Zitatform

Köhler, Thomas R. & Julia Finkeissen (2024): Business 5.0. Der Praxis-Guide für Künstliche Intelligenz in Unternehmen - Chancen und Risiken. Frankfurt;New York: Campus Verlag, 253 S.

Abstract

"Endlich ist er da, der Durchbruch für Künstliche Intelligenz (KI) bzw. Artificial Intelligence (AI). Doch Zweifel an der "Universalwaffe" ChatGPT und ähnlichen KI-Systemen sind erlaubt. Thomas R. Köhler und Julia Finkeissen liefern in ihrem neuen Buch eine Bestandsaufnahme der aktuellen Technologien und trennen dabei schonungslos Hype von Wirklichkeit. Sie liefern das Rüstzeug für jede Führungskraft, um KI aktiv im Unternehmen sinnvoll einzusetzen. Business 5.0 zeigt in sieben Schritten, wo und wie KI-Projekte im Unternehmen etabliert werden können, und liefert konkrete Beispiele für unterschiedliche Branchen und Querschnittsfunktionen. Ein nachhaltiger KI-Einsatz im Unternehmen steht dabei im Mittelpunkt." (Autorenreferat, IAB-Doku, © Campus)

Zitatform

Körner, Theresa (2024): Generalisiertes Vertrauen in automatisierten Journalismus. Bedeutung und Einflussfaktoren auf das Vertrauen deutscher Leser*innen. Wiesbaden: Springer VS, 279 S. DOI:10.1007/978-3-658-42735-1

Abstract

"In dieser Arbeit geht es um die Frage, wie Leser:innen in Deutschland automatisiert generierte Nachrichten wahrnehmen und welche Bedeutung sie den Verfahren im Journalismus zuschreiben. Im Mittelpunkt steht die Frage, ob das Publikum dem automatisierten Journalismus vertraut und welche Einflussfaktoren bei dieser Entscheidung eine Rolle spielen. Ein Mindestmaß an Vertrauen der Bevölkerung in Journalismus ist wichtig für die Stabilität demokratischer Gesellschaften. In der Forschung ist bisher wenig thematisiert, ob Medieninnovationen wie die automatisierte Berichterstattung Einfluss auf das generalisierte Vertrauen der Lesenden haben. Zudem gibt es wenig Wissen über den Umgang mit dem, sowie über die Wahrnehmung und die Bewertung des automatisierten Journalismus durch verschiedene Publika. Basierend auf der Operationalisierung verschiedener Vertrauensbeziehungen und der Aufarbeitung des Forschungsstands zur bewerteten Glaubwürdigkeit computergenerierter Nachrichtentexte wurde ein Modell entwickelt, das mögliche Einflussfaktoren auf die Vertrauensbewertung des automatisierten Journalismus darstellt sowie Raum für die Exploration weiterer Faktoren lässt. Zur empirischen Überprüfung wurden Focus Groups mit gezielt rekrutierten Leser:innen eingesetzt: Neben einer heterogen gemischten Focus Group haben einmal Personen mit hoher Technikaffinität und Vorwissen zu Verfahren der Künstlichen Intelligenz sowie einmal Personen mit hoher Medienkompetenz teilgenommen. Die Studienergebnisse zeigen, dass es keine monokausalen Antworten auf die Frage nach dem Vertrauen der Lesenden in automatisierten Journalismus gibt. Grundsätzlich stehen sie dem Technologieeinsatz neutral und gleichzeitig neugierig sowie – vor allem mit Blick auf die Zukunft – skeptisch gegenüber. Die Teilnehmenden fordern einen transparenten Umgang der Medienorganisationen mit automatisierter Berichterstattung und wollen mehr Informationen zum Einsatz, zur Verbreitung und zur Technologie haben. Als Einflussfaktoren auf die Vertrauensbewertung wurden ausgewählte Personen- sowie Text- und Publikationsmerkmale und Eigenschaften des Untersuchungsgegenstands getestet. Hohe Relevanz haben erkennbar die Angst vor gezielter Manipulation, die individuellen Vorstellungen über Künstliche Intelligenzen sowie die Kontingenz von Texten. Die Bedeutung dieser Studie besteht darin, dass sie das theoretische Verständnis von Vertrauen in Journalismus erweitert sowie die Wahrnehmung des automatisierten Journalismus vertieft. Außerdem wird das empirische Verständnis der Bewertung und Einordnung des Publikums der automatisiert generierten Berichterstattung durch die Studienergebnisse exploriert." (Autorenreferat, IAB-Doku, © Springer)

