Start Blog

KI ist der neue Strom: Schlussfolgerungen für HR

0

Ist KI ist der neue Strom? Genau dies behauptet Andrew Ng, Chefwissenschaftler von Baidu und außerordentlicher Professor an der Stanford Universität (Video auf Youtube):

  • So wie Strom vor über 100 Jahren fast alles verändert hat, wird die KI fast alles verändern.
  • Es bestehen zwei Hindernisse für die Ausbreitung der KI-Nutzung: Der Mangel an Daten, die für die Generierung der Deep Learning-Algorithmen benötigt werden, und der Mangel an Talenten, die KI an den jeweiligen geschäftlichen Kontext anpassen können.
  • KI-Software konkurriert mit Menschen um Arbeitsplätze

Meine Schlussfolgerungen für HR:

  • HR muss die KI-Revolution sehr gut verstehen (und auch auf dem eigenen Spielfeld Vorreiter für KI-Anwendungen sein). Nur mit einem tiefen Verständnis des Kommenden kann HR die Geschäftsführung im Unternehmenswandel „auf Augenhöhe“ begleiten.
  • HR muss dabei helfen, einen guten Weg durch das Spannungsfeld zwischen Datenhunger, Datenschutz und Ethik zu finden. Die aktuellen Entscheidung von IBM und Amazon ihre Gesichtserkennungssoftware aufgrund der Befürchtungen rund um Racial Profiling vom Markt zu nehmen und der Rückzug von Google aus einem Militärprojekt, das Drohnenangriffe mit Bilderkennung effizienter machen sollte, zeigt den Bedarf an KI-Expertise in HR: Der Druck der eigenen Mitarbeiter und die gesellschaftlichen Diskussionen waren ein wesentlicher Beweggrund für diese Unternehmensentscheidungen.
  • Der weltweite Wettbewerb um talentierte Mitarbeiter wird sich weiter verschärfen: Die Kombination aus fachlicher Expertise, team- bzw. sozialverträglicher Persönlichkeitsstruktur und hoher Fluider Intelligenz wird das Gold, das HR aufgrund der demografischen Entwicklungen unter zunehmend schwierigeren Bedingungen auch international schürfen muss. Mit der Alterung und Schrumpfung der Bevölkerung geht ein Verlust an Fluider Intelligenz in der Gesamtpopulation einher. Im Bereich der durchschnittlichen bis überdurchschnittlichen Intelligenz (IQ > 100) wirkt sich diese demografische Entwicklung bis zum Jahr 2030 in Deutschland mit einem Verlust von ca. 2 Millionen potentiellen Erwerbstätigen (-7 Prozent) nachteilig aus. Besonders in den sehr hohen Intelligenzbereichen (IQ > 130 bzw. > 145) wird die Alterung bzw. der Rückgang der erwerbsfähigen Bevölkerung mit -10 bzw. -14 Prozent spürbar werden (vgl. Reihe „Automatisierung: Jobmaschine oder Jobkiller?“ auf www.newmodelhr.com)
  • Die Welt ändert sich rasant. Bis zur Hälfte der derzeitigen Jobs bzw. Berufsfelder werden in den nächsten ein bis zwei Jahrzehnten voraussichtlich verloren gehen oder signifikanten Veränderungen unterliegen. Vor diesem Hintergrund wird lebenslanges Lernen Realität. Unternehmen werden zur Bewältigung der fortschreitenden Digitalisierung vermehrt in die Fortbildung ihrer Arbeitnehmer investieren. Gesetzgeber und Sozialpartner werden aber im kommenden Jahrzehnt darüber hinaus ein individuelles Anrecht der Arbeitnehmer auf Erhalt ihrer Arbeitsmarktfähigkeit durch den Arbeitgeber durchsetzen. Die Etablierung von skalierbaren, effektiven Trainings zur Unterstützung des lebenslangen Lernens wird eine der zukünftigen zentralen Aufgaben von HR.

HR in der Krise

0

Es ist nur wenige Monate her, da eilte Deutschland noch von Beschäftigungsrekord zu Beschäftigungsrekord und der Mangel an Fachkräften galt in den meisten Unternehmen als das größte Geschäftsrisiko. Darauf lag auch der Fokus von HR.

Und dann kam der Corona-Virus.

Innerhalb weniger Tage änderten sich die Gewissheiten und Prioritäten, die im letzten Jahrzehnt noch galten. Nun ist für HR die kurzfristige Krisenbewältigung die Top-Priorität.

Und HR wird noch lange im Krisenmodus bleiben. Jetzt zeigt sich immer mehr, dass die Pandemie mit ihren wirtschaftlich desaströsen Folgen noch Monate andauern wird. Wo Einnahmen wegbrechen, müssen Kosten eingespart werden.

Auch von HR wird erwartet, dass über inkrementellen Optimierungen hinaus ein signifikanter Beitrag zur Verbesserung der eigenen Kostenstrukturen geleistet wird. Die HR-Budgets werden in den meisten Unternehmen deutlich schrumpfen und die alten Schwerpunktsetzungen gelten damit nicht mehr.

Es wird so kommen: HR besinnt sich auf seine Kernthemen.

Was nicht zwingend notwendig ist oder in wenigen Wochen unmittelbar zur Verbesserung der Finanzsituation führt, wird nun oftmals zurückgestellt. Teure Imagekampagnen und ‑veranstaltungen passen nicht mehr in die Zeit.

Doch ein genereller Stopp von Investitionen birgt Gefahren in sich: Gewonnenes wird wieder verspielt, die Chancen der Krise werden nicht genutzt.

Zu den ersten Streichposten zählen erfahrungsgemäß Ausgaben im Training und in der Talent Acquisition. Hier sind bedeutende Einsparungen schnell umsetzbar, während die positive Wirkung von Investitionen, z. B. im Talent Management, oftmals zeitverzögert, indirekt und in ihrer Stärke nur schwer vorhersehbar bleibt. Es gilt daher die vorhandenen Personalressourcen und günstige Kommunikationskanäle (Social Media, Webinare etc.) klug zu nutzen, um in der Phase der Unsicherheit die Identifizierung von Key Talents und das Talent Relationship Management aufrechtzuerhalten oder sogar auszubauen.

Und es gibt sie auch, die Chancen der Krise für HR: Richtig angefangen kann selbst ein Kostentransformationsprojekt ein Sprung in die Zukunft bedeuten – und zwar dann, wenn aufgrund des unternehmensweit deutlich gespürten Veränderungsdrucks „Alte Zöpfe“ abgeschnitten, Unternehmensprozesse und –richtlinien verschlankt und die Digitalisierung vorangetrieben werden können (Stichworte Lean Management, Robotic Process Automation, Digitale Signaturen, Work-from-Anywhere etc.).

Gerade jetzt muss sich HR mit einer klaren Vision für die Zukunft vor Augen für solche fokussierten Investitionen einsetzen. Denn sie sorgen nicht nur schnell für eine bessere Kostenstruktur von HR, sondern auch über die Reduzierung der administrativen Arbeitsanteile und einer besseren Employee Experience für eine zeitgerechte, zukunftssichere Ausrichtung der Personalorganisation. 

Robert Schindler / www.newmodelhr.com

Unsicherheiten voraus: KI bringt Disruption in die beruflichen Eliten

0

Dieses Analyseergebnis überrascht: Bisher sind Forscher in ihren Untersuchungen zum Schluss gekommen, dass insbesondere die schlecht ausgebildeten Arbeitnehmer von den Auswirkungen der fortschreitenden Automatisierung getroffen werden. Die Untersuchung der Non-Profit-Organisation Brookings kommt dagegen zum Schluss, dass sich Künstliche Intelligenz von anderen Technologien der Automatisierung, wie z. B. Roboter oder klassischer Software, so sehr unterscheidet, dass sie sich im Gegensatz zu diesen insbesondere auf die gut ausgebildeten, gut bezahlten Arbeitnehmergruppen auswirken kann.

Das Ergebnis fußt auf Textanalysen: Im ersten Schritt wurden 16.400 Patente zur KI nach tätigkeitsrelevanten Verb-Objekt-Paaren durchsucht, z. B. „Krankheiten diagnostizieren“. Diese wurden anschließend mit den Beschreibungen in der Berufsdatenbank des US-Arbeitsministeriums (O*NET) abgeglichen und das Ausmaß der Überlappung jeweils in einer Kennzahl verdichtet.

In 740 von 769 Berufsbeschreibungen wurden Verb-Objekt-Paare gefunden, die auch in den Patentbeschreibungen zur Leistungsfähigkeit bzw. dem möglichen Einsatzfeld der Innovation vorkommen. Gehäuft bestehen Übereinstimmungen in Berufsfeldern, die überwiegend gut ausgebildete, gut bezahlte Mitarbeiter benötigen. Somit weisen die Forscher mit statistischen Methoden nach, dass KI in der Gesamtbreite der beruflichen Tätigkeiten Auswirkungen zeigen kann. Der Ansatz ist allerdings nicht geeignet, um gut fundiert Aussagen über das Ausmaß der Disruption bzw. zu Arbeitsplatzverlusten in den Arbeitnehmergruppen zu treffen. Weitere wissenschaftliche Untersuchungen müssen die Technologiefolgen beleuchten.

Neurotechnologie revolutioniert das Lernen

0

Lernerfolg hängt vom Grad der Aufmerksamkeit ab, die wir einem Vortrag, Text, Lernvideo, Podcast oder Ähnlichem schenken.

Aber unsere Aufmerksamkeit schwankt und bleibt selten durchgängig auf einem hohen Niveau. Wer kennt es nicht: Ist etwas neu und berührt unsere Emotionen, hören und sehen wir genau hin. Nun pausiert aber nicht einfach der Vortrag, Podcast oder das Lernvideo etc., wenn wir mit unseren Gedanken woanders sind oder uns die Aufmerksamkeit aufgrund von Müdigkeit oder Langeweile verloren geht. Aber warum eigentlich nicht?

Längst wird an den Wegen geforscht, in Echtzeit und auf Millisekunden genau das Niveau unsere geistige Anstrengung bzw. Aufmerksamkeit auszuwerten und für die Steuerung von Lernsoftware zu nutzen. Im Mittelpunkt stehen hier Gehirn-Computer-Schnittstellen (oder engl. Brain-Computer-Interface / BCI), die elektrische Aktivitäten des Gehirns als Spannungsschwankungen an der Kopfhaut ableiten und auf der Basis dieser Elektroenzephalografie (EEG) u. a. eine Kennzahl für geistige Anstrengung („Engagement Index“) berechnen. Mit dieser lassen sich Softwareanwendungen im Kontext von Schule, beruflicher und universitärer Ausbildung bzw. Weiterbildung steuern. Das ist eine Entwicklung, die ungeachtet der großen Fortschritte bei der Auswertung der Elektroenzephalogramme, u. a. in der medizinischen Forschung, in diesem Anwendungsfeld noch am Anfang steht. Die bereits erreichten Fortschritte im Bereich der Bildung sind aber durchaus bemerkenswert. Die folgenden Beispiele geben m. E. einen guten Einblick in diese Neurotechnologie:

  • In China werden ganze Schülerklassen mit Hilfe von kabellosen BCI-Headsets überwacht, die dem Lehrpersonal einen (vermeintlich) genauen Blick auf den aktuellen Aufmerksamkeitslevel jedes einzelnen Schülers geben.

  • Auch Progrentis, ein Unternehmen für Bildungstechnologie in Lateinamerika und Europa, nutzt die kabellosen Headsets von BrainCo in Kombination mit Maschine Learning, um Lernstrategien zu personalisieren.

  • Ein Pionier für kabellose BCI-Headsets, die auf nicht-medizinische Anwendungen abzielen, ist das Unternehmen Emotiv. Dessen Technologie soll die Überwachung der kognitiven Leistung und Emotionen erlauben, aber auch die Steuerung von virtuellen und physischen Objekten mittels mentaler Befehle, die nach maschinellem Lernen von den Algorithmen erkannt werden. SAP und Emotiv haben eine Zusammenarbeit vereinbart, um die Technologie von Emotiv mit der Lernplattform von SAP Fiori 3 zu verbinden: “We’re exploring how to provide a real-time adaptive learning experience that is engaging, insightful, and, at the same time, personalized and optimized to the learner’s needs, preferences, and personality

Interview mit Prof. Olivier Oullier von EMOTIV und Phil Miseldine von SAP (etwas langatmig, die letzten 30 Minuten sind hörenswert):

Will AI Kill Development?

0
Photo by Jeff Ackley on Unsplash

Verhindert KI den Aufstieg der Entwicklungsländer? Der absehbare Siegeszug der Künstlichen Intelligenz und Robotik wird mehr Wohlstand bringen – möglicherweise aber nur den bereits wohlhabenden, wirtschaftlich entwickelten Ländern.

Eine empfehlenswerte BBC-Dokumentation (Podcast) beleuchtet die Folgen der Automatisierung für die Entwicklungsländer. In der Vergangenheit konnten sich ärmere Länder – typische Beispiele finden sich in Ostasien – in zwei Transformationsschritten zu wohlhabenden Ländern entwickeln: Der erste Transformationsschritt ist die Ausweitung der Industrieproduktion und Verdrängung der Landwirtschaft als bedeutendster Wirtschaftszweig, der zweite die Ausweitung des Dienstleistungssektors. Die globalisierten Wertschöpfungsketten beschleunigten bisher diesen Prozess, da es aufgrund der Lohnvorteile schnell ökonomisch sinnvoll wurde, Produktionen, die nur relativ geringe Qualifikationen der Arbeitnehmer erfordern, in Entwicklungsländer bzw. Schwellenländern outzusourcen. Diese Kostenvorteile verschwinden, wenn Automatisierung- und Digitalisierungsmöglichkeiten den Menschen zunehmend aus einfacheren Produktions- und Bürotätigkeiten verdrängen lassen. KI und Robotik nehmen Stufen aus dem Aufstiegsweg, den bereits viele ehemalige Entwicklungsländer zuvor, wie z. B. China, erfolgreich gehen konnten. Sie gefährden darüber hinaus die dort noch bestehenden Produktionszweige, wie z. B. die Textilindustrie in Bangladesch. Der Kostenvorteil der Automatisierung wird zu groß: Menschen werden auch dort durch Maschinen ersetzt.

