Arbeitsmarkt 2.0 – mit Big Data Arbeitslosigkeit verhindern

Die fortschreitende Digitalisierung fordert, dass Arbeitnehmer*innen sich ein Leben lang weiterbilden. Aufgrund mangelhafter Daten ist jedoch unklar, welche Fähigkeiten in Zukunft überhaupt noch gefragt sind. Simon Walo kreierte im Ideenwettbewerb eine Arbeitsmarkt-Plattform, die dieses Problem angeht.

8. Dez 2020 · Simon Walo

Unter dem Motto "Mit den Wissenschaften Krisen meistern, bevor sie entstehen" rief reatch auf zum grossen Ideenwettbewerb 2020. Über 30 kreative Ideen sind zusammengekommen.
Fünf davon haben wir fürs Finale am 24. Oktober ausgewählt.
Vier der fünf Finalist*innen stellen wir in den kommenden Wochen auf unserem Blog vor.
 
    Wir beginnen mit Simon Walo, der mit seiner Arbeitsmarkt-Plattform der Zukunft technologiebedingte Arbeitslosigkeit verhindern, wertvolle Daten liefern und Anreize für ein lebenslanges Weiterbilden schaffen möchte.   
 

Was ist das Problem heute, wieso führt es morgen zur Krise?

Die Auswirkungen von künstlicher Intelligenz auf dem Arbeitsmarkt sind derzeit ein weit beachtetes Thema. Regelmässig machen Meldungen die Runde, dass bis zu 50% aller Jobs in naher Zukunft von Automatisierung bedroht sind und dass dementsprechend viele Leute ihren Job verlieren könnten. Mancherorts ist gar vom «Ende der Arbeit» zu lesen.

Die Wissenschaft ist sich zwar einig, dass die häufig zitierten 50% deutlich überschätzt sind, und dass ein Ende der Arbeit nicht im Geringsten absehbar sei. Denn obwohl neue Technologien dazu führen können, dass gewisse Berufe verschwinden, haben sie bis anhin immer auch ausreichend neue Berufe geschaffen, in denen Arbeit nachgefragt wird: Fliessbandarbeit wird automatisiert, Programmierer*innen werden gesucht. Das Problem ist nun aber, dass der Fliessbandarbeiter, der seinen Job verliert, nicht ohne weiteres einen Job als Programmierer findet. Es drohen ihm ein beruflicher Abstieg oder gar die Arbeitslosigkeit. Von einem solchen Szenario werden sogar gemäss konservativen Schätzungen so grosse Teile der Bevölkerung betroffen sein, dass gesellschaftliche Turbulenzen zu erwarten sind.

Um dies zu verhindern, müssen Arbeitnehmer*innen sich ein Leben lang weiterbilden. Nur so können sie mit dem technologischen Wandel Schritt halten. Damit das funktioniert, braucht es jedoch genaue Informationen darüber, welche Fähigkeiten auf dem Arbeitsmarkt in Zukunft nachgefragt werden. Und es braucht Anreize, damit Arbeitnehmer*innen sich tatsächlich im richtigen Bereich weiterbilden.

Doch das Problem ist: Mit den heutigen Methoden können nur sehr ungenaue Prognosen über die künftige Arbeitsnachfrage getroffen werden. Dementsprechend fällt es schwer, Anreize für gezielte Weiterbildungen zu setzen.

Wie können Wissenschaften helfen, dieses Problem zu beheben?

Die Voraussetzung für bessere Prognosen wäre ein radikales Umdenken bei der Datenerhebung. Die klassischen Methoden der empirischen Sozialforschung müssten ersetzt werden durch zeitgemässe Methoden: Big Data statt Stichprobe, automatische Datenerhebung statt telefonische Befragung, intelligente Algorithmen statt theoriegeleitete Modelle.

