KVJS Forschung. Zwischenbericht. Dr. Harald Weber Dr. Vanessa Kubek Dr. Frank Eierdanz Annette Blaudszun-Lahm Nicole Ottersböck

Transkript

1 KVJS Forschung Regionale Arbeitsmarktforschung und -planung zur Integration von Menschen mit wesentlicher Behinderung Zwischenbericht Dr. Harald Weber Dr. Vanessa Kubek Dr. Frank Eierdanz Annette Blaudszun-Lahm Nicole Ottersböck Institut für Technologie und Arbeit (ITA) e. V. Technische Universität Kaiserslautern

2 Zwischenbericht Inhaltsverzeichnis Einführung 4 1. Struktur- und Arbeitsmarktdaten Baden-Württemberg Überblick Datenquellen Methodisches Vorgehen Allgemeine Struktur- und Arbeitsmarktaspekte Spezifische strukturelle Aspekte bezüglich Menschen mit Behinderungen 9 2. Prüfung des Einflusses struktureller Merkmale auf Übergänge Überblick Vermittlungen in den ersten Arbeitsmarkt als abhängige Variable Methodisches Vorgehen Ergebnisse Auswahl geeigneter Kreise für die Feldforschung Vorüberlegungen Typisierung der Stadt- und Landkreise Ermittlung geeigneter Teilnehmerkonstellationen Forschungsdesign Auswahl geeigneter qualitativer Methoden Relevante Spezifika bei der Befragung von Menschen mit Behinderungen Konzeption der qualitativen Erhebung Befragte Akteure und Zugang im Feld Befragungsmethode und Auswertung der Interviews Validierung der Ergebnisse der Feldforschung Ergebnisse der empirischen Studie Variablen, die spezifischen Akteuren zuzuordnen sind Variablen, die spezifischen Förderansätzen / Strukturen / Angeboten zuzuordnen sind Prozessrelevante, akteursübergreifende Variablen Wirkrichtungen und ebenen der identifizierten Variablen Relevanz der Variablen Handlungsoptionen auf Variablenebene Zwischenfazit Nutzung der Ergebnisse und weitere Schritte Regionale Betrachtung Fiskalische Betrachtung Ergebnisaufbereitung 44

3 Zwischenbericht 8. Literaturverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Anhang 52 3

4 Zwischenbericht Einführung Mit dem vom KVJS ausgeschriebenen Forschungsprojekt Regionale Arbeitsmarktforschung und -planung zur Integration von Menschen mit wesentlicher Behinderung wird der Fokus auf jene Personen gelegt, die aufgrund ihrer Behinderung und Leistungsfähigkeit zwischen den Sphären Werkstatt für behinderte Menschen (WfbM) und allgemeiner Arbeitsmarkt anzusiedeln sind. Das Land Baden-Württemberg bzw. der KVJS haben bereits mehrere Förderprogramme initiiert, um die Integration von Menschen mit wesentlicher Behinderung in den allgemeinen Arbeitsmarkt zu erhöhen (z. B. Aktion 1000plus, KoBV). Allein im Rahmen der Aktion 1000plus konnten zahlreiche Übergänge aus Schulen für Menschen mit geistiger Behinderung und WfbM erzielt werden. Dennoch steigen die Ausgaben der Eingliederungshilfe seit Jahren stetig an. 4 Nicht nur vor dem Hintergrund monetärer Erwägungen, sondern auch im Hinblick auf die Umsetzung der UN-Konvention über die Rechte von Menschen mit Behinderungen, die die berufliche Teilhabe in inklusiven Arbeitswelten in den Fokus rückt, ist es daher ein zentrales Ziel, den Übergang von Menschen mit Behinderungen aus der Schule oder der WfbM auf den allgemeinen Arbeitsmarkt zu erhöhen. Die zentrale Aufgabenstellung des Forschungsprojekts besteht vor diesem Hintergrund darin, auf der Basis einer vergleichenden Regionalforschung fördernde und hemmende Faktoren zu eruieren, die einen Übergang auf den allgemeinen Arbeitsmarkt beeinflussen, und geeignete Empfehlungen für die Fachpraxis abzuleiten. Der hier vorgelegte Zwischenbericht dokumentiert den Entwicklungsstand des Projektes nach der Durchführung des Expertenworkshops (Oktober 2012). Im ersten Kapitel werden wesentliche Struktur- und Arbeitsmarktdaten aus Baden- Württemberg zusammengetragen und mit geeigneten statistischen Analysemethoden zu Faktoren verdichtet. Im zweiten Kapitel folgt dann die Prüfung des Einflusses dieser strukturellen Merkmale auf Übergänge von Menschen mit Behinderungen auf den allgemeinen Arbeitsmarkt. Die Konsequenzen der Ergebnisse dieser Prüfung bedingen eine Auswahl geeigneter Kreise zur vertiefenden Feldforschung. Diese Auswahl wird in Kapitel 3 beschrieben. Kapitel 4 detailliert dann das in der Feldforschung verwendete Forschungsdesign, gefolgt von der Beschreibung der konkreten Konzeption der qualitativen Erhebung in Kapitel 5. Die Ergebnisse der empirischen Studie werden in Kapitel 6 dokumentiert. Kapitel 7 skizziert die auf den bisherigen Ergebnissen aufbauenden weiteren geplanten Schritte. Diese dienen auch als Diskussionsgrundlage für die Konkretisierung der weiteren Projektarbeit.

5 Zwischenbericht 1. Struktur- und Arbeitsmarktdaten Baden-Württemberg 1.1 Überblick Woran liegt es, dass es in verschiedenen Regionen mit unterschiedlichem Erfolg gelingt, Menschen mit Behinderungen in den allgemeinen Arbeitsmarkt zu integrieren? Dies ist die Ausgangsfrage des regionalstatistischen Ansatzes dieser Studie. Die Vermutung liegt nahe, dass die regionalen Verhältnisse und Rahmenbedingungen die Bemühungen zur Integration von Menschen mit Behinderungen erleichtern oder erschweren können. In einer wirtschaftlich hoch dynamischen Region mit großem Angebot an offenen Stellen im allgemeinen Arbeitsmarkt beispielsweise sollte die Vermittlung einfacher von Statten gehen als in einer wirtschaftlichen Problemregion mit hoher Arbeitslosigkeit. Dieses Kapitel trägt Struktur- und Arbeitsmarktdaten der 44 Kreise und kreisfreien Städten Baden-Württembergs zusammen und gibt einen Überblick auf die regionalen Unterschiede bezüglich vermutlich relevanter Einflussfaktoren auf den Vermittlungserfolg. Hierbei wird zunächst ein möglichst breiter Ansatz verfolgt mit einer Vielzahl potenzieller Einflussfaktoren. Im anschließenden zweiten Kapitel wird dann statistisch überprüft, welche der Faktoren tatsächlich einen signifikanten Zusammenhang mit dem Vermittlungserfolg aufweisen Datenquellen Es gibt zahlreiche Quellen regionalstatistischer Daten, etwa das Statistische Landesamt Baden-Württemberg, das Statistische Bundesamt, die Bundesagentur für Arbeit und das Institut für Arbeitsmarkt- und Berufsforschung mit angeschlossenem Forschungsdatenzentrum. Darüber hinaus bieten so genannte Panel einen Zugriff auf Längsschnittdaten, das heißt über längere Zeiträume regelmäßig erhobene Daten. Das Sozio-ökonomische Panel (SOEP) beispielsweise erhebt seit über 25 Jahren Angaben zu vielen Lebensbereichen bei über Personen in ganz Deutschland. Schließlich existieren zahlreiche weitere von einzelnen Institutionen gesammelte und im Rahmen von Fachveröffentlichungen oder Datenbanken zur Verfügung gestellte Daten, etwa der Bertelsmann-Stiftung. Für den hier verfolgten regionalstatistischen Ansatz allerdings ist es notwendig, dass sämtliche Indikatoren räumlich differenziert für alle 44 Kreise und kreisfreien Städte Baden- Württembergs vorliegen. SOEP-Daten sind hierdurch nicht verwendbar. Eine gute Datenbasis stellt die Sammlung INKAR des Bundesinstituts für Bau-, Stadt- und Raumforschung dar, die jährlich herausgegeben wird und rund 500 Indikatoren zu den Themenbereichen Bevölkerung und Sozialstruktur, Wirtschaft und Beschäftigung, Arbeitsmarkt, Einkommen und Verdienst, Wohnen, Bildung, Soziale und medizinische Versorgung, Verkehr und Erreichbarkeit, Flächennutzung und Umwelt sowie Finanzen und öffentliche Haushalte enthalten. Die Daten stammen aus den oben genannten öffentlichen statistischen Quellen und liegen auf Gemeinde- oder Kreisebene vor. Die aktuellste Version des Datensatzes ist.

