Jump to ContentJump to Main Navigation
Show Summary Details
More options …

 

Perspektiven der Wirtschaftspolitik

Editor-in-Chief: Haucap, Justus

Ed. by Arnold, Lutz / Corneo, Giacomo / Grimm, Veronika / Horn, Karen / Schneider, Friedrich / Wagner, Franz / Winter, Joachim


CiteScore 2018: 0.37

SCImago Journal Rank (SJR) 2018: 0.225
Source Normalized Impact per Paper (SNIP) 2018: 0.798

Online
ISSN
1468-2516
See all formats and pricing
More options …
Volume 19, Issue 2

Issues

Die Auswirkungen der Automatisierung auf Wachstum, Beschäftigung und Ungleichheit

Klaus Prettner
  • Corresponding author
  • Institut für Volkswirtschaftslehre, Universität Hohenheim, Schloss Hohenheim 1d, D-70593 StuttgartUniversität HohenheimInstitut für VolkswirtschaftslehreSchloss Hohenheim 1dD-70593 StuttgartGermany
  • Email
  • Other articles by this author:
  • De Gruyter OnlineGoogle Scholar
/ Niels Geiger
  • Institut für Volkswirtschaftslehre, Universität Hohenheim, Schloss Hohenheim 1d, D-70593 StuttgartUniversität HohenheimInstitut für VolkswirtschaftslehreSchloss Hohenheim 1dD-70593 StuttgartGermany
  • Email
  • Other articles by this author:
  • De Gruyter OnlineGoogle Scholar
/ Johannes A. Schwarzer
  • Landesbank Baden-Württemberg, Am Hauptbahnhof 2, D-70173 StuttgartLandesbank Baden-WürttembergAm Hauptbahnhof 2D-70173 StuttgartGermany
  • Email
  • Other articles by this author:
  • De Gruyter OnlineGoogle Scholar
Published Online: 2018-07-05 | DOI: https://doi.org/10.1515/pwp-2018-0017

Zusammenfassung

Die Automatisierung ist eines der wichtigsten Phänomene, über die aktuell innerhalb der Wirtschaftswissenschaften und in der breiteren Öffentlichkeit diskutiert wird. Dabei finden sich sehr unterschiedliche Positionen: Pessimisten verweisen auf die negativen Beschäftigungseffekte, wenn Menschen mehr und mehr durch Maschinen ersetzt werden und ihre am Markt angebotene Arbeitsleistung somit obsolet wird. Gleichzeitig gilt die Automatisierung auch als Ursache für einen Anstieg der wirtschaftlichen Ungleichheit. Optimistische Stimmen erinnern an die Entwicklung seit der Industriellen Revolution, die mit hohem Produktivitätswachstum und starken Wohlfahrtssteigerungen durch fortlaufende technologische Veränderungen einherging, ohne dass es langfristig zu Massenarbeitslosigkeit gekommen ist. In diesem Survey präsentieren die Autoren empirische Daten und skizzieren ein einfaches Wachstumsmodell, das einen ersten Einblick in die zu erwartenden ökonomischen Auswirkungen der Automatisierung erlaubt. Anschließend vertiefen und erweitern sie die Ergebnisse unter Bezugnahme auf die aktuelle wissenschaftliche Literatur. Aus den verschiedenen Ansatzpunkten und Überlegungen leiten sie schließlich wirtschaftspolitische Handlungsmöglichkeiten ab und erörtern deren Einschränkungen.

JEL-Klassifikation: D31; D33; O33; O38; O49

Schlüsselwörter: Automatisierung; Digitalisierung; Künstliche Intelligenz; Roboter; Strukturwandel; Ungleichheit; Wirtschaftswachstum; Wohlstandsentwicklung

Literaturverzeichnis

  • Abeliansky, A. L. und K. Prettner (2017), Automation and demographic change, cege Discussion Paper 310.Google Scholar

  • Acemoglu, D. (2002), Directed technical change, The Review of Economic Studies 69(4), S. 781–809.Google Scholar

  • Acemoglu, D. und D. Autor (2012), What does human capital do? A review of Goldin and Katz’s The Race between Education and Technology, Journal of Economic Literature 50(2), S. 426–63.Google Scholar

