Arbeitsmarkteffekte von KI und deren Beeinflussung
Prof. Dr. Lutz Bellmann (Lehrstuhl für Volkswirtschaftslehre insbesondere Arbeitsökonomie an der Friedrich-Alexander-Universität Erlangen-Nürnberg) und Prof. Dr. Werner Widuckel (Professur für Personalmanagement und Arbeitsorganisation an der Friedrich-Alexander-Universität Erlangen-Nürnberg)
1. Einleitung
Die Digitalisierung und die künstliche Intelligenz (KI) haben in den letzten Jahren in vielen Betrieben zu großen Veränderungen geführt. Bestimmte berufliche Tätigkeiten, bei denen der Mensch bis vor kurzem als nicht ersetzbar galt, können mittlerweile von Computern und computergesteuerten Maschinen ausgeführt werden. In den letzten Jahren hat vor allem die Verbreitung neuartiger Roboter zugenommen (Deng/Plümpe/Stegmaier 2021). Kollaborative Roboter müssen nicht mehr mit Schutzeinrichtungen ausgestattet werden, sodass eine direkte Zusammenarbeit mit Menschen möglich wird (Dengler/Matthes 2021).
Großes Aufsehen hat bereits vor acht Jahren die Studie von Frey/Osborne (2013) erregt, die große Potenziale für die Ersetzung menschlicher Tätigkeiten und computergesteuerte Maschinen ermittelt hat und die Befürchtungen geweckt hat, dass es in größerem Umfang zu technologischer Arbeitslosigkeit kommen könnte. Gegen diese Vorstellung ist einzuwenden, dass sich aus dem ermittelten Potenzialen für die Ersetzung menschlicher Tätigkeiten durch Maschinen keine unmittelbaren Arbeitsmarkteffekte ableiten lassen, weil die Einführung Anwendung neuer Technologien an ethische, rechtliche, soziale und wirtschaftliche Grenzen stößt.
Vor diesem Hintergrund ist die Digitalisierung und mit ihr die Einführung und Anwendung von KI ein Prozess, der von Interessen, Einstellungen, Bedürfnissen und sozialen Beziehungen geprägt ist; denn Technologie gestaltet sich nicht selbst. Ebenso ist zu berücksichtigen: Wenn der Technologieeinsatz zu Kostenreduktion führt, kann es zu einer höheren Nachfrage nach Gütern und Dienstleistungen sowie nach Arbeitskräften kommen (Dauth et al. 2017, 2021). Weiterhin sind Effekte auf die Struktur der Beschäftigung und die Arbeitsorganisation zu erwarten. Somit sind Arbeitsmarkteffekte von KI das Ergebnis eines komplexen Gestaltungszusammenhangs und diesbezüglichen Aushandlungsprozessen auf unterschiedlichen Ebenen.
Der Aufbau dieses Beitrags ist folgender: Im nächsten Abschnitt wird die Bedeutung und die Wirkung der Digitalisierung für den deutschen Arbeitsmarkt diskutiert. Anschließend werden die sich für Betriebe und Beschäftigte ergebenden Herausforderungen behandelt. Den Abschluss bildet ein Fazit.
2. Einsatz und Wirkungen von KI
Das Institut für Arbeitsmarkt- und Berufsforschung (IAB) und das Leibniz-Zentrums für Europäische Wirtschaftsforschung (ZEW) haben im Jahr 2016 eine repräsentative Befragung von Betrieben zur Verbreitung digitaler Technologien in Deutschland durchgeführt (Arntz et al. 2016). Die Studie umfasste sowohl Produktions- als auch Dienstleistungsbetriebe. Unter ersteren sind z.B. weitgehend selbststeuernde Anlagen bis hin zu Smart Factories, cyber-physische Systeme und das Internet der Dinge zu verstehen. Zum Befragungszeitpunkt waren für 7 % der Produktionsbetriebe die Nutzung digitaler Technologien zentraler Bestandteil ihres Geschäftsmodells, weitere 30 % nutzten bereits solche Technologien, knapp 3 % planten deren Anschaffung und etwas mehr als 14 % setzten sich mit deren Nutzung auseinander. Fast die Hälfte der befragten Produktionsbetriebe gaben an, sich noch nicht mit der Nutzung solcher Technologien beschäftigt zu haben.
