_ Emil O. W. Kirkegaard Gastbeitrag für das Institut für konservative Wirtschaftspolitik (IKW). 18.07.2026.*

Kernbotschaften & Handlungsempfehlungen

• Die internationale Datengrundlage ist unvollständig: Nur 297 von 13.596 möglichen Herkunft-Zielland-Kombinationen umfassen mindestens 25 Schüler. Ergebnisse kleiner Gruppen müssen deshalb mit besonderer Vorsicht interpretiert werden.
• Das Herkunftsniveau erklärt allein 11,8 Prozent, das Ziellandmodell 16,2 Prozent und der Selektionsindex bereits 41,3 Prozent der beobachteten Leistungsunterschiede.
• Herkunftsniveau und Migrantenselektion erklären gemeinsam 64,9 Prozent der Varianz; unter zusätzlicher Einbeziehung des Ziellandes steigt die Erklärungskraft lediglich auf 69,1 Prozent.
• Gute PISA-Ergebnisse von Migranten dürfen nicht automatisch als Erfolg des Bildungssystems oder der Integrationspolitik des Ziellandes bewertet werden. Zunächst ist zu prüfen, ob bereits eine stark positiv ausgewählte Einwanderergruppe aufgenommen wurde.
• Einwanderungs- und Integrationsanalysen sollten neben dem Herkunftsland insbesondere Bildungsniveau, Sprache, soziale Herkunft, berufliche Qualifikation und Einwanderungsweg berücksichtigen.
• Die Einwanderungspolitik kann das durchschnittliche Humankapital der Zuwanderung durch transparente, qualifikationsbezogene Auswahlkriterien wesentlich beeinflussen. Die anschließende Integrationspolitik bleibt wichtig, kann sehr unterschiedliche Ausgangsvoraussetzungen jedoch nicht vollständig ausgleichen.
• Künftige Untersuchungen sollten größere Stichproben sowie genauere Angaben zur ethnischen, sprachlichen, regionalen und sozialen Herkunft einbeziehen, um Selektions-, Bildungs- und Integrationseffekte zuverlässiger voneinander zu trennen.

Einführung

Die schulischen Leistungen von Migranten unterscheiden sich erheblich nach Herkunftsgruppe und Aufnahmeland. Diese Unterschiede werden häufig entweder mit den Bildungssystemen der Zielländer oder mit den durchschnittlichen Voraussetzungen der Herkunftsländer erklärt. Beide Ansätze greifen isoliert zu kurz. Internationale Leistungsvergleiche müssen zusätzlich berücksichtigen, dass Auswanderer keine zufällige Auswahl ihrer Herkunftsbevölkerung darstellen. Bildungsniveau, Sprache, soziale Herkunft, Einwanderungsrecht und berufliche Qualifikation beeinflussen, welche Personen auswandern und in welchen Staaten sie sich niederlassen.

Die Analyse untersucht deshalb drei mögliche Einflussgrößen auf die PISA-Leistungen von Migranten: das durchschnittliche Leistungsniveau des Herkunftslandes, die Bedingungen des Ziellandes und die qualifikationsbezogene Auswahl der Auswanderer. Grundlage sind öffentlich zugängliche PISA-Mikrodaten, nationale Leistungs- beziehungsweise IQ-Schätzungen sowie die IAB-Brain-Drain-Daten zur Bildungsstruktur internationaler Migration. Die zentrale Frage lautet, welcher dieser Faktoren die weltweiten Unterschiede zwischen Migrantengruppen am stärksten erklärt.

