Navigation und Service

KI-Indikatoren

KI in Arbeit und Gesellschaft

Welche Entwicklungen und Trends von KI-Anwendungen in Arbeitsmarkt, Arbeitswelt und Arbeitsorganisation können wir beobachten? Wie verändert KI das Zusammenleben? Um die Entwicklungen und Auswirkungen von KI zu verstehen und wissenschaftlich oder politisch zu beantworten, sind Kennzahlen notwendig. Das KI-Observatorium analysiert, welche Zahlen aussagekräftig sind, um ein umfassendes Verständnis der Technologie zu entwickeln. Eine erste Auswahl zu den Themen Arbeit, Gesellschaft und Kompetenzen finden Sie hier. Sie haben Ideen für weitere Indikatoren? Dann schreiben Sie uns:
.

Der Einsatz von KI-Anwendungen in der Arbeitswelt und die Folgen für die Erwerbstätigen sind von großer Bedeutung. Spezifische KI-Indikatoren können Hinweise darauf geben, wie es um die Sicherheit von Arbeitsplätzen vor dem Hintergrund der Entwicklung dieser Technologie steht; wie sich der Arbeitsalltag der Beschäftigten mit KI wandelt; welche Veränderungen Erwerbstätige durch den Einsatz von KI in der Arbeitswelt vermuten und welche Konsequenzen sie befürchten.

Die Mehrheit rechnet nicht mit einem Verlust des Arbeitsplatzes

Die Sicherheit von Arbeitsplätzen wird häufig diskutiert, wenn es um die Folgen von KI für die Arbeitswelt geht; ihre Akzeptanz ist wesentlich davon abhängig.

Der hier dargestellte Indikator zeigt, für wie wahrscheinlich die Befragten einer repräsentativen Umfrage (Sample: ab 18-Jährige in Deutschland) einen Arbeitsplatzverlust für (a) sich selbst, (b) Personen aus ihrem näheren Umfeld oder (c) Angehörige gesellschaftlicher Minderheiten und benachteiligter Gruppen einschätzen. Zur letzten Gruppe zählen unter anderem Menschen mit Migrationshintergrund, Menschen mit Behinderungen oder Alleinerziehende.

Insgesamt erwarten nur wenige der Befragten umwälzende Veränderungen auf dem Arbeitsmarkt in den nächsten fünf Jahren. Rund 11% der Befragten vermuten, dass mehr neue Arbeitsplätze geschaffen als ersetzt werden. Die geringste Gefahr für einen Arbeitsplatzverlust sehen die Befragten bei sich selbst: Nur 6% halten den Verlust der eigenen Berufstätigkeit durch KI für wahrscheinlich oder sehr wahrscheinlich. Rund 20% vermuten, dass Massenarbeitslosigkeit droht und etwas weniger glauben, dass Familienmitglieder, Freunde und Bekannte ihren Arbeitsplatz verlieren könnten (18%).

Die Erkenntnisse aus diesem Indikator stehen konträr zur häufigen Grundthese in Debatten, dass sich viele Menschen vor dem Einsatz von KI fürchten.

Zentrale Ergebnisse des BMAS-Fachkräftemonitorings zeigen, dass im Vergleich zu heute in den nächsten fünf Jahren 1,4 Millionen Arbeitsplätze nicht mehr bestehen, gleichzeitig aber auch 1,3 Millionen neue Arbeitsplätze neu entstehen werden. Dabei werden Annahmen einer digitalisierten Arbeitswelt, der demografische Wandel, die Transformation hin zu einer klimaneutralen Wirtschaft sowie die Folgen der COVID-19-Pandemie berücksichtigt.

KI-Definition: Im Rahmen dieser Befragung wurde den Befragten keine Definition von KI vorgegeben. Die Antworten der Befragten basieren folglich auf ihrer aktuellen Vorstellung von KI.

Methodik: Die dem Indikator zugrunde liegenden Daten wurden durch das Projekt „Meinungsmonitor Künstliche Intelligenz [MeMo:KI]“ des Centers for Advanced Internet Studies und der Heinrich-Heine-Universität Düsseldorf in Zusammenarbeit mit dem KI-Observatorium im Rahmen einer Sonderbefragung zum Thema „KI in der Arbeitswelt“ erhoben. Die Befragung führte das Institut forsa Politik & Sozialforschung GmbH in einer Onlinebefragung unter Personen durch, die mindestens 18 Jahre alt waren und die mindestens gelegentlich das Internet nutzten. Es handelt sich dabei um eine Zufallsstichprobe von 1001 Befragten, die nach den Kriterien Alter, Geschlecht und Region (Bundesland) gewichtet wurde (davon 60% Erwerbstätige, 51% weiblich, 32% zwischen 18 und 39 Jahre alt, 64% mit (Fach-)Abitur, 53% mit einem Haushaltsnettoeinkommen von 3000€ oder mehr). Die Befragung wurde im Zeitraum vom 24.08. - 28.08.2020 durchgeführt. Der Inhalt der Befragung fokussiert sich vor allem auf Erwartungen im beruflichen Kontext in Verbindung mit KI, die sich auf die Befragten selbst bezogen. Die Befragten konnten auf einer Skala von 1 (sehr unwahrscheinlich) bis 5 (sehr wahrscheinlich) antworten. In der Graphik sind die Antworten zu den Werten 1 und 2 auf der Skala sowie zu den Werten 4 und 5 zusammengefasst präsentiert. Weitere Informationen zur Befragung zum Thema „KI in der Arbeitswelt“, zum Projekt MeMo:KI und den ausführlichen Methodensteckbrief finden Sie in den jeweiligen Links.

