Bedingungsloses Grundeinkommen und Digitale Transformation

INHALTSVERZEICHNIS

Abkürzungsverzeichnis

1. Einleitung

2. Digitale Transformation (DT)
2.1. Definition
2.2. Mögliche Auswirkungen auf Wirtschaft und Arbeitsmarkt
1.2.1 Unsicherheit
1.2.2 Szenario digitale Transformation A (DT-A)
1.2.3 Szenario digitale Transformation B (DT-B)

3. Bedingungsloses Grundeinkommen (BGE)
3.1. Definition
3.2. Mögliche Auswirkungen auf Wirtschaft und Arbeitsmarkt
3.2.1. Unsicherheit
3.2.2. Szenario bedingungsloses Grundeinkommen A (BGE-A)
3.2.3. Szenario bedingungsloses Grundeinkommen B (BGE-B)

4. Zusammenspiel entwickelter Szenarien
4.1. Vorbemerkungen
4.2. Szenario DT-A und BGE-A
4.3. Szenario DT-A und BGE-B
4.4. Szenario DT-B und BGE A
4.5. Szenario DT-B und BGE-B

Fazit

Literaturverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1. Einleitung

Digitalisierung, Automatisierung, Industrie 4.0¹ oder künstliche Intelligenz (KI) und verwandte Begriffe prägen die öffentliche Debatte wie kaum zuvor (vgl. Stettes, 2018, S.5). Immer wieder werden in diesem Zusammenhang insbesondere die Auswirkungen auf die Arbeitswelt diskutiert. In der globalen wie deutschen Wirtschaft ist die digitale Transformation seit einigen Jahren weit mehr als nur Modewort. Mit Sicherheit kann man davon ausgehen, dass die Digitalisierung auch weiterhin, insbesondere im Zusammenspiel mit autonomen Systemen, weitreichende Folgen für Wirtschaft und Gesellschaft herbeiführt. Zum einen stellt sich die Frage welcher Natur diese Folgen sein werden und welche Charakteristika sie bedingen. Zum anderen wie das ebenfalls konträr diskutierte universelle Grundeinkommen in diesem Kontext wirken könnte. Durch einen möglichen Produktivitätsfortschritt durch Automatisierung im Rahmen der digitalen Transformation ergibt sich die Sorge um strukturelle Veränderungen. Die Idee der „Lösung“ dieses vermeintlichen Problems durch ein Grundeinkommen besteht hierbei seit Jahrzehnten (vgl. Vobruba, 2019, S. 66ff.).

Nach Definition der Begriffe „Digitale Transformation“ (DT) und „Bedingungsloses Grundeinkommen“ (BGE) folgt jeweils die Darstellung zweier möglicher Szenarien. Dies ist aufgrund der hohen Unsicherheit bezüglich der weiteren Entwicklung von Rahmenbedingungen und Einflussfaktoren, unklaren Auswirkungen beispielsweise eines BGE und hoher Divergenz existierender Forschungsergebnisse geboten. Mit der Darstellung zweier Optionen und deren jeweiliger Gegenüberstellung können mögliche Entwicklungen in ihrer Breite in vier resultierenden Szenarien dargestellt werden. Einzelne Positionen werden daher nicht systematisch geprüft oder mit Wahrscheinlichkeiten versehen. Das Konzept der Bildung einer Synthese aus These und Antithese findet aufgrund der Unsicherheit keine Anwendung, es wird beiden Thesen nachgegangen. Anhand einheitlicher makroökonomischer Größen werden die Folgen dargestellt. Für jedes Szenario werden jeweils Arbeitsangebot und -nachfrage, Arbeitslosigkeit, Arbeitsmarktpartizipation sowie Lohnentwicklung, Kapitalnachfrage und die gesamtwirtschaftliche Wertschöpfung in Form des Bruttoinlandsprodukts (BIP) beschrieben. Der Fokus liegt hierbei aufgrund des begrenzten Rahmens auf qualitativen Aussagen, die folglich keine Berechnungen, sondern vielmehr nur eine Stoßrichtung im Sinne von Erhöhung, Stagnation oder Rückgang der Größen darstellen.

