Die Zukunft ist schon da, nur noch nicht gleichmäßig verteilt – das sagte der Science-Fiction Autor William Gibson schon vor 20 Jahren. Wir sehen, wie sich gerade eine Kluft auftut zwischen denen, die Zukunftstechnologien heute schon einsetzen und denen, die dies noch nicht tun. Die Konsequenzen zeigen sich besonders deutlich auf dem Arbeitsmarkt. Viele Arbeitnehmer wissen heute noch nicht, welche Fähigkeiten sie in Zukunft brauchen und wie sie sich diese aneignen sollen.
Vor diesem Hintergrund ist es ganz normal, dass Menschen – sogar junge digital Natives – sich zunehmend verunsichert fühlen: 37 Prozent der Millennials befürchten laut einer Gallup-Studie, durch KI ihren Job in den nächsten 20 Jahren zu verlieren. Gleichzeitig gibt es auch genügend Gründe, optimistisch zu sein. Das Zentrum für Europäische Wirtschaftsforschung (ZEW) stellte fest, dass Unternehmen, die in die Digitalisierung investieren, deutlich mehr Jobs schaffen, als Unternehmen, die das nicht tun.
Doch wie viele der Jobs, die wir heute kennen, wird es künftig noch geben? Welche menschlichen Tätigkeiten können von Maschinen oder Machine-Learning-(ML-)basierten Systemen übernommen werden? Welche Aufgaben bleiben für den Menschen übrig? Und wird es morgen ganz neue Jobs geben, die wir uns heute noch gar nicht vorstellen können?
Diese Fragen sind berechtigt. „Wo aber Gefahr ist, wächst das Rettende auch“ – das wusste der deutsche Dichter Friedrich Hölderlin schon im 19. Jahrhundert. Was mich angeht, ich bin Technologieoptimist. Wir setzen Technologie ein, um ein angenehmeres Einkaufserlebnis für Kunden zu schaffen, zum Beispiel in Amazon Go Stores, die ohne Kassierer auskommen. Dadurch entsteht eine Verschiebung, durch die an anderer Stelle wieder Jobs entstehen.
Wenn wir über die Arbeit von morgen nachdenken, hilft es nichts, die Strukturen von heute zugrunde zu legen. Nach der Erfindung von Kühlschränken in den Dreißigerjahren sorgten sich viele Beschäftigte im Handel mit Eis um ihre Jobs. Tatsächlich haben Kühlschränke dieses Geschäft weitgehend überflüssig gemacht, dafür aber auch ganz neue Arbeitsplätze geschaffen. Unternehmen, die Kühlschränke produzierten, brauchten Menschen, die sie zusammenbauen. Und nicht nur das: Da Lebensmittel nun länger haltbar waren, entstanden ganz neue Industriezweige. Wir sollten uns nicht zu stark von dem Bild der Arbeit, wie wir sie heute kennen, leiten lassen, sondern uns mehr Gedanken darüber machen, wie die Arbeit der Zukunft aussehen könnte. Dabei müssen wir eine ganz andere Frage stellen: Was ändert sich organisatorisch und qualitativ an unserer Arbeitswelt?
Viele Tätigkeiten, wie zahlreiche Menschen sie heute zum Beispiel in der Industrie ausführen, sind in ihren Abläufen relativ gleichgeblieben. Selbst bei der Tätigkeit von Ärzten, Rechtsanwälten oder Taxifahrern hat sich über das letzte Jahrzehnt kaum etwas an den grundsätzlichen Prozessen verändert. Lediglich werden Teile davon mittlerweile von Maschinen ausgeführt oder zumindest unterstützt. Am Ende steht– hoffentlich – das gewünschte Produkt oder der Service in der gewünschten Qualität. Jedoch sind Menschen im Zeitalter der Digitalisierung viel mehr als Lückenfüller zwischen den Maschinen.
