Deutschland hatte letztes Jahr das höchste Bruttosozialprodukt aller Zeiten, die niedrigste Arbeitslosenquote seit der Wende und auch der technologische Fortschritt ist kaum aufzuhalten. Müssen wir uns unter diesen Umständen denn wirklich mit der neuen Arbeitswelt beschäftigen? Mit der alten Arbeit läuft es doch bisher ganz passabel.

“In the Future of Work, late adopter means out of business”

Jacob Morgan

Ob man als “Late Adopter” tatsächlich gleich dicht machen muss, sei einmal dahingestellt. Aber die Tatsache, dass es im Rennen um die Zukunft der Arbeit generell “Late Adopter” geben wird, bleibt unbestritten. Ehe man aber bestehende Arbeits- und Organisationsmodelle per se für veraltet erklärt, sollte man sich fragen: Warum sind unsere Unternehmen heute so organisiert, wie sie organisiert sind? Unter welchen Rahmenbedingungen sind die vorherrschenden Organisationsmodelle entstanden? Und inwiefern haben sich diese Rahmenbedingungen heute geändert?

Das Marktdilemma

Werfen wir einen Blick auf die Automobilindustrie. 1920 wurden weltweit etwa zwei Millionen Nutzfahrzeuge und PKWs produziert. Bei einer Weltbevölkerung von etwa zwei Milliarden Menschen entspricht das etwa einem Fahrzeug pro 1.000 Menschen. 2017 wurden knapp 100 Millionen Einheiten produziert. Das entspricht einem Fahrzeug für 75 Menschen. Der Markt ist im Verhältnis zur Produktion deutlich kleiner geworden. Das heißt 1920 war das größte Problem der Automobilindustrie: Wie können wir möglichst schnell möglichst viele Einheiten produzieren? Heute ist das größte Problem: Wie bieten wir unseren Kunden mehr Nutzen als die Konkurrenz?

Dieses Phänomen trifft nicht nur auf die Autoindustrie zu. Die Nachfrage für jegliche Art von Produkten war vor 100 Jahren in der Regel größer als das Angebot. Alles was man sich im kleinen Kämmerlein ausgedacht hatte, ließ sich verkaufen, wenn es ein konkretes Problem löste und einigermaßen brauchbar war. Probleme gab es wie Sand am Meer. Aber kaum Lösungen. Es ging nicht um Effektivität und Innovation, sondern um Effizienz und Schnelligkeit.

Der US-amerikanische Ingenieur und Begründer der Arbeitsteilung, Frederick Taylor, hat das erkannt und ein geschicktes System entwickelt. Er ist davon ausgegangen, dass es einen besten Weg gibt, Dinge zu produzieren. Und dass Menschen faul und unzuverlässig sind. Das hieß konkret, einige Topmanager haben den Produktionsprozess durchgeplant und Incentivierungen und Kontrollorgane installiert, um sicherzustellen, dass alle anderen Mitarbeiter möglichst effizient und ohne viel Nachdenken ihre immer wiederkehrenden Aufgaben erfüllten. Denken und Handeln wurden genauso voneinander getrennt wie die einzelnen Prozessschritte. Der beste Nährboden für Hierarchien und Silos.

Ein sehr großer Teil der Wertschöpfung innerhalb eines Unternehmens entstand in diesem System durch die effiziente Abarbeitung von standardisierten Teilaufgaben. Und nur ein vergleichsweise kleiner Teil der Wertschöpfung entstand dadurch, dass sich ein paar wenige Männer (ja, es waren in der Regel Männer) aus dem Management hin und wieder überlegt haben, wie man die Prozesse neu anordnet. Sobald ein Geschäftsmodell etabliert war, konnte man sich für eine gute Weile darauf konzentrieren, mit möglichst effizienten Produktionsprozessen schnellstmöglich den Markt abzugrasen. Und damit war man ein paar Jahrzehnte beschäftigt.  

