Verbessere die KI-Fähigkeiten deines Teams
Verändere dein Unternehmen, indem du deinem Team mit dem DataCamp for Business fortgeschrittene KI-Kenntnisse vermittelst. Erreiche bessere Einblicke und mehr Effizienz.
Ein kurzer Blick zurück: Wie Technologie die Arbeitswelt geprägt hat
Bevor wir die möglichen Effekte von Generativer KI auf Jobs heute betrachten, lohnt ein kurzer Blick darauf, wie Technologie unsere Arbeit und Wirtschaft in der jüngeren Geschichte verändert hat (siehe z. B. Acemoglu, 2002).
1770 bis 1970: Automatisierung trieb die Produktivität nach oben
Im 19. Jahrhundert war in Großbritannien geringqualifizierte Arbeit reichlich vorhanden, während hochqualifizierte Arbeitskräfte rar waren. In dieser Zeit vereinfachten und automatisierten Fabriken qualifizierte Handwerksarbeiten wie das Spinnen von Baumwolle in der Textilindustrie. Das führte zu erheblichen Produktivitätsgewinnen, aber auch zu Protesten wie den Ludditen-Aufständen, bei denen Handwerker Maschinen zerstörten, um genau diese Automatisierung zu verhindern.
Ähnliches passierte im frühen 20. Jahrhundert mit der Einführung des Fließbands, das die Nachfrage nach repetitiven, geringqualifizierten Tätigkeiten (massiv) erhöhte. Seit den 1970er-Jahren war das jedoch die Ausnahme: Seither profitierten neue Technologien vor allem Hochqualifizierte, indem sie ungelernte oder angelernte Routinetätigkeiten ersetzten, die häufig von typischen Mittelschichtjobs ausgeübt wurden – wie im folgenden Abschnitt beschrieben.
Ein Beispiel ist die weitreichende Automatisierung in der Landwirtschaft – erst durch pferdegezogene Maschinen und später durch Verbrennungsmotoren, die beschwerliche Handarbeit ersetzten.
1970 bis 2010: Automatisierung verstärkte die Ungleichheit
Als ich vor einigen Jahren meine Promotion in Arbeitsökonomie und Statistik abgeschlossen habe, erlebten wir vier Jahrzehnte steigender Lohnungleichheit. Diese Zunahme war zu einem großen Teil die Folge einer gestiegenen Nachfrage nach besser ausgebildeten Arbeitskräften (kombiniert mit Lohndruck bei Jobs, die man ins Ausland verlagern konnte). Natürlich spielten auch andere Faktoren eine Rolle, etwa der Rückgang der Tarifbindung.
Überraschend war dieser Trend, weil der Bildungsausbau im gleichen Zeitraum zu einem massiven Anstieg des Angebots an hochqualifizierten Absolventinnen und Absolventen führte. Unintelligente Automatisierung wie Industrieroboter, kombiniert mit Offshoring, wurde breit eingeführt – insbesondere in der Industrie – und ersetzte frühere Mittelschichtjobs, die oft aus routinemäßigen, automatisierungsanfälligen Aufgaben bestanden (siehe Autor et al., 2022).
Beispiele sind repetitive Montagetätigkeiten, Kommissionieren oder Sortieren sowie Dokumentation oder Kalkulation. Microsofts Excel hat typische Büroarbeit grundlegend verändert, und Berufe wie Bankschalterangestellte oder Vermittlungskräfte in Telefonzentralen sind weitgehend verschwunden. Gleichzeitig leben wir nicht in einer arbeitslosen Welt, weil neue Karrieren entstanden sind, die es zuvor nicht gab – etwa Data Analysts, Windturbinentechniker oder psychologische Berater. Diese Berufe sind nicht direkt eine Folge der Automatisierung, aber Automatisierung und Produktivitätszuwächse haben Kapazitäten für neue Felder freigemacht.