Wie können die zukünftig fehlenden Stufen auf dem Aufstiegsweg übersprungen werden? Auch hier könnte die Digitalisierung eine Antwort liefern, wenn zumindest für die bereits gut ausgebildeten Arbeitnehmer der Standort des Arbeitsplatzes auf der Welt keine bedeutende Rolle mehr spielt. Die Ausschöpfung der kognitiven Potenziale in den Bevölkerungen und verbesserte Bildung sollten m. E. den Entwicklungsländern weiterhin einen wirtschaftlichen Aufstieg ermöglichen. Das ist allerdings eine enorme Herausforderung, wenn man bedenkt, dass in den nächsten Jahren alleine in Afrika 100 Millionen Menschen zusätzlich in den Arbeitsmarkt eintreten werden.

Link zum BBC Podcast

Automatisierung: Jobmaschine oder Jobkiller? – Folge 3: Über Menschen und Götter

0

Zweifelt noch jemand? Die Folgen der weiteren Automatisierung und Digitalisierung (Stichworte: Künstliche Intelligenz bzw. KI, Robotik) werden wir alle spüren. Auch wenn das Ausmaß und die Geschwindigkeit der zukünftigen Veränderungen umstritten sind, herrscht Einigkeit, dass diese sich deutlich auf die Gesellschaft auswirken werden.

In den letzten beiden Folgen von „Automatisierung: Jobkiller oder Jobmaschine?“ (Teil I: Analysen[1], Teil II: Gewinner & Verlierer[2]) hatte ich den Diskussionsstand zu den erwarteten Arbeitsmarktfolgen der Automatisierung beleuchtet:

  • Bis zur Hälfte der derzeitigen Jobs bzw. Berufsfelder werden in den nächsten ein bis zwei Jahrzehnten voraussichtlich verloren gehen oder signifikanten Veränderungen unterliegen.
  • Insbesondere Jobs mit einem sehr hohen Anteil routinemäßiger, kognitiv weniger anspruchsvoller Aufgaben werden durch die Automatisierung bedroht.
  • Automatisierung und Digitalisierung schaffen aber auch neue Jobs – direkt, z. B. für Entwicklung, Einführung und Betrieb von KI-Systemen, ebenso wie indirekt, z. B. durch Produktivitätsgewinne und deren Reinvestition bzw. gesteigerten Konsum. Möglicherweise wird die Zahl der neuen Stellen die der wegfallenden ausgleichen oder sogar übertreffen.

Insbesondere mit Verweis auf den letzten Punkt plädieren Autoren aus der Wissenschaft und Wirtschaft für einen optimistischen Blick auf die Auswirkungen der Automatisierung bzw. Digitalisierung. Aber ist das nicht zu kurz gesprungen?

Im Laufe der Menschheitsgeschichte haben disruptive technologische Entwicklungen, etwa die Einführung der Dampfkraft, die Arbeitswelt und dadurch die Gesellschaft signifikant verändert. Nach Phasen des Anpassungsschmerzes wurden aber jeweils neue erfolgreiche, stabile Arbeits- und Gesellschaftssysteme gefunden. Beim Übergang von der Agrar- zur Industriegesellschaft im Zuge der industriellen Revolution konnten beispielsweise Tagelöhner, die bisher ihr Auskommen in der Landwirtschaft erzielt hatten, in den neu entstehenden Fabriken eine alternative Erwerbstätigkeit annehmen. In den vergangenen Revolutionen der Arbeitswelt blieben die kognitiven und feinmotorischen Fähigkeiten der Menschen in der Breite ihrer individuellen Ausprägungen gefragt.

Mit dem Wissen um die Geschichte ist ein Optimismus, dass auch die weitere Automatisierung in den nächsten Jahrzehnten nicht zu einer dystopischen Gesellschaft führt, sicherlich gut begründet. Nichtsdestoweniger lohnt sich ein genauerer Blick. Und dann zeigt sich: Die meisten Berufsfelder, die sich aufgrund der Automatisierung verändern bzw. entstehen, erfordern andere Kompetenzen von den Erwerbstätigen als die wegfallenden.

Der Grund: Im Zuge der Digitalisierung tritt Technologie in direkte Konkurrenz mit unseren vermeintlichen Alleinstellungsmerkmalen. Dies verdeutlicht der Begriff „Künstliche Intelligenz“, auf deren Gebiet in den letzten Jahren spektakuläre Erfolge präsentiert wurden. Zwar gelangen diese Erfolge in noch eng begrenzten Aufgabenfeldern, aber sie lassen bereits erwarten, dass Maschinen uns Menschen in absehbarer Zukunft substituieren werden – besonders bei Tätigkeiten, die durch Routine und trainierbare Mustererkennung gekennzeichnet sind. Ein zunehmender bis bedeutender Teil der bisher Beschäftigten wird in den kommenden Jahrzehnten keine oder zumindest keine gut bezahlte Arbeit mehr finden.

Dennoch besteht die gefährliche Illusion, dass wir auf dem Arbeitsmarkt im Wesentlichen ‚nur‘ vor Herausforderungen in der Transition stehen – zum einen, da sich Prognosen zum Arbeitsplatzabbau in vergangenen Automatisierungswellen nicht bewahrheitet haben, zum anderen, da im Rahmen der Digitalisierung vermutlich eine Vielzahl neuer Jobs entstehen wird. Damit den Erwerbstätigen Beschäftigungsmöglichkeiten erhalten bleiben, ist hier naheliegend, ein lebenslanges Lernen als Anpassungsweg zu fordern – so, wie es Wissenschaftler, Politiker und Gewerkschaftler tun.

Doch die schlichte Hoffnung, dass durch die Digitalisierung mehr Stellen entstehen als wegfallen werden und dass alle Menschen durch Umschulungen für diese fit gemacht werden können, wird sich kaum erfüllen: Die neuen Jobs werden für einen zunehmenden Anteil der Bevölkerung keine Alternative zur vorherigen Erwerbstätigkeit darstellen, weil die kognitiven Voraussetzungen für eine erfolgreiche Umschulung bzw. einen Wechsel nicht vorhanden sind.

Das drohende gesellschaftliche Drama offenbart sich erst, wenn die fehlende Kompatibilität der Intelligenzverteilung in der Erwerbsbevölkerung mit den Anforderungsstrukturen zukünftiger Beschäftigungsfelder (sofern sie nicht von staatlichen Transfers abhängig sind) erkannt wird. Die Intelligenzverteilung in einer hinreichend großen Bevölkerungsstichprobe folgt der Gauß’schen Normalverteilung, die eine gleichschenklige „Glockenkurve“ beschreibt. In der Regel wird der IQ-Wert von 100 als Mittelwert für die in der Referenzgruppe (diese kann nach Alter, Bildung usw. definiert sein) zu erwartenden Testergebnisse festgelegt. An dieser Stelle erreicht die Glockenkurve ihren Scheitelpunkt.

Die sogenannte „Fluide Intelligenz“ spiegelt die weitgehend wissensunabhängige Fähigkeit zum Problemlösen und Schlussfolgern wider. Sie korreliert signifikant mit beruflichem Erfolg, besonders in kognitiv anspruchsvollen Aufgabengebieten, und ist in der Regel die ‚Eintrittskarte‘ zu entsprechenden Positionen.[3] Die Fluide Intelligenz verändert sich im Laufe des Lebens: Sie steigt bis Anfang/Mitte 20, um danach mit den Jahren langsam abzusinken.[4] Während in kognitiv weniger anspruchsvollen Jobs auch Menschen mit einer sehr hohen Fluiden Intelligenz erfolgreich arbeiten können, ist dies umgekehrt weniger wahrscheinlich: Der überdurchschnittlich intelligente, promovierte Philosoph kann erfolgreich Taxi fahren, ein unterdurchschnittlich intelligenter Taxifahrer aber kaum eine philosophische Theorie entwickeln.

Mit dem Wissen über die Normalverteilung der Intelligenz in einer Altersgruppe (z. B. 20 bis 24 Jahre) und deren Veränderung durch Alterung lässt sich hinreichend genau berechnen, wie viele Personen in den jeweiligen IQ-Klassen (die eine geistige Behinderung bis Hochbegabung beschreiben) grundsätzlich für eine Ausbildung oder Erwerbstätigkeit zur Verfügung stehen – sowohl aktuell als auch, auf Basis der UN-Prognose zur Bevölkerungsentwicklung, im Jahr 2030.[5] Was das für Deutschland in den nächsten Jahren bedeuten kann, wird anhand der folgenden Übersichten dargestellt und erläutert:

IQ-Verteilung Deutschland 2018 in der ausbildungs- und erwerbsrelevanten Bevölkerung (15 bis 69 J.) mit prognostiziertem Delta zu 2030 (Quelle: Eigene Berechnung)

Bereits heutzutage ist für Menschen mit einem IQ-Wert von unter 80 eine reguläre Erwerbstätigkeit, die nicht durch staatliche oder gemeinnützige Organisationen subventioniert und begleitet wird, kaum möglich.[6] Bei diesen Ausnahmefällen handelt es sich überwiegend um sehr einfache körperliche Tätigkeiten, wie z. B. der Reinigung von Gegenständen und Flächen. IQ-Werte von unter 70 werden als geistige Behinderung definiert. Vor diesem Hintergrund sind in der hier betrachteten Altersgruppe der 15- bis 69-Jährigen über 5 Millionen Menschen in Deutschland de facto vom Arbeitsmarkt ausgeschlossen.

Die durch die Automatisierung bedrohten Tätigkeitsfelder und Berufe sind nicht nur durch gering qualifizierte bzw. weniger intelligente Personen besetzt: KI ist bereits jetzt beispielsweise einem menschlichen Pathologen bei der Erkennung bestimmter Krebsformen in Bildmaterial überlegen. Es liegt aber auf der Hand, dass Menschen mit höherer Intelligenz bessere Chancen haben, sich den Veränderungen der Arbeitswelt durch Lernen anzupassen. Die Gefahr des Beschäftigungsverlustes und der dauerhaften Erwerbslosigkeit bei einer unterdurchschnittlichen Fluiden Intelligenz dagegen wird in den nächsten ein bis zwei Jahrzehnten erheblich steigen. Durchschnittlich intelligente Menschen werden zukünftig verstärkt um Stellen mit mittlerer Komplexität, die keine hohe Kognition erfordern, konkurrieren und dafür Lohneinbußen in Kauf nehmen. In diesen Jobs dürfte KI ebenfalls zunehmend zum Einsatz kommen, ohne neue im größeren Umfang hervorzubringen. Die Mittelschicht gerät weiter unter Druck.

Diejenigen Stellen, die direkt durch die Automatisierung entstehen, werden vermutlich überwiegend ein hohes Maß an Kognition erfordern. Bewahrheitet sich diese Annahme, wird nur jeder Vierte oder Fünfte für die zusätzlichen Jobs infrage kommen. Dagegen wird jeder Zweite – das sind die Bevölkerungsanteile mit einem IQ von unter oder um die 100 – verstärkt um immer weniger passende Stellen kämpfen.

Mit der Alterung und Schrumpfung der Bevölkerung geht ein Verlust an Fluider Intelligenz in der Gesamtpopulation einher. Im Bereich der durchschnittlichen bis überdurchschnittlichen Intelligenz (IQ > 100) wirkt sich diese demografische Entwicklung bis zum Jahr 2030 in Deutschland mit einem Verlust von ca. 2 Millionen potentiellen Erwerbstätigen (-7 Prozent) nachteilig aus. Besonders in den sehr hohen Intelligenzbereichen (IQ > 130 bzw. > 145) wird die Alterung bzw. der Rückgang der erwerbsfähigen Bevölkerung mit -10 bzw. -14 Prozent spürbar werden.

Bemerkenswert ist ebenfalls, dass mit zunehmender Alterung der Bevölkerung im Jahr 2030 ein Drittel der in Deutschland lebenden 15 bis 69jährigen mit einem IQ von 100 oder höher mindestens 50 Jahre alt sein wird:

IQ-Verteilung Deutschland 2030 in der ausbildungs- und erwerbsrelevanten Bevölkerung (15 bis 69 J.) (Quelle: Eigene Berechnung)

Durch die zu erwartenden Verluste an überdurchschnittlich begabten sowie hochbegabten Menschen in den Alterskohorten im Zuge des demografischen Wandels wird sich der jetzt schon spürbare Mangel an „High Potentials“ (u. a. Nachwuchswissenschaftler, -führungskräfte) vergrößern. Gleichzeitig dürfte die Nachfrage nach besonders intelligenten Mitarbeitern in den Universitäten und in der Wirtschaft auch aufgrund der Automatisierung und Digitalisierung auf absehbare Zeit steigen. Um das Jahr 2030 werden in Deutschland voraussichtlich knapp eine Million weniger intellektuell überdurchschnittlich Begabte (IQ > 115) sowie Hochbegabte (IQ > 130) für Ausbildung und Arbeit zur Verfügung stehen als im Jahr 2018. Die Hälfte davon geht in der Altersgruppe der Oberstufenschüler und Studenten verloren.

