Die Umgestaltung der europäischen Arbeitswelt angesichts des Einflusses der KI
Jüngste Untersuchungen deuten darauf hin, dass bis zum Ende des Jahrzehnts etwa ein Drittel der Arbeitsstunden auf der ganzen Welt automatisiert sein könnte. Mit Fortschritten in der künstlichen Intelligenz (KI) könnten viele monotone und sich wiederholende Aspekte der heutigen Arbeit, die derzeit von Menschen erledigt werden, von Computern übernommen werden. „Aufgaben, die sich am besten für KI und Automatisierung eignen, sind typischerweise routinemäßig, wiederholend und regelbasiert“, erklärt Meltem Ucal, Professorin für Wirtschaftswissenschaften an der Kadir Has Universität. Dazu gehören Tätigkeiten wie die Eingabe und Validierung von Daten, die Klassifizierung und Verarbeitung von Dokumenten, standardisierte Berichterstattung, Terminplanung und Koordination, wiederkehrende Aufgaben für die Überwachung oder Triage sowie die Erstbeantwortung vorhersehbarer Kundenanfragen. „KI-Systeme können diese Prozesse beschleunigen, Fehler reduzieren und menschliche Arbeitskräfte entlasten, sodass sie sich auf ihre Aufgaben, ihre Kreativität und ihre zwischenmenschlichen Fähigkeiten konzentrieren können“, so Ucal. Vor diesem Hintergrund arbeiteten Ucal und ihr Team im Rahmen des Projekts AI4LABOUR(öffnet in neuem Fenster), das über die Marie Skłodowska-Curie-Maßnahmen(öffnet in neuem Fenster) finanziert wurde, daran, neue Berufe und die für den Erfolg in diesen Aufgabenbereichen erforderlichen Qualifikationen vorherzusagen. Das Projekt nutzte ein neuartiges KI-Modell, um einen integrierten Rahmen zu schaffen, der Arbeitsplätze, Aufgaben, Fähigkeiten und Ausbildungswege miteinander verknüpft und eine Reihe offener Empfehlungen erstellt.
Analyse zukünftiger Berufe
Die Methodik bei AI4LABOUR beruhte auf der Kombination mehrerer Bereiche. Anhand aufgaben- und kompetenzbasierter Modellierung analysierten die Forschenden zunächst Berufe auf der Ebene der einzelnen Aufgaben und nicht nur die Berufsbezeichnungen. Mithilfe von maschinellem Lernen und Deep Learning konnten sie dann Klassifikatoren und Deep-Learning-Techniken anwenden, um Routineaufgaben von Nicht-Routineaufgaben zu unterscheiden und Automatisierungswahrscheinlichkeiten abzuschätzen. Ergänzend dazu wurden Daten auf Basis von Umfragen erhoben, wobei wissenschaftliche Befragungsansätze eingesetzt wurden, um empirische Erkenntnisse von Mitarbeitern aus Partnerorganisationen zu gewinnen. Anschließend validierten die Forschenden ihr Modell und bewerteten dessen Genauigkeit, um dann die Modellergebnisse den Umschulungs- oder Weiterbildungspfaden zuzuordnen. Schließlich entwickelten sie ein Empfehlungsportal, das Modelle und Datensätze in ein praktisches Empfehlungssystem umwandelt.
Verständnis der Arbeitsmarktveränderungen auf Aufgabenebene
Eine wichtige Erkenntnis aus dem Projekt war, dass Veränderungen auf dem Arbeitsmarkt am besten auf der Ebene einzelner Aufgaben zu verstehen sind. „Viele Berufe ‚verschwinden‘ nicht einfach, sondern wandeln sich im Zuge einer Neustrukturierung der Aufgaben“, erklärt Ucal. „Der zukünftige Bedarf liegt häufig an der Schnittstelle zwischen Fachwissen und digitaler Kompetenz sowie KI-Kompetenz.“ Zu den konkreten Ergebnissen gehören: ein KI-gestützter Ansatz zur Erfassung von Aufgaben und Fähigkeiten, um die berufliche Exposition gegenüber Automatisierung zu bewerten; die Validierung von Modellen des maschinellen Lernens / Deep Learning und Berichte zur Bewertung der Genauigkeit; eine geschlechterbezogene Analyse, die Gleichstellungserwägungen herausstellt; und die Entwicklung eines webbasierten Empfehlungsportals. „Das Empfehlungsportal AI4LABOUR ist öffentlich zugänglich. Somit ermöglicht es Einzelpersonen und Interessengruppen, die Website zu besuchen und ihre Vorhersage- und Trainingsempfehlungsfunktionen zu nutzen“, bemerkt Ucal. „Das Projekt hat außerdem eine Vielzahl öffentlicher Ergebnisse hervorgebracht, darunter Berichte, Veröffentlichungen, öffentlich zugängliche Forschungsprodukte und eine Dissertation.“
Vorbereitung der europäischen Arbeitskräfte
Anstatt reaktiver Anpassungen zielte AI4LABOUR auf eine vorausschauende Anpassung an kommende Veränderungen ab. Durch die Identifizierung von Aufgabenprofilen, die stärker von Automatisierung betroffen sind, und die Verknüpfung dieser Profile mit Ausbildungswegen kann die Arbeit Einzelpersonen bei der Planung ihrer Umschulung, Unternehmen bei der Gestaltung von Personalstrategien, Pädagogen bei der Abstimmung ihrer Lehrpläne und politischen Entscheidungsträgern bei der Entwicklung gezielter arbeitsmarktpolitischer Maßnahmen helfen. „Das übergeordnete Ziel sind reibungslosere, gerechtere Übergänge sowie eine verbesserte Beschäftigungsfähigkeit“, sagt Ucal. Die Forschenden werden die Modelle weiter verfeinern, ihre Datensätze erweitern und Folgekooperationen sondieren. „Die Weiterentwicklung und die langfristige Nachhaltigkeit des Portalkonzepts besitzen weiterhin Priorität, da sich Technologien und Qualifikationsanforderungen weiterentwickeln“, fügt Ucal hinzu.