Generative künstliche Intelligenz (KI) wirft die Frage auf, ob wir an der Schwelle einer beschleunigten Automatisierung von Tätigkeiten stehen, was die Arbeitskosten senken und die Produktivität steigern könnte. Was sind die Potenziale, und hat KI die Fähigkeit, Content zu erzeugen, der von menschlich erzeugten Inhalten kaum mehr unterscheidbar ist? Können Grenzen der Kommunikation zwischen Mensch und Maschine durchbrochen werden? Falls generative KI ihre Versprechen einlösen kann, könnten dem Arbeitsmarkt erhebliche Umbrüche bevorstehen.
Nach Einschätzung von Goldman Sachs Global Investment Research (GIR) zeichnen sich die jüngst im Fokus stehenden generativen KI-Technologien, wie zum Beispiel ChatGPT, DALL-E oder LaMDA, durch drei Hauptmerkmale aus:
durch verallgemeinerte statt spezialisierte Anwendungsfälle
durch ihre Fähigkeit, neuartige, menschenähnliche Ergebnisse zu erzeugen, anstatt vorhandene Informationen lediglich zu beschreiben oder zusammenzufassen
durch ihre zugänglichen Schnittstellen, die sowohl natürliche Sprache als auch Bilder, Audio und Video verstehen und darauf reagieren
Die ersten beiden Merkmale sind der Schlüssel zur Erweiterung des Aufgabenspektrums von KI, während das dritte für die zeitliche Abfolge ihrer Einführung entscheidend sein dürfte. So wie die Umstellung von der Befehlszeilenprogrammierung (z.B. MS-DOS) auf grafische Benutzeroberflächen (z.B. Windows) die Entwicklung von Programmen (z.B. Office) ermöglichte, die die Leistungsfähigkeit des PC für die breite Masse nutzbar machten, könnten die intuitiven Schnittstellen der aktuellen Generation von KI-Technologien ihre Akzeptanz erheblich beschleunigen. ChatGPT zum Beispiel hat in nur fünf Tagen eine Million Nutzer erreicht und damit so viele in so kurzer Zeit wie kein anderes Programm zuvor.
Abb. 1: Generative künstliche Intelligenz (KI) im Überblick
Quelle: Goldman Sachs Global Investment Research
Wo KI menschliche Benchmarks bereits übertrifft
Allein schon die exponentielle Zunahme der verfügbaren Rechenleistung von Computern* hat rapide Fortschritte bei der Komplexität der Aufgaben, die KI ausführen kann, und bei der Genauigkeit, mit der sie sie ausführen kann, ermöglicht. Wie Abbildung 2 zeigt, haben die Algorithmen, die generativer KI zugrundeliegen, bei Aufgaben wie Bildklassifizierung oder Inhaltswiedergabe die menschlichen Resultate mittlerweile übertroffen.
Abb. 2: Besser bei Bildklassifikation und Inhaltswiedergabe
Quelle: Stanford Institute for Human-Centered Artificial Intelligence, Goldman Sachs Global Investment Research
Falls generative KI ihre Versprechen einlösen kann, könnte dies zu erheblichen Umbrüchen auf dem Arbeitsmarkt führen. Auf der Grundlage von Daten zu beruflichen Tätigkeitsfeldern in den USA und in Europa ergibt sich, dass etwa zwei Drittel der derzeitigen Arbeitsplätze einem gewissen Grad an KI-Automatisierung ausgesetzt sein dürften und dass generative KI bis zu einem Viertel der derzeitigen Arbeit ersetzen könnte. Rechnet man diese Schätzungen auf die ganze Welt hoch, so könnte generative KI das Äquivalent von 300 Millionen Vollzeitarbeitsplätzen der Automatisierung aussetzen.
Abb. 3: Zwei Drittel der derzeitigen Berufe könnten durch KI teilweise automatisiert werden
Wie viel kann durch KI automatisiert werden?
Quelle: Goldman Sachs Global Investment Research
Gewichtet man diese Schätzungen mit dem Beschäftigungsanteil der einzelnen Berufe im US Occupational Employment and Wage Survey (OEWS) und aggregiert sie auf Branchenebene, so schätzen wir, dass ein Viertel der derzeitigen Arbeitsaufgaben in den USA durch KI automatisiert werden könnte (siehe Abbildung 4, oberes Feld), wobei das Risiko in administrativen (46 Prozent) und juristischen (44 Prozent) Berufen besonders hoch und in körperlich intensiven Berufen wie dem Baugewerbe (6 Prozent) und der Instandhaltung (4 Prozent) gering ist. Der Abgleich dieser Schätzungen auf Berufsebene mit dem europäischen ISCO-Berufsklassifikationssystem und die Durchführung eines ähnlichen Verfahrens für die Eurozone unter Verwendung der Eurostat-Datenbank für die Arbeitskräfteerhebung (AKE) führt zu Schätzungen in ähnlicher Größenordnung, sowohl insgesamt als auch für die jeweiligen Branchen (siehe Abbildung 4, unteres Feld).
