Der Employment-Test (auch Beschäftigungstest) ist ein von Nils J. Nilsson vorgeschlagener Maßstab für allgemeine künstliche Intelligenz: Maschinen sollen einen wirtschaftlich bedeutsamen Anteil der Tätigkeiten ausüben können, die Menschen gegen Bezahlung verrichten. Der Vorschlag stammt aus dem Aufsatz Human-Level Artificial Intelligence? Be Serious! (2005).
Zusammenfassung
Nilsson, einer der Begründer der KI-Forschung, richtete seinen Vorschlag gegen zwei Tendenzen: die Beschränkung der Prüfung auf sprachliche Täuschung im Turing-Test und die Abkehr der Disziplin von ihrem ursprünglichen Ziel, menschenähnliche Intelligenz zu erreichen. Sein Kriterium ist ökonomisch statt kognitiv formuliert und dadurch messbar: Beschäftigungsstatistiken existieren und werden fortlaufend erhoben.
Der Test steht in einer Linie mit den ökonomischen AGI-Definitionen, die später OpenAI in seiner Satzung und die AI-Impacts-Erhebungen im Begriff HLMI verwenden.
Anforderung
Nilsson formuliert das Kriterium als graduelle Größe, nicht als Schwelle: Maßgeblich ist der Anteil der bezahlten Tätigkeiten, den Maschinen ausüben können. Der Test ist damit fortlaufend anwendbar, statt einen einzelnen Zeitpunkt zu markieren.
Zwei Präzisierungen sind dabei erheblich. Erstens geht es um die Fähigkeit zur Ausübung, nicht um die tatsächliche Beschäftigung – ob Automatisierung wirtschaftlich sinnvoll oder gesellschaftlich gewollt ist, bleibt außer Betracht. Zweitens umfasst bezahlte Tätigkeit das gesamte Spektrum, einschließlich handwerklicher und pflegerischer Berufe, nicht nur Büroarbeit.
Aus der zweiten Präzisierung folgt eine Verwandtschaft zum Kaffee-Test: Ein erheblicher Teil bezahlter Arbeit ist physisch, sodass ein bestandener Employment-Test ohne Fortschritte in der Robotik nicht denkbar wäre.
Kontext des Aufsatzes
Nilssons Aufsatz von 2005 ist ein programmatischer Text. Er beklagt, dass die KI-Forschung sich auf eng umgrenzte Anwendungen zurückgezogen habe und das ursprüngliche Ziel – Intelligenz auf menschlichem Niveau – kaum noch verfolge. Der Employment-Test ist in diesem Zusammenhang weniger als Prüfverfahren gemeint denn als Zielvorgabe, die der Disziplin eine überprüfbare Richtung geben soll.
Nilsson schlug zudem vor, den Fortschritt durch die Bearbeitung realistischer, ökonomisch bedeutsamer Aufgaben statt durch abstrakte Testprobleme voranzutreiben.
Einordnung
| Test | Urheber | Prüft |
|---|---|---|
| Turing-Test | Turing 1950 | sprachliche Ununterscheidbarkeit |
| Kaffee-Test | Wozniak | verkörperte Alltagskompetenz |
| Employment-Test | Nilsson 2005 | ökonomische Ersetzbarkeit |
| Robot-College-Student-Test | Goertzel | Lernfähigkeit über die Zeit |
Der Test gehört zur Familie ökonomischer Bestimmungen. Verwandt sind:
- HLMI, wie in den AI-Impacts-Erhebungen definiert: Maschinen erledigen jede Aufgabe besser und kostengünstiger als menschliche Arbeitskräfte. Der Zusatz der Kostengünstigkeit geht über Nilssons Fähigkeitskriterium hinaus.
- OpenAIs Satzungsdefinition: hochautonome Systeme, die den Menschen in den meisten wirtschaftlich wertvollen Aufgaben übertreffen.
- Transformative AI, das jedoch auf die gesellschaftliche Wirkung abstellt statt auf die Ersetzbarkeit von Arbeit.
Gegenüber kognitionsorientierten Bestimmungen hat der Employment-Test den Vorzug der Beobachtbarkeit und den Nachteil, dass er über die Beschaffenheit der geprüften Intelligenz nichts aussagt.
