Die Zukunft der Arbeit gestalten: Ein politischer Rahmen für das Automatisierungszeitalter

von Eric Carlson

Meine Großmutter arbeitete als Bibliothekarin in Wisconsin Rapids, einer Mühlenstadt am Ufer des Wisconsin River. Sie kuratierte die Sammlung von Kinderbüchern, war aber meistens mit der Pflege des Zettelkatalogs der Bibliothek beschäftigt. [1] Alle paar Wochen traf eine neue Lieferung Bücher in kinnhohen Stapeln ein, und sie blätterte durch jeden Band, bis die perfekte Signatur auftauchte (es war nie die, die der Verlag empfahl). Sobald die Signaturen zu einem Stapel Karteikarten zusammengestellt waren, ging sie zu einem Aktenschrank, wo sie jede Karte an ihren Platz legte. [2] Die Arbeit war langsam und zu dieser Zeit gab es keine Maschinen, um diese Arbeit zu erledigen. Natürlich machte sie das gerne – meine Großmutter war eine sehr ernste Person und es war eine sehr ernste Angelegenheit, dafür zu sorgen, dass jedes Kind jedes Buch finden konnte.

Sie ging in den Ruhestand, Jahre bevor Bibliotheken in den USA damit begannen, die Pflege ihrer Zettelkataloge zu automatisieren. Doch als die Computerisierung in den 1980er-Jahren tatsächlich auch die Bibliotheken erfasste, war das eine willkommene Abwechslung. Im Herbst 1984 befestigten Bibliothekare der Bibliothek für Gesundheitswissenschaften der University of Maryland in Baltimore Karten aus dem Zettelkatalog an Schnüren an den Enden roter und blauer Heliumballons, die sie gleichzeitig losließen, ein metaphorisches Loslassen des Alltäglichen. Routineaufgabe, die zu viel Zeit in Anspruch nahm. [3]

Im Gegensatz dazu stieß die Automatisierung in der Fertigung auf Widerstand. In den 1970er Jahren stattete General Motors in Youngstown, Ohio, 700 Meilen von der Bibliothek meiner Großmutter entfernt, seine Fabrik mit industriellen Schweißrobotern namens „Unimates“ aus. In Studs Terkel's Working, einer mündlichen Geschichte der Arbeit in den USA, beschreibt Gary Bryner, ein GM-Automobilarbeiter, die Arbeit mit seinen mechanischen Kollegen als etwas, das fast an Vonneguts Player Piano erinnert. „Es sieht genau aus wie eine Gottesanbeterin. Sie wandert von Punkt zu Punkt zu Punkt. Sie lässt das Ding los und es springt zurück in seine Position, bereit für das nächste Auto … Sie werden nie müde, sie schwitzen nie, sie beschweren sich nie, sie verfehlen nie.“ arbeiten."

Diese Schweißroboter verdoppelten die Produktion des Werks nahezu, reduzierten jedoch den Bedarf an Arbeitskräften. „Als sie die Einsteiger aufnahmen, bauten wir sechzig [Autos] pro Stunde“, sagte Bryner. „Als wir mit den Unimaten wieder an die Arbeit kamen, bauten wir hundert Autos pro Stunde. Sie erledigten die Arbeit von etwa zweihundert Männern – es gab also einen Personalabbau.“

Die heutige Veröffentlichung großer Sprachmodelle wie ChatGPT hat die Besorgnis über die Automatisierung erneut geweckt und Ängste vor einer feindlichen Übernahme künstlicher Intelligenz geweckt. Diese Plattformen gehen weit über die reine Datenspeicherung hinaus und können sogar die Anwaltsprüfung bestehen. Dies hat dazu geführt, dass Angestellte sich fragen, ob ihre Jobs bald nicht mehr die des Bibliothekars, sondern die des Fabrikarbeiters sein werden.

Dieser Aufsatz ist der erste einer Reihe über die Ökonomie der Automatisierung und konzentriert sich auf die Arbeit und darauf, was die Daten uns über unsere Zukunft sagen können und was nicht. Es wird drei Dinge demonstrieren. Erstens ist die Automatisierung schwer vorherzusagen. Zweitens verlief die Anpassung des Arbeitsmarktes an die Automatisierung langsam und erfolgte hauptsächlich über Generationen hinweg und nicht innerhalb einzelner Karrieren. Drittens hängt die Erfahrung mit der Automatisierung angesichts der ungleichmäßigen geografischen Verteilung der Branchen und Berufe sowie der regionalen Natur der Arbeitsmärkte stark davon ab, wo man lebt. Abschließend argumentiere ich, dass Maßnahmen, die für die Zukunft der Arbeit konzipiert sind, nicht versuchen sollten, den technologischen Wandel zu hemmen; Vielmehr brauchen wir ortsbezogene Richtlinien, die sich darauf konzentrieren, Arbeitnehmern beim Übergang von einem Arbeitsplatz zum nächsten zu helfen.

Ein datenzentrierter Ansatz für Automatisierung und Arbeitsplätze

Das US-Arbeitsministerium zeichnet neben anderen Arbeitsmarktstatistiken auch die Arbeitsweise der Amerikaner auf. Diese Informationen werden gesammelt und in einer Online-Datenbank namens Occupational Information Network (kurz O*NET) gespeichert, die eine Aktualisierung des Dictionary of Occupational Titles (DOT) darstellt. O*NET verfügt über detaillierte Informationen zu den Aufgabeninhalten und Arbeitsbedingungen von rund 1.000 Berufen. Diese Daten zeigen uns unter anderem, wie stark Arbeitnehmer der Automatisierung ausgesetzt sind: O*NET fragt die Befragten: „Wie automatisiert ist Ihr aktueller Job?“ mit Antworten auf einer Skala von eins („überhaupt nicht automatisiert“) bis fünf („völlig automatisiert“).

