LinkedIn DAS INVESTMENT
Suche
in MegatrendsLesedauer: 4 Minuten
ANZEIGE

Corona beschleunigt Automatisierung Die Stunde der Roboter schlägt

Industrieroboter in China
Industrieroboter in China: Die Störungen globaler Lieferketten dürfte die Automatisierung im produzierenden Gewerbe weiter vorantreiben. | Foto: imago images / VCG

Es ist naheliegend, dass hoch technologisierte Lösungen in Zeiten von Corona Aufwind erlebt haben. Denn wie ließe sich der Abstand in Werkshallen, Schulen, Geschäften und Krankenhäusern besser wahren als mit Hilfe von Robotern und KI-Technologien? Aber besteht letztlich die Gefahr, dass die Pandemie dazu führen könnte, dass der Mensch nach und nach durch Maschinen ersetzt wird?

Automatisierung auf dem Vormarsch

Viele Unternehmen sind aufgrund der Krise stark unter Druck geraten: Sie wollen ihre Kosten nun verstärkt durch Automatisierung senken. Zumal immer mehr Verbraucher auf günstigere Produkte und Dienstleistungen ausweichen, erklärt Oxford-Wissenschaftler Carl Frey. Kein Wunder, dass die Nachfrage nach Industrierobotern gestiegen ist – nur die Nachfrage nach Medikamenten wuchs noch stärker.

Ebenso wie Corona hat der Handelskonflikt zwischen China und den USA zur Störung globaler Lieferketten beigetragen. Ansätze der Deglobalisierung dürften ebenfalls die Automatisierung im produzierenden Gewerbe weiter vorantreiben – insbesondere, wenn sich die Herstellung wieder in Länder mit hohen Lohnkosten verlagert.

Im Gesundheitswesen spielen Technologien wie die Telemedizin eine immer wichtigere Rolle. Durch Untersuchungen per Video lässt sich vieles erledigen, bei gleichzeitigem Schutz für Ärzte und mehr Sicherheit für Krankenhäuser – die nicht selten Hotspots für die Ausbreitung von Krankheiten sind.

Auch Lagerhallen sind reif für weitere Automatisierungen – zum Beispiel durch Industrieroboter und Objekterkennungssoftware. Der Einsatz von Drohnen und autonomen Gabelstaplern in den Lagern von Amazon, Walmart und Co hat während der Pandemie stark zugenommen. Doch es gibt ebenfalls Faktoren, die die Automatisierung entschleunigen können. Dazu zählt unter anderem die Arbeitslosigkeit.

Arbeitslosigkeit bremst Automatisierung

Derzeit gibt es viele Hilfsprogramme, um Arbeitslose zu unterstützen. Doch irgendwann werden diese Maßnahmen auslaufen. Wenn die Pandemie andauert und die Menschen ihre Kredite nicht mehr bezahlen können, was bedeutet das dann für die Gesundheit von Finanzsystem und Arbeitsmarkt?

Die Verlagerung schlecht bezahlter Bürojobs, aber auch höher qualifizierter Arbeitsplätze droht den lokalen Arbeitsmarkt weiter zu schwächen. Unternehmen stellen sich nun gezwungenermaßen auf Telearbeit ein. Bestimmte Aufgaben werden auch nach Corona nicht mehr vor Ort erledigt werden – wenn es auch anders geht. Ein Beispiel: „Wenn ich meine Studierenden von zu Hause aus unterrichten kann, dann könnte sich die Universität Oxford auch jemanden in Delhi suchen, der diese Arbeit zu einem Bruchteil der Kosten und vielleicht sogar besser erledigt als ich“, erklärt Frey.

Zu einer längeren Phase des Abschwungs auf dem Arbeitsmarkt wird das kriselnde Geschäft in den Innenstädten hinzukommen – wo die stationären Geschäfte immer mehr an Boden verlieren. Auch wenn im Gegenzug die Onlinehändler mehr Arbeitskräfte einstellen, wird das nicht ausreichen, um die Verluste abzufangen. Die Löhne werden unter Druck geraten und sich als Bremse für die Automatisierung erweisen.

