Der Themenbereich »Bildung & Beruf« bildet einen Schwerpunkt der Arbeit von MICRO. Die Abteilung verfügt über ein langjähriges Know-how in der BAföG-Planung, welches regelmäßig in der Planung von BAföG-Reformen Anwendung findet. Projektionen des Finanzbedarfs und der Gefördertenzahl werden dem Bundesministerium für Bildung und Forschung regelmäßig zur Verfügung gestellt.
*abgeschlossen
Trotz steigender Berechtigungszahlen nehmen viele Studierende ihre Ansprüche auf BAföG nicht wahr. In enger Zusammenarbeit mit dem Max-Planck-Institut zur Erforschung von Ge-meinschaftsgütern haben wir die Ursachen für die geringe Inanspruchnahme von BAföG un-tersucht und zeigen, dass Fehleinschätzungen zum BAföG und dessen Berechtigung eine ent-scheidende Rolle spielen. Wir analysieren dabei sowohl strukturelle Barrieren als auch die Wirksamkeit von Informationsinterventionen zur Erhöhung der Antragsquoten.
Unsere umfassende Umfrage unter 22.222 Studierenden in Deutschland zeigt: Bis zu 70 % der Anspruchsberechtigten beziehen kein BAföG. Um herauszufinden, warum die Studierenden zu dieser Fehleinschätzung ihrer Berechtigung kommen, haben wir ihnen Beispielfälle präsentiert, die sie schätzen mussten:
Anna (22) studiert und wohnt im Studierendenwohnheim. Ihr Vater ist Arbeitnehmer und hatte vor zwei Jahren ein Brutto-Jahreseinkommen von 60.000 €. Ihre Mutter ist Hausfrau und hatte kein Einkommen. Anna ist über ihre Eltern kostenlos kranken- und pflegeversichert. Sie besitzt keine eigenen Vermögenswerte. Ihre kleine Schwester Sophie (14) geht noch zur Schule.
Was glauben Sie, wie viel BAföG Anna pro Monat bekommt?
Anna hat einen Anspruch auf 762 € BAföG.
In der folgenden Tabelle werden zusätzlich zur dargestellten Frage die durchschnittlichen Antworten für weitere Beispiele zur Schätzung von Elterneinkommenshöhen und Rückzahlungsbeträgen dargestellt.
Diese Tabelle zeigt, dass Studierende im Durchschnitt unterschätzen, wie viel BAföG sie im konkreten Fall bekommen können. Personen, die berechtigt sind, jedoch keinen BAföG-Antrag stellen, unterschätzen, wie viel die Eltern für eine BAföG-Berechtigung verdienen dürfen. Zuletzt wird ersichtlich, dass nur BAföG-Bezieher*innen im Schnitt besser verstehen, dass maximal 10.010 € zurückgezahlt werden müssen.
Aus diesen Ergebnissen konnten wir zwei Haupthürden für Studierende identifizieren:
Hier zeigt sich: Fehleinschätzungen beeinflussen beide Hürden maßgeblich und sorgen für niedrige BAföG-Antragszahlen. Um dies zu veranschaulichen, haben wir die nicht-antragsstellenden Berechtigten gefragt, ab welcher BAföG-Höhe sie einen Antrag stellen würden. 66 % der Studierenden gaben dabei einen Betrag an, welcher geringer war als der individuelle BAföG-Anspruch. Dies zeigt, dass Studierende starke Fehleinschätzungen über ihre eigene Berechtigung und die Höhe ihres Anspruchs haben, was zu hoher Nichtinanspruchnahme führt.
Mithilfe eines Feldexperimentes mit 6.225 nicht-BAföG-beziehenden Studierenden haben wir die Wirkung einer gezielten Informationsintervention getestet.
Die Ergebnisse zeigen:
Die Intervention erhöht die Antragswahrscheinlichkeit um 46 %. Studierende aus sozial schwächeren Haushalten profitieren besonders und stellen eher BAföG-Anträge durch die Informationsintervention.
Einkommenssteigerung durch BAföG: Studierende, die BAföG beantragen, haben ein insgesamt höheres Einkommen, aber reduzieren ihr Erwerbseinkommen und die finanzielle Unterstützung durch die Eltern. Dies zeigt, dass BAföG-Bezug nicht nur die finanzielle Stabilität der Studierenden selbst verbessert, sondern auch deren Eltern entlastet.
Die Studien zeigen, dass Fehleinschätzungen eine zentrale Hürde für die BAföG-Inanspruchnahme darstellen. Informationskampagnen, die die realen Bedingungen und individuellen Ansprüche klarer kommunizieren, können die Antragsquoten signifikant steigern und soziale Ungleichheit verringern.
Hochschulen und Politik sollten verstärkt auf gezielte Aufklärungsmaßnahmen setzen, um Studierende über ihre Berechtigung und die tatsächlichen Konditionen des BAföG zu informieren.