Die Arbeitswelt von Menschen und Maschinen wird um das Lösen von Kundenanforderungen herum gebaut. Es geht nicht mehr um das Fertigen von Autos, sondern um die Leistung „Mobilität“, also wie Menschen von A nach B gelangen. „Wie komme ich so schnell wie möglich an einen Ort in Berlin Mitte?“ heißt die Aufgabe, die es zu lösen gilt. Ein erster Schritt könnte sein, die schnellsten Mobilitätsdienstleister über eine digitale Plattform zu verbinden. In einem nächsten könnte die Aufgabe mit Hilfe virtueller Realität gelöst werden. Diese neuen Angebote sind auf Plattformen oder in Netzwerken organisiert – weniger in Prozessen. Dabei macht künstliche Intelligenz es möglich, Aufgaben so zu verteilen, dass jeder das beisteuert, was er am besten kann. Menschen definieren Probleme und strukturieren sie vor, Maschinen oder Algorithmen entwickeln Lösungen, die Menschen am Ende wieder evaluieren. So lassen sich Radiologen heute von maschinellem Lernen unterstützen. Dadurch können sie digitale Inhalte wesentlich besser analysieren als früher. Viele von ihnen sagen sogar, dass maschinelles Lernen das Beurteilen von Röntgenbildern deutlich verbessert hat.
Neuauflage der Mensch-Maschine-Beziehung
Ich gehe sogar noch weiter, denn ich glaube, es ist möglich, die Arbeitswelt zu „rehumanisieren“, unsere einzigartigen menschlichen Fähigkeiten wieder viel stärker zum Einsatz zu bringen. Bisher wurde der Zugang zu digitalen Technologien vor allem durch die Fähigkeiten von Maschinen beziehungsweise Computern limitiert: Künftig werden die Schnittstellen zu unseren Systemen nicht mehr durch Maschinen vorgegeben sein, denn der Ausgangspunkt ist dann der Mensch.
Wer einem Roboter im Zeitalter der Automatisierung Laufen beibringen wollte, musste jeden einzelnen Neigungswinkel des Oberschenkels zum Unterschenkel, die Geschwindigkeit der Bewegung sowie weitere Parameter exakt berechnen und als Befehl in einer Programmiersprache formulieren.
Künftig können wir viel stärker in unserer „Sprache“ mit ihm kommunizieren und zusammenarbeiten. Ein Roboter wäre per Sprachbefehl von jedermann steuerbar und könnte sich über eine Bewegungserkennung den Ablauf beim Menschen abschauen, ihn selbst trainieren und perfektionieren.
Mit den neuen technologischen Möglichkeiten und mehr Rechenpower wird die Arbeit der Zukunft stärker menschenzentriert und weniger maschinenzentriert sein. Maschinelles Lernen kann der menschlichen Arbeitskraft einen höheren Wirkungsgrad verleihen: Unternehmen wie C-SPAN zeigen das: Heerscharen von Arbeitskräften müssten stundenlang Videomaterial scannen, um sie zu verschlagworten, zum Beispiel nach Personennamen. Heute kann automatisierte Gesichtserkennung das in Sekundenschnelle leisten. So können Menschen sofort mit den Ergebnissen arbeiten.
Der Fortschritt an den Schnittstellen Mensch-Maschine vollzieht sich im Moment sehr schnell und er verändert schon jetzt die Art und Weise, wie wir arbeiten. Künftig kann Technologie viel selbstverständlicher ein Teil unserer Arbeitsumgebung sein. Sie wird sich mit allen menschlichen Sinnen aktivieren - also Sprechen, Sehen, Berühren oder auch Riechen.
Nehmen wir Sprachsteuerungstechnologien. Dort findet gerade eine echte Disruption statt. Sie unterscheidet sich radikal von dem, was wir bisher als “hands-free”-Ansatz kennen, der über schlichte Sprachbefehle lief. Moderne Sprachsysteme beherrschen Konversation – verstehen, interpretieren und fachkundig antworten. Beispiele sind Diagnosen für Patienten oder Rechtsberatung. Ende 2018, wird Sprach(-eingabe) die Art und Weise, wie wir Geräte und Anwendungen entwickeln, bereits maßgeblich verändert haben. Menschen werden Technologien primär über Sprache in ihr Arbeitsleben einbinden können.
Diese Jobs sind durch die Digitalisierung entstanden
Der Data Engineer sorgt dafür, dass Data Analysten und Data Scientisten erfolgreich arbeiten können. Denn die Data Engineers sammeln, generieren und säubern die Daten und bereiten sie auf, um sie dann den Analysten und Scientists zur Verfügung zu stellen. Sie stehen in der Wertschöpfungskette quasi ganz am Anfang aber gleichzeitig in enger Abstimmung mit den Fachbereichen und konkreten Inhalten. Eine Herausforderung, mit der sich Data Engineers immer stärker beschäftigen, ist das Thema Big Data und die damit verbundene Komplexität der Daten.
