1

Arbeit4.0DieZukunftderZusammenarbeitMenschundMaschine

CollegiumGenerale,UniversitätBernNovember2018

SabineT.Köszegi,TUWien

2

Kurz CV◎ Seit Dezember 2000promovierte Sozial- undWirtschaftswissenschaftlerin

◎ Seit Jänner 2009Professorin für Arbeitswissenschaft undOrganisation anderTUWien

◎ Seit April2009Akademische Leiterin desPMBAEntrepreneurshipandInnovation

◎ Seit August2017Vorsitzende desÖsterreichischen Ratsfür Robotik undKünstliche Intelligenz

◎ Seit Mai2018Mitglied derHigh-levelExpertGrouponArtificialIntelligence

◎ Aktuelle Forschungsprojekteo IntegrativeSocialRobotics(AarhusUniv.)

o Dissertant_innen Kolleg TrustRobots(TUWien)

o NewWaysofWorking(TUWien)

2

3

Agenda

◎ Arbeit 4.0– eine weitere industrielle Revolution?◎ Treiber:KünstlicheIntelligenz&Robotik◎Welche Veränderungen kommenaufunszu?

o AmArbeitsplatz – RaceagainsttheMachine?o AmArbeitsmarkt – TheGigEconomy?o Individuell – WorkingAnytime/Anywhere?

◎ Ausblick

4

Industrielle Revolutionen

Quelle.https://www.btelligent.com/themen/industrie-40/

5

Maschinenstürmer

Quelle:https://web.archive.org/web/*/http://www.learnhistory.org.uk/cpp/luddites.htm

KampfderenglischenArbeiterAnfangdes19.JahrhundertsgegenIndustrialisierung!

Bild:ZerstörungeinesWebstuhls

6

DefinitionenArtificial intelligence (AI) refers to systems thatdisplay intelligent behavior by analyzing theirenvironment and taking actions – with somedegree of autonomy – to achieve specificgoals.AI-based systems can be purely software-based, acting in the virtual world (e.g. voiceassistants, image analysis software, searchengines, speech and face recognition systems)or AI can be embedded in hardware devices(e.g. advanced robots, autonomous cars,drones or Internet of Things applications)

CommunicationonArtificialIntelligence,fromtheCommission(COM(2018)237

Big data generally refers totechnological development related todata collection, storage, analysis andapplications.

Digitalization is the use of digital technologies to change a business model and provide newrevenue and value-producing opportunities; it is the process of moving to a digital business.

GartnerGroup,Glossary:https://www.gartner.com/it-glossary/digitalization/

7

KI=GeneralPurpose Technology

Source: Bain & Company

Produktion

Medizin und Gesundheit

Source: itnonline.com

Source: The Data Scientist

Handel und Marketing

Source: Wilson Consulting Group

Sicherheit und Überwachng

© TORU KAWATA / DPA

Pflege

Mobilität

© Richard van Hooijdoonk

Unterhatung

LandwirtschaftDienstleistung und Service

8

InvestmentsinKünstlicheIntelligenz2011-2017

Investitionen steigen signifikant mitKIDruchbrüchen:

Source: OECD (AI in Society), based on CBI 2018

9

Startups: Anzahl an Investments Signifikante Steigerungen 2011-2017

Source:OECD(AIinSociety),based onCrunchbase,April2018

10

WieverändertKI&RobotikArbeit?

AmArbeitsmarkt?GigEconomy

Indivduell?:Anytime /Anywhere

AmArbeitsplatz?

Race against themachine

11

Industrielle Revolution

Quelle.https://www.btelligent.com/themen/industrie-40/

AmArbeitsplatz?

Race against themachine

12

◎Bild OsborneandFrey2014

ErstealarmierendeVorhersagen2014aus denUSA

OsborneandFrey,2014Quelle:http://blogs.lse.ac.uk/

13

Berechtigte Sorge?

AndersIndsetbeimAndermatt Dialogzum Thema“KünstlicheIntellienz:Fluch oderSegen?”

August2018

14

Bildquelle: Welt am Sonntag

AufmarschderRoboter?

