Relevanz des Themas
Statistische Modelle können den öffentlichen Arbeitsverwaltungen helfen, Einflussfaktoren von Langzeitarbeitslosigkeit und Risikogruppen zu identifizieren. Solche Profiling-Modelle dürften an Bedeutung gewinnen, da die zunehmende Verfügbarkeit von Big Data in Kombination mit neuen maschinellen Lernverfahren ihre Vorhersagekraft verbessert. Bestmögliche Ergebnisse setzen einen kontinuierlichen Dialog zwischen dem zuständigen Personal der Arbeitsagenturen, Datenanalysten und politisch Handelnden voraus, da die Entwicklung und Implementierung solcher Tools normative Entscheidungen erfordert. Profiling kann Personen falsch klassifizieren und bestehende Diskriminierungsmuster verstärken, aber Diskriminierung auch verhindern.
Wichtige Resultate
Pro
Mit statistischen Modellen lassen sich systematische Muster zwischen sozioökonomischen und soziodemografischen Variablen und dem betrachteten Resultat aufdecken.
Statistische Modelle unterstützen die Forschung dabei, Ursachen höherer Arbeitslosigkeitsrisiken und geeignete Gegenmaßnahmen zu erkennen.
Statistische Profiling-Modelle liefern Hinweise auf die potenzielle Dauer einer Arbeitslosigkeitsphase.
Unter bestimmten Umständen kann die Anwendung statistischer Modelle bestehende Diskriminierungsmuster abbauen.
Contra
Die Verwendung statistischer Modelle bringt nur eine geringe Verbesserung der Profiling-Genauigkeit und klassifiziert viele Personen tendenziell falsch.
Die statistische Profilerstellung birgt das Risiko, bestehende Diskriminierungsmuster zu verstärken.
Aktuelle statistische Profiling-Modelle sagen zwar Ergebnisse voraus, zeigen aber nicht, welche Maßnahme für welche Personen erfolgreich ist.
