Studie: KI kann auf digitalen Arbeitsmärkten Löhne drücken

Darmstadt (dts Nachrichtenagentur) - Künstliche Intelligenz kann auf digitalen Arbeitsplattformen ein sehr niedriges Lohnniveau erzeugen, ohne dass Unternehmen miteinander kommunizieren oder Absprachen treffen. Das ist das Ergebnis einer Studie der TU Darmstadt, der Universität Bielefeld und der Universite Cote d`Azur mit Computersimulationen. Die Ergebnisse sind in der Fachzeitschrift "Labour Economics" veröffentlicht worden.

Die Wissenschaftler untersuchten digitale Arbeitsplattformen wie "Amazon Mechanical Turk", die Arbeits- und Dienstleistungen in Bereichen wie Softwareentwicklung, Multimedia, Übersetzung, Dateneingabe oder Marketing vermitteln. In Deutschland wird Crowdworking bislang vor allem als Nebenerwerb genutzt. Nach einer Erhebung des Zentrums für Europäische Wirtschaftsforschung setzten im Jahr 2020 rund 8,2 Prozent der Unternehmen der deutschen Informationswirtschaft Crowdworking ein.

In ihrem Modell ließen die Wissenschaftler Unternehmen die angebotenen Löhne von sogenannten Deep Q-Networks festlegen. Das sind selbstlernende Algorithmen, die mit Reinforcement Learning trainiert werden und neuronale Netze nutzen. Die Simulationen zeigten: Konkurrieren nur wenige Firmen miteinander, können sich die Löhne einem Niveau annähern, wie es bei einer Kollusion der Unternehmen entstehen würde. Damit greift die Studie das Forschungsfeld der algorithmischen Kollusion auf, das sich bislang vor allem mit überhöhten, kollusionsähnlichen Preisen auf Produktmärkten beschäftigt hat.

Die Ergebnisse sind nach Angaben der Universität auch für Arbeitsmarkt- und Wettbewerbspolitik sowie die Regulierung von Plattformen und KI-Systemen relevant. "Die Studie macht auf ein Problem aufmerksam, das mit zunehmender Automatisierung wirtschaftlicher Entscheidungen an Bedeutung gewinnen könnte", sagte Michael Neugart vom Fachgebiet Finanzwissenschaft und Wirtschaftspolitik am Fachbereich Rechts- und Wirtschaftswissenschaften der TU Darmstadt. "Unternehmen müssen sich möglicherweise gar nicht ausdrücklich über Löhne oder Preise absprechen. Lernende Algorithmen können unter bestimmten Bedingungen selbstständig Verhaltensweisen entwickeln, deren Marktergebnis einer solchen Absprache ähnelt." Für Wettbewerbsbehörden sei es wichtig, zu verstehen, welche Eigenschaften moderner Machine-Learning-Algorithmen nicht-wettbewerbliche Marktergebnisse begünstigen.