Überdurchschnittlich Begabte und Hochbegabte: Veränderung bis 2030 in den Alterskohorten (Quelle: Eigene Berechnung)

Nach meiner Meinung lassen sich für die Entwicklungen auf dem Arbeitsmarkt in den nächsten ein bis zwei Dekaden folgende Kernthesen ableiten, die direkt mit der Automatisierungs- und KI-Revolution zusammenhängen:

  1. Chancen und Risiken der kommenden Veränderungen für Beschäftigung und Einkommen sind in der Bevölkerung ungleich verteilt. Ob sie für den Einzelnen überwiegend eine Bedrohung darstellen oder eine verheißungsvolle Zukunft erwarten lassen, wird wesentlich durch ein individuelles Merkmal bestimmt: die kognitive Leistungsfähigkeit und in dessen Kern die Fluide Intelligenz.
  2. Die einfacheren Jobs gehen im Konkurrenzkampf mit der KI tendenziell zuerst verloren. Auch erfahren ihre Inhaber weniger Investitionen in Form von anspruchsvollen Aus- und Weiterbildungsmaßnahmen der Unternehmen, da ihnen nur ein geringer Lernerfolg zugetraut wird. Ihre Chancen auf dem Arbeitsmarkt sinken dadurch zusätzlich. Das bedeutet keineswegs einen vollständigen Verlust der einfacheren Arbeitsplätze: Bei vielen ist die Automatisierung in Relation zum möglichen Einsparpotential auf absehbarer Zeit zu aufwändig, z. B. beim Frisörberuf, oder sozial nicht erwünscht, z. B. bei der Kinderbetreuung. Nichtsdestoweniger droht Millionen von Menschen – auch in der Mittelschicht – eine dauerhafte Arbeitslosigkeit oder ein signifikantes Absinken des Reallohnniveaus. Innerhalb der nächsten beiden Jahrzehnte könnten in Deutschland bereits mehr als 10 Millionen der bis 69-Jährigen nicht mehr in reguläre Erwerbstätigkeiten vermittelbar sein.[7] Die Massenarbeitslosigkeit kehrt mit großer Wahrscheinlichkeit nach Deutschland zurück – und dies dauerhaft.
  3. Aufgrund des demografischen Wandels werden zukünftig immer weniger der intellektuell überdurchschnittlich Begabten sowie Hochbegabten für z. B. die universitäre Ausbildung und damit den Arbeitsmarkt zur Verfügung stehen. Gleichzeitig wird die Automatisierung Jobs insbesondere für diese relativ kleine Bevölkerungsgruppe schaffen, ob direkt oder indirekt durch verstärkte Produktivität sowie Konsum, was die Arbeitsnachfrage weiter erhöhen und deutlich steigende Einkommen ermöglichen wird. Die anderen Reallöhne stagnieren oder fallen.
  4. Zu den Gewinnern werden aufgrund der Produktivitätssteigerung außerdem die Kapitalinvestoren gehören, welche die Automatisierung finanzieren. Bedingt durch die Gegenläufigkeit der Lohnentwicklung auf dem Arbeitsmarkt wird der Konsum der relativ kleinen Gruppe der Gewinner das BIP-Niveau nicht erhöhen oder sogar halten können.[8]

Die vierte industrielle Revolution revolutioniert die Gesellschaft

Die zuvor beschriebenen konträren Entwicklungen auf dem Arbeitsmarkt der Zukunft mit einer absehbar großen Anzahl an Verlierern und einer relativ kleinen Gruppe an klaren Gewinnern bergen die Gefahr einer gesellschaftlichen Spaltung. Aufgrund der zahlreichen existenziell Betroffenen und des „One man, one vote“-Prinzips werden die politischen Kräfte enorm sein und nicht nur die Arbeitsmarkt-, sondern auch die Sozial- und Wirtschaftspolitik in neue Richtungen lenken. Das sind die Kräfte, die Revolutionen antreiben.[9]

Das Ausmaß und die Geschwindigkeit der prognostizierten Veränderungen des Arbeitsmarkts werden im Wesentlichen von zwei Faktoren abhängen: zum einen die technische Machbarkeit und Wirtschaftlichkeit von Investitionen in Automatisierungslösungen, zum anderen die politischen Kräfte, die ggf. Rahmenbedingungen für die Automatisierung erschweren und für eine direkte oder indirekte Subventionierung von menschlicher Arbeit sorgen. Die Automatisierung birgt enorme Chancen für die wirtschaftliche Entwicklung, und viele Menschen mit Einfluss werden hiervon primär profitieren. Sie wird sich nicht aufhalten lassen. Der Weg der vierten industriellen Revolution und ihre gesellschaftlichen Auswirkungen werden allerdings von politischen Prozessen beeinflusst. Diese werden darauf abzielen, einen neuen Ordnungsrahmen für den Arbeitsmarkt zu setzen – und sich wahrscheinlich schneller, als wir es jetzt für möglich halten, auch mit den großen Fragen der weiteren Evolution des Menschen befassen.

Die Arbeitsmarktpolitik verändert sich

Die aktuellen politischen Diskussionen skizzieren bereits die möglichen Antworten auf wichtige arbeitsmarktpolitische Fragen der Zukunft. Vor diesem Hintergrund erwarte ich mittel- bis langfristig folgende (unternehmens-)politische Entscheidungen:

  • Maschinensteuer: Mit dem zunehmenden Vordringen von KI werden bisher dem Menschen vorbehaltene Jobs verloren gehen, insbesondere dort, wo menschliche Arbeitskraft als Produktionsfaktor gegenüber Maschinen in einen Kostennachteil gerät. Um einerseits Arbeitsplatzverlusten mittels einer Reduzierung der Personalkosten entgegenzuwirken und andererseits die Beitragsverluste in der Sozialversicherung durch den Wegfall sozialversicherungspflichtiger Arbeitsplätze auszugleichen, wird die politische Diskussion zu Formen der Wertschöpfungsabgabe weiter zunehmen.[10] Diese auch als „Maschinensteuer“ bezeichnete Erhebungsform zieht statt der Bruttolöhne die Bruttowertschöpfung eines Unternehmens als Bemessungsgrundlage für Sozialabgaben heran. Obwohl eine Umstellung vom bisherigen System mit Risiken sowie Nachteilen für kapitalintensive Wirtschaftsbereiche verbunden wäre, erscheinen alternative Wege, wie z. B. die Reduzierung der Nominallöhne in zunehmend von der Automatisierung bedrohten Berufen, politisch nicht umsetzbar. Gleichzeitig hat sich die Bereitschaft der Politik gezeigt, im Zweifel auch gegen erhebliche wirtschaftliche Interessen zu handeln, u. a. bei den Entscheidungen zur Energiewende.
  • Fort- und Weiterbildung und Anspruch auf Erhalt der Arbeitsmarktfähigkeit: Unternehmen werden zur Bewältigung der fortschreitenden Digitalisierung vermehrt in die Fortbildung ihrer Arbeitnehmer investieren. Gesetzgeber und Sozialpartner werden aber im kommenden Jahrzehnt darüber hinaus ein individuelles Anrecht der Arbeitnehmer auf Erhalt ihrer Arbeitsmarktfähigkeit durch den Arbeitgeber etablieren. Ich erwarte, dass dies eine zeitliche Förderung von Weiterbildungsmaßnahmen, z. B. einem berufsbegleitenden Studium, beinhalten wird, die über den bisherigen Anspruch an Bildungsurlaub hinausgeht – aber auch die Pflicht der Arbeitgeber, die Wahrung des Arbeitnehmerrechts durch in ihrer Verantwortung durchgeführte Maßnahmen nachzuweisen.
  • Bedingungsloses Grundeinkommen: Sobald größere Bevölkerungsschichten die Chance verlieren, ihren Lebensunterhalt mit einer Erwerbstätigkeit selbständig und vollumfänglich zu sichern, wird vermutlich schrittweise eine Art bedingungsloses Grundeinkommen eingeführt. Wahrscheinlich werden in einem ersten Schritt Sanktionen für Leistungsberechtigte der Grundsicherung (Arbeitslosengeld II bzw. „Hartz IV“) abgeschafft, die prinzipiell erwerbsfähig sind, aber denen anhand von bestimmten Kriterien nur noch geringe Chancen auf dem Arbeitsmarkt attestiert werden und denen auch Weiter- sowie Fortbildungsmaßnahmen keine Erwerbsperspektive versprechen.
  • Weltweite Kollaboration und Migration: In der bereits heute weitgehend globalisierten und vernetzten Welt werden arbeitsteilige Prozesse bei Bedarf länderübergreifend organisiert. Ein Mangel an geeigneten Arbeitskräften in Deutschland, z. B. aufgrund des demografischen Wandels (s. o.), wird eine internationale Arbeitsteilung auch in kognitiv hochanspruchsvollen Forschungs- und Entwicklungsprozessen fördern und stetigen. Sicherlich wird die weitere technische Entwicklung eine weltweite Kollaboration erleichtern, etwa indem Konferenzsysteme mittels hochauflösender 3D-Brillen oder ‑Bildschirme die körperliche Anwesenheit der über Tausende Kilometer entfernten Kollegen in einem Meeting täuschend echt vermitteln. Um den Rückgang von einer Million Hoch- bzw. überdurchschnittlich Begabter (IQ > 115) in Deutschland bis 2030 auszugleichen, müssten EU-weit „High Potentials“ rekrutiert und deren gesteuerte Zuwanderung aus Nicht-EU-Ländern forciert werden. Da diese intellektuell besonders Privilegierten nur ca. 15 Prozent einer Länderbevölkerung ausmachen, lassen sich die Lücke und ein eventueller Mehrbedarf ökonomisch sinnvoll nur durch eine gesteuerte Migration nach Deutschland schließen.

Die Schöpfung wird zum eigenen Schöpfer

  • Vorgeburtliche Selektion und Gene Editing

Die meisten Forscher sind sich einig: Die menschliche Intelligenz wird mindestens zur Hälfte von den Genen bestimmt. In wissenschaftlichen Studien wurden bereits Dutzende Gene identifiziert, die statistisch signifikant Einfluss auf die kognitive Leistungsfähigkeit nehmen.[11] Nach einer Studie von 2017 können um die 20 Prozent der Streuung in den Ergebnissen von Intelligenztests durch die Gesamtheit der identifizierten Genvarianten erklärt werden.

Das ist derzeit bei Weitem nicht ausreichend, um auf Basis von Gentests die Intelligenz eines Menschen vorauszusagen. Eventuell wird das auf dieser Basis allein auch noch lange, vielleicht nie mit hoher Genauigkeit bzw. Zuverlässigkeit möglich sein: Forscher nehmen an, dass Hunderte weiterer Gene sowie Kombinationen der Genvarianten, aber ebenso Umwelteinflüsse in einem erheblichen Ausmaß die Ausprägungen menschlicher Intelligenz erklären. Realistisch erscheint mir jedoch, dass zukünftig das Intelligenzpotential eines ungeborenen Kindes mit größerer Genauigkeit prognostizierbar ist: aus einer Kombination von Merkmalen (Gene, Genkombinationen, Gehirnvolumen, mikrostrukturelle Verschaltung des Gehirns, Intelligenz der Eltern, Schwangerschaftsrisiken, Umwelteinflüsse etc.), die bereits heute pränatal bestimmt werden können.[12]

Es ist zu befürchten, dass Eltern oder sogar staatliche Strukturen verschiedener Gesellschaften auf dieser Grundlage in einigen Jahrzehnten, vielleicht auch schon in nur wenigen Jahren, über Schwangerschaftsabbrüche entscheiden, um das Intelligenzniveau der nächsten Generationen zu heben. Das wäre vergleichbar mit Verhaltenstendenzen in Ländern wie China, Indien oder Albanien, die aufgrund eines tradierten Werteverständnisses von Jungen und Mädchen durch selektive Schwangerschaftsabbrüche zu einem signifikanten Männerüberschuss führen.

Schwangerschaftsabbrüche sind in allen Gesellschaften ethisch umstritten. Falls die menschliche Intelligenz wegen der Konkurrenz mit KI tatsächlich signifikant an Bedeutung für ein selbstbestimmtes, allgemein als erfolgreich erachtetes Leben gewinnt, könnte das zu einer vermehrten Nutzung künstlicher Befruchtung führen. Diese öffnete die Tür zu sogenannten „Designer Babys“, d. h. Babys mit von den Eltern bzw. der Gesellschaft gewünschten Eigenschaften. Ein technischer Weg ist, nach einem Screening nur Embryonen mit positiv bewerteten Kombinationen an Genen zuzulassen.