Zitatform

Lane, Marguerita (2024): Who will be the workers most affected by AI? A closer look at the impact of AI on women, low-skilled workers and other groups. (OECD Artificial Intelligence Papers 26), Paris, 60 S. DOI:10.1787/14dc6f89-en

Abstract

"This paper examines how different socio-demographic groups experience AI at work. As AI can automate non-routine, cognitive tasks, tertiary educated workers in “white-collar” occupations will likely face disruption, even if empirical analysis does not suggest that overall employment levels have fallen due to AI, even in “white-collar” occupations. The main risk for those without tertiary education, female and older workers is that they lose out due to lower access to AI-related employment opportunities and to productivity-enhancing AI tools in the workplace. By identifying the main risks and opportunities associated with different socio-demographic groups, the ultimate aim is to allow policy makers to target supports and to capture the benefits of AI (increased productivity and economic growth) without increasing inequalities and societal resistance to technological progress." (Author's abstract, IAB-Doku) ((en))

Zitatform

Larsson, Stefan, James Merricks White & Claire Ingram Bogusz (2024): The Artificial Recruiter: Risks of Discrimination in Employers’ Use of AI and Automated Decision‐Making. In: Social Inclusion, Jg. 12. DOI:10.17645/si.7471

Abstract

"Extant literature points to how the risk of discrimination is intrinsic to AI systems owing to the dependence on training data and the difficulty of post hoc algorithmic auditing. Transparency and auditability limitations are problematic both for companies’ prevention efforts and for government oversight, both in terms of how artificial intelligence (AI) systems function and how large-scale digital platforms support recruitment processes. This article explores the risks and users’ understandings of discrimination when usingAI and automated decision-making (ADM) in worker recruitment. We rely on data in the form of 110 completed questionnaires with representatives from 10 of the 50 largest recruitment agencies in Sweden and representatives from 100 Swedish companies with more than 100 employees (“major employers”). In this study, we made use of an open definition of AI to accommodate differences in knowledge and opinion around how AI and ADM are understood by the respondents. The study shows a significant difference between direct and indirect AI and ADM use, which has implications for recruiters’ awareness of the potential for bias or discrimination in recruitment. All of those surveyed made use of large digital platforms like Facebook and LinkedIn for their recruitment, leading to concerns around transparency and accountability—not least because most respondents did not explicitly consider this to be AI or ADM use. We discuss the implications of direct and indirect use in recruitment in Sweden, primarily in terms of transparency and the allocation of accountability for bias and discrimination during recruitment processes." (Author's abstract, IAB-Doku) ((en))

Zitatform

Licht, Thomas & Klaus Wohlrabe (2024): AI Adoption Among German Firms. (CESifo working paper 11459), München, 21 S.

Abstract

"This paper examines the adoption of Artificial Intelligence (AI) among German firms, leveraging firm-level data from the ifo Business Survey. We analyze the diffusion of AI across sectors and firm sizes, showing a significant increase in AI usage from 2023 to 2024, particularly in manufacturing and services. The survey data allows us to explore not only sectoral patterns of adoption but also the drivers and barriers that firms face, including firm-specific characteristics and industry dynamics. Additionally, we investigate the role of managerial traits, such as risk tolerance and patience, in shaping AI adoption decisions. Finally, we assess the potential pro-ductivity impacts of AI at the firm level, with a focus on the expected long-term benefits of AI for different sectors of the German economy. Our findings contribute to the growing body of research on AI adoption by providing new evidence from a non-US context, offering valuable insights for both academia and politics." (Author's abstract, IAB-Doku) ((en))

Zitatform

Liu, Jin, Kaizhe Chen & Wenjing Lyu (2024): Embracing artificial intelligence in the labour market: the case of statistics. In: Humanities and Social Sciences Communications, Jg. 11. DOI:10.1057/s41599-024-03557-6