Größte Veränderungen durch KI bei Datensicherheit und den Kompetenzanforderungen erwartet

Wie wirkt sich der Einsatz von KI auf die alltägliche Arbeit aus? Inwiefern gibt es ein Bewusstsein in der Bevölkerung für mögliche Veränderungen durch KI auf die eigene Tätigkeit? Dieser Indikator stellt auf Basis einer repräsentativen Umfrage unter Erwerbstätigen in Deutschland dar, welche Erwartungen diese mit dem Einsatz von KI verbinden und wie sich ihrer Einschätzung nach die Nutzung von KI auf ihre Arbeitsbedingungen auswirkt.

Es zeigt sich in den Befragungsdaten, dass mehr als die Hälfte der Befragten bei den meisten Arbeitsbedingungen nur teilweise (3) oder eher keine Veränderungen (1&2) erwartet. Die größten Veränderungen werden von den Befragten hinsichtlich der Sicherheit ihrer Daten (42%) und hinsichtlich der Kompetenzanforderungen an ihrem Arbeitsplatz (38%) vermutet. Insbesondere bei der Einkommensentwicklung (16%), Mitbestimmung (20%), Zufriedenheit mit der Arbeit (21%) sowie den Karrierechancen (21%) glaubt nur ein kleiner Teil der Befragten, dass der Einzug von KI in das Arbeitsleben mittelfristig etwas für sie ändern wird.

Laut der Forscher*innen der MeMo:KI Studie halten Expert*innen es für wahrscheinlich, dass KI zu Veränderungen in diversen Bereichen führen wird. Es stellt sich bei diesem Indikator die Frage, warum die befragten Erwerbstätigen das Veränderungspotential ihrer Arbeitsbedingungen als generell eher gering und für verschiedene Arbeitsbedingungen sehr unterschiedlich eingeschätzt haben. Möglicherweise könnte dies an einem unterschiedlichen Sensibilisierungsgrad für verschiedene Veränderungen liegen.

KI-Definition: Im Rahmen dieser Befragung wurde den Befragten keine Definition von KI vorgegeben. Die Antworten der Befragten basieren folglich auf ihrer aktuellen Vorstellung von KI.

Methodik: Die dem Indikator zugrunde liegenden Daten wurden durch das Projekt „Meinungsmonitor Künstliche Intelligenz [MeMo:KI]“ des Centers for Advanced Internet Studies und der Heinrich-Heine-Universität Düsseldorf in Zusammenarbeit mit dem KI-Observatorium im Rahmen einer Sonderbefragung zum Thema „KI in der Arbeitswelt“ erhoben. Die Befragung führte das Institut forsa Politik & Sozialforschung GmbH in einer Onlinebefragung unter Personen durch, die mindestens 18 Jahre alt waren und die mindestens gelegentlich das Internet nutzten. Es handelt sich dabei um eine Zufallsstichprobe von 1001 Befragten, die nach den Kriterien Alter, Geschlecht und Region (Bundesland) gewichtet wurde (davon 60% Erwerbstätige, 51% weiblich, 32% zwischen 18 und 39 Jahre alt, 64% mit (Fach-)Abitur, 53% mit einem Haushaltsnettoeinkommen von 3000€ oder mehr). Die Frage, auf der der Indikator beruht, wurde nur an Erwerbstätige gestellt. Die Befragung wurde im Zeitraum vom 24.08. - 28.08.2020 durchgeführt. Der Inhalt der Befragung fokussiert sich vor allem auf Erwartungen im beruflichen Kontext in Verbindung mit KI, die sich auf die Befragten selbst bezogen. Die Befragten konnten auf einer Skala von 1 (gar keine Veränderung) bis 5 (sehr starke Veränderung) antworten. In der Graphik sind die Antworten zu den Werten 1 und 2 auf der Skala sowie zu den Werten 4 und 5 zusammengefasst präsentiert. Weitere Informationen zur Befragung zum Thema „KI in der Arbeitswelt“, zum Projekt MeMo:KI und den ausführlichen Methodensteckbrief finden Sie in den jeweiligen Links.

Intransparenz bei der Datennutzung (50%) und Überwachung am Arbeitsplatz (40%) als am meisten befürchtete Konsequenzen durch KI genannt

Der Einsatz von KI in der Arbeitswelt birgt Chancen, aber auch Herausforderungen.

Dieser Indikator zeigt, welche Folgen von KI für die Arbeitswelt Erwerbstätige befürchten. Auch hier liegt eine repräsentative Umfrage unter erwachsenen Erwerbstätigen ab 18 Jahren in Deutschland zugrunde.

Es werden vor allem Intransparenz bei der Datennutzung (50%) und Überwachung am Arbeitsplatz (40%) als befürchtete Konsequenzen genannt. Dagegen befürchten nur 11% der Befragten, dass ihre Qualifikation für die Anforderungen zukünftig nicht mehr ausreichend sein könnte und nur 10%, dass sie durch den Einsatz von KI in ihrer Branche überfordert werden.

Dieser Indikator ergänzt den Indikator „Einschätzung der Veränderung der eigenen Arbeitswelt durch KI“ und unterstreicht, dass aus Sicht der Betroffenen vor allem der Bereich Datensicherheit eine große Rolle spielt. Veränderte Kompetenzanforderungen werden zwar erwartet (siehe oben), jedoch nur von wenigen für sich persönlich befürchtet.

KI-Definition: Im Rahmen dieser Befragung wurde den Befragten keine Definition von KI vorgegeben. Die Antworten der Befragten basieren folglich auf ihrer aktuellen Vorstellung von KI.

