Aus der Praxis für die Praxis: Den Einsatz von GenKI in der Arbeitswelt erforschen und dessen Effekte messbar machen – für alle.

ai:conomics bringt den Forschungsstand zu KI in der Arbeitswelt auf ein nächstes Level.

Seit 2025 widmet sich ai:conomics der Untersuchung der Auswirkungen von generativer Künstlicher Intelligenz (GenKI) auf Unternehmen und Beschäftigte. Dabei bleibt das grundlegende Ziel das gleiche: Die Arbeitswelt von morgen besser zu verstehen und einen Beitrag zu leisten, dass beteiligte Akteur:innen sie aktiv gestalten können.

Inhaltlich und methodisch wird dabei angeknüpft an die im Rahmen des Projekts bereits durchgeführten experimentellen Feldstudien zu nicht-generativen KI-Methoden. Ergänzend wird ein Messmodell (Tool) entwickelt, das die Vorgehensweise übertragbar und in vielen Unternehmenskontexten anwendbar macht.

Doppelter Fokus: Effekte von GenKI auf betriebliche Effizienz und Beschäftigte

ai:conomics verfolgt einen ganzheitlichen, dual ausgerichteten Ansatz, indem es untersucht, wie GenKI die Effizienz betrieblicher Abläufe beeinflusst und zugleich die Arbeitserfahrung von Beschäftigten verändert. Durch die ko-kreative Zusammenarbeit mit dem Praxispartner können dabei die Auswirkungen von GenKI dort gemessen werden, wo sie stattfinden: in der betrieblichen Praxis. Diese angewandte Methode nennt sich ‚Insider Econometrics‘. Sie basiert auf der Auswertung betrieblicher und wissenschaftlich erhobener Daten vor, während und nach der Implementierung von KI im Unternehmen. Um die so gewonnen Erkenntnisse auch auf andere Jobs und Branchen übertragbar zu machen.

Effekte messbar machen- auch über den konkreten Anwendungsfall hinaus

Um zu erfassen, wie GenKI Arbeitsprozesse, Effizienz und Arbeitsergebnisse verändert setzt ai:conomics auf eine systematische, vierstufige Methodik.

1. Zuerst werden bestehende Anwendungsfälle genau betrachtet, um zu verstehen, wie GenKI in der betrieblichen Praxis eingesetzt wird.
2. Dann werden die durch GenKI ausgelösten Veränderungen detailliert untersucht.
3. Anschließend werden die Effekte der Veränderungen gemessen.
4. Abschließend wird bewertet, inwiefern sich diese Erkenntnisse verallgemeinern lassen.

Im Zuge dessen wird ein Messmodell entwickelt, dass sich auf verschiedene Unternehmenskontexte übertragen lässt. 

Zentrale Fragestellungen:

Betriebliche Effizienz:  

• Wie beeinflusst GenKI die Effizienz in Unternehmen? 
• Wie kann ein standardisiertes Messmodell entwickelt werden, das es erlaubt Effizienz in unterschiedlichen unternehmerischen Kontexten zu messen?  
• Wie wirkt sich der Einsatz von GenKI – zur Erweiterung oder zum Ersatz von Fachwissen – auf die Effizienz und Qualität bei der Aufgabenerledigung aus? 

Beschäftigtenperspektive: 

• Wie beeinflusst GenKI das Selbstverständnis von Mitarbeitenden in Bezug auf ihre fachliche Kompetenz und berufliche Identität? 
• Führt die Unterstützung durch KI zu mehr Vertrauen oder eher zu Skepsis gegenüber KI-gesteuerter Arbeit und dem eigenen beruflichen Wert? 
• Wie wirkt sich der Einsatz von GenKI auf Stressniveau, Autonomie und Motivation bei der Arbeit aus? 
• Gibt es Unterschiede zwischen Altersgruppen oder Erfahrungsniveaus? 
• Welche neuen Kompetenzen entstehen in KI-unterstützten Rollen? 
• Wie verändert der Einsatz von Generativer KI die Anforderungen an Schulungen und den Erhalt von Wissen? 

Die Forschungsfragen zielen darauf ab, die Auswirkungen von GenKI auf die berufliche Identität und das Wohlbefinden von Beschäftigten, auf die betriebliche Effizienz sowie auf Kompetenzen und Lernen besser zu verstehen.

ai:conomics setzt auf Ko-Kreation

Für die empirischen Feldstudien arbeiten die Wissenschaftler:innen mit Unternehmen und Akteur:innen aus der Politik in einem ko-kreativen Prozess zusammen.
Ko-Kreation bedeutet bei ai:conomis, dass Forscher:innen, Arbeitgeber:innen, Arbeitnehmer:innen, Technologie-Expert:innen, Betriebsrat und politische Entscheidungsträger:innen transdisziplinär und (sozial-)partnerschaftlich zusammenarbeiten.