Quelle: VO Grundlagen der AW, Sebastian Schlund 2018

15

Einsatzfelder derRobotik

Quelle:DieZukunft mit Robotik undKIpositiv gestalten,WhitePaperdesÖsterreichischen Ratsfür Robotik undKI,2018

16

Additive Fertigung3D-Druck, neue Geschäftsmodelle, Stückzahl 1

Künstliche IntelligenzKognitive Systeme, neue Mensch-Maschine-Interaktion

Big Data AnalyticsIntelligente Algorithmen, BotsGenerierung von Smart Data

BlockchainIT-Sicherheit, Smart ContractingTransformation von Transaktionen

Digital TwinsCPS, Motion CapturingEchtzeitdaten, Ergonomie

Mobile RobotikFahrerlose Transportsysteme, Mobile Robotik, Drohnen

NeurotechnologieBrain-Computer-InterfacesNutzerzentrierte Systemgestaltung

VirtualisierungAugmented/Virtual Reality, Kopplung realer und virtueller Welt

Sensitive RobotikMensch-Roboter-Interaktion und -Kollaboration

VernetzungInternet of Everything, Mobile Apps, Social Networks, Mobilgeräte

Industrie4.0ErwartungshaltungundUmsetzungsstand

Nach SebastianSchlund 2018,VOGrundlagend derArbeitswissenschaft,TUWien

17

BostonDynamics,KUKA,Fiege/Magazino,TUWien/FraunhoferAustria

StandderTechnik–WasRoboterheutekönnen

18

Unterschiedliches Potenzial fürAutomatisierung

Quelle:Mc.KinseyGlobalInstitute2017

19

Automatisierungspotenzialnach Tätigkeiten

Quelle:Mc.KinseyGlobalInstitute2017

20

Automatisierungs-potenzialnachAktivitätenundBranchenUSA

21

MGI2017

Assumes technicalcapabilities demonstratedincommercial products,R&Dandacademic settings,compared against humanperformance)

VergleichMensch– MaschineZukunftsprojektion

Quelle:McKinseyGlobalInstitut (2017):AFuturethatWorksReport

22

nach David Autor; Bildquellen: INQA, Schaeffler KG (FAG), Asys, BMW

ArbeitstätigkeiteninderindustriellenFertigung

Routine Nicht-Routine

Manuell

Kognitiv

23

10% 5%

80% 5%

RoutineNicht-Routine

Manuell Kognitiv

UN1

12,5% 5%

12,5% 70%

RoutineNicht-Routine

Manuell Kognitiv

UN2

0% 0%

100% 0%

Routine Nicht-Routine

Manuell Kognitiv

UN3

50% 0%

50% 0%

RoutineNicht-Routine

Manuell Kognitiv

UN5

15%

15%

70% 0%

RoutineNicht-Routine

Manuell Kognitiv

UN6

10% 0%

90% 0%

RoutineNicht-Routine

Manuell Kognitiv

UN7

4% 0%

95% 1%

RoutineNicht-Routine

Manuell Kognitiv

UN8

4% 5%

95% 0%

RoutineNicht-Routine

Manuell Kognitiv

UN9

5% 2,5%

90%

2,5%

RoutineNicht-Routine

Manuell Kognitiv

UN10

25%

10%

0% 65%

RoutineNicht-Routine

Manuell Kognitiv

UN12

24% 6%

56% 14%

RoutineNicht-Routine

Manuell Kognitiv

UN13

0% 0%

99% 1%

RoutineNicht-Routine

Manuell Kognitiv

UN14

FallstudienArbeitswelt4.0Baden-Württemberg– anonymisierteErgebnisseNach SebastianSchlund 2018,VOGrundlagend derArbeitswissenschaft,TUWien

BeispielhafteVerteilungeninderProduktionsarbeit

24

*VersteckteKosten:FaktorSicherheit/Kollaboration,Knappheitext./int.KnowHow,Arbeitsorganisation(kein24/7),Akzeptanz

AutomatisierungspotenzialManuellerTätigkeiten

Routine Nicht-Routine

Manue

llKo

gnitiv

Wirtschaftlichmachbar

Industriellmachbar*

Nichtindustriellmachbar**

Industriellmachbar*

Nichtindustriellmachbar**

Nach SebastianSchlund 2018

**EngineeringBottlenecks:Geschicklichkeit,UnbekannteUmgebung,Automatisierungslücken

25

*Datenverfügbarkeit,Datenqualität(Aktualität,undHeterogenität),Sensoriklücken

Routine Nicht-Routine

Manue

llKo

gnitiv

Industriellmachbar*

Nichtindustriellmachbar**

Wirtschaftlichmachbar

Industriellmachbar*

Nichtindustriellmachbar**

Wirtschaftlichmachbar

AutomatisierungspotenzialkognitiverTätigkeiten

Nach SebastianSchlund 2018

**SkalierbareProzesse,Umgangmit(neuen)VariantenundspätenÄnderungen

26

27

WorldEconomic ForumReport2018

28

GeplanterTechnologie-Einsatzbis2022

29

VerteilungMensch-MaschineArbeitsstunden2018vs.2022

30

GesamtverteilungMensch-Maschine Arbeitsstunden

2018

Mensch Maschine

2022 (Prognose)

