Entwicklungen der Arbeitsqualität in zwölf Industriebranchen · Entwicklungen der Arbeitsqualität in zwölf Industriebranchen ERSTELLT IM AUFTRAG VON Stiftung Arbeit und Umwelt

Beschäftigtenbefragung„Monitor Digitalisierung“ Entwicklungen der Arbeitsqualität in zwölf Industriebranchen

IndustriegewerkschaftBergbau, Chemie, Energie

Monitor-Digitalisierung.deOnline-Beschäftigtenbefragung 2019

Stiftung Arbeit und Umwelt der IG BCE2

Impressum

STUDIE

Beschäftigtenbefragung Monitor Digitalisierung:

Entwicklungen der Arbeitsqualität in zwölf Industriebranchen

ERSTELLT IM AUFTRAG VON

Stiftung Arbeit und Umwelt der IG BCE

• Inselstraße 6, 10179 Berlin

• Königsworther Platz 6, 30167 Hannover

Telefon +49 30 2787 1314

PROJEKTLEITUNG

Sören Tuleweit

BEARBEITET VON

Goodwork GmbH

Freiheit 12a/b, 12555 Berlin

www.goodwork-gmbh.de

Telefon +49 30 239 692 05

AUTOREN

Prof. Dr. Christian Härtwig

(Goodwork GmbH, FOM Hochschule für Oekonomie und

Management Berlin, Bereich Wirtschaftspsychologie)

Dr. Kajsa Borgnäs

(Stiftung Arbeit und Umwelt der IG BCE)

Sören Tuleweit

(Stiftung Arbeit und Umwelt der IG BCE)

Anna Lenski

(Goodwork GmbH)

Christoph Niebuhr

(Goodwork GmbH)

LEKTORAT

Gisela Lehmeier, FEINSCHLIFF

SATZ UND LAYOUT

pandamedien GmbH & Co. KG

TITELBILD

© Fotolia

DRUCK

Spree Druck Berlin GmbH

VERÖFFENTLICHUNG

September 2019

BITTE ZITIEREN ALS

Härtwig, C., Borgnäs, K., Tuleweit, S., Lenski, A. & Niebuhr,

C. (2019). Beschäftigtenbefragung Monitor Digitalisierung.

Entwicklungen der Arbeitsqualität in zwölf Industriebranchen.

Berlin: Stiftung Arbeit und Umwelt der IG BCE.

Beschäftigtenbefragung „Monitor Digitalisierung“ 3

Vorwort

Die Digitalisierung der Arbeit ist allgegenwärtig. Die Ein-

schätzungen, wie die Digitalisierung die Arbeit für die

Menschen verändern wird, sind vielfältig und zum Teil sehr

unterschiedlich. Positive Prognosen nach dem Motto „so

schnell schafft sich der Mensch nicht ab“ stehen negativen

Szenarien gegenüber, die eine hohe Arbeitslosigkeit und

eine steigende Arbeitsbelastung erwarten.

Die Einschätzung der Beschäftigten selbst wird bislang nur

an wenigen Stellen diskutiert. Deswegen steht im Mittel-

punkt dieser Studie die Frage: „Wie erleben die Arbeitneh-

merinnen und Arbeitnehmer die Digitalisierung“?

Die Stiftung Arbeit und Umwelt der IG BCE hat in Zusam-

menarbeit mit der IG BCE und der Goodwork GmbH den

Monitor Digitalisierung entwickelt. Der Monitor Digitalisie-

rung wurde als deutschlandweite Beschäftigtenbefragung

im Februar und März 2019 in über 600 Betrieben in zwölf

Industriebranchen der IG BCE durchgeführt.

Mehr als 14.000 Arbeitnehmerinnen und Arbeitnehmer

haben an der Befragung teilgenommen. Die Antworten

liefern teils überraschende Erkenntnisse. Der Monitor Di-

gitalisierung zeigt, dass die Beschäftigten insgesamt kei-

ne Angst vor der Digitalisierung haben. Im Gegenteil – sie

gehen selbstbewusst in den digitalen Wandel, fühlen sich

zum großen Teil ausreichend gerüstet und sehen nur we-

nig Probleme mit Überwachung, Fremdbestimmung und

Arbeitsplatzverlust.

Ist in den Betrieben in den Branchen der IG BCE also alles

gut? Leider nein! Viele Beschäftigte sehen die Notwendig-

keit für eine Digitalisierungs-Strategie ihres Arbeitgebers;

bei der Gestaltung und Umsetzung der Strategie fühlen

sie sich aber wenig eingebunden. Ausreichende Weiter-

bildungsmöglichkeiten zu digitalen Themen gibt es nur

für wenige Beschäftigte. Stress und Leistungsverdichtung

ist in vielen Betrieben Alltag. Und ältere Beschäftigte sowie

Beschäftigte in Blue-Collar-Berufen oder mit geringerem

Qualifikationsniveau berichten relativ häufig von wachsen-

den Anforderungen, Skepsis gegenüber Veränderungen

sowie Sorgen um ihre berufliche Zukunft im Zuge der Di-

gitalisierung.

Es gibt für die Gewerkschaften und Sozialpartner also viel

zu tun, um den digitalen Wandel zu gestalten. Der Monitor

Digitalisierung ist eine gute Grundlage, um besser zu ver-

stehen, wo die konkreten Herausforderungen dabei liegen.

Wir wünschen viel Spaß beim Lesen!

Sören Tuleweit,

Bereichsleiter Industriearbeit der Zukunft

Stiftung Arbeit und Umwelt der IG BCE


Die wichtigsten Ergebnisse auf einen Blick

(Executive Summary)

• Online Beschäftigten-Befragung in Branchen

der IG BCE

Die Stiftung Arbeit und Umwelt hat eine Online-Be-

schäftigtenbefragung unter dem Titel Monitor

Digitalisierung konzipiert. Die Ausgangsfrage für die

Entwicklung des Monitors war: Wie digital arbeiten die

Beschäftigten in den Branchen der IG BCE und welche

Auswirkungen hat die Digitalisierung auf ihre Arbeit?

Der Monitor Digitalisierung wurde im Befragungszeit-

raum von Februar bis März 2019 durchgeführt. Mehr

als 14.000 Beschäftigte aus über 600 Betrieben in den

Branchen der IG BCE haben sich beteiligt.

Ergebnisse in Kürze

• Digitalisierung steht noch am Anfang

Die Digitalisierung steht in den Branchen der IG BCE

noch am Anfang. Sie ist (noch) vor allem auf die Ver-

wendung von digitalen Informations- und Kommu-

nikationssystemen (IKT) ausgerichtet bzw. auf E-Mail,

Intranet, Smartphones und Tablets sowie Videotele-

fonie und -Konferenzen. E-Mails sind das mit Abstand

häufigste digitale Kommunikationsmittel; 91 Prozent

der Beschäftigten geben an, oft oder sehr oft mit

E-Mails zu arbeiten.

Digital aufbereitete Daten zu Endprodukten und

Arbeitsergebnissen, wie z. B. Terminals mit Echtzeit-

daten, 3D-Drucker, modulare Anlagen oder Systeme

mit Augmented Reality, werden dagegen nur ge-

legentlich eingesetzt. Das Exoskelett, das durchaus

mediale Aufmerksamkeit erfährt, wird überhaupt nicht

eingesetzt. Während ERP-Systeme und Daten zu Pro-

duktlebenszyklen von einem Viertel der Beschäftigten

oft oder sehr oft benutzt werden, kommen 3D-Dru-

cker, Datenbrillen oder die viel diskutierte künstliche

Intelligenz bislang nur in sehr geringem Ausmaß in der

Arbeitsrealität vor. Personenbezogene Messsysteme,

Positions- oder Gesundheits-Tracker werden nur sehr

vereinzelt eingesetzt.

• Positive Gesamteinschätzung zu Digitalisierung und

große Veränderungsbereitschaft

Die Beschäftigten in den Industriebranchen der

IG BCE haben keine Angst vor der Digitalisierung.

Allerdings gibt nur eine Minderheit der Befragten an,

durch digitale Systeme unterstützt und erleichtert zu

werden. Sie zeigen aber trotzdem ein hohes Selbst-

bewusstsein und hohe Zuversicht. Fragt man die Be-

schäftigten danach, ob sie sich in der Lage fühlen, mit

technologischen Veränderungen der Digitalisierung

Schritt zu halten und die damit verbundenen Anforde-

rungen zu bewältigen, geben 71 Prozent der Befragten

an, dass dies für sie überwiegend oder oft zutrifft. Die

Anforderungszunahme im Zuge der Digitalisierung

hält sich somit in Grenzen.

In dieses Bild passt, dass die Veränderungsbereitschaft

hoch ist. 54 Prozent der Beschäftigten sind offen

gegenüber Veränderungen am Arbeitsplatz und sehen

darin einen persönlichen Mehrwert. Angesichts dieser

Erkenntnisse und der konjunkturellen Hochphase der

letzten Jahre überrascht es nicht, dass die Angst vor

Arbeitslosigkeit und Jobverlust wegen der Digitali-

sierung nur gering ausgeprägt ist. Allerdings sind die

Sorgen um Jobverlust in KMUs sowie unter älteren

Beschäftigten und Beschäftigten mit einem niedrigen

Qualifikationsniveau etwas höher als in Großbetrieben,

bei den jüngeren Beschäftigten oder bei Beschäftigten

mit hohem Qualifikationsniveau.

• Wenig Mitbestimmung bei Einführung digitaler Tech-

nologien und keine Transparenz über betriebliche

Digitalisierungs-Strategie

Die Beschäftigten in der Befragung berichten über

nur geringe Partizipationsmöglichkeiten bei der Ge-

staltung, Einführung und Benutzung von digitalen

Technologien. IT-Beschäftigte, Mitarbeitende in Lei-

tung und Planung sowie Forschung und Entwicklung

haben deutlich größere Partizipationsmöglichkeiten

als Beschäftigte in technischen Bereichen, Service und

Produktion. Dem Großteil der Beschäftigten sind die

Digitalisierungsstrategien ihrer Unternehmen sogar

nicht bekannt.


Über alle Branchen hinweg kennt in der Produk-

tion nur die Hälfte der Befragten eine Digitalisie-

rungs-Strategie ihres Betriebes; im IT-Bereich sowie

in der Leitung und Planung kennen die Beschäftigte

häufiger die Digitalisierungs-Strategie ihres Betrie-

bes. Darüber hinaus fehlt den Befragten mehrheit-

lich noch ein klares Verständnis darüber, was die

Digitalisierungs-Strategie ihres Betriebes konkret

beinhaltet. Das deutet darauf hin, dass Digitalisie-

rungsprozesse in den Unternehmen nicht hinrei-

chend vermittelt und zudem „top down“ umgesetzt

werden. Zwei Drittel der Beschäftigten sind aber

davon überzeugt, dass ihr Betrieb eine Digitalisie-

rungs-Strategie braucht, um auch in Zukunft wett-

bewerbsfähig zu sein.

• Arbeitsbelastung für viele Beschäftigte sehr hoch

So geben fast 50 Prozent der Arbeitnehmerinnen

und Arbeitnehmer an, dass sie zu viel Arbeit und

Zeitdruck haben sowie mehrere Aufgaben gleich-

zeitig zu erledigen sind. Im Vergleich der unter-

schiedlichen Tätigkeiten haben Beschäftigte in

Leitung und Planung die höchsten quantitativen

Belastungen. Selbst die Tätigkeiten mit den nied-

rigeren Belastungen (Forschung und Entwicklung,

Labor, Produktion) geben an, viel Arbeit und Zeit-

druck zu erleben.

Dagegen halten sich die qualitativen Mehrbelastun-

gen in Grenzen. Nur eine Minderheit gibt an, dass

ihre Arbeitsaufgaben zu schwer sind oder dass sie

sich nicht gut genug für ihre Arbeitsaufgaben aus-

gebildet fühlen. Auch das Gefühl von Überwachung

oder Austauschbarkeit durch digitale Systeme ist

eher gering ausgeprägt.

• Arbeitszeitflexibilität hält sich in Grenzen

Die Beschäftigten in den Branchen der IG BCE ge-

ben an, nur in geringem Ausmaß von wachsenden

Arbeitszeitflexibilitätsanforderungen betroffen zu

sein. Insgesamt geben nur zehn Prozent der Be-

fragten an, dass zeitliche Flexibilitätsanforderungen,

nicht planbare Arbeitszeiten und Erreichbarkeit in

der Freizeit für sie überwiegend oder völlig zutref-

fen. Weder bei den verschiedenen Tätigkeiten noch

den unterschiedlichen Branchen zeigen sich nen-

nenswerten Unterschiede. Es überrascht nicht, dass

die Arbeitsflexibilität in der Produktion, die stark

durch Arbeit in Schichtsystemen geprägt ist, weni-

ger ausgeprägt ist als in der Verwaltung. Beschäf-

tigte in der IT und in Leitung und Planung weisen

die höchste Anforderungen an Arbeitszeitflexibilität

und damit zusammenhängenden Stress – wie nicht

abschalten zu können – auf.

• Weiterbildung zur Digitalisierung – Rahmenbedingen

müssen verbessert werden

Die Beschäftigten bewerteten die betrieblichen Rah-

menbedingungen zur Weiterbildung zur Digitalisie-

rung als deutlich ausbaufähig. Der Monitor zeigt, dass

nur eine Minderheit der Beschäftigten – und dann

vor allem im Bereich IT oder Leitung und Planung

– in den letzten zwei Jahren an einer Weiterbildung

zu digitaler Technologie teilgenommen hat. Der

Wunsch, sich auf neue Anforderungen vorzubereiten

sowie persönliches Interesse an der Digitalisierung

sind die wesentlichen Antriebe an Weiterbildungen

teilzunehmen. Arbeitgeber hingegen treiben „digi-

tale Fortbildungen“ ihrer Beschäftigten nur wenig

voran. Nur in einer Minderheit der Betriebe sind die

Rahmenbedingungen für eine Weiterbildung somit

förderlich.

• Negative und positive „Verstärkungseffekte“ der

Digitalisierung

Die positiven und negativen Effekte der Digitali-

sierung im Arbeitsalltag verstärken sich gegensei-

tig. Beschäftigte, die hohe Arbeitsbelastungen im

Arbeitsalltag oder sehr hohe Flexibilitätsanforde-

rungen erleben, finden es schwerer, nach der Arbeit

abschalten zu können und eineeine gute Work-Li-

fe-Balance zu finden. Auch berufliche Distanzierung,

soziale Isolation im Arbeitsalltag oder das Gefühl,

wichtige Informationen nicht hinreichend zu Ver-

fügung zu bekommen, führt zu einer geringeren

Zufriedenheit mit der Work-Life-Balance. Das Gefühl,

überwacht zu werden oder austauschbar zu sein,

hängt eng mit der beruflichen Unsicherheit zusam-

men. Im Umkehrschluss sind auch Beschäftigte, die

beruflich unsicher sind, weniger veränderungsbereit.

Dagegen berichten Beschäftigte, die eher Unterstüt-

zung und Selbstwirksamkeit durch die Digitalisierung

erleben, von einer größeren Veränderungsbereit-

schaft sowie von dem Gefühl, die Anforderungen

und Aufgaben meistern zu können. Sie haben auch

die wenigsten Sorgen um ihre berufliche Zukunft.

• Große Unterschiede zwischen White-Collar und

Blue-Collar-Bereichen

Viele Fragen in der Studie zeigen, dass die Unter-

schiede zwischen den untersuchten Branchen gering

ausfallen. Im Bereich der Nutzung digitaler Techno-

logien zeigt sich aber, dass in den Branchen Pharma,

Papier und Kautschuk eine höhere Nutzung digitaler

Technologie vorzufinden ist als in den Branchen Ze-

ment, Mineralöl, Bergbau und Glas. In allen anderen

Themenbereichen spielten Branchenunterschiede in

Prinzip keine Rolle.


Es offenbart sich wiederholt eine gewisse Dualität

zwischen sogenannten White-Collar- und Blue-Col-

lar-Bereichen. Insgesamt sind Beschäftigte mit

vornehmlich planerisch-administrativen Büro-Tätig-

keiten etwas häufiger mit den Herausforderungen der

Digitalisierung konfrontiert als Beschäftigte in hand-

werklich-technischen Tätigkeiten.

Generell sind aber Beschäftigte in White-Collar-Be-

rufe mehr optimistisch bezüglich der Digitalisierung.

Sie erleben weniger Überwachung, Austauschbarkeit

oder berufliche Distanzierung, sondern empfinden

die Digitalisierung eher als unterstützend in ihrem

Arbeitsalltag. Beschäftigte in Blue-Collar-Berufen

sowie zum Teil ältere oder niedrig-qualifizierte Be-

schäftigte geben dagegen häufiger an, überwacht

und austauschbar zu sein, bilden sich seltener weiter

und machen sich größere Sorgen um zukünftigen

Job-Verlust. Lediglich bezüglich des Stress-Niveaus

geben Beschäftigten in White-Collar-Berufen an, dass

sie überproportional von einem quantitativen Belas-

tungsniveau betroffen sind.

Schlussfolgerungen und Handlungsbedarf

• Der Monitor Digitalisierung zeigt, dass es in den

untersuchten Branchen keinen Grund für übertriebe-

nen Alarmbereitschaft in der Digitalisierungsdebatte

gibt. Die Beschäftigten in den Branchen der IG BCE

gehen selbstbewusst mit (digitalen) Veränderungen

um und fühlen sich insgesamt für die digitale Trans-

formation gut gerüstet. Der Monitor Digitalisierung

liefert aber auch negative Ergebnisse und deckt

Handlungsbedarf auf.

• Insbesondere der Stress ist zu hoch und die Personal-

decke reicht in vielen Betrieben offensichtlich nicht

aus, um die vorhandene Arbeit zu bewältigen. Es muss

vorrangiges Ziel der Betriebsparteien sein, die Arbeits-

belastung dauerhaft zu reduzieren.

• Die Einbindung von Beschäftigten und Betriebsräten

in Digitalisierungsprozesse muss zudem deutlich

ausgebaut werden. Viele Arbeitnehmerinnen und

Arbeitnehmer wissen nicht über die Inhalte einer

solchen Strategie Bescheid, selbst wenn es sie gibt.

Mehr Transparenz und bessere Kommunikation

seitens der Unternehmen und eine intensivere Ein-

bindung von Betriebsräten und Beschäftigten in die

Erstellung und Umsetzung von Digitalisierungs-

Strategien sind notwendig.

• Zentral für eine erfolgreiche Umsetzung der Digi-

talisierung im Betrieb ist auch, dass die Rahmen-

bedingungen für betriebliche Weiterbildung gestärkt

werden. Es bilden sich aktuell vor allem jene Beschäf-

tigten fort, die eine Affinität zu und ein hohes persön-

liches Interesse an digitalen Technologien haben. Es

müssen zukünftig verstärkt Maßnahmen getroffen

werden, dass alle betroffenen Beschäftigtengruppen

an Qualifizierungsmaßnahmen teilnehmen.

• Für die Gewerkschaften und Sozialpartner bedeutet

dies somit, dass es eine gute und konstruktive Grund-

lage für die Digitalisierungsprozesse in vielen Betrie-

ben und Beschäftigtengruppen gibt. Es ist aber zentral,

dass es auf die großen Herausforderungen rund um

Themen wie zunehmenden Stress, fehlende Mitbe-

stimmung sowie ungenügende Weiterbildungsmög-

lichkeiten Antworten gibt.



Inhalt

Die wichtigsten Ergebnisse auf einen Blick (Executive Summary) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

Ergebnisse in Kürze. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

Schlussfolgerungen und Handlungsbedarf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

1. Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

2. Aktueller Stand der Forschung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

3. Methodik und Datengrundlage der Studie. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

4. Soziodemografische Rahmendaten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

5. Ergebnisse. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

5.1. Statistische Grundlagen der Berechnungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

5.2. Digitale Arbeitsmittel: Nutzung, Unterstützung und Anforderungszunahme durch digitale Technologien . 22

5.2.1 Nutzung digitaler Technologien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

5.2.2 Unterstützung durch digitale Technologien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

5.2.3 Anforderungszunahme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

5.3. Betriebliche Rahmenbedingungen der Digitalisierung: Strategie, Einbringen betrieblicher Akteure sowie

Weiterbildung und Partizipation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

5.3.1 Digitalisierungs-Strategie im Betrieb . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

5.3.2 Gestaltung der Digitalisierungs-Strategie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

5.3.3 Betriebliche Weiterbildung zur Digitalisierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

5.4. Befürchtungen und Zuversicht der Beschäftigten: Fremdbestimmung, Überwachung

und Austauschbarkeit sowie digitale Selbstwirksamkeit und Veränderungsbereitschaft . . . . . . . . . . . . . . . . . 33

5.4.1 Fremdbestimmung durch digitale Technologien. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

5.4.2 Überwachung und Austauschbarkeit. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

5.4.3 Digitale Selbstwirksamkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

5.4.4 Veränderungsbereitschaft . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

5.5 Allgemeine Belastung der Beschäftigten: quantitative und qualitative Belastung

sowie zeitliche Flexibilitätsanforderungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

5.5.1 Quantitative Belastung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

5.5.2 Qualitative Belastung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

5.5.3 Zeitliche Flexibilitätsanforderungen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

5.6. Gesundheit und Wohlbefinden: Irritation, Work-Life-Balance, berufliche Unsicherheit und Distanzierung. . . . . 42

5.6.1 Nicht-Abschalten-Können . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

5.6.2 Work-Life-Balance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

5.6.3 Berufliche Unsicherheit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

5.6.4 Berufliche Distanzierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

5.7. Strukturgleichungsmodell zu den Dimensionen der Studie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

5.7.1 Definition des Modells und Hypothesen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

5.7.2 Ergebnisse der Strukturgleichungsmodellierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

Ergebnisse im Überblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

Ergebnisse im Detail . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

6 . Zusammenfassung, Bewertung und Diskussion der Studienergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

7. Literaturverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54


Tabellenverzeichnis

Tabelle 1: Untersuchte Branchen, Tätigkeitsfelder und Betriebsgrößen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

Tabelle 2: Themenblöcke und Inhalte der Online-Befragung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

Tabelle 3: Themenbereiche, Skalen und Iteminhalte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

Tabelle 4: Stichprobe der Befragten und Grundgesamtheit der Beschäftigten

je Branche sowie Rückläufe je Bundesland . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

Tabelle 5: Rückläufe nach Betriebsgrößen sowie Befragungsteilnahmen je Einzelbetrieb. . . . . . . . . . . . . . . . . . . . 19

Abbildungsverzeichnis

Abbildung 1: Prozentuale Geschlechterverteilung und Durchschnittsalter je Branche . . . . . . . . . . . . . . . . . . . . . . . . .19

Abbildung 2: Bildungsabschlüsse und Jahr des Berufsabschlusses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

Abbildung 3: Tätigkeitsfelder und Anstellungsarten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

Abbildung 4: Formen der Schichtarbeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .21

Abbildung 5: Nutzung von Technologien der Digitalisierung (in Prozent) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .23

Abbildung 6: Nutzungsunterschiede digitaler Technologien nach Branchen und Tätigkeitsfeldern . . . . . . . . . . . . . . 24

Abbildung 7: Unterstützung und Erleichterung durch digitale Systeme nach Branchen und Tätigkeitsfeldern . . . . 25

Abbildung 8: Anforderungszunahme durch Digitalisierung nach Branchen und Tätigkeitsfeldern . . . . . . . . . . . . . . . .27

Abbildung 9: Einschätzungen der betrieblichen Digitalisierungs-Strategie nach Branchen und Tätigkeitsfeldern . . 29

Abbildung 10: Einbringen betrieblicher Akteure bei der Gestaltung der Digitalisierung im Betrieb nach Branchen . . 30

Abbildung 11: Betriebliche Rahmenbedingungen zur Weiterbildung nach Branchen und Tätigkeitsfeldern . . . . . . . .31

Abbildung 12: Teilnahme an Weiterbildungsmöglichkeiten nach Branchen und Tätigkeitsfeldern (in Prozent) 31

Abbildung 13: Gründe zur Weiterbildung nach Tätigkeitsfeldern (in Prozent) 32

Abbildung 14: Partizipation bei Einführung und Benutzung digitaler Technologien nach Branchen

und Tätigkeitsfeldern . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

Abbildung 15: Fremdbestimmung durch digitale Systeme nach Branchen und Tätigkeitsfeldern . . . . . . . . . . . . . . . . . 34

Abbildung 16: Überwachung und Austauschbarkeit durch digitale Systeme nach

Branchen und Tätigkeitsfeldern . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

Abbildung 17: Digitale Selbstwirksamkeit nach Branchen und Tätigkeitsfeldern . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

Abbildung 18: Allgemeine Veränderungsbereitschaft nach Branchen und Tätigkeitsfeldern . . . . . . . . . . . . . . . . . . . . . 37

Abbildung 19: Quantitative Belastung nach Branchen und Tätigkeitsfeldern . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

Abbildung 20: Qualitative Belastung nach Branchen und Tätigkeitsfeldern . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

Abbildung 21: Zeitliche Flexibilitätsanforderungen nach Branchen und Tätigkeitsfeldern . . . . . . . . . . . . . . . . . . . . . . . 41

Abbildung 22: Nicht-Abschalten-Können nach Branchen und Tätigkeitsfeldern . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

Abbildung 23: Work-Life-Balance nach Branchen und Tätigkeitsfeldern . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

Abbildung 24: Berufliche Unsicherheit nach Branchen und Tätigkeitsfeldern . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

Abbildung 25: Strukturgleichungsmodell für die Chemie-Branche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

Abbildung 26: Zusammenfassung der Studienergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51


11. Einleitung

1 (Hermeier, Heupel, & Fichtner-Rosada, 2019)2 (Hämmerle, Rally & Scholtz, 2017; Priddat & West, 2016)3 (Hirsch-Kreinsen, Ittermann, & Niehaus, 2018)4 (Hasselmann, Schauerte, & Schröder, 2017)5 (Maier, Engels, & Steffen, 2017)6 (Absenger, et al., 2016)7 (BAVC & IG BCE, 2014)

Die Digitalisierung verändert die beruflichen Tätigkeiten und

Rahmenbedingungen quer durch alle Branchen für eine Groß-

zahl von Beschäftigten.1 Auch in den Industriebranchen ergeben

sich trotz bereits fortgeschritten-automatisierter Arbeitsprozesse

zusätzliche und ganz neue Anforderungen durch die Digitalisie-

rung.2 So sind in digitalisierten Arbeits- und Produktionsprozessen

Beschäftigte, Maschinen, Produkte und Prozesse miteinander

verknüpft und tauschen Informationen in Echtzeit aus. Autono-

me Systeme kommunizieren untereinander und führen selbst-

ständig Koordinations- und Entscheidungsprozesse durch. Mit

neuer Sensorik und Kommunikation entstehen neue Formen

der Zusammenarbeit zwischen Menschen und kollaborativen

Robotersystemen. Der Mensch entwickelt sich an vielen Stellen

verstärkt hin zum Problemlöser, Entscheider und Innovator.

