Entry Testing bzw. JET-Analysen sind Schichten-, Gegenkonten-, Wochentags-, Belegverarbeitungs- oder Ziffernanalysen. Zur Veranschaulichung der Vorgehensweise einer JET-Analyse wird gerne auch die „7-W-Regel“ herangezogen. Demnach sind die folgenden sieben „W-Fragen“ zu beantworten : Warum wurde gebucht (Verursachung, Rechtsgrundlage) Was wurde gebucht (Art des Geschäftsvorfalles)? Wer hat gebucht (User)? Wann wurde gebucht (zeitgerecht/Zeitpunkt/periodengerecht)? Wie wurde gebucht (Sammel-/Einzelbuchung, automatisch/manuell)? Wohin wurde gebucht (sachlich zutreffende Konten-Zuordnung)? Welcher Betrag wurde gebucht (Betragshöhe abstimmbar?)? Journal Entry Testing bzw. JET-Analysen folgen grundsätzlich den allgemeinen Grundsätzen ordnungsmäßiger Datenanalysen. Demnach sind auch bei JET-Analysen die Hauptschritte Festlegung, welche Fehlerrisiken mittels Datenanalysen identifiziert bzw. in welchen Bereichen Datenanalysen eingesetzt werden sollen (=Analyseplanung) Definition der erwarteten Analyseergebnisse i.S.v. Vergleichs- und Erwartungswerten oder von Schwellen- und Toleranzwerten (Ergebniserwartung(en)) Aufgabendefinition und Auswahl der Analysemethode (=Projektmodell) Auswahl der für die Prüfungsdurchführung geeigneten Datenanalysewerkzeuge oder einer Kombination unterschiedlicher Analysewerkzeuge (IDEA/ACL, Excel, ActiveData Python, R, KNIME, ChatGPT, usw.) Bestimmung der für die Datenanalyse erforderlichen Datenquellen und Ansprechpartner Anforderung oder Bereitstellung der für die Datenanalyse benötigten Daten (Datenselektion) Abstimmung der erhaltenen Daten auf Richtigkeit, Vollständigkeit, Abdeckung des erforderlichen Zeitraums etc. (Validierung, Sichtprüfung) Aufbereitung der Daten für die Datenanalyse (z.B. durch Harmonisierung von Datenfeldlängen oder -formaten oder Erzeugung von Berechnungsfeldern) Durchführung und Dokumentation der eigentlichen Datenanalyse (Berechnungen) Interpretation des Ergebnisses der durchgeführten Datenanalyse in Bezug auf die zu treffenden Prüfungsaussag Zusammenfassung und Berichterstattung Qualitätssicherung und Dokumentation der Prüfungsdurchführung und der Prüfungsergebnisse in den Arbeitspapieren Der (erhoffte) Nutzen von Journal Entry Testing bzw. JET-Analysen Das Potential der Massendatenanalyse in Form einer Journal Entry Testing bzw. JET-Analyse insbesondere auch für eine wirtschaftliche Prüfung zeigt das folgende Beispiel (vgl. Zeis,A.:, Kommunale Rechnungsprüfung, 6.A., 2023, S. 227): Geprüft werden soll, ob Gehaltszahlungen nur an Beschäftigte mit laufendem Beschäftigungsverhältnis geleistet werden. Die Aufnahme des Geschäftsprozesses hat ergeben, dass alle Beschäftigten in einer Stammdatenliste geführt werden. Jedem Beschäftigten wird vom System bei der erstmaligen Erfassung eine eindeutige, fortlaufende Personalnummer und eine Kreditorennummer zugewiesen. Zum Zeitpunkt des Ausscheidens wird der Datensatz des Ausscheidenden vom Personalsachbearbeiter als "inaktiv" gekennzeichnet, dadurch wird automatisch die Kreditorennummer gelöscht. Die örtliche Prüfung beabsichtigt nun, u.A. durch den Abgleich aller Gehaltsüberweisungen im Prüfungszeitraum mit der Stammdatenliste zu Beginn und zum Ende des Prüfungszeitraumes Aussagesicherheit über 100 % der Grundgesamtheit zu schaffen oder im Falle von Abweichungen Ansatzpunkte für gezielte Einzelfallprüfungen zu generieren. Der Vorteil der Strategie sei, dass diese Prüfungshandlungen mit den Funktionen der Massendatenanalyse sehr schnell durchzuführen sind. Einzelfragen beim Einsatz von Journal Entry Testing bzw. JET-Analysen Massendatenanalysen (Journal Entry Testing bzw. JET-Analysen) verfolgen nach Zeis, A. (2023, S. 226) drei Grundfunktionen: • die Prüfung eines Datenbestandes im Hinblick auf Einhaltung bestimmter Kriterien und Vorgaben, • den Nachvollzug mathematischer Operationen und • den Abgleich unterschiedlicher Datenbestände. Massendatenanalysen ((Journal Entry Testing bzw. JET-Analysen) umfassen demnach im Einzelnen (Zeis, a.a.O, S. 230 ff.) Export und Import von Daten aus und in verschiedene Datenformate; Abgleich zweier Datenbestände bezüglich definierter Felder mit Ausgabe entweder nur der Übereinstimmungen in beiden Dateien oder der Datensätze in Datei 1 ohne Übereinstimmung in zweiter Datei bzw. der Datensätze in Datei 2 ohne Übereinstimmung in erster Datei. Dies erlaubt z.B. die Mehrfachbelegungsanalyse von Stammdatennummern oder eine Lückenanalyse; Zusammenführen von Datenbeständen, die identisch aufgebaut sind, also z. B. Zeiterfassungen eines Jahres mit denen anderer Jahre, um eine Analyse über mehrere Jahre durchführen zu können; Verknüpfen von unterschiedlich aufgebauten Datenbeständen mit Hilfe eines gemeinsamen Feldes, z. B. das Kreditorenkonto aus dem Journal mit den Informationen zum Kreditor aus der Kreditorenstammdatenliste; Extraktion von Daten, die bestimmte Kriterien aufweisen (Beträge, Daten, auch Spannen); Sortieren und Indizieren z. B. erst nach Buchungsmonat, dann nach Kreditor und schließlich nach Betrag; Gruppieren nach identischen Merkmalen und Zwischensummen bilden; Feldstatistik: welche Werte enthält das Feld, Maximum, Minimum, Mittel; Schichtung: Einteilung von Daten in Schichten und Bandbreiten mittels Ober- und Untergrenzen und Schrittgrößen; Berechnungen mittels Formeln auch aus mehreren Feldinhalten vornehmen und berechnete Felder mit Datensatzelementen vergleichen; Mit Hilfe von Pivot-Tabellen können Funktionalitäten wie Extraktion, Sortieren und Gruppieren und Berechnen kombiniert werden; das macht die Darstellung großer Datenvolumina in überschaubarer Form und komplexere Abfragen möglich (Umsätze mit einem Debitor nur im Mai und über der Schwelle von 1.000 Euro); Die Drill-Down-Funktion ermöglicht den Sprung von der Gruppe zum einzelnen Datensatz.
von Christoph Heck 13. März 2025
Aufbau individueller Fähigkeiten rund um das Datenmanagement
von Christoph Heck 10. März 2025
Gefährdung der stetigen Aufgabenerfüllung einer Kommune durch Verlustvorträge?
Mehr anzeigen