Österreich hat bei Brutto-Stundenlöhnen die viertgrößte Gehaltsschere in Europa, eine Tatsache, die regelmäßig für Schlagzeilen sorgt. Sieht man sich das Ranking jedoch genauer an, wird klar, dass da viele Informationen fehlen. Würde man sich bei der Bewertung nur nach der Größe der Gehaltsschere orientieren, wäre Polen progressiver als Schweden und Österreich. Woran liegt das?
Brutto-Stundenlöhne: Der EU-Indikator „unadjusted gender Pay gap (GPG)“ bezieht sich im Gegensatz zu unserer Lohnsteuerauswertung auf Vollzeit- und Teilzeitbeschäftigte in der Privatwirtschaft (ohne den Staatssektor sowie die Land- und Forstwirtschaft). Er wird am arithmetischen Mittel gemessen, dadurch fällt er etwas höher aus, weil sehr hohe Stundenlöhne den Mittelwert verzerren. Die Datenquelle für diesen Indikator ist die Verdienststrukturerhebung, die in Europa alle vier Jahre durchgeführt wird.
In der öffentlichen Diskussion herrscht Verwirrung, weil oft Zahlen, Begriffe und Perspektiven miteinander vermengt werden, die für sich betrachtet jeweils ihre Berechtigung haben, aber immer nur Teilaspekte des Themas betrachten. Dazu kommt, dass die Diskussion sowohl von Links als auch von Rechts politisch vereinnahmt wird. Eine nüchterne Auseinandersetzung mit dem Thema scheint kaum möglich.
Die einen sprechen vom Unterschied zwischen den Jahresgehältern von Männern und Frauen und blenden dabei den hohen Teilzeitanteil von Frauen in Österreich aus. Die anderen sprechen vom „Wage-Gap-Mythos“ und argumentieren, die Unterschiede in der Bezahlung seien schlicht und ergreifend darauf zurückzuführen, dass es mehr Männer mit technischen Ausbildungen gibt und Frauen überwiegend in schlecht bezahlten Branchen arbeiteten – und blenden dabei die Verteilungsperspektive aus.
Beide Perspektiven haben ihre Berechtigung. Absolute Jahresgehälter haben Einfluss auf Pensionsansprüche und Armutsgefährdung und sind somit Kernthemen der Frauenpolitik der vergangenen Jahre. Vergleicht man beispielsweise die gesamten Bruttojahresgehälter zwischen den Geschlechtern, beträgt die Einkommensschere im Jahr 2015 hohe 38,4 Prozent am Median.
Der Median ist wie das arithmetische MIttel (vulgo der Durchschnitt), ein Weg, die Mitte einer Verteilung darzustellen. Er ist prinzipiell für Lohnverteilungen besser geeignet, weil er robust gegenüber Ausreißern ist. Dazu folgendes Beispiel: Wenn von elf Personen zehn Personen aufsteigend von einem bis zehn Euro verdienen, aber die elfte Person hundert Euro, beträgt der Durchschnittslohn dieser Gruppe rund vierzehn Euro. Also: 14,1 = (1+2+3+4+5+6+7+8+9+10+100)/11.
Dieser Durchschnittslohn stellt aber nicht unbedingt die Mitte der Lohnverteilung dar, weil eigentlich niemand wirklich so viel verdient. Deshalb wird für Lohnverteilungen oft der Median angegeben. Hier werden die Löhne aufsteigend sortiert und dann wird jener Lohn herausgepickt, der in der Mitte der Gruppe liegt. In unserem Fall wäre das der sechstgrößte Lohn – also sechs Euro.
Der reduzierte Blick auf die Verteilung der Jahresbruttolöhne lässt allerdings Lohndiskriminierungen vermuten, wo keine sind, weil wichtige Einflussfaktoren ausgeblendet werden, die die Lohnverteilung erklären können, ohne dass notwendigerweise direkte Diskriminierung aufgrund des Geschlechts vorliegt. Betrachtet man beispielsweise nur die Bruttojahresgehälter der ganzjährig Vollzeitbeschäftigten, schrumpft die Gehaltsschere im Jahr 2015 auf 17,3 Prozent und im Jahr 2016 bereits auf 15,9 Prozent.
Diskriminierung liegt im rechtlichen Sinn dann vor, wenn Gleiches ungleich behandelt wird. Wird beispielsweise eine ansonsten gleich qualifizierte weibliche Führungskraft nur aufgrund ihres Geschlechts weniger gut bezahlt als ihr männlicher Counterpart, herrscht Lohndiskriminierung vor. Diese Definition hinterfragt jedoch nicht, wie die untersuchten Strukturen zustande kommen und ob sie gesellschaftlich gewünscht sind. Mehr zum Thema Diskriminierung im rechtlichen Sinn lesen Sie hier .
