Die Verlängerung der Erwerbsleben wird als ein Lösungsansatz für die Herausforderungen alternder Gesellschaften angesehen. Jedoch ist überraschend wenig darüber bekannt, wie sich die Erwerbslebensdauer in Deutschland entwickelt hat. Wir verwenden Daten des Mikrozensus für die Jahre 1991 bis 2022 und das Konzept der durchschnittlichen Lebensarbeitszeit, um diese Lücke zu füllen. Im vorliegenden Beitrag erfasst die durchschnittliche Lebensarbeitszeit alle Episoden in Erwerbstätigkeit über den Lebensverlauf hinweg, während Erwerbsunterbrechungen und Phasen von Arbeitslosigkeit oder Inaktivität nicht gezählt werden. Damit verändert sich die durchschnittliche Lebensarbeitszeit beispielsweise, wenn Eintritte in den Arbeitsmarkt durch verlängerte Ausbildungszeiten später erfolgen, oder wenn Austritte aus dem Arbeitsmarkt durch spätere Übergänge in den Ruhestand sich in höhere Alter verschieben. Außerdem wird die durchschnittliche Lebensarbeitszeit für die üblicherweise geleisteten wöchentlichen Arbeitsstunden korrigiert, um den Effekt von Teilzeitarbeit besser abzubilden. Unsere Ergebnisse differenzieren wir nach Geschlecht, drei Bildungsgruppen sowie West- und Ostdeutschland. Für Männer hat die durchschnittliche Lebensarbeitszeit seit den 1990ern nur sehr geringfügig zugenommen und liegt bei etwas unter 40 Jahren. Bei Frauen hat es hingegen einen Anstieg von 24 Jahren auf etwa 29 Jahre gegeben. Dabei verbergen sich hinter diesen Trends unterschiedliche Entwicklungen nach Lebensphase. Beispielsweise ist die durchschnittliche Lebensarbeitszeit während des späten Erwerbslebens für Männer wie auch für Frauen gestiegen. Die Ungleichheit in der Lebensarbeitszeit nach Bildung und Region ist erheblich. Die Gruppe mit der längsten Lebensarbeitszeit (westdeutsche Männer mit hohem Bildungsniveau) arbeitet ungefähr doppelt so lange wie die Gruppen mit der niedrigsten Lebensarbeitszeit (ostdeutsche Männer und Frauen mit niedrigem Bildungsniveau). Insgesamt liefern unsere Ergebnisse wichtige Informationen dazu, wie sich das Erwerbsleben in Deutschland verändert hat, und auf welchen Gruppen der besondere Fokus liegen müsste, um Ungleichheiten in der Länge des Erwerbslebens zu reduzieren.

Der Übergang in den Ruhestand beginnt für die meisten Personen in Deutschland mit dem ersten Bezug einer Altersrente der gesetzlichen Rentenversicherung. Der Rentenbezug ist damit einer der wichtigsten Einschnitte in der Biografie. Idealerweise fallen das Ende der Erwerbstätigkeit und der Beginn von Rentenzahlungen als Alterseinkommen zusammen. Dies ist für viele Deutsche der Fall, weil die Orientierung des Erwerbsverhaltens am individuell ersten möglichen Rentenbezug hoch ist. Aufgrund der komplizierten rechtlichen Regelungen für unterschiedliche Personengruppen, ist dieser Übergang Anlass für intensive persönliche Auseinandersetzungen und Entscheidungen. Die Auseinandersetzung mit den Regeln und Leistungen der Rentenversicherung ist daher in der zweiten Lebenshälfte ein zentrales Thema. So gibt es bei vielen rechtlich festgelegten Rentenzugangsoptionen einen starken Zusammenhang zwischen der Erwerbskarriere im weitesten Sinne und dem gleichzeitigen Übergang in den Ruhestand. Die Voraussetzungen des Rentenübergangs wurden in den letzten zwei Jahrzehnten mehrfach stark reformiert, so dass die Bedingungen für die zwischen 1941 und 1955 Geborenen nicht die gleichen waren. Der Vortrag zeigt die Veränderungen der Versicherungsbiografien als Ursachen veränderten Verrentungsverhaltens mit prozessproduzierten Daten der gesetzlichen Rentenversicherung.

