„Habe nun ach! Philosophie, Juristerei und Medizin, und leider auch Theologie! durchaus studiert mit heißem Bemühn. Da steh ich nun, ich armer Tor! und bin so klug als wie zuvor; heiße Magister, heiße Doktor gar, und ziehe schon an die zehen Jahr herauf, herab und quer und krumm meine Schüler an der Nase herum – und sehe, dass wir nichts wissen können!

Das will mir schier das Herz verbrennen!“ 

- Faust I, S. 354–365

Digitalisierung der Wertschöpfungsprozesse: Droht eine neue Massenarbeitslosigkeit?

Industrie 4.0., die vierte industrielle Revolution, ist in aller Munde. Haben im Laufe der Jahre die Mechanisierung (Industrie 1.0.), die Massenproduktion (Industrie 2.0.) und die Automatisierung (Industrie 3.0.) Einzug in die Produktion gehalten, folgt nun die Digitalisierung der Produktion (Industrie 4.0.). Es ist dieses Mal aber nicht nur die Produktion, sondern die gesamte wirtschaftliche Wertschöpfungskette von dieser Revolution betroffen. In der Logistik tüftelt man beispielsweise an autonom fahrenden LKW´s und an Drohnen, die untereinander vernetzt sind und kommunizieren. Im Marketing speisen riesige Datensätze hochkomplizierte Algorithmen und produzieren individualisierte Werbestrategien. Und im After-Sale-Service bestätigen ausgetüftelte Apps den Kunden in seiner Kaufentscheidung und sorgen ohne laufende Kosten für eine höhere Kundenloyalität. Die digitale Revolution wird aber nicht nur positiv gesehen. Ähnlich wie bei den drei Revolutionen davor, befürchten viele Menschen auch bei der digitalen Revolution soziale Verwerfungen und Massenarbeitslosigkeiten. Diese Angst wird oft von Nicht-Fachleuten wie dem Populärphilosophen Richard David Precht in die Gesellschaft getragen. Es gibt aber auch unter Experten laute Stimmen, die eine durch die Digitalisierung bedingte Arbeitslosigkeit prognostizieren. Die vielfach rezipierten Arbeiten von Frey und Osborne (2013) oder im deutschsprachigen Raum von Dengler und Matthes (2015) seien hier vorerst nur beispielhaft erwähnt. Beide Studien bescheinigen etlichen Berufen ein zukünftig hohes Substituierbarkeitspotential durch Maschinen. Ob sie damit Recht haben, ist eine insbesondere für die Industrieländer sehr drängende Frage. Denn wenn ja, gälte es die drohenden Verwerfungen zu antizipieren und die Bildungs- und Sozialsysteme umzustrukturieren. Und wenn die Digitalisierung keine Massenarbeitslosigkeit induziert und wir trotzdem etwa ein Bedingungsloses Grundeinkommen einführen, könnte dies den gesellschaftlichen Arbeitswillen hemmen und die prognostizierte Arbeitslosigkeit entpuppt sich als eine self-fulfilling prophecy. Aus diesem Grund möchte ich in meiner Hausarbeit zunächst untersuchen, wie die Digitalisierung die Wertschöpfungsprozesse verändert und danach, ob sie wirklich zu der vielbeschworenen Massenarbeitslosigkeit führen wird. 

2. Wertschöpfungskette

Dafür müssen aber zunächst die aktualen und potentiellen Veränderungen in den Wertschöpfungsketten durch die Digitalisierung beleuchtet werden. Nachfolgend orientiere ich mich an die Unterteilung der Primäraktivitäten in: Produktion, Logistik, und Service nach Buchholz, Ferdinand et al. (2017).

2.1. Produktion

Es ist auffallend, dass die bekanntesten Akteure der Digitalisierung fast keine eigenen Produkte anbieten oder produzieren. Google produziert kaum eigene Informationen, Facebook kaum mediale Inhalte, Amazon kaum eigene Produkte, Uber besitzt keine eigenen Taxis und Airbnb kein einziges Hotel. Diese Unternehmen sind nach der Terminologie von David S. Evans und Richard Schmalensee "Matchmakers". Das heißt, sie verbinden Interessensgruppen untereinander, beispielsweise Anbieter von Produkten oder Informationen mit potentiellen Kunden, ohne selbst klassische Produkte bereitzustellen. Etwas zynisch könnte man argumentieren, dass wir selbst die "unorthodoxen Produkte" dieser Unternehmen sind, da sie einen Großteil ihres Umsatzes über den Handel an Daten über unsere Präferenzen oder über Werbung an uns generieren.

In der deutschen Wirtschaft spielen Datenhandel und "Matchmaker" noch eine vergleichsweise geringe Rolle. Dafür liegt der Anteil des produzierenden Gewerbes mit 25,6 Prozent (2017) an der Gesamtwirtschaftsleistung hierzulande außerordentlich hoch.[1] Zum Vergleich: Die USA kamen 2012 gerade mal auf rund 12 Prozent.[2] Die Digitalisierung im produzierendem Gewerbe wird Deutschland deshalb besonders nachhaltig treffen. Nach einer Studie des Bundesministeriums für Wirtschaft und Energie ist die Produktion sogar der durch die Digitalisierung am stärksten betroffene Wirtschaftsbereich überhaupt. Diese Studie unterscheidet sogleich drei Ebenen, auf denen diese Digitalisierung stattfindet: "neben den hergestellten Produkten (1) ändern sich auch die Produktionsprozesse (2) sowie die Geräte und Maschinen, mit denen die Produkte hergestellt werden (3)" (Buchholz, Ferdinand et al. (2017), S. 13).

