- Arbeitsmarktdaten aus Dänemark für 2023–2024 zeigen, dass generative KI-Chatbots wie ChatGPT schnell eingeführt wurden, sich bislang aber kaum Veränderungen bei Löhnen oder Beschäftigung insgesamt zeigen
- Ökonomen der University of Chicago und der University of Copenhagen analysierten Daten von 25.000 Beschäftigten und 7.000 Betrieben in 11 Berufsgruppen, die als besonders anfällig für Automatisierung gelten
- 64–90 % der KI-Nutzer berichteten von Zeitersparnissen, doch im Durchschnitt betrug die Ersparnis nur 2,8 % der Arbeitszeit, also etwa 1 Stunde pro Woche
- Für 8,4 % der Beschäftigten entstanden neue Aufgaben, etwa das Erkennen von ChatGPT-Nutzung bei Hausaufgaben durch Lehrkräfte, die Qualitätsprüfung von KI-Ausgaben oder das Schreiben von Prompts, wodurch ein Teil der Einsparungen wieder aufgezehrt wurde
- Da die Daten auf die frühe Einführungsphase und auf Dänemark beschränkt sind, ist bei Verallgemeinerungen Vorsicht geboten; zugleich bremst die Studie Erwartungen, dass generative KI unmittelbar breite Veränderungen am Arbeitsmarkt auslöst
Frühe Effekte generativer KI anhand dänischer Arbeitsmarktdaten
- Eine neue Studie analysiert, dass generative KI-Modelle wie ChatGPT auf dem dänischen Arbeitsmarkt 2023–2024 bislang kaum signifikante Auswirkungen auf Löhne oder Beschäftigung insgesamt hatten
- Das Working Paper der Ökonomen Anders Humlum und Emilie Vestergaard von der University of Chicago und der University of Copenhagen trägt den Titel „Large Language Models, Small Labor Market Effects“
- Untersucht wurden 11 Berufsgruppen, die als anfällig für Automatisierung gelten, darunter Buchhalter, Softwareentwickler und Kundensupport-Spezialisten
- Der Datensatz umfasst 25.000 dänische Beschäftigte und 7.000 Betriebe
Schnelle Einführung, geringe wirtschaftliche Veränderung
- KI-Investitionen von Unternehmen erhöhten die Nutzung der Tools, und unter den Nutzern in den untersuchten Berufsgruppen berichteten 64–90 % von Zeitersparnissen
- Während des Untersuchungszeitraums hatten KI-Chatbots jedoch in keiner Berufsgruppe einen signifikanten Einfluss auf Einkommen oder erfasste Arbeitszeit
- Die Konfidenzintervalle der statistischen Analyse schließen aus, dass der durchschnittliche Effekt über 1 % liegt
- Humlum sagte gegenüber The Register, dass die meisten Beschäftigten in den exponierten Berufsgruppen Chatbots eingeführt hätten, dies bei den wirtschaftlichen Ergebnissen aber „die Nadel nicht bewegt“ habe
Neue Aufgaben zehren die Zeitersparnis auf
- KI-Chatbots schufen für 8,4 % der Beschäftigten neue Aufgaben; auch Beschäftigte, die die Tools nicht direkt nutzen, waren betroffen
- Beispiele für neue Aufgaben sind:
- Zeit, die Lehrkräfte damit verbringen, die ChatGPT-Nutzung bei Hausaufgaben von Schülern zu erkennen
- die Qualitätsprüfung von KI-Ausgaben durch andere Beschäftigte
- wiederholtes Ausprobieren, um effektive Prompts zu erstellen
- Die von Nutzern gemeldeten Produktivitätsgewinne lagen im Durchschnitt bei 2,8 % der Arbeitszeit, also etwa 1 Stunde pro Woche
- Nicht die gesamte eingesparte Zeit führte zu wirtschaftlicher Vergütung; geschätzt wurden nur 3–7 % des Produktivitätszuwachses in höhere Einkommen der Beschäftigten umgewandelt
Kluft zwischen Laborergebnissen und realer Arbeit
- The Register weist darauf hin, dass diese Ergebnisse im Widerspruch zu einer im Februar veröffentlichten randomisierten kontrollierten Studie stehen