Abstract

"In an era marked by rapid advancements in artificial intelligence (AI), the dynamics of the labor market are undergoing significant transformation. A common concern amidst these changes is the potential obsolescence of traditional disciplines due to AI-driven productivity enhancements. This study delves into the evolving role and resilience of these disciplines within the AI-influenced labor market. Focusing on statistics as a representative field, we investigate its integration with AI and its interplay with other disciplines. Analyzing 279.87 million online job postings in the United States from 2010 to 2022, we observed a remarkable 31-fold increase in the demand for AI-specialized statistical talent, diversifying into 932 distinct AI-related job roles. Additionally, our research identified four major interdisciplinary clusters, encompassing 190 disciplines with a statistical focus. The findings also highlight a growing emphasis on specific hard skills within these AI roles and the differences in demand for AI talent in statistics across economic sectors and regions. Contrary to the pessimistic view of traditional disciplines’ survival in the AI age, our study suggests a more optimistic outlook. We recommend that professionals and organizations proactively adapt to AI advancements. Governments and academic institutions should collaborate to foster interdisciplinary skill development and evaluation for AI talents, thereby enhancing the employability of individuals from traditional disciplines and contributing to broader economic growth." (Author's abstract, IAB-Doku) ((en))

Zitatform

Liu, Yan (2024): Generative AI. Catalyst for Growth or Harbinger of Premature De-Professionalization? (Policy research working paper 10915), Washington, DC, 60 S.

Abstract

"This paper presents a multi-sector growth model to elucidate the general equilibrium effects of generative artificial intelligence on economic growth, structural transformation, and international production specialization. Using parameters from the literature, the paper employs simulations to quantify the impacts of artificial intelligence across various scenarios. The paper introduces a crucial distinction between high-skill, highly digitalized, tradable services and low-skill, less digitalized, less-tradable services. The model’s key propositions align with empirical evidence, and the simulations yield novel and sobering predictions. Unless artificial intelligence achieves widespread cross-sector adoption and catalyzes paradigm-shifting innovations that fundamentally reshape consumer preferences, its growth benefits may be limited. Conversely, its disruptive impact on labor markets could be profound. This paper highlights the risk of “premature de-professionalization”, where artificial intelligence likely shrinks the space for countries to generate well-paid jobs in high-skill services. The analysis portends that developing countries failing to adopt artificial intelligence swiftly risk entrapment as commodity exporters, potentially facing massive youth underemployment, diminishing social mobility, and stagnating or even declining living standards. The paper also discusses artificial intelligence ’s broader implications on inequality, exploring multiple channels through which it may exacerbate or mitigate economic disparities." (Author's abstract, IAB-Doku) ((en))

Zitatform

Lühr, Thomas & Tobias Kämpf (2024): KI und der Wandel von Angestelltenarbeit. Zum „blinden Fleck“ der aktuellen Automatisierungsdebatte. In: WSI-Mitteilungen, Jg. 77, H. 2, S. 98-106. DOI:10.5771/0342-300X-2024-2-98

Abstract

"Der Beitrag analysiert den Wandel von Angestelltenarbeit vor dem Hintergrund der digitalen Transformation. Ausgangspunkt ist ein Automatisierungsschub, der durch erweiterte Möglichkeiten der Nutzung Künstlicher Intelligenz (KI) geprägt ist. Auf der Grundlage empirischer Befunde werden die qualitativen Veränderungstendenzen von Arbeit in den Blick genommen, und zwar sowohl aus der Anwenderperspektive der Sachbearbeiter*innen als auch aus der Sicht der hochqualifizierten Entwickler*innen und Implementoren neuer KI-Lösungen. Insgesamt wird ein Strukturwandel von Angestelltenarbeit konstatiert, der nicht nur das Risiko von Jobverlusten, sondern auch Potenziale für eine Aufwertung und Höherqualifizierung hervorbringt und sich im Angestelltenbewusstsein manifestiert. In arbeitspolitischer Perspektive eröffnen sich Anknüpfungspunkte für eine Vorwärtsstrategie im Sinne eines nachhaltigen Umbaus von Beschäftigung." (Autorenreferat, IAB-Doku)

Zitatform

Madoń, Karol (2024): The relationship between Artificial Intelligence (AI) exposure and return to education. (IBS working paper / Instytut Badan Strukturalnych 2024,05), Warszawa, 17 S.

Abstract

"This paper studies the relationship between exposure to artificial intelligence (AI) and workers’ wages across European countries. Overall, a positive relationship between exposure to AI and workers’ wages is found, however it differs considerably between workers and countries. High-skilled workers experience far higher wage premiums related to AI-related skills than middle- and low-skilled workers. Positive associations are concentrated among occupations moderately and highly exposed to AI (between the 6th and 9th decile of the exposure), and are weaker among the least exposed occupations. Returns of AI-related skills among high-skilled workers are even higher in Eastern European Countries compared to Western European countries. The heterogeneity likely originates from the difference in overall labour costs between country groups. The results presented in this study were obtained from the estimation of Mincerian wage regressions on the 2018 release of the EU Structure of Earning Survey." (Author's abstract, IAB-Doku) ((en))

Zitatform

Matthes, Britta (2024): Wie KI und andere digitale Technologien die Arbeit von Ingenieuren in der Elektro- und Informationstechnik verändern könnten. In: VDE Verband der Elektrotechnik, Elektronik und Informationstechnik (Hrsg.) (2024): Rolle der Künstlichen Intelligenz in der Elektro- und Informationstechnik, S. 21-27, 2024-10-14.