Methodologie und Quellen

Die individuellen Leistungs- und Hintergrunddaten stammen aus den internationalen PISA-Erhebungen der OECD. Die PISA-Datenbanken enthalten Schülerleistungen in Mathematik, Lesen und Naturwissenschaften sowie Angaben zum Geburtsland und zur Herkunft der Eltern. Die OECD stellt hierfür Datensätze, Fragebögen, Codebücher und technische Dokumentationen bereit. Die internationale Auswertung umfasst die Erhebungsjahre 2003 bis 2022. (emilkirkegaard.com)

Die Schüler werden anhand der elterlichen Herkunft zu Herkunftsgruppen zusammengefasst und den jeweiligen Zielländern zugeordnet. Für jede ausreichend besetzte Herkunft-Zielland-Kombination wird ein durchschnittlicher PISA-Wert berechnet. Auf diese Weise entsteht eine weltweite Leistungsmatrix, in der jede Kombination das mittlere Ergebnis einer Migrantengruppe in einem bestimmten Aufnahmeland abbildet.

Die Datenabdeckung bleibt allerdings begrenzt. Von 13.596 theoretisch möglichen Herkunft-Zielland-Kombinationen enthalten lediglich 297 mindestens 25 Schüler. Damit sind nur 2,2 Prozent aller möglichen Kombinationen ausreichend besetzt. Ursachen sind kleine Migrantengruppen, Datenschutzbeschränkungen, unterschiedliche Bevölkerungsgrößen und stark voneinander abweichende Wanderungsintensitäten.

Der Schwerpunkt liegt auf der Mathematikleistung, da sie weniger unmittelbar von der Unterrichts- und Testsprache abhängt als die Lesekompetenz. Lesen und Naturwissenschaften werden ergänzend berücksichtigt. Die drei PISA-Bereiche sind jedoch eng miteinander verbunden und korrelieren durchschnittlich mit 0,89. Sie erfassen damit neben fachspezifischen Kompetenzen eine starke gemeinsame schulisch-kognitive Leistungsdimension. Pokropek, Marks, Borgonovi, Koc und Greiff bestätigen anhand der PISA-Erhebung 2018 in 33 OECD-Staaten, dass ein allgemeiner Fähigkeitsfaktor einen erheblichen Teil der gemeinsamen Leistungsunterschiede erklärt. (discovery.ucl.ac.uk)

Für Herkunftsländer ohne verwertbare PISA-Ergebnisse werden nationale IQ-Schätzungen auf eine vergleichbare Leistungsskala übertragen. Sind die Herkunftsländer beider Eltern bekannt, wird deren Mittelwert verwendet. Liegt nur die Herkunft eines Elternteils vor, bildet dieser Wert die Ausgangsgröße. Das jeweilige nationale Leistungsniveau des Ziellandes wird als zweite erklärende Variable berücksichtigt. Dieses Vorgehen erlaubt eine breite internationale Modellierung, erhöht aber zugleich die Unsicherheit, weil geschätzte nationale IQ-Werte nicht dieselbe empirische Qualität wie unmittelbar erhobene PISA-Ergebnisse besitzen.

Die qualifikationsbezogene Migrantenselektion wird mithilfe der IAB-Brain-Drain-Daten erfasst. Diese Datenbank umfasst ausländisch geborene Personen im Alter von mindestens 25 Jahren in 20 OECD-Zielländern, gegliedert nach Herkunftsland, Geschlecht und niedrigem, mittlerem oder hohem Bildungsabschluss. Der Erhebungszeitraum reicht von 1980 bis 2010 in Abständen von jeweils 5 Jahren. Die zugrunde liegenden Angaben beruhen auf harmonisierten Zensusdaten der beteiligten Zielländer. (IAB Berufsbildungsinstitut)

Aus diesen Daten wird ein Selektionsindex gebildet. Er setzt den Anteil Hochgebildeter unter den Auswanderern ins Verhältnis zum Anteil Hochgebildeter in der vergleichbaren Herkunftsbevölkerung. Ein positiver Wert bedeutet, dass überproportional viele gut ausgebildete Personen auswandern. Ein negativer Wert verweist auf eine im Verhältnis zur Herkunftsbevölkerung schwächer qualifizierte Auswanderergruppe.

