Wenn der Algorithmus den Lohn bestimmt - Studie unter Beteiligung der TUDa zeigt Risiken für digitale Arbeitsmärkte
Was passiert, wenn Unternehmen auf digitalen Arbeitsplattformen nicht mehr selbst über die Höhe ihrer Löhne entscheiden, sondern dies lernenden Algorithmen überlassen? Forschende der TU Darmstadt, der Universität Bielefeld und der Université Côte d'Azur konnten in Computersimulationen zeigen: Konkurrieren nur wenige Firmen miteinander, können solche Verfahren der Künstlichen Intelligenz (KI) ein sehr niedriges Lohnniveau „erlernen“, ohne miteinander zu kommunizieren oder auf Absprachen programmiert worden zu sein. Die Ergebnisse wurden jetzt in der Fachzeitschrift „Labour Economics“ veröffentlicht.
Die Forschenden um Professor Michael Neugart vom Fachgebiet Finanzwissenschaft und Wirtschaftspolitik am Fachbereich Rechts- und Wirtschaftswissenschaften der TU Darmstadt untersuchten digitale Arbeitsplattformen wie „Amazon Mechanical Turk“. Solche Plattformen vermitteln Arbeits- und Dienstleistungen, etwa in den Bereichen Softwareentwicklung, Multimedia, Übersetzung, Dateneingabe oder Marketing.
In Deutschland ist Crowdworking, also eine Arbeitsform, bei dem Unternehmen Aufträge über digitale Plattformen an externe Arbeitskräfte vergeben, bislang kein Massenphänomen. Es wird vor allem zum Nebenerwerb genutzt. Zugleich hat die Nutzung in den vergangenen Jahren deutlich zugenommen: Einer Erhebung des Zentrums für Europäische Wirtschaftsforschung (ZEW) zufolge setzten 2020 rund 8,2 Prozent der Unternehmen der deutschen Informationswirtschaft Crowdworking ein.
Im Modell überlassen Unternehmen die Entscheidung über die angebotenen Löhne sogenannten Deep Q-Networks (DQN). Dabei handelt es sich um selbstlernende Algorithmen, die mit Reinforcement Learning, also bestärkendem Lernen, trainiert werden. Sie nutzen neuronale Netze, die anhand von Daten komplexe Zusammenhänge erkennen und daraus Entscheidungen ableiten können.
Für ihre Untersuchung verbanden die Forschenden ökonomische Modellierungen mit Methoden des maschinellen Lernens und umfangreichen Computersimulationen. Im Mittelpunkt stand die Frage, ob die Algorithmen selbstständig Löhne erlernen können, die unter dem Niveau liegen, das sich bei einem normalen Wettbewerb zwischen Unternehmen ergeben würde.
Niedrige Löhne ohne ausdrückliche Absprache
Die Simulationen zeigten: Unter bestimmten Bedingungen können selbstlernende Algorithmen Löhne hervorbringen, die erheblich unter dem Wettbewerbsniveau liegen. Konkurrieren nur wenige Unternehmen miteinander, können sich die Löhne einem Niveau annähern, wie es bei einer Kollusion der Unternehmen entstehen würde – also einer Absprache, die den Wettbewerb einschränkt.
Damit greift die Studie ein junges Forschungsfeld auf: die sogenannte algorithmische Kollusion. Frühere Untersuchungen beschäftigten sich vor allem mit Produktmärkten und der Frage, ob Algorithmen überhöhte, kollusionsähnliche Preise erlernen können. Die Studie überträgt diese Fragestellung auf Arbeitsmärkte und insbesondere auf digitale Arbeitsplattformen.
Auch methodisch unterscheidet sich die Studie von vielen früheren Arbeiten. Während diese einfachere Formen des Reinforcement Learning nutzten, setzen die Forschenden mit Deep Q-Networks ein leistungsfähigeres Verfahren ein.
Relevant für die Regulierung von KI
Die Ergebnisse sind unter anderem für die Arbeitsmarkt- und Wettbewerbspolitik sowie für die Regulierung von Plattformen und KI-Systemen relevant. Mit der zunehmenden Automatisierung wirtschaftlicher Entscheidungen stellt sich die Frage, wie Märkte funktionieren, wenn Algorithmen eigenständig Löhne, Preise oder andere Vertragsbedingungen festlegen.
„Die Studie macht auf ein Problem aufmerksam, das mit zunehmender Automatisierung wirtschaftlicher Entscheidungen an Bedeutung gewinnen könnte: Unternehmen müssen sich möglicherweise gar nicht ausdrücklich über Löhne oder Preise absprechen“, sagt Studienautor Neugart. „Lernende Algorithmen können unter bestimmten Bedingungen selbstständig Verhaltensweisen entwickeln, deren Marktergebnis einer solchen Absprache ähnelt.“
Für Wettbewerbsbehörden könnte es daher wichtig sein, besser zu verstehen, welche Eigenschaften moderner Machine-Learning-Algorithmen nicht-wettbewerbliche Marktergebnisse begünstigen. Die Untersuchung betrifft dabei nicht nur digitale Arbeitsplattformen. Grundsätzlich stellt sich die Frage überall dort, wo Algorithmen autonom wirtschaftliche Entscheidungen über Preise, Löhne oder Vertragsbedingungen treffen.
Über die TU Darmstadt
Die TU Darmstadt zählt zu den führenden Technischen Universitäten in Deutschland und steht für exzellente und relevante Wissenschaft. Globale Transformationen – von der Energiewende über Industrie 4.0 bis zur Künstlichen Intelligenz – gestaltet die TU Darmstadt durch herausragende Erkenntnisse und zukunftsweisende Studienangebote entscheidend mit.
Ihre Spitzenforschung bündelt die TU Darmstadt in drei Feldern: Energy and Environment, Information and Intelligence, Matter and Materials. Ihre problemzentrierte Interdisziplinarität und der produktive Austausch mit Gesellschaft, Wirtschaft und Politik erzeugen Fortschritte für eine weltweit nachhaltige Entwicklung.
Seit ihrer Gründung 1877 zählt die TU Darmstadt zu den am stärksten international geprägten Universitäten in Deutschland; als Europäische Technische Universität baut sie in der Allianz Unite! einen transeuropäischen Campus auf. Mit ihren Partnern der Rhein-Main-Universitäten – der Goethe-Universität Frankfurt und der Johannes Gutenberg-Universität Mainz – entwickelt sie die Metropolregion Frankfurt-Rhein-Main als global attraktiven Wissenschaftsraum weiter.
www.tu-darmstadt.de
MI-Nr. 35/2026, cst
Wissenschaftlicher Ansprechpartner:
Wissenschaftlicher Ansprechpartner
Professor Michael Neugart
Fachgebiet Finanzwissenschaft und Wirtschaftspolitik
michael.neugart@tu-darmstadt.de
+49 6151 16-57266
Originalpublikation:
Die Veröffentlichung:
Herbert Dawid, Philipp Harting, Michael Neugart: “Algorithmic wage setting on online labor platforms”, in: Labour Economics, Volume 102, October 2026, 102945
https://www.sciencedirect.com/science/article/pii/S0927537126000977?via%3Dihub
Ähnliche Pressemitteilungen im idw
