Veränderungen der Arbeitswelt durch Künstliche Intelligenz
Anwendungsmöglichkeiten und Auswirkungen des Einsatzes künstlicher Intelligenz auf den Arbeitsmarkt werden breit diskutiert. Welche Folgen für Beschäftigung, Löhne und Qualifikationsanforderungen sind zu erwarten? Birgt die Nutzung automatisierter Entscheidungssysteme (z.B. für die Personalauswahl) ein Diskriminierungsrisiko? Wie wirkt sich der Einsatz von künstlicher Intelligenz auf die Arbeitsqualität aus?
Dieses Themendossier stellt Literatur zum Stand der Forschung zusammen.
Im Filter „Autorenschaft“ können Sie auf IAB-(Mit-)Autorenschaft eingrenzen.
-
Literaturhinweis
Rejected by an AI? Comparing job applicants’ fairness perceptions of artificial intelligence and humans in personnel selection (2025)
Zitatform
Malin, Christine, Jürgen Fleiß, Renate Ortlieb & Stefan Thalmann (2025): Rejected by an AI? Comparing job applicants’ fairness perceptions of artificial intelligence and humans in personnel selection. In: Frontiers in artificial intelligence, Jg. 8. DOI:10.3389/frai.2025.1671997
Abstract
"Introduction: Artificial intelligence (AI) transforms personnel selection, but the application of AI raises fairness concerns and aversion towards AI. Although job applicants may perceive the selection process as fairer when they receive an explanation for the decision, scientific knowledge about AI-related fairness perceptions in this setting is limited. This paper investigates how job applicants perceive fairness of an AI-based personnel selection process considering explanations provided. Methods: The hypotheses are based on a theoretical framework about fairness and literature on algorithm aversion. Data were collected through a vignette-style method focusing on four personnel selection scenarios (n = 921). Results: We show that provided explanations increase job applicants ’ perceptions of outcome fairness, process fairness, interpersonal treatment, and recommendation intention, irrespective of the decision being made by an AI or human. Discussion: We provide conclusions for algorithmic decision-making and discuss factors that need to be considered when adopting and designing AI so that AI is perceived as fair." (Author's abstract, IAB-Doku) ((en))
-
Literaturhinweis
Künstliche Intelligenz (KI) im Studienalltag: Einschätzungen von Studierenden zum Einsatz von KI an deutschen Hochschulen (2025)
Zitatform
Marczuk, Anna, Frank Multrus, Thomas Hinz & Susanne Strauss (2025): Künstliche Intelligenz (KI) im Studienalltag: Einschätzungen von Studierenden zum Einsatz von KI an deutschen Hochschulen. (DZHW-Brief 2025,02), Hannover, 15 S. DOI:10.34878/2025.02.dzhw_brief
Abstract
"Die Mehrheit der Studierenden nutzt im Wintersemester 2024/2025 KI im Studium und kennt deren Funktionsweise relativ gut. ChatGPT ist das meistgenutzte KI-Tool, dessen Nutzung seit 2023 deutlich angestiegen ist. Studierende verwenden KI am häufigsten für die Einführung in ein Thema und für Textverarbeitungen, deutlich seltener für Literaturrecherchen oder Datenanalysen. Die Mehrheit der Studierenden gibt an, dass KI die Erledigung von Aufgaben, die keinen Spaß machen oder schwierig sind, beschleunigt oder erleichtert. Seltener sind Studierende der Ansicht, dass KI die Studienleistungen verbessert. Studierende stehen KI auch kritisch gegenüber, insbesondere wegen ihrer Fehleranfälligkeit und des Risikos, von ihr abhängig zu werden. Studierende, die KI häufig nutzen, sind gegenüber KI ähnlich kritisch wie Studierende, die sie seltener nutzen. Der Einsatz von Learning Analytics wird von Studierenden eher befürwortet, wenn sie selbst dadurch unterstützt werden (etwa durch Kurs- und Literaturempfehlungen), weniger zur Unterstützung von Lehrenden (etwa bei der Benotung) oder der Hochschulverwaltung (etwa für die Studienabbruchprävention). Studierende erleben eher selten eine Unterstützung der Hochschulen bei der Nutzung von KI im Studium. An einigen Hochschulen berichten sie von Richtlinien zur Nutzung, seltener sind Schulungsangebote oder eine Integration in die Lehre. Studierende wünschen sich KI-Unterstützung beim Verfassen von Hausarbeiten, während der Einsatz durch Lehrende zur Benotung oder als Ersatz für Lerngruppen (automatisierte Lernbuddys) skeptisch gesehen wird. Eine Teildigitalisierung von Lehrveranstaltungen (Mischung aus Präsenz und online) ist für Studierende attraktiver als reine Präsenz- oder gar reine Onlineveranstaltungen." (Autorenreferat, IAB-Doku)
-
Literaturhinweis
Wie KI Berufe verändert und Chancen für Menschen mit Behinderungen schafft (2025)
Zitatform
Matthes, Britta (2025): Wie KI Berufe verändert und Chancen für Menschen mit Behinderungen schafft. In: Die Berufliche Rehabilitation, Jg. 39, H. 1, S. 6-15., 2025-04-04.