Abstract

"Die Liste der Technologien, die für die Arbeit von Ingenieuren in der Elektro- und Informationstechnik in den nächsten Jahren relevant sind, ist sehr lang. Dabei spielt KI in vielen technologischen Bereichen eine wichtige Rolle. Dennoch: Auch wenn die Automatisierungspotenziale bei diesen Berufen durch Einsatz von KI und anderen digitalen Technologien hoch sind, steht überhaupt nicht zur Debatte, dass es in Zukunft diese Berufe nicht mehr geben wird! Das hat verschiedene Gründe: Der wichtigste ist, dass KI erst dann produktiv zum Einsatz gebracht werden kann, wenn sie mit fachspezifischen Kenntnissen zusammentrifft. Es geht aber auch darum, dass sich die heute bereits bestehende Fachkräfteknappheit in diesen Berufen in den nächsten Jahren eher weiter verschärfen als abschwächen wird. Nicht nur, dass in den Ingenieurberufen der Elektro- und Informationstechnik in den kommenden Jahren überproportional viele der sozialversicherungspflichtig Beschäftigten in den Ruhestand gehen. Mit großer Wahrscheinlichkeit führt auch die Nutzung der Potenziale, die sich durch den Einsatz von KI in Wirtschaft und Gesellschaft ergeben, zu einer deutlichen Nachfragesteigerung in diesen Berufen. Hinzu kommt, dass die Elektro- und Informationstechnik zu denjenigen Gebieten gehört, die eine besondere Rolle bei der parallel zur digitalen Transformation stattfindenden ökologischen Transformation spielt. Gut ausgebildete Ingenieure der Elektro- und Informationstechnik werden zusätzlich gebraucht, um ihr spezifisches Wissen bei der Erzeugung und Speicherung von Wind- und Solarenergie, aber auch beim Umstieg vom Verbrenner zum Elektroantrieb einzusetzen. Eine der wichtigsten Fragen, die sich aus diesen Überlegungen ergibt, ist deshalb weniger, ob es auch in Zukunft noch Ingenieure der Elektro- und Informationstechnik geben wird. Vielmehr stellt sich die Frage, was lässt sich an der Arbeit, wie sie heute noch von diesen Ingenieuren erledigt wird, durch den Einsatz von KI und anderen modernen Technologien effizienter machen oder sogar automatisieren, um zu verhindern, dass die Fachkräftelücke noch größer wird. Dabei geht es nicht nur um die technologischen Potenziale, sondern auch darum, unter welchen Bedingungen tatsächlich automatisiert werden kann. Denn Automatisierung ist äußerst voraussetzungsvoll: Es muss investiert werden, nicht nur in Maschinen und Anlagen, sondern auch in Dateninfrastruktur und in die Fähigkeiten und Motivation derjenigen, die damit zukünftig arbeiten sollen. Häufig müssen erst die Datengrundlagen geschaffen, Prozesse neu etabliert, eine Aufbruchstimmung erzeugt werden; es gibt rechtliche Hürden wie zum Beispiel datenschutz- oder urheberrechtliche Vorgaben; die Wahrung von Geschäftsgeheimnissen steht einer Automatisierung entgegen; oder es bestehen ethische Bedenken." (Textauszug, IAB-Doku)

Zitatform

Minniti, Antonio, Klaus Prettner & Francesco Venturini (2024): Unslicing the pie: AI innovation and the labor share in European regions. (Department of Economics working paper / Vienna University of Economics and Business 369), Wien, 46 S. DOI:10.57938/42db2bf4-07a0-4cea-8aab-ea40f1f71b29

