Komplexität von Aufgaben bestimmt US-Lohnwachstum
Eine Studie der Federal Reserve analysiert die Entwicklung der US-Lohnungleichheit seit 1980. Das Modell zeigt: Vor 2000 trieb sinkender Kapitalpreis für Ausrüstung die Lohnprämien komplexer Berufe, danach bestimmte aufgabenbezogener Technologiewandel das Wachstum.
Zwei Phasen des technologischen Wandels
Die Ökonomen Colin Caines, Florian Hoffmann und Gueorgui Kambourov quantifizieren die Treiber der US-Lohnstruktur auf Berufsebene.
Die geschätzte Substitutionselastizität zwischen Ausrüstungskapital und Arbeit liegt bei 0,5 für die komplexesten und 1,6 für die einfachsten Berufe, was einen Gesamtwert von 0,80 bis 0,85 ergibt.
Bis zum Jahr 2000 führte die Kombination aus sinkenden Preisen für Ausrüstungsgüter und der Komplementarität von Kapital und Fähigkeiten zu steigenden Komplexitätsprämien.
Nach 2000 flachte der Anstieg der aggregierten Fähigkeitenpreise ab, während die Rohlohnunterschiede weiter wuchsen.
Das Modell erklärt diese Entkopplung durch eine effizientere Nutzung individueller Fähigkeiten in komplexen Berufen.
Brücke zwischen Automatisierung und Qualifikation
Das allgemeine Gleichgewichtsmodell verbindet die Ansätze des qualifikationsorientierten technologischen Wandels mit der Literatur zur Aufgabenautomatisierung.
Arbeitskräfte wählen Berufe basierend auf ihrem komparativen Vorteil bei der Lösung komplexer Probleme.
Im Gegensatz zu älteren Ansätzen berücksichtigt das Modell Verdrängungseffekte auf dem Arbeitsmarkt ohne künstliche Annahmen über Intermediärgüter.
Ohne die Komplementarität zwischen Kapital und Fähigkeiten wäre der Lohnabstand zwischen den extremen Komplexitätsgruppen lediglich um die Hälfte gestiegen.
Mehr als nur eine Theorie
Die Arbeit schließt eine wichtige Lücke zwischen Automatisierungsmodellen und der Debatte um Qualifikationsprämien.
Empirisch überzeugt die saubere Trennung von Aufgabenkomplexität und Ersetzbarkeit durch Maschinen.
Für die Bewertung künstlicher Intelligenz am Arbeitsmarkt bietet dieses Modell das nötige Fundament.