2. Digitale Transformation (DT)

2.1. Definition

Was ist unter digitaler Transformation zu verstehen? Wie eingangs erwähnt, koexistieren viele unscharfe Begrifflichkeiten. Der Fokus dieser Arbeit liegt auf der Transformation der Wirtschaft und damit, neben den übrigen Bereichen Staat, Wissenschaft, Gesellschaft, auf dem im Kontext des BGE bedeutendsten Bereich. Synonym wird der Begriff der Industrie 4.0 oder der vierten industriellen Revolution verwendet. Industrie 4.0 beschreibt nicht die volle Bandbreite der DT, für die Betrachtung eines BGE aber ist sie maßgeblich. Erst die Vernetzung von großen, analysierbaren Datensätzen, autonomer Robotik und entsprechender Rechenleistung, mündend in Automatisierung durch KI, prägt den Arbeitsmarkt entscheidend. Der Mensch als steuernde oder gar ausführende Instanz wird ersetzbar (vgl. Institut für Arbeitsmakrkt- und Berufsforschung [IAB], 2015, S. 9ff.).

Die DT, insbesondere der Treiber KI, ist durch drei Faktoren bedingt: Die zunehmende Verfügbarkeit an Daten sowie stetig sinkende Preise für Speicher und Rechenleistung. Zudem sind drei Eigenschaften digitaler Daten für die Veränderungsintensität, -tiefe und -breite maßgeblich: Nicht-Rivalität, gegen null konvergierende Grenzkosten für die Vervielfältigung sowie niedrige physikalische Grenzen. Dies bewirkt unter anderem Lock-in- und Netzwerkeffekte und folglich Economies of Scale, welche die Marktstruktur prägen (vgl. Brynjolfsson & McAfee, 2018, S. 78ff.; Varian, Farell & Shapiro, 2004, S.3, 7f., 12).

Der Begriff der vierten industriellen Revolution selbst liefert bereits den Kerngehalt: Er impliziert Gleichstellung gegenüber den vorherigen drei tiefgreifenden Revolutionen (Dampfkraft, elektrische Energie, Informationstechnik). Eine Revolution verändert über einen längeren Zeitraum in hohem Tempo nachhaltig und vollumfänglich bisherige Strukturen. Dies betrifft die ganze Wertschöpfungskette von Unternehmen, folglich auch Geschäftsmodelle und Branchen.² Als „ Basis- oder Universaltechnologie(n) “ (Brynjolfsson & McAfee, 2018, S. 95), bedingt die Informationstechnik eine Bandbreite an Folge-Innovationen, die sich in der Industrie 4.0 zeigen.³ Grundsätzlich wird Information digitalisiert, also „ als Bitstrom kodiert “ (Shapiro & Varian, 1999, S. 13) oder neu erzeugt, gesammelt, analysiert und gewinnbringend in traditionellen oder völlig neuen Anwendungen eingesetzt. Durch kontinuierliche Neu-Kombination entfaltet sich der Anwendungsbereich und so das volkswirtschaftliche Potential im Zeitablauf zunehmend.⁴ (vgl. Brynjolfsson & McAfee, 2018, S. 93 ff.; Varian, Farell & Shapiro, 2004, S.5f.). Hierbei hilft Moores Gesetz: Es beschreibt, begründet durch exponentielles Wachstum, die kontinuierliche Verdopplung digitaler Leistung in kurzen Intervallen. Dieses liegt heute bei rund 18 Monaten⁵ (vgl. Brynjolfsson & McAfee, 2018, S. 51, 55-67; Moore, 1965).

All diese Feststellungen implizieren zweierlei: Zum einen die Möglichkeit den Lebensstandard eines Landes (oder den Gewinn eines Unternehmens) zu erhöhen, da Innovation, hier in Ausprägung von Digitaltechnologien, langfristig der entscheidende Hebel ist, um Produktivität zu erhöhen. Zum anderen weitreichende Folgen für den Arbeitsmarkt, da sich Berufsbilder radikal wandeln werden. So werden einfach automatisierbare Aufgaben wegfallen und neue, komplexe Tätigkeiten entstehen.