  • Acemoglu, D. und P. Restrepo (2016), The race between machine and man: Implications of technology for growth, factor shares and employment, NBER Working Paper 22252.Google Scholar

  • Acemoglu, D. und P. Restrepo (2017a), Robots and jobs: Evidence from US labor markets, NBER Working Paper 23285.Google Scholar

  • Acemoglu, D. und P. Restrepo (2017b), Low-skill and high-skill automation, NBER Working Paper 24119.Google Scholar

  • Acemoglu, D. und P. Restrepo (2017c), Secular stagnation? The effect of aging on economic growth in the age of automation, NBER Working Paper 23077.Google Scholar

  • Acemoglu, D. und P. Restrepo (2018), Artificial intelligence, automation and work, NBER Working Paper 24196.Google Scholar

  • Alvaredo, F., B. Garbiniti und T. Piketty (2017), On the share of inheritance in aggregate wealth: Europe and the USA, 1900–2010, Economica 84(334), S. 237–60.Google Scholar

  • Arntz, M., T. Gregory und U. Zierahn (2016), The risk of automation for jobs in OECD countries: A comparative analysis, OECD Social, Employment and Migration Working Papers 189.Google Scholar

  • Arntz, M., T. Gregory und U. Zierahn (2017), Revisiting the risk of automation, Economics Letters 159, S. 157–60.Google Scholar

  • Atkinson, A. B. (2015), Inequality: What Can Be Done? Cambridge, Harvard University Press.Google Scholar

  • Atkinson, A. B., T. Piketty und E. Saez (2011), Top incomes in the long run of history, Journal of Economic Literature 49(1), S. 3–71.Google Scholar

  • Autor, D. H. (2014), Skills, education, and the rise of earnings inequality among the “other 99 percent”, Science 344(6186), S. 843–51.Google Scholar

  • Autor, D. H. (2015), Why are there still so many jobs? The history and future of workplace automation, The Journal of Economic Perspectives 29(3), S. 3–30.Google Scholar

  • Autor D. H., D. Dorn und G. H. Hanson (2013), The China syndrome: Local labor market effects of import competition in the United States, The American Economic Review 103(6), S. 2121–68.Google Scholar

  • Autor, D. H. und A. Salomons (2017), Robocalypse now – Does productivity growth threaten employment? European Central Bank Conference Proceedings.Google Scholar

  • Autor, D. H. und A. Salomons (2018), Is automation labor-displacing? Productivity growth, employment, and the labor share, BPEA Conference Drafts.Google Scholar

  • Battisti, M., G. Felbermayr und S. Lehwald (2016), Inequality in Germany: Myths, facts, and policy implications, Ifo Working Paper Nr. 217. Google Scholar

  • Benartzi, S. und R. H. Thaler (2013), Behavioral economics and the retirement savings crisis, Science 339(6124), S. 1152–53.Google Scholar

  • Berg, A., E. F. Buffie und L.-F. Zanna (2017), Robots, growth and inequality: Should we fear the robot revolution? (The correct answer is Yes), IMF Working Paper 17/XX.Google Scholar

  • Bessen, J. (2018), AI and Jobs: The role of demand, NBER Working Paper 24235.Google Scholar

  • Bloom, D. E., M. J. McKenna und K. Prettner (2018), Demography, unemployment, automation, and digitalization: Implications for the creation of (decent) jobs, 2010–2030, International Social Security Review (im Erscheinen).Google Scholar

  • Bönke, T., G. Corneo und H. Lüthen (2015), Lifetime earnings inequality in Germany, Journal of Labor Economics 33(1), S. 171–208.Google Scholar

  • Brenke, K. und J. Pfannkuche (2018), Konsum und Sparquote der privaten Haushalte hängen stark vom Erwerbsstatus, Einkommen und Alter ab, DIW Wochenbericht 10/2018.Google Scholar

  • Brynjolffson, E. und A. McAfee (2014), The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies, New York, W. W. Norton.Google Scholar

  • Brynjolffson, E., D. Rock und C. Syverson (2017), Artificial Intelligence and the modern productivity paradox: A clash of expectations and statistics, NBER Working Paper 24001.Google Scholar

