Page - 228 - in Künstliche Intelligenz - Technologie | Anwendung | Gesellschaft

228 C Gesellschaft ten die beiden Autoren ein dramatisches Zukunftsbild für die Arbeit und stießen in den Medien auf ein großes Echo. In den Folgejahren griffen zahlreiche weitere Stu- dien das Thema erneut auf, indem sie entweder den Ansatz von Frey und Osborne auf andere Regionen übertrugen (Arntz et al. 2016; Bonin et al. 2015; Bowles 2014; Brzeski und Burk 2015) oder mit alternativen Methoden (z. B. tätigkeitsbasierter Ansatz) das Automatisierungspotenzial von Tätigkeiten abschätzten (Manyika et al. 2017; Berriman und Hawksworth 2017; Dengler und Matthes 2015, 2018; The World Bank Group 2016; Bonin et al. 2015; Arntz et al. 2016; World Economic Forum 2016). Dabei reicht das Prognosespektrum für den Anteil der Beschäftigten mit „hohem“ Substitutionspotenzial – definiert durch ein Substitutionsrisiko von über 70 Prozent – aufgrund methodischer Unterschiede für Deutschland von 12 Prozent bis hin zu fast 60 Prozent. Quantifiziert wird mit diesen, teils alarmierenden Zahlen jedoch lediglich das technische Automatisierungspotenzial, welches nicht mit einer Umset- zung der Automatisierung gleichzusetzen ist (Bonin et al. 2015). Unberücksichtigt bleiben in diesen Prognosen die technologischen und betriebswirtschaftlichen Hür- den, die einer Ausschöpfung dieses theoretischen Potenzials entgegenstehen. Hier- auf haben kürzlich auch Frey und Osborne in einem Online-Beitrag hingewiesen und ergänzend angemerkt, dass sie in ihrem Papier aus dem Jahr 2013 bewusst keinen Zeithorizont für die Automatisierung benannt haben (Frey und Osborne 2018). Zuletzt bleiben dabei auch gesamtwirtschaftliche Effekte unberücksichtigt. So kann der technologische Wandel auch neue Arbeitsplätze schaffen, z. B. bei der Herstel- lung der neuen Technologien (Vogler-Ludwig 2017; Bonin et al. 2015). Um diese Prognoselücke zu schließen, wurde mithilfe von komplexen Szenario-Rechnungen der Versuch unternommen, die zukünftigen Wirkungen auf die Gesamtbeschäfti- gung unter Berücksichtigung der wichtigsten ökonomischen Einflussgrößen zu schätzen. Für Deutschland ergibt sich auch dabei kein klares Bild, so reichen die Pro- gnosen von leicht negativen bis hin zu deutlich positiven (Vogler-Ludwig et al. 2016; Wolter et al. 2015; Zika et al. 2018; Arntz et al. 2018). Darüber hinaus sind auch kritischen Stimmen zu nennen, die vielfach Methodik und Annahmen der Prognosen anzweifeln und die Aussagekraft der Studien grundsätzlich in Frage stellen (Heinen et al. 2017; Brooks 2017). Wenngleich sich die zahlreichen Prognose-Studien vorwiegend auf den allgemeinen Einfluss des technologischen Wandels beziehen, so stellen bereits Frey und Osborne einen deutlichen Bezug zur KI her. Demnach sehen die beiden Autoren neben der Robotik im ML eine der wichtigsten technologischen Entwicklungen des 21. Jahr- hunderts. Getrieben durch die Verfügbarkeit von Big Data kann durch ML-Anwen- dungen ein breites Spektrum kognitiver, nicht routinemäßig ausgeführter Tätigkeiten automatisiert werden, während Entwicklungen in der Robotik im wachsenden Umfang manuelle Aufgaben unterstützen können (Frey und Osborne 2017, 2013).