Abstract

"We study how the development of Artificial Intelligence (AI) influences the distribution of income between capital and labor and how this, in turn, exacerbates geographic income inequality. To investigate this issue, we first build a theoretical framework and then analyze data from European regions dating back to 2000. We find that for every doubling of regional AI innovation, there is a 0.7% to 1.6% decline in the labor share, which may have decreased by between 0.20 and 0.46 percentage points from a mean of 52% due solely to AI. This new technology is particularly detrimental to high-skill and medium-skill labor. The impact on income distribution is driven by worsening wage and employment conditions for high-skill labor, and by wage compression for medium- and low-skill labor. The effect of AI is not driven by other factors affecting regional development in Europe, nor by the concentration process in the AI market." (Author's abstract, IAB-Doku) ((en))

Zitatform

Montobbio, Fabio, Jacopo Staccioli, Maria Enrica Virgillito & Marco Vivarelli (2024): The empirics of technology, employment and occupations: Lessons learned and challenges ahead. In: Journal of Economic Surveys, Jg. 38, H. 5, S. 1622-1655. DOI:10.1111/joes.12601

Abstract

"This paper is a critical review of the empirical literature resulting from recent years of debate and analysis regarding technology and employment and the future of work as threatened by technology, outlining both lessons learned and challenges ahead. We distinguish three waves of studies and relate their heterogeneous findings to the choice of technological proxies, the level of aggregation, the adopted research methodology and to the relative focus on robots, automation and AI. The challenges ahead include the need for awareness of possible ex‐ante biases associated with the adopted proxiesfor innovation; the recognition of the trade‐off between microeconometric precision and a more holistic macroeconomic approach; the need for granular analysis of the reallocation and transformation of occupations and tasks brought about by different types of new technologies; the call for a closer focus on impacts on labor quality, in terms of types of jobs and working conditions." (Author's abstract, IAB-Doku, Published by arrangement with John Wiley & Sons) ((en))

Zitatform

Nitsch, Verena, Vera Rick, Annette Kluge & Uta Wilkens (2024): Human-centered approaches to AI-assisted work: the future of work? In: Zeitschrift für Arbeitswissenschaft, Jg. 78, H. 3, S. 261-267. DOI:10.1007/s41449-024-00437-2

Zitatform

Nixdorf, Christian Philipp (2024): Künstliche Intelligenz am Arbeitsmarkt auch imSozialwesen? Plädoyer für eine achtsame Unaufgeregtheit. In: Soziale Sicherheit, Jg. 73, H. 8-9, S. 10-16.

Abstract

"Manche Menschen sind „Künstlicher Intelligenz“ (KI) gegenüber offen eingestellt. Andere reagieren auf diese angesprochen mit Ängsten, zum Beispiel vor Arbeitsplatzverlust und hinsichtlich des Datenschutzes. Die Nutzung von KI weitet sich aus, was auch vor dem Sozialwesen nicht Halt macht.KI gewinnt hier nur langsam, aber doch stetig an Bedeutung. Was aber bedeutet das für die dortigen Fachkräfte? Das wird im Text reflektiert." (Textauszug, IAB-Doku)

Zitatform

Nurski, Laura & Nina Ruer (2024): Exposure to generative artificial intelligence in the European labour market. (Working paper / Bruegel 2024,06), Brüssel, 33 S.

Abstract

"We apply two sets of generative artificial intelligence (GenAI) occupational exposure scores – one task-based, one ability-based – to the European Labour Force Survey. While using different methodologies, our findings reveal consistent demographic patterns across the two approaches: jobs held by women, highly educated and younger workers are more exposed to GenAI technology in Europe. We also review the literature on the recent productivity impact of GenAI. Within the same occupations, less-experienced or less-skilled workers consistently get the largest productivity gains from GenAI support. We argue that a task-based analysis is more fruitful than an ability-based one, both for guiding GenAI adoption in organisations and their workplaces, and for assessing the employment and job quality impact on workers. Finally, we provide policy recommendations that can help workers (ie the labor supply) adjust to technological disruption, such as providing training and social safety nets. But we go further by also suggesting policy interventions that could redirect future labor demand towards better jobs, by promoting job redesign and organisational agility. Monitoring GenAI’s employment effects and researching the ‘jagged technological frontier’ is necessary to further build our understanding of the employment impact of this transformational technology." (Author's abstract, IAB-Doku) ((en))

Zitatform

Peede, Lennert & Michael Stops (2024): Artificial intelligence technologies, skills demand and employment: evidence from linked job ads data. (IAB-Discussion Paper 15/2024), Nürnberg, 62 S. DOI:10.48720/IAB.DP.2415

