Nach der Schule: Die Automatisierung von Arbeit

Bild: Von Manfred Werner — Tsui — Eigenes Werk, CC BY-SA 3.0, https://commons.wikimedia.org/w/index.php?curid=4762533

Die Automatisierung von Arbeit kommt. Die vielbeachtete Studie der beiden Forscher Carl Benedict Frey und Michael Osborne von der Universität Oxford kommt zu dem Schluss, dass rund 47% der Beschäftigten in den USA aktuell in Berufen arbeiten, die in den nächsten 10–20 Jahren mit hoher Wahrscheinlichkeit (> 70 %) automatisiert werden können. Betroffene Bereiche seien vor allem Transport, Logistik und einfache Dienstleistungen im kaufmännischen Bereich, die eher den Geringqualifizierten und Geringverdienern zuzuordnen sind. Die Studie fand auch in der deutschsprachigen Presse grosse Beachtung und wurde auf spezifische Länderkontexte adaptiert (Deutschland, Schweiz).

Machine Learning als Treiber der Automatisierung

Der wesentliche Treiber der Automatisierung ist das maschinelle Lernen (Machine Learning), indem Algorithmen Daten analysieren, aus bestehenden Mustern lernen und auf dieser Basis neue Kontexte erschliessen und bessere Vorhersagen treffen können. Generell ist somit jede Arbeit — egal ob körperlich oder geistig — automatisierbar, wenn sie einer Routine unterliegt, repetitiv und vorhersehbar ist. Oft stehen in dieser Diskussion die körperlichen Tätigkeiten im Vordergrund, wie z.B. die Produktion, die Logistik oder der Transport. Für die Automatisierung körperlicher Aufgaben wird beides benötigt: Software und Roboter. Dafür hat sich in den letzten Jahren ein Standard-Betriebssystem etabliert, das Robot Operating System (ROS), das ähnlich wie Microsoft Windows oder Google Android angelegt und speziell auf Robotersoftware ausgerichtet ist. Tausende von Entwicklern stellen ihre Software bereits heute auf der Open Source Plattform bereit. Die Entwicklung zeigt: Hat sich ein Standard etabliert, folgt eine explosionsartige Zunahme von Applikationssoftware. Gesehen hat man das jüngst bei Apps für iPhones, iPads und Android-Smartphones in den App Stores.

Bedrohung wissensbasierter Arbeit

Doch was ist mit der Wissensarbeit? Ein Grossteil von qualifizierten Tätigkeiten in Unternehmen sind auch vorhersehbar und folgen immer dem gleichen Ablauf. Hinzu kommt, dass Wissensarbeit viel leichter und kostengünstiger zu automatisieren ist, denn dafür braucht man nur die Software und keinen Roboter, der die Motorik ausführt.

Wissensbasierte Arbeit erfordert normalerweise eine ganze Reihe an bestimmten Fähigkeiten. So muss ein Datenanalyst beispielsweise wissen, aus welchen (unternehmensinternen und -externen) Systemen er bestimmte Informationen beziehen und wie er diese mit statistischen Methoden auswerten kann, so dass er verständliche Berichte schreiben kann. Man könnte annehmen, dass Schreiben — das Komponieren von Sätzen in einem Gesamtzusammenhang — etwas von einer künstlerischen Tätigkeit hat und daher nur schwer zu automatisieren ist. Doch zum einen verbessern sich Algorithmen ständig weiter. Kristian Hammond, Mitgründer und CTO der Firma Narrative Science, schätzt, dass in den nächsten 15 Jahren 90% aller News-Beiträge von Algorithmen geschrieben werden. Zum anderen stellt sich die viel wichtigere Frage, wie es um die Lese- und Schreibfähigkeit der jungen Erwachsenen heute steht, so dass komplexe Texte verfasst und pointierte Schlussfolgerungen getroffen werden können. Meine subjektive Wahrnehmung ist, dass die Kenntnisse in Rechtschreibung und Grammatik bei Studierenden über die Jahre stetig gesunken sind.

Die Automatisierung erleichtert den Alltag

Das könnte daran liegen, dass Computer bzw. Algorithmen heute bereits eine ganze Reihe an komplexen und koordinierten Aufgaben in unserem Alltag und unserer täglichen Routine übernehmen. Wir nutzen Smartphones und Apps um Kleidung einzukaufen, Essen zuzubereiten, soziale Kontakte zu pflegen, um uns an neue Orte bringen zu lassen, Musik zu hören, Bücher und Nachrichten zu lesen. Wenn wir etwas nicht wissen, fragen wir Google, Siri oder Alexa.

