Durch KI eingesparte Zeit wird am Ende durch neue Aufgaben wieder aufgehoben

• Eine groß angelegte Studie zum dänischen Arbeitsmarkt kommt zu dem Ergebnis, dass die Einführung von AI-Tools kaum Einfluss auf Produktivität oder Löhne hat
• 64–90 % der Nutzer sparten dank AI Zeit, doch bei 8,4 % kamen stattdessen sogar neue Aufgaben hinzu
• Die tatsächliche Zeitersparnis der Nutzer liegt bei etwa 1 Stunde pro Woche, und nur 3–7 % führten zu höheren Löhnen
• Überwachung von Hausaufgaben von Schülern, Prüfung von AI-Ergebnissen, Verfassen von Prompts und ähnliche Zusatzaufgaben nahmen zu und glichen den Zeitspar-Effekt wieder aus
• Das Forschungsteam betrachtet die Analyse noch als frühe Phase und weist darauf hin, dass die wirtschaftlichen Auswirkungen von AI künftig weiter untersucht werden müssen

---

Überblick über die Studie zum dänischen Arbeitsmarkt

• Ökonomen der University of Chicago und der Universität Kopenhagen analysierten Daten von 25.000 Beschäftigten und 7.000 Unternehmen in Dänemark aus den Jahren 2023–2024
• Untersucht wurden vor allem 11 Berufe, die als anfällig für Automatisierung gelten, darunter Buchhalter, Softwareentwickler und Kundensupport
• Die Studie trägt den Titel „Large Language Models, Small Labor Market Effects“ und zeigt, dass die tatsächlichen Effekte von AI auf Löhne und Arbeitszeit gering sind

Einführung von AI verläuft schnell, die Ergebnisse bleiben aber begrenzt

• In den untersuchten Berufen hatten die meisten bereits Chatbots eingeführt, oft auf Empfehlung der Unternehmen
• Dennoch gab es bei Löhnen oder erfasster Arbeitszeit keine statistisch signifikanten Veränderungen
• Laut statistischem Konfidenzintervall wurde belegt, dass der Effekt 1 % nicht überschreitet

Fälle, in denen stattdessen neue Aufgaben zunahmen

• 64–90 % der Nutzer berichteten von Zeitersparnis, aber 8,4 % aller Nutzer gaben an, dass neue Aufgaben entstanden seien
• Beispiele: Lehrkräfte mussten den Einsatz von ChatGPT durch Schüler erkennen, Beschäftigte AI-Ergebnisse überprüfen oder Zeit in gute Prompts investieren
• Die tatsächlich eingesparte Zeit lag im Durchschnitt nur bei 2,8 % pro Woche (etwa 1 Stunde)

Produktivitätssteigerung anders als erwartet

• Frühere andere Studien berichteten von 15 % Produktivitätssteigerung, doch diese basierten auf Experimenten, die auf besonders AI-geeignete Aufgaben beschränkt waren
• In realen Berufen gibt es dagegen viele Aufgaben, die sich schwer durch AI automatisieren lassen, weshalb sich der AI-Einsatz noch in einer frühen Integrationsphase befindet

Wer profitiert von der eingesparten Zeit?

• Nur 3–7 % der eingesparten Zeit wurden in höhere Löhne übersetzt
• Das wirft Fragen auf, wem die Effizienzgewinne tatsächlich zugutekommen

Fazit und nächste Aufgaben

• Das Forschungsteam räumt ein, dass der Untersuchungszeitraum noch zu früh ist und die Beschränkung auf den dänischen Markt die Verallgemeinerbarkeit einschränkt
• Insbesondere bei freiberuflichen Kreativberufen oder in anderen Ländern könnte sich ein anderes Bild zeigen
• Dennoch liefert die Studie einen wichtigen empirischen Schnappschuss zu den frühen Effekten der AI-Einführung
• Die langfristigen wirtschaftlichen Auswirkungen bleiben weiterhin ungewiss, und künftig wird noch viel zusätzliche Forschung nötig sein

[GN⁺]