Einhergehen wird das wahrscheinlich mit Versuchen, das natürlich angelegte Intelligenzpotential von Embryonen durch Gene Editing direkt anzuheben, was wesentlich zielgenauer ist. Im November 2018 ging die Nachricht durch die Presse, dass ein chinesischer Forscher mit dem Gene-Editing-Werkzeug CRISPR/Cas9 in das Genom von Embryonen, die durch künstliche Befruchtung erzeugte worden waren, eingegriffen hatte.[13] Diese ethische Grenzüberschreitung hat zur weltweiten Empörung geführt. Die Geschichte lehrt allerdings, dass moralische Normen und im Nachgang Rechtsnormen sich verschieben, wenn einflussreiche Bevölkerungsanteile oder die Gesellschaft in ihrer Gesamtheit davon profitieren

  • Mensch-Maschine-Symbiosen und Cyborgs

Die derzeitigen KI-Systeme sind hochspezialisierte Insellösungen, die z. B. professionelle Computerspieler schlagen. Derselbe Algorithmus kann jedoch nicht sowohl Fahrzeuge steuern als auch Krankheiten in bildgebenden Verfahren der Medizin erkennen. Zu diesen generellen Intelligenzleistungen ist bisher – und auf absehbare Zeit – ausschließlich der Mensch fähig. Somit wird in vielen Arbeitsbereichen zwar die KI Einzug halten, aber nicht den Menschen vollständig ersetzen, sondern in einem Team mit ihm die Produktivität und Arbeitsqualität erhöhen. Der nächste Schritt wird der breite Einsatz von KI-unterstützten Wearables sein, d. h. von Assistenzsystemen, die ihren Trägern über deren menschliche Sinne bei der Lösung von Arbeitsaufgaben helfen. In welche Richtung die Entwicklung geht, zeigen computerisierte Brillen wie „Google Glass“ oder auch ‚smarte‘ Kontaktlinsen. Diese befinden sich entweder im Forschungs- bzw. Entwicklungsstadium oder haben schon die ersten Markttests hinter sich.[14]

Der Gedanke der Mensch-Maschine-Teams lässt sich aber noch viel weiterdenken. Das führt zur Frage, wie sich eine unmittelbare, körperliche Verbindung von Mensch und Maschine technisch realisieren und zur kognitiven Leistungssteigerung verwenden lässt. Der Mensch würde somit zum getunten „Cyborg“. Ist das denkbar? Ja. In der Medizin werden bereits erfolgreich Gehirnimplantate genutzt, um über Gehirn-Maschinen-Schnittstellen bzw. englisch Brain Machine Interfaces (BMI) beispielsweise heilend auf Parkinson-Erkrankungen, Lähmungen oder Depressionen und Ängstlichkeit einzuwirken.[15] Die Forschungsorganisation des US-Verteidigungsministeriums (Defense Advanced Research Projects Agency, DARPA) prüft den Einsatz von kabellosen Neuroprothesen für Soldaten, deren Gehirn im Kampf verletzt wurde.[16]

Aber das Feld ist nicht mehr allein von der medizinischen Forschung besetzt. Firmen wie die des Visionärs Elon Musk, Neuralink, haben sich zum Ziel gesetzt, hochbreitbandige Schnittstellen zwischen Gehirn und Computer zu entwickeln.[17] Medizinische Anwendungen sind für den Visionär nur ein Zwischenschritt hin zum Supermenschen.[18] Diesen zu erschaffen, sieht er aufgrund der kommenden Herausforderung durch die KI als folgerichtig an: „The merge scenario with AI is the one that seems like probably the best. If you can’t beat it, join it.“ Musk verspricht, dass in Zukunft jeder, der es will, durch die direkte Anbindung des Gehirns an Computer über übermenschliche kognitive Fähigkeiten verfügen kann.

Andere Forscher begnügen sich noch mit dem ‚Tuning‘ des vor Zehntausenden von Jahren durch die Evolution entwickelten Gehirns des Homo sapiens. Das erfolgt mit chemischen Substanzen wie Modafinil oder der Stimulation des Gehirns per Schwachstrom und Magnetfelder. So lassen sich Behandlungserfolge bei Patienten, die z. B. an Depressionen oder Aufmerksamkeitsstörungen leiden, erzielen.[19] Eine positive Wirkung der sogenannten „transkraniellen elektrischen Hirnstimulation“, bei der schwache Stromstöße über die Kopfhaut bis ins Gehirn wirken, konnte auch in Gedächtnisstudien nachgewiesen werden: Die Lernleistung von Probanden erhöhte sich bis zu 15 Prozent gegenüber Vergleichsgruppen.[20]

Wenn es um die Optimierung der Denkleistung gesunder Menschen geht, befasst sich die Forschung noch überwiegend mit dem Verständnis der grundlegenden Wirkmechanismen. Das wird aber benötigt, um gesunden Menschen ethisch vertretbar zuverlässige Substanzen, Geräte oder Gehirnimplantate zur kognitiven Leistungssteigerung anbieten zu können. Es bleibt spekulativ, bis wann und inwieweit wir unsere Gehirnleistung künstlich dauerhaft auf ein höheres Niveau heben können.[21] Dass in dieser Richtung alles versucht wird, erscheint mir vor den absehbaren Anforderungen der Zukunft sicher.

Was macht das alles mit unserer Gesellschaft?

Der Philosoph Slavoj Žižek warnt: „Eine radikale Kluft wird jene, die von Biotechnologie und Maschinenintelligenz profitieren, von all denjenigen trennen, die weiterhin als ein primitiver Homo sapiens weiterleben. Die grösste Gefahr besteht im Aufstieg einer kleinen Elite von hochgerüsteten Menschen, die sich dank Maschinen nicht nur optimieren, sondern die neuen Machtinstrumente auch besitzen und so über weitere Optimierungen entscheiden. Sie können die anderen nach Belieben unterdrücken. Einige wenige haben die Macht der Intelligenz, und die vielen haben nichts als die gute alte menschliche Dummheit. Hier zeichnet sich eine Bedrohung für die Gleichheit der Menschen ab.“[22]

Auch der Autor Yuval Noah Harari prophezeit in seinem Bestseller Homo Deus, dass eine kleine und privilegierte Elite aufgerüsteter „Übermenschen“ einer großen Anzahl nicht optimierter Homo sapiens gegenüberstehen wird. Letztere werden ihre wirtschaftliche und militärische Bedeutung sowie gesellschaftliche Gleichwertigkeit durch den Siegeszug der KI-Algorithmen sowie des Homo Deus verlieren und von Letzteren beherrscht. Die Idee des Liberalismus, die von der Gleichwertigkeit und dem Freiheitsanspruch jedes Einzelnen ausgeht, und die heutigen Vorstellungen von Demokratie sterben. [23]

Was machen wir mit diesen Warnungen? Die Kräfte, welche die Ausbreitung der KI und Automatisierung antreiben, sind zu stark, um sie aufhalten zu können. Die Vorteile und Verheißungen der neuen Technologien sind zu groß. Es gibt keinen Weg zurück, nur nach vorn. Diesen Weg aber können wir bestimmen, auch wenn noch ein Großteil im Nebel liegt und wir unsere Möglichkeiten lediglich erahnen können.

Systeme und Organisationen, die sich nicht schrittweise den großen Veränderungen der Zeit anpassen (können), werden meist innerlich ausgehöhlt und fallen dann schlagartig in sich zusammen, wie z. B. die morschen Dynastien in Europa des 20. Jahrhunderts. Das gilt für wirtschaftliche und gesellschaftliche Systeme gleichermaßen. Um den gesellschaftlichen Wandel, den der Siegeszug der KI und die weitere Automatisierung mit sich bringen, erfolgreich und ethisch gestalten zu können, braucht es insbesondere zukunftsgewandte, visionäre Politiker – und informierte Bürger, die diese wählen: uns.


Wer die nächsten Beiträge nicht verpassen will, sollte newmodelhr.com auf Twitter folgen und kann sich gerne mit mir auf LinkedIn oder Xing vernetzen.
Ich freue mich über das Teilen und Liken meiner Beiträge. Fragen und Anregungen gerne an: robert.schindler@newmodelhr.com.

Dieser Beitrag ist rein privat und steht in keinem Zusammenhang mit Firmen oder Organisationen.


[1] Vgl. Schindler, Robert (2019): „Automatisierung: Jobkiller oder Jobmaschine – Teil 1: Analysen“, Blog newmodelhr.com, https://newmodelhr.com/automatisierung-jobkiller-oder-jobmaschine-teil-1-analysen (zuletzt aufgerufen am 05.02.2019)

[2] Vgl. Schindler, Robert (2019): „Automatisierung: Jobkiller oder Jobmaschine? – Teil 2: Gewinner & Verlierer“, Blog newmodelhr.com, https://newmodelhr.com/automatisierung-jobkiller-oder-jobmaschine-teil-2-gewinner-verlierer (zuletzt aufgerufen am 05.02.2019)

[3] Vgl. Schmidt, Frank (2016): „The Validity and Utility of Selection Methods in Personnel Psychology: Practical and Theoretical Implications of 100 Years of Research Findings“, https://www.testingtalent.net/wp-content/uploads/2017/04/2016-100-Yrs-Working-Paper-on-Selection-Methods-Schmit-Mar-17.pdf (zuletzt aufgerufen am 05.02.2019); vgl. auch Kramer, Jochen (2009): „Metaanalytische Studien zu Intelligenz und Berufsleistung in Deutschland“, Inaugural-Dissertation zur Erlangung der Doktorwürde der Philosophischen Fakultät der Rheinischen Friedrich-Wilhelm-Universität zu Bonn, http://hss.ulb.uni-bonn.de/2009/1708/1708.pdf (zuletzt aufgerufen am 12.02.2019)

[4] Beruflicher Erfolg ist nicht nur von der Fluiden Intelligenz, sondern von einer Vielzahl an Faktoren abhängig – Beispiele sind Erfahrung, Motivation und soziale Kompetenz. Das ist auch ein Grund, warum sich das Absinken der Fluiden Intelligenz im Alter oftmals nicht negativ auf den Berufserfolg auswirkt. Nichtsdestoweniger vertrete ich die Auffassung, dass dieses Absinken den Zugang zu und Erfolg in neuen Jobs bzw. Aufgabengebieten, die regelmäßig eine hohe Kognition und ggf. Fort- oder Weiterbildung erfordern, negativ beeinflusst. Vgl. Salthouse, Timothy (2011): „Consequences of Age-Related Cognitive Declines“, Annual Review of Psychology, 63: 201–226, https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3632788/ (zuletzt aufgerufen am 05.02.2019)

[5] Vgl. United Nations, Department of Economic and Social Affairs / Population Division (2017): „2017 Revision of World Population Prospects“, Angaben von https://population.un.org/wpp/ (zuletzt aufgerufen am 16.10.2018); vgl. Kaufman, Alan S. & Horn, John L. (1996): „Age changes on tests of fluid and crystallized ability for women and men on the Kaufman Adolescent and Adult Intelligence Test (KAIT) at ages 17–94 years“, Archives of Clinical Neuropsychology, 11/2: 97–121, https://doi.org/10.1093/arclin/11.2.97 (zuletzt aufgerufen am 11.02.2019). Auf Basis der UN-Prognosedaten der Jahre 2018 sowie 2030 und unter der Annahme einer strikten Normalverteilung (M = 100; SD = 15) wurde von mir in einem ersten Schritt berechnet, wie häufig ein IQ-Wert in elf Altersstufen von 15 bis 69 Jahre jeweils vertreten ist. In einem weiteren Schritt habe ich diese IQ-Werte zur Berücksichtigung der Alterungseffekte entsprechend der Abweichung der empirisch erhobenen, bildungs- und geschlechterkorrigierten Mittelwerte für Fluide Intelligenz pro Altersgruppe zu 100 erhöht oder reduziert (vgl. Kaufman et al, Tabelle 3, S. 107). Da in der empirischen Untersuchung die erste Altersgruppe nur die Jahre 17 bis 19 umfasst, aber die UN-Basisdaten 15 bis 19, sind die IQ-Werte hier verzerrt.

[6] Vgl. Fallbeispiele von ThinkWork, https://www.thinkwork.org/project/real-work-stories (zuletzt aufgerufen am 05.02.2019)

[7] Vgl. Stein, Hannes (2016): „Zukunft der Arbeit: Was wird aus den über 10 Millionen Dummen im Land?“, WELT, https://www.welt.de/debatte/kommentare/article157158388/Was-wird-aus-den-ueber-10-Millionen-Dummen-im-Land.html (zuletzt aufgerufen am 05.02.2019)

[8] Vgl. Brynjolfsson, Erik (2011): „Race against the machine: Wie die digitale Revolution dem Fortschritt Beine macht“, Plassen Verlag, Kindle-Version (deutsche Ausgabe), Position 766

[9] Vgl. McQuarrie, Michael (2017): „The revolt of the Rust Belt: place and politics in the age of anger“, The British Journal of Sociology, 68/S1, https://onlinelibrary.wiley.com/doi/pdf/10.1111/1468-4446.12328 (zuletzt aufgerufen am 05.02.2019)

[10] Vgl. Hagelüken, Alexander (2017): „Bill Gates fordert Robotersteuer“, Süddeutsche Zeitung, https://www.sueddeutsche.de/wirtschaft/digitalisierung-bill-gates-fordert-robotersteuer-1.3386861 (zuletzt aufgerufen am 05.02.2019); vgl. auch Klingbein, Lars (2018): „Eine neue SPD wird gebraucht“, https://www.t-online.de/nachrichten/deutschland/parteien/id_84695032/nach-hessen-wahl-eine-neue-spd-wird-gebraucht-.html (zuletzt aufgerufen am 05.02.2019)

[11] Vgl. Simmank, Jakob (2018): „Das Gen, das uns das große Gehirn gab“, ZEIT, https://www.zeit.de/wissen/2018-05/gehirn-entwicklung-genetik-gen-forschung-mensch/komplettansicht (zuletzt aufgerufen am 05.02.2019)

[12] Vgl. Kitzman, Jacob O. et al. (2012): „ Non-invasive whole genome sequencing of a human fetus“, Science Translational Medicine, 4/137, https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3379884/ (zuletzt aufgerufen am 05.02.2019); vgl. auch Weiler, Julia (2018): „Weniger vernetzte Gehirne sind intelligenter“, Ruhr-Universität Bochum, https://news.rub.de/presseinformationen/wissenschaft/2018-05-15-neurowissenschaft-weniger-vernetzte-gehirne-sind-intelligenter (zuletzt aufgerufen am 05.02.2019)

[13] Vgl. Giesen, Christoph & Zinkant, Kathrin (2019): „China bestätigt Geburt der ersten Crispr-Babys“, Süddeutsche Zeitung, https://www.sueddeutsche.de/wissen/bestaetigung-crispr-babys-china-1.4296824 (zuletzt aufgerufen am 05.02.2019)

[14] Vgl. Nanalyze (2017): „Smart Contact Lenses – How Far Away Are They?“; https://www.nanalyze.com/2017/03/smart-contact-lenses; vgl. auch Kothari, Jay (2017): „A new chapter for Glass“, Blog X Development LLC, https://blog.x.company/a-new-chapter-for-glass-c7875d40bf24 (zuletzt aufgerufen am 05.02.2019)

[15] Vgl. Meckel, Miriam: „Mein Kopf gehört mir: Eine Reise durch die schöne neue Welt des Brainhacking“, Piper, Kindle-Version (deutsche Ausgabe); vgl. auch WELT (2019): „Fühlt sich gut an – Gehirnchirurgen lassen Patientin bei OP grinsen“, https://www.welt.de/wissenschaft/article188263849/Neurochirurgie-Neue-Methode-fuer-Wach-OPs-am-Hirn-bringt-Patienten-zum-Laecheln.html (zuletzt aufgerufen am 12.02.2019)