Das Box-and-Whisker-Diagramm in Abbildung 1 zeigt die Verteilung der Automatisierungswerte für Berufe, gruppiert nach ihren zweistelligen SOC-Codes (Standard Occupational Classification). Die vertikalen Linien in der Mitte jedes Kästchens geben ein Maß für die durchschnittliche Automatisierungsexposition innerhalb jeder Berufsgruppe. Die Breite jedes Kästchens zeigt den Bereich der Automatisierungsexposition für einen typischen Arbeiter, während die Whiskers, die sich von den Kästchenrändern in beide Richtungen erstrecken, eine visuelle Darstellung der Extremwerte der Automatisierungsexposition bieten. [4]

Es überrascht vielleicht, dass sich die Gefährdung durch Automatisierung nicht ohne weiteres mit einfachen Unterscheidungen zwischen Arbeitern und Angestellten vereinbaren lässt: Viele Angestellte sind stark der Automatisierung ausgesetzt, und viele Arbeiterberufe sind überhaupt nicht der Automatisierung ausgesetzt. Die drei Berufsgruppen, die den höchsten Automatisierungsgrad angeben, sind Büro- und Verwaltungsunterstützung; Produktion; und Berufe im Bereich Geschäfts- und Finanzbetrieb. Die drei Berufskategorien, die am wenigsten der Automatisierung ausgesetzt sind, sind Körperpflege und Dienstleistungen; Installation, Wartung und Reparatur; und pädagogische Lehr- und Bibliotheksberufe. [5]

Die Daten zeigen auch, dass Arbeitnehmer in verwandten Berufen sehr unterschiedliche Erfahrungen mit der Automatisierung machen können. Einige Produktionsmitarbeiter sind beispielsweise stark der Automatisierung ausgesetzt, andere hingegen nicht. Am einen Ende des Spektrums werden Bediener von Drehmaschinen (SOC 51-4034), die mit schweren Maschinen Metall von den Oberflächen rotierender Werkstücke abziehen, bereits automatisiert aus dem Job entlassen. Andererseits berichten Maßschneider (SOC 51-6052), die direkt mit Kunden zusammenarbeiten, um manchmal komplizierte Kleidungsstücke zu reparieren oder anzufertigen, über einen relativ geringen Automatisierungsgrad.

Abbildung 1. Die Automatisierung betrifft sowohl Arbeiter- als auch Bürojobs

Quelle: Berechnungen des Autors unter Verwendung von O*NET-Daten aus dem Jahr 2019

Diese Unterschiede in der Automatisierungsbelastung können teilweise durch Unterschiede in den individuellen Berufsmerkmalen erklärt werden. Im Jahr 2003 beschrieben die Ökonomen David Autor, Frank Levy und Richard Murnane die Automatisierung als eine Form des Kapitals, die Routineaufgaben ausführen kann – Aufgaben mit einfachen Regeln, die immer wieder erledigt werden –, aber keine nicht routinemäßigen Aufgaben ausführen kann – Aufgaben, die abstrakt sind Urteilsvermögen und Entscheidungsfindung. [6] Mit anderen Worten argumentieren sie, dass unbemannte Maschinen, zumindest aus der Sicht von 2003, gut für sich wiederholende Aufgaben mit einfachen Anweisungen geeignet sind. Im Vergleich zu anderen Arbeitnehmern besteht für Menschen in solchen Berufen ein höheres Risiko einer automatisierungsbedingten Verdrängung.

Zur Unterstützung dieses Rahmens zeigt Abbildung 2, dass Berufe mit sich wiederholenden Aufgaben eher der Automatisierung ausgesetzt sind als Berufe mit weniger repetitiven Tätigkeiten. Beispielsweise berichten Lohnbuchhalter (SOC 43-3051), die Aufzeichnungen über die Arbeitsdaten ihrer Mitarbeiter führen, sowohl von einem hohen Grad an Wiederholungen bei der Arbeit als auch von einem hohen Grad an Automatisierung. Im Gegensatz dazu erfahren Mediatoren (SOC 23-1022), die komplizierte Rechtsstreitigkeiten verhandeln, weder hohe Wiederholungsgrade noch hohe Automatisierungsgrade. Allerdings sagt uns die Korrelation zwischen dem aktuellen Wiederholungsgrad und dem aktuellen Automatisierungsgrad nicht, ob Maschinen Menschen ersetzen oder ob Maschinen mit Menschen zusammenarbeiten, um sie produktiver zu machen.

Abbildung 2. Wiederkehrende Aufgaben sind stärker der Automatisierung ausgesetzt

Quelle: O*NET-Daten 2019

Andere Korrelationen erschweren die Vorstellung, dass Automatisierung lediglich dazu dient, Arbeit zu ersetzen. Beispielsweise gibt es nahezu keinen Zusammenhang zwischen der Entscheidungsfreiheit am Arbeitsplatz und dem beobachteten Automatisierungsgrad eines Berufs. Wie in Tafel (a) von Abbildung 3 dargestellt, sind einige Berufe, die viele Entscheidungen erfordern, stark der Automatisierung ausgesetzt, während andere Berufe, die weniger Entscheidungen erfordern, nur sehr wenig Automatisierung ausgesetzt sind. Eine mögliche Erklärung ist, dass in einigen entscheidungsintensiven Berufen Maschinen die Routineelemente der Arbeit erledigen und den Arbeitnehmern die Möglichkeit geben, sich auf abstraktere Aufgaben zu konzentrieren.

Um zu sehen, wie Technologie das Potenzial hat, sowohl einige Arbeitskräfte zu verdrängen als auch andere produktiver zu machen, betrachten Sie beispielsweise einen Vergleich zwischen Telefonisten und Fluglinienpiloten. Trotz der Tatsache, dass beide Bereiche stark der Automatisierung ausgesetzt sind, werden viele Telefonarbeiten bereits von Maschinen erledigt, während die Steuerung von Flugzeugen wahrscheinlich weiterhin von Menschen erledigt wird. Wie in Tafel (b) von Abbildung 3 dargestellt, sind diese Erfahrungsunterschiede wahrscheinlich auf ihre sehr unterschiedlichen Entscheidungsfreiheitsgrade zurückzuführen.

Abbildung 3. Automatisierung hat nichts mit der Entscheidungsfreiheit zu tun

Quelle: O*NET-Daten 2019

Im Vergleich zu den meisten anderen Berufen haben Telefonisten kaum Entscheidungsfreiheit. In „Working“ spricht Terkel mit Sharon Griggins (unter dem Pseudonym Heather Lamb), die 1972 als Telefonistin in Illinois arbeitete. Sie beschreibt ihren Job als repetitiv und eng begrenzt. Griggins sagt zu Terkel: „Es gibt ungefähr sieben oder acht Sätze, die Sie verwenden, und das war’s: ‚Guten Morgen, kann ich Ihnen helfen?‘“ „Operator, kann ich Ihnen helfen?“ … Das ist alles, was Sie sagen können.“ In der Original-Audioaufnahme, die nicht im Buch enthalten ist, beklagt sie: „Man fühlt sich wie eine Maschine.“

Andererseits müssen Piloten eine Vielzahl von Entscheidungen treffen und schnell auf Wind- und Wetteränderungen reagieren. Während einige Aufgaben beim Fliegen von Flugzeugen bereits automatisiert sind, übernehmen Roboter eher die Rolle von Assistenten als von Ersatz. Darüber hinaus ist es aus Sicherheitsgründen unwahrscheinlich, dass Piloten durch Roboter ersetzt werden. [7]

Während diese Daten einen Einblick in die Wechselwirkungen zwischen Automatisierung und Arbeit bieten, liefern sie nur eine Momentaufnahme der beruflichen Automatisierungsbelastung zu einem bestimmten Zeitpunkt. Die Ängste vor der Automatisierung konzentrieren sich jedoch auf die Zukunft der Arbeit und nicht unbedingt auf das Arbeitsleben in seiner jetzigen Form. Leider zeigen die Daten, dass die Automatisierung trotz der Bemühungen, die Auswirkungen der Automatisierung auf verschiedene Arbeitsplätze vorherzusagen, schwer vorhersehbar war.