Quelle: Telefónica
Neben der Anwendung klassischer Analysemodelle zur Generierung von Business-Insights (Job des bisherigen „Data Analyst“), wendet der Data Scientist komplexere statische Methoden an, hat Kenntnisse im Bereich maschinelles Lernen und künstliche Intelligenz. Außerdem spielt beim Data Scientist am Ende eines Projekts die Visualisierung der Ergebnisse und das sogenannte Storytelling eine große Rolle. Das heißt, er muss nicht nur gut mit Zahlen jonglieren, sondern auch kommunikative Fähigkeiten besitzen.
Bei der Arbeit mit Daten kommen die Spezialisten mit Themen wie Datensicherheit und Datenschutz in Kontakt, wodurch wiederrum neue Berufsprofile entstehen. So sucht Telefónica aktuell nach einem Data Protection & Data Security Consultant, der sich als erster Ansprechpartner und Berater um alle internen Themen rund um den Datenschutz bei der neuen Tochtergesellschaft Telefónica NEXT kümmert.
Der Take-to-Market Analyst ist Bindeglied und Übersetzter zwischen Analysten und externen Partnern. Wenn die Mitarbeiter anonymisierte Bewegungsdaten der Kunden nutzen wollen, um ihren Service zu verbessern, übersetzt der TTM Analyst die Anforderung jeweils in die Sprache des anderen. Dafür muss er – wie alle anderen Rollen auch – beide Parteien verstehen können. Er benötigt dazu ein gewisses technisch-analytisches Know-how und zugleich ein unternehmerisches Verständnis. Der TTM Analyst ist ein Allrounder, denn er schreibt ebenso Verträge und begleitet die Produktmanager zum Kundentermin. Anschließend erklärt er den Analysten, was genau zu tun ist.
Er gibt die Leitlinien für den Umgang mit Daten vor. Welche Informationen können bedenkenlos in welchem Zusammenhang verwendet werden? Wo liegen rechtliche Grauzonen bei der Auswertung von Daten? Wo ethische Barrieren? Seine Position ist meist nah am Vorstand angesiedelt, da eine Fehlentscheidung schnell ernsthafte Probleme verursachen kann.
Sowohl Mathematiker und Informatiker als auch Physiker sind für die Tätigkeit des Data Strategist besonders geeignet. Denn hohes technisches Verständnis ist Grundvoraussetzung, um nachvollziehen zu können, wie die Daten überhaupt erhoben werden.
Der CDO ist der oberste Digitalisierungsbeauftragte eines Unternehmens – oftmals sogar auf Vorstandsebene. Er gibt die Leitlinien für die Digitalisierung vor: entwickelt neue Geschäftsmodelle, führt innovative Technologien ein und fördert vernetztes Arbeiten in seinem Konzern. In seiner Position muss er die zukünftige Richtung vorgeben, Mitarbeiter und Anteilseigner in die digitale Transformation mitnehmen. Dazu braucht er neben fachlichen Qualifikationen vor allem Überzeugungskraft, Risikobereitschaft und Neugier.
Dieser Entwickler kümmert sich um neue Programme für Smartphones und Tablets. Bei kleineren Unternehmen ist er nicht nur Ideengeber, sondern programmiert die Anwendungen auch selbst.
Die meisten Mobile Developer sind entweder auf das Apple-Betriebssystem iOs oder Googles Konkurrenzprodukt Android spezialisiert. Früher ein Feld für Autodidakten, ist dieser Job heutzutage am besten für Informatiker geeignet – egal, ob studiert oder mit Berufsausbildung zum Fachinformatiker.
Der SEO-Manager – die Abkürzung steht für Search Engine Optimization, zu Deutsch: Suchmaschinen-Optimierung – ist der wohl bekannteste Performance Marketing Manager. Er ist dafür verantwortlich, Inhalte von Web-Seiten so zu optimieren, dass sie von Suchmaschinen möglichst gut gefunden werden.
Ebenfalls dazu gehören der SEM- und der SEA-Manager. Sie sind für Search Engine Marketing beziehungsweise Search Engine Advertising zuständig. Das heißt, sie entscheiden unter anderem, bei welchen Suchbegriffen eine Anzeige ihres Arbeitgebers erscheint, und kontrollieren den Erfolg solcher Maßnahmen. Ebenfalls in den Aufgabenbereich von Performance Marketing Managern fallen Direktmarketingaktionen zum Beispiel via E-Mail oder die Schaltung von Werbebannern.