Auf Basis des IAB-Betriebspanels 2019 haben Deng et al. (2021) die Nutzung von Robotern in deutschen Betrieben untersucht. Während 8,2 % der Betriebe des Verarbeitenden Gewerbes Roboter nutzen, waren es in den anderen Betrieben nur 0,9 %. Obwohl der Anteil der Betriebe, die Roboter nutzten, überraschend gering war, waren mehr als 3 Millionen Beschäftigte in diesen Betrieben tätig.
Welche Auswirkungen hat die (teilweise) Übernahme von Routinetätigkeiten, die leicht programmierbar und automatisierbar sind, durch Computer und computergestützte Maschinen? Frey/Osborne (2013, 2017) verwendeten objektive Informationen über die erforderliche Ausbildung und Kompetenzen sowie subjektive Informationen („Expertenurteile“) über die Art der Tätigkeit. Nach ihren Berechnungen ist in den USA für 47 % der Beschäftigten die Wahrscheinlichkeit der Automatisierung ihrer Tätigkeit größer als 70 %. In einer ähnlichen Untersuchung für Deutschland ermittelten Brzeski/Burk (2015) einen Anteil von 59 % der Arbeitsplätze in Deutschland, die in den nächsten Jahrzehnten durch Maschinen ersetzt werden können. Bonin et al. (2015) geben mit 42 % einen deutlich niedrigeren Wert an. In einem weiteren Analyseschritt betrachten die Autoren die Ebene von Tätigkeiten anstelle der von Berufen und berechnen einen Anteil 12 % für die Arbeitsplätze, die entfallen könnten.
In der Expertendatenbank BERUFENET stellt die Bundesagentur für Arbeit Informationen über alle Berufe in Deutschland bereit. Dazu gehören z.B. Informationen über die zu erledigenden Aufgaben, die verwenden Arbeitsmittel, die Gestaltung von Arbeitsbedingungen, die notwendige Ausbildung oder rechtliche Regelungen. Dengler/Matthes 2021 haben mit diesen Daten die Anforderungen an die einzelnen Berufe verknüpft und das Substitutionspotential der einzelnen Berufe ermittelt. Dabei zeigt sich, dass der Anteil der sozialversicherungspflichtig Beschäftigten, die in einem Beruf mit einem hohen Substitutionspotenzial arbeiten, von 15 % im Jahr 2013, auf 25 % im Jahr 2016 und auf rund 34 % im Jahr 2019 gestiegen ist.
Besonders interessant ist die Betrachtung der Größe und der Entwicklung der Substitutionspotentiale für verschiedene Anforderungsniveaus. Für Helfer und Fachkräfte war der Substitutionsanteil 2019 mit 59 % und 58 % (zum Vergleich 2016: 58 % und 54 %) deutlich höher als für Spezialisten mit 45 % (zum Vergleich 2016: 40 %) und Experten mit 26 % (zum Vergleich 2016: 24 %). Der Anstieg im Vergleich der Jahre 2016 und 2019 betrug also bei den Helfern knapp 1 Prozentpunkt, den Fachkräften 5 Prozentpunkte, den Spezialisten 4 Prozentpunkte und den Experten knapp 2 Prozentpunkte. Mit anderen Worten ist das Substitutionspotenzial umso größer, je niedriger das Anforderungsniveau ist. Allerdings ist der Anstieg bei den Fachkräften und den Spezialisten höher als bei den Helfern und Experten. Übrigens sind die Substitutionspotenziale in den Fertigungsberufen bzw. fertigungstechnischen Berufen mit 72 % bzw. 84 % am größten; sie sind auch noch einmal im Vergleich zu den Jahren 2013 und 2016 leicht angestiegen.