(1) Die Digitalisierung der Produkte äußert sich vor allem in einer Verschränkung der materiellen Güter mit der Software und dadurch untereinander. Dieser Verschränkung wird terminologisch durch das Wort "Smart" Rechnung getragen: Smart Home, Smart Watches, Smart-Textiles, Smart Homes und sogar Smart Cities. Diese Produkte sammeln sensorisch Daten der Nutzer und speichern sie meistens in einer Cloud, was ein "Internet der Dinge" entstehen lässt. Wenn der Produzent dieser vernetzten Güter nicht nur immer mehr über den Kunden weiß, sondern der Kunde umgekehrt auch kaum weiß, welche Daten über ihn gesammelt werden und was mit diesen passiert, besteht das Problem einer Informationsasymmetrie.[3] Für den Politikwissenschaftler Andrej Zwitter entsteht damit auch ein ethisches Ungleichgewicht: "Das Internet der Dinge trägt zum Weiterbestehen des Abstands zwischen dem Wissen und Willen der Akteure auf der einen Seite und den Informationsquellen und der Macht der Akteure auf der anderen Seite bei."[4] Das Austarieren der Freiheitsinteressen Transparenz und Privatsphäre einerseits und Daten- und damit Markteffizienz andererseits liegt daher in der Verantwortung der Legislative.

2. Viele Fertigungsmaschinen besitzen bereits heute als multifunktionale Bearbeitungszentren mehrere Fertigungskompetenzen. Da viele Märkte mit uniformer Massenware gesättigt sind, wird dieser Trend hin zu individualisierten Produkten voraussichtlich weiterhin zunehmen. Aus diesem Grund sind Unternehmen angehalten, agile Fertigungssysteme aufzubauen, in denen jeder einzelne Arbeitsschritt an individuelle Anforderungen angepasst und Produkte mit der Losgröße 1 hergestellt werden können. Dafür müssen sie modulare Einheiten in den Produktionsprozess integrieren, wie beispielsweise nach dem "Plug & Produce"-Prinzip: Zusätzliche Maschinen können an die bestehenden Produktionsanlagen angekoppelt und somit determinierende Arbeitsprozesse aufgebrochen werden, ohne dass die bestehenden Maschinen aufwendig konfiguriert werden müssten. [5] Die Produktdifferenzierung ist beileibe aber nicht das einzige Potential hinter der Digitalisierung der Produktionsprozesse. Durch die Gewinnung und Ausarbeitung von Daten über den Produktionsprozess können Informationen über den Zustand von Anlagen und Produkten und deren Wechselwirkungen mit anderen Einflussfaktoren erschlossen werden. Dies führt im Idealfall zu einem gezielterem Material- und Ressourceneinsatz, geringeren Fehler- und Ausschlussquoten, und damit zu immer weiter sinkenden Grenzkosten. Die Senkung der Kosten ist nach einer Studie von Horváth & Partners (Managerberatung) auch die Hauptintention der Unternehmen hinter der Digitalisierung ihrer Produktionsprozesse: "Drei Viertel der Anwendungen verfolgen direkt oder indirekt dieses Ziel […]." (Ralf Sauter, Maximilian Bode et al.: Wie Industrie 4.0 die Steuerung der Wertschöpfung verändert, S. 3).

Nach dieser Studie liegt die nächstwichtige Zielgröße in der Steigerung der Flexibilität. Diese schlägt sich beispielsweise im Bild einer resilienten Fabrik nieder, in der dieselben Produktionsfaktoren unterschiedliche Produkte herstellen. Flexible Produktionsprozesse sind eine unabdingbare Voraussetzung, um den eingangs erwähnten wandelnden Bedürfnissen an individualisierte Produkte gerecht werden zu können. Sie helfen aber auch bei der Produktion von Standardware. Denn wer modulare Produktionslinien an verschiedenen Standorten besitzt, kann Kapazitäten kurzfristig bei Lastspitzen hochfahren und langfristig an die Nachfrage anpassen. Im Idealfall führt dies zu einer optimalen Auslastung der Produktionsfaktoren.

An dritter Prioritätsstelle steht die Stabilität und Qualitätssicherung. Durch eine Überwachung und Auswertung der Gerätedaten wird eine kontinuierliche Wartung der Produktionsprozesse möglich. So entsteht die Möglichkeit einer hochfrequentiellen und trotzdem kostengünstigen Fernwartung der Gerätschaften, quasi vom Schreibtisch aus. Da immer mehr Varianten eines Endproduktes aber auch unterschiedliche Vorprodukte von Zulieferern erwarten, müssen die Unternehmen diese Daten immer häufiger in firmenübergreifende IT-Systeme einspeisen.

Auffällig ist, dass nur 9 der befragten 112 deutschen Unternehmen ihre Produktionsprozesse zum Zwecke der Umsatzsteigerung umstellen, etwa durch die Eröffnung vollkommen neuer Märkte durch entsprechende Produkte. Dies mag wenig überraschen, da die allerorts angestrebte "Industrie 4.0." in erster Linie auf eine Digitalisierung der Kernwertschöpfung ausgerichtet ist. Es stellen sich dennoch zwei Fragen: Erstens ob der Begriff "Digitale Revolution" für eine rein quantitativ ablaufende Verbesserung der bestehenden Produktionsprozesse in Deutschland überhaupt angemessen ist. Und zweitens ob die Digitalisierung der Produktionsprozesse nicht auch ein enormes, disruptives Umsatzpotential bietet, dass in Deutschland derzeit nicht vollständig ausgeschöpft wird. In den USA beispielsweise stellt der Datenhandel als neues Marktfeld einen der wichtigsten Umsatzposten für viele große Unternehmen wie Facebook oder Google dar.