Abstract
"Es ist absehbar, dass die rasanten technologischen Entwicklungen der letzten Jahre, insbesondere die enorme Steigerung der Rechenleistung und die Entwicklung selbstlernender algorithmischer Systeme, die heute allgemein als Künstliche Intelligenz (KI) bezeichnet werden, ihre Spuren auf dem Arbeitsmarkt hinterlassen werden. Welche das genau sein werden, können wir leider aber auch nicht sagen. Denn gerade in solch disruptiven Zeiten, wie wir sie derzeit erleben, wissen wir nicht, wie schnell und in welche Richtung sich bestehende Berufe verändern, welche Berufe verschwinden und welche neu entstehen werden. Zwar können Prognosen etwas darüber sagen, wie sich die Zahl der Berufseinsteiger*innen auf die verschiedenen Berufe und Qualifikationsniveaus verteilen würde, wenn sich die Entwicklung wie in der Vergangenheit fortsetzt. Allerdings scheinen die Potenziale, die sich aus dem Einsatz von KI ergeben, bekannte Zusammenhänge in Frage zu stellen. Hinzu kommt, dass diese Prognosemodelle sehr komplex sind, um daraus sinnvolle Schlussfolgerungen für den Einzelnen zu ziehen. So lässt sich die Frage, inwiefern KI und andere digtale Technolgien auch die Beschäftigungsmöglichkeiten für Menschen mit Behinderungen erweitern könnten, damit kaum beantworten." (Textauszug, IAB-Doku)
-
Literaturhinweis
Der Einsatz Künstlicher Intelligenz allein kann die zukünftigen Fachkräfteengpässe nicht beheben (2025)
Zitatform
Matthes, Britta (2025): Der Einsatz Künstlicher Intelligenz allein kann die zukünftigen Fachkräfteengpässe nicht beheben. (GVG-Perspektive 19), 3 S.
Abstract
"In diesem Beitrag beleuchtet Dr. Britta Matthes, Leiterin der Forschungsgruppe „Berufe in der Transformation“ am IAB, weshalb trotz der Potenziale von Künstlicher Intelligenz Investitionen in die Weiterqualifizierung älterer Beschäftigter unabdingbar bleiben." (Autorenreferat, IAB-Doku)
-
Literaturhinweis
KI und Beratung (2025)
Zitatform
Matthes, Britta (2025): KI und Beratung. In: Dvb-Forum, Jg. 64, H. 1, S. 17-22., 2025-02-14.