Die ungewisse Zukunft der Automatisierung

O*NET hat seinen Automatisierungsgrad seit Anfang der 2000er Jahre aufgezeichnet und regelmäßig aktualisiert und uns so Daten aus fast zwei Jahrzehnten darüber geliefert, wie sich Arbeitsplätze verändert haben. Diese Daten zeigen, dass im Allgemeinen nicht alle Jobs im Laufe der Zeit stärker automatisiert wurden. Während einige Jobs stärker automatisiert wurden, ist dies bei anderen weniger der Fall. Panel (a) von Abbildung 4 zeigt die Verteilung der Veränderungen des Automatisierungsgrads auf Berufsebene zwischen 2002 und 2019. Die Verteilung konzentriert sich auf Null – viele Aufgaben, die im Jahr 2002 nicht automatisiert werden konnten, konnten auch im Jahr 2019 nicht automatisiert werden – aber es gibt eine große Streuung.

Seltsamerweise lassen sich Veränderungen in der Automatisierungssituation nicht ohne Weiteres mit den Grenzen zwischen Arbeitern und Angestellten in Einklang bringen. Einige Arbeiterberufe meldeten im Jahr 2002 einen hohen Automatisierungsgrad und im Jahr 2019 einen niedrigeren Automatisierungsgrad, und einige Angestellte meldeten im Jahr 2002 einen niedrigen Automatisierungsgrad, im Jahr 2019 jedoch einen hohen Automatisierungsgrad. Zum Beispiel Eisenbahnbremse, Signal und Weiche Die Betreiber meldeten im Jahr 2002 einen hohen Automatisierungsgrad, im Jahr 2019 jedoch einen niedrigen Automatisierungsgrad. Im Gegensatz dazu verzeichneten Schadensprüfer, Reisebüros und Versicherungsgutachter in diesem Zeitraum einen deutlichen Anstieg der Automatisierungsbelastung.

Das Streudiagramm in Tafel (b) von Abbildung 4 verdeutlicht zusätzlich die schwache Übereinstimmung zwischen den Automatisierungsmaßnahmen von 2002 und 2019. Die gestrichelte diagonale Linie stellt Punkte dar, an denen die Messung von 2002 die Messung von 2019 genau vorhersagte. Punkte links von der Linie zeigen Fälle an, in denen die Messung von 2002 die zukünftige Automatisierungsbelastung zu niedrig vorhersagt, und Punkte rechts von der Linie zeigen Fälle, in denen die Messung von 2002 die zukünftige Automatisierungsbelastung zu hoch vorhersagt. Die Daten im Histogramm bestätigend, dass die Messung von 2002 etwa die Hälfte aller Berufe in der Datenbank zu niedrig und die andere Hälfte zu hoch vorhersagt. Mit anderen Worten: Es besteht kein starker systematischer Zusammenhang zwischen vergangenen und aktuellen (selbstberichteten) Automatisierungsmaßnahmen.

Abbildung 4. Die Automatisierungsbelastung in der Vergangenheit lässt keinen Rückschluss auf die zukünftige Automatisierungsbelastung zu

Quelle: O*NET-Daten von 2002 und 2019

Darüber hinaus haben Experten versucht, die Automatisierungswahrscheinlichkeit für verschiedene Berufe anhand von Textbeschreibungen verschiedener Berufe vorherzusagen. Diese Vorhersagen zeigen nur einen schwachen Zusammenhang mit der beobachteten Automatisierungsexposition, gemessen anhand des O*NET-Fragebogens. In einem Artikel von Frey und Osborne aus dem Jahr 2017 nutzen die Autoren beispielsweise Textbeschreibungen von Berufen, um Berufe nach ihrer Wahrscheinlichkeit einer Automatisierung zu klassifizieren. [8] Die Autoren verwenden Informationen über die für jeden Beruf erforderlichen Kenntnisse, Fähigkeiten und Aufgaben und verwenden einen Klassifizierungsalgorithmus für maschinelles Lernen, um jedem Beruf Automatisierungswahrscheinlichkeiten zuzuordnen. Wichtig ist, dass Frey und Osborne (2017) die Konzeptualisierung von Automatisierung und Arbeit erweitern, indem sie betonen, dass Fortschritte in der künstlichen Intelligenz bedeuten, dass Bürojobs ebenso anfällig für Automatisierung sein können wie Produktionsjobs.

Während die Analyse in Frey und Osborne (2017) einen wichtigen Beitrag zu unserem Verständnis der Automatisierung leistete, zeigt Abbildung 5, wie sehr diese Vorhersagen von der Realität abweichen. Die horizontale Achse zeigt das O*NET-Maß jedes Berufs für die beobachtete Automatisierungsexposition und die vertikale Achse zeigt die Automatisierungswahrscheinlichkeit jedes Berufs, basierend auf der Methodik von Frey und Osborne. Die Daten weisen eine Reihe bemerkenswerter Merkmale auf. Erstens besteht ein sehr schwacher Zusammenhang zwischen Expertenprognosen und der beobachteten Automatisierungsbelastung. Beispielsweise wurden viele Jobs, die ein hohes Maß an Automatisierung aufweisen, als mit einer geringen Automatisierungswahrscheinlichkeit eingestuft. Zweitens gruppieren sich die meisten Werte aus der Expertenvorhersage um Null und Eins. Mit anderen Worten: Der Algorithmus erzeugt einen starken Kontrast zwischen sicheren und anfälligen Berufen. Diese Methode folgt früheren Ansätzen, bei denen schriftliche Berufsbeschreibungen verwendet wurden, um Jobs in automatisierbare und nicht automatisierbare Jobs zu unterteilen, obwohl die Realität viel differenzierter ist.