Die Grundlage solcher Analysen wäre idealerweise ein Datensatz, welcher den gesamten Arbeitsmarkt in Echtzeit abbildet. Darin enthalten wären einerseits möglichst detaillierte Informationen über die Nachfrage nach Arbeit. Es würden also nicht nur bestehende Stellen erfasst, sondern auch neu ausgeschriebene. Im Minimum enthielte ein solcher Datensatz Angaben über die genaue Berufsbezeichnung, den wirtschaftlichen Sektor des Arbeitgebers und die relevantesten Eckdaten der jeweiligen Stelle wie etwa Pensum oder Lohn. Im besten Fall könnten gar Informationen über die für eine Stelle erforderlichen Qualifikationen und Fähigkeiten sowie die konkreten Arbeitsinhalte erfasst werden.

Andererseits sollte dieser Datensatz auch Informationen über die Arbeitnehmer*innen bereitstellen. Schliesslich lassen sich Veränderungen auf dem Arbeitsmarkt nur aus dem Zusammenspiel von Angebot und Nachfrage erklären. Er sollte also auch Informationen darüber enthalten, wie viele Leute mit welchen Qualifikationen sich im Arbeitsmarkt befinden oder wie viele Personen sich jeweils auf eine Stelle bewerben. Über die Zeit könnte gar ein Datensatz aufgebaut werden, welcher die Gesamtheit aller individuellen Karrierewege enthält.

Auf der Basis solcher Daten könnten nun eine ganze Reihe von neuartigen Analysen angestellt werden. Erstens könnten sämtliche bisherigen Analysen in Echtzeit und mit erhöhtem Detailgrad durchgeführt werden. Dies hätte den offensichtlichen Vorteil, dass in dringlichen Situationen die relevanten Informationen für eine Reaktion sofort zur Verfügung stehen. So könnten z.B. die Folgen von wirtschaftlichen Schocks mehr oder weniger ohne Verzögerung festgestellt werden. Ebenfalls können durch die Abdeckung des gesamten Arbeitsmarktes auch kleinere Gruppen untersucht werden, die von der Stichprobe bislang nicht ausreichend erfasst wurden.

Zweitens könnten diese Daten von künstlicher Intelligenz dazu verwendet werden Prognosen zu erstellen, welche um ein Vielfaches genauer sind als bisherige. Der Nutzen liegt auf der Hand: Mit genaueren Prognosen können sich sowohl Arbeitgeber*innen und -nehmer*innen wie auch der Staat als regulierende Kraft rechtzeitig auf künftige Veränderungen vorbereiten. So können z.B. Personen in von Automatisierung bedrohten Jobs frühzeitig darauf hingewiesen werden, dass sie sich womöglich in naher Zukunft eine neue Stelle suchen müssen. Dies ermöglicht es Betroffenen, sich mit weniger Zeitdruck und somit weniger Stress, um ihre Zukunft zu kümmern. Im Einzelfall kann damit Arbeitslosigkeit gar komplett verhindert werden, da Betroffene dank der frühzeitigen Warnung schon einen neuen Job finden, bevor sie den alten verlieren. Ebenfalls kann der Staat auf Basis dieser Prognosen gezielt Massnahmen ergreifen, um eine möglichst grosse Übereinstimmung von Angebot und Nachfrage auf dem Arbeitsmarkt zu erzielen. Ein klassisches Instrument wäre beispielsweise die Schaffung neuer Ausbildungsgänge für aufstrebende Berufsgruppen. Es wäre also zu erwarten, dass die vollständigere Information der einzelnen Marktakteure zu einem reibungsloseren Funktionieren des Marktes selbst führt.

Drittens könnten diese Daten aber auch dazu verwendet werden, einzelnen Individuen personalisierte Karrieretipps zu geben. Denkbar wäre z.B. ein System, das auf Basis der gesammelten Karrierewege Vorschläge macht, wie unter gegebenen Umständen die persönlichen Ziele am ehesten erreicht werden können. Von Automatisierung bedrohten Arbeitnehmer*innen könnten so etwa Weiterbildungen oder Umschulungen empfohlen werden, die eine gewisse Sicherheit bieten und dabei den persönlichen Interessen und Fähigkeiten entsprechen. Es könnte aber auch angezeigt werden, welche Karrierewege die höchsten Chancen bieten, den persönlichen Traumjob zu erreichen. Dies geschähe natürlich immer unter Berücksichtigung der aktuellen respektive prognostizierten Umstände auf dem gesamten Arbeitsmarkt. Umschulungen und Weiterbildungen würden damit deutlich weniger riskant als bis anhin, da bei Befolgung dieser datenbasierten Empfehlungen eine höhere Chance auf Erfolg besteht als bei einer klassischen Karriereplanung auf gut Glück. Ein lebenslanges Lernen würde damit stark an Reiz gewinnen.