Wohnen ist eines der drängendsten sozialen Themen in Deutschland. Jeder Mensch ist unweigerlich von dieser Thematik betroffen. Diskussionen über mangelnden Wohnraum und steigende Wohnkosten haben daher in den vergangenen Jahren zunehmend an Relevanz gewonnen und prägen immer häufiger den öffentlichen Diskurs rund um das Thema Wohnen in Deutschland. Vor dem Hintergrund sozialer Ungleichheiten ist es sinnvoll, in den Blick zu nehmen, wer zur Miete oder im Eigentum lebt, wie viel Wohnfläche privaten Haushalten in Deutschland zur Verfügung steht, und auch, wie viel Geld für das Wohnen aufgewendet werden muss.<br>

Der Vortrag befasst sich daher mit der genannten Thematik anhand der Ergebnisse des Zusatzprogramms Wohnen des Mikrozensus.<br>

So zeigen sich bezüglich der Eigentumsquote oder der Mietbelastungsquote zwischen 2006 und 2022 auf Bundesebene keine bis wenig Veränderungen in den letzten 16 Jahren. Die Entwicklung der zur Verfügung stehenden Wohnfläche zeigt mit einem leichten Anstieg sogar ein positives Bild.<br>

Eine regional differenzierte Betrachtung macht jedoch deutlich, dass einige der beobachtbaren Zusammenhänge nicht für alle Regionen in Deutschland gleichermaßen zutreffen.<BR>

So sind Mieterinnen und Mieter in urbanen Regionen, insbesondere in den Großstädten stärker durch die Mieten belastet und müssen deutlich mehr ihres Haushaltsnettoeinkommen für die Bruttokaltmiete aufwenden, als Haushalte in ländlichen Regionen. Gleichzeitig unterscheidet sich die Eigentumsquote auf Bundeslandebene enorm und variiert erheblich zwischen urbanen und ländlichen Regionen.<br>

Zudem unterscheidet sich die Belastung durch die Wohnsituation sichtbar nach Haushalttypen bzw. -Zusammensetzungen. Vor allem Einpersonenhaushalte, Haushalte, in denen alle Mitglieder eine Einwanderungsgeschichte haben, oder aber auch Alleinerziehenden-Haushalte sind besonders stark belastet durch ihre Mietausgaben, haben weniger Wohnfläche zur Verfügung, ein kürzer zurückliegendes Einzugsdatum und damit häufig höhere Quadratmeterpreise. Außerdem handelt es sich durchschnittlich seltener um Haushalte im selbstbewohnten Eigentum.<br>

Eine differenzierte Betrachtung der Wohnverhältnisse nach regionalen Unterschieden und verschiedenen Haushaltstypen ist somit unerlässlich, um die Wohnsituation der Haushalte in Deutschland umfassend darstellen zu können.<br>

Die demografische Entwicklung in Deutschland führt dazu, dass bis 2036 etwa 30 % der Erwerbstätigen in den Ruhestand treten werden. Dies stellt Unternehmen und Institutionen vor die dringliche Herausforderung nicht nur Personal, sondern auch wertvolles Erfahrungswissen zu verlieren. Besonders betroffen sind Bereiche, die bereits heute unter Fachkräftemangel leiden.

In unserem Beitrag stellen wir einen neuartigen Ansatz vor, der in Zusammenarbeit von Expertinnen und Experten aus den Bereichen Fort-/Weiterbildung und Künstliche Intelligenz entwickelt wurde. Ziel ist es, die Sicherung und flexible Nutzung von Wissen durch eine Kombination aus heuristischen, wissenstheoretischen und KI-basierten Methoden zu ermöglichen. Der Ansatz besteht aus drei Phasen:

1. Analyse und Sensibilisierung: Durch simulations- und problembasiertes Lernen sowie Discovery-Workshops werden neuralgische Stellen in Organisationen identifiziert, an denen durch Pensionierungen Wissensverluste drohen. Zudem wird unternehmensweit ein Bewusstsein für die Dringlichkeit des Wissensschutzes geschaffen.

2. Wissenssicherung: Mittels Interviews, Storytelling-Workshops und weiteren qualitativen Methoden wird vor allem implizites und prozedurales Wissen systematisch erfasst. Dies berücksichtigt auch die Herausforderung, schwer dokumentierbare Erfahrungswerte für die Zukunft zugänglich zu machen.

3. Wissensaufbereitung und Nutzung: Mithilfe von Künstlicher Intelligenz, insbesondere Large Language Models (LLMs), wird das gesicherte Wissen aufbereitet und zugänglich gemacht. KI-gestützte Lösungen ermöglichen eine dynamische Nutzung des Wissens, indem sie spezifische Fragen im betrieblichen Kontext adressieren.

