Ist KI am Ende doch nicht so schlecht für den Arbeitsmarkt?

Eine aktuelle Studie von MIT-Forschern hat sorgfältig untersucht, ob sich die Automatisierung von Aufgaben mit Computer-Vision-KI wirtschaftlich lohnt, und das Bild ist differenziert. (Im Zusammenhang mit LLMs spricht man übrigens oft von Multimodalität, also von Modellen, die auch andere Modalitäten wie Bilder, Audio oder Video in einem einheitlichen Framework verarbeiten können.) Laut den Autoren sind zwar 36 % der US-Arbeitsplätze außerhalb der Landwirtschaft KI ausgesetzt, aber nur bei 8 % dieser Arbeitsplätze gibt es Aufgaben, deren Automatisierung wirtschaftlich attraktiv ist. Zwischen dem, was sich technisch automatisieren ließe, und dem deutlich engeren Bereich, in dem sich Automatisierung wirtschaftlich rechtfertigen lässt, klafft also eine große Lücke.

Wirtschaftliche Analyse

Die wirtschaftliche Analyse zeigt, dass Vision-Aufgaben (Aufgaben, bei denen man ein „Ding“ analysiert, also anschaut, um es etwa auf einen Defekt zu prüfen) nur 1,6 % der Lohnsumme außerhalb der Landwirtschaft in den USA ausmachen, wobei gerade einmal 0,4 % als wirtschaftlich sinnvoll für die KI-Automatisierung gelten. Das spricht für einen vorsichtigen Umgang mit KI, bei dem die Kosteneffizienz den Ausschlag gibt. Selbst beim Medianunternehmen, und dazu zählen auch Firmen mit Tausenden Beschäftigten, lohnt sich die Automatisierung bei weniger als einem Zehntel der Arbeit, die mit Vision-Aufgaben zu tun hat. So eng sind derzeit die wirtschaftlichen Grenzen für eine breite Einführung von KI.

Diese Vorsicht zeigt sich auch in allgemeineren Branchentrends: Weniger als 6 % der Unternehmen setzen KI-Technologien ein, vor allem große Unternehmen, auf die zusammen 18 % der Beschäftigung entfallen. Die ungleiche Verbreitung und die Konzentration auf größere Unternehmen sprechen dafür, dass wirtschaftliche Machbarkeit und Größe darüber entscheiden, ob KI im Geschäftsbetrieb ankommt.

Außerdem kommt die Studie zu dem Ergebnis, dass sich die Automatisierung von 77 % der Vision-Aufgaben auf Unternehmensebene wirtschaftlich nicht lohnt. Ob sich KI-Technologie verbreitet, hängt also stark an der Kosteneffizienz. Das deutet auf eine Zukunft hin, in der KI schrittweise wirkt, abhängig davon, wie sich Kostenstrukturen und wirtschaftliche Anreize entwickeln.

Wirtschaftlichkeit

Die Studie hebt sich dadurch ab, dass sie die Wirtschaftlichkeit von KI-Automatisierung detailliert und umfassend behandelt. Frühere Studien konzentrierten sich vor allem darauf, wie stark Tätigkeiten KI ausgesetzt sein könnten, und ließen die technische Machbarkeit und die wirtschaftliche Attraktivität der Automatisierung außer Acht. Die Autoren stellen ein durchgängiges Modell vor, mit dem sich der wirtschaftliche Nutzen von KI-Automatisierung abschätzen lässt. Es verbindet Befragungen von Beschäftigten, eine Kostenmodellierung von KI-Systemen und eine detaillierte Analyse des Automatisierungspotenzials einzelner Aufgaben. Die Studie geht von 1.765.000 Dollar für die Implementierung eines KI-Vision-Systems und von jährlichen Wartungskosten von 242.840 Dollar aus. Ein Standardsystem ist deutlich günstiger: 165.000 Dollar für die Implementierung und 122.840 Dollar pro Jahr für die Wartung.