Als Experten werden Hochschulabsolvent*innen mit mindestens vierjährigem Studium bezeichnet, während als Spezialist*innen Absolvent*innen einer Meister- oder Technikerschule, Fachschule, Berufs- oder Fachakademie oder von Bachelor-Studiengängen bezeichnet werden. Fachkräfte haben eine mindestens zweijährige Berufsausbildung oder einen berufsqualifizierenden Abschluss an einer Berufsfach- oder Kollegschule, während Helfer keine berufliche Ausbildung oder eine einjährige Berufsausbildung absolviert haben.
Im Rahmen der IAB-ZEW-Betriebsbefragung wurden von Genz et al. (2021) Beschäftigte nach der Art der Technologien, die sie nutzen, befragt. Auf den ersten beiden Plätzen finden sich Augmented Reality mit 91 % und KI mit 58 %. Weitaus weniger werden das Internet der Dinge, Big Data und Internet der Dienste genannt. Analysen zu den individuellen Lohn- und Beschäftigungsreaktionen auf unterschiedliche Technologien zeigen einen Rückgang des Beschäftigungsniveaus von Arbeitnehmern und Arbeitnehmerinnen, die im Produzierenden Gewerbe 4.0-Technologien nutzen; ihre Löhne steigen auch weniger als die der Nichtnutzer.
Um die längerfristigen Beschäftigungseffekte der Digitalisierung und insbesondere der Nutzung von Robotern zu ermitteln, verwenden Dauth et al. (2017, 2021) Daten auf Sektorebene verschiedener Länder für den Zeitraum 1994 bis 2014. In diesem Zeitraum ist die Anzahl der Roboter in Deutschland von 60 bis 100 pro tausend Arbeitskräfte gestiegen. Nach ihren Berechnungen wurden die 275.000 Arbeitsplätze, die im Verarbeitenden Gewerbe in Deutschland verloren gegangen sind, mehr als kompensiert durch die neu entstehenden Arbeitsplätze. Damit unterscheidet sich das Ergebnis deutlich von dem für die USA, was die Autoren darauf zurückführen, das in Deutschland nicht nur Roboter genutzt, sondern auch hergestellt werden. Dieses Ergebnis ist umso bemerkenswerter, als wesentlich mehr Roboter pro Beschäftigten in Deutschland als in den USA oder in anderen europäischen Ländern in den Betrieben des Verarbeitenden Gewerbes und in Betrieben, die ihnen zuliefern, installiert worden sind.
3. Bedingungen der Einführung und Nutzung von KI und betriebliche Mitbestimmung
Die Digitalisierung von Organisationen und die Einführung sowie Nutzung von KI schafft nicht eine unabhängige „neue Realität“, sondern ist gebunden an organisationale Entwicklungspfade, die diesen Prozessen historisch vorausgegangen sind und die Einfluss auf die soziale Praxis der beteiligten Akteur*innen haben (Meinert und Stollt 2020; Ittermann und Niehaus 2018). Diese Pfade werden u.a. bestimmt durch die Organisationskultur als Basis von Werten, Normen und handlungsleitenden Grundannahmen (Schein 2017), die Organisationsstruktur (Schreyögg und Geiger, 2016) sowie die „betrieblichen Sozialordnung“ als Setting von sozialen Austauschbeziehungen und Machtressourcen (Kotthoff und Reindl 2019; Widuckel 2020).
Aus diesem Grund können mögliche technologische Potenziale allein nicht ausschlaggebend dafür sein, welche Auswirkungen digitale Technologien und KI für den Arbeitsmarkt haben werden. So dürfte die konkrete Gestaltung ganz wesentlich von Faktoren wie dem Vorhandensein eines Betriebsrats und dem Umfang seines Einflusses, der Primärmacht von Beschäftigten, der Finanzierungskraft der betreffenden Organisation oder den Erwartungen zentraler Stakeholder (z.B. Investor*innen oder Kund*innen) anhängen. Weitere relevante Einflüsse dürften von der jeweils einschlägigen Regulierung, dem Arbeitsmarkt und der Verfügbarkeit spezifischer Fachkräfte sowie allgemeiner Variablen (z.B. Einfluss des Klimawandels und Marktbedingungen) ausgehen.