Abstract
"Wie KI und andere digitale Technologien den Arbeitsmarkt verändern: Am IAB werden wir immer wieder danach gefragt, welche Berufe angesichts der rasanten technologischen Entwicklungen der letzten Jahre überhaupt noch Zukunft haben. Bislang hat man zur Beantwortung dieser Frage Prognosen zu Rate gezogen. Hier wurde anfangs – unter Berücksichtigung verschiedener relativ stabiler Faktoren wie dem Erwerbspersonenpotenzial, der wirtschaftlichen Entwicklung oder der zu erwartenden Migration – hochgerechnet, wie sich die Zahl der Berufsanfänger auf die verschiedenen Berufe und Qualifikationsniveaus verteilt, wenn die Entwicklung sich wie in der Vergangenheit fortsetzen würde. Schon früh wurde jedoch deutlich, dass diese Faktoren weniger stabil sind als ursprünglich angenommen. Um diese Dynamik zu berücksichtigen, wurde dieser Ansatz erweitert, indem nunmehr Projektionen erstellt werden. Dazu werden Annahmen über die Folgen bestimmter, äußerst wahrscheinlicher Ereignisse oder Verhaltensweisen getroffen, für die sich (noch) keine langfristige Zahlenbasis finden lässt. So gibt die QuBe-Projektion einen langfristigen Überblick über die voraussichtliche Entwicklung des Arbeitskräftebedarfs und -angebotes nach Qualifikationen und Berufen unter einer Reihe von Annahmen über zum Beispiel die Folgen des Klimawandels oder den Ausbau der ökologischen Landwirtschaft. Außerdem werden anhand von Abweichungen zwischen diesem Basismodell und Szenarien die absehbaren Folgen bestimmter Vorhaben oder Ereignisse, wie zum Beispiel der Maßnahmen zur Energie- und -Mobilitätswende abgeschätzt (https://www.bibb.de/de/202333.php). Allerdings sind diese Modelle sehr komplex und es stellt sich die Frage, inwieweit solche Projektionen für die Bildungs- und Berufsberatung einzelner Personen sinnvoll genutzt werden können. Hinzu kommt derzeit, dass die technologische Entwicklung derart schnell voranschreitet, dass verstärkt mit Umwälzungen auf dem Arbeitsmarkt gerechnet werden muss, die auch altbekannte Zusammenhänge in Frage stellen könnten. Für die einzelne Person steht die Frage im Raum, mit welchen Konsequenzen sie selbst rechnen muss, wenn neue Technologien zum Einsatz kommen: Reicht es aus, sich auf den aktuellen Wissensstand im eigenen Beruf zu bringen? Womit sollte man sich konkret beschäftigen, um den Anforderungen des Berufes weiterhin gewachsen zu sein? Ist es zielführender, sich beruflich neu zu orientieren?" (Textauszug, IAB-Doku, © wbv)
Weiterführende Informationen
Keynote für die Fachtagung "Digitalisierung in der Beratung reloaded" Mannheim, 28. November 2024 -
Literaturhinweis
Technological Change and the Upskilling of European Workers (2025)
Zitatform
McGuinness, Seamus, Paul Redmond, Konstantinos Pouliakas, Lorcan Kelly & Luke Brosnan (2025): Technological Change and the Upskilling of European Workers. (IZA discussion paper / Forschungsinstitut zur Zukunft der Arbeit 17753), Bonn, 22 S.
Abstract
"Using the second wave of the European Skills and Jobs survey, this paper measures the relationship between technological change that automates or augments workers' job tasks and their participation in work-related training. We find that 58 per cent of European employees experienced no change in the need to learn new technologies in their jobs during the 2020-21 period. Of those exposed to new digital technology, 14 per cent did not experience any change in job tasks, 10 per cent reported that new tasks had been created while 5 per cent only saw some of their tasks being displaced by new technology. The remaining 13 per cent simultaneously experienced both task displacement and task creation. Our analysis shows that employees in jobs impacted by new digital technologies are more likely to have to react to unpredictable situations, thus demonstrating a positive link between technologically driven task disruption and job complexity. We show a strong linear relationship between technologically driven job task disruption and the need for job-related training, with training requirements increasing the greater the impact of new technologies on task content." (Author's abstract, IAB-Doku) ((en))
-
Literaturhinweis
AI innovation and the labor share in European regions (2025)
Zitatform
Minniti, Antonio, Klaus Prettner & Francesco Venturini (2025): AI innovation and the labor share in European regions. In: European Economic Review, Jg. 177. DOI:10.1016/j.euroecorev.2025.105043
Abstract
"This paper examines how the development of Artificial Intelligence (AI) affects the distribution of income between capital and labor, and how these shifts contribute to regional income inequality. To investigate this issue, we analyze data from European regions dating back to 2000. We find that for every doubling of regional AI innovation, the labor share declines by 0.5% to 1.6%, potentially reducing it by 0.09 to 0.31 percentage points from an average of 52%, solely due to AI. This new technology has a particularly negative impact on high- and medium-skill workers, primarily through wage compression, while for low-skill workers, employment expansion induced by AI mildly offsets the associated wage decline. The effect of AI is not driven by other factors influencing regional development in Europe or by the concentration of the AI market." (Author's abstract, IAB-Doku, © 2025 The Authors. Published by Elsevier B.V.) ((en))
