Der Ökonom Jon Hartley hat kürzlich in einem Thread auf X ein neues Arbeitspapier zu generativer KI und dem Arbeitsmarkt hervorgehoben: Jon-Hartley-Thread. Das Papier, das auf SSRN verfügbar ist, wurde von Jolevski, Melo und Moore verfasst.

Die Ergebnisse zusammenfassend schreibt Hartley: „Die Verbreitung generativer KI ist weit fortgeschritten, doch substanzielle aggregierte Arbeitsmarktverwerfungen sind bisher nicht sichtbar. Arbeitnehmer nehmen gleichwohl ein erhebliches Verdrängungsrisiko wahr, insbesondere dann, wenn die eigene Nutzung zeigt, dass KI zentrale Aufgaben ihres Berufs erledigen kann."

Die Studie ergänzt eine wachsende Forschungsliteratur, die untersucht, wie generative KI-Tools in der Erwerbsbevölkerung eingesetzt werden und ob sich diese Verbreitung in messbaren Beschäftigungsveränderungen niederschlägt. Zu dieser Literatur gehören frühere experimentelle Arbeiten von Erik Brynjolfsson, Danielle Li und Lindsey Raymond zu Kundenservice-Mitarbeitern – die Produktivitätsgewinne vor allem bei weniger erfahrenen Beschäftigten feststellten – sowie Erhebungen wie die „Business Trends and Outlook Survey" des Census Bureau, die eine schnelle Verbreitung der KI-Nutzung in Unternehmen dokumentiert hat. Während sich große Sprachmodelle und ähnliche Werkzeuge seit ihrer Einführung unter Arbeitnehmern rasch ausgebreitet haben, zeigen die aggregierten Beschäftigungsdaten bisher nur begrenzte Hinweise auf eine flächendeckende Verdrängung, so die Befunde des Papiers, wie sie in Hartleys Thread dargestellt werden.

Die Forschung verweist zudem auf eine deutliche Lücke zwischen Wahrnehmung und beobachteten Ergebnissen: Selbst wo eine aggregierte Verwerfung noch nicht messbar ist, äußern einzelne Arbeitnehmer ernsthafte Sorgen, verdrängt zu werden – und diese Sorge ist am stärksten bei denjenigen, die KI direkt genutzt und erlebt haben, wie sie Aufgaben erledigt, die für ihren eigenen Beruf zentral sind. Diese Lücke zwischen Wahrnehmung und Ergebnis ist für Politikgestalter relevant, denn Verdrängungsängste von Beschäftigten können Entscheidungen über Weiterbildung, Jobwechsel und Lohnverhandlungen beeinflussen, noch bevor sich aggregierte Statistiken verändern – und weil frühere technologische Umbrüche wie die Computerisierung historisch von verzögerten Arbeitsmarktanpassungen gefolgt waren, die mit groben Aggregatdaten in Echtzeit nur schwer zu erkennen sind.

Als weitere Einordnung hat Alex Tabarrok von Marginal Revolution am Vortag einen Beitrag zu KI und Beschäftigung veröffentlicht, der auf den Berichten der Unternehmen selbst über die Auswirkungen von KI auf Einstellungen und Personalplanung basiert. Zusammen spiegeln das Papier und der begleitende Kommentar die anhaltende Debatte unter Ökonomen wider, ob die Arbeitsmarkteffekte generativer KI schlicht noch nicht im großen Maßstab eingetreten sind oder ob die vorhandenen Daten noch nicht fein genug aufgelöst sind, um sie zu erfassen. Eine naheliegende Frage für die weitere Forschung ist, ob Aufgaben- und berufsspezifische Datensätze künftig Effekte sichtbar machen, die nationale Aggregate bislang verdeckt haben.

Quelle: Marginal Revolution