Methodik: Die dem Indikator zugrunde liegenden Daten wurden durch das Projekt „Meinungsmonitor Künstliche Intelligenz [MeMo:KI]“ des Centers for Advanced Internet Studies und der Heinrich-Heine-Universität Düsseldorf in Zusammenarbeit mit dem KI-Observatorium im Rahmen einer Sonderbefragung zum Thema „KI in der Arbeitswelt“ erhoben. Die Befragung führte das Institut forsa Politik & Sozialforschung GmbH in einer Onlinebefragung unter Personen durch, die mindestens 18 Jahre alt waren und die mindestens gelegentlich das Internet nutzten. Es handelt sich dabei um eine Zufallsstichprobe von 1001 Befragten, die nach den Kriterien Alter, Geschlecht und Region (Bundesland) gewichtet wurde (davon 60% Erwerbstätige, 51% weiblich, 32% zwischen 18 und 39 Jahre alt, 64% mit (Fach-)Abitur, 53% mit einem Haushaltsnettoeinkommen von 3000€ oder mehr). Die Frage, auf der Indikator beruht, wurde nur an Erwerbstätige gestellt. Die Befragung wurde im Zeitraum vom 24.08. - 28.08.2020 durchgeführt. Der Inhalt der Befragung fokussiert sich vor allem auf Erwartungen im beruflichen Kontext in Verbindung mit KI, die sich auf die Befragten selbst bezogen. Die Befragten konnten auf einer Skala von 1 (stimme überhaupt nicht zu) bis 5 (stimme voll und ganz zu) antworten. In der Graphik sind die Antworten zu den Werten 1 und 2 auf der Skala sowie zu den Werten 4 und 5 zusammengefasst präsentiert.

KI-Fachkräfte und ihre Kompetenzen sind stark nachgefragt. Daher ist es essentiell zu verstehen, wie sich die Situation von Arbeitnehmerinnen und Arbeitnehmern mit KI-Kompetenzen auf dem Arbeitsmarkt darstellt. Wie viele Menschen in Deutschland können KI programmieren, sie nutzen und steuern? Wo steht Deutschland bei den Zahlen zu KI-Fachkräften im internationalen Vergleich? Welche KI-Kompetenzen sind aktuell besonders gefragt – Kenntnisse zu maschinellem Lernen, Deep Learning oder einem anderen Bereich? Erste Antworten auf diese Fragen liefern die in dem Themenfeld „Kompetenzen“ dargestellten Indikatoren.

Maschinelles Lernen: Unangefochtene Nr. 1 bei den KI-Kompetenzen in Deutschland

Welche KI-Kompetenzen sind in Deutschland besonders gefragt und aktuell? Um diese Frage zu beantworten, werden zwei Indikatoren herangezogen. Der erste Indikator zeigt, welche Fähigkeiten in den Jahren 2015-2020 die am häufigsten hinzugefügten KI-Kompetenzen unter LinkedIn-Nutzer*innen in Deutschland waren. Der zweite Indikator gibt für denselben Zeitraum an, bei welchen KI-Kompetenzen der größte prozentuale Zuwachs in der Häufigkeit der Nennung durch LinkedIn-Nutzer*innen zu sehen war (im Jahresvergleich). 

Bei den größten Veränderungen der Nennung der KI-Kompetenzen im Jahresvergleich (zweiter Indikator) fällt auf, dass sich sowohl die Reihenfolge als auch die Kompetenzen so gut wie jedes Jahr vollkommen ändern. Waren die drei wichtigsten KI-Kompetenzen im Jahr 2019 Mustererkennung, Spracherkennung und Convolutional Neural Networks, so waren es im Jahr 2020 Datenstrukturen, Pandas (Software) und Julia (Programmiersprache). 

Dieser Indikator zeichnet ein reiches Bild davon, welche Fähigkeiten sich hinter dem viel gebrauchten Begriff „KI-Kompetenzen“ – insbesondere in Deutschland – verbergen. 

Top KI-Kompetenzen nach Häufigkeit (2015-2020) (Deutschland)

KI-Kompetenzen, die in den Jahren 2015-2020 am häufigsten von LinkedIn-Nutzer*innen in Deutschland hinzugefügt wurden

  1. Maschinelles Lernen
  2. Künstliche Intelligenz (KI)
  3. Deep Learning
  4. Computer Vision
  5. Bildverarbeitung
  6. TensorFlow
  7. Natural Language Processing (NLP)
  8. OpenCV
  9. Keras
  10. Neuronale Netze

LinkedIn Economic Graph, Dezember 2020

Top KI-Kompetenzen bezogen auf den größten Zuwachs im Vergleich zum Vorjahr (2015-2020) (Deutschland)

KI-Kompetenzen, die in den Jahren 2015-2020 den größten Zuwachs im Jahresvergleich durch die Nennung von LinkedIn-Nutzer*innen in Deutschland aufwiesen

Ranking20162017201820192020
1Bestärkendes LernenAlexaConvolutional Neural Networks (CNN)MustererkennungDatenstrukturen
2RapidMinerCaffeKerasSpracherkennungPandas (Software)
3AlgorithmenentwicklungTensorFlowBestärkendes LernenConvolutional Neural Networks (CNN)Julia (Programmiersprache)
4Künstliche neuronale NetzeKerasKünstliche Intelligenz (KI)Resource Description Framework (RDF)Ontologien
5Deep LearningJulia (Programmiersprache)SentimentanalyseAlgorithmenentwicklungPyTorch
6WekaDeep LearningPyTorchBestärkendes LernenNatural Language Processing (NLP)
7KlassifizierungPyTorchDatenstrukturenSupport Vector Machine (SVM)Mustererkennung
8Neuronale NetzeScikit-LearnTextanalyseDatenstrukturenKünstliche neuronale Netze
9Support Vector Machine (SVM)RapidMinerAlgorithmische GeometrieTextanalyseComputer Vision
103D-RekonstruktionBestärkendes LernenOpenCVBildverarbeitungMaschinelles Lernen

LinkedIn Economic Graph, Dezember 2020

Hinweis: LinkedIn-Daten stellen kein randomisiertes Sample der erwerbstätigen Bevölkerung eines Landes dar. Sie basieren auf den Angaben der LinkedIn-Nutzer*innen und sind deshalb nicht unbedingt repräsentativ für alle Erwerbstätigen eines Landes, auch wenn in vielen Ländern ein hoher Anteil der Erwerbstätigen LinkedIn-Nutzer*innen sind. Die hier vorgestellten Analysen zeigen die Welt aus der Sicht von LinkedIn, d.h. Ergebnisse werden dadurch beeinflusst, wer LinkedIn nutzt und wie LinkedIn genutzt wird. Je nach Land kann dies unterschiedlich sein und hängt u.a. vom professionellen, sozioökonomischen, regionalen oder kulturellen Hintergrund ab. In Deutschland sind weniger als 40% der erwerbstätigen Bevölkerung auf LinkedIn.

