Schafft Künstliche Intelligenz neue Handlungsspielräume bei der Arbeit? Diese Frage ist eng verbunden mit der Hoffnung auf technische Heilsbringer zur Entlastung von Beschäftigten von müßigen Routinen, als kreativer Allrounder, als Wundermittel für Produktivität und Effizienz oder gar als Antwort auf den Fachkräftemangel. Gina Glock berichtet Forschungsergebnisse aus ihrer Dissertation "Algorithmic Decision-Making in Service Work".

Unter dem Schlagwort „Künstliche Intelligenz“ werden weitreichende Veränderungen in der Arbeitswelt verhandelt. In der Arbeitssoziologie und verwandten Fachbereichen stellen sich Fragen nach der veränderten Rolle von Menschen in Arbeitsprozessen sowie ihrer Entscheidungsfreiheit über Arbeitsinhalte und -bedingungen. Diesen Konfliktfeldern geht das kürzlich erschienene Buch „Algorithmic Decision-Making in Service Work. An Analysis of Changing Job Autonomy“ nach und untersucht, wie algorithmische Entscheidungssysteme (algorithmic decision-making systems, ADM) die Arbeitsautonomie von Beschäftigten im Dienstleistungssektor beeinflussen.

Anhand von zwei interviewbasierten Unternehmensfallstudien aus der ambulanten Pflege und dem Bankwesen wird aufgezeigt, unter welchen organisatorischen Bedingungen positive Autonomieerfahrungen ermöglicht werden. Dabei mögen die beiden Branchen der Pflege und des Bankwesens zunächst als diametrale Gegensätze wirken: Auf der einen Seite ausgeprägter Fachkräftemangel bei stetig steigender Nachfrage nach pflegerischen Leistungen und heterogener Verbreitung digitaler Arbeitsmittel und Systeme; Auf der anderen Seite seit Jahren sinkende Beschäftigung, hoher Wettbewerbsdruck und eine Vorreiterstellung hinsichtlich digitaler Finanzinstrumente. Eines haben sie jedoch gemein, und zwar einen hohen Anteil an Interaktionsarbeit, den Beschäftigte in ihrer Arbeit vollziehen und dabei teils sehr häufig negativen, psychisch belastenden Erlebnissen ausgesetzt sind (Institut DGB-Index Gute Arbeit 2018).

 

Wer hat die Kontrolle?

Beschäftigte im Dienstleistungssektor haben ein starkes Bedürfnis nach Autonomie bei der Arbeit – dies ist ein Grundtenor, der sich durch die gesamte Interviewreihe und Studie zieht und deckt sich mit der Selbstbestimmungstheorie (Ryan & Deci 2000), die Autonomie als ein psychologisches Grundbedürfnis des Menschen beschreibt. Im Arbeitskontext wurde Autonomie spätestens in den 1970er Jahren als Stellschraube erkannt, die Entfremdungstendenzen, sinkender Motivation und Produktivität in klassisch-tayloristischen Arbeitssystemen gegenübersteht. So sind beispielsweise positive Relationen zwischen Autonomie und Arbeitszufriedenheit (Wheatley 2017), Produktivität (Langfred & Moye 2004), Innovativität (de Spiegelaere et al. 2016) oder Kreativität (Sia & Appu 2015) bekannt.

Im Allgemeinen bezieht sich Arbeitsautonomie auf die Möglichkeit, die eigenen Handlungsweisen in Bezug auf Arbeitsprozesse selbst zu bestimmen. Wer bestimmen will, wie viel Autonomie bei der Arbeit vorliegt, fragt häufig danach, inwieweit Beschäftigte ihre Arbeit selbständig planen können oder Methoden zur Lösung einer Aufgabe wählen können. Die vorliegende Studie schließt darüber hinaus auch Aspekte der Arbeitszeit und des Arbeitsorts in die Betrachtung von Arbeitsautonomie ein, um den Rahmenbedingungen flexibilisierter Arbeitsverhältnisse gerecht zu werden.