Wirkung
Der Test selbst wird selten unter seinem Namen zitiert; seine Denkfigur ist dafür umso wirksamer geworden. Die ökonomische Rahmung des AGI-Begriffs – Intelligenz gemessen an ersetzbarer Erwerbsarbeit statt an kognitiver Beschaffenheit – ist heute die in Unternehmen und Politik vorherrschende, und sie geht in dieser Form auf Nilssons Vorschlag zurück.
Dass gerade diese Rahmung sich durchsetzte, hat naheliegende Gründe. Sie ist anschlussfähig an Größen, die ohnehin erhoben werden; sie erlaubt Aussagen über Teilfortschritte statt nur über einen Endzustand; und sie verlagert eine philosophisch unentscheidbare Frage in einen Bereich, in dem Belege möglich sind.
Für Investoren, Aufsichtsbehörden und Arbeitsmarktpolitik ist der Anteil automatisierbarer Tätigkeit ohnehin die interessantere Größe als die Frage, ob ein System im strengen Sinne denkt.
Der Preis dieser Verschiebung ist allerdings selten mitreflektiert: Ein ökonomisch definierter Intelligenzbegriff macht die Antwort auf die Frage „Ist das schon AGI?” von Lohnstrukturen, Berufsbildern und Arbeitsmarktverhältnissen abhängig – also von Größen, die mit der Beschaffenheit des Systems nichts zu tun haben. Dieselbe Maschine kann in unterschiedlichen Volkswirtschaften unterschiedliche Anteile bezahlter Arbeit ersetzen.
Kritik
Der Begriff bezahlter Arbeit ist historisch veränderlich. Was als Beruf gilt und welche Tätigkeiten entlohnt werden, hängt von gesellschaftlichen Verhältnissen ab. Unbezahlte Sorgearbeit fällt aus der Messung heraus, obwohl sie kognitiv anspruchsvoll ist.
Rückkopplung mit dem Gemessenen. Berufsbilder verändern sich unter dem Einfluss der Automatisierung selbst. Tätigkeiten werden zugeschnitten, um automatisierbar zu sein; andere entstehen neu. Der Anteil automatisierbarer Arbeit ist damit keine unabhängige Messgröße.
Ungleichmäßigkeit. Der Anteil sagt nichts darüber aus, welche Tätigkeiten betroffen sind. Systeme können anspruchsvolle Analysetätigkeit übernehmen und an einfacher Handarbeit scheitern – ein Muster, das dem Moravecschen Paradox entspricht und die Aussagekraft einer Gesamtquote mindert.
Rahmungsabhängigkeit. Die AI-Impacts-Erhebungen zeigen empirisch, dass die Frage nach der Automatisierbarkeit aller Berufe erheblich spätere Schätzungen hervorbringt als die logisch nahezu gleichwertige HLMI-Frage. Ökonomisch gerahmte Kriterien sind damit gegenüber der Formulierung nicht neutral.
Verwandte Begriffe
- AGI – Zielbegriff, dessen Prüfung der Test dienen soll
- HLMI – verwandte, um Kostengünstigkeit erweiterte Bestimmung
- Nils Nilsson – Urheber des Vorschlags
- Turing-Test – älterer Maßstab, gegen dessen Beschränkung sich der Vorschlag richtet
- Kaffee-Test – verwandter Vorschlag mit Betonung der Verkörperung
- Robot-College-Student-Test – verwandter Vorschlag von Ben Goertzel
- Transformative AI – wirkungsorientierte Alternative
Quellenangaben
- Grace, Katja / Stewart, Harlan / Sandkühler, Julia Fabienne / Thomas, Stephen / Weinstein-Raun, Benjamin / Brauner, Jan (AI Impacts) (2024): Thousands of AI Authors on the Future of AI. arXiv: 2401.02843. Erschienen in: Journal of Artificial Intelligence Research 84 (2025), Artikel 9. DOI: 10.1613/jair.1.19087.
- Moravec, Hans, 1988. Mind Children: The Future of Robot and Human Intelligence.
- Nilsson, Nils J. (2005): Human-Level Artificial Intelligence? Be Serious! In: AI Magazine 26 (4), S. 68–75.
- OpenAI (2018): OpenAI Charter. https://openai.com/charter/
← Zurück zur Lexikon-Übersicht
Zuletzt bearbeitet: 10. August 2026
Zusammengestellt, formuliert, lektoriert und korrigiert mit KI-Unterstützung. Kuratiert von Nils Brauer. Alle Angaben ohne Gewähr.