- In dieser randomisierten kontrollierten Studie steigerte generative KI die Produktivität von Beschäftigten im Durchschnitt um 15 %
- Humlum sieht den Unterschied darin begründet, dass andere Experimente sich auf Aufgaben konzentrierten, die besonders gut für KI geeignet sind
- Die meisten realen Jobs umfassen Aufgaben, die KI nicht vollständig automatisieren kann, und Organisationen lernen noch, die Tools effektiv zu integrieren
Begrenzte Momentaufnahme und offene Fragen
- Diese Schlussfolgerungen könnten aufgrund von Zeitpunkt und Umfang künftig neu bewertet werden
- Die Daten aus 2023–2024 erfassen nur die frühe Phase der Einführung generativer KI, sodass verzögerte Effekte oder Auswirkungen stärker integrierter generativer KI-Nutzung über Chatbots hinaus fehlen könnten
- Die Konzentration auf dänische Daten kann lokale Effekte übersehen, die in anderen Arbeitsmärkten oder in bestimmten Bereichen wie freiberuflicher Kreativarbeit bereits auftreten
- Dennoch lässt sich die Studie als frühe Momentaufnahme verstehen, die die Erzählung infrage stellt, generative KI habe bereits sofortige und breit angelegte Veränderungen am Arbeitsmarkt bewirkt
- Die langfristigen wirtschaftlichen Auswirkungen generativer KI bleiben wegen der schnellen technologischen Entwicklung weiterhin ungewiss und umstritten
1 Kommentare
Hacker-News-Meinungen
Ich erinnere mich, vor fast zehn Jahren im Economist gelesen zu haben, dass die Folge von Automatisierung nicht die Abschaffung von Jobs ist, sondern dass mehr Arbeit entsteht und weniger Juniors eingestellt werden.
Das Beispiel war, dass Suchmaschinen und digitale Dokumente die Zahl der Junior-Anwälte stark reduziert haben. Früher beauftragte man bei der Prozessvorbereitung ein Team aus 3 bis 10 Juniors damit, im echten Archiv nach relevanten Präzedenzfällen zu suchen; heute reicht ein Junior mit Laptop. Dadurch können Kanzleien auch mehr Fälle bearbeiten. Das wirkt wie ein ziemlich allgemeines Muster.
Dank interner KI bei Facebook hält man ein Callcenter nun aber vielleicht für machbar. Die meisten Anrufe drehen sich um Dinge wie „Passwort vergessen“ oder „es ist kaputt“, und ein Roboter, der in über 50 Sprachen durch eine FAQ führt, würde für etwa 90 % davon ausreichen. Nur die schwierigeren Fälle müssten an Menschen weitergegeben werden.
Deshalb sehe ich die Beziehung zwischen neuer Technologie und Arbeit eher als fraktal denn als hierarchisch. Früher hätte Zuck gar nicht über ein Callcenter nachgedacht, und entsprechend hätte es auch diese vielen Jobs nicht gegeben; dank der neuen Technologie entsteht nun ein kleineres Callcenter, in dem Menschen nur die schwierigen Probleme bearbeiten. Die Form ist ähnlich, aber etwas anders.
Das soll nicht heißen, dass Technologie nicht disruptiv ist. Aber Technologie schafft im Allgemeinen neue Jobs, und diese Jobs bewegen sich in Richtung schwierigerer Probleme. Die Grenzen werden feiner aufgeteilt, und für den Kopf wird es eine spezialisiertere und anstrengendere Umgebung. Das Problem ist, dass man – wie bei Doktoranden – den Menschen an dieser Grenze vertrauen muss, ob sie tatsächlich arbeiten oder nur bluffen. Cal Newport sagt auch oft, dass Wissensarbeit lange so aussieht, als käme nichts dabei heraus, bis plötzlich ein genialer Moment kommt. Für mich ist das weniger ein intellektuelles als ein emotionales Problem.
