Zitatform

Furman, Jason & Robert Seamans (2018): AI and the economy. (NBER working paper 24689), Cambrige, Mass., 33 S. DOI:10.3386/w24689

Abstract

"We review the evidence that artificial intelligence (AI) is having a large effect on the economy. Across a variety of statistics - including robotics shipments, AI startups, and patent counts - there is evidence of a large increase in AI-related activity. We also review recent research in this area which suggests that AI and robotics have the potential to increase productivity growth but may have mixed effects on labor, particularly in the short run. In particular, some occupations and industries may do well while others experience labor market upheaval. We then consider current and potential policies around AI that may help to boost productivity growth while also mitigating any labor market downsides including evaluating the pros and cons of an AI specific regulator, expanded antitrust enforcement, and alternative strategies for dealing with the labor-market impacts of AI, including universal basic income and guaranteed employment." (Author's abstract, IAB-Doku) ((en))

Zitatform

Goolsbee, Austan (2018): Public policy in an AI economy. (NBER working paper 24653), Cambrige, Mass., 11 S. DOI:10.3386/w24653

Abstract

"This paper considers the role of policy in an AI-intensive economy (interpreting AI broadly). It emphasizes the speed of adoption of the technology for the impact on the job market and the implications for inequality across people and across places. It also discusses the challenges of enacting a Universal Basic Income as a response to widespread AI adoption, discuss pricing, privacy and competition policy the question of whether AI could improve policy making itself." (Author's abstract, IAB-Doku) ((en))

Zitatform

Gries, Thomas & Wim Naudé (2018): Artificial intelligence, jobs, inequality and productivity: Does aggregate demand matter? (IZA discussion paper 12005), Bonn, 36 S.

Abstract

"Rapid technological progress in artificial intelligence (AI) has been predicted to lead to mass unemployment, rising inequality, and higher productivity growth through automation. In this paper we critically re-assess these predictions by (i) surveying the recent literature and (ii) incorporating AI-facilitated automation into a product variety-model, frequently used in endogenous growth theory, but modified to allow for demand-side constraints. This is a novel approach, given that endogenous growth models, and including most recent work on AI in economic growth, are largely supply-driven. Our contribution is motivated by two reasons. One is that there are still only very few theoretical models of economic growth that incorporate AI, and moreover an absence of growth models with AI that takes into consideration growth constraints due to insufficient aggregate demand. A second is that the predictions of AI causing massive job losses and faster growth in productivity and GDP are at odds with reality so far: if anything, unemployment in many advanced economies is historically low. However, wage growth and productivity is stagnating and inequality is rising. Our paper provides a theoretical explanation of this in the context of rapid progress in AI." (Author's abstract, IAB-Doku) ((en))

Zitatform

Kropp, Per, Stefan Theuer & Birgit Fritzsche (2018): Immer mehr Tätigkeiten werden durch Digitalisierung ersetzbar. Aktualisierte Substituierbarkeitspotenziale in Sachsen-Anhalt. (IAB-Regional. Berichte und Analysen aus dem Regionalen Forschungsnetz. IAB Sachsen-Anhalt-Thüringen 01/2018), Nürnberg, 48 S.