  • Brzeski, C. und I. Burk (2015), Die Roboter kommen, ING DiBa Economic Research. 30. April 2015.Google Scholar

  • Burda, M. und S. Seele (2017), Das deutsche Arbeitsmarktwunder: Eine Bilanz, Perspektiven der Wirtschaftspolitik 18(3), S. 179–204.Google Scholar

  • Burda, M. und S. Seele (2018), No role for the Hartz reforms? Demand and supply factors in the German labor market, 1993–2014, mimeo.Google Scholar

  • Case, A. und A. Deaton (2015), Rising morbidity and mortality in midlife among white non-hispanic Americans in the 21st century, PNAS 112(49), S. 15078–83.Google Scholar

  • Corneo, G. (1995), Distributional implications of a shorter working week: An unpleasant note, Journal of Economics 62(1), S. 25–31.Google Scholar

  • Corneo, G. (2015), Kreuz und quer durch die deutsche Einkommensverteilung, Perspektiven der Wirtschaftspolitik 16(2), S. 109–26.Google Scholar

  • Corneo, G. (2018), Ein Staatsfonds, der eine soziale Dividende finanziert, Perspektiven der Wirtschaftspolitik (in diesem Heft).Google Scholar

  • Chetty, R., J. N. Friedman, S. Leth-Petersen, T. H. Nielsen und T. Olsen (2014), Active vs. passive decisions and crowd-out in retirement savings accounts: Evidence from Denmark, The Quarterly Journal of Economics 129(3), S. 1141–219.Google Scholar

  • Dauth, W., S. Findeisen, J. Suedekum und N. Woessner (2017), German robots – The impact of industrial robots on workers, CEPR Discussion Paper 12306.Google Scholar

  • Delaney, K. J. (2017), Droid duties: The robot that takes your job should pay taxes, says Bill Gates, online verfügbar unter: https://qz.com/911968/bill-gates-the-robot-that-takes-your-job-should-pay-taxes/ (abgerufen am 6. Juni 2018).

  • Dell, F. (2005), Top incomes in Germany and Switzerland over the twentieth century, Journal of the European Economic Association 3(2-3), S. 412–421.Google Scholar

  • Diamond, P. A. und J. A. Mirrlees (1971a), Optimal taxation and public production I: Production efficiency, The American Economic Review 61(1), S. 8–27.Google Scholar

  • Diamond, P. A. und J. A. Mirrlees (1971b), Optimal taxation and public production II: Tax rules, The American Economic Review 61(1), S. 261–78.Google Scholar

  • Feenstra, R. C., R. Inklaar und M. P. Timmer (2015), The next generation of the Penn world table, The American Economic Review 105(10), S. 3150–82, online verfügbar unter: www.ggdc.net/pwt (abgerufen am 24. Januar 2018).

  • Ford, M. (2015), The Rise of the Robots, London, Oneworld Publications. Google Scholar

  • Frank, R. (2008), Progressive consumption tax, Democracy: A Journal of Ideas 8, S. 1–4, online verfügbar unter: https://democracyjournal.org/magazine/8/progressive-consumption-tax/ (abgerufen am 21. April 2018).

  • Freeman, R. B. (1995), Are Your Wages Set in Beijing? The Journal of Economic Perspectives 9(3), S. 15–32.Google Scholar

  • Frey, C. B. und M. A. Osborne (2017), The future of employment: How susceptible are jobs to computerisation? Technological Forecasting and Social Change 114(C), S. 254–80.Google Scholar

  • Galor, O. und J. Zeira (1993), Income distribution and macroeconomics, The Review of Economic Studies 60(1), S. 35–52.Google Scholar

  • Garrett, G. (2000), The causes of globalization, Comparative Political Studies 33(6/7), S. 941–91.Google Scholar

  • Gasteiger, E. und K. Prettner (2017), A note on automation, stagnation, and the implications of a robot tax, Discussion Paper, School of Business & Economics: Economics 2017/17, Freie Universität Berlin.Google Scholar

  • Geiger, N. (2016), Behavioural economics and economic policy: A comparative study of recent trends, Œconomia. History, Methodology, Philosophy 6(1), S. 81–113.Google Scholar