Abbildung 5. Schwache Korrelation zwischen Expertenvorhersage und beobachteter Automatisierungsbelastung

Quelle: Frey und Osborne (2017) und O*NET-Daten von 2019

Ein Blick auf bestimmte Berufe zeigt, dass es bei der Klassifizierungsmethode möglicherweise eher um die vollständige Ersetzung von Menschen durch Maschinen als um die allgemeine Einführung von automatisiertem Kapital in den Arbeitsablauf jedes Berufs geht. Zum Beispiel können wir wieder Telefonisten mit Linienpiloten vergleichen. Im Gegensatz zu Flugpiloten sind Telefonisten sowohl stark der Automatisierung ausgesetzt als auch einem hohen Risiko ausgesetzt, durch Maschinen ersetzt zu werden. Panel (b) von Abbildung 5 zeigt, dass der Algorithmus von Frey und Osborne (2017) Telefonisten eine hohe Automatisierungswahrscheinlichkeit und Fluglinienpiloten eine niedrige Wahrscheinlichkeit zuweist. Da O*NET jedoch die tatsächliche Exposition gegenüber Automatisierung misst und Frey und Osborne (2017) sich auf die Ersetzbarkeit konzentrieren, können wir diese Messgrößen gemeinsam verwenden, um Berufe entsprechend ihrer Exposition gegenüber arbeitssubstituierender oder arbeitsergänzender Automatisierung zu klassifizieren.

Berufe, die im oberen rechten Quadranten der Abbildung liegen, wie z. B. Telefonisten, können als arbeitssubstituierende Automatisierungsberufe eingestuft werden. Hierbei handelt es sich um Berufe, bei denen eine hohe prognostizierte Wahrscheinlichkeit eines Maschinenaustauschs und eine hohe beobachtete Automatisierungsexposition besteht. Bei vielen dieser Berufe handelt es sich um Angestellte im Büro. In diese Kategorie fallen beispielsweise Steuerberater, Kreditsachbearbeiter und Versicherungsversicherer. Basierend auf Beschäftigungsdaten des Current Population Survey (CPS) machte diese Gruppe im Jahr 2019 rund 17 Prozent der Gesamtbeschäftigung in den Vereinigten Staaten aus.

Andererseits können Berufe, die im unteren rechten Quadranten der Abbildung liegen, als Berufe eingestuft werden, die der arbeitsergänzenden Automatisierung ausgesetzt sind. Im Gegensatz zu Arbeitsplätzen, die einer arbeitsersetzenden Automatisierung ausgesetzt sind, ist bei diesen Berufen die prognostizierte Wahrscheinlichkeit einer Ersetzung durch Maschinen gering, die beobachtete Exposition gegenüber der Automatisierung jedoch hoch. Dazu gehört eine vielfältige Gruppe von Berufen, die von den Naturwissenschaften über das Gesundheitswesen bis hin zum Management reichen. Beispielsweise berichten Biochemiker, Atemtherapeuten und industrielle Produktionsmanager alle über einen hohen Einsatz automatisierter Technologie, weisen jedoch gemäß der Methodik von Frey und Osborne (2017) einen niedrigen Verdrängungswert auf. Im Jahr 2019 machte diese Kategorie landesweit etwa 10 Prozent der Gesamtbeschäftigung aus.

Die Beziehung zwischen Automatisierung und unserer Arbeitsweise ist komplex und vielschichtig. In manchen Fällen können Maschinen Arbeitskräfte ersetzen, in anderen Fällen machen Maschinen die Arbeitskräfte effizienter. Diese technologische Vielfalt hat es schwierig gemacht, die Automatisierung vorherzusagen. Eine sorgfältige Kombination aus Beobachtungsdaten und Expertenprognosen kann jedoch bessere Einblicke in die Auswirkungen der Automatisierung auf Arbeitnehmer liefern. Die Unterscheidung zwischen arbeitsersetzender und arbeitserhöhender Automatisierung hat Auswirkungen darauf, wie Menschen im Laufe der Zeit Arbeitsmarktentscheidungen getroffen haben.

Automatisierung und sich entwickelnde Beschäftigungsmuster

Im Jahr 2022 sprach die New York Times mit Paul Rizzo, einem Mann Ende 30 ohne vierjährigen Hochschulabschluss, der seinen Job durch Automatisierung verlor. Nach einer langen Zeit der Arbeitslosigkeit fand er Arbeit als Lieferfahrer über die DoorDash-App, was einen größeren Trend auf dem Arbeitsmarkt widerspiegelt, bei dem die Automatisierung dazu geführt hat, dass der Dienstleistungssektor das verarbeitende Gewerbe als wichtigen Arbeitgeber für Arbeitskräfte ohne Hochschulabschluss ersetzt hat . [9] Dieser Übergang kann schwierig sein und, wie die Times betont, für viele Arbeitnehmer schmerzhaft langsam sein und oft lange Phasen der Nichterwerbstätigkeit mit sich bringen.

Daten des CPS bestätigen, dass die Automatisierung den Arbeitsmarkt stetig verändert. Einen Teil dieser Veränderung können wir am stetig sinkenden Beschäftigungsanteil in Berufen erkennen, die der arbeitssubstituierenden Automatisierung ausgesetzt sind. Wie in Abbildung 6 dargestellt, ist von 1990 bis 2019 der Prozentsatz der Arbeitnehmer in Berufen, die von Maschinen erledigt werden können, wie im unteren rechten Quadranten von Abbildung 5 definiert, zurückgegangen, während der Prozentsatz der Arbeitnehmer in Berufen, die von Maschinen ergänzt werden können, zurückgegangen ist. wie durch den oberen rechten Quadranten in Abbildung 5 definiert, hat langsam zugenommen. Im Jahr 1990 waren etwa 22 Prozent der amerikanischen Arbeitnehmer in einem Beruf beschäftigt, der arbeitssparender Automatisierung ausgesetzt war. Bis 2019 sank diese Zahl auf knapp 17 Prozent. Im Gegensatz dazu waren im Jahr 1990 etwa 8 Prozent der Amerikaner in einem Beruf beschäftigt, der arbeitsintensiver Automatisierung ausgesetzt war. Bis 2019 war diese Zahl auf etwas über 10 Prozent gestiegen – ein Anstieg um 25 Prozent. Angesichts der Größe der US-Wirtschaft sind diese Veränderungen erheblich und betreffen Millionen von Arbeitnehmern. Diese Veränderungen werden nicht nur dadurch vorangetrieben, dass alteingesessene Arbeitnehmer ihren Arbeitsplatz wechseln, sondern auch dadurch, dass neue Arbeitnehmer Berufe wählen, die weniger arbeitsplatzersetzenden Automatisierungen ausgesetzt sind.

