Die amtliche Hochschulstatistik liefert seit Jahrzehnten wertvolle Daten zu Studierenden, Studienanfänger/-innen sowie Absolventen/-innen. Bis zur Novelle des Hochschulstatistikgesetzes (HStatG) im Jahr 2016 war sie jedoch auf regelmäßige Querschnittserhebungen beschränkt. Dies erlaubte lediglich Momentaufnahmen, jedoch keine Analyse individueller Studienverläufe. Mit der Einführung der Studienverlaufsstatistik wurde ein paradigmatischer Wandel vollzogen: Erstmals können longitudinale Daten über die gesamte Hochschulkarriere in Deutschland hinweg erfasst und verknüpft werden. Dies eröffnet neue Möglichkeiten für die Hochschulforschung, -politik und -verwaltung und ermöglicht eine präzisere Analyse von Studienverläufen.

Dabei offenbart die Einführung der Studienverlaufsstatistik auch erhebliche methodische Herausforderungen, insbesondere im Bereich der Datenverknüpfung und des Datenschutzes. Denn eine zentrale Herausforderung im Bereich der Record Linkage besteht darin, individuelle Daten zuverlässig und konsistent zu verknüpfen. In Bezug auf die Studienverlaufsstatistik ergibt sich die zusätzliche Herausforderung, sicherzustellen, dass keine Rückschlüsse auf einzelne Personen möglich sind. Die Verknüpfung im Rahmen der Studienverlaufsstatistik erfolgt über ein datenschutzkonformes Pseudonymisierungsverfahren, das auf einem nicht-reversiblen Hash-Verfahren basiert. Dabei werden verschiedene unveränderliche Erhebungsmerkmale sowie zwei Hilfsmerkmale, nämlich die Angaben zum Tag im Geburtsdatum sowie die ersten vier Buchstaben des Vornamens verwendet, um einen pseudonymisierten Identifikator zu erstellen. Das Verfahren gewährleistet eine konsistente Verknüpfung der Datensätze über mehrere Semester hinweg und ermöglicht eine belastbare empirische Grundlage, die eine genauere Analyse von Übergängen vom Bachelor- zum Masterstudium, Studienabbrüchen und Studienerfolgen ermöglicht.

Der Beitrag beleuchtet die methodischen Herausforderungen der Studienverlaufsstatistik und bewertet die Datenqualität anhand von Zusammenführungs- und Wiederfindungsquoten. Darüber hinaus werden Ergebnisse zu den bereits entwickelten Quoten präsentiert. Diese zeigen unter anderem die fachspezifischen Unterschiede in den Übergangsraten vom Bachelor- zum Masterstudium. Abschließend werden Perspektiven für zukünftige Analysen diskutiert, die zur Weiterentwicklung der Hochschulforschung und -politik beitragen können.

Mit dem Aufbau eines Bildungsverlaufsregisters in Deutschland soll eine bildungsbereichsübergreifende statistische Datenbasis geschaffen werden, die Bildungsverlaufsdaten für die Wissenschaft, Politik und Wirtschaft bereitstellen kann. Die Statistischen Ämter des Bundes und der Länder konzipieren hierzu gemeinsam mit den Kultusministerien und dem BMBF den Aufbau eines auf amtlichen Bildungsstatistiken basierenden „Bildungsverlaufsregisters im Verbund“ (BVR-V). Der föderale Aufbau des BVR-V entspricht der Kompetenzteilung zwischen Bund und Ländern: Bundesrechtlich geregelte Statistiken wie die Hochschul- und Berufsbildungsstatistik werden in einem Bundesbildungsverlaufsregister (BVR-B), länderrechtlich geregelte Statistiken wie die amtliche Schulstatistik in Bildungsverlaufsregistern der Länder (BVR-L) verarbeitet. Eine Zusammenführung der getrennten Statistikregister soll über das BVR-V stattfinden. Durch das Zuspielen einer Bildungs-ID, die mithilfe personenidentifizierender Merkmale in einer separaten „Vertrauensstelle“ zugeordnet oder durch die Ableitung eines eindeutigen Personenkennzeichens erstellt wird, können pseudonymisierte Bildungsverläufe erzeugt und ausgewertet werden.