Sogenannte algorithmische Entscheidungssysteme (ADM), als regelbasierte oder lernende technische Systeme, die einen Algorithmus als Entscheidungsträger (Gesellschaft für Informatik e.V. 2018) in ihrem Kern haben, zeigen verschiedene Eingriffsebenen in die Arbeit von Dienstleistungsbeschäftigten und können zur Erfüllung unterschiedlicher betrieblicher Strategien eingesetzt werden, meist in einem spezifischen Verhältnis von Kontrolle und Optimierung. Warum wird in der vorliegenden Studie nicht von KI gesprochen?

Die Verwendung des Begriffs „Künstliche Intelligenz“ (als Synonym für die Methode des Maschinellen Lernens) umstritten. Gerade im öffentlichen Diskurs findet der Begriff unscharfe Verwendung und wird auch für simplere Digitalisierungsprozesse und Datenanalysen verwendet. In der Fachwelt hat sich daher der Begriff „algorithmic decision-making (ADM)“ etabliert, der deutlicher auf die Funktionen der aktuellen Systeme hinweist: Menschen delegieren die Vorbereitung oder Umsetzung von Entscheidungen an Maschinen. ADM kann sich auf einfache Digitalisierungsschritte oder KI-Anwendungen beziehen, wie sie derzeit verstanden werden, d. h. lernende Systeme. ADM-Systeme und ML-basierte Systeme können sich überschneiden, müssen es aber nicht. Oft schließen sich an regelbasierte ADM einzelne Systemelemente mit lernenden Funktionen an. Angesichts der hohen Entwicklungsdynamik von technischen Systemen, die unter KI verhandelt werden, muss jedoch festgehalten werden, dass eine verallgemeinerbare Begriffsdefinition aussteht.

Was technische Systeme im Arbeitskontext grundsätzlich eint, ist ihr Eingriffsvermögen in Arbeitsprozesse und damit die potenzielle Einflussnahme auf das Arbeitshandeln von Menschen. Beschäftigte selbst wollen die Kontrolle über ihre Arbeit so weit wie möglich behalten. Der Einsatz von ADM-Systemen steht diesem Anspruch nicht grundsätzlich entgegen – allerdings stellen sie die Entscheidungshoheit über Arbeitsinhalte und -bedingungen zunehmend in Frage.

Verfestigte Polarisierungen, wenige Gewinner, viele Verlierer

Wie hat sich die Autonomie von Beschäftigten in den letzten Jahren grundsätzlich entwickelt? Quantitative Analysen auf Basis der BIBB/BAuA-Erwerbstätigenbefragung zum Ausmaß der Arbeitsautonomie zeigen eine klare Spaltung innerhalb des Dienstleistungssektors, die eine deutliche Botschaft über bestehende Ungleichheiten aussendet: Ein Vergleich zwischen den Daten von 2012 und 2018 zeigt, dass die bereits autonomiestarken Bereiche (wie Informations- und Kommunikationsdienstleistungen, das Finanz- und Versicherungswesen, freiberufliche, wissenschaftliche und technologische Dienstleistungen) zu den Autonomiegewinnern gehören. Allerdings haben einige von ihnen auch Einbußen in Bezug auf die Aufgaben- und Methodenautonomie hinnehmen müssen, wie z. B. im Finanz- und Versicherungswesen oder im Immobiliensektor.

Im Gegensatz dazu haben Branchen mit schwach ausgeprägter Autonomie, wie Handel, Logistik, Beherbergungs- und Gaststättenwesen oder Gesundheits- und Sozialwesen, weiter an Boden verloren, was zu dem übergreifenden Thema der zunehmenden Polarisierung führt. Besonders hervorzuheben sind die zeitbezogenen Autonomieverluste dieser Branchen, die eine intensivere Arbeit belegen. Die Arbeitsautonomie in Bezug auf Arbeitsmethoden weist zum Teil deutliche Rückgänge auf, was darauf hindeutet, dass die Art und Weise, wie Aufgaben erledigt und neue Aufgaben angegangen werden, eingeschränkt wird. Der Arbeitsdruck scheint gerade in den Branchen zugenommen zu haben, in denen die Arbeitsintensität bereits hoch ist.

