Ein Algorithmus für die berufliche Neuorientierung?

Forscher*innen der Uni Lausanne haben sich zweier Fragen angenommen, die oft im Rahmen unseres gesamtgesellschaftlichen Erwerbsarbeit-Mantras gestellt werden, wenn es um die Zukunft von intelligenten Robotern geht:

  • Wie viele Arbeitsplätze werden durch die weitere Automatisierung wegfallen? 
  • Wie kann ich sicherstellen, dass mein Arbeitsplatz nicht dazugehört?

Das Forschungsdesign

Um die Arbeitsplätze zu ermitteln, die am stärksten von Robotern ersetzt werden könnten, erstellte das Team zunächst eine Liste von Roboterfähigkeiten, die der mehrjährigen europäischen H2020-Robotik-Roadmap entnommen wurde, die in Zusammenarbeit zwischen der Europäischen Union und der Robotikindustrie erstellt wird. Anschließend durchforsteten sie Forschungsarbeiten, Patente und Beschreibungen von im Handel erhältlichen Robotern, um festzustellen, wie ausgereift die einzelnen Roboterfähigkeiten waren.

Diese wurden dann mit den menschlichen Fähigkeiten abgeglichen, die im Datensatz des Occupational Information Network (O*NET) beschrieben sind, der Einzelheiten zu fast 1.000 Berufsprofilen enthält. Durch die Bewertung, wie viele der für eine bestimmte Tätigkeit erforderlichen Fähigkeiten von einem Roboter übernommen werden können oder in ferner Zukunft übernommen werden könnten, konnte das Team ermitteln, welche Berufe am stärksten von der Automatisierung bedroht sind.

Der Kontext

Betrafen frühere Automatisierungswellen in erster Linie Arbeitsplätze mit geringer Qualifikation, führen die sich rasch verbessernden Fähigkeiten der Maschinen dazu, dass auch Berufe mit mittlerer und hoher Qualifikation zunehmend gefährdet sind.

Das Tempo des Fortschritts bedeutet auch, dass sich die Arbeitsplätze viel schneller verändern können als früher, was dazu führt, dass Arbeitnehmer*innen im Laufe ihres Lebens mehrfach umschulen und neue Fähigkeiten erwerben müssen. Wir hatten dies in vielen früheren piqd’s angeführt.

Das Ergebnis

Es wurde eine Rangliste der rund 1.000 O*NET-Berufe erstellt, wie anfällig deren Job für automatisierte Roboter-Arbeit sei. Die Werte für den eigenen Beruf kann man auf einer eigens eingerichteten Website einmal durchspielen. 

Im Gegensatz zu z.B. dem Job Futoromat vom IAB kann man bei diesem Selbsttest anschließend selbst ablesen, welche mögliche Jobwechsel für gefährdete Arbeitnehmer*innen denkbar wären – und zwar basierend auf den bisherigen Skillsets, die den alten Berufen zugeordnet wurden. Diese Berufsvorschläge werden mit einem eigenen Algorithmus generiert.

Indem sie die Ähnlichkeit der Anforderungen in zwei Berufen berechneten, waren die Forscher in der Lage, ein Maß dafür zu finden, wie viel Aufwand es für die Arbeitnehmer*innen bedeuten würde, sich umzuschulen. Anschließend kombinierten sie dies mit dem Automatisierungsrisiko jedes Arbeitsplatzes, um den Arbeitsplatz zu ermitteln, auf den ein*e Arbeitnehmer*in am leichtesten wechseln kann, ohne Gefahr zu laufen, dass auch der neue Beruf bald überflüssig wird.

Meine Einordnung

Solch mechanistische Forschungen sind als Gedankenexperiment sicherlich hilfreich, folgen aber selbst einer algorithmischen Denkweise, die der vielschichtigen Komplexität einer zunehmend digital kompetenteren Gesellschaft kaum gerecht werden kann. 

Positiv betrachtet, kann ein solches Tool die persönliche wie gesellschaftliche Resilienzfähigkeit eventuell erhöhen helfen, weil man direkt berufliche Alternativen aufgezeigt bekommt. 

Ich weiß aber nicht, ob es die erforderliche Selbstreflexion heben hilft, in sich selbst hineinzuhorchen und eine Lernmotivation zu entfachen, die der persönlichen Weiterentwicklung auch förderlich ist. Ganz abgesehen von dem Erwerbsarbeitsmantra, das sozialversicherungsbedingt nicht akzeptieren will, wenn Menschen eben nicht im exportorientierten Angestelltenmodus leben möchten und sich dem Gemeinwohl auf unterschiedlichsten Ebenen widmen.

Was denkt Ihr?


Artikel am 30. Juli 2022 erschienen auf piqd als Hinweis auf den SingularityHub-Artikel There’s Now an Algorithm to Help Workers Avoid Losing Their Jobs to an Algorithm

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.