6 Zwischenbericht Zusätzlich zu allgemeinen Faktoren der Raumstruktur ist es für die Analyse des Vermittlungserfolgs von Menschen mit Behinderungen sinnvoll, weitere Indikatoren zu berücksichtigen, die den Entwicklungsstand und die Ausstattung der kreisfreien Städte und Landkreise bezüglich spezifischer vermutlich für die Vermittlung von Menschen mit Behinderungen relevanter Strukturen beschreiben. Hierzu fließen die zur Verfügung gestellten Angaben des Kommunalverbands für Jugend und Soziales Baden-Württemberg (KVJS) in die Analyse ein. 1.3 Methodisches Vorgehen Es gibt zahlreiche Indikatoren mit potenziellem Einfluss auf den Vermittlungserfolg von Menschen mit Behinderungen. Viele dieser Variablen sind nicht unabhängig voneinander, sondern stehen in Zusammenhang. Die allgemeine wirtschaftlich-konjunkturelle Entwicklung äußert sich beispielsweise in Variablen wie dem Bruttoinlandsprodukt ebenso wie in Beschäftigungsindikatoren. Daher besteht ein sinnvoll und gängiger erster Analyseschritt darin, die Vielzahl der Variablen zu reduzieren. Dafür wurde mit Hilfe von einfachen bivariaten Korrelationsanalysen überprüft, welche Variablen so eng mit anderen zusammenhängen, dass sie ohne nennenswerten Informationsverlust für die weitere Analyse ausgeschlossen werden können. 6 In einem zweiten Schritt konnten dann über Faktoranalysen aus mehreren Variablen aggregierte Faktoren gebildet werden. Das statistische Verfahren der Faktoranalyse untersucht ein Set von (vielen) Variablen auf korrelative Zusammenhänge und bildet daraus (wenige) Faktoren. Dabei gehen die Variablen mit unterschiedlichem Gewicht (Faktorladung) in die Berechnung eines Faktors ein, so dass Faktoren entstehen, die eine Reihe ähnlicher Variablen zusammenfassen und inhaltlich gemäß der eingehenden Variablen benannt und interpretiert werden können. Über eine so genannte Rotation wird die Berechnung der Faktoren so vorgenommen, dass die entstehenden Faktoren voneinander unabhängig sind, das heißt nicht mehr miteinander korrelieren. Zudem sind die für jeden Fall, hier die Kreise und kreisfreie Städte, berechneten Faktorwerte standardisiert, das heißt sie weisen einen Mittelwert von 0 und eine Standardabweichung von 1 auf. Für die Faktoranalyse existieren zahlreiche mathematische Varianten, und es gibt keine völlig einheitliche beste Vorgehensweise. Für die vorliegende Untersuchung wurden die gängigsten Verfahrensvarianten eingesetzt. Als Faktorextraktionsmethode wurde die Hauptkomponentenanalyse gewählt, eine Überprüfung mit Hilfe der Hauptachsenanalyse bestätigte die Ergebnisse. Als Rotationsmethode wurde das Varimax-Verfahren verwendet. Angesichts der Vielzahl der möglichen Einflussvariablen sind prinzipiell zwei unterschiedliche Vorgehensweisen für den Einsatz der Faktoranalyse denkbar: Ein inhaltlich nicht vorstrukturiertes Vorgehen setzt eine große Faktoranalyse ein, um sämtliche Variablen auf einmal zu analysieren und daraus Faktoren zu extrahieren. Es entstehen mathematisch unabhängige, nicht korrelierte Faktoren, die allerdings hoch komplex aus Variablen aller Themenfelder zusammengesetzt sein können. Solche Faktoren, etwa aus Variablen der Betriebsgrößen, der Haushaltseinkommen und der Beschäftigtenstruktur, sind inhaltlich nur schwer zu interpretieren. Bevorzugt wurde daher eine zweite Vorgehensweise mit inhaltlicher Vorstrukturierung. Dabei wurden mehrere kleinere Faktoranalysen eingesetzt, bei denen jeweils nur die Variablen eines Themenfeldes in die Analyse eingingen. Die entstehenden Faktoren der verschie-

7 Zwischenbericht denen Faktoranalysen können hierbei gewisse korrelative Zusammenhänge aufweisen, sind aber inhaltlich homogener und wesentlich einfach zu interpretieren. Über deskriptive statistische Maße der Faktorwerte können die 44 Kreise und kreisfreien Städte dann charakterisiert werden, um einen Überblick auf die unterschiedlichen regionalen Gegebenheiten zu erlangen. 1.4 Allgemeine Struktur- und Arbeitsmarktaspekte Gesamtset der Variablen Es wurden insgesamt 151 potenziell relevante Variablen der Raum- und Wirtschaftsstruktur der 44 Kreise und kreisfreien Städte Baden-Württembergs ausgewählt. Der größte Teil der Daten stammt aus der Datensammlung. Ergänzend werden Daten des Statistischen Landesamtes Baden-Württemberg sowie des Statistischen Bundesamtes eingesetzt. Die folgende Tabelle gibt eine zusammenfassende Übersicht, eine Kurzbeschreibung aller Variablen findet sich im Anhang 1. Die Daten geben den Stand Ende 2009 wieder. Da für 2010 und 2011 zahlreiche Variablen nicht zur Verfügung standen und ein Mischen jüngerer und älterer Datenbestände methodisch ungünstig ist, erfolgt die weitere Analyse auf dem Datenstand Tabelle 1: Zusammenfassende Übersicht der verwendeten allgemeinen Struktur- und Arbeitsmarktdaten 7 Thema Arbeitslosigkeit Beschäftigung und Erwerbstätigkeit Haushaltsstruktur Wirtschaftsdynamik & -struktur Variablen (Auswahl) ALG1-Leistungen, Langzeitarbeitslose, Anzahl und Anteil Arbeitsloser, jüngere, ältere, ausländische Arbeitslose jeweils männlich, weiblich, Gesamt, jeweils als Anzahl und Anteil, Entwicklung zwischen 2004 und 2009, Arbeitslosenquote SV-Beschäftigte in Wirtschaftssektoren, Qualifikationsstufen, Altersstufen, ausländische Beschäftigte, Minijobs, Leiharbeiter, Geringfügig Beschäftigte, Erwerbsquoten Männer, Frauen, Gesamt, Entwicklung zwischen 2004 und 2009 Anteil Ein- und Zweifamilienhäuser, Haushaltseinkommen, Entwicklung Haushaltseinkommen Pendlersaldo, Kommunale Schulden, Bruttoinlandsprodukt, Entwicklung Bruttoinlandsprodukt, Betriebsgrößenstruktur, Distanz zu Oberzentren Faktoren der Entwicklung von Beschäftigung und Arbeitslosigkeit In die erste Faktoranalyse gehen 12 Variablen der Entwicklung von Beschäftigung und Arbeitslosigkeit der Jahre 2004 bis 2009 ein. Es können zwei sinnvolle Faktoren gebildet werden. Das Kaiser-Meyer-Olkin-Kriterium (KMO) in Höhe von 0,64 spricht für eine brauchbare Abbildung der Variablen durch die zwei Faktoren. Der Anteil der erklärten Varianz beträgt 55 %, was bedeutet, dass die gebildeten Faktoren nicht die gesamte Informationsvielfalt der 12 Variablen erhalten können.