Doch welchen Effekt hat dies auf die Beschäftigten und die

Arbeit selbst? In der arbeitswissenschaftlichen Literatur wird

angenommen, dass sich sowohl die Belastung wandelt (z. B.

durch zunehmende Vernetzung, Arbeitsgeschwindigkeit und

zeitlich-örtliche Unabhängigkeit) als auch die Arbeitsgestal-

tung, Arbeitsorganisation, Zusammenarbeit, Koordination und

Führung bei arbeitenden Menschen, Gruppen und Organisa-

tionen sowie ganzen Branchen.3 Spezifische Studien zu Art und

Umfang dieser Veränderungen fehlen allerdings bisher.

Infolge der neuen Anforderungen und betrieblichen Re-

strukturierungen ist es gleichsam naheliegend, dass sich

v. a. psychische Belastungen und Beanspruchungen der

Beschäftigten intensivieren;4 sogar eine zunehmende Ent-

fremdung und Distanzierung der Beschäftigten zum bis-

her vertrauten und sich schrittweise digitalisierenden Beruf

und Betrieb sowie eine zunehmende berufliche Unsicherheit

sind denkbar.5 Anzunehmen sind aber auch positive Effekte

im Sinne fortschreitender Persönlichkeitsförderlichkeit durch

die Weiterentwicklung von Tätigkeiten mit der Entwicklung

neuer Motivations-, Wachstums- und Leistungspotenziale.

Derzeit herrscht eine konstante Unsicherheit in Hinblick auf das

Ausmaß und die Qualität dieser Veränderungen. Es fehlt vor

allem an belastbaren empirischen Befunden für spezifische In-

dustriebranchen zu den Entwicklungen der neuen Arbeitswelt

sowie dem Effekt des Wandels auf die Beschäftigten.6 Diese

sind dringend notwendig, um gesundheitsbezogene Hand-

lungsfelder, wie z. B. die Sozialpartnerschafts-Initiative in der

Chemie-Branche7, erfolgreich umzusetzen.

Der vorliegende Bericht bietet einen differenzierten Ein-

blick in die Ergebnisse der deutschlandweiten Studie Mo-

nitor Digitalisierung. Kapitel 2 stellt den theoretischen und

empirischen Hintergrund der Untersuchung dar, Kapitel

3 erläutert Methodik und Datengrundlage der Studie. Als

Grundlage der Ergebnisse werden in Kapitel 4 die sozio-

demografischen Rahmendaten der Studie vorgestellt, die

ausführliche Darstellung der Ergebnisse folgt in Kapitel 5.

Dabei wird zunächst auf die Nutzung digitaler Arbeitsmit-

tel, die wahrgenommene Unterstützung und die Anforde-

rungszunahme durch digitale Technologien eingegangen

(Abschnitt 5.1). Betriebliche Rahmenbedingungen der Di-

gitalisierung wie z. B. betriebliche Strategie, das Einbringen

betrieblicher Akteure, sowie Weiterbildung und Partizipa-

tion aus Sicht der Befragten, werden in Abschnitt 5.2 be-

trachtet. Befürchtungen und Zuversicht der Beschäftigten,

aber auch die gefühlte Überwachung, die Austausch-

barkeit sowie die digitale Selbstwirksamkeit und Verän-

derungsbereitschaft sind Gegenstand von Abschnitt 5.3,

bevor in Abschnitt 5.4 auf allgemeine Belastungsfaktoren

sowie in Abschnitt 5.5 auf Gesundheit und Wohlbefinden

der Beschäftigten eingegangen wird. Mit einem Struktur-

gleichungsmodell zu den Dimensionen der Studie in Ab-

schnitt 5.6 endet die Ergebnisdarstellung. Kapitel 6 bietet

eine Zusammenfassung, Bewertung und Diskussion der

Studienergebnisse, erläutert methodische Besonderheiten

und zeigt Potenziale für weitere Arbeiten auf.


22. Aktueller Stand der Forschung

8 (BMWi, 2018)9 (Ninaus, Diehl, Terlutter, Chan, & Huang, 2015)10 (Hirsch-Kreinsen, 2016)11 (Hirsch-Kreinsen, Ittermann, & Niehaus, 2018)12 (vgl. ebenda, S. 20)13 (BMAS, 2016)14 (Zika, Helmrich, Maier, Weber, & Wolter, 2018)15 (BMAS, 2016)16 (BMAS, 2016)17 (Kubicek, Paškvan, & Korunka, 2015)18 (Atanasoff & Venable, 2017)

Die Digitalisierung ist ein umfangreiches Phänomen

unserer Gesellschaft und beeinflusst viele Seiten des Le-

bens. Eine besondere und zunehmende Relevanz hat sie

auf Unternehmen, die Beschäftigten und ihr Wohlbe-

finden bei der Arbeit. So schätzten im Jahr 2018 knapp

die Hälfte der Unternehmen die Digitalisierung als sehr

wichtig ein, zehn Prozent mehr als im Jahr 2016.8 An-

gesichts des schnellen technologischen Fortschritts und

der zunehmenden Integration von Digitalisierung in den

Arbeitskontext zeigen Studien verschiedene Möglichkei-

ten und Auswirkungen der Digitalisierung. Wichtig ist es

hierbei, die duale und komplexe Wirkung der Digitalisie-

rung zu berücksichtigen, denn sie kann sowohl Vorteile

als auch Nachteile für die Beschäftigten und Betriebe mit

sich bringen,9 weswegen es schwerfällt, das Phänomen

als nur positiv oder nur negativ zu interpretieren.

Häufig diskutiert werden Einflüsse der Digitalisierung auf

den Arbeitsmarkt, auf die Berufe und die berufliche Ent-

wicklung der Beschäftigten. Dabei werden besonders die

gering qualifizierten Erwerbstätigen betrachtet, die mit

ihren Tätigkeiten ein höheres Risiko haben, umfassenden

Veränderungen unterworfen zu sein.10 In der Diskussion

werden verschiedene Entwicklungsrichtungen benannt:

eine intensivierte Automatisierung und Digitalisierung der

Tätigkeiten, eine Aufwertung im Sinne neuer Anforde-

rungen (z. B. mit der Entwicklung und Förderung neuer

Fähigkeiten und Fertigkeiten) oder keine Veränderungen.

Insgesamt wird eine generelle Aufwertung von Tätigkeiten

und Qualifikationen im Zuge einer allgemeinen Informati-

sierung der Arbeit erwartet.11 Aber auch eine fortschrei-

tende Polarisierung wird diskutiert: Komplexe Tätigkeiten

mit hohen Qualifikationsanforderungen könnten sich

immer mehr von einfachen Tätigkeiten mit niedrigen

Qualifikationsanforderungen abgrenzen, mittlere Quali-

fikationsgruppen könnten erodieren und sich zu den bei-

den Polen hin entwickeln.12 Bereits die aktuelle Nutzung

digitaler Technologien liefert erste Hinweise darauf: Eine

Studie des BMAS13 zeigte, dass ein Großteil der Befragten

(83 Prozent) bereits digitale Technologien (hier vor allem

Informations- und Kommunikationstechnologien, IKT)

am Arbeitsplatz nutzt, es sich aber deutliche Unterschiede

zeigen zwischen unterschiedlichen Berufsgruppen so-

wie klare Zusammenhänge zwischen Nutzungsgrad und

Höhe des Ausbildungsniveaus. Allerdings hat die Digita-

lisierung laut IAB kaum Auswirkungen auf das qualifika-

torische Gesamtniveau der Beschäftigten, Veränderungen

seien eher im Zuge von Verschiebungen von Arbeitsplät-

zen zwischen Berufen und Branchen zu diskutieren.14

Die Digitalisierung kann bei niedrig qualifizierten Beschäf-

tigten sowie Beschäftigten mit körperlich belastender

Tätigkeit zu einer stärkeren körperlichen Entlastung füh-

ren als bei Höherqualifizierten sowie Beschäftigten ohne

körperlich belastende Tätigkeiten.15 Gleichzeitig kann sie

v. a. für Beschäftigte mit niedrigerem Ausbildungslevel so-

wie Beschäftigte in Produktion und Service zu einer Sen-

kung der Anforderungen führen.16 Andererseits würden

Beschäftigte in neuen technisierten Arbeitsbedingungen

auch eine stärkere Arbeitsintensivierung, Arbeitsverdich-

tung sowie höhere Anforderungen bezüglich der Ent-

scheidungsgewalt und der arbeitsbezogenen Planung

erleben.17 Auch von einem höheren Arbeitstempo, höhe-

rem Zeitdruck18 sowie längeren Arbeitstagen im Zuge der


Nutzung von IKT wird berichtet.19 Diese Anforderungen

seien für die Beschäftigten mit zusätzlicher Belastung und

Stress verbunden, eine spezifische Unterstützung könne

diesen Effekt aber durchaus reduzieren.20

Die vorliegende Studie will klären, wie ausgeprägt die In-

tensivierung von Arbeit bereits in der Breite verschiedener

Industriebranchen ist und welche Zusammenhänge sich

mit weiteren Dimensionen der Digitalisierung ergeben.

Als theoretischer Rahmen der Studie dienen das klas-

sische Belastungs- Beanspruchungsmodell21 sowie das

darauf aufbauende Job-Demands-Job-Resources-Mo-

dell.22 Demnach nehmen sowohl Arbeitsanforderungen

und objektive Belastungen als auch Arbeitsressourcen

und individuelle Voraussetzungen (z. B. Fähigkeiten und

Einstellungen) Einfluss auf die kurzfristige subjektive Be-

anspruchung sowie auf längerfristige Beanspruchungsfol-

gen wie Wohlbefinden und Gesundheit der Beschäftigten.

Die subjektiv wahrgenommene Autonomie und internale

Kontrollüberzeugungen23 gelten dabei als wichtiger Puf-

fer zwischen beruflichen Anforderungen und der per-

sönlichen Gesundheit und Motivation.24 Es stellt sich die

Frage, inwiefern die Digitalisierung diese wichtigen Res-

sourcen beeinflusst, da bereits Studien im Rahmen der

Automatisierung zeigten, dass sich hoch automatisierte

Systeme mit gleichzeitig geringem Einfluss negativ auf

die Beschäftigten auswirken.25 So ist zu berücksichtigen,

mit welchen Technologien die Beschäftigten wie arbeiten,

denn fortgeschrittene digitale Fertigungstechnologien

können durchaus auch eine positive, persönlichkeitsför-

derliche Wirkung haben, da höhere Anforderungen an die

Beschäftigten gestellt werden, wie z. B. intellektuelle Sti-

mulanz (Planung, Kontrolle und Problemlösung), Selbst-

management, Engagement und Partizipation.26 Dagegen

zeigen Studien, dass die Nutzung von Informations- und

Kommunikationstechnologien keinen durchgehend posi-

tiven Effekt auf Autonomie und persönliche Kontroll-

19 (Sellberg & Susi, 2014)20 (Day, Paquet, Scott, & Hambley, 2012)21 (Hackman & Oldham, 1980)22 (Bakker & Demerouti, 2007; 2014)23 Internale Kontrollüberzeugung beschreibt das Ausmaß, in dem ein Individuum überzeugt ist, Ereignisse kontrollieren zu können und diese als Konsequenz seines eigenen Verhaltens erlebt. (Karasek, 1979; Hacker, 2010)24 (Van der Doef & Maes, 1998)25 (Jang, Shin, Aum, Kim, & Kim, 2016)26 (Bayo–Moriones, Billon, & Lera–López, 2017)27 (Dumazeau & Karsenty, 2008; Remidez, 2003; Remidez, Stam, & Laffey, 2007)28 (Zornoza, Ripoll, & Peiro, 2002)29 (Gerten, Beckmann, & Bellmann, 2018)30 (Tarafdar, 2018)31 (Lee, Chang, Cheng, & Lin, 2016)32 (Grawitch, Werth, Palmer, Erb, & Lavigne, 2018)33 (Barber & Santuzzi, 2017)34 (Bandura, 1982; Bandura, 1997)35 (Moos & Azevedo, 2009)

möglichkeiten bei der Arbeit hat: Zwar gibt es Hinweise,

dass eine angemessene technische Unterstützung durch

IKT die Qualität der Kommunikation positiv beeinflussen

kann,27 allerdings sind bei der „computer-mediated“ Kom-

munikation auch einige Konfliktpotentiale zu berücksich-

tigen.28

Zudem zeigten sich Unterschiede für verschiedene

Nutzergruppen: So profitieren von IKT29 vor allem Füh-

rungskräfte sowie mobil arbeitende Beschäftigte, die

hauptsächlich unterwegs arbeiten, da sie selbst bestim-

men können, wie sie die IKT nutzen und dabei persön-

liche Prioritäten setzen können.30 Doch auch weitere

Zusammenhänge von IKT und Kontrolle werden berich-

tet: So würden Smartphone-Nutzer mit eher externalen

Kontrollüberzeugungen von größerem sog. „Techno-

stress“ berichten.31 Technostress oder „Techopressure“

bzw. „Telepressure“ beschreibt eine Art medialer Überfor-

derung durch intensive IKT-Nutzung und den gleichzeitig

empfundenen Druck, sofort auf eingehende Nachrichten

reagieren zu müssen.32 Dieser Effekt wird v. a. durch inter-

individuelle Unterschiede, wie z. B. hohen Neurotizismus,

niedrige Selbstkontrolle33 und hohe Arbeitssucht, erklärt.

Dieser empfundene Druck wird auch assoziiert mit der

Angst, etwas Wichtiges zu verpassen, was wiederum mit

Stress und Burnout zusammenhängt.

Neben den Einflüssen der Digitalisierung auf die Arbeits-

anforderungen spielen auch die Perspektiven der Be-

schäftigten auf den Wandel eine gewichtige Rolle. Mit

dem Konzept der „digitalen Selbstwirksamkeit“ wurde

ein relativ neuer Begriff in die Forschung eingeführt, der

in Anlehnung an die bereits bekannte allgemeine Selbst-

wirksamkeitserwartung34 die Wahrnehmung der eigenen

digitalen Fähigkeiten sowie die Überzeugung der Bewäl-

tigung digitaler Anforderungen umfasst.35 Beeinflusst wird

die digitale Selbstwirksamkeit sowohl durch die eigene

Einstellung als auch durch Verhaltensfaktoren, wie z. B.


eigene Erfahrungen und die Häufigkeit der Nutzung di-

gitaler Technologien, sie kann durch Training durchaus

gesteigert werden.36 Im Unterschied zu Studien, die um-

fassend und facettenreich über das Konzept der allge-

meinen Selbstwirksamkeitserwartung als Ressource37 und

Erfolgsfaktor38 berichten, sind Studien zur Untersuchung

von Selbstwirksamkeit im digitalisierten Arbeitskontext

noch wenig verbreitet. Diese Lücke soll durch die vorlie-

gende Untersuchung geschlossen werden.

Im Kontext der Digitalisierung werden auch häufig Fragen

zu Zusammenhängen mit negativ assoziierten Aspek-

ten wie bewusst gesteuerter oder auch gefühlter Über-

wachung und der Austauschbarkeit von Beschäftigten

aufgeworfen. Formen der bewusst gesteuerten Überwa-

chung sollen im Betrieb der Steigerung der Produktivität/

Leistung, Sicherheit, sozialen Kontrolle sowie der Krea-

tivität dienen,39 führen aber aufseiten der Beschäftigten

häufig zu Unbehagen. Eine direkte Reaktion auf Überwa-

chung (z. B. von E-Mails und Internetnutzung) ist häufig

die Änderung des Verhaltens am Arbeitsplatz,40 beispiels-

weise sinkt „unproduktives“ Verhalten (wie z. B. Internet-

nutzung für private Zwecke während der Arbeitszeiten).

Interessanterweise schätzt nur eine Minderheit die Über-

wachung von E-Mails und Internetnutzung negativ ein.

Allerdings zeigen sich andere negative Effekte: So wirkt

digitale Überwachung negativ auf das subjektive Ver-

trauen der Beschäftigten zu ihrer Organisation und auf

die wahrgenommene Gerechtigkeit der Überwachung.41

Dabei moderiert die subjektive Überzeugung der Be-

schäftigten diesen Zusammenhang: Mitarbeitende mit

utilitaristischer Einstellung gegenüber der Überwachung

(also i. S. Orientierung am Gesamtnutzen) schätzen das

installierte Überwachungssystem positiver ein als Perso-

nen, die eine formalistische Einstellung (i. S. Orientierung

an Regeln und Gesetzen) haben.42

Auch die Austauschbarkeit und Substituierbarkeit der Be-

rufe und Berufstätigen im Zuge der Digitalisierung wird in

der Literatur diskutiert. So zeigte sich, dass sich der Anteil

der Beschäftigten in Berufen mit einem hohen Substitu-

ierbarkeitspotenzial zwischen 2013 und 2016 bundesweit

über alle Anforderungsniveaus und in fast allen Berufs-

36 (Torkzadeh & Van Dyke, 2002)37 (Salanova, Cifre, Llorens, Martínez, & Lorente, 2011; Shoji, et al., 2016; Ventura, Salanova, & Llorens, 2015)38 (Carter, Nesbit, Badham, Parker, & Sung, 2018; Maddux, 2016)39 (Martin & Freeman, 2003)40 (Stanton & Weiss, 2000)41 (Alder, Schminke, Noel, & Kuenzi, 2008)42 (Alder, Schminke, Noel, & Kuenzi, 2008)43 (Dengler, Matthes, & Wydra-Somaggio, 2018)44 (BMAS, 2016)45 (Stawarz, Cox, Bird, & Benedyk, 2013)46 (Ninaus, Diehl, Terlutter, Chan, & Huang, 2015)47 (Mellner, 2016)

segmenten erhöht hat.43 16 Prozent der Befragten in der

BMAS-Umfrage halten es für sehr oder eher wahrschein-

lich, dass Maschinen ihre Arbeit in den nächsten zwei Jah-

ren übernehmen.44 Überwachung und Austauschbarkeit

im Kontext der Digitalisierung können also bedeutsame

Auswirkungen auf die Beschäftigten haben und es ist zu

fragen, welche Zusammenhänge und Folgen dies für die

Beschäftigten haben kann.

Schließlich ist im Kontext der Digitalisierung auch deren

Effekt auf das Wohlbefinden und die Work-Life-Balance

der Beschäftigten von Interesse, derzeit vor allem in Hin-

blick auf die verstärkte Nutzung von IKT. So könnten Tab-

lets und andere Mobilgeräte dazu beitragen, dass mobiles

Arbeiten und Remote-Work sich zunehmend verbreiten,45

was im Sinne von mehr zeitlicher und örtlicher Flexibilität

von Beschäftigten als durchaus positiv für die Work-Life

Balance betrachtet wird. Andererseits kann die Nutzung

von IKT durch die ständige Verfügbarkeit auch nach der

Arbeit46 dazu führen, dass sich negative Einflüsse auf die

Work-Life-Balance einstellen. V. a. die persönliche Über-

zeugung von Beschäftigten, dass man nach der Arbeit

erreichbar sein sollte, hat hier einen Einfluss. Die häufi-

ge Nutzung von Smartphones für Arbeitszwecke in der

Freizeit und eine geringe Kontrolle über die Entgrenzung

zwischen Arbeit und Privatleben würde zu einer hohen

kognitiven Irritation (i. S. Nicht-Abschalten-Können) bei-

tragen.47

Vor dem Hintergrund dieser Forschungsbefunde und

Forschungslücken soll die vorliegende empirische Mo-

nitoring-Studie in verschiedenen Industriebranchen Ver-

änderungen der Arbeit und Potentiale der Digitalisierung,

neue Belastungskonstellationen sowie deren Auswirkun-

gen auf die Beschäftigten untersuchen.


33. Methodik und Datengrundlage der Studie

Branchen Tätigkeitsfelder Betriebsgrößen

Chemie Produktion < 50 Mitarbeitende

Kunststoff Technik 50–99 MA

Pharmazie Serviceleistungen 100–249 MA

Kautschuk Labor 250–499 MA

Glas Forschung & Entwicklung 500–999 MA

Keramik Leitung & Planung 1000–2499 MA

Papier, Karton, Pappe Verwaltung 2500–4999 MA

Bergbau IT ≥ 5000 MA

Energie

Mineralöl

Zement

Sonstige

Zielsetzung der Studie war die Analyse des aktuellen Sta-

tus quo der Digitalisierung in verschiedenen Industrie-

branchen. Dabei wurden sowohl die Branchen als auch

verschiedene Tätigkeitsfelder und Betriebsgrößen berück-

sichtigt (vgl. Tabelle 1).

Tabelle 2 bietet einen Überblick über die Themen und

Inhalte der Studie sowie die entsprechende Struktur der

Befragung:

Tabelle 1: Untersuchte Branchen, Tätigkeitsfelder und Betriebsgrößen


Tabelle 2: Themenblöcke und Inhalte der Online-Befragung

Themenbereiche Inhalte

SoziodemografieAngaben zur Person (Alter, Geschlecht, Bildungsabschluss)

Angaben zur Beschäftigung (Branche, Arbeitszeit, Betriebsgröße)

Digitale Arbeitsmittel

Nutzungshäufigkeit konkreter Formen der Digitalisierung • Digitale Kommunikations- und Informationssysteme • Digital aufbereitete Daten zu Endprodukten und Arbeitsergebnissen • Personenbezogene Messsysteme • Technologien für Produktion, Instandhaltung, Arbeitsvorbereitung

Unterstützung und Erleichterung durch digitale Systeme

Anforderungszunahme durch digitale Systeme

Betriebliche Rahmenbedingungen

Digitalisierungs-Strategie des Betriebs

Einbringen betrieblicher Akteure in Gestaltung der Digitalisierung

Weiterbildungsmaßnahmen zum Arbeiten mit digitalen Technologien

Partizipation bei Einführung und Nutzung digitaler Technologien

Befürchtungen und ZuversichtFremdbestimmung, Überwachung und Austauschbarkeit

Digitale Selbstwirksamkeit und Veränderungsbereitschaft

Allgemeine Belastung und Arbeitsgestaltung

Quantitative und qualitative Belastung

Zeitliche Flexibilitätsanforderungen

Vollständigkeit, Entscheidungsspielraum, Informationsaustausch

Gesundheit und Wohlbefinden

Kognitive Irritation/Nicht-Abschalten-Können

Work-Life-Balance

Berufliche Unsicherheit, berufliche Distanzierung, soziale Isolation

Anhand eines Strukturgleichungsmodells wurden zudem

Zusammenhänge zwischen den erhobenen Dimensionen

untersucht, um fundierte Aussagen über das komplexe

Zusammenspiel der Dimensionen und die zugrundelie-

gende Theorie zu treffen.

Die Datenerhebung wurde als Online-Befragung von der

Stiftung Arbeit und Umwelt der IG BCE in Auftrag gegeben

und von der Goodwork GmbH durchgeführt. Deutsch-

landweit wurden in den obengenannten Branchen mit

Unterstützung der IG BCE und verschiedener betrieblicher

Multiplikatoren Beschäftigte in ihren Betrieben via Rund-

mail, Aushängen, Flyern, Infokarten und Ankündigungen

auf Betriebsversammlungen auf die Befragung hingewie-

sen. Dabei wurden ein URL-Link und QR-Code zur Web-

site „www.monitor-digitalisierung.de“ kommuniziert, auf

der sich weitere Informationen zur Studie befanden und

in die ein Link zum Start der Online-Befragung einge-

bettet war. Die Datenerhebung fand vom 01.02.2019 bis

31.03.2019 statt, die Beantwortung des Online-Fragebo-

gens mit insgesamt 117 Fragen nahm durchschnittlich et-

wa 15 Minuten in Anspruch. Sämtliche und insbesondere

personenbezogene Daten wurden anonym erhoben und

gespeichert, die Teilnahme an der Befragung war freiwil-

lig, es wurden keine Incentivierungen vorgenommen.