Die gesamtwirtschaftlichen Effekte dieser neuen Technologien blieben hinter den Hoffnungen zurück. Die Produktivitätszuwächse haben sich seit Anfang der 1970er-Jahre spürbar verlangsamt (mit einer kurzen Ausnahme rund um die Dotcom-Phase Ende der 1990er, siehe Moss et al., 2020). Nobelpreisträger Robert Solow brachte das im berühmten Produktivitätsparadox auf den Punkt: „Du siehst das Computerzeitalter überall – nur nicht in der Produktivitätsstatistik.“
Warum Computer uns nicht produktiver gemacht haben, ist umstritten – Stichworte Messfehler oder scheinbar kostenlose Produkte wie Wikipedia oder soziale Medien. Unstrittig ist: Das Produktivitätswachstum beträgt nur etwa die Hälfte der drei Jahrzehnte nach dem Zweiten Weltkrieg.
2010 bis COVID-19: Beschäftigungszuwächse ohne KI- und pandemiebedingten Technologieschub
Die Erholung (und das Produktivitätswachstum) nach der Großen Rezession war enttäuschend, doch die Nachfrage nach Arbeitskräften war stark – wie The Economist 2019 titelte: „The rich world is enjoying an unprecedented jobs boom.“ Diese Beschäftigungsgewinne waren weitgehend auf Faktoren zurückzuführen, die wenig mit neuen Technologien zu tun hatten, etwa Konjunkturprogramme, niedrige Zinsen und die gestiegene Erwerbsbeteiligung von Frauen.
Unternehmen begannen um 2010, KI-Spezialisten einzustellen. Der Trend beschleunigte sich um 2015, und es gibt Hinweise, dass diese Firmen ihre Einstellungen in anderen Bereichen reduzierten. Dennoch gibt es bis zum Beginn der COVID-19-Pandemie wenig Belege dafür, dass die frühen Machine-Learning-Modelle Beschäftigung oder Löhne maßgeblich beeinflussten (siehe z. B. Acemoglu et al., 2022).
Die COVID-Pandemie hatte einen unvorhergesehenen Einfluss auf Unternehmen und Jobs, der sich sonst über ein Jahrzehnt entfaltet hätte. Remote Work und Homeoffice wurden weit verbreitet; vor COVID fanden etwa 5% aller Arbeitstage zu Hause statt, auf dem Höhepunkt der Pandemie sprang dieser Anteil auf 60% und liegt seither bei rund 30% (siehe Bloom et al., 2023). Viele Unternehmen beschleunigten zudem ihre Investitionen in Automatisierung, etwa durch Roboter oder Self-Checkout.
Wie wirken sich LLMs auf Bürojobs aus?
Dieser kurze historische Exkurs zeigt: Die Wirkung technologischen Wandels auf Jobs ist nicht eindeutig. Ökonomen sagen, sie kann kompetenzersetzend sein (wie im 19. Jahrhundert) oder kompetenzerweiternd (wie im 20. Jahrhundert).
In modernen ökonomischen Modellen, dem sogenannten „revisited canonical model“ (Acemoglu und Autor, 2011), gehen wir davon aus, dass Jobs aus einem Bündel von Aufgaben bestehen und es verschiedene Gruppen von Kompetenzen bzw. Bildungsniveaus mit jeweils eigenem komparativem Vorteil gibt.
Diese Gruppen können sich teilweise ersetzen, aber nur unvollkommen. Ob neue Technologien bestimmte Kompetenzgruppen verdrängen, hängt unter anderem von der Nachfrage nach konkreten Aufgaben, dem Angebot bzw. der Verfügbarkeit dieser Gruppen und ihren Löhnen ab.
Insgesamt sehen wir, dass alternde Industrienationen wie Deutschland, Japan oder Südkorea mehr Roboter einsetzen – als Reaktion auf den Mangel an Produktionskräften. Unternehmen haben einen Anreiz, kompetenzersetzende Technologien zu entwickeln und zu übernehmen, wenn es zu wenige Hochqualifizierte gibt, ihre Löhne hoch sind oder ein Mismatch zwischen nachgefragten und verfügbaren Kompetenzen besteht. Bei DataCamp machen wir aktiv gefragte Kompetenzen für möglichst viele Menschen verfügbar!