Wie wichtig diese Überlegungen sind, zeigt ein einfaches hypothetisches Szenario aus der Studie: eine kleine Bäckerei, die überlegt, Computer Vision zur Automatisierung einzusetzen. Zu den Aufgaben von Bäckern gehört es, die Zutaten per Sichtkontrolle auf ihre Qualität zu prüfen, etwa darauf, ob etwas verdorben ist. Denkbar ist, dass ein Computer-Vision-System diese Sichtkontrolle übernimmt: Man installiert eine Kamera und trainiert das System darauf, verdorbene Lebensmittel zu erkennen. Aber selbst wenn sich genau diese Aufgabe vom restlichen Produktionsprozess trennen ließe: Rechnet sich das finanziell?

Laut den O*NET-Daten des Bureau of Labor Statistics macht die Prüfung der Lebensmittelqualität rund 6 % der Tätigkeiten eines Bäckers aus. Bei einer kleinen Bäckerei mit fünf Bäckern, die typische Jahresgehälter von je 48.000 Dollar verdienen, beträgt die mögliche Ersparnis durch die Automatisierung dieser Aufgabe 14.000 Dollar pro Jahr. Diese Summe liegt jedoch weit unter den Kosten für Entwicklung, Implementierung und Wartung eines Computer-Vision-Systems. Menschliche Arbeit durch ein KI-System zu ersetzen, ist in dieser Bäckerei also wirtschaftlich nicht sinnvoll.

Automatisierung und Ergänzung unterscheiden

Die Studie konzentrierte sich auf die Automatisierung von Aufgaben, und das ergibt nur einen begrenzten Blick auf die Einführung von KI. KI kann nicht nur automatisieren, sondern auch menschliche Arbeit aufwerten oder ganz neue Produkte hervorbringen. Laut einer Umfrage erwarten ganze 83 % der Führungskräfte, dass KI menschliche Arbeit ergänzt, statt sie zu ersetzen. Außerdem helfen nur 50 % der KI-Start-ups ihren Kunden dabei, Personalkosten zu senken, während bemerkenswerte 98 % daran arbeiten, Produkte zu entwickeln, die Fähigkeiten erweitern.

Zusammenfassung und Ausblick

Der Ansatz der Studie liefert ein differenziertes Verständnis der wirtschaftlichen Folgen von KI und zeigt, wie sehr die Kosten darüber entscheiden, welche Aufgaben sich sinnvoll automatisieren lassen. Das Bäckerei-Beispiel macht es deutlich: Auch wenn sich Arbeit theoretisch automatisieren lässt, geschieht das aus wirtschaftlichen Gründen womöglich nicht. Wir stehen noch ganz am Anfang der laufenden, von KI getriebenen Revolution am Arbeitsmarkt, aber es ist sicher klug, auf eine Zukunft mit KI vorbereitet zu sein:

Investieren Sie klug in Ihre Wissensbasis. Wie Sie Ihr Wissen kodifizieren, digitalisieren und strukturieren, wird in den kommenden Jahren entscheidend zur Wertschöpfung beitragen. Generative KI und große Sprachmodelle werden es erleichtern, Wissen und Fähigkeiten nahtlos über Teams und Geschäftsbereiche hinweg weiterzugeben, und so das Tempo von Lernen und Innovation erhöhen.

Lassen Sie sich auf Gespräche mit KI ein. KI entwickelt sich zu einem Partner für geistige Arbeit und wird die Wirksamkeit und Kreativität menschlicher Intelligenz zunehmend steigern. (Wissens-)Arbeiter müssen lernen, KI so anzuleiten, dass ihre Arbeitsabläufe besser werden. Warten Sie nicht: Experimentieren Sie noch heute mit generativen KI-Tools und verbessern Sie Ihre Fähigkeiten im Prompt Engineering. Für Kreative wird das im kommenden Jahrzehnt eine entscheidende Fähigkeit sein.

Aus dem Englischen übersetzt: zum Originalbeitrag