Wenn später Automatisierung kommt, entstehen zwar neue Jobs wie Maschinenwartung, aber viele weiterhin ungelernte Menschen verlieren ihre Arbeit.
Kleine feudale Lehen und Imperien werden weiterbestehen.
Ich glaube, die Leute missverstehen die Ergebnisse des Artikels. Es geht nicht darum, dass man mit KI Zeit spart und diese Zeit für neue Aufgaben nutzt, sondern darum, dass neue Arbeit, die durch KI-Nutzung entsteht – Output prüfen, Prompts schreiben, Betrug erkennen, Debugging –, die gefühlte Ersparnis aufhebt.
Das passt auch zu Beobachtungen in der Tech-Branche. Die besten Programmierer und Techniker der Welt sind damit beschäftigt, an Transformern, Datensätzen und Evaluierungen herumzubasteln, damit die schlechtesten Programmierer lieblos Temperaturkonverter und unsichere Twitter-Klone bauen können. Währenddessen stürzt die Qualität der Software, die echte Verbraucher nutzen, ab.
Die KI war überraschend gut darin, Lücken in der Spezifikation zu füllen, und erzeugte eine Menge C++-Code, der tatsächlich kompiliert. Allerdings ließ sie die nötigen
#includes weg. Als ich baute und ausführte, war die Ausgabe völlig falsch.Um nun herauszufinden, warum es falsch ist, muss ich Hunderte Zeilen C++ lesen und vollständig verstehen. Es hat mich über das Problem nachdenken lassen und auch interessante Lösungsansätze gezeigt, also war es keine komplette Zeitverschwendung; aber ob es mir massiv Zeit gespart hat? Nein. Es kann sogar mehr Zeit kosten, weil ich erst herausfinden muss, was es tut.
Mit allem Respekt gegenüber Leuten, die Web- und Mobile-Apps bauen: Ich habe weiterhin das Gefühl, dass KI für hochgradig wiederholende Probleme auf hoher Ebene hervorragend ist, für Systemprogrammierung aber immer noch größtenteils nutzlos.
Nicht im ästhetischen Sinn von „sie ist ein Chaos“, sondern rein aus Effizienzsicht beim Geldverdienen: Mehr als 90 % des Codes, den ich geschrieben habe, haben für Unternehmen keinen sinnvollen Beitrag geleistet. Und das, obwohl ich wirklich versucht habe, diesen Anteil zu senken. Das bezieht sich auf professionelle Software; wenn man Vibe Coder dazunimmt, dürfte die Zahl noch viel höher liegen.
Die gesamte Art, wie wir Computing in die Welt hineingepresst haben, fühlt sich verfehlt an. Wir bauen tagelang UIs, aber diese UIs helfen echten Nutzern nicht und gehen kaputt, sobald sich der Prozess auch nur ein wenig ändert. Und weil wir diese UIs unterstützen müssen, kommen wir kaum noch zur eigentlichen Automatisierung.
Ich glaube weiterhin, dass Computer für die Menschheit äußerst nützlich sind, aber wir haben vergessen, wie man sie benutzt.
Es ist noch zu früh, um zu sagen, ob KI das Problem verschlimmert, verbessert oder den Status quo hält. Ich sympathisiere mit der Ansicht, dass sie es verschlimmert, aber sicher festlegen lässt sich das schwer.
Haben sie 99 % der Engineers entlassen? Vielleicht wurde auch dieses Memo von KI geschrieben. Gibt es Softwareunternehmen, in denen 5 Leute die Arbeit von 50 erledigen? Ich habe keine gesehen. Ich frage mich, wie lange die Geschichten, die Menschen sich selbst einreden, und die makroökonomischen Daten der Realität noch so weit auseinanderliegen können.