Im Zuge der Datenaufbereitung wurden sorgfältige und

mehrschrittige Plausibilitätsprüfungen und Datenbereini-

gungen durchgeführt. Negativ formulierte Fragen wurden

für die Bildung von Skalen umgepolt. Für die späteren de-

skriptiven und inferenzstatistischen Analysen wurde auch

die Qualität der Daten hinsichtlich wichtiger statistischer

Voraussetzungen (Skalenniveau, Datenverteilung, Daten-

ausreißer) überprüft. Die Analyse fehlender Werte auf Per-

sonenebene diente dazu, den Datensatz auf die letztliche

Analysestichprobe zu kürzen, in der die Angaben von

14007 Befragten berücksichtigt wurden. Insgesamt klick-

ten 16346 Beschäftigte den Link zur Online-Befragung an.

Rund 2000 davon starteten die Befragung jedoch nicht.

Durch das oben beschriebene Datenbereinigungsverfah-

ren wurden ca. 300 weitere Fälle aus dem Datensatz ent-

fernt, sodass 14007 Beschäftigte im Datensatz verblieben

und bei den Analysen berücksichtigt werden konnten.

Die Abbruchquote innerhalb der Analysestichprobe war

insgesamt sehr gering: Von den 14007 Beschäftigten

brachen 23.4 Prozent die Befragung im laufenden Frage-

bogen ab, insgesamt beendeten 10730 Beschäftigte die


Befragung. Die Daten bis zum Zeitpunkt des Abbruchs

dieser Personen wurden trotzdem in der Auswertung

berücksichtigt. Auch wenn einzelne Fragen ausgelassen

wurden, verblieben die Fälle in der Analysestichprobe. Zur

Vorbereitung der inferenzstatistischen Analysen wurde

abschließend für jede Variable exploriert, inwiefern Ext-

remwerte und Ausreißer vorlagen bzw. die Verteilung der

Variablen examiniert.

Bei der Datenauswertung wurden zunächst für die The-

men der Studie explorative Faktorenanalysen48 durchge-

führt, um die auszuwertenden Skalen zu verifizieren. Als

Ergebnis standen neben mehreren einzelnen Items die in

Tabelle 3 aufgeführten Skalen der Studie.

Für die erstellten Skalen wurden anschließend Mittelwerte

und Standardabweichungen der zugeordneten Items be-

rechnet. Außerdem wurden absolute und relative Häufig-

keiten berechnet, wie zum Beispiel der prozentuale Anteil

der Befragten für die acht Tätigkeitsfelder oder die pro-

zentuale Verteilung von Männern und Frauen in den zwölf

Branchen. Um die Anonymität der Befragten sowie die

Güte der Analysen sicherzustellen, wurden nur Gruppen

mit einem Rücklauf von mindestens 20 Personen ausge-

wertet. Da sich im Zuge der Datenerhebung bei der so-

ziodemografischen Analyse der Stichprobe gravierende

Verzerrungseffekte hinsichtlich der Rückläufe in einzelnen

Branchen fanden im Vergleich zu den tatsächlichen Be-

schäftigtenzahlen des Statistischen Bundesamtes (2017),

wurden in einem mehrstufigen Verfahren sog. Gewich-

te berechnet. Anhand dieser Gewichte wurden sowohl

unter- als auch überrepräsentierte Gruppen innerhalb

der Gesamtstichprobe so gewichtet, dass deren Vertei-

lung mehr der tatsächlichen Verteilung in der Population

entsprach. Für die Berechnungen innerhalb der Branchen

und Tätigkeitsbereiche wurden aufgrund fehlender Ver-

gleichswerte keine Gewichte verwendet.

48 Zur empirischen Überprüfung der Faktorenstruktur wurden explorative Faktorenanalysen mit schiefwinkliger oblimer Rotationsme-thode durchgeführt inkl. Voraussetzungsprüfung der Stichprobeneignung (KMO-Index) und dem Bartlett-Test auf Sphärizität. Die Fakto-renanalysen umfassten jeweils alle Items eines Fragebogenblocks. Dabei war das Vorgehen innerhalb der Blöcke immer gleich: Sukzessiv wurden Items, deren Ladung unterhalb des kritischen Schwellenwerts der praktischen Bedeutsamkeit von < .3 lagen, und Items mit Mehr-fachladung eliminiert. Zur Bestimmung der internen Konsistenz wurde für jede Skala Cronbach’s Alpha (bzw. der Spearman-Brown-Koeffi-zient bei Skalen aus nur zwei Items) berechnet.49 Für die Modellierung wurden die in der Faktorenanalyse extrahierten latenten Dimensionen in das Strukturgleichungsmodell aufge-nommen, um Zusammenhänge der unabhängigen und abhängigen Dimensionen untereinander zu analysieren. Diese Analysen wurden mit dem Programm MPlus 7.0 und in R 3.5.1 mit dem Paket lavaan durchgeführt. Alle Analysen wurden unter Verwendung des maxi-mum-likelihood-Schätzers mit robusten Standardfehlern (MLR) umgesetzt. Für die Analysen im Rahmen der Strukturgleichungsmodel-lierung wurde der FIML (full information maximum likelihood)-Schätzer verwendet, der für die Schätzung der Modellparameter alle zur Verfügung stehenden Informationen heranzieht. Dieses Schätzverfahren ist bei zufälliger Verteilung fehlender Werte der paarweisen oder listenweisen Eliminierung bei der Modellparameterschätzung vorzuziehen. (Schafer & Graham, 2002)

Um die statistische Signifikanz und Bedeutsamkeit

von Unterschieden (z. B. zwischen den verschiedenen

Branchen oder zwischen den Tätigkeitsfeldern) einzu-

schätzen, wurden für jede Skala Varianzanalysen und Ef-

fektstärkeuntersuchungen durchgeführt. Für die Analyse

komplexer Zusammenhänge der verschiedenen Skalen

der Studie wurde schließlich ein Strukturgleichungsmo-

dell spezifiziert,49 dessen Ergebnisse in Kapitel 5.6 be-

schrieben werden.


Tabelle 3: Themenbereiche, Skalen und Iteminhalte

50 Eigenkonstruktion der Skalen51 Eigenkonstruktion, digitale Selbstwirksamkeit in Anlehnung an allgemeine Selbstwirksamkeitserwartung (Jerusalem & Schwarzer, 1986), Veränderungsbereitschaft i. A. Szebel (2015)52 In Anlehnung an WDQ (Stegmann, et al., 2010), SPA (Metz & Rothe, 2017), Härtwig & Sporbert (2013)53 Kognitive Irritation (Mohr, Rigotti & Müller, 2007), Work-Life-Balance in Anlehnung an Syrek, Bauer-Emmel, Antoni & Klusemann (2011) sowie Hoff, Härtwig & Sporbert (2012), Unsicherheit, Distanzierung und Isolation in Anlehnung an Heinzer & Reichenbach (2013)

Themen und Skalen Iteminhalte

Digitale Arbeitsmittel50

„Digitale IKT-Systeme“ • E-Mail, soziale Netzwerke/Messenger Systeme, Intranet, Groupware,

Videotelefonie

„Digital aufbereitete Daten zu Endprodukten“

• Produktlebenszyklus, ERP, CRM, Verwaltungsprogramme, Big Data, künstliche Intelligenz

„Unterstützung und Erleichterung durch digitale Systeme“

• Unterstützung bei Entscheidungen und Aufgabenplanung, Verfügbarkeit wichtiger Informationen, Nutzung neuer Arbeitsformen, einfachere Vereinbarkeit von Berufs- und Privatleben durch digitale Technologien

„Anforderungszunahme durch digitale Systeme“

• Herausforderungen an Kompetenzen, hohe zeitliche Flexibilität, schneller und mehr arbeiten, Gleichzeitigkeit mehrerer Aufgaben, anspruchsvollere Tätigkeiten

Befürchtungen, Zuversicht51

„Fremdbestimmung“ • Digitale Technologien übernehmen Planung meiner Aufgaben, treffen für mich

Entscheidungen, ich brauche weniger Fähigkeiten

„Überwachung und Austauschbarkeit“

• Gefühl der Leistungskontrolle durch Einsatz digitaler Technologien, der Überwachung durch Datensammeln, Austauschbarkeit, Abwertung als Fachkraft durch Einsatz digitaler Technologien

„Digitale Selbstwirksamkeit“ • Überzeugung zum Schritthalten mit der Digitalisierung, Zutrauen zur Bewälti-

gung digitaler Anforderungen, Umgang mit digitalen Technologien fällt leicht

„Veränderungsbereitschaft“ • Offenheit gegenüber persönlichem Mehrwert sowie Freude über sich ergebende

Veränderungen am Arbeitsplatz durch die Digitalisierung

Allgemeine Belastung und Arbeitsgestaltung52

„Quantitative Belastung“ • Häufiger Zeitdruck, zu viel Arbeit, mehrere Aufgaben gleichzeitig zu bewältigen

„Qualitative Belastung“ • Zu schwierige Aufgaben, nicht genug ausgebildet

„Zeitliche Flexibilitäts- anforderungen“

• Stark schwankende tägliche Arbeitszeiten, nicht planbare Arbeitszeiten, notwendige Erreichbarkeit in der Freizeit

„Vollständigkeit“ • Arbeitsvorgänge von Anfang bis Ende, klares Arbeitsergebnis am Aufgabenende

„Entscheidungsspielraum“ • Selbstständig viele Entscheidungen treffen, Initiative und eigenes Ermessen

„Informationsaustausch“ • Immer alle notwendigen Infos verfügbar, geregelte Informationsweitergabe

Gesundheit, Wohlbefinden53

„Nicht-Abschalten-Können/ Kogni-tive Irritation“

• Zu Hause und im Urlaub an Schwierigkeiten bei der Arbeit denken, schwer abschalten

„Work-Life-Balance“ • Zufriedenheit mit Balance zwischen Arbeit und Privatleben, gute Vereinbarkeit,

Anforderungen gleichermaßen gut bewältigen können

„Berufliche Unsicherheit“ • Sorgen vor Jobverlust, schwieriger Jobperspektive bei Arbeitslosigkeit sowie

ungewollter Versetzung auf andere Arbeitsstelle

„Berufliche Distanzierung“ • Beruf ist fremd geworden, zunehmende Distanz und Gleichgültigkeit sowie

fehlende Identifikation mit der eigenen Tätigkeit

„Soziale Isolation“ • Persönlicher Austausch mit Kollegen fehlt, sozial nicht eingebunden, Einsamkeit


44. Soziodemografische Rahmendaten

Branchen Rücklauf Beschäftigte Rückläufe je Bundesland

Chemie 9.627 314.000

Kunststoff 216 281.000

Pharmazie 1.515 113.000

Kautschuk 120 69.000

Glas 107 48.000

Keramik 72 43.000

Papier, Karton, Pappe 527 37.000

Energie 330 30.000

Bergbau 144 25.000

Mineralöl 91 16.000

Zement 37 2.000

Sonstige 1.064 10.000

ohne Zuordnung 157 –

Gesamt 14.007 988.000

HH: 38HB: 3

NI: 800

MV: 13

BB: 173

BE: 231

ST: 79

TH: 14

HE: 1.111

NW: 7.210

BY: 942

BW: 1.245

RP: 1.587

SL: 53

SN: 280

Für die Auswertung der Studie konnten insgesamt 14.007

Befragte aus 614 Betrieben und 12 Industriebranchen be-

rücksichtigt werden. Als Besonderheit zeigte sich, dass

im Sample viele Personen aus dem Südwesten Deutsch-

lands vertreten waren. Beschäftigte großer Unternehmen

stellten einen Großteil der Befragten, der Frauenanteil von

etwa einem Drittel erschien ebenso branchentypisch wie

das Durchschnittsalter von ca. 43 Jahren. Hervorzuheben

sind das relativ hohe Qualifikationsniveau der Befragten so-

wie der Umstand, dass im Zuge der Verwendung des On-

line-Erhebungsmediums (Teilnahme an der Studie mittels

PC, Tablet bzw. Smartphone) entsprechende Verzerrungen

in puncto Zugang, Affinität und Bedienung des technischen

Mediums nicht ausgeschlossen werden können. Tabelle 4

gibt einen Überblick über die erzielten Rückläufe und setzt

sie ins Verhältnis zur gerundeten Grundgesamtheit der laut

Statistischem Bundesamt in 2017 angestellten Beschäftig-

ten in den jeweiligen Branchen.

Tabelle 4: Stichprobe der Befragten und Grundgesamtheit der Beschäftigten je Branche sowie Rückläufe je

Bundesland

Aus Tabelle 4 wird ersichtlich, dass ein Großteil der Be-

fragten aus den Branchen Chemie, Pharmazie und Sons-

tige stammte. Die Industriebereiche Zement, Keramik und

Mineralöl waren dagegen eher gering vertreten. Um diese

rücklaufbedingten Verzerrungen der Stichprobe auszu-

gleichen, wurden im Zuge der Auswertung bei der Be-

trachtung der Gesamt-Stichprobe die Daten nach den

tatsächlichen Branchenverhältnissen der Grundgesamt-

heit gewichtet.

Auch die Rückläufe je Bundesland gestalteten sich un-

einheitlich: Ein Großteil der Befragten stammte aus west-

lichen und südlichen Bundesländern (dabei allein 51.9

Prozent aus Nordrhein-Westfalen), aus nördlichen und

östlichen Bundesländern nahmen vergleichsweise wenig

Personen an der Befragung teil. Die Stichprobe war zu-

dem geprägt durch einen großen Anteil von Befragten aus

großen Betrieben ab 500 Mitarbeitenden (MA) (vgl.Tabelle

4): Mehr als ein Drittel der Befragten (36 Prozent) stammte


≥ 5000 MA

2500–4999 MA 1000–2499 MA

500–999 MA

250–499 MA

100–249 MA50–99 MA

≤ 49 MA

36

12 26

11

7

59 2

Frauen Männer

Zement

Mineralöl

Kautschuk

Kunststo�

Energie

Bergbau

Chemie

Papier

GESAMT*

Keramik

Glas

Sonstige

Pharma 42 58

38 62

35 65

34 66

34 66

34 66

34 66

32 68

25 75

24 76

21 79

10 90

6 94

Jahre

0 20 40 60

Zement

Glas

Kautschuk

Pharma

Bergbau

Mineralöl

Energie

Papier

Keramik

GESAMT*

Chemie

Kunststo�

Sonstige

Geschlechterverteilung in Prozent Durchschnittsalter

43,8

43,5

43,5

43,1

43,0

42,9

42,1

42,1

41,8

41,6

40,3

39,9

39,2

aus Betrieben mit mehr als 5.000 Beschäftigten. Aus klei-

nen und mittelständischen Betrieben mit unter 500 MA

(KMU) stammten dagegen 23 Prozent der Befragten. Aus

insgesamt 50 Einzelbetrieben nahmen mehr als 50 Perso-

nen an der Befragung teil, diese Betriebe stellten 76 Pro-

zent der Teilnehmenden, in neun Betrieben nahmen sogar

mehr als 250 Beschäftigte teil.

Befragtenanteil nach Betriebsgrößen Teilnahmen je Einzelbetrieb Anzahl Betriebe

≥ 250 9

100–249 20

50–99 21

20–49 42

10–19 42

≤ 9 479

Gesamt 614

Tabelle 5: Rückläufe nach Betriebsgrößen sowie Befragungsteilnahmen je Einzelbetrieb

Das Alter der Befragten betrug im Durchschnitt 43.1 Jahre

(SD = 12.0)54, die Spanne zwischen den Branchen reichte

von 39.2 Jahren in der Zementindustrie bis 43.8 Jahren

bei Sonstige. Der Frauenanteil betrug insgesamt 34 Pro-

54 Im Folgenden werden Mittelwerte (M) berichtet und Standardabweichungen (SD), die jeweils die Streuung von 68 Prozent der untersuch-ten Personengruppe um den aufgeführten Mittelwert umfassen.

zent, in der Pharmabranche war er mit 42 Prozent am

höchsten und im Zementbereich mit sechs Prozent am

niedrigsten (vgl.Abbildung 1).

Abbildung 1: Prozentuale Geschlechterverteilung und Durchschnittsalter je Branche (M, SD sowie Prozent)


Anhand der Bildungs- und Berufsabschlüsse der Stich-

probe in Abbildung 2 zeigt sich, dass zumeist qualifizier-

te Abschlüsse vorlagen, lediglich eine kleine Gruppe von

Personen gab an, über keinen oder einen grundständigen

Bildungsabschluss zu verfügen.

Abbildung 2: Bildungsabschlüsse und Jahr des Berufsabschlusses (M, SD sowie Prozent)

Die Tätigkeitsfelder verteilten sich relativ breit: Verwaltung

war mit 22 Prozent der Befragten anteilig am stärksten

vertreten, Personen aus den „Blue-Collar“-Feldern Pro-

duktion, Technik und Serviceleistung stellten zusammen

44 Prozent der Befragten, Leitung und Planung war mit

sechs Prozent am geringsten besetzt (vgl. Abbildung 3).

Das Gros der Befragten (92 Prozent) arbeitete unbefristet.

Abbildung 3: Tätigkeitsfelder und Anstellungsarten (M, SD sowie Prozent)

89 Prozent aller Befragten gaben an, in Vollzeit zu arbei-

ten, Teilzeitbeschäftigte waren nur zu elf Prozent im

Gesamtsample vertreten. Je nach Branche lag großteils

voll- bzw. teilkontinuierliche Schichtarbeit vor (vgl. Abbil-

dung 4), Kautschuk, Kunststoff und Keramik berichteten

dagegen mehrheitlich keine Schichtarbeit.

Höchster Bildungsabschluss in Prozent Berufsabschluss Jahr in Prozent

Fach- und Hochschule

Berufliche Fortbildungsschule

Berufsausbildung

Fach- und Hochschulreife

Mittlerer Schulabschluss

Haupt- bzw. Volksschule

0,3 % ohne Abschluss

12

15

2310

35

5

2010–2019

2001–2010

1991–2000

1981–1990

1971–1980

22

2422

26

6

Tätigkeitsfelder in Prozent Anstellungsart in Prozent

Verwaltung

Technik

Serviceleistung Produktion

Leitung und Planung

Labor

IT

Forschung und Entwicklung

7

8

6

1612

16

2214

0,1 % Selbstständig0,2 % Leiharbeit

Unbefristet angestellt

Befristet angestellt In Ausbildung

3,7

92

3,7


Keramik

Kunststo�

Kautschuk

Bergbau

Pharma

*GESAMT

Glas

Energie

Sonstige

Mineralöl

Chemie

Papier

Zement

Vollkontinuierlicher Schichtbetrieb Teilkontinuierlicher Schichtbetrieb

Keine Schichtarbeit Bereitschaftsdienst

Keramik

Kunststo�

Kautschuk

Bergbau

Pharma

*GESAMT

Glas

Energie

Sonstige

Mineralöl

Chemie

Papier

Zement

Vollkontinuierlicher Schichtbetrieb Teilkontinuierlicher Schichtbetrieb

Keine Schichtarbeit Bereitschaftsdienst

Schichtarbeit

55 18 27

54 232 21

54 258 13

50 3966

42 21335

42 32242

38 131634

38 163412

33 153121

29 351224

25 85017

24 15529

14 1471

Abbildung 4: Formen der Schichtarbeit (M, SD sowie Prozent)


55. Ergebnisse

55 Skalenmittelwerte werden zum besseren Verständnis in den Abbildungen auch farblich kategorisiert.

5.1. Statistische Grundlagen der Berechnungen

Im Zentrum der Studie steht die Frage, inwiefern sich die

Arbeitswelt der Beschäftigten im Zuge der digitalen Trans-

formation verändert. Um diese Frage zu beantworten, be-

darf es zunächst einmal einer Bestandsaufnahme, d. h. es

wurde erfasst, wie die Beschäftigten die Digitalisierung

aktuell wahrnehmen und welchen Einfluss sie auf deren

Gesundheit und Wohlbefinden hat.

Im Folgenden werden zunächst für jeden Themenbereich

(Abschnitte 5.1 bis 5.5) die deskriptiven Befragungsergeb-

nisse berichtet, separiert sowohl für die gewichtete Ge-

samtstichprobe und für die einzelnen Branchen als auch

für die verschiedenen Tätigkeitsfelder innerhalb der ge-

wichteten Gesamtstichprobe. Für Einzelitems werden die

Häufigkeiten je Antwortkategorie in Prozent berichtet. Für

Skalen, die aus mehr als einem Item bestehen, werden die

gebildeten Mittelwerte (M) dieser Skalen-Items inkl. Stan-

dardabweichungen (SD) aufgeführt.55 Um die Ergebnisse

besser einordnen zu können, werden die Antwortkatego-

rien auf der x-Achse aufgeführt und mit Smileys unterlegt

– so wird unmittelbar ersichtlich, wie die gemessenen

Werte zu interpretieren sind.

Inferenzstatistische Vergleiche je Skala werden mithil-

fe des Unterschiedseffekts η2 („Eta2“) berichtet, anhand

dessen die statistische Bedeutsamkeit der Mittelwertsun-

terschiede zwischen den Branchen und zwischen den Tä-

tigkeitsfeldern bewertet werden kann. So lässt sich leichter

beurteilen, wie stark und bedeutsam oder wie schwach

und unbedeutend die Unterschiede tatsächlich sind. Ab

η2 = .010 spricht man von einem kleinen bzw. gering be-

deutsamen Effekt, ab η2 = .060 von einem mittel bedeut-

samen Effekt und ab η2 = .140 von einem großen oder

hoch bedeutsamen Effekt. Zur leichteren Interpretation

werden die Unterschiedseffekte auch farblich markiert

(unbedeutende Effekte = grau, kleine Effekte = schwarz,

mittlere Effekte = orange, große Effekte = rot).

Um die Messgüte der jeweiligen Skala einzuordnen und

zu beschreiben, wie gut die Beziehung zwischen den ein-

zelnen Skalen-Items ist, wird in den Abbildungen Cron-

bach’s Alpha eingesetzt. Diese Kenngröße gibt Aufschluss

darüber, wie gut die Items einer Skala zueinander passen.

Ein Wert ab α = .70 gilt als akzeptabel, ab α = .80 als gut

und ab α = .90 kann die Skala als exzellent hinsichtlich

ihrer internen Konsistenz bewertet werden.

In Abschnitt 5.6 wird aufbauend auf den deskriptiven und

inferenzstatistischen Erkenntnissen der Studie ein Struk-

turgleichungsmodell dargestellt, das die Zusammenhän-

ge und Wirkmechanismen der zuvor berichteten Skalen

ins Verhältnis setzt.

5.2. Digitale Arbeitsmittel: Nutzung, Unterstützung und

Anforderungszunahme durch digitale Technologien

5.2.1 Nutzung digitaler Technologien

Unter dem Begriff der digitalisierten Arbeit wird häu-

fig die Verwendung unterschiedlichster computerge-

stützter Technologien subsumiert, die sich technisch,

arbeitsorganisatorisch und auch inhaltlich durchaus stark

voneinander unterscheiden. Es stellt sich daher die Fra-

ge, welche Arten digitaler Technologien derzeit bereits

genutzt werden. Hierfür wurden die derzeit gängigsten

Formen digitaler Technologien gruppiert und die Studien-

teilnehmenden gebeten, die Häufigkeit ihrer persönlichen

Nutzung für jede einzelne dieser Technologie anzugeben:

• Digitale Informations- und Kommunikationstechno-

logien (E-Mail, Intranet, internes soziales Netzwerk/

Messenger System, Smartphone/Tablet-Computer,

Groupware, Videotelefonie und -konferenzen)

• Personenbezogene Messsysteme (Gesundheits- bzw.

Positions-Tracker, SmartWatch, persönliche Schutz-

ausrüstung mit Messsensoren, Exoskelett),

• Digitale Technologien für Produktion, Instandhaltung

und Arbeitsvorbereitung (Terminals mit Echtzeitdaten,

mobile Arbeitsmittel mit Echtzeitdaten, 3D-Drucker,

modulare Anlagen mit sensor engesteuerten „intel-

ligenten“ Robotern, Systeme mit Augmented bzw.

Virtual Reality, Datenbrillen als optische Hilfsgeräte mit

integrierten Display-Anzeigen),


• Digital aufbereitete Daten zu Arbeitsergebnissen und

Endprodukten (ERP- sowie CRM-Systeme, Daten zu

Produktlebenszyklen, digitale Verwaltungsprogramme

zur Visualisierung und Berichtslegung, Big Data i. S.

komplexer Datenmengen und -analysen, künstliche

Intelligenz i. S. selbstlernender „intelligenter“ Prozesse)

In Abbildung 5 zeigt sich, dass v. a. digitale Kommunikati-

ons- und Informationssysteme bereits relativ häufig ge-

nutzt werden, v. a. E-Mails werden sehr oft verwendet. Auch

digital aufbereitete Daten zu Endprodukten und Arbeits-

ergebnissen finden bereits eine gewisse Verbreitung, wer-

den jedoch in der Breite weniger häufig genutzt. Digitale

Produktionstechnologien werden dagegen eher selten ein-

gesetzt, personenbezogene Messsysteme nur vereinzelt.