Insgesamt könnten durch diese Innovationen somit Bedingungen geschaffen werden, welche die Chancen für ein reibungsloses Funktionieren des Arbeitsmarktes in Zukunft drastisch erhöhen: Einerseits würden bislang fehlende Informationen gewonnen, die für alle Marktteilnehmer höchst relevant sind. Andererseits würden diese Informationen so aufbereitet, dass individuelle Entscheidungen sich bestmöglich daran orientieren können. Dies wäre wohl ein entscheidender Beitrag zur Unterstützung des Arbeitsmarktes in Zeiten des raschen technologischen Wandel.

Welche konkreten Veränderungen braucht es dazu in Politik und Gesellschaft?

Um die benötigten Daten zu erheben, können verschiedene Dienste im Internet auf einer Art staatlicher Arbeitsplattform gebündelt werden. Diese Plattform böte einerseits die Funktion einer Stellenbörse bzw. eines Recruiting Tools: Unternehmen könnten darauf Stellen ausschreiben und Stellensuchende könnten sich über diese Plattform auf die Stellen bewerben. Bewerber*innen könnten ihren Lebenslauf und andere relevante Informationen über eine standardisierte Eingabemaske erfassen und diese dem potenziellen Arbeitgeber bei Bedarf übermitteln.

Andererseits könnten über diese Plattform verschiedene administrative Prozesse abgewickelt werden: So könnten nach einer erfolgreichen Rekrutierung die relevanten Informationen mit einem einzigen Klick an Sozialversicherungen, Pensionskassen oder gar Steuerbehörden weitergeleitet werden. Dies wäre natürlich nicht nur möglich für neue, sondern auch für bestehende Arbeitsverhältnisse.

Eine solche Plattform hätte mehrere Vorteile: Erstens könnten damit sämtliche benötigten Daten erhoben werden. Zweitens nähme der Aufwand für alle Beteiligten ab: Arbeitssuchende müssten ihre Bewerbungsunterlagen nur einmal zentral erfassen. Und Arbeitgeber*innen würde nicht nur einiges an administrativem Aufwand erspart, sondern sie könnten Bewerbungsunterlagen auch effizienter filtern als bis anhin.

Aufgrund dieser Zeitersparnis für Unternehmen ist zu erwarten, dass längerfristig eine Mehrheit der Jobs über diese Plattform registriert würden und somit der Arbeitsmarkt relativ umfassend abgebildet ist. Falls dies nicht eintrifft, könnten aber auch weitere Anreize zur Nutzung gesetzt werden.

Teilweise ist dieser Lösungsansatz sogar schon umgesetzt: Bereits heute bieten Staaten im Internet Plattformen zur effizienteren Abwicklung von administrativen Prozessen an. Staatliche Stellenbörsen sind ebenfalls keine Seltenheit. Und Daten darüber, wer wo arbeitet, werden meist sowieso bereits vollständig erfasst. Der Mehrwert dieser Arbeitsplattform entsteht somit in erster Linie nicht durch eine Ausweitung der staatlichen Aufgaben, sondern durch die Bündelung bestehender Dienste in digitaler Form.

Autor*Innen

Simon Walo ist Doktorand am Soziologischen Institut an der Uni Zürich. Zusätzlich nimmt er teil am Exzellenz-Programm der Digital Society Initiative der Uni Zürich.

Disclaimer

Der vorliegende Blogeintrag gibt die persönliche Meinung der Autoren wieder und entspricht nicht zwingend derjenigen von reatch oder seiner Mitglieder.