Der Einfluss von Teilzeitarbeit ist nur einer von vielen Aspekten, die berücksichtigt werden müssen, um die Frage zu beantworten, ob Frauen für die gleiche Arbeit weniger bezahlt bekommen als Männer. Wir zeichnen mit unserer Analyse der Bruttojahresgehälter von ganzjährig vollzeitbeschäftigten Arbeitnehmern bereits ein differenzierteres Bild der Situation. Aber selbst nach dieser Aufschlüsselung nach Gemeinden, Alter und Branchen gibt es noch unberücksichtigte Faktoren, die das Einkommen beeinflussen, ohne dass notwendigerweise direkte Diskriminierung aufgrund des Geschlechts vorliegt.
Beobachtbare und messbare Faktoren wie: Bildung, Berufserfahrung, Tätigkeit und Stellung im Job, Kollektivvertrag, Wochenarbeitszeit, Firmengröße, andere Diskriminierungen wie Migrationshintergrund oder körperliche Behinderungen, Familienstand und andere.
Unbeobachtbare bzw. schwer messbare Faktoren wie: Motivation, Softskills, Risikobereitschaft, Präferenzen, kulturelles Kapital, Intelligenz etc.
Gesamter Lohnunterschied zwischen Brutto-Jahresgehältern von Männern und Frauen. Durch Außerachtlassung von Vollzeit- und Teilzeitarbeit fällt diese Schere groß aus: 2015 betrug sie 38,4 Prozent. Die Datenquelle ist die Lohnsteuerstatistik, in der alle lohnsteuerpflichtigen Einkommen erfasst werden. Diese Zahl unterliegt deshalb keinen Schwankungsbreiten. Sie wird am Median gemessen.
Gehaltsschere zwischen ganzjährig Vollzeitbeschäftigten. Dabei wird für den Einfluss von Teilzeitarbeit korrigiert. 2016 betrug diese Schere 16,9 Prozent. Datenquelle ist ebenfalls die Lohnsteuerstatistik.
Gehaltsscheren bei Brutto-Stundenlöhnen. Brutto-Stundenlöhne werden erhoben, um den Einfluss der Wochenarbeitszeit zu korrigieren, und sind die Grundlage für die Bereinigung der Gehaltschere um beobachtbare Faktoren.
Inzwischen gibt es einige Bereinigungen der Einkommensschere zwischen den Geschlechtern für diese Faktoren für Österreich. Die Statistik Austria, das WIFO, die Agenda Austria und unabhängige Wissenschaftler haben jeweils Bereinigungen des „Wage Gaps“ für Stundenlöhne durchgeführt. Die Ergebnisse dieser Bereinigungen rangieren von 8,2 Prozent (Agenda Austria, am Median für 2012) über 10,7 Prozent (WIFO, am Mittelwert für 2015) bis hin zu 13,6 Prozent (Statistik Austria, am Mittelwert für 2014). Der Teufel steckt aber wie immer im Detail: Die Zahlen sind aufgrund unterschiedlicher Datenquellen, Methoden und Variablen nur bedingt vergleichbar. Eines ist den Studien aber gemein: Unabhängig von der durchführenden Organisation bleibt immer ein bereinigter Einkommensunterschied übrig. Die Bereinigungen können nicht erklären, wie und warum die Strukturunterschiede zwischen den Geschlechtern zustandekommen. Ob dem Arbeitsmarkt vorgelagerte Diskriminierungen vorliegen, etwa bei Bildungskarrieren, Pflege, unbezahlter Arbeit usw., kann damit nicht untersucht werden.
Wer die Gehaltsdiskriminierung von Frauen berechnen will, muss Gleiches mit Gleichem vergleichen. Deshalb muss für diese Berechnungen der eingangs erwähnte Bruttostundenlohn herangezogen werden. Die Frage, ob eine Diskriminierung nach dem Geschlecht vorliegt, kann nur beantwortet werden, wenn quasi Zwillinge verglichen werden, die sich nur in ihrem Geschlecht unterscheiden. Berufserfahrung, Bildung, Branche und alle anderen Einflussgrößen müssen identisch sein. Solche Zwillinge existieren in der Realität jedoch selten. Deshalb müssen statistische Methoden angewendet werden, um für die möglichen Einflussgrößen auf den Stundenlohn zu korrigieren und den Effekt des Geschlechts zu isolieren.
Der Ausgangspunkt solcher Analysen ist immer ein sogenannter Mikrodatensatz. In diesen Datensätzen wird eine möglichst repräsentative Stichprobe der Bevölkerung mit gewissen Merkmalen erhoben.
Bereits darin unterscheiden sich diese Daten von den Lohnsteuerdaten, die unserer Analyse zugrunde liegen und auf einer sogenannten Vollerhebung beruhen. In einer Vollerhebung werden alle Fälle eines Landes beobachtet und ausgewertet, dadurch gibt es keine Schwankungsbreiten bei den Ergebnissen. Bei Stichproben gibt es, abhängig von der Größe, immer Ungenauigkeiten. Diese werden aber bei der Bereinigung der Gehaltsschere in den wenigsten Fällen angegeben.