 

Aber auch die Entwicklungen der Produktionsprozesse in Deutschland geben schon einen ersten Wink darauf, dass Digitalisierung nicht immer nur ein Wegbrechen von Arbeitsplätzen bedeuten muss. Für den Produktionsstandort Deutschland kann sie auch "zur Konsequenz haben, dass wir in Zukunft manche Dinge, die wir jetzt im lohngünstigen Ausland produzieren, wieder in Deutschland [produzieren]", so der Ökonom Jörn Block.[6] Die "Speedfactory" des Adidaskonzerns ist ein geradezu prädestiniertes Beispiel dafür: Zwar wird auch diese hochdigitalisierten Pilotfabrik keine klassischen Schneider mehr brauchen, weil die Werkteile direkt aus dem 3D-Drucker kommen und dann vollautomatisch mit dem Laser zugeschnitten werden.[7] Aber dafür benötigt sie hochspezialisierte Maschinenbauer und IT-Fachleute, die die Funktionalität der Fabrik gewährleisten. Aus diesem Grund wurde sie auch nicht in Bangladesh, sondern in Deutschland gebaut und hat 160 neue Arbeitsplätze geschaffen.[8]

3. Wie an der "Speedfactory" erkennbar wird, schreibt die Digitalisierung der Produktionsmaschinen den Pfad der vorangegangenen Automatisierung fort und ergänzt die umfassende Vernetzung einzelner Geräte in ein übergreifendes Produktionssystem. Die technologischen Aspekte dieser Weiterentwicklung sind vielfältig und umfassen neben Innovationen in den Feldern Robotik, Sensorik und Software auch diverse assistive Anwendungen aus dem Bereich Mensch-Maschinen-Interaktion. So können maschinelle Exoskelette dem Menschen beispielsweise beim Heben schwerer Gegenstände helfen. Datenbrillen oder andere visuelle Hilfsmittel können jederzeit tätigkeitsrelevante Informationen anzeigen und fahrerlose Transportsysteme wie selbstfahrende LKWs oder Drohnen können generische Transportprozesse übernehmen. Nicht zuletzt vermag eine informatorische KI-Assistenz den Arbeiter auch kognitiv zu entlasten und sich so weiterlernend zu einem echten Arbeitspartner zu entwickeln. Um mit solchen technischen Hilfsmitteln umgehen zu können, werden die Mitarbeiter und Unternehmer sich in entsprechenden Coachings adäquate digitale Kompetenzen aneignen müssen.

Besonders interessant im Umfeld digitalisierter Produktionsgeräte sind virtuelle Maschinen[9], die tatsächliche Maschine emulieren können. So können unter enormer Zeitersparnis Produktionszeiten ermittelt oder Konstruktionsfehler antizipiert werden. Außerdem können Prototypen im Vornerein oder bestehende Produktionsvorfahren gegeneinander getestet werden, ohne dass dafür physische Ressourcen aufgewendet werden müssen. Auch Auszubildende können mit virtuellen Maschinen kostengünstig geschult werden. Damit eine wirkliche Maschine aber überhaupt erst realitätsnah emuliert werden kann, müssen enorm viele Daten erhoben und in eine einheitliche digitale Sprache übersetzt werden.

2.2. Logistik

Die meisten Studien und Unternehmen schätzen die Chancen und Bedeutung der Digitalisierung für die Logistik als hoch bis sehr hoch ein. So verweisen unter anderem Studien der Deutschen Post[10], der Managerberatung Horváth & Partners[11], der der Porsche AG angehörigen MHP[12], des Bundesverbands für Logistik[13] und diverser Logistikwissenschaftler der TU Berlin[14] durchweg auf das enorme Anwendungspotential digitaler Technologien in der Logistik. Es gibt jedoch auch Gegenstimmen: In einer Studie des Bundesministeriums für Wirtschaft und Energie bewerteten die Interviewpartner die Veränderungen unter dem Einfluss digitaler Technologien in der Logistik als gering.[15] Das führen sie unter anderem darauf zurück, dass in ihrer Branche „weniger Anpassungsbedarf [bestehe], da viele Konzepte und Ideen schon seit Jahren existieren […].“[16] Porter und Heppelmann argumentieren beispielsweise, dass die für die Digitalisierung konstitutive Vernetzung von Gütern und Geräten für die Logistik nicht grundlegend neu und deshalb auch wenig revolutionär ist. So konnten bereits in den neunziger Jahren Warenströme mittels RFID-Technologien elektronisch erfasst und verfolgt werden.[17]

Einig ist man sich in der Fachliteratur indes darin, dass die moderne Logistik vor erheblichen Herausforderungen steht. Die Studie von Horváth & Partners nennt hier vor allem „Kostendruck, Individualisierung und Komplexität, […] welche von extern an die Unternehmen herangetragen werden. [Die] Digitalisierung der Geschäftsprozesse und Transparenz in der Supply Chain sind hingegen die wichtigsten Trends, die zukünftig mehr aus den Unternehmen heraus [intern] getrieben werden müssen.“ (Wolfgang Kersten, Mischa Seiter et al., S. 12) Die Komplexität steigt beispielsweise durch die gestiegenen Anforderungen an Lieferzeiten und Services sowie an Steuerung und Optimierung von Materialflüssen und Güterlagerungen. Zusätzlich wollen immer mehr Kunden zu einer bestimmten Uhrzeit oder in einem bestimmten Zeitraum geliefert bekommen, was den Druck hin zu einer immer stärker werdenden Individualisierung und dadurch Fragmentierung der Transporte erhöht. Dadurch stehen verringerte Werte pro Lieferung erhöhten Prozesskosten gegenüber. Was zusammen mit einem immer schärfer werdenden globalen Wettbewerb und Playern wie Amazon einen enormen Kostendruck auf die Logistikunternehmen ausübt.

Daneben stehen die Herausforderungen, die aus dem Unternehmen heraus angetrieben werden müssen: Die Digitalisierung der Geschäftsprozesse ist beispielsweise deshalb schwierig, weil die vorhandenen Daten häufig unvollständig oder schlichtweg falsch sind, da sie manuell erhoben oder vorher durch verschiedene Hände gegangen sind. In der Studie "Digitalisierung in der Logistik" der Bundesvereinigung Logistik liest man dementsprechend: „So ist es z. B. keine Seltenheit, dass die ETA-Daten […] zu ein- und derselben Sendung je nach der Datenquelle (ERP, Spediteur, Reeder, Handlingterminal, Luftfrachtcarrier, …) unterschiedlich sind.“ (Frauke Heistermann, Michael ten Hompel et al., S. 9). Allein diese mangelnde Datenqualität macht die Digitalisierung in der Logistik schwierig. Und die Transparenz in der Supply Chain ist unter anderem deshalb eine Herausforderung, da stets die Angst vor Industriespionage besteht.

