36 verschiedene Schokoladenrichtlinien: Der Einfluss von Kontextvariablen auf die Verhandlungsergebnisse in EU-Simulationen

EU-Simulationen werden in verschiedenen Kontexten verwendet - einige Simulationen dauern nur einige Stunden, andere nehmen mehrere Tage in Anspruch; einige werden mit wenigen Teilnehmern durchgeführt, andere mit großen Gruppen; einige werden mit Schülern gespielt, andere mit Berufstätigen. Wir wissen jedoch nur wenig darüber, wie diese Kontextvariablen die Verhandlungsergebnisse von Simulationen beeinflussen. Dieser Artikel schließt diese Forschungslücke. Seit 2003 haben wir dieselbe Simulation der Schokoladenrichtlinie in verschiedensten Kontexten durchgeführt: An einem oder zwei Tagen, mit Schülern, Studenten, oder Beamten, sowie mit unseren Teamleitern oder den Teilnehmern als Europäisches Parlament (EP). Da alle Vorschläge und Verhandlungspositionen nicht nur verbal, sondern als Zahlen in räumlichen Politikmodellen formuliert sind, können wir die Ergebnisse der Simulationen miteinander vergleichen und in Relation zu den Kontextbedingungen setzen. Die wesentlichen Ergebnisse sind, dass erstens alle Simulationen Richtlinien ergeben, die strikter sind als der Kommissionsvorschlag. Dennoch ist die Variation der Ergebnisse groß. Zweitens haben Simulationsdauer und Teilnehmerzahl kaum Einfluss auf das Spektrum der Verhandlungsergebnisse. Drittens sind die Ergebnisse strikter – also näher an der Position der Schokoladenpuristen – wenn das EP nicht von den Teilnehmern, sondern von Spielleitern verkörpert wird. Viertens sind die Richtlinien deutlich strikter, wenn die Simulationen in der Schweiz stattfanden. Außerdem sind diese Richtlinien deutlich konsensualer. Das Schweizer Selbstbild einer Nation von Schokoladenliebhabern und Konsensusdemokratie zeigt sich also auch in den Ergebnissen einer Simulation. Für die Diskussion über EU Simulationen zeigt der Beitrag, wie hilfreich es ist, Simulationen als Quasi-Experimente aufzufassen. Jede Simulation ist einzigartig; doch wenn wir eine große Zahl von Simulationen quantitativ analysieren, sehen wir Muster, die uns sonst verborgen blieben. Diese Muster zu erkennen kann uns wiederum helfen, die Simulationen zu verbessern.