Insgesamt sind die Zuwächse bei der Autonomie am Arbeitsplatz für Dienstleistungsbeschäftigte selten hoch, aber die Verluste sind oft gravierend und betreffen die Mehrheit der Beschäftigten. Aber wie spiegelt sich der Einsatz von ADM-Systemen in dieser gespaltenen Autonomiesituation wider? Quantitative Analysen können diesen Zusammenhang (noch) nicht in Gänze darstellen, sodass dieser in tiefergehenden Unternehmensfallstudien mit Leben gefüllt werden muss.

Es gibt auch positives … aus der Pflege?

Als ADM-Beispiel in der ambulanten Pflege dient eine ganzheitliche Softwarelösung für digitale Arbeitsprozesse, einschließlich einer ML-basierten Schicht- und Tourenplanung sowie Dokumentation per Spracheingabe. Dagegen setzt ein integriertes System zur Kundenansprache, das im Kern Produktempfehlungen bereitstellt, ein ADM-Beispiel im Bereich der Bankberatung. Beide sind Systeme, die die Arbeitsorganisation und -abläufe in den jeweiligen Unternehmen nicht von Grund auf, disruptiv verändert haben, sondern eher punktuell in den Arbeitsalltag der Beschäftigten eingreifen. Der Kern der Dienstleistungsarbeit, d. h. die pflegerisch-medizinische Arbeit oder die direkte Kundenberatung, bleibt unberührt. Und dennoch haben diese punktuellen Eingriffe teils große Auswirkungen auf das Autonomieempfinden der Nutzenden.

Die Unternehmensfallstudien zeigen, dass der Eingriff dieser ADM-Systeme in die Arbeitsprozesse von Pflegekräften und Bankberatern überwiegend positive Auswirkungen auf die Arbeitsautonomie hat. In beiden Fällen sind Verbesserungen bei den jeweiligen Dienstleistungen sowie Entlastungstendenzen für die Beschäftigten erkennbar. Im Fallbeispiel der ambulanten Pflege werden Beiträge zur Qualität der Pflege geleistet, etwa durch einen höheren Standardisierungsgrad, verbesserte Informationsflüsse und -zugänge, insbesondere am Point of Care. Entlastungen im Arbeitsalltag beziehen sich hier auf die Reduktion administrativen Aufwands und Flexibilisierung von Ort und Zeit. So müssen Pflegekräfte aufgrund der digitalen Verfügbarkeit aller Informationen nicht zum Dienstantritt ins Büro kommen, sondern können ihren Arbeitstag direkt von zu Hause aus starten. Punktuell haben sich sogar Erleichterungen bei der Interaktionsarbeit gezeigt, sei es in der Kommunikation mit Kolleginnen und Kollegen oder weil die Pflegedokumentation nicht mehr so viel Zeit bei Pflegeempfangenden einnimmt.

Die Veränderungen der Arbeitsautonomie können sich dagegen für Bankberater/-innen ambivalent auswirken: Zwar werden Qualität und Quantität der Beratungsleistungen verbessert und die täglichen Arbeitsaufwände teils reduziert. Allerdings ist die Arbeit der Berater auch mit mehr Widersprüchen behaftet, wie z. B. einer strikten zeitlichen Bindung von Produktempfehlungen oder der stetigen Rekalkulation von Produktempfehlungen durch das System, was eine kaum abzuarbeitende Menge an Aufgaben für Beraterinnen und Berater zur Folge hat.

Was festzuhalten bleibt, ist, dass viele dieser positiven Effekte auf Arbeitsautonomie, insbesondere in der ambulanten Pflege, auf die rein digitalen/regelbasierten Elemente der ADM-Systeme und auf deren hohen technischen Reifegrad zurückzuführen sind. Diese Effekte werden spürbar, wenn sie nicht in die Ausführung der Interaktionsarbeit eingreifen und die ihnen zweifelsohne innewohnenden Kontrollmechanismen fehlen.