Abstract

"Die technologische Entwicklung generiert immer schneller Innovationen. Die Digitalisierung der Produktion bekommt insbesondere durch den Einsatz von Künstlicher-Intelligenz-Software weiteren Schub. Darüber hinaus scheint die Bereitschaft, in diesem Bereich zu investieren, in den letzten Jahren zugenommen zu haben. Deshalb haben wir eine Aktualisierung der Substituierbarkeitspotenziale von Berufen vorgenommen. Mit Substitutionspotenzialen ist gemeint, inwiefern bestimmte Tätigkeiten innerhalb eines Berufes durch Computertechnologie ersetzt werden können. Wichtig ist es zu berücksichtigen, dass es sich um mögliche, potenzielle Ersetzbarkeiten handelt und nicht um prognostizierte Entwicklungen. So gibt es auch heute immer noch Berufe, deren Tätigkeiten seit 2013 zu 100 Prozent ersetzbar waren. Die meisten Berufe haben dagegen heute ein größeres Substitutionspotenzial als 2013.
Für Sachsen-Anhalt haben die beschriebenen Entwicklungen zur Folge, dass nunmehr rund 190.400 Personen, das sind 24,4 Prozent aller Beschäftigten des Landes, in stark substituierbaren Berufen arbeiten. 2015 waren es noch 14,6 Prozent. Diese Entwicklung entspricht der gesamtdeutschen. Die regionalen Unterschiede des Anteils von Beschäftigten in stark substituierbaren Berufen reichen dabei von 14 bis 30 Prozent in den Kreisen. Sie sind auf die unterschiedliche Berufs- und Branchenstruktur zurückzuführen. Vor allem eine hohe Konzentration von Fertigungs- und Fertigungstechnischen Berufen, aber auch von IT- und naturwissenschaftlichen Dienstleistungsberufen sowie Verkehrs- und Logistikberufen erhöht die Regionalwerte. Dabei unterscheiden sich die Entwicklungen in diesen Berufssegmenten erheblich. Während bei den Verkehrs- und Logistikberufen substituierbare Tätigkeiten 2015 kaum eine Rolle spielten, machen sie 2017 bereits über 40 Prozent der Tätigkeiten in diesen Berufen aus. Bei den IT- und naturwissenschaftlichen Dienstleistungsberufen ging der Anteil jedoch aufgrund innerberuflichen Wandels leicht zurück.
Bislang lässt ein hohes Substituierbarkeitspotenzial in einem Beruf keine Rückschlüsse auf eine rückläufige Beschäftigungsentwicklung zu. Das erklärt, warum auch Berufe, deren Tätigkeiten schon 2013 zu 100 Prozent ersetzbar waren, noch immer existieren. Auf die Beschäftigungsentwicklung haben die konjunkturelle Entwicklung und regionale Besonderheiten häufig einen größeren Einfluss. Auch bei stark substituierbaren Berufen ist nicht zwingend mit einem Beschäftigungsabbau zu rechnen, sondern eher mit einem starken Wandel der Berufe, der wegen einer höheren Produktivität der Beschäftigten sogar zu Nachfragesteigerung und Beschäftigungsaufbau führen kann." (Autorenreferat, IAB-Doku)

Zitatform

Kropp, Per, Stefan Theuer & Birgit Fritzsche (2018): Immer mehr Tätigkeiten werden durch Digitalisierung ersetzbar. Aktualisierte Substituierbarkeitspotenziale in Thüringen. (IAB-Regional. Berichte und Analysen aus dem Regionalen Forschungsnetz. IAB Sachsen-Anhalt-Thüringen 02/2018), Nürnberg, 49 S.

Abstract

"Die technologische Entwicklung generiert immer schneller Innovationen. Die Digitalisierung der Produktion bekommt insbesondere durch den Einsatz von Künstlicher-Intelligenz-Software weiteren Schub. Darüber hinaus scheint die Bereitschaft, in diesem Bereich zu investieren, in den letzten Jahren zugenommen zu haben. Deshalb haben wir eine Aktualisierung der Substituierbarkeitspotenziale von Berufen vorgenommen. Mit Substitutionspotenzialen ist gemeint, inwiefern bestimmte Tätigkeiten innerhalb eines Berufes durch Computertechnologie ersetzt werden können. Wichtig ist es zu berücksichtigen, dass es sich um mögliche, potenzielle Ersetzbarkeiten handelt und nicht um prognostizierte Entwicklungen. So gibt es auch heute immer noch Berufe, deren Tätigkeiten seit 2013 zu 100 Prozent ersetzbar waren. Die meisten Berufe haben dagegen heute ein größeres Substitutionspotenzial als 2013.
Für Thüringen haben die beschriebenen Entwicklungen zur Folge, dass nunmehr rund 231.000 Personen, das sind 29,1 Prozent aller Beschäftigten des Landes, in stark substituierbaren Berufen arbeiten. 2015 waren es noch 18,8 Prozent. Damit liegen die Thüringer Werte weiterhin deutlich über den gesamtdeutschen.
Die regionalen Unterschiede des Anteils von Beschäftigten in stark substituierbaren Berufen reichen von 17 bis 46 Prozent. Sie sind wie in unserer letzten Studie auf die unterschiedliche Berufs- und Branchenstruktur zurückzuführen. Vor allem eine hohe Konzentration von Fertigungs- und Fertigungstechnischen Berufen, aber auch von IT- und naturwissenschaftlichen Dienstleistungsberufen sowie Verkehrs- und Logistikberufen erhöht die Regionalwerte. Dabei unterscheiden sich die Entwicklungen in diesen Berufssegmenten erheblich. Während bei den Verkehrs- und Logistikberufen substituierbare Tätigkeiten 2015 kaum eine Rolle spielten, machen sie 2017 bereits 50 Prozent der Tätigkeiten in diesen Berufen aus. Bei den IT- und naturwissenschaftlichen Dienstleistungsberufen ging der Anteil jedoch aufgrund innerberuflichen Wandels leicht zurück.
Bislang lässt ein hohes Substituierbarkeitspotenzial in einem Beruf keine Rückschlüsse auf eine rückläufige Beschäftigungsentwicklung zu. Das erklärt, warum auch Berufe, deren Tätig-keiten schon 2013 zu 100 Prozent ersetzbar waren, noch immer existieren. Auf die Beschäftigungsentwicklung haben die konjunkturelle Entwicklung und regionale Besonderheiten häufig einen größeren Einfluss. Auch bei stark substituierbaren Berufen ist nicht zwingend mit einem Beschäftigungsabbau zu rechnen, sondern eher mit einem starken Wandel der Berufe, der wegen einer höheren Produktivität der Beschäftigten sogar zu Nachfragesteigerung und Beschäftigungsaufbau führen kann." (Autorenreferat, IAB-Doku)