Abbildung 6. Arbeitnehmer haben Ersatzjobs aufgegeben

Quelle: Berechnungen des Autors unter Verwendung von Daten von Frey und Osborne (2017), O*NET und der Current Population Survey

Übergänge auf dem Arbeitsmarkt können schwierig sein. Erfahrene Arbeitnehmer entwickeln spezielle Fähigkeiten, die sich nur schwer auf neue Umgebungen übertragen lassen. Nachdem beispielsweise Arbeiter Anfang der 2000er-Jahre Arbeitsplätze im verarbeitenden Gewerbe aufgrund der chinesischen Importkonkurrenz verloren hatten, wechselten viele Niedriglohnarbeiter von Produktionsjob zu Produktionsjob und nahmen dafür oft eine Lohnkürzung in Kauf, anstatt sich trotz des Niedergangs der Branche einen neuen Beruf zu suchen. [10] Im Gegensatz dazu gelang es vielen Hochlohnarbeitern, in andere hochbezahlte Jobs außerhalb der Fertigung zu wechseln. Diese Arbeitnehmer, denen der Übergang aus dem verarbeitenden Gewerbe gelang, erlitten im Vergleich zu ihren Kollegen in Branchen, die der chinesischen Importkonkurrenz weniger ausgesetzt waren, keine Einkommensverluste. Ein Großteil des wirtschaftlichen Schadens für die Arbeitnehmer resultierte daher aus der Unfähigkeit, in neue Industrien überzugehen, und nicht aus den direkten Auswirkungen sinkender Löhne im verarbeitenden Gewerbe.

Da berufliche Übergänge im Laufe einer Karriere schwierig sind, erfolgten die größten Abwanderungen aus automatisierbaren Jobs eher von Neueinsteigern als von etablierten Stellen. Im Allgemeinen beginnen Menschen zu Beginn ihrer Karriere in Berufen mit geringeren Qualifikationen und wechseln mit zunehmendem Alter und zunehmender Berufserfahrung schrittweise in Berufe mit höheren Qualifikationen. Abbildung 7 zeigt, dass die Wahrscheinlichkeit, dass jede neue Generation von Arbeitnehmern Berufe ergreift, die durch arbeitssparende Technologien ersetzt werden können, geringer ist als bei der Generation davor, wie in Abbildung (a) zu sehen ist. Aber die Übergänge aus diesen Berufen im Verlauf einer typischen Karriere verlaufen über Generationen hinweg stetig.

Die durchgezogene Linie stellt die Entscheidungen der zwischen 1965 und 1974 geborenen Arbeitnehmer dar, die gestrichelte Linie die Entscheidungen der zwischen 1975 und 1984 geborenen Arbeitnehmer und die lang gestrichelte Linie die Entscheidungen der zwischen 1985 und 1994 geborenen Arbeitnehmer. Mit jeder Generation wird a Ein kleinerer Anteil hat Berufe angenommen, die von Maschinen erledigt werden können. Ungefähr 27 Prozent der Menschen, die zwischen 1965 und 1974 geboren wurden, traten mit Anfang 20 in Berufe ein, die arbeitssubstituierenden Technologien ausgesetzt waren, im Vergleich zu ungefähr 21 Prozent ihrer Altersgenossen, die zwischen 1985 und 1994 geboren wurden. Sobald jedoch jüngere Generationen von Arbeitnehmern in automatisierbare Berufe eintreten, verändern sich ihre Übergänge Der Weggang aus diesen Jobs ahmt die Übergänge älterer Generationen nach. In jeder Kohorte verlassen etwa 5 Prozent der Arbeitnehmer alle 10 Jahre Berufe, die arbeitsplatzersetzenden Technologien ausgesetzt sind.

Abbildung 7. Mit jeder neuen Generation ist es weniger wahrscheinlich, dass sie in automatisierbare Berufe einsteigt

Quelle: Berechnungen des Autors unter Verwendung von Daten von Frey und Osborne (2017), O*NET und der Current Population Survey

Wie in Abbildung (b) gezeigt, hat sich der Anteil der Arbeitnehmer, die Arbeitsplätze antreten, die arbeitsintensiver Automatisierung ausgesetzt sind, kaum verändert. Vielmehr beinhaltete ein Großteil der sich über Generationen hinweg verändernden Arbeitsmarktentscheidungen die Auswahl in nicht automatisierungsgefährdeten Berufen. Die Gründe für diesen Generationswechsel bleiben unklar. Eine Möglichkeit besteht jedoch darin, dass Berufe, die arbeitskräfteerhöhende Technologien einsetzen, Anfangsinvestitionen in Ausbildung oder Humankapital erfordern, die den Arbeitnehmertypen, die sonst Arbeitsplätze angenommen hätten, in denen heute arbeitssparende Maschinen zum Einsatz kommen, nicht zur Verfügung stehen.

Die Automatisierung hat die Struktur und Zusammensetzung des Arbeitsmarktes verändert. Jedes Jahr ziehen sich Arbeitnehmer aus Berufen zurück, in denen arbeitssparende Technologien zum Einsatz kommen. Diese Anpassung erfolgt jedoch langsam und über Generationen hinweg. Andere Untersuchungen haben gezeigt, dass Übergänge für bestehende Erwerbstätige weiterhin schwierig sind, da Arbeitnehmer im Laufe ihrer Karriere branchen- und berufsspezifische Humankapitalinvestitionen tätigen, die nicht übertragbar sind. [11, 12] Darüber hinaus leben viele Arbeitnehmer in automatisierungsgefährdeten Berufen möglicherweise in Regionen des Landes, in denen die meisten anderen Arbeitsplätze ebenfalls stark der Automatisierung ausgesetzt sind. Diese Faktoren sowie die abnehmende geografische Mobilität deuten darauf hin, dass die Berufswahl eingeschränkter sein könnte, als aggregierte landesweite Daten vermuten lassen. [13]

Geographie der Automatisierungsexposition

Die Automatisierung betrifft alle Ecken der Vereinigten Staaten. In den Pendlerzonen sind zwischen 24 und 36 Prozent aller Arbeitnehmer der Automatisierung ausgesetzt. Dennoch führt dieser Bereich dazu, dass einige Orte deutlich exponierter sind als andere. Angesichts der regionalen Natur sowohl der Branchen als auch der Arbeitsmärkte müssen politische Entscheidungsträger die Automatisierung aus einer geografischen Perspektive betrachten. Stellen Sie sich eine Arbeiterin vor, die ihren Job durch eine Maschine verliert. Da die meisten anderen verbundenen Unternehmen auf ihrem Arbeitsmarkt aufgrund der Automatisierung ebenfalls Arbeitskräfte abbauen, ist ihre Fähigkeit, sich von ihrem Arbeitsplatzverlust zu erholen, stark eingeschränkt. Wenn sie hingegen in einem Teil des Landes mit einem vielfältigeren Berufsmix leben würde, könnte sie leichter in einen neuen Job wechseln.