Mit diesem Beitrag möchten wir eine Diskussion in der DGD-Tagung eröffnen, die neue Perspektiven auf die Sicherung von Wissen im demografischen Wandel bietet. Besonders im Fokus stehen interdisziplinäre Ansätze, die Erkenntnisse aus der Pädagogik, Wissenssoziologie und Künstlichen Intelligenz integrieren. Unser Ziel ist es, praxisnahe und zugleich theoretisch fundierte Strategien zur Gestaltung dieser Transformation zu entwickeln und weiterzuverfolgen.

Hintergrund: Die Bevölkerung mit Migrationshintergrund unterscheidet sich in der Regel von der einheimischen Bevölkerung in Bezug auf Morbidität, Mortalität und Inanspruchnahme der Gesundheitsversorgung. Es gibt auch erhebliche gesundheitliche Unterschiede zwischen Migranten der ersten und zweiten Generation sowie zwischen den Herkunftsregionen. Ziel der Studie ist, die Häufigkeit von chronischen Erkrankungen bei im Ausland geborenen und Personen mit Migrationshintergrund der ersten und zweite Generation zu untersuchen. Dabei werden Sprachkompetenz und sozialer Status berücksichtigt.

Daten: Die Nationale Kohorte (NAKO) ist eine bevölkerungsbasierte Kohortenstudie an Erwachsenen im Alter von 19 bis 74 Jahren, die seit 2014 beobachtet werden (n=204.862). In der NAKO Gesundheitsstudie haben ca. 17,1 % der NAKO-Teilnehmer Menschen einen Migrationshintergrund (12,0 % erste Generation, 5,1 % zweite Generation). Die Datenerhebung zur Morbidität umfasst selbst ausgefüllte Gesundheitsfragebögen aber auch körperliche Untersuchungen und Bioproben. Ziel dieser Studie ist es, die Daten aus den selbst ausgefüllten Gesundheitsfragebögen aus der Baseline mit der ersten und zweiten Folgebefragung (U1-U3) zu kombinieren. Der Begriff "Multimorbidität" bezeichnet in diesem Kontext das Vorliegen mehrerer diagnostizierter bzw. selbstberichteter Erkrankungen. Dazu zählen Herzerkrankungen (einschließlich Myokardinfarkt, koronare Herzkrankheit, Angina pectoris, Herzinsuffizienz oder andere Herzprobleme), Bluthochdruck, zerebrovaskuläre Erkrankungen (Schlaganfall ohne transitorische ischämische Attacke), Diabetes mellitus, Arthritis, Lungenerkrankungen (einschließlich chronischer Bronchitis oder Emphysem und ohne Asthma) sowie Krebserkrankungen (einschließlich aller bösartigen Tumoren außer Hautkrebs).

Ergebnisse: Die Daten aus den beiden Folgeuntersuchungen werden aktuell noch qualitätsgeprüft. Daher sind die Ergebnisse erst einmal nur vorläufig. Tendenziell scheinen Migranten der ersten Generation häufiger von Multimorbidität betroffen zu sein als Migranten der zweiten Generation. Auch das Herkunftsland und das Geschlecht sind wichtige Indikatoren für eine höheres Maß von Multimorbidität.

Diskussion: Migranten der ersten Generation scheinen häufiger von Multimorbidität betroffen zu sein als Migranten der zweiten Generation, jedoch erst im höheren Alter. Diese Muster könnten auf eine bessere Integration und Gesundheitskompetenz der zweiten Generation hinweisen.

Einleitung:

Die gesundheitlichen Chancen und Risiken von Menschen mit Migrationsgeschichte variieren nach einer Vielzahl von Faktoren. Dieser Beitrag zielt darauf ab, die gesundheitliche Lage von Menschen mit ausgewählten Staatsangehörigkeiten in Deutschland anhand verschiedener Indikatoren zu beschreiben und relevante Determinanten der Gesundheit zu identifizieren.

Methoden:

Die Auswertungen basieren auf Daten der multimodalen, mehrsprachigen Befragungsstudie GEDA Fokus (11/21-5/22), die unter 18- bis 79-jährigen Menschen mit italienischer, kroatischer, polnischer, syrischer oder türkischer Staatsangehörigkeit durchgeführt wurde. Neben dem selbsteingeschätzten allgemeinen Gesundheitszustand (mittelmäßig bis sehr schlecht vs. gut/sehr gut) und dem Vorliegen chronischer Erkrankungen im Allgemeinen wurde die depressive Symptomatik (PHQ-9) als Indikator für die psychische Gesundheit ausgewählt. Es wurden Prevalence Ratios mittels Poisson-Regressionen berechnet, um Zusammenhänge zwischen den Gesundheitsoutcomes und verschiedenen soziodemografischen sowie migrationsbezogenen Charakteristika zu identifizieren.