8 Zwischenbericht Es lassen sich die Variablen der Beschäftigung von denen der Arbeitslosigkeit systematisch unterscheiden, was dadurch zu erklären ist, dass diese Indikatoren sich in den 44 kreisfreien Städten und Landkreisen nicht gleichartig entwickelt haben (die komplette Übersicht der Faktorladungen der Variablen findet sich im Anhang 2): Faktor 1: Günstige Entwicklung der Beschäftigung Faktor 2: Rückgang der Arbeitslosigkeit Faktoren des Ist-Standes von Beschäftigung und Arbeitslosigkeit Die aktuelle Arbeitsmarktstruktur in den 44 kreisfreien Städten und Landkreisen ist nicht deckungsgleich mit der von den Faktoren 1 und 2 abgebildeten Entwicklung von 2004 bis 2009 von Sozialversicherungspflichtiger Beschäftigung und Arbeitslosigkeit. Daher können in einer zweiten Faktoranalyse vier weitere Faktoren gefunden werden. Das KMO-Kriterium liegt bei 0,7 auf gutem Niveau. Die vier Faktoren erklären 80 % der eingehenden 14 Variablen: Faktor 3: Hoch qualifizierte Beschäftigte in Dienstleistungsberufen mit hoher Teilzeit und niedriger Frauenquote Faktor 4: Arbeitslosigkeit Faktor 5: Minijobs für gering Qualifizierte Faktor 6: Leiharbeiter mit hohem Anteil Jüngerer und Älterer Faktoren zur regionalen Finanzkraft Die dritte Faktoranalyse bildet drei weitere Faktoren zu den Themen Bruttoinlandsprodukt, Steuereinnahmen, Haushaltseinkommen und kommunale Schulden. Da hier nur 6 Variablen zum Einsatz kommen, liegt das KMO-Maß mit 0,4 auf niedrigem Niveau. Die drei gebildeten Faktoren erklären 83 % der Varianz der Variablen und sind inhaltlich gut interpretierbar: Faktor 7: Haushaltseinkommen und kommunale Schulden Faktor 8: Bruttoinlandsprodukt und Steuereinnahmen Faktor 9: Entwicklung des Bruttoinlandsprodukts Faktor zur Urbanität Die vierte Faktoranalyse fasst 5 Variablen zu einem einzigen Faktor zusammen, der die eher ländliche Prägung von kreisfreien Städten und Landkreisen und ihre Distanz zu größeren Zentren ausdrückt. Das KMO-Maß liegt mit 0,79 auf hohem Niveau. Der gebildete Faktor erklärt 66 % der Varianz der 5 Variablen: Faktor 10: Ländliche Prägung mit hoher Distanz zu Zentren Faktor zur Betriebsgrößenstruktur Eine abschließende fünfte Faktoranalyse bildet einen Faktor, der die Betriebsgrößenstruktur der kreisfreien Städte und Landkreise zusammenfasst. Hierbei lassen sich sinnvollerweise nur Gebiete mit deutlicher Prägung durch Kleinstbetriebe mit unter 10 Mitarbeiter von Gebiete mit größeren Betrieben differenzieren. Das KMO-Maß der Faktoranalyse beträgt aufgrund der niedrigen Anzahl der Variablen nur 0,4. Der gebildete Faktor erklärt aber über 87 % der 4 Variablen: Faktor 11: Eher größere Betriebe

9 Zwischenbericht Ergebnisse Als Ergebnis des ersten Teils der regionalstatistischen Analyse liegen 11 Faktoren vor, die zahlreiche Indikatoren zu den Themen Beschäftigung und Arbeitslosigkeit sowie deren Entwicklung von 2004 bis 2009, regionale Finanzsituation, Urbanität und Betriebsgrößenstruktur zusammenfassen. Im Anhang 2 sind die Faktorwerte der 11 Faktoren für alle 44 Raumeinheiten verfügbar. Es gibt darin keine völlig eindeutigen, aber einige auffallende Muster: Bei den Faktoren 3 (Hoch qualifizierte Beschäftigte in Dienstleistungsberufen mit hoher Teilzeit und niedriger Frauenquote), 6 (Leiharbeiter mit hohem Anteil Jüngerer und Älterer), 8 (Bruttoinlandsprodukt und Steuereinnahmen), 9 (Entwicklung des Bruttoinlandsprodukts) und 11 (Eher größere Betriebe) liegen die kreisfreien Städte jeweils über dem Durchschnitt. Bei Faktor 5 (Minijobs für gering Qualifizierte) und naturgemäß bei Faktor 10 (Ländliche Prägung mit hoher Distanz zu Zentren) dagegen liegen die Werte der Städte deutlich unter denen der Landkreise. Bei den übrigen Faktoren sind Kreise und kreisfreie Städte unregelmäßig verteilt. Die Entwicklung von Beschäftigung und Arbeitslosigkeit (Faktor 1 und 2) ist zwischen 2004 und 2009 nicht einheitlich, aber insgesamt sehr günstig verlaufen. Im Allgemeinen war diese Zeitspanne von einem Anstieg der Beschäftigung bei nahezu allen Personengruppen und einem Rückgang der Arbeitslosigkeit geprägt. In manchen kreisfreien Städten und Landkreisen war diese Entwicklung jedoch deutlich weniger stark bzw. hier und da sogar gegen den Trend gerichtet. Es gibt Beispielkreise für alle vier denkbaren Kombinationen, 1. günstige Entwicklung von Beschäftigung und Arbeitslosigkeit (z. B. in Stadt Heilbronn, Stadt und Kreis Karlsruhe, Ulm, Bodenseekreis), 2. Anstieg der Beschäftigung, aber nur unterdurchschnittlicher Rückgang der Arbeitslosigkeit (z. B. Stadt Freiburg, Breisgau-Hochschwarzwald, Kreis Heilbronn), 3. leichter Rückgang oder nur geringer Anstieg der Beschäftigung, aber starker Rückgang der Arbeitslosigkeit (z. B. Böblingen, Mannheim, Stuttgart) und 4. leichter Rückgang oder nur geringer Anstieg der Beschäftigung und nur unterdurchschnittlicher Rückgang der Arbeitslosigkeit (z. B. Esslingen, Freudenstadt, Rastatt). Auch bei den Faktoren der finanziellen Situation in den kreisfreien Städten und Landkreisen gibt es keine übereinstimmenden Muster. Hohes Bruttoinlandsprodukt und hohe Steuereinnahmen treffen zum Beispiel in Stuttgart, Baden-Baden und Ludwigsburg zusammen, Mannheim und Freiburg dagegen weisen bei hohem Steueraufkommen und hohem Bruttoinlandsprodukt niedrige Haushaltseinkommen und hohe kommunale Schulden auf Spezifische strukturelle Aspekte bezüglich Menschen mit Behinderungen Neben den im vorigen Kapitel erläuterten allgemeinen Faktoren zur Beschreibung der Wirtschafts- und Sozialstruktur gibt es weitere Aspekte mit spezifischer Relevanz in Bezug auf Menschen mit Behinderungen. Hierzu gehören in erster Linie die Informationen zum Umsetzungsgrad von Förderprogrammen und speziellen Förderstrukturen in den 44 kreisfreien Städten und Landkreisen. Aus den vom KVJS erhaltenen Datenbeständen sind folgende Informationen nutzbar:

