Kurzbeschreibung

In diesem Projekt verwenden wir hochfrequente Stellenanzeigen verknüpft mit administrativen Betriebsdaten, um die Auswirkungen von Investitionen in Technologien künstlicher Intelligenz (KI) auf die Arbeitsnachfrage zu schätzen. Das grundsätzliche Identifikationsproblem bei der Schätzung kausaler Effekte von KI auf die Arbeitsnachfrage besteht darin, dass Betriebe mit KI-Investitionen strukturelle Unterscheide im Vergleich zu Betrieben ohne KI-Investitionen aufweisen, die meist nicht beobachtbar sind (z.B. unterschiedliche Produktivitätspfade oder Betroffenheit von Nachfrageschocks). Um dieses Identifikationsproblem zu adressieren, verwendet die empirische Literatur zur Identifikation kausaler Effekte durch Investitionen in KI-Technologien bisher vor allem Instrumentvariablenschätzungen, deren Validität auf nicht-testbaren Exogenitätsannahmen basiert. Um dies zu umgehen, verwenden wir einen dynamischen Differenzen-von-Differenzen Ansatz. Dieser Ansatz hat den Vorteil, dass wir lediglich Betriebe von KI-Investitionen betrachten und Unterschiede in den Zeitpunkten der KI-Investitionen ausnutzen können. Den Zeitpunkt der KI-Investition messen wir anhand von Stellenausschreibungen mit Bezug zu KI, die komplementär zur Einführung von KI-Technologien sind.