-
Literaturhinweis
Artificial intelligence adoption and workplace training (2025)
Zitatform
Muehlemann, Samuel (2025): Artificial intelligence adoption and workplace training. In: Journal of Economic Behavior & Organization, Jg. 238. DOI:10.1016/j.jebo.2025.107206
Abstract
"As artificial intelligence (AI) reshapes business processes, firms must adapt their training strategies to cultivate a skilled workforce. Using German establishment-level panel data from 2019 to 2023, this study analyzes how firms adjust their training strategies following AI adoption. Staggered difference-in-differences analysis shows that sustained AI adoption is associated with a 14% increase in new apprenticeships among training firms (intensive margin), but is not linked to the training decision (extensive margin). AI adoption is also associated with a modest increase in continuing training, with resources shifting toward high-skilled employees. The results align with AI as an automation innovation that reduces demand for simple skills as well as an augmentation innovation that increases demand for more advanced skills. The German dual apprenticeship system appears critical for firms aiming to build a future-ready workforce in the age of AI." (Author's abstract, IAB-Doku, © 2025 The Author. Published by Elsevier B.V.) ((en))
-
Literaturhinweis
Artificial intelligence and technological unemployment: Understanding trends, technology's adverse roles, and current mitigation guidelines (2025)
Nigar, Meher; Golder, Uttam ; Alam, Mohammad Jahangir; Hossain, Mohammad Kamal ; Juli, Jannatul Ferdous;Zitatform
Nigar, Meher, Jannatul Ferdous Juli, Uttam Golder, Mohammad Jahangir Alam & Mohammad Kamal Hossain (2025): Artificial intelligence and technological unemployment. Understanding trends, technology's adverse roles, and current mitigation guidelines. In: Journal of open innovation, Jg. 11, H. 3. DOI:10.1016/j.joitmc.2025.100607
Abstract
"As artificial intelligence (AI) and automation continue to reshape industries, concerns about technological unemployment are intensifying. This study employs a Systematic Literature Review (SLR) guided by the PRISMA framework to examine peer-reviewed literature from the Scopus database (2015–July 09, 2025). It identifies threecore themes: (1) trends in AI-induced labor displacement, including task automation, skill polarization, and industry-specific disruptions in sectors such as healthcare, education, and creative industries; (2) the adverse roles of AI technologies, particularly in affecting white-collar professionals, gig workers, and freelancers by increasing precarity and skill mismatches; and (3) existing mitigation strategies, including responsible AI guidelines proposed by governments, institutions, and firms aimed at balancing technological advancement with employment protection. While a growing body of policy responses encourages human-AI complementarity, current measures remain fragmented and insufficient to address the structural risks of workforce displacement. This study presents a comprehensive synthesis of the evolving relationship between AI and employment, highlighting key areas for further inquiry and policy development." (Author's abstract, IAB-Doku, © 2025 The Authors. Published by ElsevierLtd on behalf of Prof JinHyo Joseph Yun.) ((en))
-
Literaturhinweis
Artificial intelligence, automation and employment dynamics: empirical evidence from G7 economies (2025)
Zitatform
Okur, Fatih & Enes Özdemir (2025): Artificial intelligence, automation and employment dynamics: empirical evidence from G7 economies. In: Journal of Economic Studies, S. 1-17. DOI:10.1108/jes-06-2025-0414
Abstract
"Purpose: This study examines how the rapid adoption of artificial intelligence (AI) and automation affects employment dynamics across G7 economies. While previous research has often focused on either AI or robotics in isolation, their combined and long-term effects on employment remain poorly understood. Addressing this gap is crucial for policymakers seeking to balance technological progress with labor market stability. Design/methodology/approach: Using a balanced panel dataset covering 2010–2024 for the G7 countries, thestudy investigates the relationships between AI investment (proxied by information and communication technology (ICT) investment), robot density (ROBOT), wages, productivity (PRD) and education spending (EDU), and their impact on employment. The analysis employs panel unit root and cross-sectional dependence