10 Zwischenbericht 10 Umsetzungsgrad Aktion 1000 plus: Ergänzende Lohnkostenzuschüsse (elkz), vierstufig, ordinal (0=Interesse, 1=in Vorbereitung, 2=individuell, 3=umgesetzt) Umsetzungsgrad Aktion 1000 plus: Initiative Inklusion, dichotom, ordinal (0=kein Modellstandort, 1=Modellstandort) Existenz von Integrationsprojekten (IP), dreistufig, ordinal (0=keine IP, 1=IP in Planung, 2=IP in Betrieb) Umsetzungsgrad Aktion 1000 plus: Kooperative Berufliche Bildung und Vorbereitung auf den allgemeinen Arbeitsmarkt (KoBV), dichotom, ordinal (0=kein Modellstandort, 1=Modellstandort) Verfügbarkeit des Programms Unterstützte Beschäftigung (UB), dichotom, ordinal (0=kein Modellstandort, 1=Modellstandort) Umsetzungsgrad Aktion 1000 plus: Berufsvorbereitende Einrichtung (BVE), dreistufig, ordinal (0=keine BVE, 1=in Planung oder Beantragung, 2=umgesetzt) Im Anhang 2 sind die Werte dieser 6 Variablen für alle 44 Raumeinheiten verfügbar. Einschränkend ist festzustellen, dass für die weitere Analyse Variablen mit höherem Differenzierungsgrad geeigneter wären. Metrische Variablen, wie beispielsweise die Anzahl der Schulen, die BVE anbieten, die Anzahl der Personen, die an KoBV teilgenommen haben, oder Anzahl und durchschnittliches Alter der Integrationsbetriebe, wären besser geeignet als die vorliegenden Variablen mit nur wenigen Ausprägungsstufen.

11 Zwischenbericht 2. Prüfung des Einflusses struktureller Merkmale auf Übergänge 2.1 Überblick In diesem Kapitel wird mit Hilfe inferenzstatistischer Methoden überprüft, ob sich aus den im vorigen Abschnitt beschriebenen Faktoren und Variablen die Ausprägung und Verteilung der vorliegenden Daten des Vermittlungserfolgs der 44 Kreise und kreisfreien Städte erklären lassen. Auch wenn es rein quantitativ-statistisch (ohne aufwändige mehrjährige Längsschnittanalysen) kaum möglich ist, klare kausale Beziehungen zu identifizieren, können aus deutlichen statistischen Zusammenhängen Hinweise für Empfehlungen und Verbesserungsmöglichkeiten abgeleitet werden. 2.2 Vermittlungen in den ersten Arbeitsmarkt als abhängige Variable Die wesentliche Datenbasis zur Messung von Übergängen in den ersten Arbeitsmarkt ist die so genannte Ewige Liste des KVJS. Hierin sind erfolgte Vermittlungen insgesamt, für geistig und seelische Behinderte aus WfbM sowie für unmittelbare Vermittlung aus WfbM und Schulen dokumentiert. Als Übergang gilt eine Vermittlung in Arbeits- und Ausbildungsverhältnisse mit mindestens 15 Stunden pro Woche, inklusive der Vermittlung in Integrationsunternehmen. Es werden alle Übergänge von 2008 bis 2010 in Summe verwendet. 11 Die Ewige Liste ist eine Datensammlung, die aus Angaben der Integrationsfachdienste (IFD) in den kreisfreien Städten und Landkreisen stammt. Da nicht jeder Kreis und jede kreisfreie Stadt eigene Integrationsfachdienste unterhält, enthält die Liste die Summe der Kreise und kreisfreien Städte des betreffenden Zuständigkeitsgebiets, und zwar identisch für alle in dem Gebiet liegenden Kreise und kreisfreien Städte. Der Integrationsfachdienst Heilbronn- Franken etwa ist zuständig für vier Landkreise (Kreis Heilbronn, Schwäbisch Hall, Hohenlohekreis, Main-Tauber-Kreis), so dass alle vier Kreise die gleiche Anzahl von Vermittlungen ausweisen. Die Normalisierung der Werte auf die Einwohnerzahl erfolgt ebenfalls mit der Summe der Einzelkreise, so dass die Werte für Vermittlungen je Einwohner auch für alle Teilkreise eines IFDs identisch sind. Methodisch bedeutet diese Wertevervielfältigung eine Einschränkung, da die Werte miteinander korrelieren (mit r = 1) und im Grunde nicht als unabhängige Werte in weitere Analysen eingehen dürfen. Die einzig mögliche Alternative, diese Wertevervielfältigung zu vermeiden, würde darin liegen, die Analysen nicht mit 44 kreisfreien Städten und Landkreisen, sondern nur mit den 24 IFD-Bezirken durchzuführen. Da dann jedoch notwendig wäre, die auf Kreisebene vorliegenden allgemeinen Strukturdaten entsprechend zu aggregieren (etwa gewichtete Mittelwerte zu berechnen), würde damit ein erheblicher Informationsverlust einhergehen. Daher wurde diese Alternative verworfen und wurden die aggregierten Angaben der Vermittlungszahlen verwendet. Abbildung 1 zeigt einen Überblick auf die Vermittlungswerte der 44 kreisfreien Städte und Landkreise. Der Landkreis Biberach weist demnach die höchste Anzahl von Vermittlungen, bezogen auf die Einwohnerzahl, auf.

12 Zwischenbericht Abbildung 1: Vermittlungen zwischen 2008 und 2010, absolut und je Einwohner (Stand 2010) 12 Biberach (Landkreis) Sigmaringen (Landkreis) Ravensburg (Landkreis) Bodenseekreis (Landkreis) Pforzheim (Landkreis) Enzkreis (Landkreis) Karlsruhe (Landkreis) Karlsruhe (krsfr. Stadt) Waldshut (Landkreis) Lörrach (Landkreis) Schwäbisch Hall (Landkreis) Main-Tauber-Kreis (Landkreis) Hohenlohekreis (Landkreis) Heilbronn (Landkreis) Heilbronn (krsfr. Stadt) Rems-Murr-Kreis (Landkreis) Tuttlingen (Landkreis) Schwarzwald-Baar-Kreis (Landkreis) Rottweil (Landkreis) Freudenstadt (Landkreis) Calw (Landkreis) Esslingen (Landkreis) Rhein-Neckar-Kreis (Landkreis) Neckar-Odenwald-Kreis (Landkreis) Mannheim (krsfr. Stadt) Heidelberg (krsfr. Stadt) Stuttgart (krsfr. Stadt) Konstanz (Landkreis) Göppingen (Landkreis) Ludwigsburg (Landkreis) Rastatt (Landkreis) Baden-Baden (krsfr. Stadt) Zollernalbkreis (Landkreis) Tübingen (Landkreis) Reutlingen (Landkreis) Ulm (krsfr. Stadt) Alb-Donau-Kreis (Landkreis) Ortenaukreis (Landkreis) Freiburg im Breisgau (krsfr. Stadt) Emmendingen (Landkreis) Breisgau-Hochschwarzwald (Landkreis) Ostalbkreis (Landkreis) Böblingen (Landkreis) Heidenheim (Landkreis) Gruppe 1: Hoher Vermittlungserfolg Gruppe 2: Mittlerer Vermittlungserfolg Gruppe 3: Niedriger Vermittlungserfolg Vermittelte Personen 0,000 0,05 0,10 0,15 0,20 0,25 Vermittelte Persone je Einwohner 2.3 Methodisches Vorgehen Um die Stärke des Einflusses der allgemeinen Strukturfaktoren (vgl. Kapitel 1.4) und der Variablen mit spezifischen Bezug zu Menschen mit Behinderung (vgl. Kapitel 1.5) zu analysieren, kommen drei verschiedene Verfahren zum Einsatz, die einfaktorielle Varianzanalyse, der Unabhängigkeitstest über Chi² sowie die multivariate lineare Regressionsanalyse. Die einfaktorielle Varianzanalyse ermöglicht, zu prüfen, ob die Einflussfaktoren sich für unterschiedliche Gruppen der abhängigen Variablen signifikant unterscheiden. Zur Durchführung der Varianzanalyse wurde die abhängige Variable Vermittlungen in den ersten Arbeitsmarkt bezogen auf jeweils Einwohner aus der Ewigen Liste daher in drei Gruppen aufgeteilt (siehe auch Abbildung 1): Gruppe 1: kreisfreie Städte und Landkreise mit relativ hoher Vermittlungsquote (>0,12 vermittelte Personen pro Einwohner) Gruppe 2: kreisfreie Städte und Landkreise mit mittlerer Vermittlungsquote (>0,08 bis 0,12 vermittelte Personen pro Einwohner)