Anhand solcher Daten werden statistische Modelle für männliche und weibliche Stundenlöhne berechnet, in denen entlang diverser Einflussgrößen korrigiert wird. Mit derartigen Modellen kann z.B. beziffert werden, um wie viel Prozent mehr durchschnittlichen Stundenlohn ein Akademiker erhält als eine Person mit Pflichtschulausbildung. Ist dieser Wert für Männer und Frauen unterschiedlich, herrscht Diskriminierung aufgrund des Geschlechts vor. Gibt es aber mehr männliche Akademiker, kann so ein Unterschied in den durchschnittlichen Stundenlöhnen erklärt werden, ohne dass Diskriminierung stattfindet. Bleibt nach dieser Bereinigung um Einflussgrößen ein Unterschied bestehen, spricht man vom unerklärten oder bereinigten Teil der Gehaltsschere. Das kann an Diskriminierung aufgrund des Geschlechts liegen, oder an Variablen, die das Modell nicht enthält. Die Bereinigung mithilfe dieser Modelle kann nur so gut sein wie die Vielfalt an Daten, mit denen es gefüttert wird.
Ein gutes Beispiel für dieses Problem ist die Analyse des Gender Pay Gap der Statistik Austria. Hier wird neben Branche, Berufsgruppe, Alter und Bildung für zahlreiche andere Faktoren kontrolliert, es fehlen jedoch Informationen zu Familienstand und Migrationshintergrund. Im unerklärten Teil dieser Gehaltsschere können deshalb auch andere Diskriminierungen stecken. Auch wird statt der tatsächlichen Berufserfahrung das Alter und die Betriebszugehörigkeit der Personen berücksichtigt, was gerade für Frauen problematisch ist. Sie haben wegen Babypausen im Durchschnitt weniger Berufserfahrung als Männer.
Ein Grundproblem aller Analysen der Einkommensschere ist der Einfluss unbeobachtbarer Variablen auf den Stundenlohn. Merkmale wie Motivation, Softskills, Verhandlungsgeschick, kulturelles Kapital usw. können kaum gemessen werden. Merkmale wie Intelligenz oder Risikobereitschaft nur mit hohem Aufwand. Deshalb gehen diese Komponenten üblicherweise nicht mit in die Analyse des Stundenlohns ein, stecken aber im unerklärten Teil der Differenz bzw. verzerren unter Umständen sogar das Ergebnis der Analyse.
Inzwischen gibt es einige Untersuchungen zu geschlechtsspezifischen Einkommensunterschieden in Österreich. In allen bisherigen Untersuchungen bleibt ein unerklärter Rest. Eine der neuesten Untersuchungen verwendet einen Mikro-Datensatz (PIAAC), in dem zusätzlich zu den üblichen sozioökonomischen Variablen auch die Fähigkeiten der Arbeitnehmer gemessen wurden. Die Vermutung liegt nahe, dass Fähigkeiten mit sonst unbeobachtbaren Variablen wie Intelligenz und Motivation korrelieren. Auch in dieser Untersuchung bleibt eine bereinigte Gehaltsschere übrig.
Um die Eingangsfrage zu beantworten: Tatsächlich geht die unbereinigte Gehaltsschere bei Bruttostundenlöhnen in Europa mit der Erwerbstätigenquote der Frauen auf. In Polen liegt die Gehaltsschere bei rund 7,7 Prozent. Es haben aber auch nur rund 60,9 Prozent aller Frauen einen Job, in Italien (Gehaltsschere: 5,5 Prozent) überhaupt nur 50 Prozent. Vor diesem Hintergrund erscheinen die kleinen Gehaltsscheren dieser Länder nicht mehr so erstrebenswert. Wenn nur wenige Frauen überhaupt am Arbeitsmarkt teilnehmen, sind diese im Schnitt auch höherqualifiziert, und ihre Erwerbskarrieren ähneln jenen von Männern. Dadurch wird auch die Gehaltsschere kleiner. Die Erwerbsbeteiligung und der hohe Teilzeitanteil sind deshalb nur zwei der vielen Aspekte, die berücksichtigt werden müssen, um ein differenziertes Bild der Situation von Frauen zu bekommen.
(Erratum: In einer früheren Version dieses Textes hieß es falsch: „Frauenerwerbsbeteiligung“. Richtig muss es heißen: „Frauenerwerbstätigenquote.“ Wir haben den Fehler korrigiert und bitten um Entschuldigung.)
Die Erwerbstätigenquote jener Anteil der Frauen die einen Job haben. In unserer Grafik ist der Anteil der 20 bis 64 jährigen Frauen mit Job dargestellt. Die Quelle ist das Labor Force Survey um eine Vergleichbarkeit zwischen den EU-Staaten herzustellen.
Stefanie Braunisch (Team Investigative Recherche) 
Matthias Dechant (Team Experten) 
Gerald Gartner (Team Daten) 
Johannes Kaiser (Team Experten) 
Maria Kern (Team Investigative Recherche) 
Timo Küntzle (Team TV) 
Stefan Schett (Team Social Media) 
Anna Schneider (Projektleitung) 
Max Thomasberger (Team Daten)