Interessanterweise dachten bis vor Kurzem viele, neue KI wie autonome Fahrzeuge würde zuerst Blue-Collar-Jobs wie Lkw- oder Zugfahrer ersetzen. Aktuelle Generative-KI-Anwendungen zeigen jedoch bemerkenswerte Fähigkeiten, die typisch für Bürojobs sind – etwa Texte verfassen, Recherchen durchführen oder programmieren.
Fragen wir LLMs wie ChatGPT doch einmal, welche Aufgaben es automatisieren könnte.
Genannt werden Übersetzung, die Generierung von Text, Bildern und Videos, Musikkomposition, Konversationsagenten oder persönliche Empfehlungen. Diese Liste zeigt, warum einige Studien annehmen, dass Generative KI stärker höherbezahlte Berufe trifft. Dazu zählen Lehrkräfte für Sprache, Literatur, Geschichte, juristische Dienste, Finanz-, Versicherungs- und Buchhaltungsberufe (siehe Felten et al., 2023).
Auch wenn die Auswirkungen auf Bildung vermutlich tiefgreifend sein werden – man denke an KI-Assistenten, die Lernen im eigenen Tempo ermöglichen –, ist es unwahrscheinlich, dass Lehrstellen in großer Zahl verschwinden (denn sie erfüllen weit mehr Aufgaben, als ein Chatbot vermitteln kann). Dagegen könnten die Fortschritte der Generativen KI bei der Erkennung von Bild, Text und Audio massive Folgen für (Hintergrund-)Recherche, medizinische Diagnostik, Kundenservice oder (Daten-)Analysen haben.
Das heißt nicht, dass Radiologinnen, Übersetzer oder Buchhalter verschwinden, aber diese Berufe könnten künftig ganz anders aussehen – idealerweise mit mehr Zeit für Patientenkontakt und weniger Basis-Administration.
Schätzungen von OpenAI und Goldman Sachs zu Jobeffekten
Eine von OpenAI mitverfasste Studie, den Machern von ChatGPT, betrachtet LLMs als Basistechnologie: Sie lässt sich erstens in vielen Domänen in vielfältige Workflows integrieren, verbessert sich zweitens kontinuierlich und führt drittens zu komplementären Innovationen und Spillovers.
Die Autorinnen und Autoren schätzen, dass 15% aller Aufgaben der US-Arbeitskräfte durch LLMs deutlich schneller erledigt werden könnten. Mit zusätzlichen komplementären Technologien könnte dieser Anteil mehr als die Hälfte aller Aufgaben überschreiten.
Besonders exponiert sind Tätigkeiten wie Schreiben und Programmieren, weniger hingegen Wissenschaft oder kritisches Denken. Exponiert gilt eine Aufgabe, wenn „ein LLM oder ein LLM-basiertes System die für Menschen benötigte Zeit um mindestens 50 Prozent verringern würde“. Insgesamt zeigt sich: Jobs, die mehr Bildung, Training und Erfahrung erfordern, sind tendenziell stärker exponiert.
Goldman Sachs schätzt, dass zwei Drittel aller Jobs in den USA zumindest teilweise von Generativer KI betroffen sein werden (mit 25%–50% potenziell automatisierbaren Aufgaben). Sie erwarten jedoch keine Massenentlassungen und sehen Generative KI eher als komplementäre Technologie zum Menschen denn als Ersatz.
Kurzfristige Auswirkungen der Generativen KI
Das ist wahrscheinlich eine obere Grenze für die kurz- bis mittelfristigen Effekte, da neue Technologien in der Regel Zeit zur Einführung brauchen. Generative KI dürfte sich allerdings schneller verbreiten als etwa das Internet, das ein bis zwei Jahrzehnte bis zum Mainstream brauchte.