tests, a panel autoregressive distributed lag (ARDL) framework estimated via the pooled mean group (PMG) estimator, and robustness checks using Driscoll–Kraay fixed effects, common correlatedeffects (CCE) estimators, country-specific regressions and Dumitrescu –Hurlin panel causality tests. Findings: The results reveal that AI investment has a significant negative effect on employment in the long run, whereas ROBOT shows a positive but context-dependent relationship. Wage levels are negatively associated with employment, while PRD shows only a modest positive influence. Education expenditure exhibits mixed behavior – positive in the short run but negative in the long run – suggesting potential misalignment with evolving labor market needs. Causality tests confirm a unidirectional link from AI investment to employment, underscoring its structural role in labor market change. Research limitations/implications: This study is limited by data availability, particularly the lack of detailed sectoral or occupational breakdowns across countries. As a result, it cannot fully capture the distributional effects of AI and automation across different worker groups. The use of proxies, such as ICT investment for AI, may not reflect the full scope of AI deployment. Despite these limitations, the findings highlight important macro-level dynamics and suggest that technological investments significantly shape employment trends. Future research should utilize micro-level data to explore sector-specific impacts, wage effects and labor force transitions in response to digital transformation. Practical implications: The findings suggest that without targeted policy interventions, increased AI investment may displace workers in the long run. Policymakers should prioritize reskilling, adapt education systems to evolving technological needs, and differentiate strategies across sectors and worker skill levels. Social implications: This study highlights the potential for AI and automation to reshape labor markets, with implications for income distribution, job security and social cohesion. The displacement of routine jobs may disproportionately affect low-skilled and vulnerable workers, increasing the risk of inequality and social exclusion. To prevent deepening divides, social policies must focus on equitable access to education, digital literacy and lifelong learning. Supporting workforce adaptability through inclusive training programs and social safety nets is essential. The results underscore the urgent need for collaborative efforts between governments, educational institutions and industries to ensure a socially sustainable digital transformation. Originality/value: This study is among the first to jointly analyze AI and robotics within a dynamic panel framework, offering new cross-country evidence on their heterogeneous employment effects in advanced economies. By integrating multiple estimation strategies and country-specific perspectives, the paper contributes to a more nuanced understanding of how technological transformation reshapes labor markets and highlights the institutional conditions that mediate these effects." (Author's abstract, IAB-Doku, © EmeraldGroup) ((en))
-
Literaturhinweis
Künstliche Intelligenz und Erfahrungswissen: Zur Formalisierbarkeit und Delokalisierung von Facharbeit (2025)
Zitatform
Ottaiano, Mario Michael, Lea Schneidemesser & Florian Butollo (2025): Künstliche Intelligenz und Erfahrungswissen. Zur Formalisierbarkeit und Delokalisierung von Facharbeit. In: Arbeit. Zeitschrift für Arbeitsforschung, Arbeitsgestaltung und Arbeitspolitik, Jg. 34, H. 4, S. 275-298. DOI:10.1515/arbeit-2025-0015
Abstract
"Der Beitrag untersucht aus arbeitssoziologischer Perspektive, wie der Einsatz von KI-Systemen in der prädiktiven Instandhaltung (PdM) die Bedeutung von Erfahrungswissen im Arbeitsprozess verändert und wie sich die Zusammenarbeit zwischen KI-Anwender- und KI-Anbieterunternehmen gestaltet. Die Fallstudie in einem Unternehmen der Papierindustrie zeigt, dass die Grenze der Formalisierbarkeit von Erfahrungswissen in der Instandhaltungsarbeit graduell ausgeweitet werden kann, wobei das domänenspezifische Wissen der Beschäftigten weiterhin eine wichtige Rolle für die Verbesserung der Software und die Interpretation der gewonnenen Daten spielt. Weil die Einführung des KI-Systems auch eine Delokalisierung von Wissen ermöglicht, kommt es zugleich zu einer konfliktträchtigen Verschiebung der Kompetenzen vom Anwenderunternehmen zum Softwareanbieter." (Autorenreferat, IAB-Doku)
-
Literaturhinweis
Are Artificial Intelligence (AI) Skills a Reward or a Gamble? Deconstructing the AI Wage Premium in Europe (2025)
Zitatform
Pouliakas, Konstantinos & Giulia Santangelo (2025): Are Artificial Intelligence (AI) Skills a Reward or a Gamble? Deconstructing the AI Wage Premium in Europe. (IZA discussion paper / Forschungsinstitut zur Zukunft der Arbeit 17607), Bonn, 33 S.