Ergebnisse

Erhebliche Leistungsunterschiede nach Herkunft

Die durchschnittlichen Mathematikleistungen unterscheiden sich deutlich zwischen den Herkunftsgruppen. Schüler türkischer Herkunft erreichen in Österreich 413 PISA-Punkte, in Deutschland 427, in Dänemark 424, in der Schweiz 447, in Belgien 430, in den Niederlanden 460, in Finnland 416 und in Liechtenstein 471 Punkte.

Indische Migranten erzielen in Australien 549 Punkte, in Kanada 515, im Vereinigten Königreich 510, in Brunei 509 und in Neuseeland 527 Punkte. Schüler chinesischer Herkunft erreichen in Macau 542, in Hongkong 549, in Australien 583, in Kanada 603, in Neuseeland 577, in Kasachstan 433, in Finnland 488, in Panama 401 und in den Niederlanden 519 Punkte. Die Fallzahlen unterscheiden sich erheblich; die chinesische Gruppe in Panama umfasst beispielsweise nur 60 Schüler.

Die Ergebnisse türkischstämmiger Schüler liegen in den untersuchten europäischen Staaten vergleichsweise eng beieinander. Über die Zeit ist keine eindeutige Leistungsverbesserung erkennbar. Gleichzeitig sinken die Ergebnisse der einheimischen Vergleichsgruppen in mehreren europäischen Ländern langsam. Eine mögliche Ursache besteht darin, dass die statistische Kategorie der Einheimischen zunehmend auch Schüler außereuropäischer Abstammung umfasst. Diese Erklärung bleibt allerdings eine plausible Vermutung und wird nicht gesondert modelliert.

Begrenzte Erklärungskraft des Herkunftsniveaus

Ein einfaches Herkunftsmodell unterstellt, dass Migranten im Ausland ungefähr das durchschnittliche Leistungsniveau ihres Herkunftslandes erreichen. Dieses Modell erklärt 11,8 Prozent der beobachteten Unterschiede. Der Ausgangswert liegt bei 65,446 Punkten auf der verwendeten IQ-ähnlichen Skala. Jeder zusätzliche Punkt des nationalen Herkunftsniveaus erhöht die erwartete Migrantenleistung um 0,341 Punkte.

Das Herkunftsniveau besitzt damit erkennbare Erklärungskraft, reicht aber allein nicht aus. Besonders deutlich zeigt sich dies bei indischen Migranten. Ihre durchschnittlichen Mathematikleistungen in westlichen Zielländern entsprechen ungefähr 105 Punkten auf der verwendeten Skala, während das angesetzte nationale Ausgangsniveau Indiens bei rund 76 Punkten liegt. Die Differenz deutet entweder auf eine starke positive Auswahl indischer Auswanderer oder auf eine erhebliche Unterschätzung des nationalen Ausgangsniveaus hin.

Auch pakistanische Migranten sind gegenüber ihrer Herkunftsbevölkerung positiv ausgewählt, jedoch deutlich schwächer als indische Auswanderer. Trotz dieser Auswahl bleiben ihre durchschnittlichen Ergebnisse hinter denen europäischer Gruppen zurück. Kulturelle oder religiöse Unterschiede werden als zusätzliche Erklärungsmöglichkeit angeführt, aber nicht als eigenständige Variable getestet. Entsprechende Kausalbehauptungen lassen sich daraus nicht ableiten.

Der zunächst starke Ziellandeffekt

Wird ausschließlich das Leistungsniveau des Ziellandes berücksichtigt, steigt der erklärte Varianzanteil auf 16,2 Prozent. Das Modell weist allerdings einen stark negativen Ausgangswert von −85,871 und eine Steigung von 1,855 auf. Dadurch prognostiziert es für nahezu alle Migranten in westlichen Zielländern ungefähr ein durchschnittliches Niveau von 100 Punkten, weitgehend unabhängig von ihrer Herkunft. Das Ergebnis ist statistisch wenig plausibel und deutet darauf hin, dass der Ziellandeffekt weitere unbeobachtete Einflüsse mit erfasst.