Abbildung 5: Nutzung von Technologien der Digitalisierung (in Prozent)

Im Anschluss wurde untersucht, in welchen Branchen

und Tätigkeitsfeldern die beiden am häufigsten genutzten

Technologiearten (IKT und digital aufbereitete Daten) Ver-

wendung finden.

Abbildung 6 zeigt, dass die Technologien v. a. in den Tä-

tigkeitsfeldern IT, Verwaltung sowie Leitung und Planung

(dem sog. „White-Collar“-Bereich) deutlich häufiger und

in den produktions- und techniknahen Bereichen (dem

sog. „Blue-Collar“-Bereich) dagegen signifikant weniger

häufig verwendet werden; (die Unterschiede η2 zwischen

den Tätigkeitsfeldern sind statistisch hoch bedeutsam).

In den Branchen Pharma und Kautschuk zeigen sich die

häufigsten Nutzungen, die Branchen Glas und Zement

berichten dagegen seltenere Verwendungen (die Unter-

schiedseffekte η2 sind statistisch nur gering bedeutsam).

Videotelefonie

Groupware

Smartphone bzw. Tablet-Computer

Soziales Netzwerk, Messenger

Intranet

E-Mail

Künstliche Intelligenz

Kundendaten (CRM-System)

Big Data

Digitale Verwaltungsprogramme

Produktlebenszyklus (Daten zum Produkt)

Daten zu betrieblichen Ressourcen (ERP-System)

Datenbrillen

Augmented bzw. Virtual Reality

Modulare Anlagen, Advanced Robotic

3D-Drucker

Remote Control

Terminals mit Echzeitdaten

Exoskelett

Persönliche Schutzausrüstung

SmartWatch

Positions-Tracker

Gesundheits-Tracker

Nie Selten Gelegentlich Oft Sehr oft

Videotelefonie

Groupware

Smartphone bzw. Tablet-Computer

Soziales Netzwerk, Messenger

Intranet

E-Mail

Künstliche Intelligenz

Kundendaten (CRM-System)

Big Data

Digitale Verwaltungsprogramme

Produktlebenszyklus (Daten zum Produkt)

Daten zu betrieblichen Ressourcen (ERP-System)

Datenbrillen

Augmented bzw. Virtual Reality

Modulare Anlagen, Advanced Robotic

3D-Drucker

Remote Control

Terminals mit Echzeitdaten

Exoskelett

Persönliche Schutzausrüstung

SmartWatch

Positions-Tracker

Gesundheits-Tracker

Nie Selten Gelegentlich Oft Sehr oft

77145

34341985

2320191721

2915101036

1517211433

1416181834

Digitale Informations- und Kommunikationssysteme

1213161247

915161347

1014161446

59121361

78101362

3788

Digital aufbereitete Daten zuEndprodukten und Arbeitsergebnissen

887968

456778

2493

2493

98

2294

Digitale Technologien für Produktion,Instandhaltung und Arbeitsvorbereitung

84 4

82 7

91

97

99

3 32

6 23

33 6

Personenbezogene Messsysteme


Im Vergleich der verschiedenen Betriebsgrößen zeigt

sich, dass in Großbetrieben ≥ 5.000 MA etwas häufiger

digitale Technologien verwendet werden als in kleineren

Organisationen und KMU (die Unterschiedseffekte sind

jedoch statistisch nur gering bedeutsam: η2NIK

= .058 und

η2NDD

= .016).

Abbildung 6: Nutzungsunterschiede digitaler Technologien nach Branchen und Tätigkeitsfeldern (M, SD sowie Prozent)

1 2 3 4 5

Zement

Glas

Bergbau

Mineralöl

Keramik

Kunststo�

Sonstige

Energie

GESAMT*

Chemie

Kautschuk

Papier

Pharma

1 2 3 4 5

Produktion

Labor

Technik

Service-leistung

F & E

Leitung & Planung

Verwaltung

IT

1 2 3 4 5

Zement

Mineralöl

Bergbau

Glas

Chemie

GESAMT*

Energie

Kautschuk

Kunststo�

Papier

Pharma

Keramik

Sonstige

1 2 3 4 5

Technik

Labor

Produktion

F & E

Service-leistung

Verwaltung

Leitung & Planung

IT

Skala „Nutzung digitaler Informations- und Kommunikationssysteme“ (NIK) (α = .76)

13

3,8

3,6

3,6

3,6

3,4

3,3

3,3

3,3

3,1

2,8

2,7

2,6

2,1

Nie Sehr oftη2 = .046

4,3

3,7

3,7

3,6

3,4

3,2

3,1

2,8


Skala „Nutzung digital aufbereiteter Daten“ (NDD) (α = .79)

1213161247

2,1

2,1

2,1

2,0

2,0

2,0

2,0

2,0

1,9

1,8

1,7

1,7

1,6


772,4

2,2

2,0

1,9

1,9

1,8

1,8

1,7



5.2.2 Unterstützung durch digitale Technologien

Nach der häufigkeitsbezogenen Nutzung digitaler Tech-

nologien stellt sich die Frage, inwieweit diese in den jewei-

ligen Branchen und Tätigkeitsfeldern auch als tatsächliche

Erleichterung und Unterstützung angesehen werden. Die

hierfür vorgelegte Skala „Unterstützung und Erleichterung

durch digitale Systeme“ beinhaltet Fragen zur Unterstüt-

zung bei Entscheidungen und der Aufgabenplanung, zur

stetigen räumlichen und zeitlichen Verfügbarkeit wichti-

ger Informationen, zur Nutzung neuer Arbeitsformen wie

mobilem Arbeiten oder virtueller Teamarbeit sowie zur

einfacheren Vereinbarkeit von Berufs- und Privatleben.

In Abbildung 7 zeigt sich, dass die durchschnittlichen Be-

wertungen der Befragten nach Branchen insgesamt im

mittleren, bei einigen Branchen im knapp negativen Be-

reich liegen. So bewerten die Befragten der Branchen

Zement, Glas und Mineralöl die Unterstützung und Er-

leichterung eher negativ, die Beschäftigten der Branchen

Kautschuk und Pharma sind dagegen eher ambivalent

und tendenziell positiver eingestellt (der Unterschiedsef-

fekt zwischen den Branchen ist mit η2 = .019 statistisch

gering bedeutsam).

Abbildung 7: Unterstützung und Erleichterung durch digitale Systeme nach Branchen und Tätigkeitsfeldern

(M, SD sowie Prozent)

1 2 3 4 5

Zement

Glas

Mineralöl

Bergbau

Keramik

Chemie

Kunststo�

GESAMT*

Energie

Papier

Sonstige

Pharma

Kautschuk

1 2 3 4 5

Produktion

Labor

Technik

F & E

Service-leistung

Verwaltung

Leitung & Planung

IT

Zement

Glas

Mineralöl

Bergbau

Keramik

Chemie

Kunststo�

GESAMT*

Energie

Papier

Sonstige

Pharma

Kautschuk

Produktion

Labor

Technik

F & E

Service-leistung

Verwaltung

Leitung &Planung

IT

Tri�t gar nicht zu Tri�t wenig zu Teils-teils Tri�t überwiegend zu Tri�t völlig zu

Skala „Unterstützung und Erleichterung durch digitale Systeme“ (α = .79)

3,2

3,1

3,0

2,9

2,8

2,8

2,8

2,8

2,5

2,5

2,4

2,4

2,2

Tri�t gar nicht zu Tri�t völlig zuη2 = .019

3,6

3,2

3,2

2,9

2,9

2,6

2,4

2,4


3 15 30 41 11

4 19 45 28 4

6 20 41 25 8

11 30 36 20 3

4 25 37 27 7

13 39 37 10

13 46 33 7

19 41 26 13

7

5

8 25 40 21 6

10 23 42 20 5

9 29 37 21 4

9 33 33 20 5

9 30 37 20 4

13 34 40 11 2

13 38 34 13

10 49 30 11

23 30 35 11

29 41 15 9 6

2

625 41 23

722 35 29

17 39 34 6


Demgegenüber zeigen sich deutlich größere Unterschiede

zwischen den verschiedenen Tätigkeitsfeldern: Beschäf-

tigte der IT, Leitung und Planung sowie Verwaltung be-

werten die Unterstützung und Erleichterung tendenziell

eher positiv bzw. mäßig, Beschäftigte in der Produktion

sind hingegen überwiegend skeptisch (der Unterschieds-

effekt über alle Tätigkeitsfelder ist mit η2 = .163 statistisch

hoch bedeutsam).

Nach Betriebsgrößen variieren die Bewertungen von 3.0

bei Betrieben mit ≥ 5000 MA bis 2.7 bei ≤ 499 MA (der

Unterschiedseffekt ist mit η2 = .159 hoch bedeutsam).

Zwischen Frauen und Männern (η2 = .005) sowie zwischen

den Altersgruppen (η2 = .003) wurden keine statistisch be-

deutsamen Unterschiede festgestellt. Dagegen fand sich

ein mittelstarker Bildungseffekt: Beschäftigte mit abge-

schlossenem Studium bewerteten die Unterstützung mit

3.3 besser als Beschäftigte ohne Schulabschluss mit 2.4,

die anderen Abschlussformen lagen aufsteigend inner-

halb dieses Spektrums (η2 = .107).

5.2.3 Anforderungszunahme

Im Zuge der Nutzung digitaler Technologien und der

eher ambivalent bis negativ erlebten Unterstützung und

Erleichterung stellt sich die Frage, inwieweit die neuen

Technologien zu einer Anforderungszunahme für die Be-

schäftigten führen. Zur Beantwortung wurde den Befra-

gungsteilnehmenden die Skala „Anforderungszunahme

durch Digitalisierung“ vorgelegt, diese beinhaltet Fragen

zu neuen Herausforderungen an die eigenen Kompe-

tenzen, erhöhtem Arbeitstempo und Arbeitsmenge, der

gleichzeitigen Bewältigung mehrerer Aufgaben, hoher

zeitlicher Flexibilität sowie zur Erhöhung des Anspruchs

der Tätigkeiten.

Anhand der Abbildung 8 wird deutlich, dass die Befrag-

ten erstens die Anforderungszunahme als eher mäßig,

tendenziell sogar als weniger zutreffend und damit eher

positiv bewerten; zweitens sind die Unterschiede zwi-

schen allen Branchen mit η2 = .004 statistisch nicht be-

deutsam. Vor allem in den Branchen Bergbau, Zement

und Mineralöl, in denen die Nutzung digitaler Technolo-

gien und auch die dementsprechend empfundene Unter-

stützung und Erleichterung bisher eher gering ausfällt

(vgl. Abbildung 6 und Abbildung 7), wird gleichsam auch

eine Anforderungszunahme eher nicht gesehen.

Zwischen den verschiedenen Tätigkeitsfeldern zeigt sich,

dass Beschäftigte in produktions- und techniknahen

„Blue-Collar“-Tätigkeiten eher geringe Anforderungszu-

nahmen berichten, vor allem Labor-Beschäftigte sind mit

2.5 tendenziell eher positiv gestimmt. Befragte in adminis-

trativen „White-Collar“-Jobs liegen wie z. B. IT mit 3.0 et-

was darüber und bewerten die Anforderungszunahme als

eher ambivalent (der Unterschiedseffekt ist mit η2 = .028

gering bedeutsam).

Über alle Betriebsgrößen hinweg beurteilen die Befragten

die Anforderungszunahme übereinstimmend als mäßig,

tendenziell positiv mit 2.6 bis 2.7 (der Unterschied ist mit

η2 = .001 statistisch nicht bedeutsam). Auch gab es bei

der Einschätzung der Anforderungszunahme keine Ge-

schlechterunterschiede (η2 = .003) oder Bildungseffekte

(η2 = .005), jedoch einen gering bedeutsamen Alterseffekt

(η2 = .026): Befragte unter 18 Jahren sahen die Anforde-

rungszunahme als eher nicht zutreffend an (2.2), mit zu-

nehmendem Alter stiegen dagegen die Bewertungen in

den eher ambivalenten Bereich auf 2.8 bei Personen ab

46 Jahren.


Labor

Produktion

Technik

F & E

Verwaltung

Service-leistung

Leitung & Planung

IT

1 2 3 4 5

Mineralöl

Zement

Bergbau

Glas

Kautschuk

Keramik

Energie

Chemie

GESAMT*

Sonstige

Kunststo�

Pharma

Papier

1 2 3 4 5

Labor

Produktion

Technik

F & E

Verwaltung

Service-leistung

Leitung & Planung

IT

Mineralöl

Zement

Bergbau

Glas

Kautschuk

Keramik

Energie

Chemie

GESAMT*

Sonstige

Kunststo�

Pharma

Papier


Skala „Anforderungszunahme durch Digitalisierung“ (α = .85)

2,8

2,7

2,7

2,7

2,7

2,7

2,7

2,7

2,6

2,5

2,4

2,2

2,2


3,0

2,8

2,8

2,8

2,6

2,6

2,6

2,5


25 39 29 2

10 27 41 20 2

12 31 36 19 2

12 28 37 21 2

9 38 37 15

18 35 34 12

21 29 29 18

18 36 3

3

29 14

10 30 34 23 3

2

2

2

2

12 31 33 22

12 30 38 18

14 31 34 19

14 31 35 18 2

15 30 34 18 3

18 25 34 21

15 28 36 21

13 36 37 14

16 33 38 13

18 39 32 10

32 35 21 66

31 35 24 10

Abbildung 8: Anforderungszunahme durch Digitalisierung nach Branchen und Tätigkeitsfeldern (M, SD sowie Prozent)


5.3. Betriebliche Rahmenbedingungen der Digitalisie-

rung: Strategie, Einbringen betrieblicher Akteure sowie

Weiterbildung und Partizipation

5.3.1 Digitalisierungs-Strategie im Betrieb

Um die Digitalisierung im Betrieb voranzutreiben und die

Beschäftigten beim technologischen Wandel mitzuneh-

men, sind verschiedene betriebliche Rahmenbedingun-

gen notwendig, die den Erfolg der Digitalisierung positiv

beeinflussen. Ausgangspunkt hierfür ist die Einsicht, dass

die Digitalisierung eine langfristige Wettbewerbsrelevanz

für den Betrieb haben wird, gefolgt von der Entwicklung

einer Strategie zur Umsetzung der Digitalisierung im Be-

trieb bis hin zur klaren und handlungsleitenden Kommu-

nikation dieser Strategie an die Beschäftigten – zu diesen

drei Aspekten wurden in der Studie jeweils passende ein-

zelne Fragen gestellt.

Anhand der Befragungsergebnisse in Abbildung 9 wird

deutlich, dass in allen Branchen und Tätigkeitsfeldern eine

Digitalisierungs-Strategie von den Beschäftigten mehr-

heitlich als wettbewerbsrelevant angesehen wird. Auch

das Vorliegen einer Digitalisierungs-Strategie wird in fast

allen Branchen mehrheitlich zustimmend berichtet, ledig-

lich in der Glasindustrie verneinen die Befragten dies häu-

figer. Über alle Branchen hinweg kennt in der Produktion

nur die Hälfte der Befragten die Digitalisierungs-Strategie

ihres Betriebes. Zudem fehlt den Befragten mehrheitlich

noch ein klares Verständnis darüber, was die Digitalisie-

rungs-Strategie konkret beinhaltet: Liegen die Branchen

Papier, Keramik und Sonstige insgesamt noch knapp im

ambivalenten Bereich (2.6 bis 2.7), ist die Klarheit bei den

Befragten der anderen Branchen eher gering ausgeprägt

(2.5 bis 2.1). In den White-Collar-Tätigkeitsfeldern und im

Service ist die Strategie mit 3.0 teilweise klar, in den pro-

duktions- und techniknahen Bereichen ist sie dagegen

eher unklar (2.3 bis 2.4).


Technik

Produktion

Service-leistung

Leitung &Planung

Verwaltung

Labor

IT

Forschung &Entwicklung

Bergbau

Zement

Energie

Glas

Kunststo�

Mineralöl

Chemie

Sonstige

Papier

Pharma

Kautschuk

Keramik

Gesamt

Labor

Technik

Produktion


Leitung &Planung

Verwaltung

Serviceleistung

IT

Glas

Zement

Kunststo�

Kautschuk

Bergbau

Pharma

Energie

Chemie

Mineralöl

Keramik

Papier

Sonstige

Gesamt

Produktion

Leitung &Planung

Technik

Labor

Verwaltung

Service-leistung

IT


Glas

Zement

Keramik

Kunststo�

Bergbau

Pharma

Papier

Kautschuk

Energie

Chemie

Sonstige

Mineralöl

Gesamt


Ja Nein


Technik

Produktion

Service-leistung

Leitung &Planung

Verwaltung

Labor

IT


Bergbau

Zement

Energie

Glas

Kunststo�

Mineralöl

Chemie

Sonstige

Papier

Pharma

Kautschuk

Keramik

60

Gesamt

Labor

Technik

Produktion


Leitung &Planung

Verwaltung

Serviceleistung

IT

Glas

Zement

Kunststo�

Kautschuk

Bergbau

Pharma

Energie

Chemie

Mineralöl

Keramik

Papier

Sonstige

Gesamt

Produktion

Leitung &Planung

Technik

Labor

Verwaltung

Service-leistung

IT


Glas

Zement

Keramik

Kunststo�

Bergbau

Pharma

Papier

Kautschuk

Energie

Chemie

Sonstige

Mineralöl

Gesamt


Ja Nein


„Mein Betrieb kann langfristig nur mit einer klaren Digitalisierungs-Strategie wettbewerbsfähig sein.“

5

3

3

5

5

6

5 11 24 31 29

9 29 30 26

9 22 33 31

8 19 35 33

7 21 37 32

7 27 39 24

14 38 41

17 41 36

5

6

5

5

4

4

7

4

9

10 17 33 27 13

9 33 21 28

14 25 34 23

9 32 35 17

9 21 33 33

5 8 32 28 27

7 23 36 30

5 23 36 31

17 37 383

2 8 27 37 26

7 45 41

30 30 36

8 22 35 31

„Ich habe ein klares Verständnis von der Digitalisierungs-Strategie meines Betriebes.“

20

25

26 30 29 13

30 31 11 3

2

2

314193232

27 40 25 7

17202833

32 25 18 5

18

24 27 25 18 6

23 22 32 5

19 24 30 20 7

19 28 30 20 3

22 28 29 17 4

24 29 26 17 4

29 28 28 13 2

22 36 25 16

29 34 15 17 5

40 27 21 6 6

36 33 18 9 4

25 29 27 16 3

25 22 31 17 5

22 26 39 9 4

26 30 24 16 4

„In meinem Betrieb gibt es eine Strategie zur Umsetzung der Digitalisierung“

32

33

34

67

66

62

6040

50 50

38

68

28

28 72

72

22 78

26 74

29 71

29 71

43 57

44 56

45 55

46 54

57 43

31 69

27 73

28 72

35 65

Abbildung 9: Einschätzungen der betrieblichen Digitalisierungs-Strategie nach Branchen und Tätigkeitsfeldern (in Prozent)


5.3.2 Gestaltung der Digitalisierungs-Strategie

Im Anschluss an die Strategie stellt sich die Frage, inwie-

weit sich wichtige betriebliche Akteure in die Gestaltung

der Digitalisierung im Betrieb einbringen.

Im Vergleich der Ergebnisse in Abbildung 10 zeigt sich,

dass sich vor allem Führungskräfte und Betriebsleitungen

in die Gestaltung einbringen, allerdings auf einem eher

mäßigen mittleren bis geringen Niveau (2.9 bis 2.2). Be-

triebsräte werden in den Branchen Keramik, Sonstige und

Energie als mäßige, in den anderen Branchen eher nicht

als Gestalter wahrgenommen (2.8 bis 2.0). Personalabtei-

lungen und gewerkschaftliche Vertrauensleute bringen

sich in den Augen der Befragungsteilnehmer eher nicht

in die Gestaltung der Digitalisierung im Betrieb ein (2.4 bis

1.7). Zu berücksichtigen ist jedoch, dass die Streuungen

innerhalb der Branchen (vgl. die Streuungen an jedem

Balken in Abbildung 10) sehr groß ausfallen, was auf große

Unterschiede innerhalb der Branchen zwischen den Be-

trieben und Beschäftigten hindeutet.

Abbildung 10: Einbringen betrieblicher Akteure bei der Gestaltung der Digitalisierung im Betrieb nach Branchen


5.3.3 Betriebliche Weiterbildung zur Digitalisierung

Eine Schlüsselkomponente für die aktive Förderung der

Digitalisierung im Betrieb ist die betriebliche Weiterbil-

dung, um den Beschäftigten den Einstieg in die Digitali-

sierung sowie den Umgang mit den Herausforderungen

des digitalen Wandels zu erleichtern. Daher galt es in der

vorliegenden Studie zu ergründen, inwieweit die Befrag-

ten bereits betriebliche Rahmenbedingungen vorfinden,

um sich zu Themen der Digitalisierung weiterzubilden.

In Abbildung 11 finden sich die Ergebnisse zu den Ein-

schätzungen der Befragten.

Es zeigt sich, dass die betrieblichen Rahmenbedingun-

gen für Weiterbildungen zum Thema Digitalisierung

von den Befragten insgesamt als eher ambivalent be-

wertet werden, in der Mineralöl-, Glas- und Kunst-

stoff-Industrie häufen sich mit Mittelwerten von 2.1 bis

2.4 sogar mehrheitlich kritische Perspektiven. Infolge

großer Varianzen innerhalb der Branchen (zwischen

den Beschäftigten und Betrieben) sind die Unterschie-

de mit η2 = .001 jedoch statistisch nicht bedeutsam.

Dagegen zeigen sich mit Blick auf die Tätigkeitsfelder

substanziellere Effekte: Beschäftigte der IT und Ver-

waltung liegen durchschnittlich mit 3.3 und 3.0 im

mittleren Bewertungsbereich, Produktionsbeschäf-

tigte sind dagegen mit 2.4 eher kritisch; alle anderen

liegen zwischen 2.7 und 2.9 (der Unterschiedseffekt

ist mit η2 = .044 statistisch gering bedeutsam). In Hin-

blick auf die Betriebsgrößen unterscheiden sich die

durchschnittlichen Bewertungen von 3.0 bei Betrieben

≥ 5.000 MA bis 2.5 bei Betrieben ≤ 499 MA (mit einem

statistisch gering bedeutsamen Effekt von η2 = .027).

1

2

3

4

5

Mineralöl Zement Glas Bergbau Kunststo� Kautschuk Chemie Pharma Energie Papier Keramik Sonstige

Betriebsleitung Gewerkschaftl. VertrauensleutePersonalabteilungBetriebsleitungFührungskraft

„Wie bringen sich betriebliche Akteure in die Gestaltung der Digitalisierung in deinem Betrieb ein?“

1

2

3

4

5

Mineralöl Zement Glas Bergbau Kunststo� Kautschuk Chemie Pharma Energie Papier Keramik Sonstige

Betriebsleitung Gewerkschaftl. VertrauensleutePersonalabteilungBetriebsleitungFührungskraft

„Wie bringen sich betriebliche Akteure in die Gestaltung der Digitalisierung in deinem Betrieb ein?“

2,9

2,8

2,4

2,7

2,3

2,9

2,8

2,8 2

,92

,72

,3 2,4

2,0

2,8

2,7

2,3

2,6

2,2

2,8

2,6

2,2

2,4

2,0

2,7

2,6

2,1

2,4

2,1

2,4

2,7

2,1

2,0

1,7

2,6

2,4

2,0

2,3

2,6

2,4

2,1

2,3

2,2

2,5 2

,62

,32

,52

,2

2,4

2,2

2,2 2

,3

2,3

2,8

2,2

2,5

1,9

1,7

1,7

2,2

2,4


Produktion

Technik

Labor

Service-leistung

Leitung &Planung


Verwaltung

IT


Mineralöl

Glas

Kunststo�

Zement

Keramik

Bergbau

Papier

Chemie

Pharma

Energie

Kautschuk

Sonstige

Gesamt

14

12

14

2Produktion

Technik

Labor

Service-leistung

Leitung &Planung


Verwaltung

IT


Mineralöl

Glas

Kunststo�

Zement

Keramik

Bergbau

Papier

Chemie

Pharma

Energie

Kautschuk

Sonstige

Gesamt

2

„Wenn ich mich zu Themen der Digitalisierung weiterbilden möchte, finde ichbetriebliche Rahmenbedingungen vor, die mir das ermöglichen.“

15

21

17 25 29 20

32 26 14 7

9

3

516223225

34 24 24 13 5

14273224

24 35 21 5

18

14 28 31 20 7

16 29 20 17

14 23 31 21 11

12 25 34 18 11

15 23 33 22 7

14 26 33 21 6

22 25 32 13 8

31 16 28 25

30 30 21 13 6

33 38 17 10 2

29 43 20 8

17 35 26 15 7

16 19 30 28 7

15 23 31 22 9

20 27 28 18 7

Produktion

Labor

Technik

Service-leistung


Verwaltung

Leitung &Planung

IT

Mineralöl

Glas

Kunststo�

Zement

Bergbau

Chemie

Pharma

Kautschuk

Papier

Energie

Keramik

Sonstige

Gesamt

Nein Einmal Mehrfach

Produktion

Labor

Technik

Service-leistung


Verwaltung

Leitung &Planung

IT

Mineralöl

Glas

Kunststo�

Zement

Bergbau

Chemie

Pharma

Kautschuk

Papier

Energie

Keramik

Sonstige

Gesamt

Nein Einmal Mehrfach

„Hast du in den letzten zwei Jahren an Weiterbildungsmöglichkeiten zum Arbeiten mit digitalen Technologien teilgenommen?“

62

64

68 18

20 16

14

10

81874

79 14 7

1872

21 17

50

62 19 19

20 30

60 22 18

60 2119

63 2017

64 1818

72 820

73 189

76 1014

81 415

82 612

68 1418

62 1325

63 1819

70 17 13

Abbildung 11: Betriebliche Rahmenbedingungen zur Weiterbildung nach Branchen und Tätigkeitsfeldern (in Prozent)

Bei der anschließenden Frage nach der Teilnahme

an Weiterbildungen zu digitalen Technologien in den

letzten zwei Jahren zeigte sich, dass die Mehrheit der

Befragten in allen Branchen nicht an solchen Maßnah-

men teilgenommen hat (vgl. Abbildung 12) (statistisch

bedeutsame Unterschiede waren nicht zu verzeich-

nen). IT-Beschäftigte berichteten noch am ehesten

von Teilnahmen an den fachlich nahestehenden Di-

gitalisierungs-Weiterbildungen. In allen anderen Tä-

tigkeitsfeldern, insbesondere in produktions- und

techniknahen Bereichen, wurden mehrheitlich keine

Teilnahmen berichtet.