13 Zwischenbericht Gruppe 3: kreisfreie Städte und Landkreise mit relativ niedriger Vermittlungsquote (<=0,08 vermittelte Personen pro Einwohner) Eine Voraussetzung der Varianzanalyse ist, dass für jede Einflussvariable die Varianzen der Gruppen gleich sind. Die Bedingung wird für die drei Variablen Existenz Integrationsprojekte, Umsetzungsgrad KoBV und Umsetzungsgrad BVE nicht erfüllt. Auch die Bedingung der Normalverteilung der abhängigen Variablen ist nur näherungsweise erfüllt. Die Varianzanalyse ist hierfür aber wenig empfindlich. Als Ergebnis der Varianzanalyse wird berechnet, welche Einflussfaktoren signifikant unterschiedliche Mittelwerte für die drei Gruppen des Vermittlungserfolges aufweisen. Darüber hinaus kann mit Hilfe des Maßes der Effektstärke Eta² angegeben werden, wie stark der Zusammenhang zwischen Faktor und abhängiger Variable ist. Bei gleichem Mittelwertunterschied ist die Effektstärke umso höher, je größer die Stichprobe ist. Umgekehrt kann bei sehr großer Stichprobe schon ein kleiner Mittelwertunterschied signifikant sein, jedoch eine niedrige Effektstärke aufweisen. Angesichts der sehr niedrigen Fallzahl von 44 sind nur niedrige Effektstärken zu erwarten. Der so genannte Unabhängigkeitstest oder Chi²-Test überprüft, ob in Kreuztabellen mehrerer klassifizierter Variablen die Fälle gleichmäßig verteilt sind oder signifikant von der Gleichverteilung abweichen. Trifft letzteres zu, kann die Nullhypothese der Gleichverteilung verworfen und von einem Zusammenhang der beiden Variablen ausgegangen werden. Hauptvorteil der Vorgehensweise ist, dass auch nichtlineare Zusammenhänge erkannt werden können, etwa wenn sowohl niedrige als auch hohe Ausprägungen einer Einflussvariable zu einem bestimmten Ergebnis der abhängigen Variablen beitragen, eine mittlere Ausprägung jedoch nicht. Das Verfahren ist allerdings empfindlich gegenüber niedrigen Fallzahlen. Daher sollte höchstens in einem Viertel der Zellen der Kreuztabelle die erwartete Häufigkeit niedriger als fünf betragen. Der Chi²-Test wird eingesetzt, um den Zusammenhang der sechs behinderungsspezifischen Faktoren, die nur ordinal vorliegen, mit der gruppierten abhängigen Variable zu prüfen. Bei fünf dieser sechs Variablen ist die Voraussetzung bezüglich der erwarteten Häufigkeiten nicht erfüllt. Die Validität der Analyseergebnisse ist dadurch eingeschränkt, die wesentlichen inhaltlichen Befunde sind aber hinsichtlich ihrer grundsätzlichen Richtung dennoch aussagekräftig. 13 Die multivariate lineare Regression weist gegenüber der Varianzanalyse zwei Vorteile auf: Zum einen muss die abhängige Variable nicht in Gruppen klassifiziert, sondern kann als metrische Variable mit höherer Varianz verwendet werden. Zum anderen basiert die Regressionsanalyse auf partiellen Korrelationen, die bezüglich des Einflusses der anderen Faktoren geprüft werden, so dass die Interkorrelation der Einflussfaktoren sozusagen heraus gerechnet wird. Bei der Regressionsanalyse wird eine lineare Gleichung gesucht, die in der Lage ist, die Werte der abhängigen Variablen mit Hilfe der Einflussfaktoren möglichst genau zu reproduzieren. Je stärker der Einfluss einer Variable, desto höher sein Anteil, der so genannte Beta- Koeffizient, an der Regressionsgleichung. Für die Verwendung in der Regressionsanalyse sind die mit Hilfe der Faktoranalysen erzeugten Faktoren sehr gut geeignet, während die als

14 Zwischenbericht Ordinalvariablen vorliegenden behindertenspezifischen Angaben die Mindestvoraussetzungen des Verfahrens zwar erfüllen, aber eine sehr geringe Varianz aufweisen. Es gibt zahlreiche Verfahrensvarianten der linearen Regressionsanalyse. Häufig eingesetzt und allgemein als robust und zuverlässig angesehen ist die Methode der schrittweisen Regression. Hierbei wird zunächst derjenige Einflussfaktor in die Analyse einbezogen, der den größten Anteil bei der Schätzung der abhängigen Variablen hat. Danach wird der zweitwichtigste Faktor unter Herausrechnung des Einflusses des ersten Faktors gesucht und einbezogen, dann der dritte und so fort. Sobald ein Faktor die Schätzung der abhängigen Variable nicht mehr signifikant verbessern kann, wird die Berechnung beendet. Beim Einschluss- Verfahren werden dagegen alle Faktoren in die Regressionsgleichung einbezogen, auch wenn ihr Einfluss nicht signifikant ist. Bei der vorliegenden Studie wurden beide Varianten eingesetzt, zunächst das schrittweise Verfahren zur Identifikation, danach das Einschlussverfahren zur deskriptiven Beschreibung des Einflusses weiterer Faktoren. 2.4 Ergebnisse Ergebnisse der einfaktoriellen Varianzanalyse 14 Mit der Varianzanalyse wird überprüft, ob sich die Mittelwerte der Einflussvariablen der drei Gruppen des Vermittlungserfolgs signifikant voneinander unterscheiden. Es zeigt sich, dass dies bei keinem der allgemeinen Strukturfaktoren der Fall ist. Aufgrund der niedrigen Fallzahl reichen die Mittelwertunterschiede demnach nicht aus, um von gesicherten, das heißt nicht zufälligen, Unterschieden ausgehen zu können. Die deutlichsten, wenngleich nicht statistisch signifikanten, Mittelwertunterschiede sind bei den Faktoren 1, 5 und 6 festzustellen. In der Gruppe der Regionen mit hohem Vermittlungserfolg ist danach eine günstigere Entwicklung der Beschäftigung in den letzten Jahren, ein höherer Anteil von Minijobs für Geringqualifizierte und ein höherer Anteil von Leiharbeitern zu verzeichnen. Bei Faktor 2 zeigt sich für die Gruppe der Regionen mit höchstem Vermittlungserfolg ein geringerer Rückgang der Arbeitslosigkeit als bei den anderen Gruppen. Der Stand der Arbeitslosigkeit (Faktor 4) ist allerdings bei dieser Gruppe am niedrigsten. Nicht ins Bild passt dagegen der im Vergleich höchste Stand der Arbeitslosigkeit bei der Gruppe mit mittlerem Vermittlungserfolg. Bei den übrigen Faktoren sind nur geringe Unterschiede zwischen den drei Gruppen festzustellen.