Auf welche Weise kann die Digitalisierung nun bei der Bewältigung all dieser Herausforderungen helfen? Zum einen Mal ermöglicht die Vernetzung aller an der Lieferkette beteiligten Akteure und Objekte eine lückenlose Überwachung des Güterstroms, ohne dass ein Mensch dafür Buch führen oder Produkte einscannen muss. Die so gewonnenen Echtzeitdaten beziehen sich nicht nur auf den aktuellen Standort der Ware („Track & Tracing“), sondern beispielsweise auch auf den zeitlichen und energetischen Aufwand ihrer Lieferung, auf die Verfügbarkeit von weiteren Ressourcen wie Produktions- und Transportmitteln oder auf ökonomische Determinanten wie Käuferverhalten oder Konsumentenwünsche. Sie müssen den relevanten Akteuren über Cloud-Services oder ähnlichen Systemen zur Verfügung gestellt werden. Durch die dadurch entstehende Transparenz können diese Akteure dann Kennzahlen wie Liefereffizienz-, Lieferzuverlässigkeit-, qualität-, und flexibilität vergleichen und optimieren. Um dies zu erreichen, müssen alle Ebenen der Unternehmenslogistik in die digitale Transformation mit einbezogen und geeignete Technologien zur gegenseitigen Vernetzung eruiert werden. Auch ein Aufbrechen von starren Unternehmensgrenzen ist erforderlich, damit der Material- und Datenfluss firmenübergreifend erfasst werden kann. Hierzu ist eine gegenseitige Bereitstellung von Schnittstellen zu firmeneigenen IT-Systemen unabdingbar. Eine Studie des Wirtschaftsministeriums stellt klar, dass das Fehlen solcher Schnittstellen „noch eine der größten Herausforderungen für ein systemisches Zusammenspiel der Akteure und Prozesse im Bereich der Logistik dar[stellt]. So seien zwar in den Unternehmen oftmals bereits einzelne Prozesse digitalisiert, durch fehlende Schnittstellen zwischen verschiedenen Systemen, etwa zwischen ERP- und MES-System, kommt es hierbei aber zu Effizienzverlusten bei der Prozessübergabe.“ (Birgit Buchholz, Jan-Peter Ferdinand et. al, S. 17). Die Studie „Trends und Strategien in Logistik und Supply Chain Management“ fordert zusätzlich einen einheitlichen Datenstandard, der aufgrund der teilweise sehr großen Anzahl von unterschiedlichen verwalteten Schnittstellen immer dringlicher werde. (Wolfgang Kersten, Mischa Seiter et al., S. 58). Natürlich dient die Digitalisierung der Logistik aber nicht nur der passiven Überwachung, sondern insbesondere auch der aktiven Automatisierung der Warenflüsse. Diese spielt bereits heute eine herausragende Rolle in der weltweiten Logistik: Etwa bei Schiffterminals, auf denen automatisierte Kräne Container auf Frachtschiffe hieven und dazwischen fahrerlose Schienen- und Straßenfahrzeuge kleinere Lasten an den Bestimmungsort bringen. Oder im Lagerhaus des chinesischen Internetunternehmens Alibaba, wo Roboter schon jetzt 70% der anfallenden Arbeit übernehmen.[18] Dieser bestehende Trend hin zu einer Automatisierung der Logistik wird auch weiterhin zunehmen.

So können Materialien auf virtuellen Plattformen zukünftig nicht nur manuell, sondern immer häufiger auch automatisiert angefordert werden. Wenn beispielsweise ein Sensor ganz simpel ein zu Neige gehendes Öl zur Wartung eines LKWs registriert, kann er im E-Marketplace neues Öl bestellen, ohne dass dafür eine menschliche Arbeitskraft zwischengeschaltet werden muss. Dadurch erfolgt die Allokation von Ressourcen anders als zuvor dezentral, digital und iterativ. Iterativ deshalb, weil langfristig aus Vergangenheitsdaten lernende Systeme in den Zulieferungsprozess implementiert werden sollen. Diese Systeme ermöglichen nicht nur eine immer präziser werdende multideterminierte Prognose von Bedarf und Ressourcenverfügbarkeit unter Zuhilfenahme von (Big) Data Analytics und Methoden Künstlicher Intelligenz. Sie greifen aufgrund dieses Wissens auch autonom und aktiv in logistische Prozesse ein und machen sie effizienter.

Das betrifft aber nicht nur die Beschaffung von Inputfaktoren. Auch die Lieferungsrouten selbst können digital geplant werden, um eine optimale Auslastung der Transportfahrzeuge- und strecken zu gewährleisten. Die Transportfahrzeuge werden dabei in Zukunft immer häufiger autonom fahren, das Unternehmen Daimler hat etwa schon 2015 pilotisierte LKWs auf eine deutsche Autobahn geschickt.[19] Und in den USA testet dasselbe Unternehmen ein Platooningsystem, bei dem mehrere Transportfahrzeuge mit Hilfe eines technischen Steuerungssystems in sehr geringem Abstand hintereinander herfahren können, ohne dass dabei die Verkehrssicherheit beeinträchtigt werden soll.[20] Auf der Kurzstrecke können ressourceneffizientere und ebenfalls unbemannte Transportmittel wie Lieferroboter oder Drohnen eingesetzt werden. Und in den Städten wird sich die Belieferung häufig in die Nacht hinein verschieben, da Roboter keine Anforderungen an Arbeitszeiten stellen und so erhöhte Verkehrsaufkommen und damit die Gefahr von Lieferverspätungen umgangen werden können.

Bei all der Automatisierung stellt sich natürlich auch hier die Frage, ob die "Logistik 4.0." überhaupt noch klassische Arbeiter braucht: Durch die vollständige Vernetzung sämtlicher in der Logistikkette involvierten Technologien, kann ein kontinuierlicher Austausch von Informationen aus unterschiedlichen Quellen erfolgen. Dieser speist dann einen selbstlernenden Algorithmus, der die Logistikketten steuert und somit ein komplett automatisiertes logistisches System aufbauen könnte. Der Mensch wäre in diesem Szenario komplett außen vor und langfristig nur noch in der Rolle des Nachfragenden vonnöten.