  • Goldin, C. und L. F. Katz (2008), The race between education and technology: The evolution of U. S. wage differentials, 1890–2005, NBER Working Paper 12984.Google Scholar

  • Goldin, C. und L. F. Katz (2009), The Race between Education and Technology, Cambridge, Harvard University Press.Google Scholar

  • Gordon, R. J. (2014), The demise of U. S. economic growth: Restatement, rebuttal, and reflections, NBER Working Paper 19895.Google Scholar

  • Gordon, R. J. (2016), The Rise and Fall of American Growth: The U. S. Standard of Living since the Civil War, Princeton, Princeton University Press.Google Scholar

  • Graetz, G. und G. Michaels (2015), Robots at work, Centre for Economic Performance Discussion Paper 1335.Google Scholar

  • Guerreiro, J., S. Rebelo und P. Teles (2017), Should robots be taxed? NBER Working Paper 23806.Google Scholar

  • Hagemann, H. (1995), Technological unemployment, in: P. Arestis und M. G. Marshall (Hrsg.), The Political Economy of Full Employment, Aldershot, Edward Elgar, S. 36–53.Google Scholar

  • Hagemann, H. (2008), Capital, growth and production disequilibria: On the employment consequences of new technologies, in: R. Scazzieri, A. K. Sen und S. Zamagni (Hrsg.), Markets, Money and Capital. Hicksian Economics for the 21st Century, Cambridge, Cambridge University Press, S. 346–66.Google Scholar

  • Hémous, D. und M. Olsen (2016), The rise of the machines: Automation, horizontal innovation and income inequality, online verfügbar unter: https://www.brown.edu/academics/economics/sites/brown.edu.academics.economics/files/uploads/rise_machines_paper_feb16.pdf (abgerufen am 19. April 2018).

  • Hicks, J. (1973), Capital and Time, Oxford, Clarendon Press.Google Scholar

  • Humphrey, T. M. (2004), Ricardo versus Wicksell on job losses and technological change, Federal Reserve Bank of Richmond Economic Quarterly 90(4), S. 5–24.Google Scholar

  • International Federation of Robotics (2015), World Robotics 2015 Industrial Robots, o.O.Google Scholar

  • International Federation of Robotics (2017), World Robotics 2017 Industrial Robots, o.O.Google Scholar

  • Jäger, A., C. Moll und C. Lerch (2016), Analysis of the impact of robotic systems on employment in the European Union – Update, Luxemburg, Publications Office of the European Union.Google Scholar

  • Jäger, K. (The Conference Board) (2017), EU KLEMS growth and productivity accounts 2017 release – Description of methodology and general notes, online verfügbar unter: http://euklems.net/ (abgerufen am 24. Januar 2018).

  • Jessen, R., D. Rostam-Afschar und V. Steiner (2017), Getting the poor to work: Three welfare-increasing reforms for a busy Germany, Public Finance Analysis 73(1), S. 1–41.Google Scholar

  • Jones, C. I. (1995), R&D-based models of economic growth, The Journal of Political Economy 103(4), S. 759–84.Google Scholar

  • Kaldor, N. (1957), A model of economic growth, The Economic Journal 67(268), S. 591–624.Google Scholar

  • Kaplan, J. (2015), Humans Need Not Apply: A Guide to Wealth and Work in the Age of Artificial Intelligence, New Haven, Yale University Press.Google Scholar

  • Karabarbounis, L. und B. Neiman (2014), The global decline of the labor share, The Quarterly Journal of Economics 129(1), S. 61–103.Google Scholar

  • Keynes, J. M. (1930a), Economic possibilities for our grandchildren, The Nation and Athenaeum 48(2), S. 36–37.Google Scholar

  • Keynes, J. M. (1930b), Economic possibilities for our grandchildren, The Nation and Athenaeum 48(3), S. 96–98.Google Scholar

  • Korinek, A. und J. E. Stiglitz (2017), Artificial Intelligence and its Implications for income distribution and unemployment, NBER Working Paper 24174.Google Scholar

