In muc-fluechtlingsrat/r-eurostat-refugees: Download and Visualise Eurostat Asylum Data (Applications and Decisions)

knitr::opts_chunk$set(echo = TRUE, warning=FALSE, message=FALSE)

Die Asyldaten von Eurostat

Dieser Artikel untersucht die Erstentscheidungen von afghanischen Fü?chtlingen in Europa mit Hilfe von Eurostat. Eurostat ist das statistische Amt der Europäischen Union. Es sammelt und veröffentlicht Daten zu vielen Themen, unter anderem zu Asyl und Migration.

Besonders interessant sind die Erstentscheidungsdaten. Das Datenset dafür nennt sich migr_asydcfsta`: "Erstinstanzliche Entscheidungen über Asylanträge nach Staatsangehörigkeit, Alter und Geschlecht; jährliche aggregierte Daten". Eurostat bietet einen Datenexplorer, damit kann man diese Daten hier sehen: http://appsso.eurostat.ec.europa.eu/nui/show.do?dataset=migr_asydcfsta&lang=en.

Für Deutschland sind das die Entscheidungen des Bundesamts für Migration und Flüchtlinge (BAMF). Die Bezeichnung "erstinstanzlich" ist hier etwas verwirrend, denn die erste juristische Instanz ist in Deutschland das Verwaltungsgericht, dass über Klagen gegen die Entscheidung des BAMF entscheidet. Das bedeutet auch, dass ein Teil der hier dargestellten Entscheidungen von Gerichten aufgehoben werden.

Zurück zu unseren Daten. Sie decken die Jahre 2008 bis 2017 ab (Stand September 2018). Man kann sie von der Website von Eurostat herunterladen. Allerdings sind sie sind ziemlich groß - 85 Mb und 13 Millionen Werte. Mit Excel kommt man da nicht weiter, deswegen benutzt dieser Artikel die Statistiksprache R.

Was bieten uns die Daten?

library(knitr)
library(dplyr)
migr_asydcfsta=readRDS(file="/tmp/migr_asydcfsta_20180812.rds")
# Ein Blick in die ersten Datensätze:
kable(filter(migr_asydcfsta, citizen == "AF")[c(1:8),], caption = "Ein paar Zeilen aus dem Datensatz, zum Herkunftsland Afhganistan")

Hier bekommen wir einen ersten Einblick von den Möglichkeiten, die uns diese Daten bieten. Wir haben folgende Spalten:

• unit: Uninteressant
• citizen: Code für das Herkunftsland (Staatsangehörigkeit der Antragsstellenden)
• sex: "F","M","UNK" für unknown und "T" für total.
• age: Sechs Altersklassen, "UNK" und "TOTAL".
• decision: Typ der Applikation (Abgelehnt, 4 Typen von Positiv un Total)
• geo: Das europäische Land, in dem der Antrag gestellt wurde (31 Länder)
• time: Das Jahr

• value: Die Anzahl Entscheidungen

• unit: Uninteressant

• citizen: Die Staatsangehörigkeit der Antragssteller/innen
• sex: Kann folgende Werte annehmen: r levels(migr_asydcfsta$sex)
• age: Kann folgende Werte annehmen: r levels(migr_asydcfsta$age)
• decision: Kann folgende Werte annehmen: r levels(migr_asydcfsta$decision)
• geo: Das europäische Land, in dem der Antrag gestellt wurde
• time: Das Jahr
• values: Die Anzahl Entscheidungen

Die Anerkennungsquote von afghanischen Staatsangehörigen in Deutschland: Hintergrund

Im Folgenden werden wir die Anerkennungsquote für afghanische Staatsangehörige betrachten, erst in Deutschland, dann im Vergleich zu anderen europäischen Ländern, und schließlich im Vergleich zu anderen Herkunftsländern.