Mensch Maschine

WorldEconomicForum:FutureofJobsSurvery 2018

31

“

31

Zwischenfazit:DiekommendeÜbergangsphasewirddurchhybride ArbeitsteilungzwischenMenschen(!)undMaschinen(RoboternundAlgorithmen)

geprägtsein!

o InabsehbarerZeitwirdmenschlicheArbeitnichtkomplettsubstituiert,allerdingssindgroßeVeränderungenzuerwarten

o WirbefindenunsmittenineinemTransformationsprozess mitunklarerGeschwindigkeit;

o Geschwindigkeitabhängigvon:

o WieschnellTechnologieindustriellundwirtschaftlicheinsetzbarist.NochsindvieleTechnologiennichtskalierbar(Wissenschaft)

o WiewiralsGesellschaft(inEuropa)dieTransformationgestalten.Wirkönnen/müssenTechnologie-Entwicklunggestalten(Regulierung)

o WieanderedenTransformationsprozessgestalten.WirstehenineinemGlobalenWettbewerb.

32

VergleichTop10Skills2018vs 2022

World Economic Forum, 2018

Herausforderung- Qualifizierung

33

Fehlende KI-Skillsals wichtigste Innovationbarriere

Quelle:Mc.KinseyGlobalInstitute,EBSSurvey2018

34

Re-Skilling undUp-Skilling Bedarf

35

StrategienzurAbdeckungderneuenSkills

36

Insgesamt neutrale Bilanzdurch neue Jobs

37

“

37

Fazit:o AutomatisierungunddigitaleVernetzungwerdendieZukunftder(Produktions-)arbeit

prägen.

o DerTransformationsprozesswirdgeprägtseinvondigitalen,physischenundhybridenAssistenzsystemenundeinerneuenArtderArbeitsteilungzwischenMenschundMaschine.

o DieZusammenarbeitzwischenMenschundMaschinewirdfließenderundindividuell.

o DerBedarfanhochqualifiziertemPersonalwirdweiterzunehmen.QualifikationfürKomplexitätsbeherrschungwirdzueinemzentralenJobsicherungsfaktor.

o Erfahrungswissen,FlexibilitätunddieBereitschaftzuLernensichernunserezukünftigenArbeitsplätze.

o DieArbeitderZukunftlässtsichgestalten.

38

WieverändertKI&RobotikArbeit?

AmArbeitsmarkt?GigEconomy

Indivduell?:Anytime /Anywhere

AmArbeitsplatz?

Race against themachine

39

Vermittlung bezahlter Arbeit!

AmArbeitsmarkt?GigEconomy

40

Amazon’sMechanicalTurk

Bildquelle:JosephRacknitz - HumboldtUniversitypilotnaturalhistoryproject:DieWissenschaftlichenSammlungen

DerSchachroboter von1769VonWolfgangvonKempelen

41

Die60wertvollstenPlattformen derWelt

42

◎ Europa(Eurofound Report2018)o 2%derEuropäischenArbeitsbevölkerung(zwischen16und74)

arbeitethauptsächlichalsPlattformarbeitskraft;mitgroßenVariationenzwischendenLändern

o fürweiter6% istPlattformarbeiteinesignifikanteQuellefürEinkommen(zumindest25%EinkommenbeieinerStandardarbeitszeitvon40Stunden)

o fast8% verrichtenzumindesteinmalproMonat ArbeitenübereinePlattform

◎ USA(GallupReport2018)o 36%derArbeitskräfteverrichtenzumindestzumTeilArbeitenüber

einePlattform

Ausmaß anPlattformarbeit

43

Wie funktioniert Plattformarbeit?

o FrageneinService/eineLeistung–meistübereineAppoderonline– nach

o BewertenQualitätgeleisteterArbeit

Kund_innenAuftrag-

nehmer_innen

o bleibenunabhängigeVertragspatner_innen,

o bringennebenihrerArbeitskraftauchRessourcenein

o eineauftragsbezogene,variableEntlohnung

OnlinePlattform

o vermittelnzeitlichbefristeteArbeitsaufträge,

o fürspezifischeLeistungen

o definierendabeidieRahmenbedingungen,und

o erhaltendafüreineProvision

44

Beispiel Clickworker

Quelle:https://www.clickworker.de/ueber-uns/unsere-crowd-die-clickworker/

45

◎On-LocationPlatform-determined Work(Contingent Workers)o RoutineArbeitdurchMenschenvorOrtausgeführt(daheron-location)o GeringeQualifikationderArbeitskräfteo PlattformteiltArbeitzu,kontrolliertArbeitsfortschritt&Qualitätetc.

o Beispiele:Uber,Lieferservices,etc.