Ergebnisse:

Insgesamt 6.038 Personen haben an GEDA Fokus teilgenommen, was einer Responsequote von 18,4% entspricht. Männliches Geschlecht, hohes Bildungs- und Einkommensniveau, soziale Unterstützung sowie eine kürzere Aufenthaltsdauer in Deutschland sind bei Adjustierung für Alter und Staatsangehörigkeit nach Einwohnermeldeamt mit niedrigeren Prävalenzen der Gesundheitsoutcomes assoziiert. Demgegenüber sind insbesondere ein geringes Zugehörigkeitsgefühl zur Gesellschaft in Deutschland sowie selbstberichtete Diskriminierungserfahrungen im Alltag mit einer schlechteren körperlichen und psychischen Gesundheit assoziiert.

Schlussfolgerung:

Die vorliegende Analyse ermöglicht eine differenzierte Beschreibung gesundheitsrelevanter Faktoren für Menschen mit Migrationsgeschichte, wie Geschlecht, sozioökonomische Lage, soziale Unterstützung, Aufenthaltsdauer, Zugehörigkeitsgefühl zur Gesellschaft und insbesondere Alltagsdiskriminierung. Die Ergebnisse verdeutlichen, wie heterogen diese Bevölkerung im Hinblick auf gesundheitliche Chancen und Bedarfe ist. Nur anhand solch differenzierter Analysen können Maßnahmen zur Adressierung gesundheitlicher Ungleichheit gezielt und effektiv geplant werden.

Whereas migrants generally suffer more from mental health problems than non-migrants in destination countries, it is less clear whether this also applies when comparing migrants to non-migrants in origin countries. This study investigates inequalities in late-life depression between intra-European migrants and non-migrants from both a destination and origin perspective. We used SHARE panel data (2004-2022, ages 65+) from 27 countries and estimated multilevel mixed logistic regression models to assess the risk of late-life depression. We compared migrants from the former Eastern Bloc (FEB) (North / Central), FEB (Balkan) and Southern Europe (SE) with (1) non-migrants from Western Europe (WE), Northern Europe (NE) and SE (destination perspective: 77,141 cases) as well as (2) non-migrants from FEB (North / Central), FEB (Balkan) and SE (origin perspective: 56,347 cases). The results showed that compared to non-migrants from NE, the risk of late-life depression was increased for migrants from FEB (North / Central) (OR=2.69, p=0.001), FEB (Balkan) (OR=3.82, p=0.004) and SE (OR=3.04, p<0.001). Similarly, compared to non-migrants from WE, the risk of late-life depression was increased for migrants from SE (OR=1.89, p<0.001) and FEB (North/Central) (OR=1.43, p=0.049). However, compared to non-migrants from FEB (North / Central), the risk of late-life depression was reduced for migrants from FEB (North / Central) (OR=0.68, p=0.022). Our study provides evidence that the mental health disadvantage experienced by migrants compared to non-migrants in later life across Europe is driven by negative causal effects (destination perspective). In contrast, the origin perspective suggests positive selection effects. Policies to support migrants from the FEB and SE may help to reduce mental health inequalities among older people in Europe.

A growing interest in economics and the social sciences in Earth observation (EO) data has led to a broad spectrum of publications in recent years. They range from studying environmental attitudes and behavior, economic development, conflicts and causes of flight, and electoral behavior. However, social science researchers also face many obstacles in applying and using these data, resulting from 1) a lack of technical expertise, 2) a lack of knowledge of data sources and how to access them, 3) unfamiliarity with complex data formats, such as high-resolution, longitudinal raster datacubes, and 4) lack of expertise in integrating the data into existing social science datasets. Despite the increased interest in the data, for the majority of researchers in the social sciences, EO data represents a black box after all. In this session, we present our new project “EarthLinks” which aims to close the gap and create an automated interface to EO data and complementary resources for social science research. The project's goal is creating an open-source tool to link time- and space-sensitive social science datasets with data from Earth observation programs based on a Shiny App in R. The project advances the automatization of these data integration processes between social science data and EO data based on an open-source, user-friendly tool that does not require users' programming skills. The EarthLinks workflow will be exemplified on the basis of a research project which we currently conduct on the effects of flooding exposure on climate change opinion.