15 Zwischenbericht Tabelle 2: Ergebnisse der einfaktoriellen Varianzanalyse Mittelwert Signifikanz Eta² Niedrige Vermittlungsquote mittlere Vermittlungsquote hohe Vermittlungsquote Anzahl der Kreise und kreisfreien Städte Faktor 1: Günstige Entwicklung der Beschäftigung -0,12-0,08 0,33 0,51 0,03 Faktor 2: Rückgang der Arbeitslosigkeit 0,07 0,05-0,21 0,24 0,01 Faktor 3: Hoch qualifizierte Beschäftigte in Dienstleistungsberufen mit hoher Teilzeit und niedriger Frauenquote 0,11-0,04-0,09 0,13 0,01 Faktor 4: Arbeitslosigkeit 0,00 0,16-0,31 0,50 0,03 Faktor 5: Minijobs für gering Qualifizierte -0,04-0,11 0,26 0,37 0,02 Faktor 6: Leiharbeiter mit hohem Anteil Jüngerer und Älterer -0,11-0,08 0,31 0,45 0,03 Faktor 7: Haushaltseinkommen und niedr. kommunale Schulden -0,06 0,09-0,09 0,13 0,01 Faktor 8: Bruttoinlandsprodukt und Steuereinnahmen -0,23 0,21-0,06 0,55 0,04 Faktor 9: Entwicklung des Bruttoinlandsprodukts 0,06 0,06-0,20 0,21 0,01 Faktor 10: Ländliche Prägung mit hoher Distanz zu Zentren -0,15 0,08 0,07 0,22 0,01 Faktor 11: Eher größere Betriebe -0,03 0,03-0,02 0,02 0, Ergebnisse der Chi²-Tests Bei den nur ordinal in zwei bis vier Klassen vorliegenden Variablen der behindertenrelevanten Strukturen sind Mittelwertvergleiche nur eingeschränkt tauglich und Kreuztabellenvergleiche eher geeignet, zu überprüfen, ob ein Zusammenhang mit der unabhängigen Variable besteht. Von den sechs Variablen zeigen zwei signifikante Abweichungen von der Gleichverteilung, das heißt einen Zusammenhang zum Vermittlungserfolg (vgl. Tabelle 3). Beim Umsetzungsgrad der Aktion 1000plus Programme KoBV und BVE befinden sich in der Gruppe der Regionen mit hohem Vermittlungserfolg deutlich mehr Fälle mit umgesetztem KoBV und BVE als es bei zufälliger Verteilung zu erwarten wäre. KoBV und BVE weisen damit einen positiven Zusammenhang mit dem Vermittlungserfolg auf. Bei KoBV ist der Zusammenhang gemäß der Effektstärke nach Kendall-Tau-b als mittel zu bezeichnen, während bei BVE nur eine relativ niedrige Effektstärke resultiert.

16 Zwischenbericht Tabelle 3: Kreuztabellen für die Gruppen des Vermittlungserfolgs mit dem Umsetzungsgrad KoBV und dem Umsetzungsgrad BVE Häufigkeit (Spaltenprozente) Umsetzungsgrad Aktion 1000 plus: KoBV Vermittlungen bezogen auf Einwohner (je Tausend) Niedrige Vermittlungsquote hohe Vermittlungsquote mittlere Vermittlungsquote Gesamt Kein KoBV (86,7%) (94,7%) (30,0%) (77,3%) Modellregion (13,3%) (5,3%) (70,0%) (22,7%) Chi² nach Pearson = 16,778, df= 2, Signifikanz (2-seitig) = 0,000, Kendall-Tau-b = 0, Umsetzungsgrad Aktion 1000 plus: BVE Kein BVE (6,7%) (26,3%) (0,0%) (13,6%) In Planung oder Beantragung (46,7%) (47,4%) (10,0%) (38,6%) Umgesetzt (46,7%) (26,3%) (90,0%) (47,7%) Gesamt (100,0%) (100,0%) (100,0%) (100,0%) Chi² nach Pearson = 12,459, df=4, Signifikanz (2-seitig) = 0,014, Kendall-Tau-b = 0,179 Für die übrigen vier behinderungsspezifischen Strukturvariablen findet sich kein signifikantes Ergebnis (alle Kreuztabellen sind im Anhang 2 verfügbar). Von 21 Kreisen und kreisfreien Städten, die elkz umgesetzt haben, haben 8 eine hohe, 7 eine mittlere und 6 eine niedrige Vermittlungsquote erreicht. Von den 12 Modellregionen der Initiative Inklusion ist nur für zwei ein hoher Vermittlungserfolg zu verzeichnen. Auch Integrationsprojekte sind annähernd gleichmäßig auf die drei Gruppen des Vermittlungserfolgs verteilt. Die sechs Kreise ohne Integrationsprojekte befinden sich alle in der Gruppe mit mittlerer Vermittlungsquote. Auch für das Programm Unterstützte Beschäftigung findet sich kein belastbarer Zusammenhang mit dem Vermittlungserfolg Ergebnisse der multivariaten linearen Regressionsanalyse Nachdem in den beiden vorigen Abschnitten Einflussfaktoren jeweils einzeln auf einen Zusammenhang mit der abhängigen Variablen überprüft wurden, kann hier mit Hilfe der multivariaten linearen Regressionsanalyse ermittelt werden, welche Faktoren unter Berücksichtigung der jeweils anderen Faktoren am meisten zur Erklärung des Vermittlungserfolges beitragen. Tabelle 4 fasst die wesentlichen Ergebnisse zusammen. Drei Einflussfaktoren können signifikant dazu beitragen, die statistische Varianz der abhängigen Variable Vermittlungserfolg zu erklären. Demnach hängt der Vermittlungserfolg positiv mit dem Umsetzungsgrad von KoBV, mit einer günstigen Entwicklung der Beschäftigung (Faktor 1) und dem Einsatz ergänzender Lohnkostenzuschüsse zusammen. Die Regressionsgleichung erzielt eine Anpassungsgüte

17 Zwischenbericht R² in Höhe von 0,37, das bedeutet, dass die drei Einflussfaktoren zusammen 37 % der aufgetretenen Varianz erklären können. Die übrigen 63 % der Varianz hängen demnach von anderen Variablen ab, wobei die übrigen, in der Analyse beteiligten Faktoren keinen signifikanten Beitrag leisten können. Auffällig ist darüber hinaus, dass der Umsetzungsgrad BVE, der bei den Chi²-Tests einen signifikanten Zusammenhang zum Vermittlungserfolg gezeigt hat, in der linearen Regression keinerlei varianzerklärenden Beitrag zu leisten in der Lage ist. Vermutlich ist die hohe Korrelation zwischen KoBV und BVE hierfür die Erklärung. In vielen Regionen ist sowohl KoBV als auch BVE umgesetzt. Beide Variablen zeigen einen positiven Zusammenhang zum Vermittlungserfolg. Prüft man den Zusammenhang von BVE unabhängig von der Existenz von KoBV, so ist dieser statistisch nicht mehr relevant. Umgekehrt bleibt eine positive Korrelation von KoBV mit dem Vermittlungserfolg erhalten, auch wenn man den Einfluss der Existenz von BVE (mit Hilfe einer partiellen Korrelation) herausrechnet. Tabelle 4: Ergebnisse der schrittweisen linearen Regressionenanalyse Standardisierte Signifikanz Koeffizienten Beta Eingeschlossene Variablen (Konstante) -0,90 0,99 Umsetzungsgrad Aktion 1000 plus: KoBV 0,41 1,00 Faktor 1: Günstige Entwicklung der Beschäftigung 0,39 1,00 Umsetzungsgrad Aktion 1000 plus: (elkz) 0,28 0,97 17 Ausgeschlossene Variablen Faktor 8: Bruttoinlandsprodukt und Steuereinnahmen -0,20 0,90 Faktor 7: Haushaltseinkommen und niedr. kommunale Schulden 0,15 0,75 Faktor 5: Minijobs für gering Qualifizierte 0,14 0,74 Faktor 3: Hoch qualifizierte Beschäftigte in Dienstleistungsberufen -0,12 0,66 mit hoher Teilzeit und niedriger Frauenquote Faktor 10: Ländliche Prägung mit hoher Distanz zu Zentren 0,11 0,62 Umsetzungsgrad Aktion 1000 plus: Unterstützte Beschäftigung -0,09 0,53 Faktor 6: Leiharbeiter mit hohem Anteil Jüngerer und Älterer -0,07 0,42 Faktor 11: Eher größere Betriebe -0,07 0,42 Umsetzungsgrad Aktion 1000 plus: Initiative Inklusion -0,06 0,36 Faktor 9: Entwicklung des Bruttoinlandsprodukts 0,07 0,36 Existenz von Integrationsprojekten -0,04 0,22 Faktor 4: Arbeitslosigkeit 0,03 0,16 Faktor 2: Rückgang der Arbeitslosigkeit 0,01 0,06 Umsetzungsgrad Aktion 1000 plus: BVE 0,00 0,01 Modellzusammenfassung: R = 0,64, R² = 0,41, korrigiertes R² = 0,37