Die Anerkennungsquote ist in vieler Hinsicht wichtig. Politisch gilt sie als Indikator, ob Asylsuchende "zu Recht" nach Deutschland gekommen sind. Pragmatisch bedeutet eine Anerkennungsquote über 50% eine "gute Bleibeperspektive" und damit verbesserte Integrationsangebote in den ersten Monaten oder Jahren. Das BAMF beschreibt das so (http://www.bamf.de/SharedDocs/FAQ/DE/IntegrationskurseAsylbewerber/001-bleibeperspektive.html):

Menschen, die aus Herkunftsländern mit einer Schutzquote von über 50 Prozent kommen, haben eine gute Bleibeperspektive. 2017 trifft dies auf die Herkunftsländer Eritrea, Irak, Iran, Syrien und Somalia zu. Welche Herkunftsländer das Kriterium Schutzquote (>/= 50 %) erfüllen, wird halbjährlich festgelegt.

Bei schlechter Bleibeperspektive ist die Integration also erwschwert, während des Asylverfahrens gibt es keine Integrationskurse und keine Maßnahmen zur Arbeitsförederung. Wie lange dauert ein Asylverfahren? Laut der neuesten Kleinen Anfrage "Ergänzende Informationen zur Asylstatistik" allgemein etwa 9 Monate, bei Anträgen aus Afghanistan allerdings über 13 Monate.

Diese Regelung ist übrigens kein Gesetz, sondern eine Auslegung des BAMF.

Pro Asyl kritisiert das Konzept der Bleibeperspektive grundsätzlich.

Wenn man die Gesamtschutzquote des BAMF genauer anschaut, stellt man fest, dass ihre Berechnung hochgradig eigenwillig ist. Ein Asylantrag kann positiv, negativ oder gar nicht entschieden werden. Wenn der Antrag zurückgezogen wurde, die Antragsstellerin gestorben ist, weitergewandert, untergetaucht, geheiratet hat, per Dublinabkommen innerhalb von Europa weiterverschoben wurde - dann wird der Antrag ohne inhaltliche Entscheidung geschlossen. Die Anerkennungsquote ist die Anzahl aller positiven Anträge geteilt durch die Anzahl aller positiv oder negativ entschiedener Anträge. Die nicht entschiedenen Anträge müssen aus der Gesamtzahl herausgerechnet werden. Es ist unbekannt, ob sie negativ oder positiv entschieden worden wären, wenn die Betroffene nicht beispielsweise gestorben wäre.

Das ist aber nicht, wie das BAMF seine "Gesamtschutzquote" berechnet (https://de.wikipedia.org/wiki/Gesamtschutzquote). Hier sind die formellen Entscheidungen, also die nicht inhaltlichen Entscheidungen, in der Gesamtzahl mit enthalten. Die sinnvoll berechnete Quote heißt beim BAMF "bereinigte Gesamtschutzquote". Sie liegt höher als die "Gesamtschutzquote", weil durch eine kleinere Zahl geteilt wird.

Wie viel höher ist diese korrekt berechnete "bereinigte Gesamtschutzquote"? Das hängt von dem Anteil "sonstigen Erledigungen" ab, der gerade in den letzten Monaten sehr hoch ist. Im Juli 2018 lag dieser Anteil über all Herkunftsländer bei 39%. Über alle Herkunftsländer ist die Gesamtschutzquote damit nur 29%, die bereinigte Gesamtschutzquote aber 48%. Bei manchen Ländern ist der Effekt noch größer. (http://www.bamf.de/SharedDocs/Anlagen/DE/Downloads/Infothek/Statistik/Asyl/hkl-antrags-entscheidungs-bestandsstatistik-juli-2018.html).

Wenn wir uns nun wieder den Daten zu Erstentscheiden von afghanischen Asylsuchenden anschauen, müssen wir auch im Hinterkopf behalten, dass gegen die negativen Entscheidungen oft geklagt wird, und dass die Verwaltungsgerichte sie oft aufheben (60% oder 70%, quelle? xxx )

xxx wo passt das jetzt hin? Afghanistan ist ein ungewöhnliches Herkunftsland, mit einer langen Geschichte von Flucht. "In der Zeit von 1978 bis 2012 stellte Afghanistan die höchste Zahl von Flüchtlingen weltweit (seit 2013 hat Syrien diese Position übernommen)." (http://www.kas.de/afghanistan/de/publications/48440/) Es hält Rang 9 im "Fragile State Index", und ist mit seinem Punktestand nach sozialen, wirtschaftlichen und politischen Indikatoren in der "High Alert"-Gruppe der 178 erfassten Länder. Dieser Index wurde 2005 als "Failed State Index" eingeführt, damals belegte Afghanistan Platz 11.

