Eingeloggt Nicht eingeloggt Suche E-Mail Leseliste Aktiv auf Leseliste Drucken Uhr E-Mail Term-Tag Arrow Left Arrow Right Arrow Down Arrow Up Charts Lock Abo Circle Circle Open Six Exchange Six Exchange Facebook Twitter Linkedin Xing Googleplus Whatsapp
Blogs / Never Mind the Markets

Das Paradox der Digitalisierung

Mark Dittli

Die Technologie ist zwar weit fortgeschritten, aber ihr Einsatz oft noch nicht viel mehr als Spielerei: Ein Roboter stellt den Besuchern in einem Kiosk auf der Rigi Informationen zur Verfügung. Foto: Urs Flüeler (Keystone)

Automatisierung, Robotisierung, künstliche Intelligenz, Machine Learning, selbstfahrende Autos, Internet of Things: Wer gegenwärtig die Schlagzeilen in der Wirtschafts- und Technologiewelt liest, muss zum Schluss kommen, dass sich eine der bedeutendsten technologischen Revolutionen aller Zeiten abspielt. Von der «Vierten Industriellen Revolution» oder vom «Second Machine Age» ist die Rede. Das McKinsey Global Institute kommt in einer Studie zum Schluss, dass bis 2030 fast die Hälfte aller heutigen menschlichen Arbeitsprozesse automatisiert werden könnten.

Das klingt dramatisch. Die Geschichte hat nur einen Haken: Man sieht in den volkswirtschaftlichen Statistiken noch nichts davon.

Simpel gesagt, müsste die Automatisierung und Digitalisierung von zuvor menschlichen Arbeitsprozessen die Arbeitsproduktivität in der Wirtschaft markant steigern. Doch das geschieht nicht. Im Gegenteil: In den westlichen Volkswirtschaften sinkt die Arbeitsproduktivität seit den späten Neunzigerjahren, und in den Schwellenländern sinkt sie ebenfalls seit knapp zehn Jahren. Das erinnert an das «Solow Paradox»: Der US-Ökonom Robert Solow sagte 1987, man sehe das Computerzeitalter überall, bloss nicht in den Produktivitätsstatistiken.

Die Ökonomen Erik Brynjolfsson (Mitautor des Buches «The Second Machine Age»), Daniel Rock und Chad Syverson haben sich in einem Papier mit dem Titel «Artificial Intelligence and the Modern Productivity Paradox» näher mit dem Phänomen der rätselhaft niedrigen Produktivitätsraten befasst.

Hier zunächst die jährliche Rate der Arbeitsproduktivitätsfortschritte in ausgewählten Weltregionen:

 

Die rückläufige Arbeitsproduktivität in den USA (rot), Europa und Japan (grün) ab der Jahrtausendwende sowie in den Schwellenländern (gelb) ab etwa 2008 ist evident. Die grosse Frage ist: Wieso haben die enormen technologischen Fortschritte, die in Sachen Digitalisierung in den letzten Jahren erreicht wurden, keinen Einfluss auf die Produktivität?

Vier Erklärungen für die niedrige Arbeitsproduktivität

Brynjolfsson und seine Kollegen führen vier mögliche Erklärungen ins Feld:

  1. Zu hohe Erwartungen und falsche Hoffnungen
  2. Messfehler
  3. Konzentrierte Marktverhältnisse
  4. Zeitliche Verzögerungen

Den ersten beiden Erklärungen messen die Autoren keine allzu grosse Bedeutung zu. Hohe Erwartungen und falsche Hoffnungen sind stets ein Begleitphänomen von neuen Technologien; die Forscher erwähnen das Beispiel, wie die Nuklearfusion jahrzehntelang Hoffnungen auf eine Energierevolution schürte und enttäuschte. Messfehler sind ein konstantes Thema, weil die volkswirtschaftliche Statistik generell Mühe bekundet, die Wertschöpfung im (digitalen) Dienstleistungssektor adäquat zu messen.

Spannender wird es mit den Punkten 3 und 4.

Zur Marktkonzentration: Wenn es spezifisch um das Feld der künstlichen Intelligenz oder des Machine Learning geht, liegen die meisten sich bereits im produktiven Einsatz befindlichen Anwendungen fest in den Händen weniger Technologiekonzerne. Google beispielsweise ist es mit dem Einsatz von Machine Learning gelungen, den Markt für Digitalwerbung absolut zu dominieren.

Das führt zu einer «Winner takes all»-Ökonomie, in der der Marktführer eine derart dominante Stellung einnimmt, dass er dauerhaft Monopolrenten abschöpfen kann. Das ist schön für die Aktionäre des Monopolisten, nützt der Volkswirtschaft insgesamt aber wenig.

Neue Technologien brauchen Zeit

Das grösste Gewicht geben Brynjolfsson und seine Kollegen der vierten Erklärung: Die wahrscheinlichste Begründung für die noch nicht sichtbaren Produktivitätsfortschritte liegt in der Tatsache, dass die neuen Technologien noch viel mehr Zeit benötigen, um ihren Effekt auszuspielen.

Das mag zunächst banal klingen, doch die Erklärung ist plausibel. Künstliche Intelligenz und Machine Learning sind sogenannte «General Purpose»-Technologien: Ihr Effekt kommt nur im Zusammenspiel mit einer Reihe von Innovationen rund um ihre praktische Anwendung zum Tragen.

Die Autoren der Studie ziehen eine Parallele zum Elektromotor, der zwar um 1880 erfunden wurde, seinen praktischen Einzug in die produktive Wirtschaft aber erst um 1920 fand. Ähnliches gilt für den Computer, der rund dreissig Jahre benötigte, bevor er in den Achtzigerjahren seinen Siegeszug durch die Wirtschaft antrat.

Wer weiss, vielleicht ist die Erklärung für das paradoxe Zusammenspiel von digitaler Revolution und schwacher Arbeitsproduktivität also ganz simpel: Es braucht mehr Zeit. Oder in den Worten von Brynjolfsson: «Never mistake a clear view for a short distance.»