Wie das im Kleinen aussieht, lässt sich schon erahnen: Bei der US-Weltraumbehörde Nasa organisiert Amazons Sprachassistentin Alexa die Vergabe von Konferenzräumen. Es muss nicht mehr für jedes einzelne Meeting ein Raum angefragt werden. Wer einen braucht, fragt Alexa und der Rest passiert automatisch. Was jeder kennt, ist der Stress, den Telefonkonferenzen hervorrufen. Sie fangen nie pünktlich an, weil jemand die Einwahldaten nicht findet und es ewig dauert, bis man achtstellige Nummer plus sechsstellige Konferenzkennung eingetippt hat. Ein Sprachbefehl schafft hier deutlich mehr Produktivität. Der AWS Service Transcribe könnte dann während des Meetings auch gleich ein Protokoll erstellen und an alle verschicken.
Weitere Unternehmen wie der japanische Konzern Mitsui oder der Softwareanbieter bmc nutzen Alexa for Business unter anderem für die effizientere Zusammenarbeit mit Kollegen.
Die Erweiterung der digitalen Welt
Auch der Softwareanbieter fme setzt Sprachsteuerung ein, um seinen Kunden innovative Anwendungen im Bereich Business Intelligence, Social Business Collaboration und Enterprise-Content-Management-Technologien anzubieten. Die Kunden von fme kommen vor allem aus dem Bereich Life Science und der industriellen Fertigung. Mitarbeiter können verschiedene Arten von Content per Sprachbefehl suchen, in diesem navigieren, ihn sich anzeigen oder vorlesen lassen. Über Alexa können sie sich zum Beispiel einzelne Aufgaben erklären lassen. So könnte beispielweise das Onboarding neuer Mitarbeiter schneller und kostengünstiger werden – ihre Manager müssten das gleiche „Informationsritual“ nicht wieder und wieder durchlaufen.
Einen ähnlichen Ansatz verfolgt das Pharmaunternehmen AstraZeneca. Es nutzt Alexa in der Arzneimittelproduktion. Die Teammitglieder können Fragen zu Standardprozessen stellen, um herauszufinden, was als nächstes zu tun ist.
Natürlich werden sich Verantwortlichkeiten und Organisationen dadurch verändern. Ressourcen für administrative Tätigkeiten können sich in Tätigkeiten verwandeln, die unmittelbar dem Kunden zugutekommen. Vom Charakter der Arbeit brauchen wir künftig vermutlich eher „Architekten“, „Entwickler“, „Kreative“, „Beziehungsexperten“, „Plattformspezialisten“ und „Analytiker“ und weniger „Abwickler“ oder „Verwalter“. Wenn wir also das Bedürfnis von Menschen ansprechen, zu schöpfen und zu erschaffen, könnte Arbeit am Ende erfüllender und angenehmer werden.
Diese Neuauflage der Mensch-Maschine-Beziehung hat auch noch einen anderen, wichtigen Effekt: Sie wird den Kreis derer, die sich an der digitalen Wertschöpfung beteiligen können, maßgeblich erweitern: Ältere Menschen, Menschen, die keinen Zugang zu Computer oder Smartphone haben, Menschen, für die eine Nutzung des Smartphones in der spezifischen Situation zu kompliziert ist, aber auch Menschen in Entwicklungsländern, die nicht lesen und schreiben können.
Ein Beispiel sind Reisbauern, die mit dem International Rice Research Institute zusammenarbeiten. Es hat seinen Sitz in der Nähe von Manila auf den Philippinen. Die Mission des Instituts ist es, Armut, Hunger und Mangelernährung zu bekämpfen, indem es das Leben und die Arbeit von Reisbauern erleichtert. Reisbauern können von Wissen profitieren, auf das sie keinen Zugriff hätten, wenn sie auf sich allein gestellt wären. Das Institut hat 70.000 DNS-Sequenzen verschiedener Reissorten gespeichert. Daraus leitet es Erkenntnisse darüber ab, unter welchen Bedingungen Reis am besten wächst.
Das einzige, was es in wirklich jedem Dorf gibt, ist ein Telefon. Das Wissen wird für die Bauern zugänglich, indem sie das Dorftelefon nutzen, in einem Menü ihren eigenen Dialekt auswählen und beschreiben, welches Stück Land sie bestellen. Der Service basiert auf ML. Er generiert Empfehlungen dazu, wie viel Dünger dort benötigt wird und wann es am günstigsten ist, die Pflanzen zu setzen. Mit Hilfe digitaler Technologien können Bauern sehen, wie ihre Arbeit wertvoller wird: Mit dem gleichen Arbeitseinsatz ernten sie am Ende deutlich mehr Reis.