Die hohe Komplexität der Einbettung digitaler Transformation und des Einsatzes von KI liegt hiermit auf der Hand. Aus diesem Grund entwickeln verschiedene wissenschaftliche Beiträge unterschiedliche Szenarien, in denen die Wirkungen von relevanten Variablen differenziert gebündelt und gewichtet werden. So unterscheiden Ittermann und Niehaus (2019) vier Szenarien: Positivszenario, Negativszenario, Polarisierungsszenario und Entgrenzungsszenario. Das Spektrum reicht von massiven Arbeitsplatzverlusten, und spürbaren neuen Beschäftigungspotenzialen, einem Anwachsen von Tätigkeiten mit geringer und hoher Qualifikation bei Verlust von Tätigkeiten auf mittlerem Qualifikationsniveau bis hin zum Anwachsen der Beschäftigung außerhalb von betrieblichen Organisationen im Rahmen von digitalen Plattformen (ebenda S. 37-51).
Diese Szenarien haben zwar ihren Ausgangspunkt in Überlegungen zur Entwicklung der so genannten „Industrie 4.0“, werden jedoch von den Autoren über deren Grenzen hinaus entwickelt. Die Beschreibung dieser Szenarien beinhaltet eine Differenzierung des Zusammenspiels zwischen Arbeitsorganisation, Technologie, Qualifikationen bzw. Kompetenzen und der Steuerung sowie Koordination digitalisierter Wertschöpfung. Hierbei nehmen digitale Technologien und KI allerdings nicht den Charakter von Instrumenten einer eruptiven Umwälzung an. Vielmehr scheint eine schrittweise Einführung, Erprobung und Etablierung als Handlungsmuster zu dominieren (Ittermann und Niehaus 2019; Niehaus und Katzan 2020). Die einzelnen Szenarien können als idealtypische Konstrukte angesehen werden, in denen bestimmte prägende Merkmale und Variablen in einer stringenten widerspruchsfreien Logik aufeinander bezogen werden. In der sozialen Realität sind allerdings Entwicklungen zu erwarten, die entweder Mischformen sind oder die eine Parallelität unterschiedlicher Szenarien innerhalb einer Organisation sowie zwischen unterschiedlichen Organisationen hervorbringen werden. Daher ist nicht zu erwarten, dass nur ein allgemeingütiges Muster die Entwicklung des Einsatzes digitaler Technologien oder des Einsatzes von KI ausnahmslos prägen wird.
In der betrieblichen Praxis kristallisieren sich gegenwärtig im Rahmen der betrieblichen Mitbestimmung einige bestimmende Kernthemen heraus, die auch ihren Niederschlag in diversen Betriebsvereinbarungen finden (Ameli et al. 2020). Diese lassen sich allerdings häufig nicht scharf von Regelungen zur Bewältigung der Auswirkungen der Corona-Pandemie trennen. Insgesamt berichten Betriebsräte davon, dass die Pandemie als „Beschleuniger der Digitalisierung“ gewirkt hätte (ebd., S. 7-8).
Zentrale Themen sind die die Sicherung der Beschäftigung, die Vereinbarung zur Weiterbildung und Qualifizierung, der Flexibilität der Arbeitszeit und von Verfügbarkeitsansprüchen gegenüber Beschäftigten, die Regulierung des Arbeitnehmerdatenschutzes sowie der Leistungs- und Verhaltenskontrolle sowie wie weiterer Felder des Arbeits- und Gesundheitsschutzes. Im Rahmen derartiger Vereinbarungen werden wiederum zwei weitere Tendenzen sichtbar und verstärkt: Erstens werden nicht nur Standards vereinbart, sondern auch beteiligungsbezogene Normen für die Mitbestimmung des Betriebsrats. Darüber hinaus werden verstärkt Beschäftigte direkt einbezogen, die ihre Expertise einbringen und somit die Gestaltungsfähigkeit von Betriebsräten ganz wesentlich unterstützen (Niehaus und Katzan 2020; Widuckel 2020). Somit wird die digitale Transformation der Betriebe auch zur Transformation der betrieblichen Mitbestimmung.