Tatsächlich variiert die durchschnittliche Gefährdung durch Automatisierung in den Vereinigten Staaten stark. [14] Abbildung 8 zeigt eine Karte des Anteils der Arbeitnehmer in stark automatisierungsgefährdeten Berufen basierend auf Automatisierungsdaten von O*NET und Beschäftigungsdaten aus dem American Community Survey (ACS) von 2019. [15] Jede Grenze auf der Karte stellt einen lokalen Arbeitsmarkt dar, der als Pendlerzone bezeichnet wird. Dabei handelt es sich um eine Ansammlung von Landkreisen, in denen innerhalb der Zonen viel Pendler und nur wenig zwischen Zonen pendelt. [16]

Abbildung 8: Die Region der Großen Seen ist stark der Automatisierung ausgesetzt

Quelle: Berechnungen des Autors unter Verwendung von Daten aus der American Community Survey 2019 und O*NET-Daten 2019

Die Automatisierungsbelastung variiert je nach Region und ist weder extrem konzentriert noch weit verstreut. Im Gegensatz zu der starken lokalen Clusterbildung im US-amerikanischen Fertigungssektor erstreckt sich die Automatisierung beispielsweise über ein breiteres Spektrum geografischer Regionen. Allerdings ist das Engagement in der Automatisierung stärker konzentriert als im relativ gleichmäßig verteilten Gesundheitssektor. Während makroökonomische Maßnahmen zur Förderung der Vollbeschäftigung Arbeitnehmern helfen können, die von der Automatisierung betroffen sind, sind dennoch gezielte ortsbezogene Maßnahmen erforderlich, um spezifische regionale Herausforderungen anzugehen.

Abbildung 9 vergleicht die Verteilungen der Exposition gegenüber Automatisierung, der Exposition gegenüber dem verarbeitenden Gewerbe im Jahr 1990 und der Exposition gegenüber dem Gesundheitssektor. Um sich auf Verteilungsvergleiche zu konzentrieren, wird jedes Maß auf 0 zentriert. Eine flachere und breitere Verteilung impliziert eine stärkere regionale Spezialisierung, während eine dünnere und spitzere Verteilung eine geringere Konzentration impliziert. Wie aus Abbildung (a) hervorgeht, ist die Exposition gegenüber Automatisierung deutlich weniger regional konzentriert als die Exposition gegenüber dem verarbeitenden Gewerbe, und wie Abbildung (b) zeigt, ist die Exposition gegenüber Automatisierung regional etwas stärker konzentriert als die Exposition gegenüber dem Gesundheitssektor.

Abbildung 9: Die Automatisierung ist weniger regional konzentriert als das verarbeitende Gewerbe, aber stärker konzentriert als das Gesundheitswesen

Quelle: Berechnungen des Autors unter Verwendung von Daten der zehnjährigen Volkszählung 1990, der American Community Survey 2019 und der O*NET-Daten 2019

Der Anteil der Arbeitnehmer in stark automatisierungsgefährdeten Berufen liegt in den Einzugsgebieten zwischen etwa 25 und 36 Prozent. Dies steht in etwa im Einklang mit anderen Schätzungen der geografischen Variation der Automatisierungsbelastung. Niedrige und hohe Expositionsraten neigen dazu, stark im Raum gehäuft zu sein. Die am wenigsten exponierten Pendlerzonen befinden sich hauptsächlich im Gebirgswesten sowie in den Küstengebieten auf beiden Seiten des Landes. Im Gegensatz dazu befinden sich die am stärksten gefährdeten Pendlerzonen in der Regel in den Regionen Great Plains und Rust Belt.

Auf den Arbeitsmärkten im Bergwesten gibt es tendenziell einen hohen Anteil an Arbeitnehmern im Management oder in kundenorientierten Dienstleistungsberufen wie Einzelhandelsverkäufern oder Kellnern. Darüber hinaus gibt es auch einen relativ großen Anteil an Arbeitnehmern im Baugewerbe und in der Zimmerei. Diese Berufe erfordern immer noch viel menschliches Engagement, sei es aufgrund ihrer Serviceorientierung, wie im Fall von Restaurantkellnern, oder weil neuere Technologien nicht weit verbreitet sind, wie im Fall des Baugewerbes.

Interessanterweise wird die Karte der hohen Automatisierungsexposition nicht von Produktionsberufen, sondern von Arbeitsplätzen in der Landwirtschaft geprägt. Dies ist teilweise auf einen zunehmend automatisierten Agrarsektor und teilweise auf eine breite regionale sektorale Spezialisierung zurückzuführen. Beispielsweise arbeiten über 6 Prozent der Arbeitnehmer im Einzugsgebiet Ord, NE, in der Landwirtschaftsverwaltung. Solche Berufe sind in den letzten Jahren zu High-Tech-Arbeitsplätzen geworden, wobei viele Datenerfassungs- und -speicherungsaufgaben heute von Computern automatisiert werden. Viele andere in der Great Plains-Region arbeiten als Buchhalter oder Finanzmanager, Berufe mit hohem Automatisierungsgrad, die wahrscheinlich auch im Agrarsektor tätig sind.

Während Abbildung 8 die Exposition gegenüber Automatisierung im weitesten Sinne beschreibt, können wir die Automatisierung weiter als arbeitssubstituierend oder arbeitsergänzend klassifizieren. Unter arbeitsersetzender Automatisierung versteht man Roboter oder Software, die Arbeitskräfte ersetzen können. Ich definiere Berufe, die einer arbeitsersetzenden Automatisierung ausgesetzt sind, basierend auf dem Niveau der beobachteten Automatisierungsexposition, gemessen durch O*NET, und der Ersetzungswahrscheinlichkeit, gemessen durch Frey und Osborne (2017), über dem Median. Hierbei handelt es sich um Berufe, die im oberen rechten Quadranten von Abbildung 5 liegen. Arbeitsergänzende Automatisierung hingegen bezieht sich auf Maschinen, die Arbeitnehmer unterstützen, indem sie ihnen die Belastung durch sich wiederholende Aufgaben abnehmen und ihnen mehr Zeit geben, sich auf abstrakte Aufgaben zu konzentrieren. Berufe, die einer arbeitsergänzenden Automatisierung ausgesetzt sind, klassifiziere ich, wenn die beobachtete Exposition gegenüber Automatisierung über dem Median liegt, die Wahrscheinlichkeit einer Ersetzung jedoch unter dem Median liegt. Dabei handelt es sich um Berufe, die im unteren rechten Quadranten von Abbildung 5 liegen.