Auch in einer individualgewichteten Schätzung mit 134.999 Schülerbeobachtungen erscheint das Zielland zunächst deutlich bedeutsamer. Im reinen Herkunftsmodell beträgt der standardisierte Koeffizient 0,253, während 6,7 Prozent der Varianz erklärt werden. Im reinen Ziellandmodell liegt der Koeffizient bei 0,480 und der erklärte Anteil bei 22,1 Prozent. Werden beide Größen gleichzeitig berücksichtigt, sinkt der Herkunftskoeffizient auf 0,088, während der Ziellandkoeffizient 0,451 erreicht. Das gemeinsame Modell erklärt 22,7 Prozent der Unterschiede.

Eine flexible Modellierung mit gesonderten Herkunfts- und Ziellandeffekten führt zu einem ähnlichen Ergebnis. Der partielle Erklärungsanteil beträgt für die Herkunft 0,041 und für das Zielland 0,091. Bei Verwendung nationaler IQ-Werte sinkt der eigenständige Herkunftsanteil auf 0,006, während das Zielland 0,160 erreicht.

Diese Befunde dürfen nicht vorschnell als Nachweis einer überragenden Integrationswirkung des Ziellandes verstanden werden. Migranten werden nicht zufällig auf die Aufnahmeländer verteilt. Arbeitsmarktbedarf, Bildungsanforderungen, Aufenthaltsrecht, Sprache, bestehende Diasporagemeinschaften und geografische Entfernung beeinflussen die Zusammensetzung der Einwanderung. Ein erheblicher Teil des gemessenen Ziellandeffekts kann daher auf unterschiedliche Auswahlprozesse zurückgehen.

Migrantenselektion als stärkster Erklärungsfaktor

Zwischen der qualifikationsbezogenen Auswahl der Auswanderer und ihren PISA-Leistungen im Zielland besteht ein enger Zusammenhang. Herkunftsländer, aus denen überdurchschnittlich viele Hochgebildete auswandern, stellen zugleich Migrantengruppen, die deutlich besser abschneiden, als ihr durchschnittliches Herkunftsniveau erwarten ließe.

Die gewichtete Korrelation zwischen dem Selektionsindex und der Abweichung vom erwarteten Herkunftswert beträgt 0,73. Unter zusätzlicher Kontrolle des Ziellandes steigt sie auf 0,77.

Der Selektionsindex allein erklärt 41,3 Prozent der Leistungsunterschiede und damit erheblich mehr als das reine Herkunfts- oder Ziellandmodell. Eine Einheit des logarithmierten Selektionsmaßes erhöht die erwartete Leistung je nach Modell um etwa 3,6 bis 4,6 Punkte auf der verwendeten IQ-ähnlichen Skala.

Werden Herkunftsniveau und Migrantenselektion gemeinsam berücksichtigt, steigt der erklärte Varianzanteil auf 64,9 Prozent. Das vollständige Modell aus Herkunft, Zielland und Selektion erreicht 69,1 Prozent. Nach Kontrolle der Auswahl erhöht die zusätzliche Berücksichtigung des Ziellandes die Erklärungskraft somit nur noch um rund 4 Prozentpunkte.

Das sparsamere Modell aus Herkunftsniveau und Selektion erklärt damit annähernd 70 Prozent der weltweiten Unterschiede in den PISA-Leistungen der erfassten Migrantengruppen.

Sprachliche Zusammensetzung als Selektionsindikator

Die interne Zusammensetzung von Migrantengruppen lässt sich zusätzlich anhand der zu Hause gesprochenen Sprache untersuchen. Unter philippinischen Migranten sprechen 56 Prozent zu Hause Englisch, selbst wenn sie in nicht englischsprachigen Zielländern leben. Auf den Philippinen selbst beträgt der entsprechende Anteil nur 7 Prozent. Die starke Differenz weist darauf hin, dass englischsprachige und wahrscheinlich bildungsnähere Bevölkerungsteile überproportional häufig auswandern.