Zitatform

Levy, Frank (2018): Computers and populism. Artificial intelligence, jobs, and politics in the near term. In: Oxford review of economic policy, Jg. 34, H. 3, S. 393-417. DOI:10.1093/oxrep/gry004

Abstract

"I project the near-term future of work to ask whether job losses induced by artificial intelligence will increase the appeal of populist politics. The paper first explains how computers and machine learning automate workplace tasks. Automated tasks help to both create and eliminate jobs and I show why job elimination centres in blue-collar and clerical work - impacts similar to those of manufactured imports and offshored services. I sketch the near-term evolution of three technologies aimed at blue-collar and clerical occupations: autonomous long-distance trucks, automated customer service responses, and industrial robotics. I estimate that in the next 5-7 years, the jobs lost to each of these technologies will be modest but visible. I then outline the structure of populist politics. Populist surges are rare but a populist candidate who pits 'the people' (truck drivers, call centre operators, factory operatives) against 'the elite' (software developers, etc.) will be mining many of the US regional and education fault lines that were part of the 2016 presidential election." (Author's abstract, IAB-Doku) ((en))

Zitatform

Patel, Pankaj C., Srikant Devaraj, Michael J. Hicks & Emily J. Wornell (2018): County-level job automation risk and health: Evidence from the United States. In: Social Science & Medicine, Jg. 202, S. 54-60. DOI:10.1016/j.socscimed.2018.02.025

Zitatform

Seifert, Inessa, Matthias Bürger, Leo Wangler, Stephanie Christmann-Budian, Marieke Rohde, Peter Gabriel & Guido Zinke (2018): Potenziale der Künstlichen Intelligenz im produzierenden Gewerbe in Deutschland. Studie im Auftrag des Bundesministeriums für Wirtschaft und Energie (BMWi) im Rahmen der Begleitforschung zum Technologieprogramm PAiCE - Platforms (Additive Manufacturing, Imaging, Communication, Engineering). Berlin, 70 S.

Abstract

"Die Künstliche Intelligenz (KI) gilt gemeinhin als zukünftige Schlüsseltechnologie und birgt als solche ein erhebliches volkswirtschaftliches Potenzial. Unterschiedliche Studien zielen bereits darauf ab, dieses Potenzial zu erfassen. Keine dieser Untersuchungen fokussiert jedoch bisher explizit das produzierende Gewerbe in Deutschland, obwohl dieses eine der wichtigen Säulen der deutschen Volkswirtschaft darstellt. Die vorliegende Studie hat daher zum Ziel, die Potenziale der KI im produzierenden Gewerbe in Deutschland zu erfassen. Zu diesem Zweck werden die Einschätzungen von KI-Anbietern, potenziellen KI-Anwendern (Großunternehmen und KMU des produzierenden Gewerbes) sowie von Forscherinnen und Forschern auf dem Gebiet der KI gegenübergestellt. Im Unterschied zu vorherigen Untersuchungen wird dabei zwischen den grundlegenden KI-Technologien, den konkreten KI-Anwendungen und den Wertschöpfungsstufen des produzierenden Gewerbes differenziert." (Autorenreferat, IAB-Doku)