◎ On-location Worker-initiated Work(IndependentWorkers)o geringebismittlereQualifikationderArbeitskräfte

o ArbeitskräftewählenihreAufträgeselbst,dievorOrtausgeführtwerdeno Beispiele:Clickworker,etc.

◎ OnlineContestWork/Independen WorkersoHochspezialisierteonlineArbeitoKundenwählenArbeitskräftenacheinemWettbewerbaus

Arten vonPlattform Arbeit

Eurofound Report2018

46

NurunabhängigePlattformArbeitskräftehabenhoheWerteinFlexibilität&Autonomie!

Quelle:GallupReportonGigEconomy,2018

47

◎ GefahrderPrekarisierung vonArbeitsverhältnissen(ungesichertesEinkommen,keineMindestlöhne,etc.)

◎ AusschlussausVorteilenklassischerArbeitsverträge(Krankenversicherung,Urlaubsanspruch,Arbeitslosenversicherung,etc.)

◎ BeiKontingenz-Arbeitskräften(on-location platform-determined work)starkeAbhängigkeiten(Arbeitszeit,ArbeitsplatzundArbeitsorganisation)trotz”Selbständigen”-Status;

◎ ArbeitsorganisationdurchAlgorithmuskannsichnegativaufGesundheit(limitiertePausen,Sicherheit,etc.)undaufWork-Life-BalanceauswirkenoderzuungerechtfertigtenDiskriminierungenführen

◎ UnpersönlichesArbeitsverhältnis(Plattform&Arbeitskräfte)verhindertSolidarisierung zwischendenArbeitskräften;kannzuunzureichenderUnterstützunginschwierigenArbeitssituationenführen

◎ KaumZugangzuTraining/AusbildungüberPlattformen

Viele Herausforderungen…

Quelle:Eurofound Report2018

48

“

48

Fazit:Plattformarbeit...◎ ermöglichtglobalenWettbewerbè Flexibilität◎ erleichtertdenZugangzumArbeitsmarktè Inklusion/Diversität◎ ermöglichtindividuellbestimmtesArbeiten(wann,fürwen,wieviel,

wo)è AutonomieAberauch:◎ GefahrderAusübungvonMachtmonopolen

è Abhängigkeiten,è Prekarisierung

49

WieverändertKI&RobotikArbeit?

AmArbeitsmarkt?GigEconomy

Indivduell?:Anytime /Anywhere

AmArbeitsplatz?

Race against themachine

50

HabenSieheuteschonIhre

Emailsgecheckt?

Indivduell?:Anytime /Anywhere

51

52

Die GrenzezwischenArbeitundPrivatleben

► Jede_r 2.checktzumindestmanchmaldieberuflichenE-MailsamWochenende

► Nur1von10beantwortetnie berufsbezogeneE-Mails,SMSoderTelefonanrufewährendPrivatzeit

(repräsentativeStudiederAKNÖ,

Feuchtl,Hartner-Tiefenthaler&Koeszegi,2015)

53

Die GrenzezwischenArbeitundPrivatleben

► MehralsdieHälftederBefragtenbeantwortetzumindestmanchmalpersönlicheE-Mails,SMSoderTelefonanrufewährendderArbeit

(repräsentativeStudiederAKNÖ,

Feuchtl,Hartner-Tiefenthaler&Koeszegi,2015)

54

Ich finde es richtig,dass nach DienstschlussdasEmpfangen vonEmailsgesperrt ist

Trifftüberhaupt nicht zu23%

Trifftkaumzu11%

Trifftehernichtzu7%

weißnicht19%

Triffteherzu6%

Trifftmeistenszu11%

Trifftvollständigzu23%

MITARBEITERINNEN(N=470)

Trifftüberhauptnicht zu32%

Trifftkaumzu13%

Trifftehernichtzu8%

weißnicht18%

Triffteherzu7%

Trifftmeistenszu9%

Trifftvollständigzu13%

FÜHRUNGSKRÄFTE(N=197)

Ergebnisse einer repräsentativen Studie gemeinsam mit AKNiederösterreich,HartnerTiefenthaler,Feuchtl,Köszegi 2015

55

WelcheRollespieltdasSmartphonefürdasWohlbefindenunddasErlebenderArbeit?