Die Anerkennungsquote von afghanischen Staatsangehörigen in Deutschland: Zurück zu den Daten

Vorbereitend schauen wir uns die monatliche Entwicklung von den Entscheidungen des BAMF über Anträge von afghanischen Staatsangehörigen an. Der Einbruch Mitte 2017 war die Folge eines schweren Anschlags, der auch die deutsche Botschaft beschädigte. Seit dem Jahreswechsel 2017/2018 sind die Zahlen stark gesunken. Die Gesamtzahl formeller Erledigungen steigt prozentual stark an. xxx erstmal bamf daten und datawrapper, später in eurostat und schwarz-weiss; neue Daten holen https://datawrapper.dwcdn.net/dtuFq/8/ Die bereinigte Schutzquote liegt fast durchgehend knapp unter 50%. Die hohe Quote im Juli 2017 fällt nicht ins Gewicht, weil in diesem Monat nur sehr wenige Entscheidungen getroffen wurden. https://datawrapper.dwcdn.net/pIWFH/5/

Wenn man diese Zahlen sieht und die Bedeutung der 50% kennt, fragt man sich: Kann es sein, dass über jeden Asylantrag aus Afghanistan einzeln und unabhängig entschieden wird, und sich am Ende jedes halben Jahres jedes Mal herausstellt, dass die Anerkennungsquote knapp unter 50% liegt?

Vergleich mit anderen europäischen Ländern: Warum das wichtig ist

Wie ist die Anerkennungsquote in anderen Ländern Europas? Das ist wichtig. Das europäische Asylsystem basiert darauf, dass es keine Rolle spielt, in welchem Land jemand seinen Asylantrag stellt. Die Dublin-Abkommen setzen das auch voraus.

Vergleich mit anderen europäischen Ländern: Zahlen

Eurostat liefert Daten von 31 europäischen Staaten. Von vielen dieser Länder gibt es aber so wenig Entscheidungen, dass sich keine aussagekräftige Quote errechnen lässt. Deshalb grenzen wir unseren Vergleich auf die ein, in denen mindestens 1000 Entscheidungen getroffen wurden, und beschränken uns außerdem auf das Jahr 2017.

cutoff=1000
major_geo_total=filter(migr_asydcfsta, values > cutoff, time == "2017-01-01", decision == "TOTAL", sex == "T", age == "TOTAL", citizen == "AF", geo != "EU28") %>% 
  select(geo,values) 

Die Anzahl Entscheidungen pro Antragsland

Dies sind die europäischen Länder, in denen im Jahr 2017 mehr als 1000 Entscheidungen über Asylanträge von afghanischen Staatsangehörigen getroffen wurden:

library(knitr)
# Die ersten paar Spalten
kable(major_geo_total, caption = "Länder mit mehr als 1000 Entscheidungen zu Asylanträgen aus Afghanistan")
major_geo_total <- filter(major_geo_total, geo != "TOTAL")

Wenn Du an diesen Zahlen zweifelst und sie selber überprüfen willst, finde ich das genau richtig. Misstrauen in Daten ist gut. Eurostat hat einen Data Explorer unter eurostat -> Daten -> Datenbank -> Datenbank nach Themen -> Bevölkerung und soziale Bedingungen -> Asyl und Gesteuerte Migration, oder Du googelst nach "migr_asydcfsta".