KI-Definition: Die hier vorliegende Definition von KI-Kompetenzen umfasst eine Liste von Fähigkeiten, die von LinkedIn als KI-Kompetenzen identifiziert wurden. Zu dieser Liste gehören unter anderem maschinelles Lernen, Natural Language Processing, Data Structures, Artificial Intelligence, Computer Vision, Image Processing, Deep Learning, TensorFlow, Pandas (Software) und OpenCV. Die komplette Liste der KI-Kompetenzen ist Eigentum von LinkedIn und nicht öffentlich verfügbar. Für weitere Informationen zum LinkedIn Kompetenzcluster siehe auch: World Bank Group, LinkedIn (2018), Data insights: Jobs, skills and migration trends methodology & validation results, Appendix F.

Methodik: Top KI-Kompetenzen nach Häufigkeit: Die Daten, die diesem Indikator unterliegen sind die zehn im Durchschnitt meistgenannten KI-Kompetenzen durch LinkedIn-Nutzer*innen in Deutschland in den Jahren 2015-2020. Künstliche Intelligenz ist ebenfalls eine der Kompetenzen die am zweithäufigsten von LinkedIn-Nutzer*innen zwischen 2015 und 2020 zu ihrem Profil hinzugefügt wurden. Auch wenn sich diese Kompetenz mit dem Obergriff der KI-Kompetenzgruppe deckt, existiert sie bei LinkedIn als einzelne Kompetenz, was daran liegt, dass LinkedIn-Nutzer*innen sie auf ihrem Profil als solche angeben. LinkedIns Kompetenz-Taxonomie ergibt sich aus den Kompetenzen, die LinkedIn-Nutzer*innen angeben. Diese werden von LinkedIn überprüft und als tatsächliche Kompetenz verifiziert und dann standardisiert, d.h. die Kompetenz-Taxonomie ist stark durch Nutzer*innen generiert. Top KI-Kompetenzen bezogen auf die größte Veränderung im Jahresvergleich: Die zehn Kompetenzen die in den jeweiligen Jahren den höchsten prozentualen Zuwachs von LinkedIn-Nutzer*innen in Deutschland hatten, die diese Kompetenzen zu ihrem Profil hinzugefügt haben. Weitere Informationen sind in der methodischen Anmerkung des OECD.AI Policy Observatoriums (OECD.AI) zu finden.

Nur 21% der KI-Talente in Deutschland sind Frauen

KI-Expert*innen sind auf dem Arbeitsmarkt hart umkämpft. Qualifizierte Mitarbeiter*innen für offene Stellen im KI-Bereich zu finden stellt Unternehmen, Hochschulen und Forschungseinrichtungen vor große Herausforderungen. Wie viele KI-Talente gibt es in Deutschland und anderen Ländern? Und wie sind Frauen in diesem zukunftsweisenden Bereich repräsentiert? In welchen Branchen arbeiten KI-Talente in Deutschland? Dieser Indikator zeigt die Anzahl von KI-Talenten in Deutschland, den USA, Großbritannien, Frankreich, der Schweiz, den Niederlanden und Dänemark. In Deutschland wurden 143.000 LinkedIn-Nutzer*innen als KI-Talente identifiziert. Die absolute Anzahl von KI-Talenten in den Ländern kann nicht direkt verglichen werden, da die Anzahl der Erwerbstätigen der Länder unterschiedlich groß ist, der Anteil der LinkedIn Nutzer*innen an der erwerbstätigen Bevölkerung variiert und Branchen und Arbeitsmarktbereiche je nach Land unterschiedlich stark auf LinkedIn repräsentiert sind. Auch wenn die Zahlen international nicht direkt vergleichbar sind, geht LinkedIn davon aus, dass KI-Trends auf der Plattform gut abgebildet werden, da Mitglieder eine Affinität zum Digitalbereich haben. Es zeigt sich deutlich, dass noch mehr getan werden muss, um Frauen im Bereich KI zu fördern. Der Anteil von Frauen an den KI-Talenten ist in Deutschland im Vergleich zu den anderen Ländern relativ gering. Nur 21% der KI-Talente in Deutschland sind Frauen. In den USA sind immerhin 28% der KI-Talente Frauen, in Großbritannien 27%. In Deutschland arbeiten die meisten KI-Talente in der IKT-Branche (31% verglichen mit 12% aller LinkedIn-Nutzer*innen in Deutschland).

Anzahl der KI-Talente nach Ländern und Anteil nach Gender (Dezember 2020)

LandAnzahl der KI-TalenteWeiblichMännlich
Deutschland143.00021%79%
Schweiz30.00023%77%
Vereinigte Staaten von Amerika970.00028%72%
Dänemark17.00025%75%
Niederlande44.00026%74%
Großbritannien147.00027%73%
Frankreich106.00027%73%

LinkedIn Economic Graph, Dezember 2020, KI-Definition und Methodik: siehe Indikator KI-Talente nach Branche (Deutschland)

Hinweis: LinkedIn-Daten stellen kein randomisiertes Sample der erwerbstätigen Bevölkerung eines Landes dar. Sie basieren auf den Angaben der LinkedIn-Nutzer*innen und sind deshalb nicht unbedingt repräsentativ für alle Erwerbstätigen eines Landes, auch wenn in vielen Ländern ein hoher Anteil der Erwerbstätigen LinkedIn-Nutzer*innen sind. Die hier vorgestellten Analysen zeigen die Welt aus der Sicht von LinkedIn, d.h. Ergebnisse werden dadurch beeinflusst, wer LinkedIn nutzt und wie LinkedIn genutzt wird. Je nach Land kann dies unterschiedlich sein und hängt u.a. vom professionellen, sozioökonomischen, regionalen oder kulturellen Hintergrund ab. 