Rechtliche und ethische Fragen rund um die Einführung
Trotzdem müssen auch neue Technologien Hürden überwinden. Es gibt rechtliche Fragen – besonders relevant in hochbezahlten Bürojobs – sowie Unwägbarkeiten bei der Automatisierung von Aufgaben in Bildung, Medizin oder beratenden Berufen.
Wer haftet zum Beispiel, wenn Generative KI einen Fehler macht? Was ist mit potenziellen Urheberrechtsverletzungen, wenn Modelle das Web in großem Stil zum Training crawlen? Und selbst die Anbieter aktueller LLMs räumen ein, dass diese Modelle bisweilen spektakulär scheitern (und die Ursachen schwer zu greifen sind).
Disruption bestimmter Jobs durch Generative KI
Diese Hürden betreffen nicht alle Bürojobs gleichermaßen. Generative KI dürfte bestimmte Segmente unseres Arbeitsmarkts deutlich verändern – teils ist das bereits der Fall. Man denke an Marketing, wo oft recht generische Texte entstehen, oder an den Kundenservice, in dem Chatbots enorme Fortschritte machen. LLMs übersetzen, verdichten und interpretieren Texte so gut, dass es schwer vorstellbar ist, künftig noch dieselbe Zahl an Übersetzern zu benötigen.
Tools wie Google Translate oder DeepL sind schon heute exzellent, und der erste Anwendungsfall von Googles BERT war genau die Übersetzung. Als Nächstes könnten relativ einfache Softwareentwicklungsaufgaben sowie Standard-Content in Medien und Bildung teilweise an Maschinen ausgelagert werden – ebenso Tätigkeiten von Paralegals oder in der Steuererstellung.
Kundenservice-Rollen werden zweifellos betroffen sein – dank enormer Fortschritte bei dialogorientierten Supportaufgaben. So schätzt ein aktuell veröffentlichtes Working Paper von Erik Brynjolfsson und Co-Autorinnen, dass Generative KI die Leistung von über 5.000 Service-Agenten im Schnitt um ca. 14% gesteigert hat – vor allem bei neuen Mitarbeitenden, kaum jedoch bei sehr Erfahrenen.
Für Betroffene fühlt sich die Auslagerung an Maschinen (Automatisierung) ähnlich an wie die Verlagerung ins Ausland (Offshoring). Ihre Arbeit wird entweder lokal von günstigeren Robotern erledigt oder elektronisch bzw. physisch in Länder mit günstigeren Löhnen verlagert.
Langfristige Auswirkungen der Generativen KI
Mittelfristig bis langfristig wird Generative KI unsere Wirtschaft zweifellos tiefgreifend prägen. In Kombination mit anderen Technologien wie Robotik werden die meisten Jobs in unterschiedlichem Ausmaß betroffen sein (Erzieherinnen und Erzieher, Servicekräfte oder soziale Arbeit dürften vorerst vergleichsweise sicher sein).
In den letzten Jahrzehnten stiegen Nachfrage und Löhne insbesondere für hochqualifizierte Jobs, während die Zahl der Mittelschichtjobs sank und die Löhne in niedrig bezahlten Tätigkeiten oft stagnierten. Gleichzeitig sahen wir einen anderen Trend, der zur Polarisierung beitrug: eine steigende Nachfrage nach Servicejobs, oft schlecht bezahlt. Dazu zählen Paketzustellung, Regale auffüllen, Lagerarbeit sowie persönliche Dienstleistungen wie Reinigung, Sicherheit oder Betreuung von Kindern und Älteren – ebenso Lkw-, Bahn- oder Uber-Fahrten.
