SEIT CHATGPT ZAHLT SICH EIN ABSCHLUSS ETWAS WENIGER AUS

Was ein Arbeitnehmer weiß, gibt es in zwei Arten. Ein Teil lässt sich aufschreiben, lehren und speichern: Formeln, Regeln, Verfahren. Der andere Teil wird durch Tun erlernt und bleibt an die Person gebunden: In den Beispielen der Arbeit lernt ein Sachbearbeiter, welche Klienten engere Betreuung brauchen, eine Chirurgin, wann die Spannung des Gewebes nicht stimmt, ein Verhandler, wie man die Stimmung im Raum liest. Generative KI macht die erste Art billig und reichlich verfügbar, genau in dem Moment, in dem sie gebraucht wird. Was bewirkt das beim Lohn?

Zwei Preise auf der Gehaltsabrechnung

Eduardo Levy Yeyati, Darío Judzik und Juan Ignacio Barbiero von der Universität Torcuato Di Tella in Buenos Aires betrachten zwei vertraute Zahlen: wie viel mehr ein Arbeitnehmer für ein zusätzliches Bildungsjahr verdient und wie viel für ein zusätzliches Jahr Berufserfahrung. Die Bildung steht, unvollkommen, für Wissen, das sich aufschreiben lässt; die Jahre seit dem Verlassen der Schule stehen für Wissen, das durch Praxis erworben wurde.

Ihr Modell macht zwei Vorhersagen. Wenn Maschinen aufgeschriebenes Wissen liefern, sollte der Lohnaufschlag für Bildung schrumpfen. Wenn dieses Wissen und praktisches Urteilsvermögen am besten zusammenwirken, sollte Praxis wertvoller werden – besonders früh in der Laufbahn, wenn Menschen am schnellsten lernen. Doch ein Teil der Erfahrung ist an die alte Art gebunden, die Arbeit zu erledigen, und kann an Wert verlieren, sodass der Effekt später negativ werden könnte.

Exponierte Berufe, geschützte Berufe

Der Test nutzt den US Current Population Survey von Januar 2018 bis Juni 2026: rund 656.000 Lohndatensätze. Die Berufe werden nach einem KI-Expositionsindex geordnet, der erstellt wurde, bevor es ChatGPT gab. Das am stärksten exponierte Viertel – Softwareentwickler, Verwaltungsassistenten, Buchhalter, Finanzmanager, Hochschullehrer – wird mit dem am wenigsten exponierten Viertel verglichen: Lkw-Fahrer, Lagerarbeiter, Reinigungskräfte, Pflegehelfer, Kellner. Die Uhr beginnt im November 2022 zu laufen, mit der öffentlichen Freigabe von ChatGPT.

Vor diesem Datum erhöhte ein Bildungsjahr den Lohn in exponierten Berufen um etwa 7,5 %, gegenüber 1,7 % in geschützten. Die Analyse vergleicht Beschäftigte innerhalb desselben Berufs, vorher und nachher, und misst damit Veränderungen dieser „Preise“ von Bildung und Erfahrung, nicht der Durchschnittslöhne.

Ein Bildungsjahr, neu bewertet

In exponierten Berufen sank der Lohnaufschlag für ein Bildungsjahr relativ zu geschützten Berufen um 0,55 Prozentpunkte – von etwa 7,5 % auf 6,9 %, ein Rückgang um etwa 7 % seines früheren Werts. In geschützten Berufen blieb er bei 1,7 %. Vor der Freigabe gab es keinen Trend, und der Bruch zeigt sich innerhalb der ersten zwölf Monate.

Eine Laufbahn, die sich neigt

Die Erfahrung verschob sich nicht insgesamt nach oben oder unten; die Kurve drehte sich. Ein zusätzliches Jahr Erfahrung bringt 0,26 Prozentpunkte mehr für jemanden mit drei Jahren hinter sich, ungefähr gleich viel bei fünfzehn Jahren und 0,12 Prozentpunkte weniger bei fünfundzwanzig. Im Hauptmodell der Autoren wechselt der Effekt bei etwa 18 Jahren das Vorzeichen; mit flexibleren Kurven bleibt die Neigung bestehen, doch dieser genaue Punkt ist weniger sicher. Am stärksten ist die Neigung bei Beschäftigten mit Hochschulabschluss.

Zusammengerechnet verdient ein Beschäftigter mit sechzehn Bildungsjahren und fünfzehn Jahren Erfahrung in einem exponierten Beruf etwa 3,2 % weniger, als der Trend der geschützten Berufe erwarten ließe.

Kontrollen gegen Zufälle

• Verlegt man das Startdatum auf Januar 2020, den Beginn der Pandemie, zeigt sich kein Effekt.
• Wendet man eine einheitliche Regel auf die höchsten Gehälter an, die die US-Statistik deckelt und seit April 2023 anders erfasst, bleiben die Ergebnisse nahezu unverändert.
• Ohne die Informatik- und Mathematikberufe, die zur selben Zeit von Entlassungen in der Tech-Branche getroffen wurden, beträgt der Rückgang bei der Bildung immer noch 0,49 Prozentpunkte.

Der Rückgang gegen Ende der Laufbahn ist der schwächste Teil der Belege: Schon vor der Freigabe schwankte dieses Ende der Kurve ein wenig.

Keine Prognose

Die Autoren behaupten nicht, dass Abschlüsse ihren Wert verloren hätten oder Absolventen weniger produktiv geworden seien. Ihr Ergebnis ist eine kurzfristige Neubewertung innerhalb exponierter Berufe. Bildungsentscheidungen, Weiterbildung und Einstiegsjobs werden sich anpassen. Eine Frage, schreiben sie, könnte langfristig am wichtigsten sein: ob Beschäftigte das praktische Können, das wertvoller wird, noch erwerben können, wenn KI einen Teil des Lernprozesses selbst automatisiert.