Spatial data take an increasingly important role in all kinds of disciplines at the intersection of the social and earth sciences. In many cases such spatial data is not available at the highest possible resolution. Instead, it is coarsened or geo-masked to a higher geographic level such as zip codes or municipalities. Particularly in survey-based social scientific research, operating at very fine spatial resolutions can raise privacy concerns as data can more easily be linked to specific individuals or households. On the other hand, working exclusively with centroids of coarser geographic levels can obscure important spatial variations and impede meaningful distance-based analysis. Past research has shown how the level of coarseness in geocoding negatively affects the accuracy of spatial analysis, in particular locational accuracy of spatial clusters. In this paper, we revisit so-called geoimputation approaches from health geography to increase the data quality of coarsely geocoded spatial data while maintaining the data privacy of individuals. We extend these approaches using high-resolution gridded population data and place-related survey responses to make more realistic estimates on where people might live. We aim to implement existing methodologies and reimagine them to fit social-spatial research applications. By combining survey and population data, we aim to improve the potential of spatial analysis in the social-spatial sciences.

Bei dem Projekt Sat4GWR_IF-Bund handelt es sich um ein Forschungsprojekt im Rahmen des IF-Bund Rahmenvertrages zur Anwendung neuartiger Fernerkundungsverfahren in der Bundesverwaltung. Der Leistungszeitraum des Projekts war 10/2021-12/2024. In dem Projekt wurden neuartige Methodiken der künstlichen Intelligenz (KI) eingesetzt, um Gebäude und deren Merkmale aus hochauflösenden Fernerkundungsdaten abzuleiten. Erforscht wurde, ob die abgeleiteten Ergebnisse die Plausibilisierung von Gebäudeangabe aus dem Zensus bzw. im Registerzensus unterstützen können. Der erwartete Mehrwert aus dem Sat4GWR_IF-Bund Projekt besteht darin, ermittelte Daten zu Gebäudeangaben u.a. bzgl. der Aktualität, der Vollzähligkeit und der Vollständigkeit zu ergänzen und damit eine Qualitätssicherung von Gebäudeangaben in der amtlichen Statistik zu unterstützen.

Der Mikrozensus liefert als größte jährliche Haushaltsbefragung in der amtlichen Statistik aktuelle und umfassende Ergebnisse über die Lebensverhältnisse der Bevölkerung. Von hoher Relevanz ist dabei die Bereitstellung regionaler Statistiken durch die Landesämter. Obgleich eine hohe Nachfrage an Ergebnissen des Mikrozensus auf Kreisebene besteht, veröffentlicht das Bayerische Landesamt für Statistik diese nur bis zur Ebene der Anpassungsschichten. Grund sind die zum Teil geringen Stichprobengrößen in den 96 Landkreisen und kreisfreien Städten, die eine erhöhte Schätzunsicherheit der Ergebnisse nach sich ziehen. Im Rahmen meiner Masterarbeit habe ich untersucht, ob mit der Anwendung von Small-Area-Verfahren auf den Mikrozensus 2022 für die Kreisebene in Bayern verlässliche Ergebnisse geschätzt werden können. Dafür habe ich das Merkmal des gruppierten Haushaltsnettoeinkommens gewählt, auf dessen Basis die Berechnung verschiedener linearer und nichtlinearer Armuts- und Ungleichheitsindikatoren möglich ist. Die Berechnung der direkten Punktschätzer erfolgt mittels Iterative Kernel Density Estimation. Für die Small-Area-Schätzer wird als weitere Datenquelle die Haushaltsstichprobe aus dem Zensus 2022 herangezogen. Die Modellanpassung wird mithilfe eines stochastischen Expectation-Maximization-Algorithmus unter Verwendung von Transformationen vorgenommen und anschließend die Empirical Best Predictor-Methode angewendet. Die Ergebnisse zeigen, dass die Schätzgenauigkeit mit der Small-Area-Methode für alle Indikatoren erhöht werden kann, wenngleich einige bereits ausreichend geringe Standardfehler aufweisen. Ein Vergleich der direkten und modellbasierten Punktschätzer verdeutlicht, dass diese nicht für alle Indikatoren verlässlich sind, sodass mögliche Ursachen und weitere Modellanpassungen diskutiert werden.