Die Daten zeigen Ländercodes, die vollen Bezeichnungen sind hier:

geodic = read.delim(file = "/tmp/geo.dic", col.names = c("code","label"))
major_geo_total <- droplevels(major_geo_total)
geo_migr_asydcfsta_major = levels(major_geo_total$geo)
geodic_major <- filter(geodic,code %in% geo_migr_asydcfsta_major)
kable(geodic_major, caption = "Ländercodes der wichtigsten Antragsländer")

    other_geo_total_af=filter(migr_asydcfsta, values <= cutoff, time == "2017-01-01", decision == "TOTAL", sex == "T", age == "TOTAL", citizen == "AF", geo != "EU28", geo != "TOTAL") %>%  arrange(desc(values))
dec_others_total_af <- sum(other_geo_total_af$values)
dec_others_total_af

Diese Zahlen sind für mich schon überraschend. Die anderen 17 Länder sind zusammen für nur r dec_others_total_af Entscheidungen verantwortlich.

Eine Visualisierung der Gesamtanzahl von Entscheidungen zu Afghanistan im Jahr 2017:

library(ggplot2)
# some technical workarounds for adding the row with the others (XX),
# and for sorting
major_geo_total$geo <- as.character(major_geo_total$geo)
all_geo_total <- rbind(major_geo_total, c("XX",dec_others_total_af))
all_geo_total$values <- as.numeric(all_geo_total$values) 
all_geo_total$geo <- factor(all_geo_total$geo, levels = arrange(all_geo_total, values)$geo)
# For the labels
big = 8
blables <- c(rev(levels(all_geo_total$geo))[c(1:big)],rep("",dim(all_geo_total)[1]-big))
y.breaks <- cumsum(all_geo_total$values) - all_geo_total$values/2
# The real thing
geo_dec_pie <- ggplot(all_geo_total, aes(x="", y=values, fill=geo)) + geom_col(colour = "black") + coord_polar("y", start=0) + scale_fill_grey(start = 0.4, end = 0.9) + ggtitle ("Entscheidungen über Asyl, Afghanistan, 2017", subtitle = "EU-Länder; XX ist die Summe aller Länder mit < 1000 Entscheidungen") + scale_y_continuous(labels=blables, breaks = y.breaks) + theme_bw() + theme(axis.title=element_blank()) 
geo_dec_pie

Spanien beispielsweise ist nicht in unserer Analyse vertreten, weil es nicht auf 1000 Entscheidungen kommt. Deutschland verantwortet fast 60% aller Entscheidungen. Nun ist Deutschland auch das bevölkerungsreichste Land der EU. Wenn wir uns die EU-Länder mit mehr als 8 Mio Einwohnern anschauen und neben ihre Einwohnerzahl (geteilt durch 1000) die Anzahl Entscheidungen stellen, erhalten wir dieses Bild:

demo_pjan <- readRDS(file="/tmp/demo_pjan_20180825.rds")
compare_dec=filter(migr_asydcfsta, time == "2017-01-01", decision == "TOTAL", sex == "T", age == "TOTAL", citizen == "AF", geo != "EU28", geo != "TOTAL") %>% select(geo, values) %>% mutate( stat = "dec")
compare_dec <- droplevels(compare_dec)
compare_pop <- demo_pjan %>% filter(age == "TOTAL" & sex == "T" & time == "2017-01-01" & geo %in% levels(compare_dec$geo)) %>% select(geo, values) %>% mutate( stat = "pop")
compare_pop <- droplevels(compare_pop)
# divide population by 1000, otherwise decisions won't be visible
compare_pop <- mutate(compare_pop, values = values / 1000)
compare_dec_pop <- rbind(compare_dec, compare_pop)

drop_countries_comp <- filter(compare_pop, values < 8000 & stat == "pop") %>% select(geo)
# population first, decisions second
compare_dec_pop$stat <- factor(compare_dec_pop$stat, levels=c("pop","dec"))
# sort by pop 
compare_dec_pop$geo <- factor(compare_dec_pop$geo, levels = arrange(filter(compare_dec_pop, stat == "pop"), desc(values))$geo)