Abstract
"Understanding the labor market impact of new, autonomous digital technologies, particularly generative or other forms of artificial intelligence (AI), is currently at the top of the research and policy agenda. Many initial studies, though not all, have shown that there is a wage premium to AI skills in labor markets. Such evidence tends to draw on data from web-based sources and typically deploys a keyword approach for identifying AI skills. This paper utilizes representative adult workforce data from 29 European countries, the second European skills and jobs survey, to examine wage differentials of the AI developer workforce. The latter is uniquely identified as part of the workforce that writes programs using AI algorithms. The analysis shows that, on average, AI developers enjoy a significant wage premium relative to a comparably educated or skilled workforce, such as programmers who do not yet write code using AI at work. Wage decomposition analysis further illustrates that there is a large unexplained component of such wage differential. Part of AI programmers' larger wage variability can be attributed to a greater performance-based component in their wage schedules and higher job-skill requirements." (Author's abstract, IAB-Doku) ((en))
-
Literaturhinweis
Are artificial intelligence skills a reward or a gamble? Deconstructing the AI wage premium in Europe (2025)
Zitatform
Pouliakas, Konstantinos, Giulia Santangelo & Paul Dupire (2025): Are artificial intelligence skills a reward or a gamble? Deconstructing the AI wage premium in Europe. In: Eurasian business review, Jg. 15, H. 4, S. 1091-1128. DOI:10.1007/s40821-025-00302-0
Abstract
"Understanding the labor market impact of new, autonomous digital technologies, particularly generative or other forms of artificial intelligence (AI), is currently at the top of the research and policy agenda. Many initial studies, though not all, have shown that there is a wage premium to mostly technical AI skills in labor markets. Such evidence tends to draw on data from web-based sources and typically fails to provide insight into the mechanisms underlying the AI wage gap. This paper utilizes representative adult workforce data from 29 European countries, the second European skills and jobs survey, to examine wage differentials of the AI programmer workforce. The latter is uniquely identified as part of the workforce that writes computer programs using AI algorithms. The analysis shows that, on average, AI programmers enjoy a significant wage premium relative to a comparably educated or skilled workforce, such as programmers who do not yet write code using AI at work. Wage decomposition analysis further illustrates that there is a large unexplained component of such wage differential. Part of AI programmers’ larger wage variability can however be attributed to higher job-skill requirements, a propensity for remote work and a greater performance-based component in wage schedules. This indicates differences in the job design and performance management of the AI workforce." (Author's abstract, IAB-Doku) ((en))
-
Literaturhinweis
Die Hybridisierung von menschlichen und technischen Arbeitsleistungen mit Künstlicher Intelligenz als neuer Leittechnologie: Entwicklungen, Implikationen und Potenziale für menschengerechte Arbeit (2025)
Rehmer, Sabine; Juds, Maike; Fellmann, Michael; Menzel, Maren; Muehlan, Holger ; Röcker, Carsten; Dhiman, Hitesh;Zitatform
Rehmer, Sabine, Holger Muehlan, Maren Menzel, Maike Juds, Michael Fellmann, Hitesh Dhiman & Carsten Röcker (2025): Die Hybridisierung von menschlichen und technischen Arbeitsleistungen mit Künstlicher Intelligenz als neuer Leittechnologie: Entwicklungen, Implikationen und Potenziale für menschengerechte Arbeit. In: Zeitschrift für Arbeitswissenschaft, Jg. 79, H. 4, S. 525-533. DOI:10.1007/s41449-025-00489-y
Abstract