Moderne KI-Tools sind erstaunlich, aber ähnlich wie Rechtschreibprüfungen erstaunlich waren, als sie erstmals aufkamen. Helfen sie bei Kleinkram? Ja. Aber sie schaffen nur eine neue Baseline, die alle haben, und erhöhen lediglich die Standards.
Es gibt kaum Belege dafür, dass KI demnächst Unternehmen führt und wir am Strand liegen. Es gibt kaum Anzeichen dafür, dass irgendein KI-Unternehmen etwas baut, das nicht zu einem neuen Baseline-Produkt wird, und die meisten KI-Produkte sind erschreckend wenig profitabel. Auch dieser Realität werden wir uns bald stellen müssen.
Es gäbe dann zwar nicht so viele Videospiele wie heute, aber dafür hätten wir Zeit zum Nichtstun. Ich halte Zeit für wertvoller als Spiele. Um Lee Iacocca abzuwandeln: Wir sollten innehalten und uns fragen: Wie viele Videospiele brauchen wir wirklich?
Statt Rechtschreibfehlern steht jetzt das falsche Wort an der Stelle des richtigen. Wenn man heutzutage auf irgendeiner Website einen längeren Text liest, ist die Wahrscheinlichkeit groß, dass er voller Fehler ist — sogar auf klassischen Nachrichtenseiten.
Wenn sie sich im aktuellen Tempo noch 3 bis 5 Jahre weiter verbessert, ist schwer vorstellbar, wie nützlich menschlicher Input in der Engineering-Arbeit dann noch sein wird.
Das ist im Grunde der Jevons-Paradoxon in Aktion.
Die Kosten, eine bestimmte Art von Arbeit zu erledigen, sinken — ob in Geld oder Zeit. Dann erhöhen die Leute die Nachfrage, füllen die Lücke, und die Arbeitskräfte sind „voll ausgelastet“.
Die Behauptung, die nächste Technologie werde eine Utopie bringen, in der wir nicht oder viel weniger arbeiten, ist sehr alt. Aber wir beweisen immer wieder, dass wir das in der Praxis eigentlich nicht wollen.
Meine Hypothese ist weder neu noch originell, aber ich glaube, dass nur sehr wenige Menschen wissen, was sie mit leeren Händen anfangen sollen. Wir neigen dazu, unser Stressniveau hoch zu halten, um uns abzulenken; bei niedrigem Stress und ohne Dinge, die man „tun muss“, werden wir auf verschiedene Weise instabil.
https://en.m.wikipedia.org/wiki/Jevons_paradox
Einfach gesagt: Stellen wir uns vor, ich, du und 8 HN-Nutzer arbeiten 8 Stunden am Tag in einem Bezos-Lager. Eines Tages kommt eine neue Maschine hinzu, die dieselbe Arbeit macht wie wir, und eine Maschine erledigt die Arbeit von 2 bis 4 von uns. Wenn Bezos 4 Maschinen kauft und jede mit doppelter Kapazität laufen lässt, entstehen für uns 8 Personen 8 Stunden pro Tag × 5 Tage pro Woche × 4 Wochen = 160 Stunden Freizeit.
Das Problem ist, dass wir 8 weiterhin Geld zum Überleben brauchen. Es gibt Essen, Miete, Nebenkosten und Gesundheitskosten. Laut Technologie-Utopisten können wir mit diesen 160 Stunden freier Zeit nun wichtigere und erfüllendere Dinge tun. Das ist dieselbe Logik, mit der KI-Verkäufer sagen, KI ermögliche uns wichtigere und erfüllendere Arbeit. Aber um zu überleben, wird meine erfüllende Arbeit dann Gig-Arbeit oder Arbeit mit derselben Intensität — oder noch längeren Arbeitszeiten.