Zitatform

Upchurch, Martin (2018): Robots and AI at work: The prospects for singularity. In: New Technology, Work and Employment, Jg. 33, H. 3, S. 205-218. DOI:10.1111/ntwe.12124

Abstract

"This paper seeks to address emerging debates and controversies on the impact of robots and artificial intelligence on the world of work. Longer term discussions of technological 'singularity' are considered alongside the socio-technical and economic constraints on the application of robotics and AI. Evidence of robot 'take-up' is gathered from reports of the International Federation of Robotics and from case vignettes reported elsewhere. In assessing the contemporary relationship between singularity, robotics and AI, the article reflects briefly on the two 'tests' of artificial 'intelligence' proposed by the pioneer computer scientist Alan Turing, and comments on the efficacy of his 'tests' in contemporary applications. The paper continues by examining aspects of public policy and concludes that technological singularity is far from imminent." (Author's abstract, IAB-Doku) ((en))

Zitatform

Varian, Hal (2018): Artificial intelligence, economics, and industrial organization. (NBER working paper 24839), Cambrige, Mass., 24 S. DOI:10.3386/w24839

Abstract

"Machine learning (ML) and artificial intelligence (AI) have been around for many years. However, in the last 5 years, remarkable progress has been made using multilayered neural networks in diverse areas such as image recognition, speech recognition, and machine translation. AI is a general purpose technology that is likely to impact many industries. In this chapter I consider how machine learning availability might affect the industrial organization of both firms that provide AI services and industries that adopt AI technology. My intent is not to provide an extensive overview of this rapidly-evolving area, but instead to provide a short summary of some of the forces at work and to describe some possible areas for future research." (Author's abstract, IAB-Doku) ((en))

Zitatform

Vöpel, Henning (2018): Wie künstliche Intelligenz die Ordnung der Wirtschaft revolutioniert. In: Wirtschaftsdienst, Jg. 98, H. 11, S. 828-830. DOI:10.1007/s10273-018-2373-9

Abstract

Künstliche Intelligenz (KI) wird die Ordnung der Wirtschaft revolutionieren und gravierende ethische, regulatorische und gesellschaftliche Fragen aufwerfen, die wir heute noch nicht vollständig verstehen. Künstliche Intelligenz bedeutet, dass Computer und Maschinen kognitive Fähigkeiten wie 'Lernen' und 'Problemlösen' entwickeln und in diesem Sinne in der Lage sind, autonom zu agieren. Eine zentrale Bedeutung in der Anwendung und Entwicklung von KI kommt den Daten zu. Ohne Big Data gäbe es kaum Anwendungen von KI. Umgekehrt ist Big Data ohne KI nutzlos, denn es blieben große Mengen bloßer Daten, aus denen sich keine Muster erkennen und Entscheidungen ableiten ließen. Daten weisen die ökonomische Besonderheit auf, dass der Wert eines einzelnen Datensatzes praktisch null ist und erst die Kombination möglichst vieler Daten über Netzwerkeffekte den ökonomischen Wert erzeugt. Erst KI macht aus 'Big Data' 'Smart Data'. KI ist der Schlüssel zur Wertschöpfung aus Daten. KI macht Daten zum dritten Produktionsfaktor. Dadurch verändert sich zugleich das Substitutionsverhältnis der Produktionsfaktoren untereinander und somit die funktionale Verteilung der Einkommen auf Daten, Kapital und Arbeit. KI substituiert spezialisierte Arbeit durch datenbasierte Algorithmen. KI kombiniert Kapital mit Daten. Die Nutzung der Daten weist Nicht-Rivalität auf und ermöglicht cross-funktionale Wertschöpfung. KI definiert das Verhältnis zwischen Kapital und Arbeit neu und ersetzt die industrielle durch die digitale Ordnung. KI wird zur ethischen, regulatorischen und geopolitischen Schlüsselfrage. (IAB)

Zitatform

(2018): Künstliche Intelligenz. Technologie, Anwendung, Gesellschaft. (iit-Themenband), Berlin: Springer Vieweg, 286 S. DOI:10.1007/978-3-662-58042-4