Auf den ersten Blick sieht es so aus, als würde die Automatisierung dazu führen, dass man sich nicht mehr den lästigen Aufgaben widmen muss, sondern sich höheren Zielen zuwenden kann. Doch das ist ein Trugschluss: Ein App bietet nicht nur Zeitersparnis, sondern verändert ganz generell die Rollen, das Verhalten und die Fähigkeiten der Nutzer. Die Automatisierung verwandelt einen handelnden Akteur in einen Beobachter. Dieser fundamentale Wandel macht unser Leben einfacher, verhindert aber die (Weiter-)Entwicklung von Erfahrungswissen. Dies wird dann sichtbar, wenn wir während der Autofahrt das Navi ausstellen müssen oder die Rechtschreibprüfung in Word mal nicht zur Verfügung steht. Wenn wir Tätigkeiten automatisieren, vernachlässigen wir unsere Fähigkeit, Informationen in echtes Wissen zu verwandeln.

„Learning requires inefficiency“ [1].

Das steht natürlich oft in Kontrast zu unserem menschlichen Bedürfnis nach Effizienz und Bequemlichkeit. Oft kämpfen wir mit schwierigen und anstrengenden Aufgaben und stellen uns vor, wie es ist, wenn wir endlich das Ziel erreicht haben. Aber eigentlich ist der Weg das Ziel — und die Lösung der Aufgabe macht uns zu dem, wer wir sind. Entkoppeln wir das Ziel von der Aufgabe, verliert die Aufgabe ihre Bedeutung.

Die Oxford-Forscher schlussfolgern: “[…] low-skilled workers will move to tasks that are not susceptible to computerisation — i.e., tasks that required creative and social intelligence,” […] to win the race, however, they will have to acquire creative and social skills.” Fraglich ist, ob der Lastwagenfahrer so einfach zum Künstler werden kann. Was die Autoren aber implizit ansprechen, ist, dass jene Jobs am Schwierigsten zu automatisieren sind, die Kreativität erfordern, nicht einem bestimmten statischen Muster folgen oder intensive soziale Interaktion mit Menschen erfordern. Es stellt sich daher die Frage, inwieweit die zukünftigen Generationen in der Lage sein werden, jene Art von Kreativität, Erfahrung, Lernen und sozialer Interaktion zu entwickeln, wenn durch immer weiterführende automatisierte Tätigkeiten genau diese Fähigkeiten unterdrückt werden? Wie können Lehrer Kinder, Jugendliche und junge Erwachsene auf eine Arbeits- und Lebenswelt vorbereiten, die sich in den nächsten Jahren radikal verändern wird?

Philosophie in der Schule

Dann ist es womöglich nicht damit getan, in neue Technologien, Anwendungen und Programmiersprachen zu investieren. Möglicherweise macht es mehr Sinn, in jene Fähigkeiten zu investieren, die eben nicht über Google erfragbar sind. Vor einigen Wochen hat Irlands Präsident Higgins hierzu einen ungewöhnlichen Vorstoss gewagt: “The teaching of philosophy […] is one of the most powerful tools we have at our disposal to empower children into acting as free and responsible subjects in an ever more complex, interconnected, and uncertain world.” [2]. Was sind die ethischen Auswirkungen von maschinellem Lernen? Was sind politische Ansätze für eine bevorstehende Massenarbeitslosigkeit und wie sollte Reichtum in einer digitalisierten Gesellschaft verteilt werden? Higgins fordert, dass sich Schulen mehr in diesen philosophischen Themen engagieren sollte.

Oder wie Alan Eagle, Computerwissenschaftler und Kommunikationsbeauftragter über die Produkte von Google sagt: “It’s supereasy. It’s like learning to use toothpaste, […] we make technology as brain-dead easy to use as possible. There’s no reason why kids can’t figure it out when they get older”. [3]

Vielleicht erfüllt die ganze Übung mit dem Einsatz digitaler Medien in den Schulen dann doch nur einen übergeordneten Zweck — und zwar die Kinder darin zu üben, später mal ein richtig guter Konsument zu werden.

Zahlreiche Anregungen für den Text wurden aus folgenden Büchern entnommen:

Martin Ford (2015): The Rise of the Robots.

Nicolas Carr (2014): The Glass Cage: How Our Computers Are Changing Us.

Nicolas Carr (2011): The Shallows: What the Internet Is Doing to Our Brains.

One clap, two clap, three clap, forty?

By clapping more or less, you can signal to us which stories really stand out.