18 Zwischenbericht Zusammenfassung der Ergebnisse Die folgende Abbildung 2 illustriert den Zusammenhang der drei Variablen mit dem stärksten Zusammenhang zum Vermittlungserfolg auf graphische Weise. Dargestellt sind alle 44 Kreise und kreisfreien Städte als Datenpunkte, deren Position durch ihre Werte bezüglich zweier Achsen, zum einen der Beschäftigungsentwicklung der Jahre und zum anderen dem Vermittlungserfolg, definiert wird. Eine höhere Vermittlungsquote liegt demnach besonders dann vor, wenn eine günstige Beschäftigungsentwicklung zu verzeichnen war (rechte Hälfte der Abbildung) und elkz und/oder KoBV in den Regionen zur Verfügung standen. Abbildung 2: Der Einfluss der allgemeinen Beschäftigungsentwicklung sowie der Umsetzung von KoBV und elkz auf den Vermittlungserfolg (Stand 2010) 0,25 Biberach Umsetzungsgrad von elkz und KoBV Mit elkz & KoBV 0,20 Mit KoBV & ohne elkz Mit elkz & ohne KoBV 18 Vermittelte Persone je Einwohner 0,15 0,10 0,05 Enzkreis Schwarzwald-Baar-Kreis Neckar-Odenwald-Kreis Böblingen Pforzheim Rastatt Sigmaringen Landkreis Karlsruhe Bodenseekreis Ohne elkz und KoBV 0, Faktor 1: Günstige Entwicklung der Beschäftigung Der Bodenseekreis und der Landkreis Karlsruhe sind Beispiele für Kreise, in denen alle drei fördernden Rahmenbedingungen vorlagen und eine sehr hohe Vermittlungsquote erreicht wurde. Den höchsten Vermittlungserfolg erzielte der Kreis Biberach, in dem die allgemeine Beschäftigungsentwicklung sehr positiv war und KoBV umgesetzt wurde. Der ergänzende Lohnkostenzuschuss elkz wurde im Kreis Biberach individuell umgesetzt. Im Kreis Sigmaringen konnten mit elkz und guten allgemeinen Beschäftigungszahlen, jedoch ohne KoBV hohe Vermittlungszahlen registriert werden. Die Kreise Enzkreis und Pforzheim sind Beispiele für Räume, in denen vermutlich dank der Instrumente KoBV bzw. elkz hohe Vermittlungsraten trotz weniger günstiger Beschäftigungsentwicklung erreicht wurden. In Rastatt und Böblingen fiel der Vermittlungserfolg niedrig aus, obwohl sowohl KoBV als auch elkz umgesetzt wurden. In Böblingen könnte die allgemein ungünstige Entwicklung der Beschäftigung

19 Zwischenbericht hierfür als Teilerklärung dienen. Die Beispiele Schwarzwald-Baar-Kreis und Neckar- Odenwald-Kreis zeigen schließlich, dass vereinzelt ein guter Vermittlungserfolg auch trotz unterdurchschnittlicher Beschäftigungsdynamik und ohne die Förderprogramme KoBV und elkz möglich waren. Als wesentliche Erkenntnisse der regionalstatistischen Analyse lassen sich festhalten: 1. Variablen von regionalen Strukturen mit spezifischem Bezug zu Menschen mit Behinderungen haben ein höheres Erklärungspotenzial im Hinblick auf den Vermittlungserfolg als allgemeine strukturelle Aspekte. 2. Insbesondere die Umsetzung von KoBV und elkz zeigt einen deutlichen Zusammenhang zur Vermittlungsquote. 3. Von den allgemeinen Strukturvariablen lässt sich nur bei der allgemeinen Beschäftigungsentwicklung ein signifikanter statistischer Zusammenhang zum Vermittlungserfolg feststellen. 4. Mit Hilfe der drei Variablen Umsetzung von KoBV, Umsetzung von elkz und allgemeine Beschäftigungsentwicklung lassen sich 37 % der Varianz der Variable Vermittlungserfolg erklären, fast zwei Drittel der Varianz sind demnach durch Unterschiede der Regionen hinsichtlich anderer Faktoren begründet. 5. Es gibt kreisfreie Städte und Landkreise, in denen trotz umgesetztem KoBV und elkz keine überdurchschnittliche Vermittlungsquote erreicht wurde. Es ist zu vermuten, dass die Art und Weise der Ausgestaltung dieser beiden und der anderen Förderinstrumente erhebliches Potenzial hat, den Vermittlungserfolg präziser zu erklären. Hierzu ist jedoch eine deutlich differenziertere Analyse des Einsatzes der Förderinstrumente notwendig. 6. Die gezeigten statistischen Zusammenhänge geben zwar Hinweise auf wichtige Einflussfaktoren auf die Vermittlung von Menschen mit Behinderung, sie bleiben jedoch eine inhaltliche Erklärung des Wie und Warum ihrer Wirkung schuldig. 19 Die Ausführungen der regionalstatistischen Analyse sind nicht so zu verstehen, dass andere Instrumente als KoBV oder elkz insbesondere im Einzelfall - wirkungslos seien. Untersuchungen des KVJS in Bezug auf die Betriebsgröße der Unternehmen, in die Menschen mit Behinderungen vom IFD vermittelt wurden, zeigen, dass ca. 1/3 in Unternehmen mit weniger als 20 Arbeitsplätzen, ca. 1/3 in Unternehmen mit 20 bis 99 Arbeitsplätzen und das verbleibende Drittel in Unternehmen mit 100 oder mehr Arbeitsplätzen vermittelt wurden (Stand 2012). Unternehmen mit mehr als 500 Arbeitsplätzen nehmen dabei nur ca. 8 % der Vermittelten auf. (Einschränkend ist zu bemerken, dass sich diese Zahlen nur auf die Vermittlungen, bei denen das Förderprogramm (Aktion Arbeit; Arbeit Inklusiv) in Anspruch genommen wurden, beziehen.)

