MIT-Forscher fordern politische Antwort auf die Folgen von KI für den Arbeitsmarkt

Ein Papier auf Basis bestehender Forschung

Das Papier trägt den Titel Workforce Policy for the Age of AI: Recommendations from the Economic Literature. Die Autoren sind Guy Ben-Ishai, Researcher und Senior Advisor bei MIT FutureTech, und Neil Thompson, Principal Research Scientist am MIT Computer Science and AI Lab und Leiter der Forschungsgruppe AI, Quantum and Beyond an der MIT Initiative on the Digital Economy. Laut IDE nutzt das Papier vorhandene Forschung, darunter Arbeiten von Forschern aus dem Umfeld der IDE und der MIT Sloan School, um datengestützte Strategien für den Umgang mit KI-bedingten Umbrüchen am Arbeitsmarkt zu liefern.

Die Autoren sagen, die öffentliche Debatte werde oft als Wahl zwischen Massenarbeitslosigkeit und breiter Unterstützung des Menschen durch KI dargestellt, doch die Belege stützten keines von beidem. Stattdessen deute die Literatur auf stark auseinanderlaufende Entwicklungen mit sehr unterschiedlichen Zeithorizonten hin: Manche Tätigkeiten würden rasch verdrängt, andere schrittweise ergänzt, mit Unterschieden zwischen Berufen, Branchen und Arbeitgebern. Weil die Auswirkungen voraussichtlich so tiefgreifend seien, schreiben sie, sei „eine politische Antwort zwingend notwendig“. Solche Maßnahmen seien zudem zentral, um KI erfolgreich einzusetzen und in die Wirtschaft zu integrieren, und damit eine strategische Notwendigkeit für die USA.

Vier Erkenntnisse aus der Literatur

Die Forscher haben die bisherigen Arbeiten zu vier Erkenntnissen verdichtet.

• Exposition ist nicht Automatisierung. Frühere Studien zeigen: Wenn große Sprachmodelle Aufgaben erledigen, für die Menschen drei bis vier Stunden brauchen würden, liegt ihre Erfolgsquote nur bei 65 Prozent. Die Fehlerquoten von Menschen bei Routine- und einfachen Aufgaben liegen typischerweise bei 2 bis 9 Prozent bei einfacheren Aufgaben und bei 16 Prozent bei längeren Aufgaben. Eine zehnfache Verlängerung der durchschnittlichen Aufgabendauer senkt die Leistung von KI-Modellen um 11 Prozent.
• Expertise zählt ebenso viel wie Stellenzahlen. In manchen Berufen könnten Stellen zu niedrigeren Löhnen entstehen, wie im Beispiel der Ärzte im Papier, wo schlechter bezahlte Nurse Practitioners Arbeit übernehmen könnten, die KI erleichtert. Andere Berufe könnten höhere Löhne, aber weniger Stellen verzeichnen, wie im Beispiel der Buchhalter, wo KI die Buchführung automatisiert, bei Steuerberatung aber weiterhin unzuverlässig bleibt.
• Zu wissen, wann man KI vertrauen kann, ist eine Fähigkeit. KI-Systeme sind fehleranfällig, nur begrenzt nachvollziehbar und liefern nicht deterministische Ergebnisse, weshalb die Einführung viel Anpassung auf der „letzten Meile“ erfordert. Beschäftigte müssen verstehen, wann KI-Werkzeuge die Leistung verlässlich verbessern und wann sie wahrscheinlich versagen.
• Bessere KI ermöglicht autonomeres Arbeiten. Frühere Studien legen nahe, dass sich die Fehlerquoten von LLMs etwa alle 2,5 Jahre halbieren. Sollte das anhalten, könnten LLMs bis 2029 bei den meisten professionellen textbasierten Aufgaben eine Basiserfolgsquote von 93 Prozent erreichen. Angesichts der Integrationskosten würden US-Unternehmen dennoch nur rund ein Viertel der Computer-Vision-Aufgaben (23 Prozent) automatisieren, die KI übernehmen könnte.