Fehleinschätzungen über Fördervoraussetzungen, Elterneinkommen oder Rückzahlungspflichten hindern viele berechtigte Studierende daran, BAföG zu beantragen. Um diese Hürden gezielt abzubauen, haben wir einen interaktiven, KI-gestützten BAföG-Chatbot entwickelt. Dieser kombiniert moderne Sprachmodelle (LLMs) mit verlässlichen Rechen- und Wissenssystemen. Ziel ist es, Studierenden personalisierte Informationen zur BAföG-Berechtigung sowie individuelle Förderhöhen in verständlicher Form bereitzustellen – ganz ohne komplexe Formulierungen und Wartezeiten.
Der Chatbot nutzt Verfahren wie Retrieval-Augmented Generation, um Fehlinformationen zu vermeiden und bietet eine interaktive Beratung, die auf persönliche Lebenssituationen eingeht, kombiniert mit einem BAföG-Rechner.
Eine erste Testversion des Chatbots wurde bereits erstellt und steht Ihnen im Netz zur Verfügung: BAföG-Chatbot
Diese Version veranschaulicht sowohl die Genauigkeit der Berechnungen als auch die Qualität und Nutzerfreundlichkeit des Chatbots. Ein Demonstrationsvideo des Chatbots in der Messengerapp Telegram zeigt, wie Studierende den Chatbot zukünftig verwenden können:
Experiment: LLM-Chatbot vs. klassische Information
In einer geplanten Feldstudie untersuchen wir gemeinsam mit dem Max-Planck-Institut, ob der Chatbot effektiver darin ist, Fehleinschätzungen zu korrigieren und die BAföG-Inanspruchnahme zu erhöhen – im Vergleich zu klassischen Informationsangeboten wie Webseiten oder Beratungsbroschüren. Besonderes Augenmerk gilt dabei der Nutzerbindung und der kognitiven Verständlichkeit komplexer Förderbedingungen.
Machbarkeitsstudie zu Grenzen von LLM-Chatbots
Die LLM-Technologie bietet mit ihrer flexiblen Beratungsweise viele Möglichkeiten, jedoch müssen die Grenzen des Machbaren genauer ermittelt werden. Dafür schlagen wir eine Machbarkeitsstudie zur Untersuchung der technischen Grenzen und Potenziale bei der Entwicklung eines verlässlichen BAföG-Chatbots vor. Kern der Machbarkeitsstudie ist eine Benchmark von Fragen zum Thema BAföG, die von LLMs/LLM-Chatbots beantwortbar sein müssen. Anhand dieser werden verschiedene Methoden zur Verbesserung von Antwortqualität getestet. Dazu zählen Ansätze des Prompt-Engineerings und der Retrieval-Augmented Generation sowie die Nutzung von Wissensgraphen, das Fine-Tuning von LLMs und das Identifizieren der passendsten Arten der Informationsaufbereitung. Diese Studie ist notwendig, um sicherzustellen, dass LLMs nicht blind vertraut wird, sondern die Grenzen der Technologie identifiziert werden. So wollen wir den sicheren Einsatz in der Praxis ermöglichen.
Implementierung, Kooperationen und Zukunftsperspektiven
Wir sehen es als Ziel, den entwickelten BAföG-Chatbot als niedrigschwelliges digitales Beratungsangebot in der Praxis zu etablieren. Dabei könnten insbesondere Studierendenwerke und Hochschulen von der Einführung profitieren, da Sachbearbeiter*innen und Berater*innen im BAföG-Vollzug entlastet werden. Aktuell suchen wir Kooperationspartner, die bei der vollständigen Entwicklung und Einführung des Chatbots unterstützen.
Laufzeit: vor Gründung des FIT (2002) – heute
Das BAFPLAN-System ist ein statisches Mikromodell für die BAföG-Planung, das in unterschiedlichen Versionen seit über vier Jahrzehnten vom federführenden Ministerium (heute BMBF) eingesetzt wird. Es wurde in den Jahren 1975 bis 1977 in der ehemaligen GMD konzipiert und implementiert und seither kontinuierlich fortentwickelt. Bei der Anwendung stehen Kostenschätzungen von Gesetzesänderungen sowie die Projektion des Finanzbedarfs und der Gefördertenzahl im Vordergrund.
Grundlage des BAFPLAN-Systems ist eine speziell auf das BAföG zugeschnittene Stichprobe die sämtliche förderungsrelevante Merkmale enthält, was eine recht präzise Schätzung von fiskalischen Auswirkungen auch geringfügiger Gesetzesänderungen erlaubt, die auf keiner anderen existierenden Datengrundlage möglich sind und ausschlaggebend für die hohe Prognosegüte von BAFPLAN ist. Die Datenbasis enthält für jeden Fall rund 300 Merkmale die zur Berechnung des BAföG-Anspruchs aus den Antragsdaten notwendig sind. Sie umfasst unter anderen detaillierte Angaben zu Einkommen der Eltern, des Auszubildenden und dessen Ehegatten sowie Angaben zur Ausbildungsstätte und Unterbringung des Auszubildenden sowie dessen Geschwistern. Diese detaillierten Angaben ermöglichen die Abbildung aller für die Berechnung des BAföG relevanten gesetzlichen Parameter.