[16] Vgl. Brown, Kristen V. (2015): „DARPA is testing implanting chips in soldiers’ brains“, Splinter, https://splinternews.com/darpa-is-testing-implanting-chips-in-soldiers-brains-1793851273 (zuletzt aufgerufen am 05.02.2019)

[17] Vgl. Steinhaus, Ingo (2018): „Wenn Gehirnimplantate ins Denken eingreifen“, IT-ZOOM, https://www.it-zoom.de/mobile-business/e/wenn-gehirnimplantate-ins-denken-eingreifen-19302 (zuletzt aufgerufen am 05.02.2019)

[18] Vgl. Rogan, Joe (2019): „Joe Rogan Experience #1169 – Elon Musk“, The Joe Rogan Experience (Podcast), https://www.youtube.com/watch?v=ycPr5-27vSI&t=1825s (zuletzt aufgerufen am 05.02.2019)

[19] Vgl. Roth, Timo (2018): „Hirnstimulation: Behandlung durch Strom und Magnetfelder“, MEDICA.de, https://www.medica.de/cgi-bin/md_medica/lib/pub/tt.cgi/Hirnstimulation_Behandlung_durch_Strom_und_Magnetfelder.html?oid=93338&lang=1&ticket=g_u_e_s_t (zuletzt aufgerufen am 05.02.2019)

[20] Vgl. Haas, Lucian (2018), „Stromstöße für das Gedächtnis“, Deutschlandfunk, https://www.deutschlandfunk.de/versuche-mit-hirnstimulator-stromstoesse-fuer-das.676.de.html?dram:article_id=412020 (zuletzt aufgerufen am 05.02.2019); vgl. auch Ketz, Nicholas: „Closed-Loop Slow-Wave tACS Improves Sleep-Dependent Long-Term Memory Generalization by Modulating Endogenous Oscillations“, Journal of Neuroscience, 38/33, 7314–7326, http://www.jneurosci.org/content/38/33/7314 (zuletzt aufgerufen am 05.02.2019)

[21] Für einen skeptischen Blick auf die Möglichkeiten des Neuro-Enhancements vgl. Langlitz, Nicolas (2010): „Das Gehirn ist kein Muskel“, Frankfurter Allgemeine Zeitung, https://www.faz.net/-gx3-14zbo (zuletzt aufgerufen am 05.02.2019)

[22] Vgl. Žižek, Slavoj (2017): „Das Ende der Menschlichkeit“, Neue Zürcher Zeitung, https://www.nzz.ch/feuilleton/digitalisierung-das-ende-der-menschlichkeit-ld.1312112 (zuletzt aufgerufen am 05.02.2019)

[23] Vgl. Harari, Yuval Noah (2016): „Homo Deus: A Brief History of Tomorrow“, Random House

SZ-Artikel: Positive Jobbilanz durch Automatisierung

0
Photo by rawpixel on Unsplash
Photo by rawpixel on Unsplash

Automatisierung: Jobkiller oder Jobmaschine? Sicherlich gilt beides. Das Ausmaß der gegenteiligen Entwicklungen ist allerdings sehr umstritten. In zwei Beiträgen meines Blogs newmodelhr.com habe ich bereits einen Überblick über die zentralen Analysen zu diesem Thema gegeben.

Die Süddeutsche Zeitung befasst sich vor dem Hintergrund einer noch unveröffentlichten Studie des Instituts zur Zukunft der Arbeit (IZA) ebenfalls mit den Arbeitsmarktfolgen der Automatisierung und sendet mit der Artikel-Überschrift Maschinen schaffen mehr Jobs als sie vernichten eine positive Grundbotschaft.

Das IZA hat im Rahmen seiner Forschung die Auswirkung der Automatisierung auf den europäischen Arbeitsmarkt im vergangenen Jahrzehnt analysiert und kommt zu einer positiven Jobbilanz von 1,5 Millionen. Ob sich diese – zumindest aus volkswirtschaftlicher Sicht erfreuliche – Entwicklung auch in die Zukunft fortschreiben lässt, sei allerdings unsicher. Wie gut die Transformation des Arbeitsmarktes gelänge, die für viele Arbeitnehmer notwendige Umschulungen mit sich bringen würde, hänge nach Aussage des Studienautors Terry Gregory auch von der politischen Wegbereitung ab.

Neben einigen bereits vielfach diskutierten Faktoren für einen möglichen Arbeitsplatzaufbau oder -verlust, wie z. B. die Ankurbelung von Konsum durch die mit der Automatisierung einhergehenden Produktivitätsgewinne, wird im SZ-Artikel mit der Eigentümerstruktur ein neuer interessanter Aspekt angesprochen: Die Eigentümerstrukturen seien nach Gregory mit entscheidend, ob die Gewinne ins Ausland abflössen oder nicht. Im ungünstigsten Falle wären in Europa durch reduzierte Ausgaben 300.000 Jobs weniger entstanden.

Automatisierung: Jobkiller oder Jobmaschine? – Teil 2: Gewinner & Verlierer

0

1.      Die Vorboten der neuen Zeit

 Nadine im Uncanny Valley

„Nadine!“

Jetzt endlich bemerkt sie mich. Sie hebt ihren Kopf, schaut mich ruhig an und sagt: „Hi!“

Nadine wartet auf meinen nächsten Schritt. Während ich noch überlege, wie wir nun ins Gespräch kommen, wird ihr die Zeit zu lang. Sie lässt wieder ihre Hände über eine imaginäre Tastatur gleiten und versenkt ihren Blick in einen nicht existenten Bildschirm. Die Szene wirkt auf mich seltsam und irritierend. Ob ich mich an einer Hotelrezeption bei dieser ‚Frau‘ gut aufgehoben fühlen würde?

Nadine[1] ist Vorbotin einer neuen Zeit. Sie ist ein Roboterklon, dessen Äußeres 2013/14 nach der Professorin Nadia Magnenat Thalmann modelliert wurde. Aufgrund der Möglichkeit, Augenbrauen, Lider, Mund, Oberkörper und Arme zu bewegen, entsteht eine verwirrende Menschenähnlichkeit. Nadine ist auch ein sogenannter „Social Robot“, der mit seinem Gegenüber interagieren kann, z. B. indem er Fragen beantwortet oder scheinbar emotional mit Gestik und Mimik auf den Gesprächsinhalt reagiert.

Wer Nadine erlebt, bekommt eine Ahnung, wie Robotik und Künstliche Intelligenz (KI) zunehmend in vermeintlich dem Menschen vorbehaltene soziale Arbeitsbereiche vordringen. Ob nun die Realitätsnähe einer Nadine oder die erkennbare Roboterhaftigkeit eines „Peppers“ den zukünftigen Weg anzeigen, wird neben den technischen Möglichkeiten auch von gesellschaftlichen und individuellen Gewöhnungseffekten sowie persönlichen Vorlieben abhängen.

Die Erfahrung, dass wir Tamagotchis, Science-Fiction-Robotern und lebensgroßen Puppen für Erwachsene in der Vergangenheit eine Psyche bzw. Seele zugeschrieben haben, lässt vermuten, dass Androiden in nicht allzu ferner Zukunft einen festen Platz in unserer Gesellschaft einnehmen werden. Gerade angesichts der Überalterung werden sie wahrscheinlich zunehmend nützliche Aufgaben ausführen. Gut vorstellbar sind z. B. Pflegeroboter, die weitgehend immobilen Menschen bei dem Wechsel zwischen Bett und Rollstuhl sowie der Körperpflege helfen – und ihnen so ein Mindestmaß an Autonomie ermöglichen, durch das sie möglichst lange im eigenen Haus bleiben können.

Bis es soweit ist, wird der Schwerpunkt der Robotik auf einer zuverlässigen Unterstützung der menschlichen Pflegekräfte durch soziale Interaktion und Unterhaltung liegen.[2] Derzeit sind die Systeme noch viele Jahre davon entfernt, die menschlichen Pflegetätigkeiten in ihrer ganzen Komplexität nachzuvollziehen.

Menschenähnliche Social Robots wie Nadine müssen auch erst noch aus dem „Uncanny Valley“ gelangen, um eine feste Verwendung im menschlichen Leben zu erhalten. Als „unheimliches Tal“ bezeichnete Professor Masahiro Mori in den 70er-Jahren die Entwicklungsphase der Roboter, wenn diese zunehmend, aber noch nicht ganz menschengleich wirken und so bei Betrachtern für ein irritiertes und unheimliches Gefühl sorgen.[3]

Die Forschung zur Schnittstelle Mensch-Maschine schreitet weiter voran. Und je besser KI-Systeme die Körpersprache und Stimme sensorisch erfassen, desto zuverlässiger werden sie menschliche Emotionen erkennen (wenn auch noch nicht nachempfinden) können, bis sie darin so gut sind wie im Mittel der Mensch. Andere Forschungen befassen sich bereits mit geeigneten Interaktionsstrategien, damit die Systeme auf menschliche Gefühle angemessen reagieren und sie gegebenenfalls beeinflussen können. Dadurch verschaffen Social Robots bzw. ihre köperlosen Verwandten, Social Bots, in Zukunft eventuell etwa bedrückten Menschen Trost und Erleichterung.

Social Robot Nadine in der Ausstellung „Mensch, Roboter! – Leben mit Künstlicher Intelligenz und Robotik“ des Heinz Nixdorf MuseumsForums (HNF) in Paderborn. Das Video ist mit KI-Musik von Amper Music unterlegt.

Eine Technik für Katzenliebhaber (und andere)

Nachdem die KI zehn Milliarden Standbilder aus YouTube-Katzenvideos verarbeitet hatte, war es soweit: Sie hatte selbständig gelernt und konnte nun mit großer Sicherheit Katzen in für das System neuen Clips erkennen. So verhalfen merkwürdigerweise die vielbelächelten Katzenvideos im Jahr 2012 zu einem Meilenstein in der technischen Entwicklung.[4]

Künstliche Neuronale Netze (KNN) und Maschinelles Lernen (ML) haben in den letzten Jahren für große Fortschritte auf dem Gebiet der Künstlichen Intelligenz geführt. Sie sind insbesondere dort erfolgreich, wo große Datenmengen maschinenlesbar vorhanden sind und die Grundlage für das zuverlässige Anlernen des KNN bieten. Das ist jetzt schon bei Bild-, Sprach-/Ton- und Textdateien der Fall. Nach der Lernphase können KI-Systeme nicht nur mit geringer Fehlerhäufigkeit Katzen in YouTube-Videos erkennen, sondern z. B. auch Krebsanzeichen in Bildern (inklusive Röntgen, Ultraschall, MRT usw.).

Hierbei sind sie bereits heute erfolgreicher als Ärzte, die auf eine jahrelange Ausbildung und Erfahrung zurückblicken: So identifizierte ein KI-System Krebsanzeichen bei Muttermalen in 95 Prozent der Fälle korrekt, während die menschlichen Experten nur 86,6 Prozent richtig beurteilten. Ein anderes System wurde mittels ML so erfolgreich trainiert, dass es mit einer Genauigkeit von bis zu 97 Prozent Lungenkrebs diagnostizieren kann, was auf dem Niveau eines Pathologen liegt. Das Verfahren ist ebenso geeignet, um Krebsunterformen sowie Genmutationen zu erkennen und lässt sich auch für andere Krebsarten verwenden.[5] Bei der Krebstherapie verzeichnen KI-Systeme gleichfalls stetige Fortschritte. Sie haben gegenüber menschlichen Experten den grundsätzlichen Vorteil, dass sie bei der Analyse wesentlich schneller und ermüdungsfrei sind.

Wahrscheinlich werden KI-Systeme in Zukunft den Ärzten assistieren, insbesondere bei der Diagnose auf Basis von bildgebenden Verfahren, Laboruntersuchungen und Genanalysen usw. und der anschließenden Entwicklung von Therapievorschlägen. Pathologen und andere Ärzte werden sich somit auch zu Experten in der Anwendung von KI-Systemen entwickeln müssen, um mit ihrem breiten Erfahrungsschatz und ihren ganzheitlichen Fähigkeiten als Menschen entscheiden zu können, wo der digitale „Fachidiot“ Zusammenhänge außerhalb der antrainierten Lernerfahrung nicht erkennt.[6]

Reich werden mit KI

Kaum ein Wirtschaftsbereich verfügt über so viele kontinuierlich erhobene Daten wie die Finanzindustrie. Es ist daher naheliegend, diese Datenmengen durch KI-Systeme auswerten zu lassen, um die Vorhersagegenauigkeit bei Investitionsentscheidungen zu erhöhen. Und es funktioniert.

Für den Zeitraum von 1992 bis 2015 generierte ein Forscherteam um Dr. Krauss für jeden einzelnen Handelstag Vorhersagen für jede einzelne Aktie des amerikanischen S&P-500-Index. Auf Basis maschinellen Lernens konnten mit der gewählten Methode Renditen von mehr als 30 Prozent p. a. seit dem Jahr 2000 simuliert werden. In den letzten Jahren gingen die Renditen des Vorhersagemodells erheblich zurück, was Dr. Krauss u. a. einer Verbreitung des maschinellen Lernens an den Kapitalmärkten zuschreibt. Er sieht aber weiterhin großes Potenzial in den ML-Methoden.[7]

Mittlerweile handeln weitgehend autonome KI-Systeme bereits gegeneinander an den Finanzmärkten und der Bedarf an KI-Experten wächst signifikant, während der Bedarf an klassischen Tradern und Fondsmanagern eher abnehmen dürfte.[8]

Echte und Ware Kunst

Im Oktober 2018 wurde zum ersten Mal von einer Künstlichen Intelligenz geschaffene „Kunst“, ein eher unansehnliches Porträt, für den erstaunlichen Betrag von 432.500 US-Dollar (ca. 382.000 Euro) versteigert.[9] Aber kann KI überhaupt Kunst erschaffen und somit selbst ein Künstler werden?