Keine Innovation ohne Migration

Die Pandemie hat außerdem negative Auswirkungen auf die weltweiten Ströme an Arbeitskräften. Die Migration ist eine wichtige Triebkraft der Innovation, das belegen zahlreiche Studien – sowohl für die entsendenden als auch für die aufnehmenden Länder. „Das IT-Cluster in Bangalore beispielsweise würde ohne die indische Diaspora nicht existieren“, sagt Frey.

Doch nun beobachten wir einen deutlichen Rückgang der Migration, die sich infolge der derzeitigen Situation und der Unterbrechung der globalen Lieferketten wohl fortsetzen wird. Ganz egal, ob es um künstliche Intelligenz oder synthetische Biologie geht: Die Innovationskraft könnte darunter leiden.

Technologietransfer gerät ins Stocken

Auch der Technologietransfer könnte abnehmen, solang die US-Amerikaner China weiterhin skeptisch gegenüberstehen. „Ich denke, jede amerikanische Regierung wird heute gewisse Beziehungen zu China unterhalten wollen, doch sie wird wohl nicht wollen, dass chinesische Studierende maschinelles Lernen am MIT studieren oder dass amerikanische Unternehmen ihr technisches Know-how einfach an China weitergeben“, so Frey.

Bei einigen Technologien ist China zwar deutlich fortschrittlicher als die USA. Doch der chinesische Überwachungsstaat und das berüchtigte Rating- beziehungsweise „Social Scoring“-System werden zu mehr Konformität führen, was zu Lasten der Innovationskraft geht.

Studien zeigen, dass Menschen in Ostasien stärker kollektivistisch denken als Amerikaner und Europäer. Das verschafft ihnen einen Vorteil, wenn es um das Lösen bestimmter Probleme geht, zum Beispiel rasche Planung und Bau von Infrastruktur. Es bedeutet aber auch weniger Innovationen, wenn der Einzelne nicht hervorstechen will und die Gesellschaft ihn nicht für herausragende Leistungen belohnt.

Deep Learning steckt noch in den Kinderschuhen

„China ist sehr gut darin, neue Technologien auszunutzen und zu kommerzialisieren – wie es das zum Beispiel bereits im E-Commerce tut –, doch das moderne China hat nur wenige wirklich radikale Innovationen hervorgebracht“, meint Frey.

Bisher nutzen nur sehr wenige Unternehmen KI-Technologien, und wenn sie genutzt werden, dann meist von E-Commerce-Unternehmen wie Amazon. Das Hauptproblem ist, dass der Fokus in dem Bereich auf maschinellem Lernen liegt, einer Methode des sogenannten Deep Learning. Und dafür werden massenhaft Daten benötigt. Daher beschränkt sich der Anwendungsbereich noch „hauptsächlich auf Videospiele oder die Klassifikation von Katzen und Hunden, also Bereiche, in denen wir über Unmengen an Daten verfügen. Doch wenn man einem Roboter beibringen will, eine Spülmaschine auszuräumen, dann kann man das nicht über Millionen und Abermillionen von Versuchen tun. Dabei würde nur jede Menge gutes Porzellan zu Bruch gehen“, meint Frey.

Solange Deep Learning nicht dateneffizienter wird, eignet es sich nur für eine begrenzte Anzahl von Aufgaben. „Bei der künstlichen Intelligenz stehen wir erst ganz am Anfang“, ergänzt Frey.

Wie hat Ihnen der Artikel gefallen?

Danke für Ihre Bewertung
Leser bewerteten diesen Artikel durchschnittlich mit 0 Sternen
Hinweis: Diese News ist eine Mitteilung des Unternehmens und wurde redaktionell nur leicht bearbeitet.