Neben Angaben zu Geförderten enthält die Mikrodatenbasis auch Daten von erfolglosen Antragstellern, so dass von einem Teil der Nichtgeförderten, der unter einem alternativen Rechtsstand potenziell einen positiven BAföG-Anspruch aufweist, ebenfalls vollumfängliche Informationen vorliegen. Dies ermöglicht dementsprechend auch Schätzungen zu Gesetzesänderungen, die zu einer Ausweitung der BAföG-Ansprüche führen. Zum anderen ermöglicht die Erfassung der Nichtgeförderten der Größenordnung nach abzuschätzen, inwieweit bestehende Ansprüche auf Förderung ausgeschöpft werden. Hier zeigt sich, dass die Ausschöpfung mit der Höhe des Anspruchs positiv korreliert ist. Dieser Zusammenhang wird im BAFPLAN-System berücksichtigt. Insoweit geht BAFPLAN über den Ansatz klassischer statischer Mikromodelle hinaus, die nur Effekte der "ersten Runde" einbeziehen.
Zur Konstruktion der Gefördertenstichprobe wird auf die bei den Landesrechenzentren gespeicherten anonymisierten Daten der Geförderten zurückgegriffen, die alle relevanten Antragsdaten sowie die Ergebnisse des maschinell erstellten Förderungsbescheids umfassen. Das Mikromodell greift somit derzeit auf eine Gefördertenstichprobe von rund 660 Tsd. Fällen zurück.
Im Rahmen des BAFPLAN-Systems werden nicht nur BAföG-Berechnungen durchführt, sondern auch die Steuerbelastung der Eltern für jeden Stichprobenfall ermittelt. Dadurch können zumindest approximativ die Effekte von Steuersenkungen berücksichtigt werden. Denn durch jede Steuersenkung steigen die Nettoeinkommen und daher sinken über die vermehrte Anrechnung von Einkommen die BAföG-Ansprüche. Die Möglichkeit der detaillierten Parametervorgaben im BAFPLAN-System erlaubt darüber hinaus präzise Aussagen zu Wirkungen von Änderungen der Mietkosten, Leistungsparameter des BAföG, Bildungsbeteiligung sowie zum Grad der Ausschöpfung.
Auftraggeber: Bundesministerium für Bildung und Forschung (BMBF)
2016 |
Abschlussbericht zum Forschungsvorhaben: Bundesausbildungsförderungsgesetz - Forschungsstand und Datensätze |
1999 |
Micro Analytic Simulation Models for Political Planning |
1998 |
Rules as Paramenters in Microanalytic Simulation Models |
1994 |
German government to user GMD planning model |
Laufzeit: 2014-2016
Im Rahmen dreier Projekte wurden von Fraunhofer FIT in Kooperation mit dem Bundesinstitut für Berufsbildung (BIBB), dem Institut für Arbeitsmarkt- und Berufsforschung (IAB) sowie der Gesellschaft für wirtschaftliche Strukturforschung mbH (GWS) im Auftrag der Kassenärztlichen Bundesvereinigung (KBV) Projektionen und Analysen zum Thema Ärztemangel durchgeführt. Hierbei entwickelte Fraunhofer FIT zunächst ein Projektionsmodell des zukünftigen Arbeitskräfteangebotes von Ärzten im ambulanten Bereich, das im Rahmen des zweiten Teilprojekts um ein Modell zur Fortschreibung des stationären Sektors ergänzt wurde. In einem letzten Schritt wurde das Modell um Module zur Berechnung von Szenarien erweitert, die es erlauben Projektionen unter geänderten Verhaltensannahmen – beispielsweise in Bezug auf die Fachrichtungswahl – durchzuführen.
Auftraggeber: Kassenärztliche Bundesvereinigung (KBV)
Laufzeit: 2008-2016
Einen weiteren Schwerpunkt der Arbeiten der Forschungsgruppe MICRO bildeten qualifikations- und berufsspezifische Projektionen des Arbeitskräfteangebots. In früheren Forschungsarbeiten wurden diese Projektionen vor Allem im Auftrag des Bundesinstituts für Berufsbildung (BIBB) erstellt. Dabei wurden Zu- und Abgänge im Erwerbspersonenbestand nach Bildungsabschlüssen und Berufsfeldern differenziert fortgeschrieben, um das zukünftige Arbeitskräfteangebot unter Berücksichtigung der erwarteten demographischen Entwicklungen zu beschreiben. Die so gewonnen Informationen wurden in Kooperation mit dem Bundesinstitut für Berufsbildung (BIBB), dem Institut für Arbeitsmarkt- und Berufsforschung (IAB) sowie der Gesellschaft für Wirtschaftliche Strukturforschung (GWS) im Rahmen des QuBe-Projekts insbesondere dazu genutzt um Kenntnisse über die voraussichtliche langfristige Entwicklung des Arbeitsmarktes zu erlangen und so mögliche qualifikations- und berufsspezifische Engpässe zu projizieren.
Auftraggeber: Bundesinstitut für Berufsbildung (BIBB)
Fraunhofer-Institut für Angewandte Informationstechnik FIT