bar_compare_dec_pop <- ggplot(filter(compare_dec_pop, !geo %in% unlist(drop_countries_comp)),  aes(x=geo, y=values, fill=stat)) + geom_bar(stat="identity", position="dodge") +  ggtitle("Vergleich von Bevölkerung in Tsd zu Asylentscheidungen", subtitle=" zu Afghanistan, 2017; EU Länder mit mehr als 8 Mio Einwohnern") + theme_bw() + theme(legend.position="bottom") + scale_fill_grey(start = 0.4, end = 0.7)

bar_compare_dec_pop 

In den großen Ländern außer Deutschland gab es auffallend wenig Entscheidungen, in den kleinen Ländern Schweden und Österreich dagegen überproportional viele.

Bisher haben wir Vorbetrachtungen angestellt, um unsere Daten zu verstehen und zu überlegen, welche europäischen Aufnahmeländer wir sinnvoll untersuchen können. Jetzt schauen wir uns die Entscheidungen an.

Die Entscheidungen: GENCONV + HUMSTAT + SUB_PROT + TEMP_PROT + REJECTED = TOTAL_POS + REJECTED = TOTAL

Wie haben unsere 15 Länder entschieden? Was für Entscheidungstypen haben wir überhaupt?

major_geo <-filter(migr_asydcfsta, geo %in% major_geo_total$geo, time >= "2017-01-01", sex == "T", age == "TOTAL", citizen == "AF", geo != "EU28", geo != "TOTAL") %>% 
  select(geo,decision,values) 
major_geo$geo <- factor(major_geo$geo, levels = arrange(filter(major_geo, decision == "TOTAL"), desc(values))$geo)
# bring decisions into correct order
major_geo$decision <- factor(major_geo$decision, levels=c("REJECTED","TEMP_PROT","HUMSTAT","SUB_PROT","GENCONV","TOTAL_POS","TOTAL"))

decision.dic <- read.delim(file = "/tmp/decision.dic", col.names = c("code","label"))
kable(filter(decision.dic, code %in% levels(major_geo$decision)), caption = "Entscheidungscodes")

dec_palette_grey=c("#000000","#C0C0C0","#D3D3D3","#E4E4E4","#E8E8E8","#C8C8C8","#808080")

dec_bar <- ggplot(filter(major_geo, decision != "TOTAL" & decision != "TOTAL_POS")) + geom_col(aes(x=geo, y=values, fill=decision)) 
dec_bar +  scale_fill_manual(values = dec_palette_grey) + theme_bw() + theme(legend.position="bottom") + ggtitle("Entscheidungen über Asylanträge aus Afghanistan 2017", subtitle = "in absoluten Zahlen")

dec_bar_fill <- ggplot(filter(major_geo, decision != "TOTAL" & decision != "TOTAL_POS")) + geom_col(aes(x=geo, y=values, fill=decision), position="fill") + scale_fill_grey() + theme_bw() + theme(legend.position="bottom") + ggtitle("Entscheidungen über Asylanträge aus Afghanistan 2017", subtitle = "in Prozent")
dec_bar_fill

Ist Afghanistan eine Ausnahme? Sind die Anerkennungsquoten anderer Länder ähnlicher?

• anderes Land, eins mit hoher, eins mit niedriger Anerkkenungsquote? Syrien,

Mehr Politik als Rechtsstaatlichkeit

• Schweden, monatliche Zahlen

Jenseits der Zahlen

Bis zu diesem Punkt habe ich den Artikel eher trocken gehalten, juristisch und zahlenorientiert. Abschließend möchte ich doch noch einige persönliche Anmerkungen loswerden.