Auswirkungen

56

Forschungsprojekt

Durchführung2018,ca.150Teilnehmer_innen;Ergebnisseunterhttps://www.youtube.com/watch?v=FXR-R5yqYdg&feature=youtu.be

57

SmartphoneNutzungsintensität

ImSchnittalle13Minutenaktiviert

ImSchnitt44MalamTagaktiviert

ImSchnitt149Minutenbenutzt

58

PROTAGIMSCHNITT 44Pers. (30%) 70Pers.(47%) 35Pers.(23%)

AnzahlAktivierungenselteneAktivierung häufigeAktivierung

21Mal 43Mal 78Mal

IntervallzwischenAktivierungen

langeIntervalle kurzeIntervalle

20Min. 11Min. 6Min.

DauerderNutzungkurzeNutzungsdauer langeNutzungsdauer

78Min. 150Min. 237Min.

Nutzungsprofile

ModerateNutzer_innen

DurchschnittlicheNutzer_innen

IntensiveNutzer_innen

59

Drei Typen von Smartphone-Nutzer_innen

Geschlecht 59% m, 41% w

71%männlich,

29% weiblich

56%männlich,

44% weiblich

48%männlich,

52% weiblich

Alter38 Jahre 44 Jahre 37 Jahre 32.5 Jahre

Min-Max 18 – 65 J. 30 – 65 Jahre 19 – 65 Jahre 18 – 59 Jahre

Bildung

Pflichtschule 1% 2% - - 3%

Lehre 20% 31% 20% 6%

Fachsch., HAS 7% 5% 6% 12%

Matura 31% 33% 29% 33%

Uni., FH 40% 29% 45% 45%

Führungskraft 23% 22% 28% 14 %

ModerateNutzer_innen

DurchschnittlicheNutzer_innen

IntensiveNutzer_innen

60

AuswirkungenMehr

Langeweilean

ArbeitstagenGeringere

VertiefunginArbeitan

Arbeitstagen

GeringereArbeitszufrieden-

heit anArbeitstagen

MehrZeitdruckan

Nicht-Arbeitstagen

Mehr StressanNicht-

Arbeitstagen

MehrchronischeNacken-

schmerzen

IntensiveNutzer_innen

61

Autonomieparadoxon

StartderberuflichenNutzungmobilerIKT

ReguläreNutzunginArbeitszeit

Nutzungintensiviertsich,Antwortverhaltenwirdschneller

NutzunggehtüberreguläreArbeitszeithinaus

Nutzungwirdzwanghaftund„alspersönlicheEigenschaftabgetan“

IndividuumKollektiv

ImpliziteErreichbarkeitsnormenmanifestierensich

ErweiterteVerbundenheitderMAineinemNetzwerk

VerstärkteBindungzuKommunikationspartner_innen

VeränderteErwartungenderErreichbarkeiteinzelnerMA,

(Mazmanian,Orlikowski,&Yates,2013)

62

Organisation

Arbeitnehmer_in

Gesellschaft

SelbstregulationskompetenzenstärkenPausenvomSmartphoneeinplanenVorhersehbarkeiterhöhen

DiskussioneninitiierenErwartungenabklärenRegelndefinierenIndividuelleLösungenermöglichen

Arbeitszeitgesetz(Ruhezeit)ÜberGefahreninformierenBewusstseinschaffen(schoninderSchule)

Implikationen

63

HOMOff

oderOBSOLETUS

HOMOAUTONOMOUS

64

Technologiezentriertè BewertetPotenzialstattImplementierung

Humanzentriertè tendenziell

innovationshemmend

Sozio-technologischèWirtschaftlichkeit

KostenfürArbeitè PolitischeProzesse

Regulierung,Machtè Arbeitselbst(z.B.Akzeptanz)

Zukunft derArbeit –Verschiedene Perspektiven

65

Danke!Fragen?Univ.Prof.Dr.SabineTheresiaKÖSZEGI

ProfessorofLaborScienceandOrganizationInstituteofManagementScience,TUWien

ChairoftheAustrianCouncilonRoboticsandAIBMVITMemberoftheHighLevelExpertGrouponArtificialIntelligenceoftheEuropeanCommission

a:Theresianumgasse 27,A-1040Viennap:+4315880133070&33071e:sabine.koeszegi@tuwien.ac.at