KI sagt Arbeitslosigkeit am schnellsten vorher

Zu dem Ergebnis kommen Forscher unter der Leitung der Development Impact Group der World Bank. Das Team um Sam Fraiberger hat dafür das KI-Modell "JoblessBERT" entwickelt, das entsprechende Äusserungen im Social Web identifiziert.

JoblessBERT erkennt Slang

Insgesamt haben die Experten die Daten von 31,5 Mio. X-Usern für das Training des transformerbasierten Klassifikators verwendet. Dieser sollte aus den zwischen 2020 und 2022 geposteten Inhalten jene Posts erkennen, die mit einer Arbeitslosigkeit in Zusammenhang standen. Dabei wurden auch Posts berücksichtigt, die Slang oder Rechtschreibfehler wie "I needa job!" aufwiesen.

Auch demografische Justierungen sind eingesetzt worden, um der nicht repräsentativen Nutzerbasis von X Rechnung zu tragen. Zusätzlich sind die Ansprüche aus der Arbeitslosenversicherung in den USA auf nationaler, bundesstaatlicher und Stadtebene berücksichtigt worden. Das Modell hat fast drei Mal mehr Aufdeckungen einer Arbeitslosigkeit erfasst als frühere regelbasierte Ansätze. Gleichzeitig wurde eine hohe Genauigkeit beibehalten.

KI während Krisen nützlich

Das neue Verfahren, so die Wissenschaftler, verringert im Vergleich zu den Konsensprognosen der Industrie die Prognosefehler um 54,3 Prozent und erweist sich während Krisen wie der COVID-19-Pandemie als besonders nützlich. Die KI entdeckte, dass es im März 2020 zu einem massiven Anstieg der Anträge auf Arbeitslosenunterstützung gekommen war. Diese Informationen standen Tage vor der Veröffentlichung der offiziellen Statistiken zur Verfügung.

Die Studienautoren betonen, dass diese Methodik zeigt, wie KI-Modelle in Kombination mit den Daten der sozialen Medien traditionelle Wirtschaftsstatistiken ergänzen können. Sie dürften vor allem bei wirtschaftlichen Krisen von grossem Vorteil sein, unterstreichen die Wissenschaftler abschliessend. Details zur aktuellen Forschungsarbeit sind in "PNAS Nexus" nachzulesen. (presseportal.com)