Geschichte der künstlichen Intelligenz
Der britische Informatiker Alan Turing entwickelt einen Test, der nachweisen soll, ob ein Computer denken kann wie ein Mensch oder ein höheres Tier, also Intelligenz besitzt.
Forscher prägen den Begriff künstliche Intelligenz. Bald darauf setzt – typisch für die Fünfzigerjahre – Zukunftseuphorie ein: In Büchern und Filmen tauchen intelligente humanoide Roboter auf.
Am Massachusetts Institute of Technology löst ein Computer erstmals Aufgaben eines IQ-Tests. Kurz darauf entsteht dort das erste Programm, das einen Dialog mit Menschen führt.
Als die erhofften wissenschaftlichen und kommerziellen Erfolge ausbleiben, ziehen sich viele Konzerne aus der KIForschung zurück. Auch staatliche Budgets werden zusammengestrichen.
Das KI-System ALVINN steuert ein Auto von der Ost- zur Westküste der USA. Es nutzt bereits ein neuronales Netz mit drei Ebenen. Der Chip im Auto hat etwa die Leistung der heutigen Apple-Uhr.
IBM baut den Supercomputer Deep Blue. Anfangs dilettantisch, besiegt er nach jahrelangem Training 1997 erstmals den damaligen Schachweltmeister Garri Kasparow.
Googles gleichnamige Internetsuchmaschine geht live. Schon bald überflügelt sie – dank KI – alle Konkurrenzprodukte. Inzwischen hält sie in den meisten Ländern ein Quasimonopol.
Der Zukunftsforscher Ray Kurzweil prophezeit in „The Singularity is Near“, dass die Rechenleistung aller Computer im Jahr 2045 die aller menschlichen Gehirne übertreffen wird.
Google präsentiert sein selbstfahrendes Auto vor Journalisten, die keinen Unterschied zu einem menschlichen Fahrer mehr feststellen. Diese Autos sind bis heute drei Millionen Meilen gefahren.
Googles Alpha Go besiegt den weltweit besten Go-Spieler Lee Sedol mit 4 zu 1. Wegen seiner Komplexität ist Go nicht mit Algorithmen zu bezwingen, die jeden möglichen Zug durchspielen.
Google-Chef Sundar Pichai kündigt ein KI-System an, das andere KI-Software schreiben können wird. Experten gehen davon aus, dass Google dabei kurz vor einem Durchbruch steht.
Der berühmte Physiker Stephen Hawking warnt, dass hyperintelligente KI-Systeme in nicht allzu langer Zeit die Menschheit dominieren könnten. Ganz auszuschließen ist das nicht.
Wir haben bisher nur einen winzigen Einblick in die Möglichkeiten, die sich unserer Arbeitswelt eröffnen. Aber sie machen deutlich, dass die Qualität der Arbeit für uns Menschen mit hoher Wahrscheinlichkeit steigen wird und dass die Technologien viele Tätigkeiten eröffnen, die wir uns heute noch gar nicht vorstellen können. Obwohl in Deutschland mehr als doppelt so viele Roboter pro Kopf in Betrieb sind, wie in den USA, hat die deutsche Industrie heute eher Probleme, Fachleute zu finden, als dass sie mit Arbeitslosigkeit kämpft. Letztlich ist es sehr wahrscheinlich, dass wir Menschen künftig Tätigkeiten in einer Art und Weise ausführen werden, die unserer Natur als Mensch viel mehr entgegenkommen als heute.
Ich glaube, wenn wir den technologischen Möglichkeiten gerecht werden wollen, sollten wir es mit Hölderlin halten, an das Rettende glauben, aber gleichzeitig versuchen die Risiken zu minimieren, indem wir Entwicklungen verstehen und sie gestalten.
Zum Autor
Dr. Werner Vogels ist CTO bei Amazon.com, wo er seit 2004 beschäftigt ist und kundenorientierte Technologievisionen vorantreibt.
Auch zuvor bekleidete er bereits zahlreiche Führungspositionen im Technologiebereich. Vogels, der an der Freien Universität in Amsterdam promovierte, hat außerdem zahlreiche Artikel über verteilte Systemtechnologien im Enterprise Computing verfasst.