Demgegenüber gelingt es den lernenden Elementen der Systeme (ambulante Pflege: Tourenplanung, Dokumentation; Bankberatung: Verknüpfung von Produkt-Zeit-Kunde), Verbesserungen in Arbeitsbereichen herbeizuführen, zu denen regelbasierte Systeme bisher weniger Zugang hatten:

• Verbesserung und Individualisierung der Servicequalität
• Erweiterung des Handlungsspektrums
• Unterstützung bei der Zielerreichung (quantitativ und qualitativ)

Allerdings zeigt sich ebenso deutlich, dass das lernende ADM, zumindest in seiner derzeitigen Anwendung, zu mehr Widersprüchen in der Arbeit führen kann:

• Fehlende Nachvollziehbarkeit und Transparenz als Autonomiehemmer
• Zeitkomponente als Arbeitsintensivierung
• Potenzieller Einfluss auf Interaktionsarbeit und Erosion von Erfahrungswissen

Diese Widersprüchlichkeiten und Konflikte kommen insbesondere zum Tragen, wenn ADM-Systeme und die erhobenen leistungsbezogenen Beschäftigtendaten als Kontrollinstanz seitens des Managements fungieren. Ein ebenso wichtiger Punkt ist der Erhalt bzw. der Nicht-Eingriff der Systeme in die direkten Interaktionsarbeiten der Beschäftigten – dies gilt gleichermaßen für beide Branchen. Dazu ist es wichtig zu verstehen, dass diese Interaktionstätigkeiten, so belastend sie auch sein können, ebenso motivations- und sinnstiftend auf die Arbeitsqualität wirken. Eine entscheidende Rolle spielt hierbei die Möglichkeit, das eigene Erfahrungswissen im Umgang mit Dienstleistungsempfängern nutzen zu können und nicht zwingend Anweisungen der ADM-Systeme folgen zu müssen – insbesondere da diese technischen Systeme immer noch fehlerbehaftete Ausgaben tätigen können. Techniknutzung als Handlungsoption und nicht als Zwang scheint insbesondere in Bereichen mit intensiver Interaktionstätigkeit die Maßgabe.

Was wichtiger ist als Technik

In den für sie wichtigen Arbeitsbereichen behalten die Dienstleistungsbeschäftigten die Deutungshoheit über ihre Arbeit – dies gilt insbesondere für die sinn- und motivationsstiftende, wie auch extrem belastungsbehaftete Interaktionsarbeit mit Kundschaft und Patientenschaft. Diese Ergebnisse sind ganz entscheidend vor dem Hintergrund der Unternehmensstrategie hinter dem Einsatz spezifischer Technologien zu bewerten: Wenn die Ziele des Unternehmens im Bereich der Prozessoptimierung zur Unterstützung von Arbeitsabläufen liegen – über den Ausbau von Kontrollmechanismen für den Einsatz von Arbeitskräften hinaus –, besteht eine weitaus geringere Gefahr für die Gestaltung und Strukturierung autonomer Dienstleistungsarbeit. So begründet sich auch das Positivbeispiel aus der ambulanten Pflege, denn hier ist das ausgesprochene Ziel des Technikeinsatzes laut des Geschäftsführers die Herstellung reibungsloser, medienbruchfreier Arbeitsabläufe sowie die Flexibilisierung von Pflegearbeit (soweit möglich). Im Fallbeispiel der Bankberatung liegt der Fokus des Managements dagegen auf der Erschließung neuer Vertriebspotenziale, was sich in Intensivierungstendenzen und neuen Handlungszwängen bei der Arbeit niederschlägt.

Letztlich erfordert der zunehmende Einsatz von KI-Systemen mehr betriebliche Mitbestimmung, wenn die Beschäftigten deren Implementierung und Nutzung mitgestalten wollen. Allzu oft wird bestehendes Arbeitsrecht ausgehebelt, die Beschäftigten einfach überrollt und Mitbestimmung nur auf dem Papier ein Recht der Beschäftigten. Die Menschen müssen in die Lage versetzt werden, die Art und Weise ihrer Arbeit zu beeinflussen, und zwar unabhängig von ihrem Qualifikationsniveau, ihrem Beruf (und natürlich auch von anderen sozioökonomischen Faktoren). Beispielsweise hilft die bloße Existenz eines Betriebsrats Beschäftigten aber wenig, wenn der Betriebsrat von seinen Mitbestimmungsrechten keinen Gebrauch macht oder machen kann. Letztlich ist es auch eine Frage der Ressourcen. Betriebsräte müssen fähig und befähigt werden, mitzubestimmen. An dieser Stelle ist vor allem der Gesetzgeber gefordert, den Betriebsräten neue Mittel und Kenntnisse an die Hand zu geben, damit sie den Einsatz von Technik tatsächlich mitgestalten können.