Drei mögliche Szenarien für die weitere Entwicklung
Viele dieser Jobs könnten anfällig werden, wenn autonome Technologien weiter vorankommen und Roboter sowohl intelligenter werden als auch komplexe 3D-Aufgaben besser beherrschen. Denkbar sind drei Szenarien:
- Wir erleben einen Wendepunkt, und Generative KI ist eine Durchbruchstechnologie wie Buchdruck, Dampfmaschine oder Transistor – mit tiefgreifenden Veränderungen in Arbeit und Leben und kontinuierlichen Verbesserungen im mittleren Zeithorizont.
- Generative KI braucht Jahrzehnte, um über spezifische Einsatzfelder hinaus menschliche Aufgaben sicher zu ersetzen – ähnlich wie selbstfahrende Autos, die trotz großer Fortschritte vor zehn Jahren ohne menschliche Aufsicht Sicherheitsgrenzen haben.
- Die aktuellen Technologien haben ihren Zenit bereits erreicht, und es kommt nicht mehr allzu viel nach – ähnlich wie bei Suchmaschinen, wo Googles PageRank Anfang der 2000er die Suche revolutionierte (und Yahoo! sowie Altavista verdrängte), seither aber nur noch inkrementelle Fortschritte folgten.
Welche dieser Entwicklungen eintritt, wissen wir nicht. Ich bin jedoch deutlich optimistischer (und teils unruhig) als je seit den Anfangstagen des Internets, dass wir eine transformative Technologie erleben, die nun richtig Fahrt aufnimmt.
Steuern wir auf eine KI-Utopie oder KI-Dystopie zu?
Führen diese Entwicklungen in eine düstere Zukunft, in der nur noch wenige Jobs bleiben – solche mit direktem menschlichem Kontakt, in der Entwicklung und Wartung neuer Technologien oder in besonders komplexen manuellen Tätigkeiten?
Das glaube ich nicht.
Wir sind gut darin, neue Rollen zu erfinden, die Technologie ergänzen oder völlig Neues schaffen (etwa Data Scientists, Dramatherapeutinnen oder Tätowierer). Daher fürchte ich keine joblose Zukunft.
Wäre ich Unternehmensleiter, würde ich die potenziellen Auswirkungen auf mein Geschäft jedoch sehr ernst nehmen, strategisch über die Reaktion nachdenken und gezielt einstellen.
Als Einzelne oder Einzelner würde ich sorgfältig überlegen, in welche Kompetenzen ich investiere – und ob sie anfällig für Automatisierung durch clevere Maschinen sind.
Als Politik würde ich Bildung weiter fördern, Lehrpläne modernisieren, das Bewusstsein für einen möglichen Wendepunkt schärfen und vermeiden, insbesondere junge Menschen bald in automatisierbare Jobs zu lenken.
Jetzt den nächsten Schritt machen
Was kannst du – als Person mit Verantwortung für den Unternehmenserfolg oder für andere – konkret tun, um das Beste aus Generativer KI zu machen?
Aus heutiger Sicht stehen die Chancen gut, dass wir einen neuen, bahnbrechenden Technologieschub erleben. Ich empfehle daher dringend, die Grundlagen der Generativen KI zu verstehen, um die richtigen Entscheidungen zu treffen.
Wie geht das? Du könntest zum Beispiel den Kurs Introduction to ChatGPT von DataCamp belegen (weitere Kurse folgen in Kürze) oder unsere anderen Ressourcen nutzen, etwa den Guide to Using ChatGPT For Data Science Projects oder das OpenAI API in Python Cheat Sheet.
Und natürlich: Probier die neuen Technologien selbst aus und experimentiere mit Prompts. Wenn du dich mit LLMs besser auskennst, lies einige der unten verlinkten Forschungsartikel und bleib über neue Entwicklungen auf dem Laufenden.
Quellen:
2 oder mehr Personen ausbilden? Schau dir unsere Business-Lösungen an
Verschaffe deinem Team Zugang zur gesamten DataCamp-Bibliothek mit zentralisierten Berichten, Aufgaben, Projekten und mehr