2.3. Service

Kundenservice wird sowohl in der Wikipedia als auch im Duden als Dienst für den Kunden definiert. Doch oft empfinden Kunden diesen Dienst nicht als hilfreich. Lange Wartezeiten am Telefon und unfreundliche Servicemitarbeiter sind in vielen Unternehmen Realität. Nicht zuletzt aufgrund von "Leuchtturm-Projekten" und insbesondere bei Qualitätsprodukten erwarten Kunden aber eigentlich einen schnellen, gut erreichbaren, zuverlässigen und wenn möglich auch noch kostenlosen Service. Dies sind aber nicht die einzigen Herausforderungen, vor denen der moderne Service steht: Durch die Digitalisierung steigt die Produktpalette- und komplexität bei den einzelnen Unternehmen an. Das erfordert eine Expertise im Service, die einzelne Menschen oft gar nicht mehr haben können und künftig von Softwareprogrammen bereitgestellt werden muss. Die Digitalisierung in Vertrieb und Produktion bedingt also gewissermaßen die Notwendigkeit einer Digitalisierung im Service. Realiter beurteilen die Unternehmen den Digitalisierungsgrad in ihrem hauseigenen Service aber am geringsten (Birgit Buchholz, Jan-Peter Ferdinand et al., S. 5). Auch in einer auf dem KVD Congress durchgeführten Umfrage gaben nur ein Drittel der rund 40 befragten Unternehmen an, ihren Service schon digital angepasst zu haben.[21]

Dabei braucht und vermittelt Service in erster Linie Information, und diese wird im digitalisierten Unternehmen zunehmend verfügbarer und billiger. Der moderne Service kann über vernetzte Produkte hochwertige Informationen gewinnen und so Serviceleistungen verbessern - oder sogar antizipieren! Darüber hinaus stehen ihm nicht nur alte Kommunikationswege, wie Telefon, lokale Servicestellen oder Post, sondern auch ganz neue Kommunikationskanäle wie SMS, Mail und Messenger zur Verfügung. Die neuen Kanäle sind nicht nur schneller, direkter und effektiver, sondern insbesondere auch kostengünstiger für das Unternehmen. Über Chatbots oder E-Mail-Response können auf viele Anfragen schon automatisierte Antworten gegeben werden. Ein Report von Dimension Data prognostiziert deshalb, dass der telefonische Kontakt im Service um 29 Prozent zurückgehen und der digitale Service um 81 Prozent ansteigen wird.[22] Der digitale Austausch als solcher läuft aber nicht nur zwischen Kunde und Software, sondern auch unter den Kunden ab. So bilden sich immer mehr Service-Communities im Internet, die Know-How-Sharing betreiben und dem Unternehmen die Serviceleistung abnehmen. Einige Firmen setzen auch Markenbotschaftler ein, die in solchen Online-Communities beraten, verweisen oder auch zum Kauf anregen. Die verbleibenden angestellten Berater werden immer häufiger über Telematiksysteme an den nächsten Kunden verwiesen, was eine Steuerung der Auftragsreihenfolge nach Priorität oder Kundenstatus erlaubt. Oder sie schalten sich per Skype oder Webinar digital zum Kunden. Auf diesem Wege sind nicht nur Ferndiagnosen, sondern auch Fernwartungen möglich. Das Pharmaunternehmen Sysmex bietet beispielsweise Wartungs- und Reparaturleistungen per Fernzugriff an. Dafür muss es nur auf seine Blutanalysegeräte zugreifen und kann dem Mediziner dann anhand der Daten erklären, was er tun muss.[23] Ähnlich dazu erhebt Caterpillar für jede Baumaschine und in jedem Bergwerk eine Vielzahl von Daten und empfiehlt "den Kunden auf dieser Basis, wo bestimmte Anlagen stehen sollten, in welchen Fällen weniger Maschinen genügen, wo zusätzliche Geräte Engpässe beheben könnten und wie sich für die gesamte Flotte die Kraftstoffeffizienz steigern lässt."[24] After-Sale-Services wie die von Sysmex und Caterpillar sollen den Kunden auch nachträglich in seiner Kaufentscheidung bestätigen und so für die Zukunft an das Unternehmen binden. Sie sind in der Regel kostennutzeneffizienter als Werbemaßnahmen, da es für einen Unternehmen leichter sein kann einen alten Kunden zu halten als einen neuen zu gewinnen. Der Anspruch des modernen Unternehmens ist es aber nicht nur, Kundenprobleme effizient zu beheben, sondern sie schon vor der Entstehung zu antizipieren. Diebold, ein Spezialist für Selbstbedingungsautomaten, verwendet beispielsweise Analysetechniken zur Vorwegnahme potentieller Probleme (Predictive Analytics).[25] 

3. Auswirkungen auf den Arbeitsmarkt

3.1. Beschäftigungs- und Lohnstruktur

Wie aus den bisherigen Ausführungen hervorgeht, werden durch die Digitalisierung der Wertschöpfungskette viele Berufe substituierbar werden. Das betrifft vor allem Routinetätigkeiten, die sich leicht kodifizieren und durch Computer automatisieren lassen. Solche Tätigkeiten werden häufig von mittleren Einkommensgruppen ausgeübt, wie beispielsweise von Fließbandarbeitern, Sachbearbeitern oder Buchhaltern. Nichtroutinetätigkeiten lassen sich hingegen noch nicht automatisieren. Diese Tätigkeiten finden sich sowohl in niedrigen, als auch in hohen Einkommensgruppen wider und umfassen einerseits manuelle Tätigkeiten, wie beispielsweise Friseur, Putzkraft oder Kellner, die allesamt ein komplexes und situativ-angepasstes Verhalten erfordern. Andererseits umfassen sie kognitive Tätigkeiten, welche Problemlösungskompetenzen und Flexibilität erfordern, wie beispielsweise Manager, Chirurg oder Staatsanwalt.