  • Krusell, P., L. Ohanian, J.-V. Ríos-Rull und G. Violante (2000), Capital-skill complementarity and inequality: A macroeconomic analysis, Econometrica 68(5), S. 1029–53.Google Scholar

  • Lankisch, C., K. Prettner und A. Prskawetz (2017), Robots and the skill premium: An automation-based explanation of wage inequality, Hohenheim Discussion Papers in Business, Economics and Social Sciences Nr. 29-2017.Google Scholar

  • Milanovic, B. (2016), Global Inequality: A New Approach for the Age of Globalization, Cambridge, Harvard University Press.Google Scholar

  • Mill, J. S. (1848), Principles of Political Economy, Bd. 2–3 von J. M. Robson (Hrsg.)(1965), The Collected Works of John Stuart Mill, Toronto, University of Toronto Press.Google Scholar

  • OECD (2017), Education at a Glance 2017, Paris, OECD Publishing, online verfügbar unter: http://www.oecd.org/education/education-at-a-glance-19991487.htm (abgerufen am 24. Januar 2018).

  • Piketty, T. (2014), Capital in the Twenty-First Century, Cambridge, The Belknap Press of Harvard University Press.Google Scholar

  • Piketty, T. und E. Saez (2003), Income Inequality in the United States, 1913–1998, The Quarterly Journal of Economics 118(1), S. 1–41.Google Scholar

  • Prettner, K. (2018), A note on the implications of automation for economic growth and the labor share, Macroeconomic Dynamics (im Erscheinen).Google Scholar

  • Prettner, K., N. Geiger und J. Schwarzer (2018), Die wirtschaftlichen Folgen der Automatisierung, in: C. Spiel und R. Neck (Hrsg.), Automatisierung: Wechselwirkung mit Kunst, Wissenschaft und Gesellschaft, Bd. 21 von Wissenschaft – Bildung – Politik, Wien, Böhlau.Google Scholar

  • Prettner, K. und A. Schaefer (2016), Higher education and the fall and rise of inequality, Hohenheim Discussion Papers in Business, Economics and Social Sciences 19-2016. Google Scholar

  • Prettner, K. und H. Strulik (2017), The lost race against the machine: Automation, education, and inequality in an R&D-based growth model, cege Discussion Paper 329.Google Scholar

  • Ricardo, D. (1821), On the Principles of Political Economy and Taxation (Erstausgabe 1817), Bd. 1 von P. Sraffa (Hrsg.) (1951), Works and Correspondence of David Ricardo, Cambridge, Cambridge University Press.Google Scholar

  • Romer, P. (1986), Increasing returns and long-run growth, The Journal of Political Economy 94(5), S. 1002–37.Google Scholar

  • Samuelson, P. A. (1988), Mathematical vindication of Ricardo on machinery, The Journal of Political Economy 96(2), S. 274–82.Google Scholar

  • Seamans, R. und A. Raj, (2018), AI, labor, productivity and the need for firm-level data, NBER Working Paper 24239.Google Scholar

  • Schwarzer, J. A. (2014), Growth as an objective of economic policy in the early 1960 s: The role of aggregate demand, Cahiers d’économie politique / Papers in Political Economy 2(67), S. 175–206.Google Scholar

  • Smith, A. (1776), An Inquiry into the Nature and Causes of the Wealth of Nations, Bd. 2a-2 b von R. H. Campbell und A. S. Skinner (Hrsg.) (1976), The Glasgow Edition of the Works and Correspondence of Adam Smith, Oxford, Oxford University Press.Google Scholar

  • Solow, R. M. (1956), A contribution to the theory of economic growth, The Quarterly Journal of Economics 70(1), S. 65–94.Google Scholar

  • Steigum, E. (2011), Robotics and growth, in: O. de La Grandville (Hrsg.), Frontiers of Economics and Globalization: Economic Growth and Development, West Yorkshire, Emerald Group, S. 543–57.Google Scholar

  • Tegmark, M. (2017), Life 3.0: Being Human in the Age of Artificial Intelligence, London, Allen Lane. Google Scholar

  • The Conference Board (2017), Total Economy Database, November 2017 release, online verfügbar unter: https://www.conference-board.org/data/economydatabase/ (abgerufen am 17. Januar 2018).