Abstract

"Künstliche Intelligenz (KI) klingt in aktuellen Debatten oft abstrakt und alltagsfremd. Doch die meisten Internetnutzerinnern und -nutzer sind bereits täglich mit ihr konfrontiert - wenn auch unbewusst: sei es bei der Sprachsteuerung des Smartphones, bei Kaufempfehlungen im Online-Shop oder bei der Abfrage von auf Webseiten häufig gestellten Fragen (Frequently Asked Questions, FAQ). KI ist ein Teilaspekt der Digitalisierung, der als Schlagwort immer häufiger in den Medien auftaucht. Das aktuell große Interesse liegt darin begründet, dass es in den vergangenen Jahren verschiedene technologische Fortschritte gab, welche die Nutzung der KI nun auf andere Ebenen heben.
Mit diesem Themenband des Instituts für Innovation und Technik (iit) 'Künstliche Intelligenz' erhalten Leserinnen und Leser einen schlaglichtartigen Einblick in die KI hinsichtlich ihrer Technologien, aktuellen und potenziellen Anwendungen sowie Auswirkungen auf die Gesellschaft." (Autorenreferat, IAB-Doku)

Zitatform

(2018): AI: Intelligent machines, smart policies. Conference summary. (OECD digital economy papers 270), Paris, 33 S. DOI:10.1787/f1a650d9-en

Abstract

"This report reflects discussions at the OECD conference 'AI: Intelligent Machines, Smart Policies' held in Paris on 26-27 October, 2017. After discussing the state of Artificial intelligence (AI) research - in particular 'machine learning' - , speakers illustrated the opportunities that AI provides to improve economies and societies, in areas ranging from scientific discovery and satellite data analysis to music creation. There was broad agreement that the rapid development of AI calls for national and international policy frameworks that engage all stakeholders. Discussions focused on the need for policy to facilitate the adoption of AI systems to promote innovation and growth, help address global challenges, and boost jobs and skills development, while at the same time establishing appropriate safeguards to ensure that AI systems are human-centric and benefit people broadly. Transparency and oversight, algorithmic discrimination and privacy abuses were key concerns, as were new liability, responsibility, security and safety questions." (Author's abstract, IAB-Doku) ((en))

Zitatform

(2018): Konkrete Ziele und Vorhaben der Bundesregierung im Bereich Künstliche Intelligenz. Antwort der Bundesregierung auf die Kleine Anfrage der Abgeordneten und der Fraktion BÜNDNIS 90/DIE GRÜNEN (Drucksache 19/1525). (Verhandlungen des Deutschen Bundestages. Drucksachen 19/1982 (02.05.2018)), 15 S.

Abstract

"Definition, wirtschafts- und forschungspolitische Schwerpunkte, Forschungsstand, Ausbau der Forschungsleistung, Forschungsprogramme, Planungsstand gemeinsamer Zentren mit Frankreich (künstliche Intelligenz) und Polen (digitale Innovationen in der Systemforschung): Absprachen, Zeitplan, Standortauswahl, Förderung mit Bundesmitteln, Aufgaben und Stellen; Vorlage eines Masterplans 'Künstliche Intelligenz': Zuständigkeit, neue Gesetzesgrundlagen, Aufsichtsstrukturen, Aufgabenverteilung, Monitoring, Technikfolgenabschätzung, Pilotprojekte; Einsatzbereiche, ethische Grundprinzipien (insgesamt 37 Einzelfragen)" (Autorenreferat, (Dokumentations- und Informationssystem Bundestag und Bundesrat - DIP))

Zitatform

(2018): Eckpunkte für eine Strategie Künstliche Intelligenz der Bundesregierung. Unterrichtung durch die Bundesregierung. (Verhandlungen des Deutschen Bundestages. Drucksachen 19/3564 (19.07.2018)), 9 S.