Der Einfluss der betrieblichen Mitbestimmung trägt wesentlich zur Gestaltung der digitalen Transformation bei und beeinflusst somit auch deren Beschäftigungswirkungen, indem sie z.B. den Umfang von und den Zugang zu betrieblichen Weiterbildungs- und Qualifizierungsmaßnahmen oder Leistungsbedingungen und deren Kontrolle reguliert. Mit Blick auf den Einsatz von KI stehen wir im Vergleich zu anderen digitalen Technologien allerdings erst am Beginn einer Verbreitung, die viele weitergehende Fragen aufwirft. Diese betreffen v.a. mögliche Entscheidungsprozesse und deren soziale Folgen (z.B. für medizinische Diagnostik, die Auswahl von Personal, für Leistungs- bzw. Potenzialbeurteilungen oder für den Zugang zu Ressourcen wie Weiterbildung, Gesundheitsversorge, soziale Unterstützung). Hierbei kann KI ganz unterschiedliche Funktionen wahrnehmen, die von der Ersetzung oder Einengung menschlicher Arbeit bis zur Unterstützung oder sogar Erweiterung von Möglichkeiten des Arbeitshandelns reichen.
Eine sinnvolle Alternative zum Umgang mit KI kann deshalb wohl nicht einfach „Förderung oder Verhinderung“ lauten. Entscheiden ist vielmehr die Gestaltung der Verwendung im jeweiligen sozialen Zusammenhang, wobei unterschiedliche Ebenen zu unterscheiden sind. So stehen auf der betrieblichen Ebene die Arbeitsbedingungen, die Beschäftigung und die sozialen Herrschafts- und Aneignungsbedingungen im Vordergrund. So lautet hier die Alternative: „Führt KI zu einer zentralistischen und hierarchischen Konzentration von Entscheidungen und der Verfügbarkeit von Wissen, Daten und Information oder zu deren Verteilung mit Handlungs- und Beteiligungsmöglichkeiten für Beschäftigte?“
Auf der gesellschaftlichen Ebene stellt sich die Frage, ob KI zu einer Konzentration der Verfügbarkeit von Daten, Informationen und Wissen und hieraus resultierenden Einflusspotenzialen auf die Lebensbedingungen und Verhaltensfreiheiten von Menschen führt oder einer demokratischen Verteilung dieser Verfügbarkeit dient? Hierbei ist auch zu klären, welche Rahmenbedingungen staatliche Regulierung hierbei setzen kann und sollte. Hierbei wird erkennbar, dass sich die beiden genannten Ebenen nicht unabhängig voneinander entwickeln können. Digitale Technologien sind Arbeits- und Lebenstechnologien. Diese Auseinandersetzung mit dem Fokus auf digitale Technologien und KI und deren soziale bzw. gesellschaftliche Einbettung nimmt an Dynamik zu und wird an Schärfe gewinnen. Sie ist auch eine Bewährungsprobe für gesellschaftliche Institutionen wie die betriebliche Mitbestimmung, die mit dieser Herausforderung durchaus neue, weiterführende Potenziale entwickeln und umsetzen kann.
4. Fazit
Die Arbeitsmarktwirkungen digitaler Technologien und von KI sind nicht einfach prognostizierbar. Es können jedoch mögliche arbeitsmarktwirksame Potenziale und Gestaltungsszenarien analysiert und abgeleitet werden, die eine Orientierung für die betrieblichen und gesellschaftlichen Herausforderungen bieten, die mit deren Einsatz verbunden sind. Im Umgang mit diesen Herausforderungen ist weder ein naiver Fortschrittsoptimismus noch ein resignativer Untergangspessimismus geeignet, um sich mit diesen Herausforderungen auseinanderszusetzen. In diesem Sinne besteht auch für mögliche Arbeitsmarktwirkungen keine gegebene Unausweichlichkeit, die sich zu Arbeitsplatzverlusten oder -gewinnen aufsummieren ließe. Hierauf wird auch in den in diesem Artikel zitierten Untersuchungen immer wieder mit großer Berechtigung hingewiesen. Die Arbeitsmarktwirkung digitaler Technologien und von KI ist ein Ergebnis sozialer Gestaltung und ihrer Aushandlungsprozesse.