Abbildung 10 zeigt die geografische Verteilung des Anteils der Arbeitnehmer, die arbeitsplatzersetzender Automatisierung ausgesetzt sind. Bundesweit liegen die Anteile zwischen etwa 13 und 22 Prozent. Nach wie vor gibt es eine große geografische Clusterung. Ein hoher Anteil arbeitsersetzender Automatisierung konzentriert sich auf die Region der Großen Seen sowie die Küstengebiete Alaskas.

Im Allgemeinen ist eine hohe Exposition gegenüber arbeitssubstituierender Automatisierung nicht auf Produktionsberufe zurückzuführen. Beispielsweise ist die Automatisierung in den Pendlerzonen entlang der Pazifikküste Alaskas auf Alaskas bedeutende kommerzielle Fischereiindustrie zurückzuführen. Die Fischerei in den Vereinigten Staaten wurde in den letzten Jahren zunehmend automatisiert. [17] Darüber hinaus ist selbst in Einzugsgebieten mit großen Fertigungsindustrien die Exposition gegenüber arbeitsplatzersetzender Automatisierung eher auf Dienstleistungs- und Büroberufe als auf Produktionsberufe zurückzuführen. Im Einzugsgebiet zwischen Flint und Detroit sind beispielsweise Mitarbeiter, die als Sekretärinnen, Buchhalter oder Rechnungskaufleute arbeiten, der Automatisierung ausgesetzt. Etwas mehr als 17 Prozent der gesamten Arbeitsstunden in dieser Pendelzone entfallen auf Berufe, die arbeitssparender Technologie ausgesetzt sind. Etwa 2 Prozentpunkte entfallen auf Produktionsberufe, während etwa 6 Prozentpunkte auf Verwaltungsberufe entfallen.

Abbildung 10: Arbeitssparende Automatisierung konzentriert sich auf die Großen Seen

Quelle: Berechnungen des Autors unter Verwendung von ACS-Daten 2019, O*NET-Daten 2019 und Daten von Frey und Osborne (2017)

Abbildung 11 zeigt die geografische Verteilung des Anteils der Arbeitnehmer, die arbeitsergänzenden Formen der Automatisierung ausgesetzt sind. Im Allgemeinen sind weniger Arbeitnehmer arbeitsergänzenden Technologien ausgesetzt als arbeitssparenden Technologien. Die Anteile liegen zwischen 6,6 und 17,4 Prozent. Die meisten stark gefährdeten Pendlerzonen liegen in der Region Great Plains.

Diese Automatisierungsexponierung wird größtenteils von einer High-Tech-Landwirtschaftsindustrie vorangetrieben. Beispielsweise sind in der Pendlerzone rund um Pierre, SD, fast 10 Prozent der Arbeitnehmer in der landwirtschaftlichen Verwaltung tätig. Laut O*NET verwenden landwirtschaftliche Manager automatisierte Software zum Aufzeichnen und Sammeln von Daten, müssen jedoch ein hohes Maß an Urteilsvermögen an den Tag legen, um Entscheidungen darüber zu treffen, wie Ressourcen angesichts der verfügbaren Daten zugewiesen werden sollen. In nichtlandwirtschaftlichen Einzugsgebieten ist die Belastung durch arbeitsplatzsteigernde Automatisierung größtenteils auf Finanzen, Management und öffentlichen Schutz zurückzuführen. Beispielsweise wird in der Pendlerzone, die Washington, D.C., Teile von Maryland und Nord-Virginia umfasst, die Automatisierungsgefährdung durch Kriminalermittler, Vorgesetzte von Büroangestellten und Finanzmanager vorangetrieben.

Abbildung 11: Arbeitsergänzende Automatisierung ist in den Ebenen konzentriert

Quelle: Berechnungen des Autors unter Verwendung von ACS-Daten 2019, O*NET-Daten 2019 und Daten von Frey und Osborne (2017)

Entgegen der landläufigen Meinung wird die Exposition gegenüber Automatisierung nicht durch Produktionsberufe, sondern durch Berufe in der Landwirtschaft, im Finanzwesen und im Büro bestimmt. Dieses Muster gilt sowohl für arbeitssparende als auch für arbeitserhöhende Technologien. Darüber hinaus führt die regionale Spezialisierung in verschiedenen Branchen zu unterschiedlichen Auswirkungen der Automatisierung auf die lokalen Arbeitsmärkte in den Vereinigten Staaten. Diese ungleiche Geografie der Automatisierung bedeutet, dass politische Entscheidungsträger bei der Ausarbeitung politischer Vorschläge die Bedeutung des Ortes erkennen müssen, um Arbeitsmarktübergänge für diejenigen zu erleichtern, die der Automatisierung ausgesetzt oder durch sie verdrängt sind. [18]

Überdenken der Arbeitspolitik für die Automatisierungswirtschaft

Während die Technologie weiterhin unsere Wirtschaft prägt, müssen sich die politischen Entscheidungsträger mit den Auswirkungen der Automatisierung auf den Arbeitsmarkt auseinandersetzen. Einige, wie die demokratischen Senatoren Mark Warner und Chris Coons sowie der republikanische Senator Mike Lee, haben Maßnahmen vorgeschlagen, die die Entwicklung der Arbeitskräfte fördern. Andere, wie Senator Bernie Sanders, haben darüber nachgedacht, Roboter zu besteuern, um der Vertreibung von Arbeitnehmern entgegenzuwirken. Die in dieser Analyse gezeigten Erkenntnisse legen nahe, dass sich eine solide Arbeitsmarktpolitik für das Automatisierungszeitalter nicht darauf konzentrieren sollte, Investitionen in neue Technologien zu behindern. Vielmehr sollte sich eine gute Politik darauf konzentrieren, Arbeitnehmern einen reibungslosen Übergang von einem Arbeitsplatz zum nächsten zu ermöglichen.

Obwohl gut gemeint, können Maßnahmen wie Robotersteuern mehr schaden als nützen, da die Auswirkungen der Automatisierung auf den Verlust von Arbeitsplätzen oft indirekter Natur sind. Nehmen wir als Beispiel Industrieroboter: Anstatt Arbeiter zu entlassen, erweitern Unternehmen, die Roboter einführen, in der Regel ihre Belegschaft, nachdem sie in die Automatisierung investiert haben. [19] Stattdessen kommt es zu Arbeitsplatzverlusten, wenn kleine Unternehmen, die keine Roboter einführen, Marktanteile an größere Unternehmen verlieren und ihre Belegschaft schließen oder reduzieren. [20] Im besten Fall haben Robotersteuern, die an Entlassungen geknüpft sind, keine Wirkung, da Unternehmen, die in Roboter investieren, ohnehin dazu neigen, die Beschäftigung zu erhöhen. Aber wenn die Steuer eine allgemeine Strafe für die Einführung von Robotern jeglicher Art darstellt, dann könnte eine Politik, die die Schaffung von Arbeitsplätzen bestraft, nach hinten losgehen.

