Communication Papers of the 19th Conference on Computer Science and Intelligence Systems (FedCSIS)

DOI: http://dx.doi.org/10.15439/2024F2752

Citation: Communication Papers of the 19th Conference on Computer Science and Intelligence Systems (FedCSIS), M. Bolanowski, M. Ganzha, L. Maciaszek, M. Paprzycki, D. Ślęzak (eds). ACSIS, Vol. 41, pages 45–52 (2024)

Full text

Abstract. We examine the spread and usage of artificial intelligence (AI) in German companies. The study analyses which company characteristics favor or inhibit the adoption of AI. Hypotheses are developed that include factors such as the type of tasks, level of innovation, degree of digitalization, company size, and industry affiliation. Empirical data from the BIBB Qualification Panel shows that AI usage is slowly but steadily increasing, particularly in larger and more innovative companies. The multivariate analysis highlights that an advanced digital infrastructure and an innovative corporate culture are crucial for AI integration. The findings aim to support political and strategic decision-making processes and to promote the implementation of AI in companies, while considering ethical implications.

References

1. D. Acemoglu und P. Restrepo, “Artificial intelligence, automation, and work. An agenda.”, The Economics of Artificial Intelligence, S. 197–233, 2019, http://dx.doi.org/10.7208/chicago/9780226613475.003.0008.
2. D. Acemoglu und P. Restrepo, “The wrong kind of AI? Artificial intelligence and the future of labour demand”, Cambridge J Regions Econ Soc, Jg. 13, Nr. 1, S. 25–35, 2020, http://dx.doi.org/10.1093/cjres/rsz022.
3. U. Sevindik, “Verbreitung und Einsatz von Künstlicher Intelligenz in Deutschland – Auswirkungen auf berufliche Anforderungen und Strukturen”, Bundesinstitut für Berufsbildung, Bonn, 2022. [Online]. Verfügbar unter: https://res.bibb.de/vet-repository_780476.
4. D. Acemoglu, D. Autor, J. Hazell und P. Restrepo, “Artificial intelligence and jobs: Evidence from online vacancies”, Journal of Labor Economics, Jg. 40, S1, S293-S340, 2022, http://dx.doi.org/10.1086/718327.
5. D. H. Autor, F. Levy und R. J. Murnane, “The skill content of recent technological change: An empirical exploration”, The Quarterly Journal of Economics, Jg. 118, Nr. 4, S. 1279–1333, 2003.
6. K. Dengler und B. Matthes, “Folgen des technologischen Wandels für den Arbeitsmarkt: Auch komplexere Tätigkeiten könnten zunehmend automatisiert werden”, IAB, IAB-Kurzbericht 13, 2021.
7. H. Wußing, 6000 Jahre Mathematik. Eine kulturgeschichtliche Zeitreise – 2. Von Euler bis zur Gegenwart. Heidelberg, 2009.
8. S. J. Russell und P. Norvig, Artificial intelligence. A modern approach. Upper Saddle River, 2009.
9. J. Dörpinghaus und M. Tiemann, “Künstliche Intelligenz – aktueller Treiber der Transformation?”, BIBB, Bonn, Datenreport zum Berufsbildungsbericht 2024, 2024.
10. W. Ertel, Grundkurs Künstliche Intelligenz. Eine praxisorientierte Einführung, 4. Aufl. Wiesbaden, 2016.
11. P. Buxmann und H. Schmidt, Künstliche Intelligenz Mit Algorithmen zum wirtschaftlichen Erfolg: Mit Algorithmen zum wirtschaftlichen Erfolg, 2019.
12. R. Helmrich et al., “Digitalisierung der Arbeitslandschaften. Keine Polarisierung der Arbeitswelt, aber beschleunigter Strukturwandel und Arbeitsplatzwechsel”, BIBB, Bonn, Wissenschaftliche Diskussionspaper, 2016.
13. C. Schneemann et al., “Aktualisierte BMAS-Prognose „Digitalisierte Arbeitswelt“”, Forschungsbericht 526/3, 2021.
14. M. Webb, “The Impact of Artificial Intelligence on the Labor Market”, Stanford University, 2020.
15. BMWi, “Einsatz von Künstlicher Intelligenz in der Deutschen Wirtschaft: Einsatz von Künstlicher Stand der KI-Nutzung im Jahr 2019”, Berlin, 2020.
16. D. Acemoglu und D. Autor, Skills, tasks and technologies: Implications for employment and earnings. Elsevier, 2011.
17. Agnes Dietzen, Christian Gerhards, Mortimer Schlieker und Klaus Troltsch, Handlungslogiken in der betrieblichen Qualifikationsbedarfsdeckung: Entwicklung eines organisations- und institutionssoziologischen Theorierahmens und empirische Exploration von Einflussfaktoren, 2023. [Online]. Verfügbar unter: https://res.bibb.de/vet-repository_781520
18. A. Friedrich, C. Gerhards, S. Mohr, K. Troltsch und K. Weis, “BIBB Training Panel – An Establishment Panel on Training and Competence Development 2011 to 2021 long. GWA_1.0”, Research Data Center at BIBB (ed., data access); Federal Institute for Vocational Education and Training, Bonn, 2023.
19. A. Friedrich und F. Lukowski, “BIBB Establishment Panel on Training and Competence Development. The longitudinal data set”, SozW, Jg. 74, Nr. 2, S. 273–293, 2023, http://dx.doi.org/10.5771/0038-6073-2023-2-273.