--- oder Die jungen Männer, die ich in der Unterkunft treffe, sind immer wieder im Stich gelassen und verraten worden. Von ihrem Geburtsland Afghanistan, in dem 25% (?) der Kinder arbeiten, nur xx % zur Schule gehen und diese Schulen offensichtlich schlecht sind. Vom Iran, der die afghanischen Flüchtlinge entrechtet und in den Krieg nach Syrien schickt (link). Von Deutschland, das sie in einem ganz ungesunden Schwebezustand hält, dem Abschreckung wichtiger ist als die Integration, und als rechtsstaatliche Prinzipien. Von der EU, die es nicht schafft, sich auf eine konsistente und sinnvolle gemeinsame Asylpolitik im Sinne der Genfer Flüchtlingskonvention zu einigen. Von der internationalen Staatengemeinschaft, die keinen Umgang mit den "Fragile States" findet. Alle Staaten, alle internationalen Organisation, alle Gesellschaften sind an ihrer Aufgabe gescheitert, diesen Leuten einen Rahmen zu bieten, in dem sie so leben können, wie es im 21. Jahrhundert üblich ist: Mit Ausbildung und Perspektive auf ein ganz normales Leben mit Familie und Arbeit.

Es ist zum Verrücktwerden. Im Großen ist dagegen nicht anzukommen. Jede und jeder, die oder der hier Lesen und Schreiben lernt, oder es sogar schafft, sich ein gutes Leben aufzubauen, ist ein Triumph über diese Zustände.

Über diesen Artikel

Seit 2016 beschäftigt sich der Refugee Datathon Munich mit Asylzahlen. Die Gruppe trifft sich regelmäßig, um Daten zugänglich und verständlich zu machen und so den Flüchtlingsunterstützer/innen zuzuarbeiten. Einige Ergebnisse werden veröffentlicht auf https://refugee-datathon-muc.org/. Das Ganze lebt vom Zusammenspiel von Fachwissen und Technik. Sowohl Fachleute als auch IT-Menschen sind immer eingeladen, mitzumachen.

Kontakt: xxx meetup.com, email?

xxx Persönliche Ansicht

* Afghanistan ist schwierig weil fragile state, dafür wurde das Asylrecht nicht gemacht
* Die Praxis hat weniger mit Recht zu tun als mit Kalkül: Abschrecken, aber nicht zu viele Skandale provozieren. Das heißt: 
* Abschreckung, (1) indem man den Leuten die Perspektive nimmt (Anerkennungsquote unter 50%, weniger Integration, Ablehnungen); (2) Abschiebungen - regelmäßig, aber nicht viele.
* Denn sonst würden sich die Fälle häufen, dass Abgeschobene sterben, und das will man auch nicht
* zugleich Behauptung, dass das alles Kriminelle sind - stimmt nicht

Mieses Spiel. Und gefährlich, viele junge Leute ohne Perspektive in D. Die internationale Gemeinschaft soll sich mal systematisch Gedanken drüber machen, wie sie mit den failed states umgeht. Nicht alles "Schuld von Deutschland". Afghanistan, Iran haben diese Leute auch verraten

Ab hier nur Notizen

Analysis:

• FR, CH, EL, IT clearly more positive
• BG very negative - still 1388 decisions
• SE switched midway, monthly data?

Does this look like "it doesn't matter where in the EU you apply for asylum"?

Next questions:

• years 2015, 2016 (simple), 2018 (quarterly data)
• Deportations? We barely have numbers from DE ... probably no way (only Dublin numbers. bpb has sth on https://www.bpb.de/gesellschaft/migration/flucht/218788/zahlen-zu-asyl-in-deutschland)

Content to add:

• Situation in Afghanistan (UNAMA - Zahlen, fragile state index)
• Warum verschiedene Quoten in der EU ein Problem sind, Dublin
• Lagebericht: evtl. https://www.proasyl.de/news/meinungsstark-aber-faktenarm-abschiebepolitik-zu-afghanistan/

Code ist hier: https://github.com/muc-fluechtlingsrat/r-eurostat-refugees/blob/master/man/afghanistan_eurostat_nontech.rmd

Links Geschichte der Auswanderung aus Afghanistan, von Januar 2013 http://www.bpb.de/gesellschaft/migration/kurzdossiers/256457/afghanische-diaspora?p=all

muc-fluechtlingsrat/r-eurostat-refugees documentation built on May 23, 2019, 8:20 a.m.