2.2. Mögliche Auswirkungen auf Wirtschaft und Arbeitsmarkt

1.2.1 Unsicherheit

Wird es langfristig für den Großteil der Bevölkerung Arbeit geben oder nicht? Und kann dieser Teil die entsprechende Arbeit auch qualifiziert ausführen? Dies ist die für den weiteren Verlauf entscheidende Frage, die sich aus der DT ergibt und die Wirkung eines BGE entscheidend beeinflusst. Nicht nur Journalisten und Unternehmen versuchen regelmäßig diese Frage zu beantworten, sondern auch zahlreiche Ökonomen haben hierzu veröffentlicht. Problematisch ist die hohe Divergenz der Ergebnisse. Die Bandbreite reicht von geringen Zunahmen und geringen Abnahmen (vgl. Kind & Ehrenberg-Silies, 2016, S.5f.), zu klaren Tendenzen zur Arbeitsverringerung durch Automatisierung (vgl. Brynjolfsson & McAfee, 2018). Die Spitze stellen 47% potenziell Gefährdete auf dem amerikanischen Arbeitsmarkt dar (vgl. Frey & Osborne, 2013, S. 47f.). Auf Deutschland übertragen sind dies nach einer Studie der ING DiBA sogar 59% (vgl. Brzeski & Burk, 2015, S. 1f). Petersen (2017b), das Fraunhofer-Institut für System- und Innovationsforschung [Fraunhofer] (2016) und auch der wissenschaftliche Dienst des Budestages (2018), stellen die Bandbreite der Ergebnisse zusammenfassend dar.

Diese lässt sich durch zahlreiche Parameter erklären, die kaum oder nur unter hoher Unsicherheit vorherzusagen sind und je nach Ausprägung, Arbeitslosigkeit durch Automatisierung beschleunigen oder bremsen. So listeten beispielsweise Levy und Murnane (2004) Tätigkeiten, die zukünftig automatisiert würden. 15 Jahre später erweisen sich die Prognosen als überzogen. So hielten die Autoren das autonome Fahren für kaum möglich. Armstrong und Sotala (2012) analysieren ähnliche Beispiele für das Fehlschlagen von Technologie-Prognosen und deren Auswirkungen, insbesondere im Bereich der KI. Da die DT aktuell ihr Wirken entfaltet, hat vorliegende Arbeit zwar automatisch zukunftsweisenden Charakter, auf eine konkrete zeitliche Perspektive wird daher jedoch bewusst verzichtet. Zudem werden limitierende Faktoren wie das Modell von Baumol und ethische Fragen nicht berücksichtigt (vgl. Markert, Neumann & Amlinger, 2017, S. 27, 31f.).

Eine Variable ist sicherlich der Mensch selbst. Neben der Akzeptanz neuer Technologien am Arbeitsplatz, ist die Fähigkeit entscheidend, diese zu verstehen, zu nutzen oder sogar zu entwickeln. Eine fundamentale Rolle kommt hier dem Bildungssystem zu. Lebenslanges Lernen und Förderung bestimmter Fachgruppen sind Aspekte, die das Risiko der Arbeitslosigkeit beeinflussen. Auch die Politik kann durch Regulierung und Steuerpolitik (z.B. Roboter-Steuer) oder Initiativen zur Förderung (z.B. Gründungsbedingungen) den Wandel prägen. Die Wirtschaft als letztendlicher Anwender richtet ihre Aktivitäten (z.B. Forschungs- und Investitionsvolumina) nach der Wirtschaftlichkeit als Ergebnis beschriebener Variablen. Auch die Tragweite oder disruptive Wirkung von Technology-Push-Innovationen, beispielsweise im Bereich der KI, sind zwar zu erahnen (vgl. Weissenberger-Eibl et al., 2017), aber kaum quantifizierbar oder präzise zu erfassen. Die kontinuierliche Verdopplung der Rechenleistung wird heute unmögliche Rechenoperationen ermöglichen und erzeugt somit unabsehbare Anwendungsmöglichkeiten. Diese Unsicherheit resultiert in starken Annahmen, Messproblemen und Prognosefehlern. Verstärkt werden diese durch grundlegende Unterschiede von klassischen und digitalen Gütern. Letztere sind oft kostenlos und qualitativ höherwertig (z.B. Musik-Streaming, Social-Media) und finden daher in Indikatoren wie dem BIP oder der Produktivität keinen Ausdruck.⁶ Zusätzlich ist das Zurückführen von Ver-änderungen des Arbeitsmarkts auf die DT nur schwer kausal interpretierbar. Aufgrund globaler, makroökonomischer Interdependenzen und der Komplexität des Wirtschaftssystems sind Ceteris-paribus Interpretationen kaum möglich. So lässt sich zumindest im Ansatz die Verschiedenheit der Ergebnisse erklären. (vgl. Markert, Neumann & Amlinger, 2017, S. 11).