Die Künstliche Intelligenz lernt lesen

Heute hat sich das gewandelt. 2016 beispielsweise hat die Uni Stanford das Stanford Question Answer Dataset (SQuAD) veröffentlicht, mit dem Ziel, das allgemeine Textverständnis von Algorithmen zu testen. Es handelt sich bei diesem Test um 100.000 Frage-Antwort-Paare basierend auf 500 Wikipedia-Artikeln.

Während die Künstliche Intelligenz bei den ersten Durchläufen 2016 gerade mal ein Trefferquote von etwa 20 Prozent hatte, waren menschliche Teams mit einem Highscore von 82,30 Prozent gefühlt uneinholbar überlegen. Im Januar 2018 ist es nun innerhalb von einer Woche zwei verschiedenen Unternehmen gelungen, den menschlichen Score mit ihren eigenen Algorithmen zu übertreffen.

Mit einer Trefferquote von 82,44 (Alibaba) und 82,65 (Microsoft) ist die KI dank Machine Learning nun in der Lage, das öffentlich verfügbare Wissen besser und schneller nach konkreten Informationen zu durchsuchen als wir Menschen. Das heißt, spätestens ab jetzt ist Wissen kein relevantes Erfolgskriterium mehr für die menschliche Wertschöpfung. Jede einzelne Aufgabe, die darauf beruht, dass frei verfügbares Wissen ausgewertet, zur Verfügung gestellt und gegebenenfalls in konkrete mechanische Bewegungen übersetzt wird, kann früher oder später automatisiert werden. Ob wir das wollen oder nicht.

Wertschöpfung der Ausnahme

Was haben nun Fredrik Taylor und der SQuAD-Test mit den deutschen Konzernen und Mittelständlern zu tun?

“Software is eating the World”

Marc Andreesen

Viele innovative Produkte sind ganz oder zu einem großen Teil digital. In nahezu allen Branchen spielt Software eine immer größere Rolle. Der Vorteil für Unternehmen ist, dass Software mit sehr geringem Aufwand unendlich reproduziert und distribuiert werden kann. Der Nachteil für bestehende Arbeitsplätze ist, dass es dafür keine 1.000 Mitarbeiter in der Fertigungshalle braucht.

Natürlich gibt es nach wie vor handfeste, greifbare Produkte, die mit Hilfe von geschickt verarbeiteten Rohstoffen am Fließband zusammengesetzt werden. Dass man den Menschen an dieser Stelle (noch) nicht wegrationalisieren kann, hat Tesla kürzlich auf schmerzhafte Weise gelernt. Aber in einigen Jahren ist auch dieses Problem gelöst. Und dann überlassen wir das Zusammensetzen der Teile lieber den 3D-Druckern, den Maschinenarmen und den Roboter-Testern. Die sind schneller, zuverlässiger und unterstehen nicht dem Arbeitsschutzgesetz.

Gründer und Digital-Experte Mark Poppenborg hat diesen Sachverhalt in seinem Vortrag: “New Work – Wie man Sinn von Unsinn unterscheidet” ganz passend beschrieben. Die Abarbeitung von vordefinierten Prozessen bezeichnet er als die “Wertschöpfung der Norm”. Den Umgang mit unvorhersehbaren Situationen und daraus resultierende Innovationen stehen für die “Wertschöpfung der Ausnahme”.

Das Beispiel vom SQuAD-Test hat sehr eindrücklich gezeigt, dass selbst Aufgaben, die man einer KI noch vor einem Jahr nicht zugetraut hätte, heute bereits lösbar sind. Die Wertschöpfung der Norm erfolgt heutzutage immer seltener durch menschliche Arbeitskräfte. Immer mehr standardisierte Prozesse werden automatisiert. Und gerade weil dies (in unterschiedlichen Ausprägungen) auf alle Branchen zutrifft, handelt es sich hierbei um ein gesamtgesellschaftliches Phänomen. Deswegen reden wir von Digitalisierung. Und deswegen muss sich jedes einzelne Unternehmen mit der Frage auseinandersetzen: Wo findet die Wertschöpfung statt und welche Rolle übernehmen dabei zukünftig die Mitarbeiter?