Wie KI den Arbeitsmarkt verändert: Analyse von Daten aus Bing Copilot

Heutzutage wird generative künstliche Intelligenz (KI) zu einem Bestandteil des täglichen Lebens und der Arbeit. Dieser Artikel befasst sich mit einer Studie, die 200.000 anonymisierte Unterhaltungen zwischen Nutzern und dem System Microsoft Bing Copilot analysiert. Diese Daten wurden in den USA über einen Zeitraum von neun Monaten im Jahr 2024 erhoben. Die Studie, deren Autoren Kiran Tomlinson, Sonia Jaffe, Will Wang, Scott Counts und Siddharth Suri sind, untersucht, wie KI bei beruflichen Tätigkeiten hilft und welche Auswirkungen dies auf verschiedene Berufe hat. Sie verwenden die O*NET-Datenbank, die Berufe in hierarchische Arbeitsaktivitäten unterteilt, und kombinieren diese mit Daten zu Löhnen und Beschäftigung des Bureau of Labor Statistics (BLS).

Ein zentrales Element der Analyse ist die Unterteilung in zwei Kategorien: Nutzerziele, bei denen die KI bei Aufgaben hilft, die eine Person erledigen möchte, und KI-Aktionen, bei denen die KI selbst Tätigkeiten ausführt. Wenn ein Nutzer beispielsweise nach einer Anleitung zum Drucken eines Dokuments sucht, besteht das Nutzerziel darin, Bürogeräte zu bedienen, während die KI-Aktion darin besteht, andere in der Nutzung der Geräte zu schulen. Diese Daten zeigen, dass KI am häufigsten für die Informationsbeschaffung, das Schreiben und die Kommunikation eingesetzt wird, was der Wissensarbeit entspricht.

Methodik: Wie die Daten verarbeitet wurden

Die Studie verwendet zwei Datensätze: Copilot-Uniform mit 100.000 zufällig ausgewählten Unterhaltungen für einen repräsentativen Überblick und Copilot-Thumbs mit weiteren 100.000 Unterhaltungen, bei denen Nutzer Feedback durch einen Daumen nach oben oder unten gegeben haben. Die Unterhaltungen wurden den intermediären Arbeitsaktivitäten (IWA) aus O*NET zugeordnet. Dabei handelt es sich um 332 allgemeine Tätigkeiten wie „Informationen aus physischen oder elektronischen Quellen sammeln“.

Die Klassifizierung erfolgte mithilfe des Modells GPT-4o in einem zweistufigen Prozess: zunächst eine Zusammenfassung der Ziele und Aktionen, anschließend eine binäre Klassifizierung, ob die Unterhaltung der jeweiligen IWA entsprach. Der Erfolg wurde anhand des Nutzerfeedbacks, der Aufgabenerledigungsquote und des Wirkungsumfangs gemessen, der bewertet, wie viel von der jeweiligen Aktivität die KI abdeckt. Auf dieser Grundlage wurde für jeden Beruf ein KI-Anwendbarkeitsscore berechnet, der Abdeckung, Erfolg und Umfang berücksichtigt.

Dieser Ansatz ermöglicht einen relativen Vergleich von Berufen, jedoch keine absoluten Prozentangaben, da die Schwellenwerte für die „Abdeckung“ die Ergebnisse beeinflussen. Wenn eine Aktivität beispielsweise in mindestens 0,05 % der Unterhaltungen vorkommt, gilt sie als abgedeckt.

Ergebnisse: Häufigste Aktivitäten und gefährdete Berufe

Die Daten zeigen, dass zu den häufigsten Nutzerzielen die Informationsbeschaffung (wie „Informationen sammeln“ oder „Informationen über Waren oder Dienstleistungen einholen“), das Schreiben (wie „Materialien für künstlerische oder kommerzielle Zwecke verfassen“) und die Kommunikation (wie „Kunden Informationen bereitstellen“) gehören. Aufseiten der KI sind Aktionen wie Hilfestellung, Erklärungen und Beratung üblich, beispielsweise „allgemeine Ratschläge geben“ oder „technische Details erklären“.

Die Erfolgsquote ist beim Schreiben und bei der Recherche hoch, wo der Anteil positiver Rückmeldungen über 50 % liegt, während Datenanalyse oder visuelles Design eine geringere Erfolgsquote aufweisen. Der Wirkungsumfang ist bei der Unterstützung von Nutzern größer als bei direkten Aktionen der KI. So weisen beispielsweise 40 % der Unterhaltungen unterschiedliche Aktivitätsgruppen für Nutzer und KI auf, was eine Asymmetrie verdeutlicht.

Die am stärksten betroffenen Berufe weisen einen hohen KI-Anwendungsscore auf, was auf Potenzial für Automatisierung oder Verbesserung hindeutet. Die folgende Tabelle zeigt die zehn am stärksten gefährdeten Berufe nach ihrem Score (Durchschnitt aus Nutzerzielen und KI-Aktionen). Die Daten stammen aus Tabelle 3 der Studie, wobei coverage den Anteil der abgedeckten Aktivitäten, completion die Abschlussquote, scope den Wirkungsumfang und score den Gesamtscore bezeichnet. Die Beschäftigungszahlen beziehen sich auf die USA.

Diese Berufe weisen aufgrund der Überschneidung mit Aktivitäten wie Schreiben, Informationsbeschaffung und Kommunikation hohe Scores auf. Die niedrigsten Scores haben dagegen Berufe mit körperlicher Arbeit, etwa Geschirrspüler oder Dachdecker.

Diskussion: Was dies für die Zukunft bedeutet

Die Studie betont, dass KI vor allem bei Wissensarbeit hilft, dies jedoch nicht automatisch den Verlust von Arbeitsplätzen bedeutet. Bankangestellte konzentrierten sich beispielsweise nach der Einführung von Geldautomaten stärker auf Kundenbeziehungen, was zu einer größeren Zahl von Filialen führte. Die Autoren weisen auf Einschränkungen hin: Die Daten stammen nur aus einem einzigen System, O*NET ist möglicherweise nicht aktuell und die Unterhaltungen spiegeln womöglich nicht die gesamte Arbeit wider. Zukünftige Forschung sollte untersuchen, wie sich Berufe verändern und wie neue entstehen.

Ein Vergleich mit den Prognosen aus der Arbeit von Tyna Eloundou, Sam Manning, Pamela Mishkin und Daniel Rock zeigt auf Berufsebene eine Korrelation von 0,73. Dies bestätigt, dass die tatsächliche Nutzung von KI den Erwartungen entspricht. Die Auswirkungen auf Löhne und Beschäftigung bleiben jedoch offen – KI kann die Produktivität steigern, aber auch die Arbeitsstruktur verändern.