Algorithmen sind ein wesentlicher Bestandteil unseres Lebens. Sie bestimmen, welche Beiträge in der Facebook-Timeline erscheinen, welche Ergebnisse eine Google-Suche anzeigt, ob wir einen Kredit bekommen und mancherorts sogar, wo die Polizei Streife fährt. Nun haben Forscher einen weiteren Bereich aufgetan, der mit einem Algorithmus optimiert werden könnte: die Verteilung von Flüchtlingen. Denn wie gut sich diese integrieren, hängt auch davon ab, ob sie einen Arbeitsplatz finden.
Forscher der Stanford University und der ETH Zürich haben einen Algorithmus programmiert, der Flüchtlinge so in einem Land verteilt, dass ihre Chancen, einen Job zu finden, maximiert werden. Sie nutzten die Daten von über 33 000 Flüchtlingen, die zwischen 2011 und 2016 in die USA gekommen waren, darunter Alter, Geschlecht, Ausbildung, Sprachkenntnisse, Ankunftszeit und der Ort, an den sie geschickt wurden. Selbständig lernte der Algorithmus, welche Kombination der Merkmale wo am besten passte. Dass es also am einen Ort wichtiger war, mehrere Sprachen zu sprechen, und in einer anderen Region die vorherige Handwerks-Ausbildung von Vorteil war.
Ein solcher Algorithmus hat einen großen Nachteil
Danach prognostizierten sie mit ihrem Algorithmus die optimale Verteilung von Flüchtlingen, die über ein Quartal neu ins Land kamen, und wie viele von ihnen laut ihrer Berechnungen einen Job finden würden. Die Prognose verglichen sie damit, wie die Flüchtlinge tatsächlich aufgeteilt wurden und ob sie eine Arbeit fanden. In der im Fachblatt Science publizierte Studie schreiben die Forscher, mit ihrem Algorithmus hätten sie die Wahrscheinlichkeit, dass ein Flüchtling einen Job findet, um 41 Prozent steigern können. In der Schweiz, wo sie ihren Algorithmus auf die gleiche Weise testeten, wäre die Quote sogar um 73 Prozent gestiegen. "Unser Algorithmus ist der erste, der zeigt, dass über die datenbasierte Verteilung von Flüchtlingen die Ergebnisse verbessert werden können", sagt Jens Hainmüller, einer der Forscher.
Dirk Brockmann, der als Professor an der HU Berlin zu komplexen Systemen forscht, schätzt die Arbeit als "clever" und "vielversprechend" ein. Die räumliche Verteilung von Geflüchteten sei ein typisches Problem, bei dem maschinelle Lernverfahren aus bereits existierenden Daten optimale Lösungen finden könnten. Wie die Studie zeige, sei der zu erwartende Erfolg "nicht marginal, sondern deutlich", so Brockmann. Einen großen Nachteil habe ein solcher Algorithmus jedoch: Man wisse nie genau, wie das Verfahren ein Optimum findet. Die Forscher gaben dem Algorithmus einen Haufen Daten und das Ziel, möglichst viele Flüchtlinge sollten einen Job finden. Wie genau der Algorithmus zu seinem Ergebnis kam, welche Kriterien er wie stark gewichtete, das wussten sie nicht.
Algorithmen können diskriminieren
In der Vergangenheit hat sich gezeigt, dass Algorithmen zu diskriminierenden Ergebnissen kommen können. In einer Studie fanden Forscher heraus, dass US-amerikanische Arbeitgeber einen Bewerber eher zu einem Vorstellungsgespräch einluden, wenn er einen "weiß klingenden" Namen wie Emily oder Greg statt eines "afroamerikanisch klingenden" Namen wie Lakisha oder Jamal hatte. Ein Algorithmus, der letztlich nur weiß, wer eingestellt wurde, könnte solche diskriminierenden Haltungen übernehmen. Am Ende bestimmen immer Menschen, welche Informationen ein Algorithmus auswertet und welches Ziel er erreichen soll. Eine entscheidende Frage ist daher, wer In- und Output festlegen darf.
Doch könnte so ein Algorithmus auch in Deutschland eingesetzt werden? Flüchtlinge werden hierzulande nach dem Königsteiner Schlüssel prozentual auf die Bundesländer aufgeteilt. Weitere Kriterien sind die Herkunft und die freien Plätze in den Unterkünften. In den Bundesländern werden sie laut eines Gutachtens der Robert Bosch Stiftung in der Regel nach der jeweiligen Einwohnerzahl auf die Kommunen verteilt. Die Beschäftigungschancen blieben weitgehend unberücksichtigt. Prinzipiell könne man den Algorithmus auch in Deutschland anwenden, sagt Hainmüller, auch die prozentuale Verteilung gemäß Königsteiner Schlüssel oder andere politische Vorgaben ließen sich dem Programm beibringen. In der Schweiz gelten ebenfalls bestimmte Prozentsätze für die Kantone. Der Algorithmus berücksichtigte diese, verteilte aber besser, glauben die Wissenschaftler.
Bevor der Algorithmus eingesetzt wird, muss er unter realen Bedingungen getestet werden
Allerdings müssten in Deutschland zunächst die Personendaten vom Bundesamt für Migration und Flüchtlinge (Bamf) mit Informationen der Agentur für Arbeit verknüpft werden. Nur dann kann der Algorithmus lernen, welche Merkmals-Kombination hierzulande die Wahrscheinlichkeit erhöht, einen Arbeitsplatz zu finden. Bisher sind diese Daten in Deutschland nicht verknüpft. Dies lasse die gegenwärtige Rechtslage nicht zu, schrieb das Institut für Arbeits- und Berufsforschung in einem 2017 veröffentlichten Bericht. Eine Ausnahme gab es aber bereits: Für den im Oktober vergangenen Jahres vorgelegten Forschungsbericht des Bamf wurden eben jene Daten kombiniert. Die Forscher hatten die Flüchtlinge zuvor gefragt, ob sie einverstanden seien.
"Ich finde das sehr überzeugend", sagt Brockmann, "bin aber der Meinung, dass man den Algorithmus erstmal unter realen Bedingungen testen muss." Das sehen auch die Forscher so. Über eine bestimmte Zeit solle - vermutlich in den USA - eine Hälfte neu ankommender Flüchtlinge konventionell, die andere Hälfte durch das Programm verteilt werden. Gelänge auch dieser Test, solle die entsprechende Software für Behörden entwickelt werden, so Hainmüller. Letztlich profitierten beide Seiten von einem solchen Algorithmus. Die Behörde spare Geld und die Flüchtlinge fänden eher eine Arbeit.