KI-Definition: Als KI-Talent definiert wird jede/r LinkedIn-Nutzer*in, die/der auf ihrem/seinem LinkedIn-Profil explizit eine der von LinkedIn identifizierten KI-Kompetenzen aufgelistet hat oder einen von LinkedIn als KI-Beruf definierten Jobtitel angibt. Beispiele für die von LinkedIn als KI-Kompetenzen identifizierten Kompetenzen sind unter anderem maschinelles Lernen, Natural Language Processing, Data Structures, Artificial Intelligence, Computer Vision, Image Processing, Deep Learning, TensorFlow, Pandas (software) and OpenCV. Beispiele von KI-Berufen sind unter anderem Machine Learning Engineer, Artificial Intelligence Engineer, und Computer Vision Engineer. Die komplette Liste an KI-Kompetenzen und KI-Berufen ist Eigentum von LinkedIn und nicht öffentlich verfügbar.

Methodik: Die hier dargestellten Daten repräsentieren den Stand der Daten von LinkedIn zu einem bestimmten Zeitpunkt im Dezember 2020. LinkedIns Economic Graph zufolge repräsentieren die LinkedIn-Nutzer*innen der genannten Länder mindestens 40% der erwerbstätigen Bevölkerung, so dass die Qualität der Daten gewährleistet werden kann. Die Qualität der Daten für Deutschland ist jedoch aufgrund einer geringeren Durchdringung von LinkedIn in der erwerbtätigen Bevölkerung geringer als der Rest der Daten. Die Genderzugehörigkeit wird nicht von LinkedIn-Nutzer*innen angegeben, sondern wird aufgrund der Vornamen der LinkedIn-Nutzer*innen abgeleitet. Die Software, die LinkedIn für diese Identifizierung nutzt, ist von LinkedIn eigens programmiert worden. Die im Indikator 5.2. angebenden Branchen entsprechen der Klassifizierung von LinkedIn. Die Zuordnung der LinkedIn-Branchen auf die europäische statistische Klassifizierung von ökonomischen Aktivitäten (NACE) kann bei der Einordnung der LinkedIn-Branchen hilfreich sein.

Hoher Bedarf an KI-Talenten in Deutschland

Der Nachfrage nach mehr KI-Talenten und KI-Kompetenzen wird oft thematisiert. So auch in einer Studie aus dem Jahr 2019, die vom Bundesministerium für Wirtschaft und Energie beauftragt wurde und vom Leibniz-Zentrum für Europäische Wirtschaftsforschung durchgeführt wurde. Die Studie bestätigt, dass es einen hohen Bedarf an KI-Expert*innen gibt: 30% der KI-einsetzenden Unternehmen in Deutschland hatten im Jahr 2019 offene Stellen in diesem Bereich zu besetzen.

Welches Bild zeichnet sich hinsichtlich der Einstellungsraten von KI-Talenten in anderen OECD-Ländern ab? Dieser Indikator zeigt, dass die Einstellungsrate von KI-Expert*innen in Deutschland im Jahr 2020 1,58-mal höher war als im Jahr 2016. Die größten Veränderungen der KI-Einstellungsraten können in Chile und in der Türkei beobachtet werden (was an einer niedrigeren Ausgangsrate liegen kann). In Slowenien ist die KI-Einstellungsrate in 2020 geringer als in 2016.

Hinweis: LinkedIn-Daten stellen kein randomisiertes Sample der erwerbstätigen Bevölkerung eines Landes dar. Sie basieren auf den Angaben der LinkedIn-Nutzer*innen und sind deshalb nicht unbedingt repräsentativ für alle Erwerbstätigen eines Landes, auch wenn in vielen Ländern ein hoher Anteil der Erwerbstätigen LinkedIn-Nutzer*innen sind. Die hier vorgestellten Analysen zeigen die Welt aus der Sicht von LinkedIn, d.h. Ergebnisse werden dadurch beeinflusst, wer LinkedIn nutzt und wie LinkedIn genutzt wird. Je nach Land kann dies unterschiedlich sein und hängt u.a. vom professionellen, sozioökonomischen, regionalen oder kulturellen Hintergrund ab. In diesem Indikator sind nur OECD-Länder mit 100.000 LinkedIn-Mitgliedern oder mehr dargestellt.

KI-Definition: KI-Talent ist hier definiert als jede/r LinkedIn-Nutzer*in, der/die auf seinem/ihrem LinkedIn-Profil explizit eine der von LinkedIn identifizierten KI-Kompetenzen aufgelistet hat oder der/die einen von LinkedIn definierten KI-Beruf im Lebenslauf genannt hat. Beispiele für die von LinkedIn als KI-Kompetenzen identifizierten Kompetenzen sind unter anderem maschinelles Lernen, Natural Language Processing, Data Structures, Artificial Intelligence, Computer Vision, Image Processing, Deep Learning, TensorFlow, Pandas (Software) und OpenCV. Beispiele, die von LinkedIn als KI-Berufe klassifiziert werden, sind unter anderem Machine Learning Engineer, Artificial Intelligence Engineer, Computer Vision Engineer. Die komplette Liste an KI-Kompetenzen und KI-Berufen ist Eigentum von LinkedIn und nicht öffentlich verfügbar.