Abbildung in dieser Leseprobe nicht enthalten

Die Konstruktion eines alleinigen Szenarios ist daher nicht sinnvoll möglich (vgl. Stettes, 2018, S. 14) und würde die reale Unsicherheit außer Acht lassen. Das Zusammenspiel mit einem BGE würde unter Umständen einseitig und damit verkürzt dargestellt, hätte eher spekulativen Charakter. Daher werden zwei grundverschiedene Szenarien entwickelt. Dies erlaubt es, mögliche Entwicklungen breiter darzustellen, wenngleich auf Aussagen über deren Eintrittswahrscheinlichkeit verzichtet wird.

Abbildung in dieser Leseprobe nicht enthalten

1.2.2 Szenario digitale Transformation A (DT-A)

Es wird angenommen, dass die Arbeitsnachfrage in Deutschland zukünftig⁷ signifikant ab-nimmt. Dies ergibt sich aus höherer Produktivität. Ursächlich hierfür ist zum einen der zukünftig entstehende, hohe Automatisierungsgrad (vgl. Markert, Neumann & Amlinger, 2017, S. 20ff.) der deutschen Wirtschaft. Der Einsatz des Faktors Arbeit wird weitestgehend durch den Faktor Kapital abgelöst und das Potenzial der Industrie 4.0 entfaltet sich. Daraus ist zu ebenfalls zu schließen, dass die Höhe möglicher, neu entstehender Arbeitsnachfrage das vorherige Niveau in jedem Fall nicht überschreitet. Zum anderen wird angenommen, dass die Qualifikation betroffener Arbeitsloser für mögliche neue Jobs nicht ausreicht und auch durch Umschulungen nicht hinreichend erreicht werden kann. Den massiv steigenden Anforderungen an die Arbeit der Zukunft können Geringqualifizierte nicht mehr entsprechen. Die Jobprofile, die der Automatisierung zum Opfer fallen, unterscheiden sich fundamental von solchen, die durch die steigende Nachfrage nach IT-Dienstleistungen entstehen. Das Resultat, eine deutlich erhöhte Arbeitslosigkeit, ist also dasselbe, gleich, ob man es auf mangelnde Qualifikation, die negative Entwicklung der Arbeitsnachfrage oder eine Kombination beider zurückführt. Es finden starke Umschichtungen statt, die letztendlich eine negative Nettoveränderung nach sich ziehen (vgl. IAB, 2015, S. 44ff.)

Das entstehende Gefälle ergibt sich jedoch nicht nur zwischen Gering⁸ -und Hoch-qualifizierten⁹. Es muss insbesondere zwischen der Ausführung von regelbasierten, sich wiederholenden und komplexen, sozialen oder abwechslungsreichen Tätigkeiten unterschieden werden. Nicht immer reicht die Differenzierung nach dem Niveau der Qualifikation daher aus, denn auch Rechtsanwälte könnten, im Gegensatz zu Erziehern, betroffen sein (vgl. IAB, 2015, S. 38 ff.). Die Löhne für Geringqualifizierte sinken, Betroffene unterbieten sich gegenseitig. Eine kleine Gruppe von Hochqualifizierten mit besonders gefragten Fähigkeiten wird höher entlohnt. Kapital wird ebenfalls höher entlohnt, da es im Rahmen massiver Investitionen an Bedeutung gewinnt. Dies führt zusätzlich zu ohnehin entstehender Einkommens- und Vermögensungleichheit (vgl. Petersen, 2017b, S.183ff.).