Das Bildungsverlaufsregister zählt zu den Projekten, die die künftige Regierung nach aktueller Planung im Bereich Bildung umsetzen möchte. Hierfür ist die Schaffung rechtlicher Grundlagen auf Bundes- und Landesebene sowie ein Bund-Länder-Staatsvertrag notwendig. Mit dem Aufbau eines BVR wird ein wichtiger Schritt hin zu der lange geäußerten Forderung aus Wissenschaft und Forschung nach der Verknüpfbarkeit von registerbasierten Bildungsverlaufsdaten geschaffen, welches zu zahlreichen bildungsrelevanten Fragen eine qualitativ hochwertige empirische Grundlage bereitstellen kann. Zudem ist ein Vorteil der Nutzung amtlicher Daten, neben dem Wegfall typisch methodischer Probleme von Panelerhebungen, der direkte Bezug der Informationen aus der Verwaltung. Die intensive Plausibilisierung im Rahmen der statistischen Aufbereitung gewährleistet die Validität, Objektivität und die Reliabilität der gelieferten Angaben. Die Zusammenführung bisher separat erfasster Querschnittsdaten bringt neben dem umfassenden Nutzen auch methodische Herausforderungen mit sich. Hierunter fallen im Hinblick auf die Datenaufbereitung u.a. die Harmonisierung, Verknüpfung und Plausibilisierung der Bildungsstatistiken. Um die Bildungsverlaufsdaten im Anschluss analysieren zu können, müssen zudem neue Auswertungsroutinen entwickelt werden, sowie ein geeignetes Geheimhaltungsverfahren und Wege der Datenbereitstellung für die Wissenschaft abgestimmt werden.

Die Erfassung non-formaler Weiterbildungsaktivitäten im Rahmen großangelegter Mehrthemenbefragungen wie dem Mikrozensus ist mit erheblichen Herausforderungen verbunden. Aufgrund des begrenzten Frageumfangs haben Befragte oft einen großen Ermessensspielraum, welche Aktivitäten sie non-formaler Weiterbildung zuordnen. Insbesondere bei kürzeren Weiterbildungsaktivitäten, wie einstündigen Online-Kursen, führen längere Referenzzeiträume zudem häufig zu Erinnerungslücken. Beide Faktoren können die systematische Untererfassung der tatsächlichen Weiterbildungsbeteiligung zur Folge haben.

Vor diesem Hintergrund wurde 2023 das bestehende Fragekonzept im Mikrozensus grundlegend überarbeitet, um die Erfassung der non-formalen Weiterbildungsteilnahme zu optimieren und damit die Datenqualität für die Bildungsberichterstattung zu verbessern. Die wesentlichen Neuerungen umfassen eine neu strukturierte Abfolge der Referenzzeiträume – zunächst vier Wochen, anschließend zwölf Monate – sowie eine präzisere und eindeutigere Frageformulierung, die in enger Zusammenarbeit mit nationalen Experten des Deutschen Instituts für Erwachsenenbildung (DIE) entwickelt wurde.

Zur Evaluation der Wirksamkeit des neuen Fragekonzepts kam erstmals im Mikrozensus im dritten Quartal 2023 ein Split-Ballot-Verfahren zum Einsatz. Dabei wurde eine Unterstichprobe der CAWI-Befragten randomisiert in eine Kontrollgruppe (altes Frageformat) und eine Experimentalgruppe (neues Frageformat) unterteilt. Die Ergebnisse dieses Verfahrens zeigen einen deutlichen Anstieg der gemessenen Weiterbildungsbeteiligung von 16 % auf 21 % im Vergleich zum alten Frageformat.

Auf Basis dieser positiven Ergebnisse wurde das neue Fragekonzept 2024 flächendeckend implementiert. Erste Auswertungen des Berichtsjahres 2024 bestätigen die Verbesserungen im CAWI-Modus, während sich in den assistierten Erhebungsmodi (CATI und CAPI) keine vergleichbaren Effekte zeigen. Diese Ergebnisse deuten darauf hin, dass das Split-Ballot-Verfahren ein vielversprechendes Instrument zur Evaluierung von Messinstrumenten darstellt, wenngleich die Übertragbarkeit der im CAWI-Modus gewonnenen Erkenntnisse auf andere Erhebungsmodi begrenzt zu sein scheint.

In diesem Beitrag stellen wir die Ziele, Methoden und erste Erkenntnisse zum Methodentest im Bevölkerungsmodul gemäß Registerzensuserprobungsgesetz als wichtigen Schritt für einen registerbasierten Zensus ab 2031 vor. Zentrales Element zur Qualitätssicherung ist der sogenannte Lebenszeichenansatz. Die hohen Ansprüche an die Ergebnisqualität bei der Einwohnerzahlermittlung stellen eine besondere Herausforderung dar. Um den Lebenszeichenansatzes zu überprüfen, erfolgt ein Abgleich mit den Ergebnissen der bereits durchgeführten Personenerhebungen des Zensus 2022. Die Bewertung der Qualität der Vergleichsregister erfolgt u.a. durch Kennzahlen zur Bewertung der Datenqualität und einen Abgleich mit Referenzdaten aus dem Zensus 2022. Ziel des Methodentests ist es, Aussagen zur grundsätzlichen Eignung der Methoden zu treffen, um im Zensus 2031 realitätsgerechte Bevölkerungszahlen auf den Ebenen Bund, Länder und Gemeinden ermitteln zu können.