"Der Artikel untersucht die Hybridisierung menschlicher und technischer Arbeitsleistungen im Kontext Künstlicher Intelligenz (KI) als neuer Leittechnologie und analysiert ihre Entwicklungen, Implikationen und Potenziale für eine menschengerechte Arbeitsgestaltung. Ausgehend von der Beobachtung, dass KI zunehmend kognitive Tätigkeiten transformiert, wird mit dem Konzept des „Hybrid Man“ ein neues Menschenbild skizziert, das die enge Verschränkung von menschlicher und maschineller Intelligenz beschreibt. Damit einher gehen tiefgreifende Herausforderungen: Die Grenzen zwischen menschlicher und technischer Leistung verschwimmen, Verantwortungsfragen und rechtliche Unsicherheiten entstehen, während zugleich neue Anforderungen an Kompetenzen wie „AI Literacy“ sichtbar werden. Ebenso rücken Fragen nach Transparenz, Erklärbarkeit und Akzeptanz von KI-Systemen in den Vordergrund, die für Vertrauen und nachhaltige Integration entscheidend sind. Neben den Chancen zur Entlastung und Erweiterung menschlicher Fähigkeiten birgt die Hybridisierung Risiken wie Überwachungsdruck, Anpassungsstress und negative psychische Beanspruchungen. Vor diesem Hintergrund schlägt der Artikel mit dem Konzept des eudaimonischen Wohlbefindens („Eudaimonia“) ein normatives Kriterium für die Gestaltung zukünftiger Arbeit vor, das Wachstum, Sinnhaftigkeit, Authentizität und Exzellenz fördert. Ziel ist eine interdisziplinär fundierte, menschengerechte Arbeitswelt, die die Potenziale von KI nutzbar macht, ohne die psychische Gesundheit, Selbstwirksamkeit und Würde der Beschäftigten zu gefährden." (Autorenreferat, IAB-Doku)
-
Literaturhinweis
The Skill Premium Across Countries in the Era of Industrial Robots and Generative AI (2025)
Zitatform
Ribeiro, Marcos J. & Klaus Prettner (2025): The Skill Premium Across Countries in the Era of Industrial Robots and Generative AI. (Department of Economics working paper / Vienna University of Economics and Business 381), Wien, 29 S.
Abstract
"How do new technologies affect economic growth and the skill premium? To answer this question, we analyze the impact of industrial robots and artificial intelligence (AI) on the wage differential between low-skill and high-skill workers across 52 countries using counterfactual simulations. In so doing, we extend the nested CES production function framework of Bloom et al. (2025) to account for cross-country income heterogeneity. Confirming prior findings, we Show that the use of industrial robots tends to increase wage inequality, while the use of AI tends to reduce it. Our contribution lies in documenting substantial heterogeneity across income groups: the inequality-increasing effect of robots and the inequality-reducing effects of AI are particularly strong in high-income countries, while they are less pronounced among middle- and lower-middle income countries. In addition, we show that both technologies boost economic growth. In terms of policy recommendations, our findings suggest that investments in education and skill-upgrading can simultaneously raise average incomes and mitigate the negative effects of automation on wage inequality." (Author's abstract, IAB-Doku) ((en))
-
Literaturhinweis
Sociotechnical imaginaries of social inequality in the design and use of AI recruitment technology (2025)
Zitatform
Sartori, Laura & Clementine Collett (2025): Sociotechnical imaginaries of social inequality in the design and use of AI recruitment technology. In: European Societies, Jg. 27, H. 3, S. 409-432. DOI:10.1162/euso_a_00035
Abstract
"Through interviewing 12 companies in Italy which either design (vendors) or use (clients) AI recruitment technology systems, we explore how these companies perceive their systems to interact with issues of social inequality and how these perceptions, in practice, carry societal impacts. Three sociotechnical imaginaries (Jasanoff and Kim, 2015) were consistently embedded within these companies’ visions of this intersection: the third eye, the river, and the car bonnet. Through critically analyzing these imaginaries, we find that they exhibit an overriding desire for productivity and talent capture from clients, and a consequential de-prioritization of addressing social inequality and scrutinizing the ways it could be reproduced from both vendors and clients. It demonstrates that the current ‘desired’ futures, shown by the sociotechnical imaginaries which vendors and clients share for AI-tec-tech are really leading us towards an ‘undesirable’ future of hiring which continues to perpetuate social inequality. This study contributes one of the first pieces of empirical work to simultaneously assess the perceptions of AI-rec-tech vendors ’ and clients’ surrounding social inequality, to shed light on the priorities for design and the motivations for usage, and to reflect upon how this impacts society. This is a significant and original contribution to the evolving body of literature on AI-rec-tech in sociology, critical data studies, and communications." (Author's abstract, IAB-Doku) ((en))
-
Literaturhinweis
A theory-based AI automation exposure index: Applying Moravec's Paradox to the US labor market (2025)
Schaal, Jacob;Zitatform
