Springe zum Inhalt

Das Team gibt einen kurzen Einblick in die erhobenen Daten und Ergebnisse des Projekts sowie über die Rolle von Migrantenorganisationen im transformierten Sozialstaat.

Im Kontext der verschiedenen Migrationsbewegungen der vergangenen Jahre entwickelte sich ein breites Spektrum lokaler, nationaler und transnationaler sozialer Sicherungspraktiken in mehrdimensionalen Ordnungsräumen. Das Forschungsprojekt "Migrantenorganisationen und die Ko-Produktion sozialer Sicherung – Eine Mehr-Ebenen-Analyse migrantischer Praktiken in wohlfahrtsstaatlichen Arrangements" untersuchte von Mai 2021 bis Februar 2023 die Transformation institutioneller und informeller sozialer Sicherung, unter Bedingungen von Migration, Transnationalisierung und Globalisierung, am Beispiel von Migrantenorganisationen, die zu wichtigen Adressaten politischer Interventionen geworden sind.

In drei Arbeitspaketen standen diese Fragestellungen im Vordergrund:

  • Wie adressiert die politische Ebene soziale Risiken von zugewanderten Bevölkerungsgruppen?
  • Wie wird auf Ebene von lokalen Migrantenorganisationen auf diese Herausforderung reagiert?
  • Wie werden die formellen und informellen Sicherungsstrukturen von zugewanderten Personen tatsächlich für ihre Ziele genutzt?

Das Duisburger Team des Verbundprojektes gibt einen kurzen Einblick in die erhobenen Daten und Ergebnisse des Gesamtprojektes und fokussiert sich dann auf die Rolle von Migrantenorganisationen im transformierten Sozialstaat.

We provide evidence for intensive margin adjustments in hours worked consistent with estimates.

After the Swiss National Bank unexpectedly abandoned a minimum exchange rate policy in 2015, the Swiss franc appreciated by more than 10 percent against the Euro. The appreciation implied a sudden increase in real wage incomes for over 40,000 German cross-border commuters into Switzerland. We use this exchange rate shock to estimate the own-wage and cross-spouse labor supply elasticities from administrative tax returns data and find a 5% drop in taxable income for cross-border workers and a 1.5% reduction in taxable income for cross-border worker spouses. We provide evidence for intensive margin adjustments in hours worked consistent with these estimates.

Der Impulsvortrag informiert zur Problematik und der Dimension des Phänomens in der Wissenschaft.

Sexismus und sexualisierte Gewalt sind Formen der Geschlechterdiskriminierung, Verstöße gegen den Grundsatz der Gleichbehandlung und Angriffe auf die Würde und Persönlichkeitsrechte der Betroffenen. Sie dienen im beruflichen Umfeld als Instrument der Machtausübung und Machtsicherung und können als „Platzverweis“ eingesetzt werden, um z. B. die Konkurrenz auszuschalten.

In der Wissenschaft bestehen angesichts befristeter Verträge und notwendiger Qualifizierungsphasen Abhängigkeiten, die nicht nur eine ungleiche Machtverteilung widerspiegeln. Diese Abhängigkeiten können unter Umständen dazu führen, dass unangemessenes Verhalten toleriert und nicht geahndet wird. Begünstigt wird dies durch eine Verengung auf Einzelfälle und das Ausblenden struktureller Faktoren sowie begrenzter fundierter Forschung zum Themenkomplex. 

Arbeitgeber*innen und Vorgesetzte sind verpflichtet, ihre Beschäftigten, Promovend*innen, Gastwissenschaftler*innen vor sexualisierter Diskriminierung und Gewalt zu schützen und die tatsächliche Häufigkeit des Phänomens aktiv zu bekämpfen.

Der Impulsvortrag informiert zur Problematik und der Dimension des Phänomens in der Wissenschaft. Rechte, Pflichten (AGG) und Handlungsmöglichkeiten werden anhand der Erkenntnisse an der Charité Universitätsmedizin vorgestellt. Maßnahmen zur Prävention und Intervention werden praxisnah mit den Teilnehmenden diskutiert.

Im Vortrag wird das Vorgehen, die Voranalyse möglicher KI-Anwendungsfälle und Auswahl des Digitaler Suchassistent „CAI“ im BMAS vorgestellt.