Abstract

"Wir untersuchen, wie künstliche Intelligenz (KI) die Arbeitsnachfrage auf der Betriebsebene beeinflusst. Um die Aktivitäten in der Entwicklung, Implementierung oder Nutzung von KI-Technologien zu messen, verwenden wir den Anteil derjenigen Stellenausschreibungen, die einen Bezug zu KI haben. Niedrige KI-Stellenanteile insgesamt zeigen, dass wir eine frühe Phase der KI-Einführung untersuchen. Auf der Betriebsebene hängt der KI-Stellenanteil mit einem relativ geringen Rückgang derjenigen Kompetenzanforderungen zusammen, die nicht mit KI-Technologien in Verbindung stehen. Darüber hinaus finden wir keine Auswirkungen auf die Gesamtbeschäftigung in den Betrieben, aber ein leicht höheres Beschäftigungswachstum in Jobs mit hoch komplexen Tätigkeiten." (Autorenreferat, IAB-Doku)

Zitatform

Pfeiffer, Sabine (2024): KI im Unternehmen – Herausforderungen an die betriebliche Gestaltung moderner Arbeit. In: Faktor Arbeitsschutz H. 11, S. 34-39.

Abstract

"Eine Befragung von Beschäftigten zu ihrer Einstellung gegenüber der Nutzung von KI bei der Arbeit ergab – entgegen immer wieder behaupteter Angstzuschreibung – ein abgewogenes „Es kommt darauf an“. Wichtig ist es, Beschäftigte von Anfang an bei der Installation von KI im Betrieb zu beteiligen." (Autorenreferat, IAB-Doku)

Zitatform

Rademakers, Emilie & Ulrich Zierahn-Weilage (2024): New Technologies: End of Work or Structural Change? In: The Economists' voice, Jg. 21, H. 2, S. 335-344. DOI:10.1515/ev-2024-0046

Abstract

"This paper examines the impact of new technologies, particularly automation and artificial intelligence (AI), on labor markets. The existing literature documents ambiguous and only limited overall employment effects, while new technologies induce significant shifts in workforce composition. The implied firm-level productivity gains primarily benefit larger, skilled-labor-intensive firms. AI adoption remains limited but continues to reshape skill demands. The implied worker reallocation is costly, exacerbating inequality. This calls for policies such as targeted support for displaced workers, investment in education and skill development, promoting technology diffusion, and encouraging complementary human capital investments." (Author's abstract, IAB-Doku) ((en))

Zitatform

Rammer, Christian, Thorsten Doherr, Jan Kinne & David Lenz (2024): KI-Einsatz in Unternehmen in Deutschland : Strategische Ausrichtung und internationale Position. Berlin, 45 S.

Abstract

"Die Studie untersucht den Stand der KI-Nutzung in Unternehmen in Deutschland im internationalen Vergleich. Neben der Verbreitung verschiedener KI-Verfahren und des KI-Einsatzes in unterschiedlichen Anwendungsgebieten wird der Zusammenhang zwischen KI-Nutzung und der strategischen Ausrichtung der Unternehmen analysiert. Darüber hinaus wird die sich entwickelnde "KI-Branche" für Europa und Nordamerika charakterisiert, d.h. die Unternehmen, die sich auf die Entwicklung und Vermarktung von KI-Technologien spezialisiert haben." (Autorenreferat, IAB-Doku)

Zitatform

Riso, Sara & Dragos Adascalitei (2024): Human–robot interaction: What changes in the workplace? (Eurofound research report / European Foundation for the Improvement of Living and Working Conditions), Dublin, 62 S.

Abstract

"Advanced robotic systems and applications disrupt workplaces; they transform the way work is carried out, often resulting in changes to business models and redefining roles, tasks and methods of work. Artificial intelligence (AI) has played a pivotal role in enhancing these systems, giving them greater capabilities, functionalities and flexibility than more conventional robots. AI has also facilitated seamless collaboration and interaction between humans and robots in various industries. This is most prominently illustrated by collaborative robotic applications, through which AI enables closer worker–robot interaction in shared workspaces. As advanced robots become more complex and prevalent in modern work environments, understanding how workers and robots interact and the implications for work organisation and working conditions is crucial for robots’ successful integration into the workplace. The changes brought about by autonomous or semiautonomous advanced robotics require thoughtful consideration and proactive management to ensure a positive impact on businesses and workers. Drawing on survey data and case studies investigating advanced robotic systems and applications for task automation, this report contributes to the policy debate on work automation, highlighting new forms of interaction between workers and robots and the changes to work organisation and working conditions that they entail" (Text excerpt, IAB-Doku) ((en))