Schaal, Jacob (2025): A theory-based AI automation exposure index: Applying Moravec's Paradox to the US labor market. (arXiv papers), 33 S. DOI:10.48550/arXiv.2510.13369
Abstract
"This paper develops a theory-driven automation exposure index based on Moravec's Paradox. Scoring 19,000 O*NET tasks on performance variance, tacit knowledge, data abundance, and algorithmic gaps reveals that management, STEM, and sciences occupations show the highest exposure. In contrast, maintenance, agriculture, and construction show the lowest. The positive relationship between wages and exposure challenges the notion of skill-biased technological change if AI substitutes for workers. At the same time, tacit knowledge exhibits a positive relationship with wages consistent with seniority-biased technological change. This index identifies fundamental automatability rather than current capabilities, while also validating the AI annotation method pioneered by Eloundou et al. (2024) with a correlation of 0.72. The non-positive relationship with pre-LLM indices suggests a paradigm shift in automation patterns." (Author's abstract, IAB-Doku) ((en))
-
Literaturhinweis
KI-Nähe im Job zahlt sich aus (2025)
Seele, Stefanie; Stettes, Oliver;Zitatform
Seele, Stefanie & Oliver Stettes (2025): KI-Nähe im Job zahlt sich aus. (IW-Kurzberichte / Institut der Deutschen Wirtschaft Köln 2025,45), Köln, 3 S.
Abstract
"Beschäftigte, deren Aufgaben eine Nähe zu den Anwendungspotenzialen von Künstlicher Intelligenz (KI) aufweisen, erhalten höhere Tagesentgelte als Beschäftigte in KI-fernen Tätigkeiten. Sie wechseln zudem seltener den Betrieb und haben seltener längere Arbeitslosigkeitsperioden. Die Sorge vor einer zunehmenden Verbreitung von KI im Arbeitsalltag scheint bisher unbegründet." (Autorenreferat, IAB-Doku)
Weiterführende Informationen
Data product DOI: 10.5164/IAB.SIAB7521.de.en.v1 -
Literaturhinweis
AI in Demand: How Expertise Shapes its (Early) Impact on Workers (2025)
Zitatform
Storm, Eduard, Myrielle Gonschor & Marc Justin Schmidt (2025): AI in Demand: How Expertise Shapes its (Early) Impact on Workers. (Ruhr economic papers 1185), Essen, 46 S. DOI:10.4419/96973370
Abstract
"We study how artificial intelligence (AI) affects workers' earnings and employment stability, combining German job vacancy data with administrative records from 2017-2023. Identification comes from changes in workers' exposure to local AI skill demand over time, instrumented with national demand trends. We find no meaningful displacement or productivity effects on average, but notable skill heterogeneity: expert workers with deep domain knowledge gain while non-experts often lose, with returns shaped by occupational task structures. We also document AI-driven reinstatement effects toward analytic and interactive tasks that raise earnings. Overall, our results imply distributional concerns but also job-augmenting potential of early AI technologies." (Author's abstract, IAB-Doku) ((en))
Weiterführende Informationen
Data product DOI: 10.5164/IAB.SIAB7523.de.en.v1 -
Literaturhinweis
How context matters: Human oversight of automated decision-making systems in welfare administration (2025)
Zitatform
Sztandar-Sztanderska, Karolina (2025): How context matters: Human oversight of automated decision-making systems in welfare administration. In: Journal of European Social Policy, S. 1-15. DOI:10.1177/09589287251358069
Abstract
"This article examines the capacity of frontline staff to oversee automated decision-making (ADM) systems, which are increasingly used in digital welfare states to make life-altering decisions. While prior research had focused on cognitive limitations that lead to human over-reliance on ADM, the role of contextual factors that also shape caseworkers’ supervisory activities has neither been conceptualized, nor systematically investigated. To address this gap, we develop an analytical framework for the context-sensitive study of frontline oversight, inspired by the street-level bureaucracy perspective and human–computer interaction studies. We also demonstrate the framework’s relevance through findings from a mixed-methods study of a profiling algorithm used by Public Employment Services in Poland. We identify four types of factors – policy-, organization-, professionalism-, and technology-related – that effectively shape frontline oversight. Our findings also have practical implications, as the inclusion of humans in the decision-making loop is a central element of regulatory efforts aimed at protecting individuals from algorithmic harms." (Author's abstract, IAB-Doku) ((en))