Abbildung 12: Teilnahme an Weiterbildungsmöglichkeiten nach Branchen und Tätigkeitsfeldern (in Prozent)

Die Befragungsteilnehmenden wurden auch nach ihren

Gründen zur Weiterbildung gefragt. Anhand der Ergebnis-

se aus Abbildung 13 lässt sich erkennen, dass die persön-

liche Motivation als stärkster Antrieb für Weiterbildung

zum Thema Digitalisierung berichtet wurde. Vor allem

in den „White-Collar“-Tätigkeiten wirkten die neuen An-

forderungen als treibende Kraft für Weiterbildungen. Da-

gegen wurden subjektive Kompetenzdefizite mehrheitlich

nicht als Auslöser für Weiterbildungen zum Thema Digita-

lisierung berichtet. Übereinstimmend über alle Tätigkeits-

felder hinweg berichteten die Befragten, dass Arbeitgeber

nur in selteneren Fällen entsprechende Weiterbildungs-

anforderungen anstießen.


Abbildung 13: Gründe zur Weiterbildung nach Tätigkeitsfeldern (in Prozent)

Abschließend zu den Rahmenbedingungen wurde neben

der betrieblichen Strategie, dem Einbringen betrieblicher

Akteure sowie den Weiterbildungsmöglichkeiten noch

die Partizipation der Beschäftigten in den Blick genom-

men mit der Frage zur Mitbestimmung in Fragen der Ein-

führung bzw. Benutzung digitaler Technologien an ihrem

Arbeitsplatz.

Aus Abbildung 14 wird deutlich, dass die Befragten über-

einstimmend wenig Mitbestimmung bei der Digitalisie-

rung am Arbeitsplatz berichteten (dabei gab es keine

statistisch bedeutsamen Unterschiedseffekte zwischen

den einzelnen Branchen (Einführung η2 = .001, Benut-

zung η2 = .002)). Im Vergleich der Tätigkeitsfelder zeigten

sich gering bedeutsame Unterschiedseffekte (Einführung

η2 = .037, Benutzung η2 = .041): Berichteten IT-Beschäf-

tigte noch eine teilweise Mitbestimmung (Mittelwerte mit

2.6 und 2.8), lagen alle anderen Tätigkeitsfelder im eher

negativen Bereich; vor allem in der Produktion wurde die

geringste Partizipation berichtet (1.8 und 1.9).

Produktion

Service-leistung

Technik

Verwaltung

Labor

Forschung &Entwicklung.

Leitung &Planung

IT

Produktion

Technik

Labor

Service-leistung

Verwaltung

Leitung &Planung


IT

Labor

Produktion

Technik

Leitung &Planung

Service-leistung

Verwaltung


IT

Leitung &Planung

Labor

Produktion


Technik

IT

Verwaltung

Service-leistung


Produktion

Service-leistung

Technik

Verwaltung

Labor

Forschung &Entwicklung.

Leitung &Planung

IT

Produktion

Technik

Labor

Service-leistung

Verwaltung

Leitung &Planung


IT

Labor

Produktion

Technik

Leitung &Planung

Service-leistung

Verwaltung


IT

Leitung &Planung

Labor

Produktion


Technik

IT

Verwaltung

Service-leistung


„Ich nehme an Weiterbildungen zum Thema Digitalisierung teil, weil … “

… ich mich gern mit dem Thema beschäftige.

14 5 28 30 23

19 9 25 25 22

26 11 18 25 20

21 11 25 25 18

20 11 28 24 17

21 10 30 24 15

30 12 22 22 14

14 8 20 32 26

… neue Anforderung an mich gestellt werden.

20 14 22 37 7

25 14 20 31 10

25 8 25 29 13

27 12 25 25 11

30 16 21 24 9

30 11 25 26 8

38 14 23 21 4

17 7 25 37 14

… meine Kompetenzen nicht mehr ausreichen.

31 24 26 15 4

34 20 23 18 5

36 19 26 14 5

37 18 29 13 3

38 21 26 11 4

45 18 19 13 5

47 17 21 11 4

29 24 26 16 5

… der Arbeitgeber es von mir verlangt.

48 19 18 10 5

49 23 19 6 3

51 20 14 11 4

51 20 17 8 4

54 20 14 7 5

20 15 6 356

58 16 16 4 6

45 21 18 11 5


Abbildung 14: Partizipation bei Einführung und Benutzung digitaler Technologien nach Branchen und

Tätigkeitsfeldern (in Prozent)

5.4. Befürchtungen und Zuversicht der Beschäftigten:

Fremdbestimmung, Überwachung und Austauschbarkeit

sowie digitale Selbstwirksamkeit und Veränderungsbe-

reitschaft

Nachdem der aktuelle Stand und die betrieblichen Rah-

menbedingungen der Digitalisierung beleuchtet wurden,

werden in diesem Abschnitt psychologische Themenbe-

reiche der Beschäftigten untersucht, die häufig im Kontext

der Digitalisierung besprochen werden. Zunächst geht es

darum einzuordnen, in welchem Ausmaß subjektive Be-

fürchtungen der Fremdbestimmung, Überwachung und

Austauschbarkeit bei den Beschäftigten vorliegen. An-

schließend werden mit der Veränderungsbereitschaft und

der digitalen Selbstwirksamkeit wichtige psychologische

Ressourcen zur Bewältigung des Wandels betrachtet.

5.4.1 Fremdbestimmung durch digitale Technologien

In aktuellen Diskursen wurden mitunter Befürchtun-

gen geäußert, der digitale Wandel könne mit seinen

technischen Möglichkeiten zu einer zunehmenden

Fremdbestimmung der Beschäftigten sowie dem Ver-

lust persönlicher Kontrolle bei der Aufgabenerbringung

führen. Die hier Befragten wurden daher mit der Ska-

la „Fremdbestimmung durch digitale Systeme“ darum

gebeten, einzuschätzen, inwieweit digitale Techno-

logien die Planung eigener Aufgaben übernehmen,

Entscheidungen für die Beschäftigten fällen und die

Befragten im Zuge des Verlustes dieser Planungs- und

Kontrollfunktionen weniger Fähigkeiten benötigen

würden.

Es zeigte sich, dass die Werte in allen Branchen ein-

heitlich im positiven Bereich lagen (vgl. Abbildung

15): Die Befragten der Mineralölindustrie bewerteten

die Fremdbestimmung mit 1.5 am geringsten, die Be-

schäftigten der Glasindustrie lagen mit 1.9 geringfügig

darüber (der Unterschied zwischen allen Branchen war

allerdings mit η2 = .002 statistisch nicht bedeutsam).

Produktion

Service-leistung

Technik

Labor

Verwaltung


Leit. & Plan.

IT

Glas

Kunststo�

Papier

Zement

Chemie

Sonstige

Pharma

Energie

Bergbau

Mineralöl

Kautschuk

Keramik

Gesamt

Produktion

Service-leistung

Technik

Labor

Verwaltung


Leitung &Planung

IT

Zement

Glas

Papier

Kunststo�

Sonstige

Chemie

Energie

Pharma

Bergbau

Mineralöl

Keramik

Kautschuk

Gesamt

26 30 29 13

11 3

2

2

314193232

27 40 25 7

17202833

5

6

5

19

19

24 29 26 17 4

29 28 28 13 2

22 36 25 16

29 34 15 17 5

40 27 21 6 6

36 33 18 9 4

25 29 27 16 3


Mitbestimmung in Fragen der Einführung digitaler Technologien an meinem Arbeitsplatz.

30 31 24 13 2

27 30 29 12 2

37 29 21 10 3

42 28 21 6 3

44 29 17 6 4

41 29 22 7

53 22 18 6

20 25 28 20 7

31 27 20 17 5

25 34 29 11

35 26 25 11 3

35 30 22 10 3

38 26 24 9 3

53 12 20 3 12

40 29 21 8 2

43 28 17 8 4

44 23 24 6 3

37 28 23 8 4

31 27 29 13

32 29 24 13 2

33 26 25 12 3

Mitbestimmung in Fragen Benutzung digitaler Technologien an meinem Arbeitsplatz.

22 30 29 14 5

22 32 29 14 3

31 28 24 13 4

32 29 25 11 3

39 30 17 10 4

40 27 23 9

51 22 19 7

18 21 36 19 6

22 27 34 13 4

31 28 19 16 6

30 30 24 13 3

33 26 25 13 3

32 30 23 11 4

37 29 21 10 3

36 30 22 10 2

43 23 22 9 3

50 20 18 3 9

34 25 26 12 3

25 32 29 14

30 25 31 12 2

9 29 37 21 4

26 30 29 13

11 3

2

2

314193232

27 40 25 7

17202833

5

6

5

19

19

24 29 26 17 4

29 28 28 13 2

22 36 25 16

29 34 15 17 5

40 27 21 6 6

36 33 18 9 4

25 29 27 16 3


Zwischen den Tätigkeitsfeldern fand sich ein gering be-

deutsamer Unterschiedseffekt von η2 = .011: Beschäftigte

im Bereich Forschung und Entwicklung bewerteten die

Fremdbestimmung mit 1.5 am geringsten, Service-Be-

schäftigte schätzten diese mit 1.8 ein.

Auch auf Ebene der Betriebsgrößen gab es keine bedeut-

samen Unterschiede (1.7 bis 1.8, η2 = .001).

Abbildung 15: Fremdbestimmung durch digitale Systeme nach Branchen und Tätigkeitsfeldern (M, SD sowie Prozent)

F & E

IT

Labor

Leitung &Planung

Produktion

Service-leistung

Technik

Verwaltung

1 2 3 4 5

Mineralöl

Zement

Kautschuk

Kunststo�

Pharma

Bergbau

Chemie

GESAMT*

Energie

Keramik

Sonstige

Papier

Glas

1 2 3 4 5

F & E

Labor

Technik

Leitung &Planung

IT

Verwaltung

Produktion

Service-leistung

Mineralöl

Zement

Kautschuk

Kunststo�

Pharma

Bergbau

Chemie

GESAMT*

Energie

Keramik

Sonstige

Papier

Glas


Skala „Fremdbestimmung durch digitale Systeme“ (α = .72)

1,9

1,8

1,8

1,7

1,7

1,7

1,7

1,7

1,7

1,7

1,6

1,6

1,5


1,8

1,8

1,8

1,8

1,8

1,6

1,6

1,5


55 31 8 6

68 22 7 3

60 28 7 3 2

56 29 5 5 3

56 30 6 7

64 30 4 2

53 36 6 5

62 25 8 4

52 33 8 7

5

510

8 4

53 32 9

55 29

57 33 3 6 2

57 30 9 4

59 28 7 4 2

58 29

60 25 9 6

60 28 7 4

60 28 7 4

66 24 7 2

74 6318

72 22 5


Leitung &Planung

F & E

IT

Labor

Technik

Verwaltung

Service-leistung

Produktion

1 2 3 4 5

Zement

Kautschuk

Mineralöl

Pharma

Sonstige

Bergbau

GESAMT*

Keramik

Chemie

Kunststo�

Papier

Glas

Energie

1 2 3 4 5

Leitung &Planung

F & E

IT

Labor

Technik

Verwaltung

Service-leistung

Produktion

Zement

Kautschuk

Mineralöl

Pharma

Sonstige

Bergbau

GESAMT*

Keramik

Chemie

Kunststo�

Papier

Glas

Energie


Skala „Überwachung und Austauschbarkeit durch digitale Systeme“ (α = .85)

2,6

2,6

2,5

2,5

2,5

2,5

2,5

2,5

2,4

2,4

2,3

2,2

2,2


2,6

2,6

2,5

2,5

2,4

2,3

2,3

2,2


19 33 23 16 9

17 43 17 19 4

20 33 25 18 4

21 40 23 12 4

22 39 51618

21 39 24 12 4

27 44 917 3

34 39 17 8 2

16 38 28 12 6

2

418

21 514

17 36 24 21

19 2039

20 2139 15 5

21 2337 14 5

19 1843 13 7

22 38

18 2740 14

24 36 19 16 5

25 2038 13 4

33 1535 10 7

27 491347

37 2427 66

5.4.2 Überwachung und Austauschbarkeit

Auch zur subjektiven „Überwachung und Austauschbarkeit

durch digitale Systeme“ wurden die Studienteilnehmenden

befragt, dabei ging es um das Gefühl der Leistungskontrolle

durch den Einsatz digitaler Technologien, die gefühlte Über-

wachung durch systematisches Datensammeln sowie die

empfundene Austauschbarkeit und Abwertung des eige-

nen Berufsbildes durch den Einsatz digitaler Technologien.

Anhand der Ergebnisse in Abbildung 16 wird deutlich, dass

die Beschäftigten in allen Branchen mehrheitlich angaben,

dass sich die gefühlte Überwachung und Austauschbarkeit

durch digitale Technologien in Grenzen halte. Beschäf-

tigte der Branchen Zement und Kautschuk berichteten im

Durchschnitt mit jeweils 2.2 eher niedrige und damit positive

Werte, Befragte der Energie- und der Glasindustrie lagen mit

jeweils 2.6 knapp im ambivalenten Bereich. (Durch größere

Streuungen innerhalb der einzelnen Branchen ist der Unter-

schiedseffekt zwischen den Branchen mit η2 = .003 jedoch

statistisch nicht bedeutsam.) Zwischen den verschiedenen

Tätigkeitsfeldern zeigte sich mit η2 = .018 ein statistisch

gering bedeutsamer Unterschiedseffekt: So waren die Be-

fürchtungen der Beschäftigten in Leitung und Planung, For-

schung und Entwicklung sowie IT mit 2.2 bis 2.3 eher gering,

Beschäftigte der Bereiche Produktion und Serviceleistung

lagen hingegen mit jeweils 2.6 überwiegend im ambiva-

lenten Bereich. Auf Ebene der Betriebsgrößen gab es keine

bedeutsamen Unterschiede zwischen Unternehmen ver-

schiedener Beschäftigtenzahl (1.5 bis 1.8, η2 = .001).

Abbildung 16: Überwachung und Austauschbarkeit durch digitale Systeme nach Branchen und Tätigkeitsfeldern



Service-leistung

Produktion

Labor

Technik

Verwaltung

F & E

Leitung &Planung

IT

1 2 3 4 5

Zement

Energie

Chemie

Papier

Keramik

GESAMT*

Bergbau

Kunststo�

Mineralöl

Pharma

Glas

Kautschuk

Sonstige

1 2 3 4 5

Service-leistung

Produktion

Labor

Technik

Verwaltung

F & E

Leitung &Planung

IT

Zement

Energie

Chemie

Papier

Keramik

GESAMT*

Bergbau

Kunststo�

Mineralöl

Pharma

Glas

Kautschuk

Sonstige


Skala „Digitale Selbstwirksamkeit“ (α = .70)

4,0

4,0

4,0

4,0

3,9

3,9

3,9

3,9

3,9

3,9

3,9

3,7

3,7


4,2

4,1

4,0

3,9

3,9

3,8

3,8

3,8


4238173

324423

2846223

2350244

2745234

1953244

2043289

1844344

3 22 45 31

30

3342214

18522733

4 21 45

3143225

2841256

2349254

2546254

2742245

2348263

2445265

1944316

21421818

5.4.3 Digitale Selbstwirksamkeit

Neben den Befürchtungen wurden in dieser Studie auch

wichtige psychologische Ressourcen für die Bewältigung

des digitalen Wandels untersucht. So wurde anhand der

Skala „Digitale Selbstwirksamkeit“ die Zuversicht und

Überzeugung der Studienteilnehmenden erfragt, mit der

Digitalisierung Schritt halten zu können. Dabei ging es

auch darum, inwiefern die Befragten sich die Bewältigung

von Anforderungen im Zuge der Digitalisierung zutrauen

und ihnen der Umgang mit digitalen Technologien leicht-

fallen würde.

Die Ergebnisse in Abbildung 17 zeigen, dass die Beschäf-

tigten in allen Branchen übereinstimmend zuversichtlich

waren, die neuen Anforderungen am Arbeitsplatz bewäl-

tigen zu können. Die durchschnittlichen Bewertungen la-

gen zwischen 4.0 (in den Branchen Sonstige, Kautschuk,

Glas, Pharma) und 3.7 (in der Zement- sowie Energiebran-

che) (der Unterschied zwischen allen Branchen war mit

η2 = .005 statistisch nicht bedeutsam).

Zwischen den Tätigkeitsfeldern fand sich mit η2 = .018 ein

gering bedeutsamer Unterschiedseffekt: IT-Beschäftig-

te waren mit 4.2 am zuversichtlichsten, Beschäftigte in

Blue-Collar-Tätigkeiten lagen mit 3.8 etwas dahinter, aber

dennoch im positiven Bereich.

Auf Ebene der Betriebsgrößen gab es keine statistisch be-

deutsamen Unterschiede zwischen Unternehmen ver-

schiedener Beschäftigtenzahl (3.9 bis 4.0, η2 = .006).

Abbildung 17: Digitale Selbstwirksamkeit nach Branchen und Tätigkeitsfeldern (M, SD sowie Prozent)


Technik

Produktion

Labor

Service-leistung

F & E

Verwaltung

IT

Leitung &Planung

1 2 3 4 5

Energie

Zement

Bergbau

Keramik

Chemie

GESAMT*

Sonstige

Kunststo�

Papier

Pharma

Mineralöl

Glas

Kautschuk

1 2 3 4 5

Technik

Produktion

Labor

Service-leistung

F & E

Verwaltung

IT

Leitung &Planung


Energie

Zement

Bergbau

Keramik

Chemie

GESAMT*

Sonstige

Kunststo�

Papier

Pharma

Mineralöl

Glas

Kautschuk

Skala „Allgemeine Veränderungsbereitschaft“ (α = .82)

3,8

3,7

3,6

3,6

3,6

3,6

3,6

3,6

3,5

3,4

3,4

3,3

3,3


3,7

3,7

3,6

3,6

3,5

3,5

3,5

3,4


3 28

11 30 1642

50 19

6 36 43 14

7 33 45 14

3 9 34 43 11

6 43 42 8

12 40 35 12

7 45 38 9

4 27 51 17

3 38 45 13

10 37 38 15

5 37 39 19

6 36 41 16

6 38 43 12

8 36 45 10

8 37 42 12

9 37 40 13

3 8 44 34 11

12 43 39 6

7 10 42 25 16

2 14 44 33 7

5.4.4 Veränderungsbereitschaft

Als Ergänzung für das digitalisierungsspezifische Zutrauen in

die eigenen Bewältigungspotenziale war für das Forschungs-

projekt auch interessant, wie generell die „Allgemeine Verän-

derungsbereitschaft“ der Befragten gestaltet war. So wurde

erhoben, inwiefern die Beschäftigten offen gegenüber sich

ergebenden Veränderungen am Arbeitsplatz seien, froh seien

über fortwährende Veränderungen am Arbeitsplatz und darin

auch einen persönlichen Mehrwert für sich sähen.

Es wird in Abbildung 18 ersichtlich, dass sich die Befragten

eine tendenziell eher positiv ausgeprägte Veränderungsbe-

reitschaft zuschrieben: Die Bewertungen variierten zwischen

der Kautschukindustrie mit 3.8 und der Zement- und Energie-

branche mit 3.3. (Aufgrund hoher Streuungen innerhalb der

Branchen war der Unterschied zwischen allen Branchen aller-

dings mit η2 = .006 statistisch nicht bedeutsam.)

Zwischen den Tätigkeitsfeldern zeigte sich, dass sich Be-

schäftigte in White-Collar-Tätigkeiten mit 3.7 bis 3.6 als eher

veränderungsbereit beschrieben, Beschäftigte in Blue-Col-

lar-Tätigkeiten lagen mit 3.4 bis 3.5 knapp dahinter (der Unter-

schied zwischen allen Tätigkeitsfeldern war mit η2 = .012

statistisch gering bedeutsam).

Auf Ebene der Betriebsgrößen berichteten Beschäftigte in Unter-

nehmen mit unter 2.500 MA im Durchschnitt eine tendenziell

positive Veränderungsbereitschaft von 3.5, Unternehmen mit

über 2.500 MA lagen mit 3.6 knapp darüber (der Unterschieds-

effekt war mit η2 = .023 statistisch gering bedeutsam).

Abbildung 18: Allgemeine Veränderungsbereitschaft nach Branchen und Tätigkeitsfeldern (M, SD sowie Prozent)


5.5. Allgemeine Belastung der Beschäftigten: quanti-

tative und qualitative Belastung sowie zeitliche Flexibili-

tätsanforderungen

5.5.1 Quantitative Belastung

Um Effekte der Digitalisierung zu untersuchen, sind

jene Einflussfaktoren von den digitalisierungs-assozi-

ierten Aspekten abzugrenzen, die eher den allgemei-

nen „klassischen“ Arbeitsanforderungen zuzuschreiben

sind, dennoch aber maßgeblich die Belastung der Be-

schäftigten mitbestimmen. Allerdings können diese

klassischen Belastungsfaktoren durch die Digitalisie-

rung durchaus verstärkt werden. Als ein zentraler allge-

meiner Belastungsfaktor wurde daher die „Quantitative

Belastung“ erhoben. Mit dieser Skala wurden die Teil-

nehmenden gefragt, ob sie häufig unter Zeitdruck

arbeiten, insgesamt zu viel Arbeit haben und mehrere

Aufgaben gleichzeitig bewältigen müssen.

Die Ergebnisse in Abbildung 19 zeigen, dass in der Mehr-

zahl der Branchen eine erhöhte quantitative Belastung

berichtet wurde. Vor allem die Befragten der Branchen

Kautschuk, Papier, Mineralöl und Keramik berichteten

mit 3.6 eher negative Ausprägungen, die Beschäftig-

ten der Branchen Bergbau, Zement und Glas lagen mit

3.2 bis 3.3 im ambivalenten, tendenziell negativen Be-

reich (der Unterschied zwischen allen Branchen war

(infolge großer Streuungen innerhalb der Branchen) mit

η2 = .005 jedoch statistisch nicht bedeutsam).

Zwischen den verschiedenen Tätigkeitsfeldern zeigte

sich, dass Beschäftigte in der Leitung und Planung so-

wie IT mit jeweils 3.7 die größte quantitative Belastung

berichteten, Beschäftigte in Labor, Produktion sowie

Forschung und Entwicklung dagegen mit 3.3 bis 3.4

eher ambivalente, tendenziell negative Ausprägungen

aufwiesen (der Unterschiedseffekt war mit η2 = .014 sta-

tistisch gering bedeutsam).

Unterschiede auf Ebene der Betriebsgröße waren mit

η2=.028 statistisch gering bedeutsam: KMU lagen mit

3.4 im noch knapp ambivalenten, größere Betriebe mit

3.5 knapp im negativen Bereich.