Abstract

"Die Bundesregierung wird bis Ende November dieses Jahres eine Strategie Künstliche Intelligenz (KI) erarbeiten und diese auf dem Digital-Gipfel 2018 in Nürnberg öffentlich vorstellen. Die vorliegenden Eckpunkte bauen unter anderem auf den Empfehlungen des Fachforums Autonome Systeme der Hightech-Strategie vom 20. März 2017 und der Expertenanhörung auf Einladung der Bundeskanzlerin am 29. Mai 2018 sowie Vorarbeiten der Bundesministerien auf. Die Bundesregierung wird zur Erstellung der Strategie weitere Expertenanhörungen u.a. zu speziellen Anwendungsfeldern und dem Ordnungsrahmen sowie zu sozialen Fragestellungen durchführen. Außerdem wird es einen Konsultationsprozess mit bundesweit arbeitenden Verbänden, Organisationen und Institutionen geben. Die Eckpunkte dienen als Grundlage für den Prozess der Erarbeitung der Strategie und geben Orientierung für Ziele und Handlungsfelder der Strategie sowie der unmittelbar von den Ressorts einzuleitenden Maßnahmen bis zur Verabschiedung der Strategie im Kabinett." (Textauszug, IAB-Doku)

Abstract

"Am 15. November 2018 hat die Bundesregierung ihre Strategie Künstliche Intelligenz verabschiedet. Die Strategie wurde gemeinsam durch das Bundesministerium für Wirtschaft und Energie, das Bundesministerium für Bildung und Forschung und das Bundesministerium für Arbeit und Soziales erarbeitet.
Mit der vorliegenden Strategie setzt die Bundesregierung einen Rahmen für eine ganzheitliche politische Gestaltung der weiteren Entwicklung und Anwendung Künstlicher Intelligenz (KI) in Deutschland. Ziel ist es, Deutschland als Forschungsstandort für Künstliche Intelligenz zu stärken. Zudem soll die Förderung der Anwendung von KI in der Wirtschaft, insbesondere in kleinen und mittleren Unternehmen vorangetrieben werden. Die vielfältigen Anwendungsmöglichkeiten von KI in allen Bereichen der Gesellschaft sollen im Sinne eines spürbaren gesellschaftlichen Fortschritts und im Interesse der Bürgerinnen und Bürger gefördert werden. Der Nutzen für Mensch und Umwelt soll dabei in den Mittelpunkt gestellt und der intensive Austausch zum Thema KI mit allen gesellschaftlichen Gruppen gestärkt werden.
Das Strategie-Papier der Bundesregierung bietet einen Überblick über Ziele, Grundlagen und Handlungsfelder für eine Nationale Strategie Künstliche Intelligenz." (Autorenreferat, IAB-Doku)

Zitatform

Aghion, Philippe, Benjamin F. Jones & Charles I. Jones (2017): Artificial intelligence and economic growth. (NBER working paper 23928), Cambrige, Mass., 56 S. DOI:10.3386/w23928

Abstract

"This paper examines the potential impact of artificial intelligence (A.I.) on economic growth. We model A.I. as the latest form of automation, a broader process dating back more than 200 years. Electricity, internal combustion engines, and semiconductors facilitated automation in the last century, but A.I. now seems poised to automate many tasks once thought to be out of reach, from driving cars to making medical recommendations and beyond. How will this affect economic growth and the division of income between labor and capital? What about the potential emergence of 'singularities' and 'superintelligence,' concepts that animate many discussions in the machine intelligence community? How will the linkages between A.I. and growth be mediated by firm-level considerations, including organization and market structure? The goal throughout is to refine a set of critical questions about A.I. and economic growth and to contribute to shaping an agenda for the field. One theme that emerges is based on Baumol's 'cost disease' insight: growth may be constrained not by what we are good at but rather by what is essential and yet hard to improve." (Author's abstract, IAB-Doku) ((en))

Zitatform

Brynjolfsson, Erik, Daniel Rock & Chad Syverson (2017): Artificial intelligence and the modern productivity paradox. A clash of expectations and statistics. (NBER working paper 24001), Cambrige, Mass., 44 S. DOI:10.3386/w24001

Abstract

"We live in an age of paradox. Systems using artificial intelligence match or surpass human level performance in more and more domains, leveraging rapid advances in other technologies and driving soaring stock prices. Yet measured productivity growth has declined by half over the past decade, and real income has stagnated since the late 1990s for a majority of Americans. We describe four potential explanations for this clash of expectations and statistics: false hopes, mismeasurement, redistribution, and implementation lags. While a case can be made for each, we argue that lags have likely been the biggest contributor to the paradox. The most impressive capabilities of AI, particularly those based on machine learning, have not yet diffused widely. More importantly, like other general purpose technologies, their full effects won't be realized until waves of complementary innovations are developed and implemented. The required adjustment costs, organizational changes, and new skills can be modeled as a kind of intangible capital. A portion of the value of this intangible capital is already reflected in the market value of firms. However, going forward, national statistics could fail to measure the full benefits of the new technologies and some may even have the wrong sign." (Author's abstract, IAB-Doku) ((en))

Zitatform

Burkert, Uwe & Guido Zimmermann (2017): Makroökonomische Effekte künstlicher Intelligenz. Erste Annäherungen an einen Strukturbruch. Stuttgart, 27 S.