Die Bandbreite von Anwendungsfeldern für Künstliche Intelligenz (KI) ist enorm und wächst derzeit rasant. Von Chatbots über selbstlernende Maschinen und Roboter bis hin zu autonomen Softwareroboter sind die möglichen Einsatzbereiche extrem breit. Doch trotz der Potentiale von KI-Systemen setzt sich diese Technologie bis auf wenige Anwendungsfälle in der öffentlichen Verwaltung bisher nur langsam durch. KI-Projekte scheitern häufig aufgrund zu hoher Komplexität, überzogenen Erwartungen und fehlenden Kenntnissen über Chancen und Risiken. Gerade bei innovativen Technologien ist daher die Auswahl der ersten Anwendungsszenarien in einer Institution entscheidend.

Im Vortag wird das Vorgehen, die Voranalyse möglicher KI-Anwendungsfälle und Auswahl des Digitaler Suchassistent „CAI“ im Bundesministerium für Arbeit und Soziales (BMAS) vorgestellt. Unter dem Namen „Conversational Artificial Intelligence“ – oder kurz: CAI – erprobt das BMAS derzeit die Machbarkeit und Wirtschaftlichkeit eines sprachgesteuerten und intelligenten Suchassistenten entlang der ministeriellen Kernprozesse in der Wissens- und Informationsarbeit durch den Einsatz neuer Technologien (u.a. Semantische Suche, Machine Learning, Ontologien, Knowledge Graph, Natural Language Processing). Die Machbarkeit wird dabei unter Berücksichtigung der Datenschutz- und Sicherheitsvorgaben in der Bundesverwaltung erprobt (vollständige Kontrolle und Hoheit über die verarbeiteten Daten).

In diesem Vortrag wird erörtert, wo die Soziale Marktwirtschaft heute steht. Die Themen und Aufgaben des neuen Ludwig Erhard ifo Forschungszentrum skizziert.

Die Soziale Marktwirtschaft steht für die gelungene Verbindung von wirtschaftlicher Effizienz mit sozialem Ausgleich. Seit fast 75 Jahren bestimmt dieses Leitbild die wirtschaftliche und gesellschaftliche Ordnung in Deutschland und gilt auch darüber hinaus als Erfolgsmodell. Aber die Soziale Marktwirtschaft steht vor großen Herausforderungen. Das Ludwig Erhard ifo Forschungszentrum für Soziale Marktwirtschaft in Fürth erforscht, welche Reformen notwendig sind, um Wohlstand für Alle auch für zukünftige Generationen zu ermöglichen. In diesem Vortrag wird einerseits erörtert, wo die Soziale Marktwirtschaft heute steht. Andererseits werden die Themen und Aufgaben des neuen Ludwig Erhard ifo Forschungszentrum skizziert.

Der Vortrag liefert einen Überblick über aktuelle Entwicklungen im Bereich White-Box AI.

Die meisten Modelle der künstlichen Intelligenz und des maschinellen Lernens basieren auf komplexen Abbildungsvorschriften und bieten dadurch keine Möglichkeiten, die Funktionsweise der Modelle nachzuvollziehen oder externes Wissen durch Expertinnen und Experten zu integrieren. Aufgrund solcher Black-Box-Eigenschaften können diese Modelle nur schwer überprüft werden und sind deshalb für viele Anwendungsfelder z. B. im Finanzsektor oder im Gesundheitswesen ungeeignet.

Patrick Zschech liefert im seinem Vortrag einen Überblick über aktuelle Entwicklungen im Bereich White-Box AI. Dabei demonstriert er, dass moderne Maschine-Learning-Modelle nicht zwangsweise undurchsichtig sein müssen und dennoch in der Lage sein können, konkurrenzfähige Prognosequalitäten zu erreichen.

Racial gaps in student loan accumulation and repayment are substantial. Using data from the Beginning Postsecondary Students survey, we document that Black students are more likely to borrow than White students, and they accumulate larger student debt conditional on borrowing. Black borrowers are also more likely to be enrolled in income-based or extended repayment plans, so they have lower average monthly payments and pay off their debt more slowly. Nevertheless, Black borrowers are 2-4 times more likely to default on student loans. To what extent can initial conditions and lifecycle financial circumstances account for these racial differences in student loan repayment and default? We construct a lifecycle consumption-savings model that captures observed heterogeneity in initial wealth and student debt, as well as unobserved heterogeneity in parameters governing initial human capital and lifecycle human capital accumulation. The model produces earnings dynamics, labor supply choices, human capital accumulation, and financial asset accumulation that are consistent with lifecycle data. We use our model to quantify the relative contributions from each of these channels to the racial default rate gaps over the lifecycle. We aim to use our model to advance policy proposals that can mitigate racial gaps in student loan default.