Ein ähnliches Muster zeigt sich bei malaysischen Migranten. Von ihnen sprechen 39 Prozent zu Hause Chinesisch, verglichen mit 23 Prozent innerhalb Malaysias. Weitere 32 Prozent verwenden Englisch. Rund 70 Prozent der Bevölkerung Malaysias sprechen im Haushalt Malaiisch; unter den Migranten liegt der Anteil dagegen nur bei 21 Prozent.

Nationale Herkunftskategorien bilden die tatsächliche Zusammensetzung einer Diaspora daher nur unzureichend ab. Ethnische Minderheiten, Sprachgruppen, soziale Schichten und Regionen eines Herkunftslandes können sehr unterschiedliche Auswanderungswahrscheinlichkeiten und Bildungsprofile besitzen.

Ein statistischer Sonderfall bei amerikanischen Migranten

Amerikanische Migranten erreichen außerhalb der Vereinigten Staaten zunächst einen durchschnittlichen Mathematikwert von nur 440 PISA-Punkten. Dieses ungewöhnlich niedrige Ergebnis entsteht durch die Zusammenfassung sehr unterschiedlicher Teilgruppen.

Amerikanische Migranten in Israel erreichen umgerechnet 102 Punkte, ebenso die Gruppe in Kanada. In Australien liegt das Ergebnis bei 100 Punkten, für die Vereinigten Staaten selbst bei 97 Punkten. Eine kleine Gruppe von nur 50 amerikanischen Schülern in Mexiko erzielt dagegen lediglich 70 Punkte. Dabei dürfte es sich vielfach um Kinder mexikanischer Rückwanderer handeln.

Aufgrund der inversen Varianzgewichtung erhält diese kleine Gruppe einen unverhältnismäßig starken Einfluss auf den gemeinsamen Mittelwert. Bei einer veränderten Gewichtung steigt der amerikanische Gesamtwert von 440 auf 480 PISA-Punkte. Kleine und atypische Teilgruppen können aggregierte Herkunftswerte folglich erheblich verzerren.

Vergleich der PISA-Kompetenzbereiche

Das Modell aus Herkunftsniveau und Migrantenselektion bestätigt sich auch für Lesen und Naturwissenschaften. Das adjustierte Bestimmtheitsmaß beträgt für Mathematik 0,649, für Lesen 0,713, für Naturwissenschaften 0,731 und für den Durchschnitt der drei Bereiche 0,708.

Der Einfluss des Herkunftsniveaus liegt je nach Kompetenzbereich zwischen 0,358 und 0,473 Punkten je zusätzlichem Punkt des nationalen Ausgangsniveaus. Der Effekt der Migrantenselektion reicht von 4,583 Punkten in Mathematik bis 5,651 Punkten in den Naturwissenschaften. Die Erklärungskraft fällt damit in Lesen und Naturwissenschaften sogar etwas höher aus als in Mathematik.

Rückschlüsse und Einordnung

Internationale Unterschiede in den schulischen Leistungen von Migranten lassen sich weder allein durch die Herkunft noch allein durch die Bedingungen des Aufnahmelandes erklären. Das durchschnittliche Herkunftsniveau bleibt relevant, wird aber durch die Zusammensetzung der tatsächlichen Auswanderer stark verändert.

Der zunächst hohe Ziellandeffekt überschätzt die eigenständige Wirkung des Bildungssystems und der Integrationspolitik. Leistungsstarke Zielländer nehmen häufig bereits überdurchschnittlich qualifizierte Migranten auf. Werden diese Auswahlunterschiede kontrolliert, schrumpft der zusätzliche Erklärungsbeitrag des Ziellandes auf rund 4 Prozentpunkte.

