Full text: Zur Zukunft von Arbeit und Wohlfahrtsstaat (19)

11
4 DISKUSSION
Diese Arbeit kommt mit einem errechneten Anteil von knapp 11 % an Berufen mit hoher Au-
tomatisierungswahrscheinlichkeit auf ein ähnliches Ergebnis wie die Studien von Arntz/Gre-
gory/Zierahn (2016) mit 12  %, Nagl/Titelbach/Valkova (2017) mit 9  % und Peneder/Bock-
Schappelwein/Firgo/Fritz/Streicher (2016) mit 12 %. Anders als in diesen Studien wurden hier 
jedoch nicht aktuell besetzte Stellen erhoben, sondern AMS-Stellenausschreibungen im ers-
ten Halbjahr 2017 untersucht. Es fällt auf, dass bei Lehrstellen der Anteil an Stellen mit hohem 
Automatisierungspotenzial bei etwa 8 % liegt, während dieser Anteil bei Stellen, die einen 
Lehrabschluss erfordern (mit oder ohne Meisterprüfung), bei 13,5 % liegt. Dieser Umstand 
könnte auf ein Fortschreiten der Automatisierung hindeuten. Da Unternehmen Lehrstellen für 
zukunftsträchtige Positionen schaffen, bieten diese Stellen wohl das aktuellste Abbild der 
Arbeitsrealität. Die Verteilung der Berufe mit hoher Automatisierungswahrscheinlichkeit in Ös-
terreich zeigt, dass diese Berufe vor allem in Ober- und Niederösterreich sowie in der Steier-
mark eine größere Rolle spielen, während Kärnten und Tirol weniger betroffen sind.
Auch wenn der Begriff „hohe Automatisierungswahrscheinlichkeit“ in dieser Arbeit in Anleh-
nung an die genannten Vorgängerstudien interpretiert wird, soll dessen Problematik noch ein-
mal herausgestrichen werden. Erstens führt das Vorhandensein von Routine-Tätigkeiten nicht 
zwingend zur Automatisierung. Zweitens lässt sich stets nur der Status quo untersuchen, 
Prognosen beruhen somit auf einer statischen Abbildung der Arbeitsrealität. Drittens wurde in 
dieser Untersuchung die Einkommensstruktur nicht berücksichtigt. Es kann aber vermutet 
werden, dass ArbeitgeberInnen versucht sind, eher die „teuren“ Berufe durch Maschinen zu 
ersetzen. Es ist daher für weitere Untersuchungen geplant, die Einkommensstruktur in die 
arbeitsmarktbasierten Automatisierungsabschätzungen miteinzubeziehen. Darüber hinaus 
werden, sobald Daten über den gesamten Jahreszyklus des Stellenangebots vorliegen, auch 
die zeitliche Entwicklung und die saisonalen Unterschiede der momentan als automatisie-
rungswahrscheinlich eingestuften Berufe zu untersuchen sein.
BIBLIOGRAFIE
Antonczyk, Dirk, Bernd Fitzenberger and Ute Leuschner (2009), Can a task-based approach 
explain the recent changes in the German wage structure? Bonn: ZEW – Zentrum für Eu-
ropäische Wirtschaftsforschung/Center for European Economic Research; http://ideas.re-
pec.org/p/zbw/zewdip/7522.html, abgerufen am 26. Juni 2017.
Arbeitsmarktservice Österreich (2016), Geschäftsbericht 2015, Wien. 
Arntz, Melanie, Terry Gregory and Ulrich Zierahn (2016), The Risk of Automation for Jobs in 
OECD Countries: A Comparative Analysis, in: OECD Social, Employment and Migration 
Working Papers 2 (189), 47–54; https://ideas.repec.org/p/wbk/wbrwps/7487.html, abgeru-
fen am 26. Juni 2017.
Autor, D. H., F. Levy and R. J. Murnane (2003), The Skill Content of Recent Technological 
Change: An Empirical Exploration, in: The Quarterly Journal of Economics 118 (4), 1279–
1333; https://academic.oup.com/qje/article-lookup/doi/10.1162/003355303322552801, 
abgerufen am 26. Juni 2017.
        

Note to user

Dear user,

In response to current developments in the web technology used by the Goobi viewer, the software no longer supports your browser.

Please use one of the following browsers to display this page correctly.

Thank you.