Abstract

Um Aussagen über makroökonomische Effekte künstlicher Intelligenz (KI) treffen zu können, beginnt der Beitrag zunächst mit einem Überblick über Definitionen von KI und einzelne Methoden - maschinelles Lernen, Deep Learning, Robotik, crowd sourcing, Internet der Dinge-, über KI-Prozesse und KI-Technologien und graphisch-tabellarisch mit einem internationalen Vergleich KI-bezogener Patentzahlen. Im Anschluss daran werden gesamtwirtschaftliche Effekte der Technologien künstlicher Intelligenz benannt. Es werden starke Veränderungen der Geschäftsmodelle der Unternehmen erwartet, positive Effekte auf das Produktivitätswachstum und die Reallöhne, eine starke Veränderung der Berufsbilder, das Verschwinden von Stellen mit mittlerer Qualifikation, sinkende Inflationsrisiken, steigende Ungleichheit in der Einkommensverteilung und Effekte auf den Wettbewerb durch Verfügung über Big Data. Der Politik stellen sich wirtschaftspolitische, rechtliche und moralisch-ethische Fragen in Bezug auf die KI. Im Fazit weist der Autor mit Blick auf die Wirtschaftsgeschichte darauf hin, dass der Laie in der Regel die Schnelligkeit technologischer Durchbrüche überschätzt und in gleichem Maße die längerfristigen Wirkungen unterschätzt. Zu diesen zählen starke Auswirkungen auf die Sozialsysteme und die angebotenen politischen Ideen. Arbeit wird nicht ausgehen, sie wird sich ändern und die Arbeitnehmer müssen darauf vorbereitet werden. (IAB)

Zitatform

Buschbacher, Florian (2017): Entscheidungsunterstützung mit Künstlicher Intelligenz. Wirtschaftliche Bedeutung, gesellschaftliche Herausforderungen, menschliche Verantwortung. Berlin, 13 S.

Abstract

"Das Positionspapier 'Entscheidungsunterstützung mit Künstlicher Intelligenz - Wirtschaftliche Bedeutung, gesellschaftliche Herausforderungen, menschliche Verantwortung' haben der Bitkom und das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) zum Digital-Gipfel der Bundesregierung am 13. Juni 2017 entwickelt. Dieses Positionspapier richtet sich an Bundesministerien und Regulierungsbehörden, Entscheidungsträger in der digitalen Wirtschaft und in den politischen Parteien, Wissenschaftler aus den Bereichen Datenmanagement, Big Data, Künstliche Intelligenz (KI) sowie die (Wirtschafts-)Presse und die breite Öffentlichkeit.
Mit dem Dokument stellen sich Bitkom und DFKI das Ziel, ihre Positionen zu Fragen der unternehmerischen und gesellschaftlichen Verantwortung beim verstärkten Einsatz von KI in Entscheidungsprozessen zur Diskussion zu stellen. Mit den rapiden Fortschritten in der Erfassung von Daten aus der realen Welt, mit der Möglichkeit zur aktiven Interaktion und mit virtuellen Agenten sind wesentliche Voraussetzungen für einen tiefgreifenden Wandel in Wirtschaft und Gesellschaft gegeben. Kognitive Systeme setzen auf Big Data und KI auf und können bereits vielfältige Aufgaben übernehmen, die von der Beschaffung und Verdichtung von Informationen über die Verrichtung gefährlicher, schmutziger, körperlich anstrengender Arbeiten bis hin zur Unterstützung von Management-Entscheidungen reichen. In den nächsten Jahren werden kognitive Systeme ihr Leistungsspektrum deutlich ausweiten. Daraus ergibt sich das Erfordernis, die wirtschaftlichen und gesellschaftlichen Konsequenzen des eingeleiteten kognitiven Zeitalters zu verstehen und in einen Diskurs einzutreten - insbesondere im Kontext der globalen politischen und wirtschaftlichen Herausforderungen." (Autorenreferat, IAB-Doku)