Methodik: Die Einstellungsrate von KI-Talenten wird von LinkedIn für jedes Land wie folgt berechnet: Die Anzahl von KI-Talenten, die im Jahr 2020 in ihrem LinkedIn-Profil in einem Monat sowohl einen neuen Arbeitsplatz als auch eine/n neue/n Arbeitgeber*in angegeben haben, dividiert durch die Anzahl aller LinkedIn-Nutzer*innen in einem Land. Weitere Informationen sind in der methodischen Anmerkung des OECD.AI Policy Observatoriums (OECD.AI) zu finden.

Kontinuierlicher Anstieg der Einstellungsrate von KI-Talenten in Deutschland

Wie bereits mit Indikator „Einstellungsraten von KI-Talenten in ausgewählten OECD-Ländern“ deutlich wird, werden KI-Talente stark nachgefragt: Ihre Fähigkeiten und Kompetenzen sind für Anwendungen Künstlicher Intelligenz erforderlich, zugleich gibt es auf dem Arbeitsmarkt jedoch zu wenige von ihnen. Vor diesem Hintergrund stellt sich die Frage, wie sich die Nachfrage nach Arbeitnehmer*innen mit KI-Kompetenzen in den letzten Jahren verändert hat. Daher zeigt dieser Indikator, mit welcher Rate KI-Talente in Deutschland eingestellt werden. Das Ergebnis: Im Zeitverlauf ist zu sehen, dass sie seit 2017 vermehrt eingestellt wurden, was die starke Nachfrage nach KI-Talenten verdeutlicht.

Hinweis: LinkedIn-Daten stellen kein randomisiertes Sample der erwerbstätigen Bevölkerung eines Landes dar. Sie basieren auf den Angaben der LinkedIn-Nutzer*innen und sind deshalb nicht unbedingt repräsentativ für alle Erwerbstätigen eines Landes, auch wenn in vielen Ländern ein hoher Anteil der Erwerbstätigen LinkedIn-Nutzer*innen sind. Die hier vorgestellten Analysen zeigen die Welt aus der Sicht von LinkedIn, d.h. Ergebnisse werden dadurch beeinflusst, wer LinkedIn nutzt und wie LinkedIn genutzt wird. Je nach Land kann dies unterschiedlich sein und hängt u.a. vom professionellen, sozioökonomischen, regionalen oder kulturellen Hintergrund ab. In Deutschland sind weniger als 40% der erwerbstätigen Bevölkerung auf LinkedIn.

KI-Definition: KI-Talent ist hier definiert als jede/r LinkedIn-Nutzer*in, der/die auf seinem/ihrem LinkedIn-Profil explizit eine der von LinkedIn identifizierten KI-Kompetenzen aufgelistet hat oder der/die einen von LinkedIn definierten KI-Beruf im Lebenslauf genannt hat. Beispiele für die von LinkedIn als KI-Kompetenzen identifizierten Kompetenzen sind unter anderem maschinelles Lernen, Natural Language Processing, Data Structures, Artificial Intelligence, Computer Vision, Image Processing, Deep Learning, TensorFlow, Pandas (Software) und OpenCV. Beispiele, die von LinkedIn als KI-Berufe klassifiziert werden, sind unter anderem Machine Learning Engineer, Artificial Intelligence Engineer, Computer Vision Engineer. Die komplette Liste an KI-Kompetenzen und KI-Berufen ist Eigentum von LinkedIn und nicht öffentlich verfügbar.

Methodik: Die Einstellungsrate von KI-Talenten wird von LinkedIn für jedes Land wie folgt berechnet: Die Anzahl von KI-Talenten, die für 2020 in ihrem LinkedIn-Profil im selben Monat einen neuen Arbeitsplatz und eine/n neue/n Arbeitgeber*in angegeben haben, dividiert durch die Anzahl aller LinkedIn-Nutzer*innen in einem Land. Der KI-Einstellungsraten-Index ist als gleitender Durchschnitt über zwölf Monate berechnet, um die Kurve zu glätten. Weitere Informationen sind in der methodischen Anmerkung des OECD.AI Policy Observatoriums (OECD.AI) zu finden.

KI-Kompetenzen: Deutschland international auf Platz 2

Wie verbreitet sind KI-Kompetenzen in Deutschland im Vergleich zu anderen OECD-Ländern? Der Indikator „Relative Durchdringung von KI-Kompetenzen in OECD-Ländern“ – von LinkedIn entwickelt und vom OECD.AI Policy Observatorium genutzt – zeigt, dass LinkedIn-Nutzer*innen in Deutschland 1,58-mal so häufig KI-Kompetenzen angeben, wie der OECD-Durchschnitt. Im Vergleich zu anderen OECD-Ländern steht Deutschland damit auf dem zweiten Platz hinter den USA sowie vor Israel, Kanada, Südkorea, Japan, Großbritannien und Frankreich. Das zeigt, dass Deutschland hinsichtlich KI-Kompetenzen international relativ gut aufgestellt ist, jedoch im Vergleich zu den USA noch etwas Aufholbedarf hat.

Hinweis: LinkedIn-Daten stellen kein randomisiertes Sample der erwerbstätigen Bevölkerung eines Landes dar. LinkedIn-Daten basieren auf den Angaben der LinkedIn-Nutzer*innen und sind deshalb nicht unbedingt repräsentativ für alle Erwerbstätigen eines Landes, auch wenn in vielen Ländern ein hoher Anteil der Erwerbstätigen LinkedIn-Nutzer*innen sind. Die hier vorgestellten Analysen präsentieren die Welt aus der Sicht von LinkedIn und diese wird dadurch beeinflusst, wie die LinkedIn-Nutzer*innen LinkedIn verwenden. Dies kann sehr vom professionellen, sozioökonomischen, regionalen oder kulturellen Hintergrund abhängen sowie von der Verfügbarkeit und Zugänglichkeit der LinkedIn-Webseite.