In der neueren Debatte um Künstliche Intelligenz werden Argumente dafür diskutiert, dass es niemals eine starke KI geben kann, die verstehen[26] oder denken[27] kann. Wenn diese Argumente stichhaltig sind, verschärft dies in Zukunft den anhaltenden Tätigkeitswandel, bei dem die Nachfrage nach menschlicher Arbeit in Routinetätigkeiten relativ zu menschlicher Arbeit in Nichtroutinetätigkeiten zurückgeht. Es ist jedoch noch unklar, ob diese Veränderung der Arbeitsnachtfrage auch tatsächlich zu einer Veränderung der Beschäftigung in Routinetätigkeiten relativ zu Routinetätigkeiten, oder nur zu einer Veränderung der Tätigkeitsstruktur innerhalb der Berufe führt.[28] Eine Anpassung der Tätigkeitsstrukturen wurde in vielen Ländern wie etwa den Vereinigten Staaten[29], Deutschland[30], Großbritannien[31], Schweden[32] und Japan[33] empirisch nachgewiesen. Jedoch sind die Einteilungen in Routine- und Nicht-Routine-Tätigkeiten und damit auch diese Forschungsergebnisse stark subjektiv, wie Rohrbach-Schmidt und Tiemann (2013) zeigen konnten. Eine zentrale Herausforderung für die weitere Forschung besteht somit darin, objektive Maßstäbe für die tatsächliche Substituierbarkeit von Berufen zu entwickeln.

Falls nun tatsächlich vor allem Berufe mit mittlerer Entlohnung leicht substituierbar sind, dann wird die Digitalisierung sicherlich zu einer Beschäftigungs- und Lohnpolarisierung führen. Der Grund hierfür ist trivial: Wenn die Nachfrage nach Arbeit im mittleren Lohnsegment nachlässt, sinkt dort auch die Anzahl der Beschäftigten (Beschäftigungspolarisierung) und die Höhe der Löhne (Lohnpolarisierung) relativ zu den Polen. In den Vereinigten Staaten lassen sich beide Effekte empirisch nachweisen.[34] Allerdings kann die Lohnpolarisierung nicht in allen OECD-Ländern festgestellt werden[35], in Deutschland beispielsweise ist nur eine Beschäftigungs-, aber keine Lohnpolarisierung zu beobachten.[36] Somit ist die Beschäftigungspolarisierung infolge der Digitalisierung ein recht länderübergreifendes Phänomen, während die Lohnpolarisierung von anderen Faktoren wie dem Arbeitsmarkt, ausgleichenden Sozialsystemen oder wohlmöglich sogar der Spanne zwischen Kapitalrendite und Arbeitseinkommenszuwächse[37] abhängt.

3.2. Verluststudien

Damit wurden bisher aber nur Aussagen über strukturelle Veränderungen auf dem Arbeitsmarkt getroffen. Die Leitfrage nach dem Nettoverlust an Arbeitsplätzen in Folge der Digitalisierung wurde damit noch nicht tangiert. Interessanterweise tangieren auch die eingangs erwähnten Arbeiten von Dengler und Matthes (2015) sowie Frey und Osborne (2013) diese Frage nicht! Das ist deshalb so bemerkenswert, weil diese Arbeiten oft herangezogen werden, um für einen hohen Nettoverlust an Arbeitsplätzen zu argumentieren.[38] Dabei beziehen sie sich nur einseitig auf die Beschäftigungsverluste durch Digitalisierung, ohne aber die neu entstehenden Beschäftigungszuwächse zu berücksichtigen. Außerdem beruhen sie bekanntlich auf Expertenmeinungen, und Experten neigen tendenziell dazu, die disruptiven Potentiale neuer Technologien zu überschätzen.[39] Es gibt zusätzlich dazu auch ausreichend Evidenz dafür, dass das Substitutionspotential in dem durch Frey und Osborne (2013) gewählten und daraufhin vielfach replizierten[40] Ansatz deutlich überschätzt wird. Eine Studie von Arntz, Gregory et al. (2017) weist beispielsweise darauf hin, dass eben nicht wie von Frey und Osborne (2013) angenommen alle Beschäftigten in einem Berufsfeld auch derselben Tätigkeit nachgehen und deswegen das gleiche Substitutionspotential haben. Zuletzt gilt noch zu erwähnen, dass all die hier erwähnten „Verluststudien“ nur die Automatisierungs- und Substitutionspotentiale berücksichtigen, ob die sich aber auch eins zu eins in Beschäftigungsverluste übersetzen oder durch rechtliche, betriebswirtschaftliche oder gesellschaftliche Hürden ausgebremst werden, kann mittels dieser Studien nicht abgeleitet werden.[41] 

3.3. Gesamtstudien

Um tatsächlich einen Effekt auf die Gesamtbeschäftigung zu ermitteln, müssen Studien also unter anderem auch die Beschäftigungszuwächse miteinbeziehen. Hierzu ist die Berücksichtigung makroökonomischer Anpassungsprozesse wie die Entstehung neuer Industrien und Arbeitsplätze im Zuge der Digitalisierung notwendig. Derartige Anpassungsprozesse können die Beschäftigungsverl  Der Gesamtbeschäftigungseffekt muss also nicht zwangsläufig negativ ausfallen! Tatsächlich neigt laut Alexandra Effenberger, Alfred Garloff et al., S, 3: „die Mehrzahl der Gesamtstudien für Deutschland […] auf Basis der bisherigen Entwicklung zu eher optimistischen Schlussfolgerungen für die Zahl der Beschäftigten insgesamt“. Volker-Ludwig et al. prognostiziert für Deutschland sogar einen Netto-Beschäftigungsgewinn durch Digitalisierung von circa 250.000 Arbeitsplätzen.[43] Die Studie von Wolter, Mönnig et al. äußert sich ein wenig zurückhaltender und sagt bis 2025 zumindest keine langfristige Verminderung des Beschäftigungstandes in Deutschland voraus. Diese Studie prognostiziert, ähnlich wie Feldmann (2013), Gregory, Salomons et al. (2016), und viele weitere, jedoch eine mittelfristig erhöhte Arbeitslosigkeit aufgrund des digitalen Strukturwandels. Ältere und wenig flexible Arbeitnehmer können beispielsweise nicht mehr rentabel umgeschult werden und können deshalb, trotz ausreichendem Arbeitsangebots, strukturell-arbeitslos werden. Kurzfristig wird es bei Individuen zwangsläufig auch zu friktioneller Arbeitslosigkeit kommen müssen. Wie Arntz, Gregory et al. (2018) jedoch ausführlich darlegen, weisen all die hier aufgeführten Studien methodische Unzulänglichkeiten auf. Die Autoren schließen einen ihrer Absätze entsprechend mit: „Eine zentrale Forschungslücke besteht demnach weiterhin in der Ermittlung von Gesamtbeschäftigungseffekten der Digitalisierung.“[44]