Hacker-News-Kommentar

• Ich erinnere mich, vor etwa 10 Jahren einen Economist-Artikel gelesen zu haben, dessen Fazit war, dass Automatisierung nicht zum Wegfall von Jobs führt, sondern zu mehr Arbeit und weniger Einstiegsmöglichkeiten für Junioren

  • Als Beispiel wurde genannt, dass Suchmaschinen und digitale Dokumente die Zahl der Junior-Anwälte stark reduziert haben
  • Früher war es üblich, dass Junior-Anwälte in physischen Archiven nach relevanten Fällen suchten, heute reicht dafür ein einziger Junior mit einem Laptop aus
  • Dadurch können Kanzleien mehr Fälle bearbeiten
  • Das scheint ein allgemeines Muster zu sein

• In den Kommentaren scheinen die Leute die Erkenntnisse des Artikels misszuverstehen

  • Es geht nicht darum, dass man mit AI Zeit spart, sondern darum, dass durch den Einsatz von AI neue Aufgaben entstehen, die die eingesparte Zeit wieder zunichtemachen
  • In der Tech-Industrie verbringen die besten Programmierer ihre Zeit damit, sich mit AI und Datensätzen zu beschäftigen, und dadurch sinkt die Qualität von Consumer-Software

• Moderne AI-Tools sind erstaunlich, aber auf eine ähnliche Weise erstaunlich wie Rechtschreibprüfungen, als sie neu waren

  • Sie helfen bei einfachen Aufgaben, schaffen aber neue Standards, und dann hat jeder diese Standards
  • Es gibt kaum Belege dafür, dass man am Strand sitzen kann, während AI das Unternehmen führt
  • Die meisten AI-Produkte sind wenig profitabel und werden sich diesem Problem bald stellen müssen

• Das ist ein Fall, in dem das Jevons-Paradoxon tatsächlich greift

  • Wenn die Kosten für eine bestimmte Aufgabe sinken, erhöhen die Menschen die Nachfrage, um die Differenz auszugleichen
  • Anders als die alte Behauptung, neue Technologie werde eine Utopie bringen, wollen wir das in Wirklichkeit gar nicht
  • Viele Menschen wissen nichts mit freier Zeit anzufangen und neigen dazu, ihren Stresspegel hoch zu halten

• Ich denke, dass AI die Produktivität beim Programmieren verdoppelt hat

  • Ich verbringe zwar Zeit damit, Prompts zu schreiben, um AI meine Coding-Vorlieben mitzuteilen, aber das ist dauerhaft nutzbar
  • Die meisten Prompts habe ich vor Monaten geschrieben, und jetzt nutze ich sie einfach weiter

• Mein Vater hatte eine großartige Bemerkung über Computer und Automatisierung

  • Als in den 1970er Jahren Bürocomputer aufkamen, hieß es, Computer würden eine Menge Arbeit einsparen
  • Am Ende habe ich dank Computern einfach mehr Arbeit pro Tag erledigt

• Das eigentliche Problem betrifft Jobs mit niedrigem Qualifikationsniveau

  • Menschen in einfacheren Rollen oder auf Junior-Positionen
  • Für ihre Fähigkeiten wird es zu wenige passende Stellen geben, sodass ein erheblicher Teil der Bevölkerung nicht mehr vermittelbar sein wird

• Genau das hat das Lager „AI wird zu normaler Technologie werden“ dem Lager „AI wird uns alle arbeitslos machen“ immer wieder gesagt

  • Es war schon immer so

• Wurde das nicht schon vor ein paar Tagen behandelt?

  • Ein Punkt hier ist, dass die Daten aus dem späten Jahr 2023 stammen, als LLMs noch nicht besonders gut waren
  • Ein weiterer Punkt ist, dass es sich um Daten handelt, die von den Mitarbeitern erhoben wurden, die nach Entlassungen übrig geblieben sind

• Ich habe das Gefühl, dass ich bei Code-Reviews mehr Zeit damit verbringe, versteckte Easter Eggs zu finden

  • Mit Easter Eggs sind kleine, schwer zu entdeckende Fehler gemeint, die für den Autor offensichtlich sind
  • Das Problem ist, dass dieser Vorteil des Code-Autors bei Review oder Tests wegfällt, wenn der Code von einem LLM geschrieben wurde