KI-Definition: Die hier vorliegende Definition von KI-Kompetenzen umfasst eine Liste von Fähigkeiten, die von LinkedIn als KI-Kompetenzen identifiziert wurden. Zu dieser Liste gehören unter anderem maschinelles Lernen, Natural Language Processing, Data Structures, Artificial Intelligence, Computer Vision, Image Processing, Deep Learning, TensorFlow, Pandas (Software) und OpenCV. Die komplette Liste an KI-Kompetenzen ist Eigentum von LinkedIn und nicht öffentlich verfügbar. Für weitere Informationen zu LinkedIn Kompetenzcluster siehe auch: World Bank Group, LinkedIn (2018), Data insights: Jobs, skills and migration trends methodology & validation results, Appendix F.

Methodik: Der Indikator „Relative Durchdringung von KI-Kompetenzen“ beruht auf dem von LinkedIn entwickelten Skills-Genom-Index, der die Top 50 für einen Jobtitel „sowohl einzigartigen und repräsentativen“ Kompetenzen erfasst und dann den Anteil der von LinkedIn als KI-Kompetenzen klassifizierten Kompetenzen an diesen errechnet. 
Die Durchdringung mit KI-Kompetenzen in einem Land ist definiert als der durchschnittliche Anteil, den KI Kompetenzen in den Skills-Genomen aller Jobtitel in diesem Land darstellen. Da die Liste der Jobtitel von Land zu Land variieren kann, ist der Indikator nicht direkt über alle Länder hinweg vergleichbar. Um einen internationalen Vergleich des Indikators zu ermöglichen, ist die relative Durchdringung mit KI-Kompetenzen definiert als Verhältnis zwischen der Durchdringung mit KI-Kompetenzen in einem Land und der durchschnittlichen Durchdringung mit KI-Kompetenzen in allen Ländern. Dabei werden nur die Jobtitel einbezogen, die in allen Ländern vorkommen. In diesem Indikator werden nur Länder mit mehr als 100.000 LinkedIn Nutzer*Innen dargestellt. Es ist davon auszugehen, dass digitale Kompetenzen in den entwickelten Volkswirtschaften relativ gut auf LinkedIn aufgeführt werden. Weitere Informationen sind in der methodischen Anmerkung des OECD.AI Policy Observatoriums (OECD.AI) zu finden.

Über LinkedIn

Das berufliche Netzwerk LinkedIn vernetzt Arbeitnehmer*innen und Arbeitgeber*innen und bietet eine Plattform zum Informationsaustausch, zur Jobsuche sowie zur Weiterbildung und Vernetzung. Alle LinkedIn-Mitglieder haben die Möglichkeit, auf ihrem Profil ihre Fähigkeiten anzugeben. Den Profilen der Mitglieder stehen Stellenanzeigen gegenüber, die von Unternehmen über die Plattform veröffentlicht werden. Weltweit gibt es derzeit etwa 740 Millionen LinkedIn-Mitglieder und es wird über elf Millionen offene Stellen informiert.

Alle LinkedIn-Mitglieder haben die Möglichkeit, auf ihrem Profil ihre Kompetenzen anzugeben. Die genannten Fähigkeiten der Mitglieder stellen Selbsteinschätzungen dar, können aber durch das persönliche Netzwerk bestätigt werden. Aktuell gibt es mehr als 35.000 unterschiedliche, standardisierte Kompetenzen, die von LinkedIn klassifiziert wurden. Diese werden ständig aktualisiert, indem neu aufkommende Fähigkeiten der Mitglieder durch Algorithmen erfasst werden. Die angegebenen Kompetenzen der Mitglieder werden von LinkedIn in eine Taxonomie von 249 Kompetenzclustern gruppiert, die auf anonymisierte Weise statistisch für diesen Datensatz ausgewertet wurden.

Die Daten des Karrierenetzwerks umfassen die unterschiedlichen Bereiche des deutschen Arbeitsmarkts nicht im gleichen Maße. Einige Branchen und Regionen sind stärker vertreten als andere. Vor allem die Wirtschaftszweige „Industrie“, „freiberufliche, wissenschaftliche, technische Dienstleistungen“ und „Information und Kommunikation“ sind gut vertreten. Im Gegensatz zur amtlichen Statistik sind die Teilnahme am LinkedIn-Netzwerk und die Angaben der Mitglieder freiwillig.

Die Denkfabrik Digitale Arbeitsgesellschaft und das KI-Observatorium analysieren Arbeit in ihren gesellschaftlichen Bezügen. Dies gilt auch für ein umfassendes Verständnis von KI-Technologien. Inwiefern ist die gesellschaftliche Diversität in der KI-Forschung repräsentiert? Wie hoch ist die Akzeptanz der Bevölkerung für einen KI-Einsatz außerhalb der Arbeitswelt – zum Beispiel in staatlichen Organisationen?

Zu wenig Frauen in der KI-Forschung in Deutschland

Warum ist Diversität in der Entwicklung von KI-Anwendungen wichtig? Erste Untersuchungen unterstützen die These, dass Diversität in KI-Entwicklungsteams zu einer größeren Vielfalt an Perspektiven führt und damit in der Folge auch zu diverseren und inklusiveren KI-Systemen (Stathoulopoulos, K., J. Mateos-Garcia (2019)).

Der Indikator „Geschlechterdiversität in der KI-Forschung“ der britischen Innovationsstiftung Nesta zeigt, ob Frauen in der KI-Forschung, in dem jeweiligen Land über- (positive Werte) oder unterrepräsentiert (negative Werte) sind. Der negative Wert für Deutschland deutet darauf hin, dass Frauen in der KI-Forschung im Vergleich zu anderen Ländern eher unterrepräsentiert sind.