Theoretisch bekommt der Eigentümer, der die Automatisierung kontrolliert, mehr Freizeit für Interviews sowie politische und gesellschaftliche Veranstaltungen. Die durch Automatisierung Verdrängten fallen nach unten und müssen härter arbeiten, um zu überleben. Ich hoffe, dass die Enthusiasten, die LLM-Anbietern Geld zahlen, um ihre eigenen Ersatzkräfte zu trainieren, diese Gleichung schnell erkennen. So wie das Bezos-Lager einigen kurzzeitig Freizeit verschaffte, weil während der Einführung der Automatisierung vorübergehende Sicherungen nötig waren, sollten sie sich nicht erneut die Parole von der „freien Zeit für sinnvollere Arbeit“ verkaufen lassen.
Wenn Geld kein Problem wäre, würde ich meine Zeit nicht an ein seelenloses Unternehmen verkaufen wollen. Ich habe genug Interessen, um beschäftigt zu bleiben. Arbeit saugt nur Zeit auf, die ich lieber für bessere Dinge nutzen würde.
Die heutigen KI-Tools sind im Vergleich zu einer Veränderung, die die Produktivität buchstäblich um den Faktor 1.000 erhöht, schwach; von so einem Wandel sind wir also noch weit entfernt. Deshalb könnte Programmieren in weniger als 100 Jahren extrem nischig werden.
Arbeitgeber haben diesen Anreiz im Allgemeinen, und da das politische System ihn nicht ausdrücklich verbietet, haben Beschäftigte, die kürzere Arbeitszeiten wollen, nicht viele gute Optionen.
Im Moment denken wir an 4×10 Stunden, aber man könnte auch in Richtung „statt einer Gehaltserhöhung lassen wir es gleich und machen 4×8 Stunden“ verhandeln. Wenn KI mir ermöglicht, in derselben Zeit mehr zu erledigen, ist das okay. Da das Unternehmen für KI-Tools aber 30 Dollar pro Monat einplant, betrachte ich die Zeit, die mir ein privat gekauftes KI-Tool spart, als etwas, das ich von meiner Arbeitswoche abziehe.
„Millionen sehnen sich nach Unsterblichkeit, die nicht wissen, was sie an einem verregneten Sonntagnachmittag mit sich anfangen sollen“ — Susan Ertz
Mein Vater hat etwas Gutes über Computer und Automatisierung gesagt. Als in den 1970er-Jahren Bürocomputer aufkamen, habe man ihm gesagt: „Computer werden so viel Aufwand sparen, dass wir nicht wissen werden, was wir mit der übrigen Zeit anfangen sollen.“
In Wirklichkeit haben Computer nur dafür gesorgt, dass wir an einem Tag mehr Arbeit erledigen.
Was Programmierung angeht, kann ich sagen, dass AI meine Produktivität bisher ungefähr um den Faktor 2 gesteigert hat.
Natürlich verbringe ich Zeit mit Prompting. Ich teile der AI meine Coding-Präferenzen mit, etwa: „Mach niemals dies, mach niemals das, mach immer so, prüfe jenes.“ Aber diese Prompts bleiben erhalten. Die meisten habe ich vor Monaten geschrieben, und jetzt ernte ich den Nutzen daraus.
Wenn man kurz innehält und darüber nachdenkt, bedeutet die Aussage, AI habe die Produktivität verdoppelt, dass man tatsächlich doppelt so viel schafft wie vorher. Lässt sich das mit Kennzahlen untermauern?
Ich glaube, dass AI bei bestimmten Aufgaben, etwa beim Schreiben von Testfällen oder beim schnellen Bau von Wegwerf-Prototypen, deutlich produktiver machen kann. Aber insgesamt doppelt so viel zu schaffen wie vorher, ist eine sehr große Behauptung.
Plausibler ist in der Praxis, dass Menschen sich produktiver fühlen als zuvor. So entsteht meiner Ansicht nach die Diskrepanz, dass Einzelne von 2- bis 10-facher Produktivität sprechen, während Studien am Arbeitsplatz selbst im oberen Bereich nur auf etwa 25 % Produktivitätssteigerung kommen.