Um diese Frage zu beantworten, ist zuerst zu klären, was „Kunst“ überhaupt ist – doch die Definition gelingt nicht einfach. Bei der Einordnung helfen die folgenden Aussagen von Professor Bernd Schmidt: Kunst sei kein Selbstzweck, vielmehr gehe es um „[n]aturgetreue Abbildung, Repräsentation, Propaganda, Unterrichtung, Unterhaltung, Erbauung, Provokation usw.“[10] Form und Originalität des Kunstwerks würden den Zweck unterstützen. Es „sollen in unterschiedlicher Weise Emotionen wachgerufen, Assoziationen geweckt, Wertungen abgegeben, Handlungsdispositionen aufgerufen oder ästhetische Empfindungen angeregt werden.“[11] Und Schmidt erklärt weiter: „Kunstwerke sind eine besondere Art von Kommunikationsobjekten, die Einstellungen vom Absender zum Empfänger übertragen.“[12]

Diese Definition macht sehr schnell klar, dass eine Maschine bzw. KI kein Künstler sein kann, solange sie kein Bewusstsein[13], keinen Willen und kein Wollen entwickelt. Derzeit simulieren die Systeme bestenfalls intelligentes Verhalten. Sie verfolgen keinen Zweck und wollen auch keine (eigene) Einstellung kommunizieren.

KI-Systeme können aber Handwerkszeuge von Künstlern sein oder künstlerische Prozesse simulieren – und das schon recht erfolgreich: Wer beispielsweise eine Hintergrund- oder „Fahrstuhl“-Musik benötigt, dem generiert der „AI Music Composer“ auf der Website von Amper Music eine durchaus angenehme Version (AI ist das englische Pendant zu „KI“ und steht für „Artificial Intelligence“) – das Video über Nadine (s. o.) ist mit einem Beispiel unterlegt. Alternative Produkte werden von diversen KI-Start-Ups und den Großkonzernen IBM sowie Google angeboten und finden ihren Einzug in den kreativen Schöpfungsprozess von Künstlern.[14] Auch hier stehen wir erst am Anfang. Wer mit der Komposition von „Fahrstuhl“-Musik seinen Lebensunterhalt verdient, dürfte es allerdings bereits in naher Zukunft schwer haben.

Gemeinsam lehrsam

In Deutschland sind auch nach Jahrzehnten der Automatisierung über 8 Millionen Menschen im produzierenden Gewerbe beschäftigt, das sind ca. 20 Prozent aller Erwerbstätigen. Was sicherlich am wirtschaftlichen Erfolg der hiesigen Exportindustrie liegt, aber auch an der großen Kluft zwischen Mensch und Roboter: Letztere können in komplexen, unübersichtlichen und dynamischen Situationen (noch) lange nicht so flexibel und feinmotorisch handeln. Der Mensch bewältigt derartige Situationen durch hochentwickelte Rückkoppelungsmechanismen, dank denen er unerwartete Störungen und Fehler aufgrund laufender sensorischer Informationen auch ad hoc kompensieren kann.

Solche menschähnlichen Rückkoppelungsmechanismen müssen Roboter erwerben, damit sie aus ihrer aktuellen starren, eng vorausgeplanten Fließbandfertigung als sogenannte Koboter (englisch „Cobots“) in hocheffiziente, flexible Mensch-Maschine-Produktionsteams[15] überführt werden können. Ein Versuch von Google und der Universität Berkeley im Jahr 2016 zeigt anschaulich den Weg: 14 Roboter mit Greifern sollten versuchen, unterschiedlichste Gegenstände aus einem Behälter zu nehmen und in einen anderen zu legen. Über die Zeit bildeten sie mithilfe maschinellen Lernens ein künstliches neuronales Netzwerk – und begannen nach 800.000 Greifversuchen, diese zu beobachten sowie in Echtzeit zu korrigieren. Sie lernten also selbständig Strategien, ganz ohne Programmierung.[16] Die Kluft zwischen Mensch und Maschine wird kleiner.

2.      Automatisierung: Überblick und Ausblick

Die zuvor genannten Beispiele veranschaulichen, dass KI und Robotik die Automatisierung in immer mehr Tätigkeitsfelder tragen, die bisher dem Menschen vorbehalten waren. Zwar sind die Fortschritte der letzten Jahre auch aufgrund der großen Leistungssteigerungen in der Sensorik und Computertechnik spektakulär, z. B. der Sieg des PC-Programms AlphaGo über den menschlichen Go-Weltmeister. Aber es darf nicht übersehen werden, dass die bisherigen Fortschritte sich auf eng umgrenzte Aufgaben beschränken (sogenannte „schwache bzw. enge KI“) und es noch nicht möglich ist, die in der Breite wirkende menschliche Intelligenz nachzubilden (sogenannte „starke bzw. allgemeine KI“).

Einerseits ist die Projektion vergangener Entwicklungen und Erfolge in die Zukunft keine Methode, um das Ausmaß und den zeitlichen Verlauf des technischen Fortschritts sicher vorherzusagen. Entgegen den Erwartungen von Zukunftsforschern vergangener Dekaden sprengen wir heutzutage beispielsweise keine Schifffahrtsstraßen mit strahlungsarmen Atombomben[17] – und angesichts der wissenschaftlichen Erfolge der automatischen Textübersetzung Ende der 50er-Jahre[18] hatten viele einen früheren Durchbruch auf diesem Gebiet erwartet. Andererseits kann man die Folgen der Automatisierung auf die Beschäftigung methodisch am besten prognostizieren, indem man die derzeitigen technischen Möglichkeiten und die nach Expertenmeinung in den nächsten Dekaden wahrscheinlichen Fortschritte klärt.

Vor diesem Hintergrund und mit dem Blick auf den Arbeitsmarkt gefragt: Welche Entwicklungen und Faktoren bedrohen Jobs? Welche menschlichen Qualifikationen und Fähigkeiten einerseits sowie technischen Hürden andererseits sichern Arbeitsplätze oder schaffen neue?

Im Folgenden nähere ich mich diesen Fragestellungen mit einer Überblickssystematik. Sie beruht auf einer Veröffentlichung (2017)[19] des Fraunhofer-Instituts für Intelligente Analyse- und Informationssysteme (IAIS) sowie auf den bereits in meinem LinkedIn-Beitrag „Automatisierung: Jobkiller oder Jobmaschine? Teil 1: Analysen“ verwendeten Forschungsergebnissen:

Abbildung 1: Einsatzmöglichkeiten KI und technisches Automatisierungspotenzial (Quellen: Fraunhofer IAIS (2017), S. 8, Tab. 1, vereinfacht und ergänzt; MGI (2017a), S. 13, Exhibit E6)

Die Abbildung 1 vereint eine Darstellung der Einsatzmöglichkeitenvon KI-Systemen mit dem prognostiziertem Automatisierungspotenzial. Obwohl die Übergänge fließend und keinesfalls überschneidungsfrei sind, können KIs dem Grad ihrer Verkörperung entsprechend als eher „digital“ oder eher „physisch“ an einer Achse aufgereiht werden. Intelligente Dienste und autonome Agenten können nicht autonom physisch wirksam werden. Ein System, das z. B. Hautkrebs erkennt, benötigt noch den Chirurgen, um das Geschwür zu entfernen. Im Gegensatz dazu können (zukünftige) Fahrzeuge, Drohnen, Roboter usw., die durch KIs autonom gesteuert werden, ihren Zweck mittels eines eigenen ‚Körpers‘ erreichen.

Die Darstellung der prognostizierten Unter- und Obergrenze des technischen Automatisierungspotenzials folgt der Analyse (2017)[20] des McKinsey Global Institutes. Nach Einschätzung der Autoren könnte das Potenzial durch die technischen Entwicklungen bereits ab Mitte des kommenden Jahrzehnts erheblich erweitert werden. Im Minimalszenario wird diese Entwicklung um 20 Jahre verzögert gesehen. In beiden Szenarien erscheint ein technischer Automatisierungsgrad von nahezu 100 Prozent um 2055 bis 2065 erreichbar.

Das tatsächliche Potenzial der Automatisierung wird weit länger unter den technischen Möglichkeiten bleiben, da es von vielen Rahmenbedingungen (Wirtschaftlichkeit, Regularien, Politik, gesellschaftliche Akzeptanz, Umsetzungspotenzial/-kapazitäten usw.) abhängt. Dies wird mit Blick auf das Beispiel Outsourcing deutlich: Auch hier würden die technischen und organisatorischen Möglichkeiten einen weit höheren Outsourcing-Grad erlauben, aber diesem Schritt stehen u. a. wirtschaftliche, regulatorische und unternehmenspolitische Überlegungen vielfach entgegen.

Nichtsdestoweniger bleibt das sich weitende technische Automatisierungspotenzial durch Fortschritte im Bereich des maschinellen Lernens und der Robotik eine Bedrohung für Arbeitsplätze.

3.      Bedrohte Jobs

Die folgende Abbildung fußt auf den Ergebnissen einer OECD-Studie (2018)[21], welche die mittlere Wahrscheinlichkeit der Automatisierung nach Ausbildung, Industrie und Beruf analysiert. Ergänzt wurden die Daten mit den Ergebnissen einer weiteren Studie (2017) [22] des McKinsey Global Institutes.

Abbildung 2: Mittlere Wahrscheinlichkeit der Automatisierung nach Ausbildung, Industrie und Beruf

Die Analyse bestätigt eine naheliegende Vermutung: Das Automatisierungsrisiko steigt mit einem sinkenden Qualifikationsniveau. Stark regelgeleitete, repetitive Aufgaben – ob in der Fabrik oder dem Büro – werden in den kommenden Jahrzehnten am ehesten durch KI-Systeme übernommen. Dadurch werden sich diese Stellen wandeln oder sind sogar von Abbau bedroht, wobei sich gefährdete Jobs insbesondere im primären und sekundären Sektor sowie im Logistikbereich befinden. Am sichersten sind Jobs, die ein sehr hohes Maß an allgemeiner und beruflicher Bildung, Sozialkompetenz, Problemlösungsfähigkeit und Kreativität erfordern. Diese finden sich in sogenannte „Knowledge Intensive Business Services“, wie z. B. einer Unternehmensberatung, und im Pflegebereich.

Interessanterweise erwarten die Forscher mit den geringsten Grad der Automatisierung in ihrem eigenen Berufsfeld Forschung und Lehre. Aber natürlich wird diese Entwicklung auch hier Einzug halten. Bereits jetzt werden KI-Systeme z. B. in der Forschung genutzt und es liegt nahe, diese Technologien in Zukunft darüber hinaus für ein individualisiertes Lernen bzw. eine individualisierte Lehre einzusetzen.

4.      Neue Jobs

Das Aufkommen des Internets oder Smartphones wird oftmals als Beispiel dafür genannt, wie neue Technologien unvorhergesehene Geschäftsmodelle und Berufsfelder hervorbringen. Das ist erst recht bei einer technischen Entwicklung anzunehmen, die häufig als eine Revolution bzw. als „disruptiv“ mit Auswirkung auf alle Wirtschafts- und Gesellschaftsbereiche prognostiziert wird. Es lassen sich allerdings bereits Felder mit potenziellem Jobwachstum identifizieren:

  • Forschung und Entwicklung von Automatisierungslösungen,
  • Implementierung (z. B. Consulting, Anlernen von KI-Systemen),
  • Betrieb (z. B. laufende Datenbereitstellung für ein kontinuierliches ML, operative Systemüberwachung, Qualitäts- und Funktionskontrolle der KI-Systeme bzw. des ML),
  • Regulierung (z. B. Datenschutz, Ethik, Gesetzgebung, Politik),
  • Neue Geschäftsmodelle, Produkte und Dienstleistungen aufgrund der Digitalisierung (z. B. Human Enhancement, Genetic Engineering),
  • Lösungen und Dienstleistungen zur Bewältigung der Arbeitsmarktfolgen und sonstigen gesellschaftlichen Veränderungen (z. B. Life Purpose Consulting, Gaming und Leisure Consulting).