Daraus folgt nicht, dass Schulen, Institutionen und Integrationspolitik bedeutungslos wären. Ihre Wirkung kann jedoch nur sauber bestimmt werden, wenn die Ausgangszusammensetzung der Migrantengruppen bekannt ist. Ein Zielland mit stark positiv ausgewählter Einwanderung verfügt bereits vor Beginn jedes Integrationsprozesses über günstigere Voraussetzungen als ein Land, das überwiegend niedrig qualifizierte oder bildungsferne Gruppen aufnimmt.

Ebenso problematisch sind pauschale Bewertungen nach Staatsangehörigkeit oder Herkunftsland. Die Ergebnisse philippinischer und malaysischer Migranten zeigen, dass Diasporagruppen ethnisch, sprachlich und sozial erheblich vom Durchschnitt ihrer Herkunftsländer abweichen können. Ein nationaler Mittelwert sagt deshalb nur begrenzt etwas über eine konkrete Einwanderergruppe aus.

Die Aussagekraft wird außerdem durch die geringe Datenabdeckung eingeschränkt. Lediglich 2,2 Prozent der möglichen Herkunft-Zielland-Kombinationen verfügen über mindestens 25 Beobachtungen. Viele Ergebnisse beruhen auf kleinen Gruppen, und für einzelne Herkunftsländer müssen nationale Leistungswerte geschätzt werden. Die Modelle identifizieren starke statistische Zusammenhänge, beweisen aber nicht für jede Gruppe einen eindeutigen Kausalmechanismus.

Trotz dieser Einschränkungen bleibt das übergeordnete Muster stabil: Die qualifikationsbezogene Migrantenselektion ist der stärkste beobachtete Faktor für die Abweichung zwischen dem durchschnittlichen Leistungsniveau eines Herkunftslandes und den Leistungen seiner Diaspora.

Quellen und Literatur

1. Kirkegaard, E. O. W. (2026). Migrant Performance on PISA Worldwide: Taking Migrant Selectivity Seriously. 21. Juni 2026. URL: https://www.emilkirkegaard.com/p/migrant-performance-on-pisa-worldwide
2. OECD (2023). PISA 2022 Database. Organisation for Economic Co-operation and Development, Paris. URL: https://www.oecd.org/en/data/datasets/pisa-2022-database.html
3. OECD (2024). PISA 2022 Technical Report. Organisation for Economic Co-operation and Development, Paris.
4. IAB (2013). IAB-Brain-Drain-Daten. Institut für Arbeitsmarkt- und Berufsforschung, Nürnberg. URL: https://iab.de/daten/die-iab-brain-drain-daten/
5. Brücker, H.; Capuano, S.; Marfouk, A. (2013). Education, Gender and International Migration: Insights from a Panel Dataset 1980–2010. Institut für Arbeitsmarkt- und Berufsforschung, Nürnberg.
6. Pokropek, A.; Marks, G. N.; Borgonovi, F.; Koc, P.; Greiff, S. (2022). General or Specific Abilities? Evidence from 33 Countries Participating in the PISA Assessments. Intelligence, 92, Art. 101653. DOI: 10.1016/j.intell.2022.101653. URL: https://discovery.ucl.ac.uk/id/eprint/10151149/

* Mit Zustimmung des Autors basiert dieser Beitrag auf dessen Originalveröffentlichung; er wurde lediglich zur besseren Strukturierung, Sachlichkeit und Verständlichkeit überarbeitet und um aktuelle Quellen ergänzt, wobei KI-gestützte Methoden unterstützend eingesetzt wurden.

Die in dieser Veröffentlichung vertretenen Ansichten geben ausschließlich die Auffassung des Autors wieder und spiegeln nicht notwendigerweise die Positionen des Instituts für konservative Wirtschaftspolitik (IKW) wider. Das Titelbild dieser Veröffentlichung wurde KI-generiert (Art. 50 EU AI Act).