Nicht nur Mitbestimmungs- und Beteiligungsformate bei der Umsetzung von Technik können ein wirksamer Hebel zur Gestaltung von Arbeitsprozessen sein. Aus Sicht des Arbeits- und Gesundheitsschutzes bietet die Gefährdungsbeurteilung ein klares Instrument, um das Gefährdungspotenzial neuartiger Technologien zu bewerten. Sie ist grundsätzlich für jedes Unternehmen verpflichtend, insbesondere beim Einsatz von Technik, aber viele Unternehmen kommen dieser Verpflichtung nicht nach (Sommer et al 2024).

Schließlich entscheidet nicht allein die Funktionalität einer Technik über deren Wirkung auf Arbeitsbedingungen, sondern wesentlich die organisatorische Einbettung, welche maßgeblich durch die betriebliche Strategie hinter dem Technikeinsatz bestimmt wird. Eben diese Frage – Welche Ziele werden mit dem Einsatz einer bestimmten Technik im Betrieb verfolgt? – wird viel zu selten gestellt. Dies können Intentionen wie Produktivitäts- und Effizienzversprechungen, Attraktivitätszuwachs als Arbeitgeber, Geschäftsmodellinnovation oder eben Kontrolle (bzw. die Sorge vor Kontrollverlust) sein, wobei letzteres sicherlich nur selten als explizites betriebliches Ziel ausgerufen wird.

 

Literatur

de Spiegelaere, S./van Gyes, G./van Hootegem, G. (2016). Not All Autonomy is the Same. Different Dimensions of Job Autonomy and Their Relation to Work Engagement & Innovative Work Behavior. Human Factors and Ergonomics in Manufacturing & Service Industries, 26(4), 515–527. https://doi.org/10.1002/hfm.20666

Gesellschaft für Informatik e.V. (2018). Technische und rechtliche Betrachtungen algorithmischer Entscheidungsverfahren: Gutachten der Fachgruppe Rechtsinformatik der Gesellschaft für Informatik e.V. im Auftrag des Sachverständigenrats für Verbraucherfragen. Sachverständigenrat für Verbraucherfragen (SVRV). https://gi.de/fileadmin/GI/Allgemein/PDF/GI_Studie_Algorithmenregulierung.pdf

Institut DGB-Index Gute Arbeit. (2018). DGB-Index Gute Arbeit. Der Report 2018: Wie die Beschäftigten die Arbeitsbedingungen in Deutschland beurteilen.

Langfred, C. W. & Moye, N. A. (2004). Effects of Task Autonomy on Performance: An Extended Model Considering Motivational, Informational, and Structural Mechanisms. The Journal of Applied Psychology, 89(6), 934–945. https://doi.org/10.1037/0021-9010.89.6.934

Ryan, R. M. & Deci, E. L. (2000). Self-Determination Theory and the Facilitation of Intrinsic Motivation, So-cial Development, and Well-Being. American Psychologist, 55(1), 68–78. https://doi.org/10.1037//0003-066x.55.1.68

Sia, S. K. & Appu, A. V. (2015). Work Autonomy and Workplace Creativity: Moderating Role of Task Complexity. Global Business Review, 16(5), 772–784. https://doi.org/10.1177/0972150915591435

Sommer, S./Lunau, T./Wahrendorf, M./Beck, D./La Rocca, G./Rigó, M. (2024). Der Zusammenhang zwischen betrieblicher Arbeitsschutzorganisation und Gefährdungsbeurteilung. Zentralblatt für Arbeitsmedizin, Arbeitsschutz und Ergonomie, 74(5), 193–201. https://doi.org/10.1007/s40664-024-00535-2

Wheatley, D. (2017). Autonomy in Paid Work and Employee Subjective Well-Being. Work and Occupations, 44(3), 296–328. https://doi.org/10.1177/0730888417697232