Literatur:
Amelie, Navid; Maschke, Daniel; Miersch, Manuela und Siebertz, Angela (2020) Transformation In Zeiten der Corona-Pandemie: Monitor Digitalisierung in Betriebsvereinbarungen, Mitbestimmungsreport No. 63, Hans-Böckler-Stiftung, Düsseldorf
Arntz, Melanie; Gregory, Terry; Lehmer, Florian; Matthes, Britta; Zierahn, Ulrich (2016): Arbeitswelt 4.0 – Stand der Digitalisierung in Deutschland: Dienstleister haben die Nase vorn. (IAB-Kurzbericht, 22/2016).
Bonin, Holger; Terry Gregory und Ulrich Zierahn (2015): Übertragung der Studie von Frey/Osborne (2013) auf Deutschland, Mannheim.
Brzeski, Carsten und Inga Burk, 2015: Die Roboter kommen. Folgen der Automatisierung für den deutschen Arbeitsmarkt, ing-diba.de.
Dauth, Wolfgang; Findeisen, Sebastian; Südekum, Jens; Wößner, Nicole (2017): German robots – the impact of industrial robots on workers. CEPR Discussion Paper, 12306, London, 57 S.
Dauth, Wolfgang; Findeisen, Sebastian; Südekum, Jens; Wößner, Nicole (2021): The Adjustment of Labor Markets to Robots. In: Journal of the European Economic Association, online first, S. 1-52.
Deng, Liuchun; Plümpe, Verena und Jens Stegmaier (2021): Robot adoption at German plants. VOXEU.org. https://voxeu.org/article/robot-adoption-german-plants
Dengler, Katharina; Matthes, Britta (2018): Substituierbarkeitspotenziale von Berufen: Wenige Berufsbilder halten mit der Digitalisierung Schritt. (IAB-Kurzbericht, 04/2018).
Dengler, Katharina und Matthes, Britta (2021): Folgen des technologischen Wandels für den Arbeitsmarkt: Auch komplexere Tätigkeiten könnten zunehmend automatisiert werden. (IAB-Kurzbericht, 13/2021.
Frey, Carl B. und Osborne, Michael A. (2013): The Future of Employment: How Susceptible Are Jobs to Computerisation? Working Paper, University of Oxford, Oxford.
Frey, Carl B. und Osborne, Michael A. (2017): The future of employment: How susceptible are jobs to computerisation? Technological Forecasting and Social Change 114: 254-280.
Genz, Sabrina; Terry Gregory; Janser, Markus; Lehmer, Florian und Matthes, Britta (2021); How Do Workers Adjust When Firms Adopt New Technologies?, ZEW Discussion Paper No. 21-073, Mannheim.
Ittermann, Peter und Niehaus, Jonathan (2019); Industrie 4.0 und Wandel der Industriearbeit – revisited. Forschungsstand und Trendbestimmungen, In: Hirsch-Kreinsen, Helmut; Itterman, Peter und Niehaus Jonathan (Hrsg.) Digitalisierung industrieller Arbeit – Die Vision Industrie 4.0 und ihre sozialen Herausforderungen; Baden-Baden, Nomos, S. 33- 62 (2.Auflg.)
Meinert, Sascha und Stollt, Michael (2020); Mitbestimmung 2035. Vier Szenarien: Fokus Digitalisierung, Mitbestimmungsreport No. 56, Hans-Böckler-Stiftung, Düsseldorf
Niehaus, Moritz und Katzan, Johannes (2020); Betriebsräte und Digitalisierung: Beispiele erfolgreicher Gestaltung und Begrenzung, AIS-Studien J.3(1) S. 40-53
Schreyögg, Georg und Geiger, Daniel (2016); Organisation, SpringerGabler, Wiesbaden,
Widuckel, Werner (2020); Arbeit 4.0 und Transformation der Mitbestimmung, In: Bader, Verena und Kaiser, Stephan, Arbeiten in der Data Society – Zukunftsvisionen für Mitbestimmung und Personalmanagement, SpringerGabler, Wiesbaden, S. 17-34