Internationale Studien weisen auf eine zunehmende soziale und ethnische Entmischung zwischen städtischen Schulen hin. Dies ist insofern problematisch, als die soziale und ethnische Zusammensetzung von Schulen einen nachweisbaren Effekt auf die Leistungen der Schüler/innen hat, und dies unabhängig von deren individuellem Hintergrund. In keinem OECD-Land sind diese sogenannten Kompositionseffekte so ausgeprägt, wie in der Schweiz. Während andernorts eine neu eingeführte freie Schulwahl und der Zulauf an Privatschulen für ungleiche Schulbedingungen verantwortlich gemacht werden, ist die unterschiedliche Zusammensetzung der Schulen in der Schweiz hauptsächlich auf die Entmischung zwischen Wohnquartieren und auf entsprechende schulische Einzugsgebiete zurückzuführen. Die vorliegende Studie des ZDA untersucht diesen Zusammenhang am Beispiel der stadtzürcher Schulen (Modul 1). Zugleich prüft sie die Möglichkeiten zur stärkeren Durchmischung durch kleinräumige Anpassungen der Einzugsgebietsgrenzen (Modul 2). Zur Optimierung wurde ein neuartiger, detailgetreuer Algorithmus entwickelt, der künftig in ein Hilfstool überführt werden könnte, welches die Schulzuteilung und Schulraumplanung unterstützt. In einem qualitativen Teil der Studie wird die heutige Praxis der Schulzuteilung und Schulraumplanung untersucht, basierend auf Experten-/Expertinnen-Interviews mit Vertreter/innen der Schulbehörden (Modul 3). Neben der Praxis werden auch Herausforderungen bei der Durchmischung sowie Anforderungen an ein allfälliges Optimierungstool in Erfahrung gebracht. Für die quantitativen Analysen werden geocodierte Daten zu den Erst- bis Drittklässler/innen (nach Stichtag) aus der Volkszählung 2000 herangezogen sowie ergänzend Stichproben zur Wohnbevölkerung aus den Strukturerhebungen 2010 bis 2015, ferner Daten aus der Bildungsstatistik (BISTA) des Kantons Zürich sowie unveröffentlichte Daten des Zürcher Schulamtes zu den aktuellen schulischen Einzugsgebieten (Stand: Januar 2019). Für die Aufbereitung, Recodierung, Auswertung und Darstellung der Daten werden die Geographischen Informationssysteme QGIS und ArcGIS, sowie die Statistiksoftware R eingesetzt. Der Java-basierte Optimierungsalgorithmus (lokaler Suchalgorithmus – ‘Hillclimbing’) greift auf diese Daten zu und zieht für die Simulation individueller Schulwege weitere geo-codierte Daten bei (OpenStreetMap, Waldflächen gemäss swisstopo, MATSim-Verkehrsmodell des IVT/ETH, sichere Schulwegübergänge gemäss Schulinstruktion). Als Output gibt der Algorithmus für konfigurierbare Bedingungen (maximale Schulweglänge, Schulhauskapazitäten) tabellarische und räumliche Daten zu den einzelnen Optimierungsschritten aus.