Die neuen Berufsfelder lassen sich also relativ gut umreißen, doch sie zu konkretisieren, ist schwieriger. Hierzu gibt es verschiedene Versuche. Beispielsweise hat die Commonwealth Scientific and Industrial Research Organisation (CSIRO) im Rahmen einer Studie (2016)[23] für den australischen Arbeitsmarkt vor dem Hintergrund der Digitalisierung über sechs neu entstehende Jobtypen spekuliert (siehe S. 76 ff.):

  • BIGGER BIG DATA ANALYSTS: Bereits heutzutage werden Big-Data-Analysten händeringend gesucht. Für die Zukunft erwarten die Autoren eine stärkere Spezialisierung, die vertiefte Kenntnisse im Bereich des maschinellen Lernens, der Automatisierung, Cybersicherheit, Verschlüsselung und der verteilten (Cloud-basierten) Systeme und/oder branchenspezifisches Fachwissen erfordern.
  • COMPLEX DECISION SUPPORT ANALYSTS: Aus dem Phänomen „Big Data“ erwächst die Herausforderung „Big Decisions“. Das Mehr an Informationen liefert mehr Handlungsoptionen und macht Entscheidungen dadurch komplexer. Es besteht die Gefahr, dass Entscheidungsträger durch die Vielzahl an Daten und Optionen gelähmt werden – womit der Bedarf entsteht, die Informationen auszuwerten und zu gewichten. Spezielle Analysten helfen, die Fragen in Zusammenhang mit einer Entscheidung zu stellen, zu strukturieren und mithilfe von KI zu beantworten.
  • REMOTE CONTROLLED VEHICLE OPERATORS: Mit dem Aufkommen von unbemannten Flugzeugen (Drohnen) und Fahrzeugen steigt der Bedarf an Experten, die diese Maschinen in der Luft, am Boden oder auf dem Wasser fernsteuern und kontrollieren. Auch beim Fortschreiten der Automatisierung wird vermutlich in absehbarer Zeit nicht auf die menschliche Kontrolle unbemannter Fahrzeuge verzichtet.
  • CUSTOMER EXPERIENCE EXPERTS: In Organisationen wird die Kundenorientierung weiter an Bedeutung gewinnen. Die Autoren der CSIRO-Studie erwarten, dass das auch Ausdruck in neuen Rollen wie dem Chief Experience Officer (CXO) und dem Chief Customer Officer (CCO) finden wird. In diesem Zuge wird der Bedarf an Beratern wachsen, die den C-Level-Funktionsträgern zuarbeiten bzw. in ihrem Sinne handeln und sich auf die Bedürfnisse der Kunden sowie der Gesellschaft insgesamt fokussieren. Beispielsweise könnten in Zukunft Supermärkte zu Ausstellungsflächen mutieren, wo Kunden bei der passenden Produktauswahl beraten werden. Die logistischen Aktivitäten sind dann schon automatisiert.
  • PERSONALISED PREVENTATIVE HEALTH HELPERS: Diese Rolle kann als Weiterentwicklung des persönlichen Fitnesstrainers verstanden werden. Die Autoren rechnen damit, dass sich deren Aufgabenfeld in Richtung eines generalistischen Beraters für Lifestyle, Wohlbefinden und Gesundheitsprävention erweitert, der auch moderne Informationstechnologien nutzt.
  • ONLINE CHAPERONES: In diesem Berufsfeld der Cybersecurity geht es um die Schadensvermeidung bzw. -begrenzung bei Belästigung und Betrug im Internet, etwa bei Identitätsdiebstahl, Reputationsschäden und Mobbing in den sozialen Medien.

Die vorgenannten Überlegungen sind spekulativ und können hinterfragt werden. Warum sollten z. B. Konsumenten, die sich heutzutage bequem im Internet über Produkte informieren und diese bei Amazon u. Ä. kaufen, sich künftig umständlich zu einer Ausstellungsfläche begeben, um dort von Menschen beraten zu werden? Vieles liegt derzeit noch im Nebel. Die Überlegungen lassen aber auch die große Bandbreite an neuen Jobs erahnen, die sich im Zuge der weiteren Automatisierung und damit einhergehenden gesellschaftlichen Veränderungen ergeben werden.

Möglicherweise wird die Anzahl der Jobs, die durch die Automatisierung direkt oder indirekt geschaffen wird, tatsächlich die der verdrängten ausgleichen oder sogar übertreffen. Durch die neuen und in der Regel anspruchsvolleren Berufsfelder werden bei uns Menschen Lücken in Wissen und Fähigkeiten entstehen. Sofern wir nicht darauf spekulieren, dass diese Lücken in absehbarer Zukunft durch pharmakologisches, technisches oder genetisches Neuro-Enhancement ausgeglichen werden, wird es Verlierer am Arbeitsmarkt geben.

Was das für die Gesellschaft der Zukunft bedeuten mag, beleuchte ich in meinem nächsten Beitrag, bevor ich im vierten Teil wieder den Blick einenge und Antworten auf die Zukunftsfragen aus der Perspektive des Personalbereichs suche.

Wer die nächsten Beiträge nicht verpassen will, sollte newmodelhr auf Twitter folgen und kann sich gerne mit mir auf LinkedIn vernetzen. Fragen und Anregungen gerne an: robert.schindler@newmodelhr.com.

 PS: Dieser Beitrag ist rein privat und steht in keinem Zusammenhang mit Firmen oder Organisationen.


Quellenverzeichnis:

[1] Vgl. Gieriet, Marc (2016): „Ein Roboter als Lebensgefährte“, SRF-Web, https://www.srf.ch/sendungen/dok/ein-roboter-als-lebensgefaehrte (zuletzt aufgerufen am 27.11.2018);

Wikipedia (2018): „Nadine Social Robot“, https://en.wikipedia.org/wiki/Nadine_Social_Robot (zuletzt aufgerufen am 28.10.2018); MIRALab, http://www.miralab.ch/ (zuletzt aufgerufen am 27.11.2018).

[2] Vgl. Wallenfels, Matthias, (2017): „Pflege-Assistenzsysteme – Spagat zwischen Fortschritten und Rückschlägen“, Ärzte Zeitung Online, https://www.aerztezeitung.de/politik_gesellschaft/pflege/article/940481/assistenzsysteme-spagat-zwischen-fortschritten-rueckschlaegen.html?sh=1&h=366803679(zuletzt aufgerufen am 28.10.2018).

[3] Wer selbst mit Nadine ins Gespräch kommen und seine Gefühle im „Uncanny Valley“ erleben will, kann sie bei der Ausstellung „Mensch, Roboter! – Leben mit Künstlicher Intelligenz und Robotik“ des Heinz Nixdorf MuseumsForums (HNF) in Paderborn besuchen.

[4] Vgl. Meisinger, Dominik (2018): „Katzenvideos“, Forbes, deutschsprachige Ausgabe, https://www.forbes.at/artikel/katzenvideos.html (zuletzt aufgerufen am 08.11.2018).

[5] Vgl. Coudray, Nicolas et al. (2018): „Classification and mutation prediction from non–small cell lung cancer histopathology images using deep learning“, Nature Medicine, Vol. 24, S. 1559–1567, https://doi.org/10.1038/s41591-018-0177-5 (zuletzt aufgerufen am 28.10.2018).

[6] Vgl. Schaffrath Rosario, Tobias (2018): „So kann Künstliche Intelligenz im Kampf gegen Krebs helfen“, WIRED Germany, https://www.wired.de/article/so-kann-kuenstliche-intelligenz-im-kampf-gegen-krebs-helfen (zuletzt aufgerufen am 21.11.2018).

[7] Vgl. Krauss, Christopher; Do, Xuan Anh; Huck, Nicolas (2016): „Deep neural networks, gradient-boosted trees, random forests: Statistical arbitrage on the S&P 500“, FAU Discussion Papers in Economics, Nr. 03/2016, Friedrich-Alexander-Universität Erlangen Nürnberg, Institute for Economics, Erlangen, http://hdl.handle.net/10419/130166 (zuletzt aufgerufen am 16.11.2018). Ergänzend: Internet der Fakultät der School of Business and Economics der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), https://www.wiso.rw.fau.eu/2017/03/01/deep-learning-in-finance (zuletzt aufgerufen am 16.11.2018). Ebenfalls zu Potential und derzeitigen Einschränkungen: Lu, Longfei (2018): „AI Robotic Trader – Eine neue Ära im Wertpapierhandel?“, Handelsblatt, https://veranstaltungen.handelsblatt.com/ai-banking/ai-robotic-trader-eine-neue-aera-im-wertpapierhandel (zuletzt aufgerufen am 16.11.2018).

[8] Vgl. Gans, Joshua (2018), „Opinion: AI will change stock-market trading, but it can’t wipe out the human touch“, https://www.marketwatch.com/story/ai-will-change-stock-market-trading-but-it-cant-wipe-out-the-role-of-people-2018-05-15 (zuletzt aufgerufen am 16.11.2018).

[9] Vgl. Cohn, Gabe (2018): „AI Art at Christie’s Sells for $432,500“, The New York Times, https://nyti.ms/2AskZoD (zuletzt aufgerufen am 15.11.2018).

[10] Schmidt, Bernd (2006): „Kunst, was ist das?“, in: Aufklärung und Kritik 2/2006, http://www.gkpn.de/schmidt_kunst.pdf (zuletzt aufgerufen am 29.10.2018).

[11] ebd.

[12] ebd.

[13] Vgl. Mørch, Hedda Hassel (2018): „Wie kommt der Geist in die Natur?“, Frankfurter Allgemeine Zeitung, http://www.faz.net/-ibq-960zh (zuletzt aufgerufen am 29.10.2018).

[14] Vgl. Moorstedt, Michael (2018): „Künstliche Kunst“, Süddeutsche Zeitung, https://www.sueddeutsche.de/digital/kuenstliche-intelligenz-computerkunst-1.4188338 (zuletzt aufgerufen am 29.10.2018).

[15] Vgl. Daugherty, Paul R.: „Human + Machine: Künstliche Intelligenz und die Zukunft der Arbeit“ (original: „Humane + Machine. Reimagining Work in the Age of AI“), Kindle-Version, S. 10 ff., sowie Fraunhofer-Allianz Big Data (2017), S. 15.

[16] Vgl. Levine, Sergey, Google AI Blog (2016): „Deep Learning for Robots: Learning from Large-Scale Interaction“, https://ai.googleblog.com/2016/03/deep-learning-for-robots-learning-from.html (zuletzt aufgerufen am 19.11.2018).

[17] Vgl. DER SPIEGEL (1964): „PANAMA-KANAL: Bomben auf den Isthmus“, http://www.spiegel.de/spiegel/print/d-46163000.html (zuletzt aufgerufen am 30.10.2018).

[18] Vgl. DER SPIEGEL (2/1958): „ÜBERSETZUNGS-MASCHINEN: Die Wortfabrik“, http://www.spiegel.de/spiegel/print/d-41760407.html (zuletzt aufgerufen am 30.10.2018).

[19] Vgl. Fraunhofer-Allianz Big Data (2017): „Zukunftsmarkt Künstliche Intelligenz – Potenziale und Anwendungen“, https://www.iuk.fraunhofer.de/content/dam/iuk/de/documents/KI-Studie_Ansicht_201712.pdf (zuletzt aufgerufen am 21.11.2018).

[20] Vgl. McKinsey Global Institute (2017a): „A future that works: Automation, employment, and productivity – Executive Summary“, https://www.mckinsey.com/~/media/mckinsey/featured Prozent20insights/Digital Prozent20Disruption/Harnessing Prozent20automation Prozent20for Prozent20a Prozent20future Prozent20that Prozent20works/MGI-A-future-that-works-Executive-summary.ashx (zuletzt aufgerufen am 21.11.2018).

[21] Vgl. Nedelkoska, L. &. Quintini, G. (2018): „Automation, skills use and training“, OECD Social, Employment and Migration Working Papers, Nr. 202, OECD Publishing, Paris, http://dx.doi.org/10.1787/2e2f4eea-en (zuletzt aufgerufen am 21.11.2018).

[22] Vgl. McKinsey Global Institute (2017b): „Jobs lost, jobs gained: Workforce transitions in a time of automation“, https://www.mckinsey.com/~/media/McKinsey/Featured Prozent20Insights/Future Prozent20of Prozent20Organizations/What Prozent20the Prozent20future Prozent20of Prozent20work Prozent20will Prozent20mean Prozent20for Prozent20jobs Prozent20skills Prozent20and Prozent20wages/MGI-Jobs-Lost-Jobs-Gained-Executive-summary-December-6-2017.ashx (zuletzt aufgerufen am 21.11.2018).

[23] Vgl. Hajkowicz, Stefan et al. (2016): „Tomorrow’s Digitally Enabled Workforce: Megatrends and scenarios for jobs and employment in Australia over the coming twenty years“, CSIRO, Brisbane, https://www.acs.org.au/content/dam/acs/acs-documents/16-0026_DATA61_REPORT_TomorrowsDigiallyEnabledWorkforce_WEB_160128.pdf (zuletzt aufgerufen am 21.11.2018).


Automatisierung: Jobkiller oder Jobmaschine – Teil 1: Analysen

0

Teil 1: Analysen

Am 29. Juni 2007 stellte Apple das iPhone vor und läutete damit eine Zeitenwende im Bereich der Technik ein. Das Smartphone wurde schnell unser ständiger Begleiter und änderte die Art, wie wir uns privat und beruflich austauschen sowie informieren. Das ist aber nur eine kleine Bewegung im Vergleich zu dem, was mit der gesamten Automatisierung und Digitalisierung der Wirtschaft auf uns zukommt. Künstliche Intelligenz (KI) und Robotics bringen unsere bisherigen Alleinstellungsmerkmale als Menschen, nämlich unsere kognitiven und feinmotorischen Fähigkeiten, ins Wanken und konkurrieren in Zukunft um einen großen Teil unserer Arbeitstätigkeiten. Schon heute können KI-Systeme z. B. Echtzeit-Übersetzungen in mehrere Sprachen ausführen und kommen den Leistungen menschlicher Übersetzer nahe.[1]

Noch spüren wir kaum Veränderung und sehen nur einen dünnen weißen Streifen auf dem Meer, doch der wird sich bereits bald als Schaumkrone einer gewaltigen Welle herausstellen. Allein die Rechenleistung von KI-Systemen hat sich innerhalb von fünf Jahren alle dreieinhalb Monate verdoppelt[2]. Künftig wird sich unser Leben immer mehr auf künstlichen Intelligenzen ausrichten, werden etwa auch Smartphones immer mehr dazu dienen, um mit KI zu kommunizieren. Die wirtschaftlichen, gesellschaftlichen und politischen Auswirkungen dieser Entwicklung werden enorm sein. Dabei hört man zunehmend Warnungen, u. a. vor massenhaften Jobverlusten, die uns in den nächsten zwei Dekaden drohen. Werden sich diese Warnungen bewahrheiten oder sind sie überzogen? Wird in unserem Beispiel der Mensch als Übersetzer in absehbarer Zeit verdrängt – oder kommt es doch anders?

Der analytische Blick: Jobverlust durch Automatisierung?

Im Jahr 2013 veröffentlichten zwei Forscher der Universität Oxford, Carl B. Frey und Michael A. Osborne, eine vielbeachtete Studie[3], nach der durch die bereits weitgehend gegebenen technischen Automatisierungsmöglichkeiten 47 Prozent der Berufe in den USA stark gefährdet[4] seien.