20 Zwischenbericht 3. Auswahl geeigneter Kreise für die Feldforschung 3.1 Vorüberlegungen Das Forschungsprojekt Regionale Arbeitsmarktforschung und -planung zur Integration von Menschen mit wesentlicher Behinderung steht unter dem Oberziel, Beschäftigungsoptionen der regionalen Arbeitsmärkte für Menschen mit wesentlicher Behinderung zu erschließen. Dies setzt voraus, fördernde und hemmende Faktoren der Integration in den allgemeinen Arbeitsmarkt sowohl auf struktureller als auch auf individueller Ebene zu identifizieren und darauf aufbauend Handlungsoptionen zur Förderung einer nachhaltigen Integration abzuleiten. 20 In den Kapiteln 1 und 2 konnte aufgezeigt werden, dass statistische Analysen allenfalls etwaige Zusammenhänge deskriptiv aufzeigen können. Obwohl eine dieser Struktur- und Arbeitsmarktvariablen einen signifikanten statistischen Zusammenhang mit der Vermittlungsquote aufweist (hier: allgemeine Beschäftigungsentwicklung ) oder die Kombination von drei Variablen (hier: allgemeine Beschäftigungsentwicklung ; Umsetzung von KoBV, Umsetzung von elkz) einen gewissen Anteil der Varianz der Variable Vermittlungserfog erklären kann, trägt dies kaum zu einer größeren Erkenntnistiefe bei. Wesentlicher Kritikpunkt aus wissenschaftlicher Sicht ist, dass die statistischen Analysen keine Erklärung der unterstellten Zusammenhänge ermöglichen. Ziel des Forschungsprojektes ist es jedoch, zu verstehen: Welche Aspekte haben einen Einfluss auf die Integration? Warum haben diese Aspekte einen Einfluss? In welcher Art und Weise wirken sie? Wie könnten fördernde Aspekte gestärkt werden? Wie könnten hemmende Faktoren abgebaut werden? Welcher Maßnahmen bedarf es, um insgesamt die Integration auf regionaler Ebene zu fördern? Das Forschungsdesign muss demnach geeignet sein, Antworten auf diese Fragen zu finden. Es geht darum, auftretende Phänomene zu verstehen und Zusammenhänge erklären zu können. Dies berührt eine maßgebliche Kernfrage von Forschung, nämlich: Dient eine Untersuchung der Erkundung oder der Überprüfung von Hypothesen? 1 Bei induktiver Vorgehensweise ist eine Hypothese das Resultat, bei deduktiver Vorgehensweise der Ausgangspunkt einer empirischen Untersuchung. Eine deduktive Vorgehensweise ist nur dann sinnvoll, wenn bereits weit reichende Kenntnisse und einschlägige Theorien im Hinblick auf das zu erforschende Problemfeld vorliegen. 2 Im Hinblick auf die vorliegenden Forschungsfragen muss konstatiert werden: Nationale und internationale Literatur bieten Hinweise auf Faktoren, welche einen Einfluss auf die Integrati- 1 2 Vgl. Bortz, J.; Döring, N. (2006): Forschungsmethoden und Evaluation für Human- und Sozialwissenschaftler, Heidelberg, S. 31. Vgl. ebd., S. 31.

21 Zwischenbericht on von Menschen mit wesentlicher Behinderung in den allgemeinen Arbeitsmarkt haben können. Es geht bei dem zu Grunde liegenden Forschungsprojekt jedoch nicht lediglich um die Identifikation von Faktoren, sondern darum, zu verstehen, wie diese Faktoren im Zusammenspiel wirken und wie diese sich konkret auf regionaler Ebene auswirken. Dieses Verstehen kann sich nur auf der Basis einer subjektiven Einschätzung aller relevanten Akteure vollziehen. Das heißt: Die Akteure beruflicher Eingliederung sind Experten in eigener Sache. Sie kennen das Forschungsfeld, sie haben eine Einschätzung dazu, welche Faktoren einen Übergang unterstützen und welche Faktoren einen Übergang tendenziell hemmen. Dabei kann die Wirkung einzelner fördernder oder hemmender Faktoren durch unterschiedliche Akteure durchaus differenziert beurteilt werden. Auch unterschiedliche Werthaltungen können die Einschätzung fördernder oder hemmender Faktoren beeinflussen. Wenn das Zusammenwirken unterschiedlicher Faktoren erfasst werden soll und daraus abgeleitete Handlungsempfehlungen dazu beitragen sollen, mögliches Potenzial zur Integration noch besser auszuschöpfen, dann muss die Sicht der Akteure zum Ausgangspunkt der Untersuchung gemacht werden. In diesem Kontext ist maßgeblich zu betonen, dass explizit auch die Sicht von Menschen mit Behinderungen zu berücksichtigen ist. Namhafte Forscher haben in der Vergangenheit betont, dass der individuellen Einschätzung von Menschen mit Behinderungen nicht ausreichend Bedeutung beigemessen wird: So gut wie gar nicht in Angriff genommen wurde bisher die Fragestellung, wie denn aus der Sicht der Betroffenen integriertes Leben oder normalisierte Lebensumstände empfunden und interpretiert werden. Hier begnügen wir uns immer noch allzu leicht damit, auf das offenkundige Wohlbefinden geistig behinderter Menschen hinzuweisen, dass wir daraus folgern, dass sie uns doch eigentlich so freundlich anlächeln 3 Auch Hagen bestätigt diese Kritik und verweist darauf, dass die ausschließliche Beurteilung des Wohlbefindens von Menschen mit einer geistigen oder mehrfachen Behinderung aus der Außenperspektive 4 gängige Praxis sei. 21 Angesichts der beschriebenen Zielstellung, subjektive Einschätzungen unterschiedlicher Akteure in Erfahrung zu bringen, ist ein qualitatives Forschungsdesign in hohem Maße geeignet, Erkenntnisse zu gewinnen, mit Hilfe derer die zu Grunde liegenden Forschungsfragen beantwortet werden können. Entsprechend zielte das Forschungsprojekt schon in seiner Struktur und Vorgehensweise auf eine qualitative Vorgehensweise. Wie im Kapitel 4 noch näher beschrieben wird, sind mit qualitativen Forschungsdesigns, die die Beteiligung zahlreicher Akteure erfordern, hohe Aufwände in der Erhebungsphase verbunden, so dass aus Ressourcengründen eine Vollerhebung in allen 44 kreisfreien Städten und Kreisen des Landes nicht möglich ist. Dies impliziert eine Beschränkung auf eine geeignete Teilmenge. Im Folgenden wird erläutert, wie diese Auswahl auf einer geeigneten Typisierung aufbaut (Abschnitt 3.2) und sich daraus aussagekräftige Teilnehmerkonstellationen für die Feldforschung ergeben (Abschnitt 3.3). 3 Thimm, W. (1989): Hilfen für behinderte Menschen nach dem Prinzip der Normalisierung, in: Wacker, E., Metzler, H. (Hrsg.): Familie und Heim, Frankfurt a. M., S. 233f. 4 Hagen, J. (2001): Ansprüche an und von Menschen mit einer geistigen oder mehrfachen Behinderungen in Tagesstätten, Marburg, S. 103.

22 Zwischenbericht 3.2 Typisierung der Stadt- und Landkreise Vermittlungserfolge, die in der sogenannten "Ewigen Liste" des KVJS dokumentiert werden, sind Übergänge in Arbeits- und Ausbildungsverhältnisse mit mindestens 15 Stunden pro Woche, inklusive der Vermittlung in Integrationsunternehmen. Da diese Dokumentation durch die Integrationsfachdienste für ihren jeweiligen Zuständigkeitsbereich erfolgt, sie fallweise jedoch für mehrere Stadt- oder Landkreise zuständig sind, können Vermittlungserfolge nicht durchgehend Stadt- oder Landkreis-spezifisch ausgewiesen werden. Bezieht man die Vermittlungen auf die jeweilige Einwohnerzahl (entweder des Stadt- oder Landkreises oder aller zum Zuständigkeitsbereich des dokumentierenden IFD gehörenden Stadt- und Landkreise) und differenziert diese in den Anteil der Vermittlungen gesamt und den Anteil der Vermittlungen aus Schulen und WfbM, ergibt sich eine Klassifizierung der Stadt- und Landkreise in Baden-Württemberg wie in Abbildung 3 dargestellt. Abbildung 3: Anteil der Vermittlungen gesamt (links) und Anteil der Vermittlungen aus Schulen und WfbM (rechts), bezogen auf die Einwohnerzahl. (Rot = Vermittlungsquote im unteren Drittel in BW, weiß = Vermittlungsquote im mittleren Drittel in BW, grün = Vermittlungsquote im oberen Drittel von BW) (Stand 2010) Anteil der Vermittlungen (Gesamt) Anteil der Vermittlungen (aus Schulen und WfbM) 22 Aus den Ergebnissen der regionalstatistischen Analyse ließen sich die folgenden Strukturund Arbeitsmarktindikatoren identifizieren, die einer Klassifizierung der Stadt- und Landkreise (als Vorstufe für eine geeignete Auswahl) zugrunde liegen sollten, da sie (zumindest teilweise) Vermittlungserfolge erklären können: Allgemeine Beschäftigungsentwicklung Existenz von KoBV Existenz von elkz Existenz von BVE