EIN ALGORITHMUS WÄHLT, WO GEFLÜCHTETE ANFANGEN
Geflüchtete haben im Aufnahmeland oft Mühe, Arbeit zu finden. In zwanzig europäischen Ländern, so die Studie, ist ihre Wahrscheinlichkeit, beschäftigt zu sein, etwa 12 % geringer als die vergleichbarer Migranten — eine Lücke, die zehn bis fünfzehn Jahre anhält. Die ersten Monate und Jahre nach der Ankunft zählen am meisten, und ebenso, wo ein Flüchtling untergebracht wird. Doch in vielen Ländern, darunter der Schweiz, folgt die Zuweisung administrativen Quoten, und die Beamten haben kaum Informationen darüber, wo jede Person am besten zurechtkäme.
Eine Empfehlung, keine Entscheidung
2018 schlugen Kirk Bansak, Jens Hainmueller und Kollegen die algorithmische Zuweisung von Geflüchteten vor. Ein Modell des maschinellen Lernens, trainiert an früheren Ankünften, sagt voraus, wie wahrscheinlich jeder Flüchtling an jedem möglichen Ort Arbeit findet. Ein Optimierungsschritt empfiehlt dann Zuweisungen, die die erwartete Beschäftigung maximieren und dabei alle Quoten einhalten. Eine menschliche Sachbearbeiterin oder ein Sachbearbeiter behält die endgültige Entscheidung.
Bisher waren die Vorteile nur durch das Nachspielen vergangener Daten geschätzt worden. Diese Studie unter Leitung von Bansak (University of California, Berkeley), Hainmueller (Stanford University) und Dominik Hangartner (ETH Zürich) berichtet über das, was die Autoren für die erste randomisierte kontrollierte Studie zu diesem Ansatz halten, durchgeführt mit dem Schweizer Staatssekretariat für Migration (SEM) und einer frühen Version ihres Werkzeugs GeoMatch.
Eine verblindete Lotterie in einer echten Verwaltung
Von Januar 2020 bis Juni 2023 wurde jeder geeignete Fall — eine Familie oder ein alleinstehender Erwachsener mit Flüchtlingsstatus oder vorläufigem Schutz, der jedem Kanton zugewiesen werden konnte — per Computer einer von zwei Gruppen zugeteilt, 50/50:
- Algorithmus: der Kanton, für den GeoMatch die höchste Beschäftigung vorhersagte;
- Kontrolle: ein unter den verfügbaren Plätzen zufällig gezogener Kanton, wie im üblichen Verfahren.
Die Zuweisungsbeamten sahen in beiden Fällen denselben Bildschirm, und weder sie noch die Geflüchteten wussten, in welcher Gruppe ein Fall war. Jede Gruppe hatte ihre eigene identische Kopie der Quoten nach Kanton und nach Nationalität. Dieses Design schließt einen einfachen Trick aus: Der Algorithmus konnte nicht mehr Menschen in Kantone mit starkem Arbeitsmarkt schicken. Er konnte nur die Passung zwischen einer Person und einem Ort verbessern.
Das Modell wusste sehr wenig: Geschlecht, Alter, Zivilstand, Haushaltsgröße, Ankunftsdatum, Nationalität und Muttersprache. Bildung, Berufserfahrung und Sprachkenntnisse sind in dem verwendeten Register nicht erfasst. Die Beamten folgten der angezeigten Empfehlung in etwa 97 % der Fälle.
Die endgültige Stichprobe: 2.000 Fälle, 2.156 Erwachsene, hauptsächlich aus Afghanistan (54 %), der Türkei (26 %) und Syrien (9 %).
Die Ergebnisse
Das Hauptergebnis, in einem vorab registrierten Plan festgelegt, ist der Anteil der Monate mit Beschäftigung in den ersten drei Jahren. In der Kontrollgruppe arbeiteten Erwachsene im Mittel in 22,3 % dieser Monate.
- Alle Kohorten (2020–2023): +2,2 Prozentpunkte für die Algorithmus-Gruppe, etwa 10 % mehr, mit einem Konfidenzintervall von +0,05 bis +4,3 Punkten.
- Kohorten nach Covid (2022–2023): +3,9 Punkte, etwa 17 % mehr. Die Studie begann wenige Wochen vor der Pandemie, und das Modell war mit Daten aus der Zeit vor der Pandemie trainiert worden; für die Kohorten 2020 und 2021 waren die Effekte nicht von null zu unterscheiden. Diese Vergleiche nach Kohorte waren nicht vorab registriert.
- Mit der Zeit wachsend: 36 Monate nach der Zuweisung lag der Anteil der Haushalte mit mindestens einem erwerbstätigen Erwachsenen 5,2 Punkte höher (etwa 11 %).
- Stabilere Stellen: eine Stelle von mindestens sechs Monaten Dauer, +5,6 Punkte; ein unbefristeter Vertrag nach drei Jahren, +4,5 Punkte.
Günstig, durch das Design
Gerechnet nur mit den öffentlichen Finanzen — nicht mehr gezahlte Sozialleistungen plus Beiträge und Steuern — bewerten die Autoren jeden zusätzlichen Beschäftigungsmonat mit etwa 1.950 Schweizer Franken. Bei angenommenen Betriebskosten von 50 Franken pro Erwachsenem schätzen sie einen Nettonutzen von etwa 1.300 Franken pro Erwachsenem, ein Verhältnis von rund 27 zu 1. Sie vergleichen den Effekt nach drei Jahren mit dem von Programmen, die Hunderte Stunden Sprachunterricht hinzufügen, betonen aber, dass der Algorithmus kein Ersatz für solche Kurse ist.
Sie nennen die Studie einen konservativen Test: eine frühe, eingefrorene Version des Werkzeugs, wenige Prädiktoren, grobe Geografie, strenge Quoten und nur die Hälfte der Fälle zur Optimierung verfügbar. Ob neuere, weniger eingeschränkte Versionen besser abschneiden würden, muss noch geprüft werden.
Wer es gebaut, wer es getestet hat
Die Autoren haben die GeoMatch-Methode selbst entwickelt. Sie erklären keine konkurrierenden Interessen und geben an, von der Schweizer Regierung keine Zahlungen für Entwicklung oder Betrieb des Werkzeugs erhalten zu haben; finanziert wurde die Arbeit von der Stanford University, von Stiftungen und philanthropischen Einrichtungen, darunter Google.org, sowie durch einen europäischen Forschungszuschuss. Über die Geflüchteten hinaus sehen sie die Studie als seltenen Feldbeleg dafür, dass Vorhersagewerkzeuge folgenreiche öffentliche Entscheidungen verbessern können, wenn sie die Menschen, die diese treffen, unterstützen statt ersetzen — und als Erinnerung daran, dass solche Werkzeuge neu trainiert werden müssen, wenn sich die Welt verändert, wie 2020 geschehen.