KI-Definition: Um Studien mit KI-Bezug auf arXiv zu identifizieren, wurde von Nesta ein eigenes Informationsgewinnungssystem entwickelt und nicht die Kategorien von arXiv verwendet (cs.AI, cs.NE). Das entwickelte Informationsgewinnungssystem basiert auf einer erweiterten Suchfragen-Methode und einem Konzept des maschinellen Lernens, das Wörter in einen Vektorraum projiziert. In dem Vektorraum ist es möglich, die Ähnlichkeiten zwischen Wörtern zu messen. Dieser Ansatz ermöglicht es – zusätzlich zu einem Begriff, mit dem man die Suche startet – auch Synonyme und verwandte Begriffe zu verwenden; dadurch wird die Vollständigkeit des Vokabulars in der Suchanfrage verbessert. Durch diese Methode wurden 2250 Suchbegriffe mit KI-Bezug identifiziert, die verwendet wurden, um Studien mit KI-Bezug auf ArXiv zu finden. Weitere Informationen finden sie in der Nesta-Studie.

Methodik: Die dem Indikator unterliegende Analyse wurde von der britischen Innovationsstiftung Nesta durchgeführt und in der Studie „Gender Diversity in AI Research“ zusammen mit weiteren Ergebnisse zum Thema veröffentlicht. Die Daten, auf denen die Analyse basiert, kommen aus dem in der KI-Forschung viel genutzten Dokumentenserver für Preprints arXiv. Für die Analyse wurden im März 2019 über die Anwendungsprogrammierschnittstelle von arXiv alle verfügbaren Studien gesammelt. Studien ohne Zusammenfassung, die weniger als 300 Zeichen hatten oder von denen man erkennen konnte, dass sie von arXiv zurückgezogen wurden, wurden aus dem Datensatz entfernt. Rund 87% dieser Studien wurden außerdem mit der Datenbank von Microsoft Academic Graph, die weitere 140 Millionen Studien enthält, ergänzt. Die Zuordnung von einer Studie zu einem Land erfolgte vorwiegend über die Anwendung des API Google Places. Für die Zuordnung von Autor*innen zu Gender wurde die Gender API genutzt. Die relative Repräsentation von Frauen ist durch einen z-Test zum Vergleich des Anteils von Frauen in KI-Publikationen zum Anteil von Frauen in allen Publikationen dargestellt. Weitere Informationen finden sie in der Nesta-Studie.

Klare Ablehnung des KI-Einsatzes vor Gericht und bei politischen Entscheidungen

Wie stehen die Menschen in Deutschland zum Einsatz von KI in verschiedenen Gesellschaftsfeldern? Dieser Indikator zeigt, dass es durchaus unterschiedliche Bewertungen von KI-Lösungen in verschiedenen Anwendungsfeldern gibt. Die größte Zustimmung für den Einsatz von KI gibt es in der industriellen Produktion und die größte Ablehnung für den Einsatz von KI vor Gericht und bei politischen Entscheidungen. Es lässt sich auch feststellen, dass die Verwendung von KI durch staatliche Institutionen eher auf Ablehnung stößt, als bei privaten Unternehmen. Männer sind in der Regel optimistischer als Frauen. 18-39-Jährige wie auch Rentner*innen über 70 Jahre befürworten KI in mehr Anwendungsfeldern, 40-69-jährige sind in den meisten Fällen eher ablehnend.

Diese Ergebnisse legen nahe, dass es für verschiedene Gesellschaftsbereiche unterschiedliche Einschätzungen des Risikos durch KI-Anwendungen gibt. 

KI-Definition: Im Rahmen dieser Befragung wurde den Befragten keine Definition von KI vorgegeben. Die Antworten der Befragten basieren folglich auf ihrer aktuellen Vorstellung von KI.

Methodik: Die dem Indikator zu Grunde liegenden Daten beruhen auf einer Befragung von etwa 10.705 Personen ab 18 Jahren, die mindestens gelegentlich das Internet nutzen. Die Befragung wird vom Institut forsa Politik & Sozialforschung GmbH Projektes alle zwei Wochen im Rahmen des Projektes „Meinungsmonitor Künstliche Intelligenz (MeMo:KI)“ des Centers for Advanced Internet Studies und der Heinrich-Heine-Universität Düsseldorf durchgeführt. Die genaue Fragestellung, die den Befragten präsentiert wurde lautete: „In der Gesellschaft gibt es verschiedene Ansichten zum Einsatz von Künstlicher Intelligenz in verschiedenen Bereichen. Manche Menschen sind eher dafür, manche dagegen. Im Folgenden sehen Sie unterschiedliche Bereiche, in denen zukünftig Künstliche Intelligenz zum Einsatz kommen könnte aufgelistet, sind Sie eher für oder gegen den Einsatz von Künstlicher Intelligenz...“ Die Antwortmöglichkeiten bewegen auf einer Skala von 1 (voll und ganz dagegen) bis 5 (voll und ganz dafür). Die Daten basieren auf elf Befragungen in den Kalenderwochen 19 (Mai 2020), 21, 23, 25, 27, 29 (bis hierhin zweiwöchentliche Befragung; dann monatlich), 33, 37, 41, 45, 49 (Dezember 2020) mit jeweils N=968 bis 1.023 Befragten; insgesamt sind Antworten von 10.705 Befragten aus einer für die Merkmale Geschlecht, Alter und Region (Bundesland) gewichteten Stichprobe dargestellt. Die Daten wurden dann aggregiert und es wurde ein Durchschnitt für den gesamten Erhebungszeitraum ermittelt. Weitere Informationen zum Meinungsmonitor Künstliche Intelligenz [MeMo:KI] - Version 1.0, zum Projekt MeMo:KI und den ausführlichen Methodensteckbrief finden Sie in den jeweiligen Links.

nach oben