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.