Eine Ausdehnung dieser Schätzungen für die USA und Europa auf die gesamte Welt berücksichtigt die Unterschiede in der Branchenzusammensetzung zwischen den einzelnen Ländern, geht aber davon aus, dass sich die KI in den Schwellenländern nicht auf den Agrarsektor auswirkt, da sich die Zusammensetzung und die Produktionsansätze in diesem Wirtschaftszweig zwischen den Schwellenländern und den Industrieländern erheblich unterscheiden.** Diese Schätzungen lassen intuitiv darauf schließen, dass in den Schwellenländern weniger Arbeitsplätze von der Automatisierung betroffen sind als in den Industrieländern, dass aber auf beschäftigungsgewichteter Basis weltweit 18 Prozent der Arbeit durch KI automatisiert werden könnten (siehe Abbildung 5).
Abb. 4: Potenzielle Automatisierung durch KI nach Industrien
Quelle: Goldman Sachs Global Investment Research
Abb. 5: Entwickelte Märkte stärker betroffen als aufstrebende Märkte
Quelle: Goldman Sachs Global Investment Research
Obwohl die Auswirkungen von AI auf die Arbeitsmärkte erheblich sein dürften, sind die meisten Tätigkeiten und Industrien einer Automatisierung nur partiell ausgesetzt.
Daher ist es wahrscheinlicher, dass bestehende Jobs durch die Automatisierung eher ergänzt als ersetzt werden dürften. Abbildung 6 zeigt, dass bedeutungs- und komplexitätsgewichtete Tätigkeiten, die einer Automatisierung zu 50 Prozent oder mehr ausgesetzt sind, wahrscheinlich durch KI ersetzt werden, während Jobs mit einem Exposure von 10 bis 49 Prozent eher ergänzt werden dürften. Tätigkeiten mit einem Exposure zwischen 0 und 9 Prozent dürften hingegen kaum tangiert werden. In dem hier zugrundegelegten Basisszenario würden diese Annahmen zu einer Substitution durch AI von 7 Prozent und einer Ergänzung von 63 Prozent führen. 30 Prozent würden durch AI kaum tangiert werden. Allerdings werden diese Auswirkungen letztendlich davon abhängen, wie sich die Nachfrage nach Arbeitskräften und das Arbeitspensum in Anbetracht partieller Arbeitseinsparungen in den meisten Tätigkeitsfeldern entwickeln werden.
Der große Anteil der Beschäftigung, der einer Automatisierung durch generative KI ausgesetzt ist, erhöht das Potenzial für einen Zugewinn an Produktivität, der sich in einer globalen Erhöhung der Güterproduktion niederschlagen könnte. Dabei gibt es zwei Kanäle, durch die diese KI-getriebene Automatisierung zu einem Anstieg der globalen Wirtschaftsleistung beitragen könnte: zum einen dadurch, dass diejenigen Beschäftigten, die partiell einer Automatisierung ausgesetzt sind, ihre frei werdenden Kapazitäten produktiv einsetzen, was zu einem erhöhten Ergebnis führt, zum anderen dadurch, dass Beschäftigte, deren Tätigkeit durch die Automatisierung entfällt, neue Tätigkeiten aufnehmen, die im Gefolge der Automatisierung entstehen. Für beide dieser Kanäle gibt es historische Beispiele. So haben sowohl die Elektrifizierung in der Industrie in den 1920er Jahren als auch der Siegeszug des Computers seit den 1990er Jahren einen Produktivitätsboom ausgelöst.
Abb. 6: Relative Auswirkungen von Automatisierung nach Tätigkeitsbereichen
Quelle: Goldman Sachs Global Investment Research
* Sevilla et al. (2022) zeigen, dass seit dem Aufkommen von Deep-Learning-Ansätzen in den Jahren nach 2010 die Anzahl von computerbasierten Trainings, die für das Training von KI-Modellen zum Einsatz kommen, sich ungefähr alle sechs Monate annähernd verdoppelt hat. Das ist weniger als ein Drittel der Verdopplungsrate, die das sogenannte „Moore's Law” impliziert. Vgl. Sevilla, James et al., „Compute Trends Across Three Eras of Machine Learning”, 2022 International Joint Conference on Neural Networks, 9. März 2022.
** Diese Annahme ist konservativ, und es sind Szenarien denkbar, in denen die Effizienz der landwirtschaftlichen Logistik und Produktion gesteigert werden könnte, insbesondere dann, wenn KI und Robotertechnik zusammenwirken, um physische Aufgaben zu lösen.
Quelle: Dieser Text basiert auf dem Artikel „Global Economics Analyst – The Potentially Large Effects of Artificial Intelligence on Economic Growth“, der am 26. März 2023 von Goldman Sachs Global Investment Research veröffentlicht wurde. Autoren: Jan Hatzius, Joseph Briggs, Devesh Kodnani und Giovanni Pierdomenico.
Bitte beachten Sie unsere Hinweise zu Risiko, Haftungsausschluss und Impressum, die Sie hier finden.
Fotonachweise: Adobe Stock – Bild 1: Atchariya, Bild 2: khunkorn