  • Wicksell, K. (1906), Lectures on Political Economy, Bd. 1, London 1934, Routledge & Kegan Paul.Google Scholar

  • World Wealth and Income Database (2018), Daten zu Einkommens- und Vermögenskonzentration (Datensätze sptinc_z und shweal_z), online verfügbar unter: http://wid.world/data/ (abgerufen am 18. Januar 2018).

About the article

Klaus Prettner

Klaus Prettner (geb. 1982) ist seit 2015 Inhaber des Lehrstuhls für Volkswirtschaftslehre, insbesondere Wachstum und Verteilung, an der Universität Hohenheim. Zuvor war er Assistenzprofessor für Mathematische Ökonomie an der Technischen Universität Wien, Akademischer Rat auf Zeit an der Universität Göttingen, Postdoctoral Research Fellow am Harvard Center for Population and Development Studies in Cambridge, MA und wissenschaftlicher Mitarbeiter am Vienna Institute of Demography der Österreichischen Akademie der Wissenschaften. Klaus Prettner studierte Volkswirtschaftslehre und Statistik an der Universität Wien, wurde dort in Volkswirtschafslehre promoviert und habilitierte an der Technischen Universität Wien in Mathematischer Ökonomie. Seine derzeitigen Forschungsschwerpunkte sind die Auswirkungen des demographischen Wandels auf das langfristige Wirtschaftswachstum, die Effekte der Automatisierung auf den wirtschaftlichen Wohlstand und die Ungleichheit, sowie die Determinanten der Humankapitalakkumulation.

Niels Geiger

Niels Geiger (geb. 1987) ist seit 2015 wissenschaftlicher Mitarbeiter am Lehrstuhl für Volkswirtschaftslehre, insbesondere Wachstum und Verteilung, an der Universität Hohenheim. Zuvor war er wissenschaftlicher Mitarbeiter am Lehrstuhl für Wirtschaftstheorie. Von April bis Juni 2016 war er Gastwissenschaftler am Centre for Philosophy of Social Science (TINT) der Universität Helsinki. Niels Geiger studierte Wirtschaftswissenschaften an der Universität Hohenheim sowie als Nebenfach Politikwissenschaft an der Universität Stuttgart. Er wurde im Februar 2015 an der Universität Hohenheim mit einer Arbeit über Konjunkturtheorie und Verhaltensökonomik promoviert. Seine derzeitigen Forschungsschwerpunkte sind insbesondere die Verhaltensökonomik und allgemein die quantitative (Meta-)Analyse wirtschaftswissenschaftlicher Forschung, insbesondere der Geschichte des ökonomischen Denkens.

Johannes A. Schwarzer

Johannes Schwarzer (geb. 1984) ist seit April 2018 bei der Landesbank Baden-Württemberg beschäftigt. Zuvor forschte er als wissenschaftlicher Mitarbeiter am Lehrstuhl für Wirtschaftstheorie der Universität Hohenheim bzw. am Lehrstuhl für Wachstum und Verteilung zu makroökonomischen und wachstumstheoretischen Themen. Johannes Schwarzer schloss sein Diplomstudium der Wirtschaftswissenschaften an der Universität Hohenheim im Mai 2009 als Jahrgangsbester ab und wurde dort im Juni 2016 promoviert. Seine Dissertation über die verschiedenen theoretischen Erklärungsansätze zum Zusammenhang zwischen Inflation und Arbeitslosigkeit (Phillips-Kurve) wurde im April 2017 mit dem Südwestbank-Preis ausgezeichnet. Anfang des Jahres 2018 veröffentlichte er zu dieser Thematik einen Aufsatz im Journal of Economic Perspectives.


Published Online: 2018-07-05

Published in Print: 2018-07-04


Citation Information: Perspektiven der Wirtschaftspolitik, Volume 19, Issue 2, Pages 59–77, ISSN (Online) 1468-2516, ISSN (Print) 1465-6493, DOI: https://doi.org/10.1515/pwp-2018-0017.

Export Citation

© 2018 Walter de Gruyter GmbH, Berlin/Boston.Get Permission

Comments (0)

Please log in or register to comment.
Log in