1.2.3 Szenario digitale Transformation B (DT-B)

Trotz oder gerade wegen der DT bleibt Arbeit für alle vorhanden. Es wird angenommen, dass die Arbeitsnachfrage in Deutschland zukünftig auf dem aktuellen Niveau stagniert, tendenziell zunimmt. Dies ergibt sich aus abflachenden bis stagnierenden Produktivitätszuwächsen (vgl. Markert, Neumann & Amlinger, 2017, S. 12ff.; Petersen, 2017b, S.184). Zwar finden starke Umschichtungen statt, die Nettoveränderung der Arbeitsnachfrage liegt letztendlich jedoch nahe Null. Die Nachfrage nach Kenntnissen im Rahmen der DT wird sowohl bei Gering- als auch bei Hochqualifizierten zufriedengestellt. Es könnten verstärkte Qualifikationsmaßnahmen vorausgegangen sein. Die Produktivitätsgewinne der DT sind im Unterschied zu Szenario DT-A bereits abgeschöpft worden, kommen in deutlich schwächerer Intensität zum Ausdruck oder gehen zumindest nicht mit einer Reduzierung der Arbeitsnachfrage einher.

Für Geringqualifizierte steigen die Löhne leicht, da ihre Arbeit bestehen bleibt oder sie besser qualifiziert, höher entlohnte Arbeit antreten können. Dasselbe gilt für die entstandene, große Gruppe von Hochqualifizierten. Insgesamt übersteigt die Nachfrage tendenziell das Angebot, Fachkräftmangel kann entstehen. Dies gilt insbesondere in den Bereichen Bildung, IT und Management (vgl. IAB, 2015, S.38ff.). Für die Verzinsung von Kapital ergeben sich im Vergleich zur heutigen Situation keine signifikanten Änderungen. Aufgrund der mäßigen Entwicklung der DT werden wenig kapitalintensive Investitionen getätigt.

Abbildung in dieser Leseprobe nicht enthalten

3. Bedingungsloses Grundeinkommen (BGE)

3.1. Definition

Die Idee eines BGE ist bereits viele Jahrzehnte alt. Technologische Arbeitslosigkeit wurde bis heute bei jeder industriellen Revolution erneut gefürchtet, mit dem Ziel der Überwindung des Kapitalismus oft ideologisch geprägt. Diese Befürchtung hat sich in keinem Fall bewahrheitet. Die aktuelle Debatte begründet die Notwendigkeit eines BGE mit durch Automatisierung drohender Massenarbeitslosigkeit. Es mag bei der DT Charakteristika geben, die eine Realisierung dieser Hypothese dieses Mal möglich erscheinen lassen (vgl. Vobruba, 2019, S. 66ff.; Kind & Ehrenberg-Silies, 2016, S. 2; Werner & Goehler, 2010, S. 21ff.; Straubhaar, 2017).

Konzeptionell wird das BGE von verschiedensten Gruppen unterschiedlich definiert. Gemeinhin wird ein BGE als „staatlich finanziertes Sicherungsnetz (..), das ein soziales Existenzminimum ermöglicht, jeden Bürger (…) einbezieht und ohne Prüfung eines Bedarfs (…) dauerhaft gewährt wird.“ (Osterkamp, 2016, S. 26), verstanden (vgl. Markert, 2015, S. 7). Es ist steuerfinanziert und schwankt um den Betrag des aktuellen Sozialversicherungsniveaus. Bei Umsetzung sollen alle weiteren Sozialtransfers abgeschafft werden (vgl. Osterkamp, 2015), S. 9; Markert, 2015, S. 8; Straubhaar, 2017, S. 74f.). Das Basic Income Earth Network (BIEN) verweist auf ähnliche Kriterien (Existenzsicherung, individueller Rechtsanspruch, keine Bedürftigkeitsprüfung, kein Arbeitszwang). Je nach Gestaltung der Finanzierung, beispielsweise als negative Einkommensteuer, liegt der Betrag der meisten durchdachten und ökonomisch bewerteten Konzepte bei 200 bis 1000 € monatlich, in jedem Fall als Geldleistung (vgl. Osterkamp, 2016, S. 27; Vanderborght & Van Parijs, 2005, S. 40f.). Es wird vorliegend bis auf Weiteres von einer Höhe nahe dem Sozialversicherungsniveau ausgegangen.