4. Fazit

Die Digitalisierung der Wertschöpfungsketten ist im vollen Gange. Unternehmer vernetzen ihre Produktionsmaschinen und Angestellten und sorgen so für eine lückenlose Erfassung aller relevanter Daten entlang des Wertschöpfungsprozesses. Auf diese Weise können Vorgänge effizienter gestaltet oder aufeinander abgestimmt und Ressourcen so optimal ausgelastet werden. Durch immer weiter sinkende Produktions-, Transport-, und Servicekosten kann die Wertschöpfung zudem flexibilisiert und somit individualisiert werden. Nicht zuletzt ermöglicht der kontinuierliche Datenfluss auch eine instantane Wartung und Analyse des Wertschöpfungsprozesses, was ihn stabiler und qualitativ besser macht.

In erster Linie erhöht die Digitalisierung also die Vernetzung, Effizienz, Flexibilität, Stabilität und Qualität des Wertschöpfungsprozesses. Entgegen all ihrer Apologeten scheint dies aber nicht zu einer neuen Massenarbeitslosigkeit zu führen. Die vielfach bemühte Studie von Frey und Osborne (2013) berücksichtigt nur die Beschäftigungsverluste, ohne kompensierende Beschäftigungszuwächse miteinzubeziehen. Während die von mir gefundenen Gesamtstudien mehrheitlich der Meinung sind, dass die von der Digitalisierung geschaffenen Beschäftigungszuwächse die Beschäftigungsverluste mindestens kompensieren, wenn nicht sogar überkompensieren werden. Allerdings muss zugegeben werden, dass ich natürlich nicht alle Studien zu diesem vielerforschten Thema lesen konnte und leider auch keine guten Metastudien gefunden habe, die allgemeine Trends und Konsense in der Forschung wiedergeben. Ich will mein Fazit deshalb nicht stärker halten, als dass nach meiner Ansicht die aktuelle Forschung nicht die Gefahr einer neuen Massenarbeitslosigkeit sieht.

Heißt das, dass wir uns um die Digitalisierung überhaupt nicht zu sorgen brauchen? Keineswegs. Das Internet verbrauchte bereits 2012 gut 900TWh[45] und damit rund 4 Prozent des weltweiten Strombedarfs. Sein weiterhin ansteigender und großteils über fossile Energiequellen gedeckter[46] Energieverbrauch kollidiert mit Klimaschutzzielen. Zusätzlich produziert der zunehmende Einsatz von Sensoren, Chips und intelligenten Maschinen eine Unmenge an Elektroschrott ("E-Waste"), der zum Großteil in Entwicklungsländer exportiert und dort häufig ohne die notwendigen Schutzmaßnahmen recycelt wird.[47] Auf diese ökologischen Probleme sollten die meist politisch-linksgesinnten Warner der Digitalisierung vielleicht mehr Wert legen, als auf die nach meiner Recherche wissenschaftlich schwer fundierbare Massenarbeitslosigkeit.

5. Literatur

Alexandra Effenberger, Alfred Garloff, Horst Würzburg: Beschäftigungseffekte der Digitalisierung – Forschungsansätze und Ergebnisse (2018)

 

Anna Salomons, Terry Gregory, Ulrich Zierahn: Racing With or Against the Machine? Evidence from Europe (2016)

 

Birgit Buchholz, Jan-Peter Ferdinand, Jan-Hinrich Gieschen, Uwe Seidel: Digitalisierung industrieller Wertschöpfung – Transformationsansätze für KMU (2017)

 

Carl Benedikt Frey, Michael A. Osborne: The Future of Employment: How Susceptible Are Jobs to Computerisation? (2013)

 

Horst Feldmann: Technological unemployment in industrial countries (2013)

Katharina Dengler, Britta Matthes: Folgen der Digitalisierung für die Arbeitswelt (2015)

 

Marc Ingo Wolter, Anke Mönnig, Markus Hummel, Enzo Weber, Gerd Zika, Robert Helmrich, Tobias Maier, Caroline Neuber-Pohl: Wirtschaft 4.0 und die Folgen für Arbeitsmarkt und Ökonomie. Szenario-Rechnungen im Rahmen der BIBB-IABQualifikations- und Berufsfeldprojektionen

 

Melanie Arntz, Terry Gregory, Ulrich Zierahn: Digitalisierung und die Zukunft der Arbeit: Makroökonomische Auswirkungen auf Beschäftigung, Arbeitslosigkeit und Löhne von morgen (2018)

 

Melanie Arntz, Terry Gregory, Ulrich Zierahn: Auswirkungen von Digitalisierung und Automatisierung auf Betriebe und Beschäftige (2017)

 

Ralf Sauter, Maximilian Bode et al.: Wie Industrie 4.0 die Steuerung der Wertschöpfung verändert (2015)

 

Wolfgang Kersten, Mischa Seiter et al.: Trends und Strategien in Logistik und Supply Managment (2017)

6. Einzelnachweise

[1] Statistisches Bundesamt: Bruttoinlandsprodukt 2017 für Deutschland, S. 11

[2] OECD StatExtracts (Stand: 06/2012) gemäß der Grafik " Anteil des Verarbeitenden Gewerbes an der Bruttowertschöpfung im internationalen Vergleich, 2012" des BMWi

[3] Petra Grimm: Smarte schöne neue Welt? – Das Internet der Dinge (2016)

[4] Andrej Zwitter: Big Data Ethics (2014), S. 3 (eigene Übersetzung)

[5] Jürgen Jasperneitem, Sven Hinrichsen und Oliver Niggemann: ,,Plug-and-Produce“ für Fertigungssysteme

[6] zitiert nach: http://www.weltderwunder.de/artikel/digitalisierung-globaler-wertschoepfungsketten-in-der-industrie

[7] https://www.welt.de/wirtschaft/article155658067/Die-Speedfactory-ist-fuer-Adidas-eine-Revolution.html

[8] ebd.