Denn weder der Forschungsgegenstand noch die vielseitige Akteurslandschaft sind in diesem Projekt trivial. Die Beteiligten haben alle wichtige Aufträge und viele gleiche, teilweise unabhängige, manchmal gegenläufige Interessen. Dieser Umstand fordert das gemeinsame Vorhaben vorhersehbar heraus. Erfahrungswerte zeigen deutlich, dass auch in einem solchen komplexen Feld erfolgreich und wirksam gearbeitet werden kann, wenn der Prozess des gemeinsamen Arbeitens aktiv gestaltet wird. Aus diesem Grund legen wir in diesem Projekt explizit Wert auf eine gemeinschaftliche Prozessgestaltung.

So erproben wir im Kleinen das, was es im Großen braucht, damit der Einsatz von KI in der Arbeitswelt zukünftig so gelingt, dass möglichst viele davon profitieren:
Wir schaffen gemeinsam mit vielen unterschiedlichen Akteur:innen viel Neues.

Das Projekt setzt auf kompetente wissenschaftliche Leitung und praxisorientierte Partnerschaften

Das Projekt wird unter der Leitung des Research Centre for Education and the Labour Market (ROA) der Maastricht University School of Business and Economics durchgeführt. Als zentrale Forschungsinstanz verantwortet das ROA die Durchführung der kontrollierten Feldstudien. Dabei setzt es auf die enge Zusammenarbeit mit praxisorientierten Partnern.

Praxispartner im Forschungsprojekt ist ein multinationales Unternehmen in der Elektronikfertigung.

zukunft zwei GmbH: Das KMU übernimmt Kommunikation und Transfer, mit denen die Nachhaltigkeit, Reichweite und bundesweite Übertragbarkeit der Projektergebnisse gestärkt werden.

Institut für Arbeitsmarkt und Berufsforschung (IAB): Das IAB in Nürnberg ist Kollaborationspartner, die in den entsprechenden Teilen des Projektes die Auswertung und Beurteilung von Registerdaten übernehmen

Das Projekt ist ein vom Bundesministerium für Arbeit und Soziales (BMAS/ Denkfabrik Digitale Arbeitsgesellschaft) auf Beschluss des Deutschen Bundestages gefördertes Projekt. Es folgt der Empfehlung der deutschen Enquete-Kommission KI, evidenzbasierte Forschung zu den Beschäftigungseffekten des KI-Einsatzes durchzuführen, um wissenschaftlichen Erkenntnisfortschritt, Managemententscheidungen, sozialpartnerschaftliche Verabredungen und politische Debatten zu unterstützen.

Von Perspektivenvielfalt profitieren

Ein ganzheitliches Forschungsdesign, das die Einfügung von KI im Kleinen ebenso wie im Großen beobachtet und den Blick auf technologische, wirtschaftliche sowie soziale Effekte vereint, braucht Perspektivenvielfalt und ein breit angelegtes Fachwissen. ai:conomics schafft das, indem es Expertinnen aus Wissenschaft, Wirtschaft, Politik und Sozialpartnerschaft zusammenbringt, die sich über Organisations- und Landesgrenzen hinweg als Team verstehen.

Eine kleine Zeitreise

Das Forschungsprojekt ai:conomics startete 2021 – zu einer Zeit, als Künstliche Intelligenz schon ein großes Thema war. Allerdings standen nicht-generative KI-Systeme stärker im Mittelpunkt. Die großen Durchbrüche im Bereich generativer KI, die heute als Schlüsseltechnologie gilt, standen noch bevor.

ai:conomics wurde ins Leben gerufen, um die Effekte von Künstlicher Intelligenz auf unsere Arbeitswelt zu erforschen – und was das konkret für den Arbeitsmarkt, Unternehmen und Beschäftigte bedeutet. Das Projekt ist mit der Ambition gestartet, Antworten auf grundlegende Fragen zu finden: Wie verändern KI-Systeme Aufgaben und Qualifikationsprofile? Wie wirkt sich der Technologieeinsatz auf Produktivität und Leistung von Arbeitnehmer:innen in verschiedenen Berufen aus? Wie nehmen Beschäftigte den Einsatz von KI wahr und welche Effekte hat das auf ihre Arbeitsbedingungen und ihr Wohlbefinden?
Von Beginn an wurde im Projekt auf die Methodologie der „Insider Econometrics“ gesetzt und Feldstudien direkt in mehreren Unternehmen durchgeführt, um den Einsatz von KI vor Ort zu untersuchen. Ergänzend wurden umfassende Registerdaten ausgewertet, um Entwicklungen auf dem deutschen Arbeitsmarkt insgesamt zu betrachten und die Erkenntnisse aus den Unternehmensstudien in einen größeren Zusammenhang einzuordnen.

ai:conomics forscht in einem transformationsfreudigen Technologiefeld. Damit die gewonnenen wissenschaftlichen Erkenntnisse schnellstmöglich als Entscheidungsgrundlage in der Praxis genutzt werden können, setzt das Forschungsprojekt auf schnellen Ergebnistransfer: Ergebnisse und Erkenntnisse werden bereits vor Projektabschluss kontinuierlich öffentlich zugänglich gemacht.