Labor

Produktion

F & E

Verwaltung

Service-leistung

Technik

IT

Leitung &Planung

1 2 3 4 5

Bergbau

Zement

Glas

Energie

Chemie

Sonstige

GESAMT*

Kunststo�

Pharma

Keramik

Mineralöl

Papier

Kautschuk

1 2 3 4 5

Labor

Produktion

F & E

Verwaltung

Service-leistung

Technik

IT

Leitung &Planung


Bergbau

Zement

Glas

Energie

Chemie

Sonstige

GESAMT*

Kunststo�

Pharma

Keramik

Mineralöl

Papier

Kautschuk

LEGENDE in Tabellen Ebene

Skala „Quantitative Belastung“ (α = .82)

3,6

3,6

3,6

3,6

3,5

3,5

3,5

3,5

3,5

3,4

3,3

3,3

3,2


3,7

3,7

3,5

3,5

3,5

3,4

3,4

3,3


9 31 38 22

4 40 32 23

10 39 37 13

9 45 35 10

10 41 35 13

5 51 34 9

11 42 34 12

16 40 33 10

3 41 42 14

3 4 39 36 18

9 43 34 13

6 40 39 15

5 50 31 14

2 8 39 37 14

10 43 34 13

10 39 37 13

10 42 35 12

15 42 33 10

112 49 32 6

3 13 59 13 12

2 16 46 27 9

Abbildung 19: Quantitative Belastung nach Branchen und Tätigkeitsfeldern (M, SD sowie Prozent)


Labor

Leitung &Planung

F & E

Verwaltung

Produktion

Service-leistung

IT

Technik

1 2 3 4 5

Bergbau

Sonstige

Kunststo�

Pharma

Kautschuk

GESAMT*

Papier

Chemie

Mineralöl

Energie

Keramik

Glas

Zement

1 2 3 4 5

Labor

Leitung &Planung

F & E

Verwaltung

Produktion

Service-leistung

IT

Technik


Bergbau

Sonstige

Kunststo�

Pharma

Kautschuk

GESAMT*

Papier

Chemie

Mineralöl

Energie

Keramik

Glas

Zement

Skala „Qualitative Belastung“ (α = .64)

2,2

2,2

2,1

2,1

2,0

2,0

2,0

2,0

2,0

2,0

2,0

2,0

1,9


2,1

2,1

2,1

2,0

1,9

1,9

1,9

1,9


38 42 13 6

32 29 16 7 6

38 42 12 7

44 35 11 8 2

41 38 11 9

43 38 11 8

41 44 9 6

39 43 12 5

37 39 15 9

34 45 8 11 2

41 37 12 9

33 39 17 10

38 38 13 10

38 43 10 6 2

2

40 38 13 8

40 39 12 7

38 39 17 6

42 37 14 6

42 42 59 2

43 251238

7103746

5.5.2 Qualitative Belastung

Zusätzlich zur reinen Menge an Arbeit ist auch deren

Schwierigkeit als Belastungsfaktor anzusehen. So wurde

mit der Skala „Qualitative Belastung“ erhoben, inwiefern

die gestellten Aufgaben als zu schwer empfunden wur-

den und sich die Beschäftigten für die Ausführung der

Arbeitsaufgaben nicht genug ausgebildet fühlten.

Aus Abbildung 20 wird ersichtlich, dass die Befragten

über alle Branchen hinweg eine eher geringe qualitative

Belastung berichteten. Die Bewertungen variierten von

2.2 in der Zement- und Glasindustrie bis 1.9 im Bergbau,

(der Unterschiedseffekt zwischen allen Branchen war

auch aufgrund großer Streuungen innerhalb der Bran-

chen, wie z. B. bei Zement mit η2 = .002, statistisch nicht

bedeutsam).

Auch in allen Tätigkeitsfeldern lagen die Bewertungen im

positiven Bereich von 2.1 bei Technik, IT und Service bis

zu 1.9 bei Labor, Leitung und Planung sowie Forschung

und Entwicklung (der Unterschiedseffekt über alle Tätig-

keitsfelder war mit η2 = .010 knapp gering bedeutsam).

Auch auf Ebene der Betriebsgrößen zeigten sich keine

relevanten Unterschiede, die Werte lagen einheitlich

im positiven Bereich zwischen 2.0 und 2.1, der

Unterschiedseffekt war mit η2=.001 statistisch nicht

bedeutsam.

Abbildung 20: Qualitative Belastung nach Branchen und Tätigkeitsfeldern (M, SD sowie Prozent)


Produktion

Labor

F & E

Verwaltung

Technik

Service-leistung

IT

Leitung &Planung

1 2 3 4 5

Bergbau

Keramik

Sonstige

Chemie

Kunststo�

GESAMT*

Glas

Energie

Kautschuk

Pharma

Zement

Mineralöl

Papier

1 2 3 4 5

Produktion

Labor

F & E

Verwaltung

Technik

Service-leistung

IT

Leitung &Planung


Bergbau

Keramik

Sonstige

Chemie

Kunststo�

GESAMT*

Glas

Energie

Kautschuk

Pharma

Zement

Mineralöl

Papier

Skala „Zeitliche Flexibilitätsanforderungen“ (α = .72)

2,4

2,4

2,4

2,3

2,3

2,3

2,3

2,2

2,2

2,2

2,2

2,1

2,0


2,6

2,5

2,3

2,3

2,3

2,2

2,0

2,0


310324212

9 133938

262223 46

22 39 29 8 2

92521 43 2

2515 53 7

4 22221 52

35183044

211314115

11 37 43 7 2

96185215

10304218

152219 44

16 47 1027

2

10244321 2

82622 42

45254026

82423 43 2

92126 42 2

252328 42

42330 42

5.5.3 Zeitliche Flexibilitätsanforderungen

Bereits in der soziodemografischen Analyse wurde deut-

lich, dass schwankende Arbeitszeiten für viele der hier

Befragten zum Arbeitsalltag gehören – dies ist nicht

notwendigerweise nur mit der Digitalisierung assoziiert,

kann durch diese aber durchaus weiter zunehmen. Mit

der Skala „Zeitliche Flexibilitätsanforderungen“ wurden

Fragen zu stark schwankenden täglichen Arbeitszeiten

gestellt, zur fehlenden Planbarkeit der Arbeitszeit sowie

zur notwendigen Erreichbarkeit in der Freizeit.

Abbildung 21 zeigt, dass die Befragten aller Branchen

in einem eher positiven Wertebereich lagen, von 2.4 in

Papier, Mineralöl und Zement bis 2.0 im Bergbau (der

Unterschied zwischen den Branchen war mit η2 = .006

statistisch nicht bedeutsam).

Dementgegen zeigen sich substanziellere Unterschie-

de zwischen den verschiedenen Tätigkeitsfeldern: Be-

schäftigte in Leitung und Planung waren mit 2.6 eher

ambivalent, Beschäftigte der Produktion und im Labor

lagen mit 2.0 dagegen im eher positiven Bereich (der

Unterschiedseffekt war mit η2 = .035 statistisch gering

bedeutsam).

Auf Ebene der Betriebsgrößen lagen die Bewertungen

zwischen 2.3 und 2.2, der Unterschiedseffekt war mit

η2 = .029 gering bedeutsam.

Abbildung 21: Zeitliche Flexibilitätsanforderungen nach Branchen und Tätigkeitsfeldern (M, SD sowie Prozent)


Zusätzlich zu den präsentierten Belastungsfaktoren wur-

de auch der tätigkeitsbezogene Informationsaustausch

(α = .80) erhoben, da der fehlende Zugang zu wichtigen

Informationen zu einem wichtiger werdenden allgemei-

nen Belastungsfaktor werden kann. Die Ergebnisse lagen

hier in allen Branchen homogen im mittleren Werte-

bereich zwischen 3.0 und 2.8 (η2 = .002), zwischen den

Tätigkeitsfeldern variierten die Werte nur geringfügig

(3.1 und 2.8, η2 = .011), auf Ebene der Betriebsgrößen lagen

geringe Unterschiede vor zwischen 3.1 und 2.9 (η2 = .017).

Als Ressource wurden vollständige Arbeitsaufgaben so-

wie hinreichende Autonomie untersucht. Diese Faktoren

waren beide in allen Branchen homogen eher hoch und

damit positiv ausgeprägt: Für Vollständigkeit (α = .75) la-

gen die Branchen- und Tätigkeitswerte je gleichsam zwi-

schen 4.1 und 3.7 (η2 = .001 und .022), für Handlungs- und

Entscheidungsspielräume (α = .91) variierten die Werte

zwischen den Branchen von 3.9 bis 3.4 (η2 = .005) und

zwischen den Tätigkeitsfeldern von 3.9 bis 3.1 (η2 = .049).

5.6. Gesundheit und Wohlbefinden: Irritation, Work-

Life-Balance, berufliche Unsicherheit und Distanzierung

Da es sich im Zuge der Digitalisierung um Anforderungen

handelt, die Einfluss auf die Balance zwischen Berufs- und

Privatleben, das berufsbezogene Sicherheitsempfinden

und die berufliche Identität der Beschäftigten nehmen

können, wurden die Studienteilnehmenden zum Thema

psychische Gesundheit und Wohlbefinden befragt. Dabei

wurden die psychische Irritation und die Work-Life-Ba-

lance, die berufliche Unsicherheit, die Distanzierung vom

eigenen Berufsbild sowie die soziale Isolation erhoben.

5.6.1 Nicht-Abschalten-Können

Mit der Skala „Nicht-Abschalten-Können“ wurden Fragen

zur empfundenen Schwierigkeit gestellt, nach der Arbeit

abschalten zu können sowie zu Hause und im Urlaub an

Schwierigkeiten bei der Arbeit denken zu müssen.

Die Ergebnisse in Abbildung 22 zeigen, dass sich die Be-

fragten der verschiedenen Branchen an der Grenze vom

ambivalenten zum positivem Wertebereich befanden: In

der Papier-, Zement-, Mineralöl- und Keramikindustrie

wurden mit 2.7 bis 2.6 eher mittlere Ausprägungen der

kognitiven Irritation berichtet, in allen anderen Branchen

(v. a. in Bergbau und Glas mit 2.3 bis 2.4) zeigten sich eher

niedrige und damit positive Bewertungen. (Der Unter-

schied zwischen allen Branchen ist mit η2 = .002 als sta-

tistisch nicht bedeutsam zu bewerten.)

Demgegenüber zeigte sich im Vergleich der verschie-

denen Tätigkeitsfelder, dass v. a. Beschäftigte im Bereich

Leitung und Planung mittlere Ausprägungen berichteten,

Labor-Befragte zeigten im Kontrast dazu mit 2.2 eher ge-

ringe kognitive Irritationen. (Der Unterschiedseffekt zwi-

schen allen Tätigkeitsfeldern war mit η2 = .011 statistisch

gering bedeutsam.)

Auf Ebene der Betriebsgrößen fanden sich gering bedeut-

same, aber unsystematische Unterschiede (2.6 bis 2.4,

η2 = .028).


Labor

Produktion

F & E

Technik

Verwaltung

Service-leistung

IT

Leitung &Planung

1 2 3 4 5

Bergbau

Glas

Chemie

Energie

Pharma

GESAMT*

Sonstige

Kunststo�

Kautschuk

Keramik

Mineralöl

Zement

Papier

1 2 3 4 5

Labor

Produktion

F & E

Technik

Verwaltung

Service-leistung

IT

Leitung &Planung


Bergbau

Glas

Chemie

Energie

Pharma

GESAMT*

Sonstige

Kunststo�

Kautschuk

Keramik

Mineralöl

Zement

Papier

Skala „Nicht-Abschalten-Können“ (α = .92)

2,7

2,6

2,6

2,6

2,5

2,5

2,5

2,5

2,5

2,5

2,5

2,4

2,3


2,7

2,6

2,6

2,5

2,5

2,4

2,4

2,2


812

15 31 32 16 6

182934

616293317

515283616

714283319

413254019

13243622 5

214323 310

517343113

18 12151836

71413 36 30

816214213

17 2294012

5

5

713283617

16253718

15273617

515283518

14292923 6

14263618 6

217282825

49303721

Abbildung 22: Nicht-Abschalten-Können nach Branchen und Tätigkeitsfeldern (M, SD sowie Prozent)


Produktion

Service-leistung

Technik

IT

Leitung &Planung

Verwaltung

Labor

F & E

1 2 3 4 5

Mineralöl

Pharma

Kunststo�

Papier

Sonstige

GESAMT*

Chemie

Energie

Zement

Glas

Kautschuk

Keramik

Bergbau

1 2 3 4 5

Produktion

Service-leistung

Technik

IT

Leitung &Planung

Verwaltung

Labor

F & E


Mineralöl

Pharma

Kunststo�

Papier

Sonstige

GESAMT*

Chemie

Energie

Zement

Glas

Kautschuk

Keramik

Bergbau

Skala „Work-Life-Balance“ (α = .80)

3,7

3,7

3,7

3,6

3,6

3,6

3,6

3,6

3,6

3,6

3,5

3,5

3,3


3,7

3,7

3,6

3,6

3,6

3,5

3,5

3,5


1711

14 28 46 11

4427

12472812

9482715

18393364

1341369

462792 16

32122 1044

1454266

2 1547288

1512 20 52

1251288

1546336

13

15

12453210

43342 6

453011

14423310

42352 9 12

422814 15

114333112

64035136

5.6.2 Work-Life-Balance

Neben der psychischen Abgrenzung des Privaten vom

Beruflichen war von Interesse, wie sich die Balance von

Berufs- und Privatleben gestaltete. Die Skala „Work-Li-

fe-Balance“ integrierte Fragen zur Zufriedenheit mit der

Balance zwischen Arbeit und Privatleben, der guten Ver-

einbarkeit sowie der Möglichkeit, die Anforderungen beider

Lebensbereiche gleichermaßen gut bewältigen zu können.

Abbildung 23 zeigt, dass die Beschäftigten nahezu al-

ler Branchen eher positive Bewertungen ihrer Work-Li-

fe-Balance berichteten, v. a. die Befragten der Bergbau-,

Keramik- und Kautschuk-Industrie sahen diese mit 3.7 als

eher zutreffend an. Nur die Beschäftigten der Mineral-

öl-Branche lagen mit durchschnittlich 3.3 noch im am-

bivalenten Wertebereich, (insgesamt war der Unterschied

zwischen allen Branchen jedoch mit η2 = .002 statistisch

nicht bedeutsam).

Auch zwischen den verschiedenen Tätigkeitsfeldern zeig-

ten sich keine substanziellen Abweichungen. Beschäftig-

te aus den Bereichen Forschung und Entwicklung sowie

Labor berichteten mit 3.7 nur geringfügig bessere Be-

wertungen als Beschäftigte im Bereich Produktion sowie

Service mit 3.5 (der Unterschiedseffekt war mit η2 = .008

statistisch nicht bedeutsam).

Auf Ebene der Betriebsgrößen fanden sich gering bedeut-

same, aber unsystematische Unterschiede (3.6 bis 3.5,

η2 = .029).

Abbildung 23: Work-Life-Balance nach Branchen und Tätigkeitsfeldern (M, SD sowie Prozent)


Leitung &Planung

Technik

F & E

Produktion

Verwaltung

Labor

Service-leistung

IT

1 2 3 4 5

Mineralöl

Kautschuk

Glas

Kunststo�

Energie

GESAMT*

Keramik

Papier

Sonstige

Chemie

Bergbau

Zement

Pharma

1 2 3 4 5

Leitung &Planung

Technik

F & E

Produktion

Verwaltung

Labor

Service-leistung

IT


Mineralöl

Kautschuk

Glas

Kunststo�

Energie

GESAMT*

Keramik

Papier

Sonstige

Chemie

Bergbau

Zement

Pharma

Skala „Berufliche Unsicherheit“ (α = .73)

2,4

2,4

2,3

2,3

2,3

2,3

2,3

2,3

2,2

2,2

2,2

1,9

1,8


2,4

2,4

2,4

2,4

2,3

2,3

2,1

2,1


333 24

24 38 25 10 3

1426

14 2264315

12 3243922

8 2283824

8 2234225

243037 27

4530 420

12 4263622

3 9254419

31022 38 27

10 3263724

410263129

210

11

11 2234123

2342 222

253826

38243529

263726 10

243928 8

164437 2

3173545

5.6.3 Berufliche Unsicherheit

Auch weiterführende Effekte der Digitalisierung auf das

Wohlbefinden der Beschäftigten waren bei dieser Stu-

die von Interesse. Mit der Skala „Berufliche Unsicher-

heit“ wurden die Teilnehmenden befragt zu ihren Sorgen

vor Jobverlust, zur Einschätzung der Jobperspektive bei

Arbeitslosigkeit sowie Sorgen vor ungewollten Versetzun-

gen auf eine andere Arbeitsstelle.

Laut den in Abbildung 24 dargestellten Ergebnissen la-

gen die Bewertungen der Beschäftigten aller Branchen

übereinstimmend im positiven Bereich: Die Befragten der

Mineralöl- und Kautschukindustrie waren mit 1.8 bis 1.9

am zuversichtlichsten, in der Pharma- und Zementbran-

che lagen die Mittelwerte mit 2.4 etwas dahinter. (Infolge

u. a. großer Streuungen innerhalb der Branchen war der

Unterschiedseffekt zwischen den Branchen mit η2 = .004

statistisch nicht bedeutsam.)

Zwischen den verschiedenen Tätigkeitsfeldern zeigte

sich hingegen, dass v. a. Beschäftigte in Leitung und Pla-

nung sowie Technik mit 2.1 die geringste berufliche Un-

sicherheit verspürten, alle anderen lagen im Bereich von

2.3 bis 2.4 (der Unterschiedseffekt war mit η2 = .011 statis-

tisch gering bedeutsam).

Auf Ebene der Betriebsgrößen zeigte sich ein mittel be-

deutsamer Effekt: In Betrieben von 1.000 bis 2.499 Mit-

arbeitenden bewerteten die Befragten die berufliche

Unsicherheit mit 2.2 als eher gering, in kleineren und grö-

Abbildung 24: Berufliche Unsicherheit nach Branchen und Tätigkeitsfeldern (M, SD sowie Prozent)


ßeren Betrieben stieg die Unsicherheit leicht bis zu 2.4, der

Unterschied war mit η2 = .090 von mittlerer statistischer

Bedeutsamkeit. Zwischen Frauen und Männern (η2 = .003)

wurden keine statistisch bedeutsamen Unterschiede fest-

gestellt, allerdings fand sich ein geringer Alters- und Bil-

dungseffekt: Beschäftigte ab 46 Jahren berichteten mit

2.5 etwas höhere berufliche Unsicherheiten als Jüngere,

v. a. die 18- bis 35-jährigen lagen im Durchschnitt bei 2.0.

Je höher das Bildungsniveau war, desto geringer war

auch die berufliche Unsicherheit: Beschäftigte mit Stu-

dienabschluss fühlten sich mit durchschnittlich 2.2 eher

beruflich sicher, Beschäftigte ohne Bildungsabschluss la-

gen dagegen mit 3.2 im ambivalenten, tendenziell eher

unsicheren Bereich. (Aufgrund großer Streuungen in den

soziodemografischen Gruppen waren die Unterschiede

mit η2 = .045 und .020 gering bedeutsam.)

5.6.4 Berufliche Distanzierung

Weitergehend wurden in dieser Studie die Themen be-

rufliche Distanzierung sowie soziale Isolation untersucht.

Dabei ging es einerseits bei der Skala der beruflichen

Distanzierung um Fragen zu der Entfremdung von Beruf

und Tätigkeit, zunehmender Gleichgültigkeit und fehlen-

der Identifikation, andererseits bei der Skala der sozialen

Eingebundenheit um Fragen des fehlenden persönlichen

Austauschs und der Einbindung mit Kollegen sowie Ein-

samkeit bei der Arbeit.

Auf beiden Skalen lagen die Befragten in allen Branchen

und auch allen Tätigkeitsfeldern im positiven Wertebe-

reich: In Hinblick auf die berufliche Distanzierung streu-

ten die Mittelwerte in den Branchen und Tätigkeitsfeldern

jeweils von 1.6 bis 1.8 (die Unterschiedseffekte waren mit

jeweils η2 = .004 statistisch nicht bedeutsam).

Auch die soziale Isolation wurde von den Befragten in al-

len Branchen und Tätigkeitsfeldern übereinstimmend als

eher gering und damit positiv bewertet: Auf Ebene der

Branchen berichteten die Befragten Mittelwerte von 1.8

bei Keramik und Kautschuk bis 2.2 bei Zement (η2 = .001),

in den verschiedenen Tätigkeitsfeldern wurden Bewertun-

gen von 1.8 bei F & E und Verwaltung bis 2.0 bei Produk-

tion und Service berichtet (die Unterschiede waren mit

η2 = .007 auch hier statistisch nicht bedeutsam). Sozio-

demografische Unterschiedseffekte zeigten sich ebenfalls

nicht bei beruflicher Distanzierung und sozialer Isolation:

Abweichungen zwischen Frauen und Männern (Distan-

zierung η2 = .003, Isolation η2 = .005) waren hier statis-

tisch ebenso wenig bedeutsam wie Alterseffekte (jeweils

η2 = .006) oder Bildungseffekte (η2 = .003 und .005).

56 Für die Spezifikation des Modells wurde darauf verzichtet, aus den extrahierten Faktoren Skalen zu bilden und diese auf manifester Ebene miteinander zu korrelieren, stattdessen wurden die Dimensionen auf latenter Ebene modelliert.57 (Hackman & Oldham, 1980)58 (Bakker & Demerouti, 2007; 2014)

5.7. Strukturgleichungsmodell zu den Dimensionen der

Studie

5.7.1 Definition des Modells und Hypothesen

Aufbauend auf den beschriebenen deskriptiven und in-

ferenzstatistischen Datenanalysen wurde ein Struktur-

gleichungsmodell erstellt.56 Diese Modellierung adressiert

die Grenzen herkömmlicher Verfahren mit Validität, Re-

liabilität und Komplexität unter anderem dadurch, dass

der Tatsache Rechnung getragen wird, dass es sich bei

den Faktoren um nicht direkt beobachtbare Konstruk-

te handelt. Als ein Beispiel sei hierfür das Konstrukt der

„Work-Life-Balance“ angeführt: Wir haben zwar ein Ver-

ständnis davon, was sich hinter dem Begriff verbirgt, die

Work-Life-Balance lässt sich aber nicht direkt beobach-

ten, sie zeigt sich vielmehr in unterschiedlichen beob-

achtbaren Aspekten, die mithilfe der einzelnen Fragen

im Fragebogen messbar gemacht bzw. operationalisiert

werden.

Gleichzeitig bietet diese Art der Strukturgleichungsmo-

dellierung einen weiteren entscheidenden Vorteil: Es lässt

sich überprüfen, inwiefern ein gesamtes theoretisches

Modell anhand der zur Verfügung stehenden empirischen

Daten bestätigt werden kann. Es werden also nicht nur si-

multan Zusammenhänge zwischen latenten Dimensionen

untersucht, darüber hinaus können auch fundierte Aussa-

gen über das komplexe Zusammenspiel der Dimensionen

und somit über die zugrundeliegende Theorie getroffen

werden.

Auf Grundlage des theoretischen Rahmens aus dem Be-

lastungs-Beanspruchungsmodell57 sowie dem Job-De-

mands-Job-Resources-Modell58 wurde das Strukturmodell

aufgestellt. Im Mittelpunkt stehen die Work-Life-Balance

und das Nicht-Abschalten-Können der Beschäftigten, die

von unterschiedlichen Aspekten beeinflusst werden. Eine

Besonderheit dieser Studie ist es, dass neben den klassi-

schen Belastungen der Arbeitsgestaltung und -organisation

auch spezifisch mit der Digitalisierung verbundene Aspekte

mitmodelliert wurden. Dies sind beispielsweise die Anforde-

rungszunahme durch die fortschreitende Digitalisierung der

Arbeit und die digitale Selbstwirksamkeit.


Folgende Hypothesen wurden aufgestellt:

1. Es ist anzunehmen, dass Beschäftigte, die sich im

Zuge der Digitalisierung ihrer Arbeit zunehmend he-

rausgefordert fühlen (Anforderungszunahme durch

Digitalisierung), eher Schwierigkeiten haben nach der

Arbeit abzuschalten (Hypothese 1).

2a. Sind die Beschäftigten hingegen zuversichtlich, dass

sie mit den neuen, durch die Digitalisierung an sie

gestellten Herausforderungen umgehen können (di-

gitale Selbstwirksamkeit), wird ihnen das Abschalten

leichter fallen (Hypothese 2a).

2b. Es ist anzunehmen, dass sich die digitale Selbstwirk-

samkeit verstärkt, wenn die Beschäftigten in der Di-

gitalisierung eine Arbeitserleichterung sehen und sie

diese insgesamt als nützlich und unterstützend für

ihre Arbeit (Unterstützung und Erleichterung) be-

trachten (Hypothese 2b).

3. Haben die Beschäftigten den Eindruck, dass sie zu

viele Arbeitsaufgaben bewältigen müssen und zudem

unter permanentem Zeitdruck stehen (quantitati-

ve Arbeitsbelastung), werden sie dieses Gefühl ver-

mutlich auch eher nach der Arbeit mit nach Hause

nehmen als bei geringerer oder angemessener quan-

titativer Arbeitsbelastung (Hypothese 3).

4. Eine hohe quantitative Arbeitsbelastung wird zudem

einen negativen Effekt auf die Work-Life-Balance der

Beschäftigten haben (Hypothese 4).

5. Ähnliches ist für die Dimension zeitlicher Flexibilitäts-

anforderung anzunehmen: Besteht nur geringe Pla-

nungssicherheit bezüglich der eigenen Arbeitszeiten,

wird es den Beschäftigten schwerer fallen abzuschal-

ten (Hypothese 5).

6. Gleichzeitig ist anzunehmen, dass sich hohe zeitliche

Flexibilitätsanforderungen negativ auf die Work-Li-

fe-Balance auswirken (Hypothese 6).