[9] siehe zum Beispiel: https://www.vdi-nachrichten.com/Technik-Wirtschaft/Virtuelle-Maschine-staerkt-Produktionsalltag

[10] Deutsche Post DHL (Hg.): Logistics trend radar. Delivering insight today. Creating value tomorrow! (2016)

[11] Wolfgang Kersten, Mischa Seiter et al., S. 23

[12] MHP (Hg.): Studie Industrie 4.0 – Eine Standortbestimmung der Automobil- und Fertigungsindustrie (2014), S. 35

[13] Frauke Heistermann, Michael ten Hompel et al.: Digitalisierung in der Logistik, S. 7

[14] Frank Straube, Julian Siegmann: Technologien und Innovationen in der Logistik (2013)

[15] Birgit Buchholz, Jan-Peter Ferdinand et al. (2017), S. 5

[16] ebd., S. 17

[17] Michael Porter, James E. Heppelmann: Wie smarte Produkte Unternehmen verändern (2015), S. 11

[18] http://uk.businessinsider.com/inside-alibaba-smart-warehouse-robots-70-per-cent-work-technology-logistics-2017-9?IR=T

[19] http://www.spiegel.de/auto/aktuell/daimler-testet-erstmals-lkw-mit-autopilot-auf-der-a8-a-1055933.html

[20] https://media.daimler.com/marsMediaSite/de/instance/ko/Daimler-Trucks-erprobt-Lkw-Platooning-auf-oeffentlichen-Highways-in-den-USA.xhtml?oid=29507091

[21] https://www.gml.de/wp-content/uploads/2016/03/vorteile-digitalisierung-im-service.pdf

[22] Jude Carter: Global Contact Centre Benchmarking (2016), S. 30

[22] http://www.sysmex.co.jp/en/corporate/activities/sales_support-services.html

[23] Michael Porter, James Heppelmann: Wie Smarte Produkte Unternehmen verändern (2015), S. 13f.

[24] ebd., S. 14

[25] ebd., S. 13

[26] https://plato.stanford.edu/entries/chinese-room/

[27] Roger Penrose: Computerdenken: Die Debatte um künstliche Intelligenz, Bewusstsein und die Gesetze der Physik (2009)

[28] Daron Acemoglu, David Autor: Skills, Tasks and Technologies: Implications for Employment and Earnings (2010)

[29] David H. Autor. Lawrence F. Katz, Melissa S. Kearney: Measuring and Interpreting Trends in Economic Inequality - The Polarization of the U.S. Labor Market (2006)

[30] Alexandra SpitzOener: Technical Change, Job Tasks, and Rising Educational Demands: Looking outside the Wage Structure (2006)

[31] Maarten Goos, Alan Manning: Lousy and Lovely Jobs: the Rising Polarization of Work in Britain (2003)

[32] Adrian Adermon, Magnus Gustavsson: Job Polarization and TaskBiased Technological Change: Evidence from Sweden (2015)

[33] Toshie Ikenaga, Ryo Kambayashi: Long-term Trends in the Polarization of the Japanese Labor Market: The Increase of non-routine Task Input and Its Valuation in the Labor Market (2016)

[34] David H. Autor, David Dorn: The Growth of Low Skill Service Jobs and the Polarization of the U.S. Labor Market (2013)

[35] Anthony Barnes Atkinson: The Changing Distribution of Earnings in OECD Countries (2009)

[36] Charlotte Senftleben-König, Hanna Wielandt: The Polarization of Employment in German Local Labor Markets (2013)

[37] Thomas Piketty: Das Kapital im 21. Jahrhundert

[38] Yuval Harari: Homo Deus, Abschnitt 33

[39] David H. Autor: Polanyi's Paradox and the Shape of Employment Growth (2014)

[40] siehe für Deutschland z.B.: Britta Matthes, Katharina Dengler: Folgen der Digitalisierung für die Arbeitswelt. Substituierbarkeitspotenziale von Berufen in Deutschland

[41] Melanie Arntz, Terry Gregory et al. (2018), S. 11

[42] Mario Pianta: Innovation and Employment (2003)

[43] Vogler-Ludwig, Kurt, Nicola Düll, Ben Kriechel und Tim Vetter: Arbeitsmarkt 2030 – Wirtschaft und Arbeitsmarkt im digitalen Zeitalter (2016)

[44] Arntz, Gregory et al. (2018), S. 10

[45] Ward Van Heddeghem, Sofie Lambert, Bart Lannoo, Didier Colle, Mario Pickavet, Piet Demeester: Trends in worldwide ICT electricity consumption from 2007 to 2012 (2014)

[46] Bundesministerium für wirtschaftliche Zusammenarbeit und Entwicklung: Glossar - Digitalisierung und nachhaltige Entwicklung, S. 48

Diese Hausarbeit wurde im Seminar "Transparenz für nachhaltige Entwicklung" der Universität Göttingen abgegeben. 

Kommentar schreiben

Kommentare: 0

Impressum | Datenschutz | Cookie-Richtlinie | Sitemap
Diese Website darf gerne zitiert werden, für die Weiterverwendung ganzer Texte bitte ich jedoch um kurze Rücksprache.