Neue Ansätze zur Simulation von Zuwanderungs- und Integrationsverläufen

• Das Projekt ist ein exploratives, modular aufgebautes Methodenprojekt. Ziel ist die Entwicklung und Erprobung innovativer Simulationsansätze zur Analyse von Zuwanderungs-, Abwanderungs- sowie Integrations- und Niederlassungsprozessen. Im Mittelpunkt steht die Kombination unterschiedlicher Methoden, darunter agentenbasierte Simulationen, probabilistische Modelle und KI-gestützte Verfahren wie Large Language Models, um Migrationsdynamiken besser zu erklären und kontrafaktische Szenarien zu untersuchen.
• Modul 1 fokussiert auf die Modellierung individueller Migrationsentscheidungen mittels Bottom-up-Ansätzen, die Mikro- und Makrodaten verknüpfen und politische Veränderungen oder exogene Schocks simulieren können.  
• Modul 2 untersucht den Einsatz künstlicher Intelligenz zur Erhebung und Auswertung offener Antwortformate in quantitativen Surveys, insbesondere zur Analyse narrativer Integrationsverläufe.  

Der Anwendungsbereich KI-basierter Tools des maschinellen Lernens zur Hypothesentestung anstelle eines deskriptiv explorativen Arbeitens ist innerhalb der sozial- und verhaltenswissenschaftlichen Migrationsforschung bisher nicht ausreichend beleuchtet. Hier setzt das Projekt an.

Insgesamt zielt das Projekt darauf ab, neue methodische Werkzeuge für die migrationsbezogene Forschung am DeZIM zu etablieren und theoretisch fundierte, empirisch belastbare Erkenntnisse zu gewinnen.

Modul 1 prüft die Durchführbarkeit eines Bottom-up-Simulationsmodells individueller Migrationsentscheidungen. Statt Migration direkt zu modellieren, werden die zugrunde liegenden Entscheidungsprozesse von Migrant*innen formalisiert, mithilfe von Umfragedaten empirisch informiert und mit Makrodaten kalibriert, um externe Validität zu gewährleisten. Methodisch kombiniert das Modul agentenbasierte Simulationen mit stochastischen und probabilistischen Verfahren. Ziel ist nicht die Vorhersage von Migration, sondern die kausale Analyse zentraler Migrationsmechanismen sowie die Simulation kontrafaktischer Szenarien, etwa politischer Veränderungen oder exogener Schocks. 

Modul 2 untersucht den Einsatz sprachbasierter KI-Modelle zur Erhebung und Auswertung offener Antwortformate in quantitativen Umfragen. Auf Basis vorhandener narrativer Interviewdaten werden Sprachmodelle trainiert, um komplexe qualitative Aussagen in standardisierte, vergleichbare Survey-Daten zu überführen. Zudem wird geprüft, ob KI-gestützte, dialogische Survey-Formate eingesetzt werden können, um relevante Informationen zu migrations- und integrationsbezogenen Forschungsfragen systematisch zu erfassen.

Modul 1 hat die theoretischen und methodischen Grundlagen für ein Bottom-up-Modell individueller Migrationsentscheidungen gelegt. Es wurde ein wahrscheinlichkeitstheoretischer Rahmen zur Analyse von Pfadabhängigkeiten in Migrationsverläufen entwickelt und ein standardisiertes ODD+D-Protokoll zur Modellbeschreibung erarbeitet. Das Modul liefert damit ein belastbares konzeptionelles Fundament für die weitere Modellierung und empirische Anwendung.

• Liam Haller 2025 Are Forced Migrant Trajectories Path-Dependent? A Markov Analysis International Migration Review https://doi.org/10.1177/01979183251319015 
• Liam Haller 2025 A Call to Embrace Uncertainty: Rethinking Statistical Inference in Migration Research