Diese schumpeterische „schöpferische Zerstörung“, die durch wachsende und schrumpfende Unternehmen verursacht wird, erfordert, dass Arbeitnehmer von einem Arbeitsplatz zum nächsten wechseln. Doch Arbeitsmarktübergänge können für den Einzelnen kostspielig sein und der Arbeitsmarkt passt sich im Allgemeinen nur langsam an wirtschaftliche Veränderungen an. Wie oben gezeigt, finden Veränderungen auf dem Arbeitsmarkt in den Vereinigten Staaten tendenziell im Laufe der Generationen statt. Jede neue Kohorte von Arbeitnehmern trifft andere Entscheidungen hinsichtlich ihrer anfänglichen Beschäftigung, doch sobald sie eingestellt sind, tendieren sie dazu, einen festgelegten Karriereweg fortzusetzen.

Der kostspielige Charakter von Übergängen – entgangener Verdienst aufgrund der Zeit der Arbeitslosigkeit in Kombination mit den Kosten für Umschulungen und der Häufigkeit des „Absteigens“ in eine schlechter bezahlte Position – war in der Vergangenheit die Hauptursache für individuelle wirtschaftliche Verluste aufgrund von Veränderungen auf dem Arbeitsmarkt. Belege aus der Anpassung an den chinesischen Importwettbewerb zeigen beispielsweise, dass die Schwierigkeit nicht in der gesunkenen Arbeitsnachfrage im verarbeitenden Gewerbe lag, sondern in der schwierigen Verlagerung vom verarbeitenden Gewerbe in andere Branchen. [21] Da der Übergang zu einem neuen Arbeitsplatz schwierig ist, haben Arbeitsplatzverluste tendenziell langfristige Auswirkungen auf die Arbeitnehmer und schmälern das Lebenseinkommen. [22]

Jobübergänge sind im Kontext der Automatisierung noch wichtiger. Während es sich bei Handelsschocks in der Regel um einmalige Veränderungen der Wirtschaftsstruktur handelt, handelt es sich bei der Automatisierung um einen fortlaufenden Prozess des technologischen Wandels. Infolgedessen wird die Zukunft der Arbeit wahrscheinlich eher die eines Arbeitsmarktes im Wandel als die eines Arbeitsmarktes im Niedergang sein.

Auch geografische und regionale Unterschiede stellen ein wesentliches Hindernis für die Anpassung des Arbeitsmarktes dar. Unterschiedliche wirtschaftliche Ausgangsbedingungen können dazu führen, dass einige Regionen gegenüber Veränderungen in der Wirtschaft, sei es Importkonkurrenz oder neue Technologien, weniger widerstandsfähig sind als andere. [23] Die regionale Konzentration automatisierungsgefährdeter Arbeitsplätze in Kombination mit natürlichen geografischen Unterschieden in Branchen und Berufen bedeutet, dass der Übergang je nach Wohnort des Arbeitnehmers mehr oder weniger schwierig sein wird. Viele Arbeitnehmer sind nicht bereit, Jobs mit Lohneinbußen anzunehmen, was zu längeren Phasen der Arbeitslosigkeit und dem Verlust der Ansammlung von Humankapital führt. Ortsbezogene Arbeitsmarktanpassungsmaßnahmen, insbesondere solche, die auf die am stärksten benachteiligten Regionen abzielen, sind wesentliche Bestandteile eines umfassenderen politischen Rahmens, der gute Arbeitsmarktergebnisse ermöglicht, indem er in Richtung des technologischen Wandels und nicht dagegen arbeitet.

Abschluss

Die Auswirkungen der Automatisierung auf den Arbeitsmarkt sind differenziert und komplex. Historisch gesehen waren die Reaktionen der Arbeitnehmer auf die Automatisierung unterschiedlich. Bibliothekare begrüßten die Digitalisierung der Katalogisierung ihrer Sammlungen, da sie durch den Wegfall alltäglicher Aufgaben die Möglichkeit hatten, ihre Zeit besser zu nutzen. Doch die Produktionsarbeiter wehrten sich gegen den Aufstieg der Roboter, aus Angst, ihren Arbeitsplatz zu verlieren.

Heutzutage sorgen neue Technologien wie große Sprachmodelle dafür, dass qualifizierte Angestellte um ihre Arbeitsplatzsicherheit bangen. Ein Teil der Angst rührt von den Unsicherheiten im Zusammenhang mit der Unvorhersehbarkeit der Automatisierung her. Eine sorgfältige Analyse von Beobachtungsdaten, Expertenprognosen und Erfahrungen aus der Vergangenheit kann jedoch Aufschluss darüber geben, wie sich die Automatisierung auf Arbeitnehmer auswirken kann.

Die Automatisierung hat zweifellos den Arbeitsmarkt verändert, doch die Anpassungen vollziehen sich nur langsam. Während die Wahrscheinlichkeit, dass jede neue Generation von Arbeitnehmern automatisierbare Jobs annimmt, geringer ist, bleiben Übergänge für bestehende Mitglieder der Erwerbsbevölkerung schwierig. Im Laufe ihrer Karriere tätigen Arbeitnehmer branchen- und berufsspezifische Investitionen in Humankapital, die nicht übertragbar sind.

Darüber hinaus leben viele Arbeitnehmer in automatisierungsanfälligen Berufen zufällig in Teilen des Landes, in denen die meisten anderen Arbeitsplätze ebenfalls stark der Automatisierung ausgesetzt sind. Infolgedessen ist die Berufswahl möglicherweise eingeschränkter, als landesweite Daten vermuten lassen. Da die Auswirkungen der Automatisierung je nach Region unterschiedlich sind, ist der lokale Kontext für die Gestaltung von Richtlinien zur Anpassung an den technologischen Wandel von Bedeutung.

Diese Richtlinien sollten die Einführung neuer Technologien nicht belasten oder behindern, da eine Behinderung der Automatisierung nach hinten losgehen kann. Stattdessen sollte die Gesetzgebung darauf abzielen, den Übergang zu neuen Arbeitsplätzen zu erleichtern. Darüber hinaus sind aufgrund der regionalen Natur der Arbeitsmärkte ortsbezogene Maßnahmen von entscheidender Bedeutung, und gezielte Maßnahmen sollten auf die Bedürfnisse notleidender Regionen eingehen. Indem wir anpassungsfähige und regionalspezifische Richtlinien priorisieren, können wir die transformative Kraft der Automatisierung nutzen und eine Zukunft der Arbeit fördern, die allen Mitgliedern der Gesellschaft zugute kommt.

Anmerkungen

Wirtschaftsdynamik | Öffentliche Ordnung