Sie liefert oft selbstbewusst falschen Code, und selbst wenn er kompiliert, ist das Ergebnis schlecht und löst das Problem, das ich beheben will, nicht richtig. Als ich dagegen Anfang des Jahres ein Terraform-Projekt fürs Backend schreiben musste, hat generative AI wirklich geglänzt.
Klingt nach einem vollständigen Sieg.
Erst gestern habe ich einen Scraper umfassend überarbeitet; manuell hätte das mindestens eine Woche gedauert. Bei 2 bis 4 Stunden pro Tag über 5 Tage wären das ungefähr 15 Stunden gewesen. Mit Hilfe von ChatGPT war ich in weniger als 2 Stunden fertig.
Dadurch war der Arbeitsaufwand geringer, die Lieferzeit viel kürzer und der Stress deutlich niedriger.
Man kann ein bestimmtes Modell dazu bringen, sich auf eine bestimmte Weise zu verhalten, aber ein anderes Modell kann mit derselben Eingabe in einen völlig anderen Zustand geraten und ganz andere Prompts brauchen. Dann könnten alle Prompts bei jedem Modell-Update des Anbieters nutzlos werden.
Das eigentliche Problem liegt bei gering qualifizierten Tätigkeiten. Gemeint sind Menschen in einfacheren Rollen oder Juniors. Am Ende wird es für einen erheblichen Teil der Bevölkerung zu wenige Stellen geben, die ihrem Qualifikationsniveau entsprechen, sodass sie nicht mehr beschäftigungsfähig sind.
Das Ergebnis könnte stark davon abhängen, wie sich das Bildungssystem zeitgemäß verändert.
Ich denke, die Fähigkeit, AI zur Ergänzung der eigenen Arbeit einzusetzen, wird eine neue Form von Alphabetisierung sein.
Das ist die Geschichte jeder Technologie, und auch die Vorhersagen von pmarca und anderen, dass AI keine Jobs wegnehmen werde, folgen dieser Logik. Unser Fokus kann sich in immer engere Bereiche verlagern.
Filme gab es vor 100 Jahren praktisch noch nicht. In 100 Jahren werden durch freigesetzte Arbeit völlig neue Industrien entstanden sein.
Wenn AI die Softwareproduktion automatisiert, kann die Nachfrage nach Software enorm steigen. Dasselbe geschah, als Hochsprachen das manuelle Programmieren in Assembly ersetzten. Man konnte viel mehr Software sowie komplexere und interessantere Software bauen, und die Branche wuchs.
Dass die Menge an Arbeit, die Menschen leisten müssen, sinkt, ist eigentlich eine gute Sache. Nur müssen sich die institutionellen Strukturen ändern, damit diese Verringerung auf die ganze Gesellschaft verteilt wird und nicht in Massenarbeitslosigkeit, keine Rente vor 70 und 50-Stunden-Wochen mündet. Nicht AI ist das Problem, sondern möglicherweise unkontrollierter Kapitalismus.
Dasselbe gilt für Automatisierung und alles andere. Wir haben seit Langem die Technologie, um weniger zu arbeiten, aber das scheint nicht zu unserer Psychologie zu passen.
Ich meine nicht, dass wir ohne Grund bewusst die 40-Stunden-Woche wählen. Es fühlt sich nur so an, als säßen wir fest; wenn Einzelne weniger arbeiten wollen, fallen sie gegenüber anderen zurück, deshalb bewegt sich niemand.
Nicht überraschend. In der IT kann dasselbe passieren. Ich erinnere mich an die Zeit vor dem PC, als die meiste Arbeit mit Mainframes, Papier und Aktenschränken erledigt wurde.
Verglichen mit heute ist die Arbeitsmenge fast gleich oder sogar etwas größer. Der große Unterschied ist die Datenmenge, die verarbeitet und gespeichert wird; sie ist seitdem exponentiell gewachsen und wächst weiter.
Deshalb erwarte ich bei AI dasselbe. Die Form der Arbeit mag sich etwas ändern, aber mit der wachsenden Datenmenge wird die Arbeit gleich bleiben oder sogar mehr werden.