Die fünf politischen Empfehlungen

Die Autoren sagen, ihre Vorschläge erforderten keine umfassenden Reformen der US-Sozialsysteme oder Arbeitsmärkte. Sie beschreiben sie als gezielte, evidenzbasierte Programme, die finanzpolitisch solide sein sollen, parteiübergreifende Unterstützung finden könnten und sich bei Erfolg ausweiten ließen. Ziel sei nicht, jeden beruflichen Wandel vorherzusagen, sondern einen Rahmen zu schaffen, der „reagieren kann, bevor aus einer vorübergehenden Störung ein dauerhafter wirtschaftlicher Schaden wird“.

Die erste Empfehlung lautet, sowohl verdrängte Beschäftigte als auch Chancen mit hoher Produktivität zu priorisieren. Frühere Studien zeigen, dass Beschäftigte, die in Zeiten hoher Arbeitslosigkeit ihren Job verloren, historisch Einbußen von fast drei Jahreseinkommen hinnehmen mussten. Für sie reiche Umschulung allein wohl nicht aus, die Autoren verweisen auf vorbeugende Hilfen wie Unterstützung bei der Jobsuche und Lohnversicherung. Zudem fordern sie einen Fokus auf Übergänge in Sektoren mit hoher Produktivität und großer Wirkung. Sie weisen darauf hin, dass die Beschäftigung in den USA auf Sektoren mit geringerer Produktivität konzentriert ist und eine alternde Bevölkerung die Last für eine schrumpfende Erwerbsbevölkerung erhöht.

Zweitens sollte Weiterbildung fachspezifisch und praxisnah sein und gemeinsam mit Arbeitgebern gestaltet werden. Beschäftigte müssten die Zuverlässigkeit von KI einschätzen, Urteilsvermögen einsetzen und KI in bestehende Arbeitsabläufe integrieren. Die Beteiligung der Arbeitgeber trage dazu bei, die Weiterbildung nachfragegetrieben und an tatsächliche Einstellungen gekoppelt zu halten.

Drittens sollten Programme an die Verschiebungen bei menschlicher Expertise angepasst werden und zwischen zwei Risiken unterscheiden: dem Verlust von Arbeitsplätzen in manchen Berufen und sinkenden Löhnen in anderen. Wo Stellen wegfallen, solle die Politik Beschäftigten über Unterstützung bei der Jobsuche, Lohnversicherung und berufliche Übergänge den Wechsel in andere Berufe und Sektoren erleichtern. Wo Löhne sinken, solle sie helfen, das Einkommen zu halten oder zu steigern, etwa durch Lehrstellen und Wechsel in besser bezahlte Berufe.

Viertens sollten Ausbildungsprogramme (Apprenticeships) gefördert und ausgeweitet werden. Die Autoren nennen sie einen wirksamen Mechanismus zur Vermittlung von Arbeitskräften: Sie senkten die Ausbildungskosten, böten Arbeitgebern eine Möglichkeit zur Vorauswahl und Signalwirkung und richteten die Ausbildung am tatsächlichen Bedarf der Unternehmen aus. Der Quelltext bricht ab, bevor die fünfte Empfehlung vollständig beschrieben wird. In der Zusammenfassung wird jedoch eine nationale Lohnversicherung unter den Vorschlägen genannt.

Was das bedeutet

Die Kernbotschaft des Papiers lautet, dass die Politik nicht abwarten sollte, bis die Marktkräfte die Folgen von KI regeln, und Entscheidungen nicht auf Prognosen von entweder massenhaftem Jobverlust oder universeller Unterstützung des Menschen durch KI stützen sollte. Die Autoren bevorzugen gezielte Programme, die sich erproben und ausweiten lassen, mit unterschiedlichen Instrumenten für Beschäftigte, die ihre Stelle verlieren, und solche, deren Verdienst sinkt. Für Arbeitgeber rücken die Empfehlungen sie ins Zentrum der Gestaltung von Weiterbildung und der Vermittlung von Lehrstellen.