7. Fühlen sich die Beschäftigten in ihrem Unternehmen

isoliert (soziale Isolation), fehlt ihnen also der Aus-

tausch mit anderen Beschäftigten, werden sie ihre

Work-Life-Balance nicht als ausgewogen empfinden

(Hypothese 7).

8. Auch wird die Work-Life-Balance gering ausfallen,

wenn sich die Befragten im Zuge der Digitalisierung

immer weniger mit ihrem Beruf identifizieren können

(berufliche Distanzierung) (Hypothese 8).

9. Auch die berufliche Unsicherheit wirkt sich negativ

auf die Work-Life-Balance aus (Hypothese 9).

10. Ein positiver Effekt auf die Work-Life-Balance ist

zu vermuten, wenn die Beschäftigten in einem

Betrieb mit klaren und schnellen Kommunika-

tionskanälen arbeiten, sie also gut in den Kommuni-

kationsfluss eingebunden sind und ihre Arbeit daher

reibungslos erledigen können (tätigkeitsbezogener

Informationsaustausch) (Hypothese 10).

Die im vorigen Abschnitt vorgestellten Einflussfaktoren auf

die Work-Life-Balance und das Nicht-Abschalten-Können

stellen keine voneinander unabhängigen Dimensionen

dar, daher werden auch die korrelativen Zusammenhänge

unter den sogenannten unabhängigen Variablen unter-

sucht. Es ist anzunehmen, dass insbesondere das Gefühl

der Überwachung und Austauschbarkeit durch digitale

Systeme mit diversen Aspekten aus den Bereichen Digita-

lisierung, Arbeitsgestaltung und -organisation und Wohl-

befinden zusammenhängt.

11. So werden Beschäftigte, die sich sorgen, ihre Be-

schäftigung zu verlieren, auch mit dem starken Unbe-

hagen zu kämpfen haben, sich durch digitale Systeme

ständig kontrolliert zu fühlen und von diesen gar ver-

drängt zu werden (Hypothese 11).

12. Auch ist ein Zusammenhang zwischen dem Gefühl

der Überwachung und Austauschbarkeit und einer

wahrgenommenen Zunahme an Anforderungen

durch die Digitalisierung (Anforderungszunahme) an-

zunehmen (Hypothese 12).

13. Beschäftigte, die generell eine offene Haltung gegen-

über Veränderungen haben (Veränderungsbereit-

schaft), werden sich weniger um ihre Arbeit sorgen

(berufliche Unsicherheit) (Hypothese 13).

14. Gleichzeitig werden diese Beschäftigten zuversicht-

licher sein, die Anforderungen der Digitalisierung zu

meistern (digitale Selbstwirksamkeit) (Hypothese 14).


Weitere spezifische Annahmen werden nicht getroffen,

die Interkorrelation der Dimensionen aber examiniert und

berichtet. Folgende Dimensionen wurden im Strukturglei-

chungsmodell untersucht:

• Abhängige Variablen: Digitale Selbstwirksamkeit,

Nicht-Abschalten-Können, Work-Life-Balance

• Unabhängige Variablen: Unterstützung und Erleichte-

rung durch digitale Systeme, Anforderungszunahme,

tätigkeitsbezogener Informationsaustausch, zeitliche

Flexibilitätsanforderung, soziale Isolation, berufliche

Distanzierung

• Korrelative Variablen: Überwachung und Austausch-

barkeit, Veränderungsbereitschaft, berufliche Unsi-

cherheit

59 Fehlspezifikationen wurden iterativ korrigiert, indem identifizierte restringierte Parameter sukzessive frei geschätzt wurden. Die stan-dardisierten Faktorladungen waren für alle Dimensionen statistisch signifikant (p < .001) und substanziell.60 Das Modell weist in der Gesamtschau der Kennwerte einen akzeptablen bis guten Modellfit auf (χ2 = 15421.010, df = 973, p < 0.001, CFI = 0.92, RMSEA = 0.04, SRMR = 0.07). Zur Bewertung der übergreifenden Anpassungsgüte des Strukturmodells wurden die Kenn-werte RMSEA (root mean square error of approximation), SRMR (standardized root square residual), CFI (comparative fit index) sowie die χ2-Statistik berechnet, um die Anpassungsgüte des theoretischen Modells an die empirischen Daten beurteilen zu können (Hu & Bentler, 1999). Der RMSEA überprüft, in welchem Ausmaß das Strukturgleichungsmodell die Realität approximiert. Ein Wert von < .08 kann als ak-zeptabel und ein Wert von < .05 als guter Modellfit gewertet werden. Der SRMR berücksichtigt neben der globalen Anpassungsgüte eines Modells auch, wie gut einzelne Teilstrukturen des Modells passen. Generell kann man bei einem SRMR von < .08 von einem akzeptablen und bei < .05 von einem guten Modellfit sprechen. Der χ2-Wert trifft Aussagen bezüglich der Validität eines Modells, er ist jedoch relativ empfindlich gegenüber Voraussetzungsverletzungen, wie der Normalverteilungsannahme der Variablen. Ist das Verhältnis von χ2-Wert und Freiheitsgraden (df, degrees of freedom) < 2.5, so kann die Validität des Modells angenommen werden, liegt der Verhältniswert darü-ber, ist die Validität als eingeschränkt zu beurteilen.61 Für das Strukturgleichungsmodell wurden ausschließlich Daten von Beschäftigten der Chemie-Branche verwendet, da diese die mit Abstand größte Gruppe im Sample darstellten (vgl. Tabelle 4 in Abschnitt 0). Ohne diese Eingrenzung wäre es zu verschiedenen Einfluss-effekten gekommen, die die Entwicklung und Prüfung eines stabilen Modells verhindert hätten.

Nachdem das Strukturmodell aufgestellt wurde, erfolg-

te die Spezifikation der Messmodelle. Hierbei wurde für

jede Dimension spezifiziert, durch welche Indikatoren

die Dimension empirisch erfasst wird. Die Schätzung

der Beziehung von Dimensionen zu deren Indikatoren

erfolgte im Kontext der Strukturgleichungsmodellierung

simultan zur Schätzung der Beziehungen zwischen den

latenten Dimensionen.59

5.7.2 Ergebnisse der Strukturgleichungsmodellierung

Im Folgenden werden die Ergebnisse der Strukturglei-

chungsmodellierung mit den Beziehungen zwischen den

latenten Dimensionen zu den aufgestellten Hypothesen

vorgestellt. Abbildung 25 zeigt zunächst als Übersicht das

endgültige Strukturgleichungsmodell.60

Abbildung 25: Strukturgleichungsmodell für die Chemie-Branche61

Digitalisierung Allgemeine Belastung Gesundheit und Wohlbefinden

Überwachung und Austauschbarkeit

Berufliche Unsicherheit

Tätigkeitsbezogener Informations-

austausch

QuantitativeArbeitsbelastung

Nicht-Abschalten-

Können

Digitale Selbstwirksamkeit

Unterstützung,Erleichterung

Veränderungs-bereitschaft

Soziale Isolation

Berufliche Distanzierung

Work-Life-Balance

Zeitliche Flexibiliäts-Anforderungen

Anforderungs-zunahme

.46

.31

.62

.43

– .38

– .19

– .11

– .10

– .51

– .12

– .40

.38

.61

.14

.55

.27 .38

.40

.41

.09

.22

.56

R2 = .45

R2 = .38

R2 = .13

x2 = 15421.010, df = 973, p < 0.001 Regression Korrelation CFI = 0.92, RMSEA = 0.04, SRMR = 0.07


Ergebnisse im Überblick:

Es zeigte sich, dass nahezu alle aufgestellten Hypothesen

bestätigt werden konnten. Zentral für das Wohlbefinden von

Beschäftigten war demnach, wie sie das Verhältnis persön-

licher Ressourcen und alltäglicher Belastungen im Arbeits-

kontext empfinden. Liegt hier ein Ungleichgewicht vor, kann

dies dazu führen, dass es den Beschäftigten schwerfällt, nach

der Arbeit abzuschalten. Konform zu den gängigen arbeits-

wissenschaftlichen Modellen sind es vor allem Aspekte der

Arbeitsgestaltung, die einen Effekt auf das Nicht-Abschal-

ten-Können haben: Eine hohe quantitative Arbeitsbelastung

ist für die Beschäftigten bedeutsamer als spezifische, mit der

Digitalisierung verbundene Aspekte, die einen geringeren

Einfluss auf das Nicht-Abschalten-Können hatten.

Auch für die Vereinbarkeit von Berufs- und Privatleben spielen

Aspekte der Arbeitsgestaltung wie permanenter Arbeitsdruck,

die Planbarkeit der Arbeitszeit und Zugang zu allen relevan-

ten Informationen für ihre Arbeitsaufgaben eine wichtige

Rolle. Daneben sind es vor allem die berufliche Distanzierung

und soziale Isolation, die einen (wenn auch geringen) Effekt

auf die Work-Life-Balance haben. Entfremden sich die Be-

schäftigten zunehmend von ihrer Arbeit und fühlen sich auch

nicht mehr gut sozial in ihren Betrieb eingebunden, so wirkt

sich dies negativ auf ihre Work-Life-Balance aus.

Ergebnisse im Detail:

Nicht-Abschalten-Können

Der stärkste Prädiktor für die Dimension Nicht-Abschal-

ten-Können (mit einem standardisierten Regressionskoef-

fizienten von β = .41) ist die quantitative Arbeitsbelastung.

Beschäftigte, die unter hohem quantitativen Arbeitsdruck

stehen, haben größere Probleme damit, nach der Arbeit ab-

zuschalten. Der Effekt der quantitativen Arbeitsbelastung auf

das Nicht-Abschalten-Können ist mittelstark und signifikant,

Hypothese 3 kann somit bestätigt werden.

Zweitstärkster Prädiktor für die Dimension Nicht-Abschal-

ten-Können (mit einem standardisierten Regressionskoeffizi-

enten von β = .22) waren zeitliche Flexibilitätsanforderungen,

z. B. stark schwankende tägliche oder nicht planbare Arbeits-

zeiten und die notwendige Erreichbarkeit auch in der Freizeit.

Dass Beschäftigte nach der Arbeit nicht abschalten können,

kann zu einem gewissen Maß dadurch erklärt werden, dass

ihre Arbeitszeiten schwer planbar sind. Der Effekt der zeitli-

chen Flexibilitätsanforderung auf das Nicht-Abschalten-Kön-

nen ist als gering, aber signifikant einzuschätzen, Hypothese

5 kann somit bestätigt werden.

Drittstärkster Prädiktor für die Dimension Nicht-Abschal-

ten-Können (mit einem standardisierten Regressionskoef-

fizienten von β = -.10) war die digitale Selbstwirksamkeit.

Der negative Effekt bedeutet, dass eine gut ausgeprägte Zu-

versicht in die eigenen Kompetenzen bezüglich der Bewäl-

tigung von Herausforderungen durch die Digitalisierung den

Beschäftigten dabei hilft, nach der Arbeit besser abschalten

zu können, sodass die kognitive Irritation geringer ausfällt.

Der Effekt der digitalen Selbstwirksamkeit auf das Nicht-Ab-

schalten-Können war gering, aber signifikant, Hypothese 2a

kann somit bestätigt werden.

Viertstärkster Prädiktor für die Dimension Nicht-Abschal-

ten-Können (mit einem standardisierten Regressionskoeffi-

zienten von β = .09) war die Anforderungszunahme im Zuge

der Digitalisierung. Wenn Beschäftigte den Eindruck haben,

dass sie durch die Digitalisierung vermehrt Herausforderun-

gen zu bewältigen haben, hat dies einen Effekt auf ihre Mög-

lichkeit, nach der Arbeit abschalten zu können. Der Effekt

der Anforderungszunahme auf das Nicht-Abschalten-Kön-

nen ist als gering, aber signifikant einzuschätzen, Hypothese

1 kann somit bestätigt werden.

Die genannten Prädiktoren klären zusammen einen Varianz-

anteil von ca. 38 Prozent der Dimension Nicht-Abschal-

ten-Können auf.

Digitale Selbstwirksamkeit

Die Dimension digitale Selbstwirksamkeit wird von der Di-

mension Unterstützung und Erleichterung (mit einem

standardisierten Regressionskoeffizienten von β = .41) vor-

hergesagt. Wenn Beschäftigte in der Digitalisierung eine

nützliche Arbeitserleichterung sehen, trauen sie sich auch

eher zu, mit den damit verbundenen Anforderungen gut um-

gehen zu können. Der Effekt der Unterstützung und Erleich-

terung auf die digitale Selbstwirksamkeit ist als mittelstark

einzuschätzen. Es liegt ein signifikanter Effekt vor, Hypothese

2b kann somit bestätigt werden.

Der Prädiktor erklärt ca. 13 Prozent in der Varianz der Dimen-

sion digitale Selbstwirksamkeit.

Work-Life-Balance

Der stärkste Prädiktor für die Dimension Work-Life-Balance

(mit einem standardisierten Regressionskoeffizienten von

β = -.40) ist die quantitative Arbeitsbelastung. Nehmen die

Beschäftigten einen hohen Arbeitsdruck wahr, so hat dies

einen negativen Effekt auf ihre Work-Life-Balance. Der Effekt

auf die Work-Life-Balance ist als gering, aber signifikant ein-

zuschätzen, Hypothese 4 kann somit bestätigt werden.

Zweitstärkster Prädiktor für die Dimension Work-Life-Ba-

lance (mit einem standardisierten Regressionskoeffizienten

von β = -.19) ist die Dimension berufliche Distanzierung.

Beschäftigte, die sich zunehmend von ihrer Arbeit und

den Arbeitsaufgaben entfremden, empfinden das Ver-

hältnis von Berufs- und Privatleben als unausgewogen.

Der Effekt auf die Work-Life-Balance ist als gering, aber signi-

fikant einzuschätzen, Hypothese 8 kann somit bestätigt wer-

den. Dagegen zeigte sich kein signifikanter und bedeutsamer

Einfluss der beruflichen Unsicherheit auf Work-Life-Balance,


Hypothese 9 muss dementsprechend verworfen werden.

Drittstärkster Prädiktor für die Dimension Work-Life-Balan-

ce (mit einem standardisierten Regressionskoeffizienten von

β = 14.) ist der tätigkeitsbezogene Informationsaustausch.

Wenn die wichtigen arbeits- und aufgabenbezogenen Infor-

mationen ohne Hindernisse die Beschäftigten erreichen und

diese zur Erledigung ihrer Arbeit immer alle dafür notwen-

digen Informationen zur Verfügung haben, empfinden sie

ihre Work-Life-Balance als ausgewogen. Der Effekt auf die

Work-Life-Balance ist als gering, aber signifikant einzuschät-

zen, Hypothese 10 kann somit bestätigt werden.

Viertstärkster Prädiktor für die Dimension Work-Life-Balan-


β = -.12) ist die Dimension soziale Isolation. Fühlen sich Be-

schäftigte an ihrem Arbeitsplatz isoliert, wirkt sich dies auch

negativ auf ihre Work-Life-Balance aus. Der Effekt auf die

Work-Life-Balance ist als gering, aber signifikant einzuschät-

zen, Hypothese 7 kann somit bestätigt werden.

Fünftstärkster Prädiktor für die Dimension Work-Life-Balan-


β = -.11) ist die zeitliche Flexibilitätsanforderung. Es ist für

Beschäftigte schwierig, ihr Berufs- und Privatleben miteinan-

der zu vereinen, wenn sie ihre Arbeitszeiten nicht gut planen

können. Der Effekt auf die Work-Life-Balance ist als gering,

aber signifikant einzuschätzen, Hypothese 6 kann somit be-

stätigt werden.

Die Prädiktoren klären zusammengenommen einen Varianz-

anteil von ca. 45 Prozent für die Dimension Work-Life-Ba-

lance auf.

Weitere Zusammenhänge zwischen den Dimensionen

Die Korrelation zwischen der Dimension Überwachung und

Austauschbarkeit und der Dimension berufliche Unsicher-

heit beträgt .62, was als hoch einzuschätzen ist. Es besteht

demnach ein starker Zusammenhang zwischen den beiden

Dimensionen. Beschäftigte, die sich im Zuge der Digitalisie-

rung ihrer Arbeit überwacht fühlen und befürchten, durch

digitale Technologien austauschbar werden zu können, ma-

chen sich auch große Sorgen über ihre berufliche Zukunft

und umgekehrt. Der Korrelationskoeffizient ist signifikant,

Hypothese 11 kann somit bestätigt werden.

Ähnlich verhält es sich mit der Korrelation zwischen der

Dimension Überwachung und Austauschbarkeit und der

Dimension Anforderungszunahme. Hier beträgt die Korrela-

tion .46 und kann als mittelhoch eingeschätzt werden. Be-

schäftigte, die zunehmende Herausforderungen im Zuge

der Digitalisierung berichten, fühlen sich auch zunehmend

überwacht und austauschbar. Der Korrelationskoeffizient ist

signifikant, Hypothese 12 kann somit bestätigt werden.

Zwischen der beruflichen Unsicherheit und der Verände-

rungsbereitschaft liegt eine negative Korrelation vor, diese

beträgt -.38 und ist als mittelstark einzuschätzen. Beschäftig-

te, die generell sehr offen gegenüber Neuerungen an ihrem

Arbeitsplatz sind, machen sich weniger Sorgen um ihre be-

rufliche Zukunft oder umgekehrt sind Beschäftigte, die sich

stark um ihre berufliche Zukunft sorgen, Änderungen an

ihrem Arbeitsplatz gegenüber tendenziell skeptisch einge-

stellt. Der Korrelationskoeffizient ist signifikant, Hypothese 13

kann somit bestätigt werden.

Eine geringe Korrelation von .27 zeigt sich schließlich zwi-

schen der Dimension der allgemeinen Veränderungsbereit-

schaft und digitaler Selbstwirksamkeit. Es besteht somit ein

schwacher Zusammenhang zwischen der Offenheit gegen-

über allgemeinen Neuerungen am Arbeitsplatz und der spe-

zifisch auf die Digitalisierung bezogenen Selbstwirksamkeit.

Beschäftigte, die Veränderungen am Arbeitsplatz gegenüber

positiv eingestellt sind, trauen sich auch eher zu, die mit der

Digitalisierung verbundenen Anforderungen zu meistern. Der

Korrelationskoeffizient ist signifikant, Hypothese 14 kann so-

mit bestätigt werden.

Weitere Korrelationen, für die im Vorfeld keine spezifischen

Hypothesen gebildet wurden, werden im Folgenden kurz

dargelegt.

Die Dimensionen aus dem Bereich Wohlbefinden (berufliche

Unsicherheit, berufliche Distanzierung und soziale Isolation)

korrelieren mittelstark bis hoch miteinander (berufliche Unsi-

cherheit und berufliche Distanzierung = .43; berufliche Unsi-

cherheit und soziale Isolation = .38; berufliche Distanzierung

und soziale Isolation = .61). Beschäftigte, die sich um ihre

berufliche Zukunft sorgen, entfremden sich demnach auch

von ihrem Beruf und fühlen sich nicht gut sozial eingebettet

in ihren Betrieb.

Die verschiedenen Dimensionen aus den Bereichen Arbeits-

und Organisationsgestaltung und Digitalisierung korrelieren

ebenfalls im mittelstarken Bereich miteinander (quantitative

Arbeitsbelastung und zeitliche Flexibilitätsanforderung =

.55; quantitative Arbeitsbelastung und Anforderungszunah-

me im Zuge der Digitalisierung = .56; zeitliche Flexibilitäts-

anforderungen und Anforderungszunahme = .40). Sowohl

spezifisch mit der Digitalisierung verbundene Belastungen als

auch Belastungen der allgemeinen Arbeitsgestaltung hängen

in der Wahrnehmung der Beschäftigten miteinander zusam-

men und beeinflussen gemeinsam auch die kognitive Irrita-

tion (s. o.).

Es wurden im Strukturgleichungsmodell auch verschiedene

vermittelnde Effekte der Prädiktoren untersucht (sogenannte

Mediationseffekte), jedoch keine statistisch signifikanten oder

substanziellen Effekte gefunden.


66. Zusammenfassung, Bewertung und Diskussion

der Studienergebnisse

Die Ergebnisse der vorliegenden Studie brachten so-

wohl Erkenntnisse mit sich, die aus arbeitswissenschaft-

licher Perspektive zu erwarten waren, als auch solche, die

durchaus als überraschend bezeichnet werden können.

Insgesamt wurde die Digitalisierung von den Befragten

mehrheitlich positiv eingeschätzt und weniger als Be-

drohung gesehen. Es wurde aber auch deutlich, dass die

Digitalisierung noch am Anfang der Integration in den

hier untersuchten Branchen steht und derzeit zu großen

Teilen v. a. auf die Verwendung von digitalen Informati-

ons- und Kommunikationssystemen (IKT) ausgerichtet ist.

Digital aufbereitete Daten zu Endprodukten und Arbeits-

ergebnissen wurden dagegen nur gelegentlich eingesetzt,

digitale Technologien für die Produktion eher selten und

personenbezogene Messsysteme nur sehr vereinzelt.

Bei vielen Themen der Studie zeigte sich zudem, dass die

im Vorfeld durchaus vermuteten Branchenunterschie-

de überraschend gering ausfielen. Lediglich im Bereich

der Nutzung digitaler Technologien zeigte sich, dass in

den Branchen Zement, Mineralöl, Bergbau und Glas et-

was niedrigere und in den Branchen Pharma, Papier und

Kautschuk etwas höhere Nutzungen sowie Unterstützung

durch digitale Systeme berichtet wurden. In allen anderen

Themenbereichen spielten Branchenunterschiede eine

untergeordnete Rolle, die statistischen Effektstärken la-

gen meist im niedrigen bis nicht bedeutsamen Bereich.

Prägnanter wurden hingegen Unterschiede in den Tätig-

keitsfeldern. So offenbarte sich wiederholt eine gewis-

se Dualität zwischen White-Collar-Bereichen (Leitung

& Planung, Verwaltung, Forschung & Entwicklung, IT)

und Blue-Collar-Bereichen (Produktion, Technik, La-

bor, Serviceleistung): Beschäftigte mit vornehmlich pla-

nerisch-administrativen Büro-Tätigkeiten waren erstens

etwas häufiger mit den Herausforderungen der Digitalisie-

rung konfrontiert als Beschäftigte in handwerklich-tech-

nischen Tätigkeiten – allerdings zeigten sich zweitens bei

ihnen auch etwas günstigere Werte bei der Bewältigung.

Abbildung 26 fasst die wichtigsten Ergebnisse zusammen

und schlüsselt dabei auf, wie die Beschäftigten die The-

men insgesamt bewerteten und in welchen Themenbe-

reichen sich Unterschiede zwischen den Tätigkeitsfeldern

(hier aggregiert zu White- und Blue-Collar) zeigten.

Abbildung 26: Zusammenfassung der Studienergebnisse

Zusammenfassung der Studienergebnisse

Unterschiede der Tätigkeitsfelder

keine Tätigkeitsunterschiede geringe Tätigkeitsunterschiede

Blue-Collar ≈ White Collar White Collar: günstigere Werte White Collar: günstigere Werte

große Tätigkeitsunterschiede

eherselten / negativ

∞ Nutzung Personen-bezogene Messsysteme

∞ Nutzung digitaler Produktions-technologien

∞ Nicht-Abschalten-Können

∞ Work-Live-Balance

∞ Quantitative Belastung

∞ Anforderungszunahme durch Digitalisierung

∞ Berufliche Unsicherheit

∞ Zeitliche Flexibilitäts-anforderungen

∞ Qualitative Belastung

∞ Fremdbestimmung

∞ Allgemeine Verände-rungsbereitschaft

∞ Überwachung & Austauschbarkeit

∞ Digitale Selbstwirk-samkeit

∞ Partizipation bei der Einführung / Benut-zung digitaler Technologien

∞ Nutzung digital aufbereiteter Daten zu Endprodukten und Arbeitsergebnissen

∞ Weiterbildung zur Digitalisierung

∞ Unterstützung / Erleichterung durch digitale Systeme

∞ Nutzung digitaler Informations- und Kommunikations-systeme

teils-teils

eher oft /

positiv

An

gab

en d

er B

esch

äfti

gte

n


Positive Bewertungen sowie geringe Unterschiede zwi-

schen den verschiedenen Tätigkeitsfeldern zeigten sich

in den qualitativen Belastungen und zeitlichen Flexibili-

tätsanforderungen sowie der empfundenen Fremdbe-

stimmung und beruflichen Unsicherheit. Bei den Themen

Nicht-Abschalten-Können und Work-Life-Balance gab es

die größten positiven Übereinstimmungen zwischen den

Befragten. Positiv ausgeprägt waren auch die berichtete

digitale Selbstwirksamkeit und allgemeine Veränderungs-

bereitschaft, wobei hier White-Collar-Beschäftigte noch

etwas zuversichtlicher waren und zudem in etwas gerin-

gerem Maße eine Überwachung und Austauschbarkeit

durch digitale Systeme befürchteten. White-Collar-Be-

schäftigte berichteten auch eine häufigere Nutzung

von digitalen Systemen (v. a. IKT und digital aufbereitete

Daten) und sahen eine deutlich größere Unterstützung

und Erleichterung durch die genutzten digitalen Systeme

als ihre Blue-Collar-Kollegen.