3.2. Mögliche Auswirkungen auf Wirtschaft und Arbeitsmarkt

3.2.1. Unsicherheit

Die möglichen Auswirkungen eines BGE sind facettenreich. Im Folgenden soll die Auswirkung auf den Arbeitsmarkt in Form des Arbeitsangebots isoliert betrachtet werden. Dies ist der für die gesamtwirtschaftliche Betrachtung relevante Faktor (vgl. Petersen, 2017c). Wie verhält sich eine Erwerbsperson, wenn sie ein BGE erhält? Daraus ergeben sich die entsprechenden Auswirkungen des BGE in der Wirtschaft, da das Arbeitsangebot als wesentlicher Einflussfaktor zu betrachten ist. Das Arbeitsangebot eines Menschen hängt neben dem Einkommen vor allem von der Reaktion auf externes Zusatzeinkommen ab. Bei Realisierung des BGE wird also sowohl die Einkommenshöhe als auch die Veränderung von Lebensentwürfen eine wesentliche Rolle spielen. In hohem Maße bestimmt auch die Art der Finanzierung und der zu finanzierende Betrag eine Rolle, also die Höhe des BGE. So determiniert diese maßgeblich die Entwicklung der Ungleichheit, kann aber beispielsweise auch bei zu hoher Besteuerung Effekte wie Kapitalflucht hervorrufen. Zudem entscheidet sie über die Intensität des Anreizes, das individuelle Arbeitsangebot zu reduzieren (vgl. Petersen, 2017a). Außerdem sind aufgrund der stark unterschiedlichen Erwerbsmöglichkeiten, Erwerbstätigenstrukturen und Ausprägung von Sozialhilfesystemen die Auswirkungen mindestens zwischen Entwicklungs-, Schwellen- und Industrieländern differenziert zu betrachten.

[...]

¹ Im Englischen oft treffender „Internet of things“ (IoT). Dies hebt den kennzeichnenden Aspekt der Vernetzung hervor. Synonym wird oft der Begriff „cyper-physical system“ (CPS) verwendet.

² Als durch die DT entstandene, neuartige Strukturen sind beispielhaft Plattformökonomie, On-demand-services oder Mass Customization zu nennen.

³ Für eine detaillierte Beschreibung von Basistechnologien und Begleiterscheinungen siehe Wright (2000).

⁴ Beispielsweise können aus separat existierenden Systemen, wie Robotern, Daten und Algorithmen kombiniert zahlreiche Folge-Innovationen entstehen.

⁵ Für die kommenden Jahre werden zwar bereits größere Intervalle veranschlagt. Bei konservativen drei Jahren würde sich die Leistung (streng die Anzahl von Transistoren auf Halbleiterplatten) bis 2050 dennoch um den Faktor 1024 erhöhen (2 10 (30 Jahre/3 Jahre) = 1024).

⁶ Weitere Info zu Messfehlern und Unsicherheit bei BIP und Produktivität, speziell bedingt durch die digitale Ökonomie geben Markert, Neumann und Amlinger (2017).

⁷ Zur groben Einordnung kann IAB (2015) herangezogen werden. Es wird von einer langfristigen Entwicklung der digitale Transformation bis 2025 beziehungsweise 2030 ausgegangen.

⁸ i.S.v. Erwerbspersonen, die über redundante Kompetenzen verfügen (Gegenteil Hochqualifiziert).

⁹ i.S.v. Erwerbspersonen mit gefragten Kompetenzen, die nicht regelbasiert und schwer automatisierbar sind.