Re:Match
Was bedeutet „Matching“?
Das Matching
Datengestützte Ansätze werden aufgrund ihrer Wirksamkeit zunehmend eingesetzt, um gesellschaftliche und politische Herausforderungen zu bewältigen. Algorithmusbasiertes Matching ist ein solches Beispiel.
Der Begriff „Matching“ bezeichnet die Bildung geeigneter, kompatibler Paare. Im Re:Match-Kontext wird ein passendes Match zwischen Geflüchteten und Städten hergestellt, nachdem die Bedürfnisse und Präferenzen beider Seiten erfasst und so zugeordnet wurden, dass ihre Kompatibilität, soweit wie möglich, gewährleistet wird. Zum Beispiel: Wenn eine geflüchtete Person spezifische medizinische Bedürfnisse im Zusammenhang mit Herzkrankheiten hat und über Ausbildung und Erfahrung in der IT-Branche verfügt, ordnet der Algorithmus die Person einer bestimmten Stadt zu, die unter anderem diese spezifischen Bedingungen und langfristige Integrationsmöglichkeiten erfüllt.
Ziel ist es, Aufnahmeprozesse zu verbessern und den Weg in eine Zukunft zu ebnen, die von den Betroffenen mitbestimmt wird.
Warum Re:Match?
Obwohl es innovative Ansätze gibt, um Geflüchtete geografischen Standorten zuzuordnen, liegt der Fokus selten auf den individuellen Präferenzen und Kompetenzen der Neuankommenden oder den Kapazitäten der Kommunen. Re:Match schließt diese Lücke, indem genau diese Daten in den Mittelpunkt des Matching-Prozesses gestellt und zur Ausführung des Algorithmus genutzt werden.
Über den Algorithmus
Gemeinsam mit unserem Partner Pairity sowie Vertreterinnen und Vertretern der Städte und Schutzsuchenden haben wir einen spezialisierten Algorithmus entwickelt, um das datenbasiertes Matching umzusetzen.
Ein solches präferenzbasiertes Matching erfüllt mehrere wichtige Funktionen:
Es gewährleistet Fairness, ohne die Präferenzen einer bestimmten teilnehmenden Person gegenüber dem Gesamtnutzen der Gruppe zu priorisieren, und maximiert gleichzeitig den Nutzen knapper kommunaler Ressourcen.
Es stellt die individuellen Bedürfnisse, Präferenzen und Kapazitäten auf beiden Seiten in den Mittelpunkt und erzeugt für alle in der Kohorte die bestmöglichen Matches.
Es ermöglicht die Analyse großer Datenmengen.
Verifizierte Daten helfen uns zu verstehen, wie gut die Matches funktionieren, wie zufrieden die Teilnehmenden sind und den Integrationserfolg der Teilnehmenden auszuwerten.
Welche Art von Daten werden verwendet?
Der Re:Match-Algorithmus findet den besten direkten Match zwischen teilnehmenden Städten und Einzelpersonen/Familien innerhalb einer gegebenen Teilnehmergruppe (Kohorte) auf Grundlage von:
Personenbezogenen Daten und individuell gewichteten Präferenzen der Schutzsuchenden, wie:
kulturellen und sozialen Faktoren, die für das allgemeine Wohlbefinden und die Integration von Schutzsuchenden entscheidend sind,
Faktoren, die die wirtschaftliche Integration bestimmen, usw.
Kommunalen Daten zu lokalen Bedingungen, Dienstleistungen und Bedarfen, wie:
Bildungs-, Beschäftigungs- und Weiterbildungsmöglichkeiten,
verfügbare kulturelle Angebote,
Kapazitäten zur Unterstützung medizinischer Vulnerabilitäten usw.
Der Algorithmus vermeidet gruppenbasierte Annahmen und Vorurteile darüber, was Neuankommende benötigen, da Personen mit ähnlichen Merkmalen unterschiedliche Prioritäten und Wünsche haben können.
Praktisch simuliert der Algorithmus alle potenziellen Zuordnungen, um das Szenario zu identifizieren, das für eine gesamte Kohorte die höchste Gesamtqualität der Zuordnungen erzielt. Rechnerisch erfordert eine Gruppe von zehn teilnehmenden Haushalten und 6 Städten die Simulation von ca. 7 Millionen Matchszenarien.
Wenn Sie mehr über unseren Algorithmus und unser Matchingverfahren erfahren möchten, schauen Sie sich Kapitel 4 unseres Zwischenberichts zur Evaluation und unseren Leitfaden zum datengestützten Matching an.
Ein forschungsbasierter Ansatz
Algorithmusbasiertes Matching als Instrument des Migrationsmanagements gewinnt weltweit an Bedeutung. Interdisziplinäre Teams in mehreren Ländern haben verschiedene auf Matching basierende Strategien zur Verteilung von Migrant*innen untersucht, unter anderem in den Bereichen Resettlement und Community Sponsorship. Einige Beispiele sind:
Das GeoMatch-Projekt (Stanford University und ETH Zürich) hat sein Matchingverfahren, das auf der Vorhersage von Wahrscheinlichkeiten für Integrationsergebnisse basiert, in einem Schweizer Resettlement Programm getestet.
Die Annie™ MOORE KI-gestütze Software wurde von HIAS eingesetzt, um für ankommende Geflüchtete in den USA die bestmögliche aufnehmende Gemeinschaft zu finden.
Das Projekt Match’In (Universitäten Hildesheim und Erlangen-Nürnberg) entwickelt ein Werkzeug für deutsche Bundesländer, um Asylsuchende effektiver auf die Kommunen zu verteilen.
Die Forschung hat wiederholt gezeigt, dass Matching ein wirksamer Ansatz für Migration ist. Re:Match baut auf den internationalen Erfahrungen in diesem Bereich auf und schließt dabei spezifische Lücken, indem es eine ganzheitliche Methode für Relocation entwickelt.
Als praktischer Ansatz bietet die Relocation mittels Matching den EU-Mitgliedstaaten die Möglichkeit, einen effizienten und menschenwürdigen Mechanismus zur Verteilung von Geflüchteten als langfristige Integrationsstrategie zu erproben.