Seitdem ist eine Vielzahl weiterer Studien zu dem Thema erschienen, die allerdings zu sehr unterschiedlichen Ergebnissen kamen. So gelangten die Analysten der Bank ING-DiBa, die das Vorgehen von Frey und Osborne auf Deutschland übertrugen, in ihrer Studie[5] (2015) zu dem Schluss, dass 18,3 Millionen oder 59 Prozent der untersuchten Arbeitsplätze in Deutschland gefährdet seien.

Dagegen arbeiteten die Autoren einer OECD-Studie[6] (2016) von der Universität Mannheim mit einem anderen methodischen Ansatz. Ihre Sichtweise war, dass nicht Berufe als Ganzes, sondern spezifische Aufgaben bzw. Tätigkeiten am Arbeitsplatz dem Risiko der Automatisierung unterliegen und daher differenziert betrachtet werden müssen. Dieser Ansatz wurde zwischenzeitlich in einer neuen OECD-Studie[7] (2018) weiterentwickelt: Die Forscher sehen durchschnittlich 14 Prozent der Arbeitsplätze in den teilnehmenden 32 OECD-Ländern aufgrund der derzeitigen technologischen Möglichkeiten einem sehr hohen Risiko ausgesetzt – das betrifft 66 Millionen Arbeitnehmer dieser Länder. Weitere 32 Prozent der Jobs werden laut der Studie wahrscheinlich zu 50 bis 70 Prozent automatisiert und könnten vor erheblichen Veränderungen ihres Arbeitsinhaltes stehen. Für Deutschland wird ein sehr hohes Risiko durch Automatisierung für 18 Prozent der gegenwärtigen Jobs gesehen – bei Verwendung eines anderen Datensatzes sind es sogar 33 Prozent, was an der Robustheit der Analyseansätze und Zuverlässigkeit der Risikoabschätzung zweifeln lässt.[8]

Die aktuelle Studie[9] (2018) von PwC kommt zu ähnlichen Werten wie die Forscher der Universität Oxford: Bis Mitte der 2030er-Jahre seien durch die Automatisierung viele derzeit existierende Stellen erheblich bedroht – bis zu 38 Prozent in den USA, 37 Prozent in Deutschland und 34 Prozent in Österreich. Diese Größenordnung deckt sich weitgehend mit den Ergebnissen einer McKinsey-Studie[10] (2017). Ihr zufolge ist, um das Risiko von Arbeitsplatzverlusten zu bestimmen, allein das Ausmaß der Automatisierbarkeit der ausgeübten Tätigkeit zu betrachten, nicht der Beruf. Mit diesem Ansatz prognostizieren die Forscher für den Zeitraum 2016 bis 2030 bei einem Szenario der mittleren Automatisierungsgeschwindigkeit den Wegfall von ca. 9 Millionen Arbeitsplätzen in Deutschland. Weitere 3 Millionen Stelleninhaber seien gezwungen, neue Fertigkeiten zu erlernen oder ihre Beschäftigung zu wechseln. Das sind zusammen 32 Prozent der für das Jahr 2030 prognostizierten 37 Millionen Arbeitskräfte in Deutschland.

Der optimistische Blick: Arbeitsplatzaufbau durch Automatisierung?

Jüngere Studien zum Thema Automatisierung arbeiten neben der Bedrohung auch die Chancen für den Arbeitsmarkt heraus. Es wird argumentiert, dass der Prozess neue Berufsfelder und Nachfragen, z. B. nach Robotics, hervorbringe, aber auch einen Produktivitätsgewinn, der das Einkommen und den Wohlstand sowie dadurch Konsum, Nachfrage und Beschäftigung erhöhe. McKinsey betont in seiner Analyse außerdem Investitions- und Konsumeffekte durch das Altern der Weltbevölkerung (z. B. Investitionen in Gesundheit und Pflege) sowie das starke Wachstum der besonders konsumfreudigen Bevölkerungsanteile in den Schwellenländern. Die Analysten von McKinsey kommen zu dem Schluss, dass diese Effekte einem Arbeitsplatzabbau durch die Automatisierung entgegenwirken könnten. Für Deutschland prognostiziert McKinsey im „Trendline“-Szenario einen Stellenverlust von 9 Millionen bis 2030, aber gleichzeitig auch ein Aufbau von 10 Millionen. Die PwC-Analysten sehen ebenfalls zumindest für die USA und die EU-Länder die Chance für einen langfristigen Ausgleich von Jobverlust und Jobaufbau.[11]

Vorsicht ist die Mutter aller Hintertüren

Bezeichnend ist die Vorsicht aller Autoren, mit der sie die Auswirkungen auf dem Arbeitsmarkt beschreiben. So errechnen Frey und Osborne zwar, dass knapp die Hälfte der derzeitigen Arbeitsplätze in den USA durch die Digitalisierung bedroht sei, aber inwieweit es tatsächlich zu Arbeitsplatzverlusten kommt, versuchen die Autoren ausdrücklich nicht abzuschätzen („Our study wasn’t even a prediction.“). Sie verweisen auf Rahmenfaktoren wie die Verfügbarkeit billiger Arbeitskräfte, Kapitalkosten und politische bzw. legislative Bedingungen. Grundsätzlich gehen sie aber davon aus, dass die Automatisierung auch für alle nicht routinemäßigen Aufgaben, die keinen der „Engineering Bottlenecks“ (Kreativität, soziale Intelligenz, Fähigkeit zur Wahrnehmung und Feinmotorik in komplexen Situationen) unterliegen, in den nachfolgenden ein bis zwei Dekaden – eher unwillig und vage geschätzt – ausgeweitet werden könnte.

McKinsey arbeitet mit verschiedenen Szenarien und bewertet die Aussagekraft der Zahlen ebenfalls vorsichtig: Sie würden ihre Analyse nicht als Prognose verstehen, sondern vielmehr als Hilfestellung, um die Zukunft der Arbeit zu antizipieren und sich darauf vorzubereiten. Weitere Forschung wird angemahnt.

Die Vorsicht der Autoren ist verständlich. Die Zukunft ist auch mit dem Wissen über vermeintlich vergleichbare Entwicklungen in der Vergangenheit nur begrenzt vorhersehbar – und die zur Verfügung stehenden Daten sowie das Ausmaß der bekannten und noch unbekannten Einflussfaktoren erlauben allenfalls grobe Abschätzungen. Zusätzlich zeigt sich in den bisherigen Forschungen, dass selbst scheinbar geringe Änderungen der Berechnungsmodelle und alternative Datenquellen zu deutlich voneinander abweichenden Ergebnissen führen können.

Einigkeit herrscht, dass die folgenden Faktoren einen bedeutenden Einfluss auf die Geschwindigkeit sowie das Ausmaß der Automatisierung – unabhängig von der grundsätzlichen technischen Durchführbarkeit – haben werden:

  • Wirtschaftlichkeit: Kosten für Entwicklung und Einsatz von Automatisierungstechnologien, Kapitalkosten, Lohnkosten (inkl. Ausbildungskosten),
  • Verfügbarkeit von Arbeitskräften (Quantität und Qualität),
  • soziale Akzeptanz und politische Rahmenbedingungen (inklusive Regulation, z. B. des Arbeitsmarktes),
  • technische Fortschritte bei der Substitution originär menschlicher Fähigkeiten in den Bereichen der kognitiven und sozialen Intelligenz, Wahrnehmung und Feinmotorik.

Ebenso ist unstrittig, dass Automatisierungstechnologien einerseits eine bedeutende Anzahl von Arbeitnehmern aus ihren Jobs verdrängen und einen großen Anteil der fortbestehenden Berufe stark verändern, andererseits aber auch neue Berufe schaffen werden. Unsere Arbeitswelt und unser Arbeitsmarkt stehen nach Meinung sämtlicher Autoren in den kommenden Jahrzehnten vor gravierenden Veränderungen – und wir alle sind mittendrin.

Das erwartet Sie in den nächsten Beiträgen

Das Risiko der Automatisierung ist nicht gleichmäßig auf die Arbeitnehmer verteilt. Welche Sektoren, Berufe und Arbeitnehmergruppen laut den Forschungen besonders von der Automatisierung betroffen sind und welche möglichen Folgen sich daraus für die Gesellschaft ergeben, werde ich im nächsten Teil von „Automatisierung: Jobkiller oder Jobmaschine“ betrachten. Verraten sei schon so viel, dass auch hier die Prognose bzw. Abschätzung von Bedrohungspotentialen immer schwieriger wird, umso mehr sie über Tendenzbeschreibungen hinausgehen sollen. Um beim Eingangsbeispiel des Übersetzerberufes zu bleiben: Während die Annahme einer schnellen Verdrängung der menschlichen Übersetzer durch KI plausibel scheint, gibt es ebenso gute Gründe anzunehmen, dass zumindest im Bereich der professionellen Übersetzungen der Beruf nicht wegfällt, sondern sich den neuen Technologien und wirtschaftlichen Möglichkeiten anpasst[12]. Menschliche Übersetzer könnten z. B. künftig Textentwürfe der KI-Systeme überarbeiten, das Training neuronaler Netze der KI-Systeme mit ihrer Fachexpertise begleiten oder sich vermehrt auf komplexe Texte und Fachtexte spezialisieren, für die eine KI noch für einen längeren Zeitraum nicht ausreichend gut trainiert werden kann.

Im dritten Teil von „Automatisierung: Jobkiller oder Jobmaschine“ werde ich die Auswirkungen auf den HR-Bereich in den Blick nehmen und Antworten auf die Fragen suchen: Welche neuen Aufgaben und Ziele stellen Automatisierung und Digitalisierung für HR? Welche Möglichkeiten der Automatisierung bestehen mit bereits heute vorhandenen Technologien selbst für die Personalarbeit – und welche weiteren Entwicklungen sind absehbar?

Wer die nächsten Beiträge nicht verpassen will, sollte newmodelhr auf Twitter folgen und kann sich gerne mit mir auf LinkedIn vernetzen. Fragen und Anregungen gerne an: robert.schindler@newmodelhr.com.

 PS: Dieser Beitrag ist rein privat und steht in keinem Zusammenhang mit Firmen oder Organisationen.


Quellen:

[1]  Netzwelt (2018): „Microsoft: KI übersetzt Chinesisch ins Englische wie ein Mensch“. https://www.netzwelt.de/news/164237-microsoft-ki-uebersetzt-chinesisch-ins-englische-mensch.html (aufgerufen am 22.10.2018).

[2] OpenAI-Blog (2018): „AI and Compute“. https://blog.openai.com/ai-and-compute (aufgerufen am 21.10.2018).

[3] Frey, C. B. & Osborne, M. (2013): „The future of employment. How susceptible are jobs to computerization“. https://www.oxfordmartin.ox.ac.uk/downloads/academic/The_Future_of_Employment.pdf (aufgerufen am 20.10.2018).

[4] Diese Gefährdung sehen die Autoren bei einer Automatisierungsmöglichkeit der Berufe von über 70 Prozent.

[5] ING-DiBa (2015): „Die Roboter kommen. Folgen der Automatisierung für den deutschen Arbeitsmarkt“. https://www.ing-diba.de/binaries/content/assets/pdf/ueber-uns/presse/publikationen/ing-diba-economic-analysis-die-roboter-kommen.pdf (aufgerufen am 20.10.2018).

[6] Arntz, M., Gregory, T. & Zierahn, U. (2016): „The Risk of Automation for Jobs in OECD Countries: A Comparative Analysis“, OECD Social, Employment and Migration Working Papers, No. 189, OECD Publishing, Paris. http://dx.doi.org/10.1787/5jlz9h56dvq7-en (aufgerufen am 20.10.2018).

[7] Nedelkoska, L. &. Quintini, G. (2018): „Automation, skills use and training“, OECD Social, Employment and Migration Working Papers, No. 202, OECD Publishing, Paris. http://dx.doi.org/10.1787/2e2f4eea-en (aufgerufen am 20.10.2018).

[8] Die Autoren schlussfolgern: „This suggests that we need to be very cautious when interpreting the findings of this and similar studies.“, S. 98.

[9] Die Autoren der PwC-Studie sehen Berechnungsartefakte im Prognosemodell der OECD-Studie von 2016 und kommen nach einer Korrektur zu vergleichbaren Ergebniswerten wie Frey und Osborne, die Autoren der Universität Oxford. Diese sehen im gewählten Ansatz ebenfalls eine Unterschätzung der Gefährdung durch Automatisierungsmöglichkeiten, vgl. Frey, C. & Osborne, M. (2018): „Automation and the future of work – understanding the numbers“, Oxford Martin School and University of Oxford: https://www.oxfordmartin.ox.ac.uk/opinion/view/404 (aufgerufen am 20.10.2018).

[10] McKinsey Global Institute (2017): „Jobs lost, jobs gained: Workforce transitions in a time of automation“. https://www.mckinsey.com/~/media/mckinsey/featured%20insights/future%20of%20organizations/what%20the%20future%20of%20work%20will%20mean%20for%20jobs%20skills%20and%20wages/mgi-jobs-lost-jobs-gained-report-december-6-2017.ashx (aufgerufen am 20.10.2018).

[11] PwC (2018): „The macroeconomic impact of artificial intelligence“. https://www.pwc.co.uk/economic-services/assets/macroeconomic-impact-of-ai-technical-report-feb-18.pdf (aufgerufen am 20.10.2018).

[12] Ferose, V.R., Pell., B. & Pratt, L. (2018): „From The Business Of Language To The Language Of Business: The Future Of Translation Worldwide“. https://www.digitalistmag.com/machine-learning-ai/2018/05/17/future-of-translation-worldwide-06168565 (aufgerufen am 21.10.2018); vgl. auch Siepmann, Dirk (2018): „Übersetzen als Rechenkunst“. http://www.faz.net/aktuell/feuilleton/hoch-schule/uebersetzen-als-rechenkunst-das-sprachprogramm-deepl-und-die-zukunft-der-fremdsprachendidaktik-15828221.html?printPagedArticle=true#void (aufgerufen am 23.10.2018)