Passend dazu erscheinen auch die Befunde zur Weiter-

bildung: Insgesamt bewerteten die Befragten die weiter-

bildungsbezogenen Rahmenbedingungen als deutlich

ausbaufähig; vor allem Blue-Collar-Beschäftigte, die im

Vergleich zu ihren administrativ arbeitenden Kollegen in

geringerem Umfang entsprechende Angebote besuchten

bzw. vorfanden, berichteten dies.

Auch im Zuge der als verbesserungswürdig zu interpre-

tierenden Kommunikation betrieblicher Digitalisierungs-

strategien, den bisher mäßigen Gestaltungsaktivitäten

zentraler betrieblicher Akteure und gering ausgeprägten

Beteiligungsmöglichkeiten sollten nicht nur diese Aspek-

te gestärkt, sondern auch die positiven Einstellungen der

Beschäftigten zur Digitalisierung als Ressource für die Ge-

staltung des Wandels genutzt werden, um den steigenden

Anforderungen zu begegnen sowie ggfs. aufkommende

Unsicherheiten und Überforderungen bezüglich der Digi-

talisierung abbauen zu können.

Mithilfe des Strukturgleichungsmodells konnten zudem

komplexe Zusammenhänge zwischen spezifischen As-

pekten der Digitalisierung, verschiedenen Aspekten der

Arbeitsgestaltung und -organisation und Einflüssen auf

das Wohlbefinden der Beschäftigten untersucht werden.

Es zeigte sich, dass nahezu alle aufgestellten Hypothe-

sen bestätigt wurden. Zentral für das Wohlbefinden von

Beschäftigten war demnach unter anderem, wie sie das

Verhältnis persönlicher Ressourcen und alltäglicher Be-

lastungen im Arbeitskontext empfinden. Liegt hier ein

Ungleichgewicht vor, kann dies dazu führen, dass es den

Beschäftigten schwerfällt, nach der Arbeit abzuschalten.

Die Ergebnisse des Strukturgleichungsmodells legen na-

he, dass es konform zu den gängigen arbeitswissenschaft-

lichen Modellen vor allem Aspekte der Arbeitsgestaltung

sind, die einen Effekt auf das Nicht-Abschalten-Können

haben. Eine hohe quantitative Arbeitsbelastung schien in

diesem Zusammenhang für die Beschäftigten bedeutsa-

mer zu sein als spezifische, mit der Digitalisierung ver-

bundene Aspekte, die einen geringeren Einfluss auf das

Nicht-Abschalten-Können hatten.

Ein weiterer zentraler Faktor für das Wohlbefinden der

Beschäftigten war die Vereinbarkeit von Berufs- und Pri-

vatleben. Auch hierfür spielten insbesondere Aspekte der

Arbeitsgestaltung eine wichtige Rolle: Wird ein permanen-

ter Arbeitsdruck empfunden, ist die Arbeitszeit gut planbar

oder sehr unsicher und erhalten die Beschäftigten stets

alle relevanten Informationen für ihre Arbeitsaufgaben?

Daneben waren es vor allem die berufliche Distanzierung

und soziale Isolation, die einen (wenn auch geringen) Ef-

fekt auf die Work-Life-Balance hatten. Entfremden sich

die Beschäftigten zunehmend von ihrer Arbeit und fühlen

sich auch nicht mehr gut sozial in ihren Betrieb eingebun-

den, so wirkt sich dies negativ auf ihre Work-Life-Balance

aus.

Die spezifisch mit der Digitalisierung verbundenen As-

pekte der Arbeit hingen sowohl untereinander als auch

mit den allgemeinen Aspekten der Arbeitsgestaltung und

-organisation und dem Wohlbefinden der Beschäftigten

zusammen. Hier ließ sich eine Art Polarisierung feststel-

len: Als negativ empfundene Aspekte der Digitalisierung

hingen mit negativ konnotierten Arbeits- und Wohlbefin-

dens-Aspekten zusammen, positiv empfundene Aspek-

te der Digitalisierung hingegen mit positiven Aspekten

aus den Bereichen Wohlbefinden und Arbeitsgestaltung

und -organisation. Sehen die Beschäftigten in der Digi-

talisierung ihrer Arbeit überwiegend eine Bedrohung, so

erleben sie die Digitalisierung auch eher als zunehmend

belastend. Diese Fokussierung auf die negativen Folgen

der Digitalisierung ihrer Arbeit färbt auch die Einschätzung

zur allgemeinen Arbeitsbelastung, zudem sorgen sich die

Beschäftigten dann auch mehr über ihre berufliche Zu-

kunft. Demgegenüber stand die Wahrnehmung der Di-

gitalisierung als potenzielle Arbeitserleichterung: Wenn

Beschäftigte sich von digitalen Systemen nicht bedroht

fühlen, sondern in ihnen eine Unterstützung für die Er-

ledigung ihrer alltäglich zu bewältigenden Arbeitsaufga-

ben sehen, so empfinden sie die Digitalisierung weniger

als Belastung, sondern fühlen sich dazu in der Lage, mit

den an sie gestellten Herausforderungen gut umgehen zu

können.

Betriebliche und überbetriebliche Maßnahmen können

also auch an diesen beiden Stellschrauben ansetzen: dem

Gefühl der Bedrohung und der empfundenen Unterstüt-

zung und Erleichterung durch die Digitalisierung. Eine

offene Kommunikationskultur und umfangreiche Infor-


mation der Beschäftigten bezüglich der Digitalisierung im

Betrieb sowie die bereits oben angesprochenen Möglich-

keiten zu Partizipation und Weiterbildungsmaßnahmen

können erstens zu einer frühen Identifizierung von Pro-

blemen und einer darauffolgenden Prozessoptimierung

durch das eingebrachte Wissen und die genutzten Kom-

petenzen führen. Zweitens kann dies die Akzeptanz bei

der Einführung von neuen Technologien fördern und mit

Digitalisierung verbundene Ängste reduzieren.62 Dem-

entsprechend kann Partizipation auch positive Effekte auf

die wahrgenommene digitale Selbstwirksamkeit haben.

Die Bedeutung der vorliegenden Studienergebnisse ist

durch die thematische Fülle, die Differenziertheit der

Ergebnisse mit einem einzigartigen Querschnitt über

zwölf Industriebranchen und acht Tätigkeitsfelder sowie

die übergreifende Verknüpfung der Daten mithilfe eines

Strukturgleichungsmodells von hohem Mehrwert. Ge-

stützt wird dieser durch die hohe Qualität der Daten:

Sowohl die große Anzahl an Teilnehmenden und die re-

lativ geringen Abbruchquoten innerhalb der Befragung

als auch die gute Datenstruktur der verwendeten Skalen

verhelfen der Studie zu einer vielversprechenden Daten-

grundlage, um fundierte Aussagen für den anvisierten

Geltungsbereich der knapp 1 Mio. Beschäftigten in den

untersuchten Branchen und Tätigkeitsfeldern zu treffen.

Trotz der guten Datengrundlage sollten bei der Ergebnis-

interpretation auch einige methodische Einschränkungen

berücksichtigt werden. So ist zunächst zu konstatieren,

dass gewisse Verzerrungseffekte durch das gewählte Er-

hebungsmedium der Online-Befragung denkbar sind:

Zugang und Affinität zu digitalen Technologien könnten

die Wahrscheinlichkeit zur Teilnahme an der Befragung

durchaus positiv beeinflusst haben – eine parallele Be-

fragung anhand analoger Medien, wie z. B. klassische Pa-

per-Pencil-Fragebögen, wäre also durchaus hilfreich, im

Rahmen dieser bundesweit konzipierten Studie jedoch

wenig praktikabel gewesen. Allerdings kommt es gleich-

sam bei eben jenen Personen, bei denen diese Zugangs-

und Affinitätsaspekte wirksam sein könnten sowie bei

Beschäftigten mit einem hohen Anteil an Arbeit mit digi-

talen IKT-Systemen (wie in den vorliegenden Ergebnissen

auch beschrieben) generell zu entsprechend häufigeren

Kommunikationseinflüssen durch eben jene IKT-Sys-

teme, sodass Befragungsanschreiben schneller in den

„Kommunikationsfluten“ übersehen bzw. verloren werden

können, was wiederum die Teilnahmewahrscheinlich-

keit reduzieren könnte. Auch sind gewisse Stichproben-

effekte denkbar: Zwar konnten Verzerrungen auf Ebene

der Branchen durch die beschriebenen Gewichtungen

kompensiert werden, auf Ebene der Tätigkeitsfelder war

62 (Lager, Delbrügger, Lenz, & Roßmann, 2019)

dies wegen fehlender Vergleichsdaten nicht möglich. Al-

lerdings zeigten sich durchaus fundierte Teilnahmequo-

ten und eine breite Streuung der Befragten zwischen den

Tätigkeitsfeldern, sodass etwaige Einflüsse auf die Daten

eher begrenzt sein dürften. Zu diskutieren ist aber durch-

aus, dass das Sample durch einen relativ hohen Anteil von

qualifizierten Beschäftigten, Befragten aus (für die Pro-

zessindustrie durchaus typischen) großen Betrieben im

Süden und Westen des Landes sowie Personen mit unbe-

fristeten Beschäftigungsverhältnissen geprägt ist – auch

hier konnten durch fehlende valide Vergleichsdaten keine

Ausgleichsgewichtungen berechnet werden, sodass ent-

sprechend verzerrende Einflüsse auf die Daten möglich

sind. Daher wären differenziertere Untersuchungen von

Beschäftigten in KMU lohnend, ebenso von Personen mit

besonderen Beschäftigungskonstellationen sowie Per-

sonen mit niedrigerem Bildungshintergrund. Auch spe-

zifische Analysen und weiterführende Kontrastierungen

wären erkenntnisreich, z. B. von Beschäftigten ausge-

wählter Generationen (z. B. Babyboomer vs. Generation

X, Y oder Z), mit spezifischen Alters- und Geschlechter-

konstellationen sowie von Beschäftigten, die bereits stark

mit noch wenig verbreiteten Technologien arbeiten oder

auch mit erhöhten Risikokonstellationen.

Da die Digitalisierung in den hier untersuchten Branchen

noch am Anfang der Entwicklung steht, wäre eine Wieder-

holungsbefragung für die Analyse von längsschnittlichen

Veränderungseffekten und Einflüssen betrieblicher und

technischer Veränderungen interessant. Auch könnten

Adaptations- und Assimilationsprozesse, Effekte im Zuge

des demografischen Wandels, Untersuchungen im Zuge

der angeschnittenen Polarisationsthese sowie Verände-

rungseffekte im Zuge der digitalen Weiterentwicklung von

Berufen sowie des Systems der Berufe untersucht werden.

Die hier angestoßene Instrumentenentwicklung zeigt auch

für die arbeits- und organisationspsychologische Diagnos-

tik Potenziale auf, um im Zuge der Digitalisierung passende

arbeitspsychologische Messinstrumente zu erstellen. Mit

den Skalen der verschiedenen digitalen Technologien und

der digitalen Selbstwirksamkeit liegen nun Instrumente

vor, deren Einsatz auch in Zukunft fruchtbare Erkenntnisse

für den wissenschaftlichen Diskurs versprechen.


77. Literaturverzeichnis

Absenger, N., Ahlers, E., Herzog-Stein, A., Lott, Y., Masch-

ke, M. & Schietinger, M. (2016). Digitalisierung der

Arbeitswelt?! Ein Report aus der Hans-Böckler-Stiftung.

Mitbestimmungs-Report, 24. Abgerufen am 23. 03. 2018

von https://www.econstor.eu/handle/10419/175252

Alder, G. S., Schminke, M., Noel, T. W. & Kuenzi, M. (2008).

Employee reactions to internet monitoring: The modera-

ting role of ethical orientation. Journal of Business Ethics,

80(3), S. 481-498.

Atanasoff, L., & Venable, M. A. (2017). Technostress: Impli-

cations for adults in the workforce. The career develop-

ment quarterly, 65(4), S. 326–338.

Bakker, A. B. & Demerouti, E. (2007). The job demands-re-

sources model: State of the art. Journal of managerial

psychology, 22(3), S. 309–328.

Bakker, A. B. & Demerouti, E. (2014). Job demands-re-

sources theory. In C. Cooper, & P. Chen (Hrsg.), Wellbeing:

A complete reference guide (S. 37–64). Chichester: Wi-

ley-Blackwell.

Bandura, A. (1982). Self-efficacy mechanism in human

agency. American psychologist, 37(2), 122–147.

Bandura, A. (1997). Self-efficacy: The exercise of control.

New York: Freeman.

Barber, L. K. & Santuzzi, A. M. (2017). Telepressure and col-

lege student employment: The costs of staying connected

across social contexts. Stress and Health, 33(1), S. 14–23.

BAVC & IG BCE. (2014). Sozialpartner-Initiative „Gutes und

gesundes Arbeiten in der Chemie-Branche“. Hannover &

Wiesbaden.

Bayo–Moriones, A., Billon, M. & Lera-López, F. (2017). Are

new work practices applied together with ICT and AMT?

The International Journal of Human Resource Manage-

ment, 28(4), S. 553–580.

BMAS. (2016). Monitor-Digitalisierung am Arbeitsplatz:

Aktuelle Ergebnisse einer Betriebs- und Beschäftigten-

befragung. Bundesministerium für Arbeit und Sozia-

les. Abgerufen am 03. 07 2019 von http://www.bmas.

de/SharedDocs/Downloads/DE/PDF-Publikationen/

a875-monitor-digitalisierung-am-arbeitsplatz.pdf?__

blob=publicationFile&v=2

BMWi. (2018). Monitoring-Report Wirtschaft DIGITAL.

Bundesministerium für Wirtschaft und Energie. Abgeru-

fen am 03. 07 2019 von https://www.bmwi.de/Redaktion/

DE/Publikationen/Digitale-Welt/monitoring-report-wirt-

schaft-digital-2018-langfassung.pdf?__blob=publicati-

onFile&v=12

Carter, W. R., Nesbit, P. L., Badham, R. J., Parker, S. K. &

Sung, L. K. (2018). The effects of employee engagement

and self-efficacy on job performance: a longitudinal field

study. The international journal of human resource ma-

nagement, 29(17), S. 2483–2502.

Day, A., Paquet, S., Scott, N. & Hambley, L. (2012). Per-

ceived information and communication technology (ICT)

demands on employee outcomes: The moderating effect

of organizational ICT support. Journal of occupational

health psychology, 17(4), S. 473–491.

Dengler, K., Matthes, B. & Wydra-Somaggio, G. (2018).

Digitalisierung in den Bundesländern: Regionale Bran-

chen-und Berufsstrukturen prägen die Substituier-

barkeitspotenziale. Institut für Arbeitsmarkt- und

Berufsforschung. Abgerufen am 03. 07 2019 von http://

hdl.handle.net/10419/185858

Dumazeau, C. & Karsenty, L. (2008). Remote communi-

cations at work: Towards a mutually shared context. Le

travail humain, 71(3), S. 225–252.

Dunckel, H. & Semmer, N. (1987). Streßbezogene Arbeitsanalyse:

Ein Instrument zur Abschätzung von Belastungsschwerpunkten

in Industriebetrieben. In K. Sonntag (Hrsg.), Arbeitsanalyse und

Technikentwicklung (S. 163-177). Köln: Bachem.


Gerten, E., Beckmann, M. & Bellmann, L. (2018). Cont-

rolling working crowds: The impact of digitalization on

worker autonomy and monitoring across hierarchical

levels. Diskussionspaper, Center of Business and Econo-

mics. Abgerufen am 03. 07 2019 von http://hdl.handle.

net/10419/18581

Grawitch, M. J., Werth, P. M., Palmer, S. N., Erb, K. R. & La-

vigne, K. N. (2018). Self-imposed pressure or organizational

norms? Further examination of the construct of workplace

telepressure. Stress and Health, 34(2), S. 306–319.

Hacker, W. (2010). Psychische Regulation von Arbeitstä-

tigkeiten. In Kleinbeck, U. & Schmidt, K.-H., Arbeitspsy-

chologie (S. 3-37). Göttingen: Hogrefe.

Hackman, J. & Oldham, G. (1980). Work Redesign. Massa-

chusetts: Addison-Wesley.

Hämmerle, M., Rally, P. & Scholtz, O. (2017). Digitalisierung

und Arbeitswelt in Chemie und Pharma Baden-Württem-

berg. Stuttgart: Fraunhofer-Institut für Arbeitswirtschaft

und Organisation IAO. Abgerufen am 23. 03. 2018 von

https://www.chemie.com/fileadmin/user_upload/con-

tent/chemie_com_news/studie_digitalisierung_arbeits-

welt_chemie_pharma_baden-wuerttemberg.pdf

Härtwig, C. & Sporbert, A. (2013). Evaluation der Einfüh-

rung verschiedener Arbeitszeitmodelle. Befunde einer

Längsschnittstudie bei der Polizei. Zeitschrift für Arbeits-

wissenschaft, 4, S. 243–251.

Hasler, G., Klaghofer, R. & Buddeberg, C. (2003). Der Fra-

gebogen zur Erfassung der Veränderungsbereitschaft

(FEVER). PPmP-Psychotherapie· Psychosomatik· Medizi-

nische Psychologie, 53(9/10), 406–411.

Hasselmann, O., Schauerte, B. & Schröder, J. (2017). Di-

gitalisierung: Herausforderungen meistern und Krisen

vermeiden. Handlungsfelder der Betrieblichen Gesund-

heitsförderung. In B. Badura, A. Ducki, H. Schröder, J.

Klose, & M. Meyer (Hrsg.), Fehlzeiten-Report 2017. Krise

und Gesundheit – Ursachen, Prävention, Bewältigung (S.

37–52). Berlin: Springer.

Heinzer, S. & Reichenbach, R. (2013). Die Entwicklung der

beruflichen Identität. Universität Zürich. Abgerufen am 15.

10 2018 von https://www.ife.uzh.ch/.../Schlussbericht_

zum_BBT-Projekt_Berufliche_Identitaet.pdf

Hermeier, B., Heupel, T. & Fichtner-Rosada, S. (Hrsg.).

(2019). Arbeitswelten der Zukunft. Wie die Digitalisierung

unsere Arbeitsplätze und Arbeitsweisen verändert. Wies-

baden: Springer Gabler.

Hirsch-Kreinsen, H. (2016). Digitalisation and low-skil-

led work. Friedrich-Ebert-Stiftung. Abgerufen am 03. Juli

2019 von http://library.fes.de/pdf-files/wiso/12864.pdf

Hirsch-Kreinsen, H., Ittermann, P. & Niehaus, J. (Hrsg.).

(2018). Digitalisierung industrieller Arbeit. Die Vision In-

dustrie 4.0 und ihre sozialen Herausforderungen. Ba-

den-Baden: Nomos.

Hoff, E.-H., Härtwig, C. & Sporbert, A. (2012). Wissen-

schaftliche Begleitung und Evaluation zur Einführung

neuer Arbeitszeitmodelle bei der Polizei Berlin, Abschluss-

bericht. Berlin: Freie Universität.

Holler, M. (2017). Verbreitung, Folgen und Gestaltungs-

aspekte der Digitalisierung in der Arbeitswelt. Berlin: In-

stitut DGB-Index Gute Arbeit. Abgerufen am 01. 07 2018

von http://index-gute-arbeit.dgb.de/++co++1c40dfc8-

b953-11e7-8dd1-52540088cada

Hou, J., Ndasauka, Y., Jiang, Y., Chen, S., Xu, F. & Zhang,

X. (2018). Weibo or wechat? Assessing preference for

social networking sites and role of personality traits and

psychological factors. Frontiers in psychology, 9. Abge-

rufen am 03. 07 2019 von https://www.frontiersin.org/

articles/10.3389/fpsyg.2018.00545/full

Hu, L. & Bentler, P. M. (1999). Cutoff criteria for fit inde-

xes in covariance structure analysis: conventional criteria

versus new alternatives. Structural Equation Modeling: A

Multidisciplinary Journal, 6(1), S. 1–55.

Jang, J., Shin, H., Aum, H., Kim, M. & Kim, J. (2016). Ap-

plication of experiential locus of control to understand

users’ judgments toward useful experience. Computers in

Human Behavior, 54, S. 326–340.

Jerusalem, M. & Schwarzer, R. (1986). Selbstwirksam-

keit. In R. Schwarzer (Hrsg.), Skalen zur Befindlichkeit und

Persönlichkeit (S. 15–28). Berlin: Institut für Psychologie,

Freie Universität Berlin.

Karasek, R. A. (1979). Job demands, job decision latitude,

and mental strain: Implications for job redesign. Adminis-

trative science quarterly, 24(2), S. 285–308.

Kubicek, B., Paškvan, M. & Korunka, C. (2015). Develop-

ment and validation of an instrument for assessing job

demands arising from accelerated change: The intensi-

fication of job demands scale (IDS). European Journal of

Work and Organizational Psychology, 24(6), S. 898–913.


Lager, H., Delbrügger, T., Lenz, L. T. & Roßmann, J. (2019).

Mitarbeiterpartizipation in Zeiten der Digitalisierung mit

Building Information Modeling: Gute Praxis digitaler Wer-

kerunterstützung bei der Planung von Fabrikarbeitsstatio-

nen. Zeitschrift für Arbeitswissenschaft, 73(2), S. 229–238.

Lee, Y. K., Chang, C. T., Cheng, Z. H. & Lin, Y. (2016).

Helpful-stressful cycle? Psychological links between type

of mobile phone user and stress. Behaviour & Information

Technology, 35(1), S. 75–86.

Maddux, J. E. (2016). Self-efficacy. In S. Trusz, & P. Bąbel

(Hrsg.), Interpersonal and intrapersonal expectancies (S.

41–46). London: Routledge.

Maier, G. W., Engels, G. & Steffen, E. (Hrsg.). (2017). Hand-

buch Gestaltung digitaler und vernetzter Arbeitswelten.

Berlin: Springer.

Martin, K. & Freeman, R. E. (2003). Some problems with

employee monitoring. Journal of Business Ethics, 43(4),

S. 353–361.

Mellner, C. (2016). After-hours availability expectations,

work-related smartphone use during leisure, and psycho-

logical detachment: The moderating role of boundary

control. International Journal of Workplace Health Ma-

nagement, 9(2), S. 146–164.

Metz, A. & Rothe, H. (2017). Screening psychischer

Arbeitsbelastung. Ein Verfahren zur Gefährdungsbeurtei-

lung. Wiesbaden: Springer. Abgerufen am 24. 07 2019 von

https://www.uni-potsdam.de/db/psycho/

Mohr, G., Rigotti, T. & Müller, A. (2007). Irritations-Skala

zur Erfassung arbeitsbezogener Beanspruchung (IS). Göt-

tingen: Hogrefe.

Moos, D. C. & Azevedo, R. (2009). Learning with compu-

ter-based learning environments: A literature review of

computer self-efficacy. Review of Educational Research,

79(2), S. 576–600.

Ninaus, K., Diehl, S., Terlutter, R., Chan, K. & Huang, A.

(2015). Benefits and stressors–Perceived effects of ICT

use on employee health and work stress: An explorato-

ry study from Austria and Hong Kong. International jour-

nal of qualitative studies on health and well-being, 10(1).

Abgerufen am 09. 07 2019 von https://www.tandfonline.

com/doi/pdf/10.3402/qhw.v10.28838?needAccess=true

Priddat, B. P. & West, K.-W. (2016). Digitale Wirtschaft.

Mit besonderem Blick auf die chemische Industrie. Wies-

baden: CSSA. Abgerufen am 23. 03. 2018 von www.

cssa-wiesbaden.de/fileadmin/Bilder/B%C3%BCcher_

Brosch%C3%BCren/Papers-cssa/cssa-paper_digitale_

Wirtschaft_1_2016.pdf

Remidez, H. (2003). System structure design and social

consequence: The impact of message templates on af-

fectivity in virtual teams. Dissertation, University of Mis-

souri-Columbia, USA.

Remidez, H., Stam, A. & Laffey, J. M. (2007). Web-based

template-driven communication support systems: Using

shadow networkspace to support trust development in

virtual teams. International Journal of e-Collaboration,

3(1), S. 65–73.

Rosseel, Y. (2012). lavaan: An R package for Structural

Equation Modeling. Journal of Statistical Software, 48(2),

S. 1–36.

Salanova, M., Cifre, E., Llorens, S., Martínez, I. & Lorente,

L. (2011). Psychosocial risks and positive factors among

construction workers. In C. Cooper, R. Burke, & S. Clarke

(Hrsg.), Occupational health and safety: Psychological and

behavioral aspects of risk (S. 295–320). Aldershot: Gower.

Schafer, J. L., & Graham, J. W. (2002). Missing data: our

view of the state of the art. Psychological Methods, 7(2),

S. 147–177.

Sellberg, C. & Susi, T. (2014). Technostress in the office:

a distributed cognition perspective on human–techno-

logy interaction. Cognition, Technology & Work, 16(2), S.

187–201.

Shoji, K., Cieslak, R., Smoktunowicz, E., Rogala, A., Benight,

C. C. & Luszczynska, A. (2016). Associations between job

burnout and self-efficacy: a meta-analysis. Anxiety, Stress,

& Coping, 29(4), 367–386.

Stanton, J. M. & Weiss, E. M. (2000). Electronic monitoring

in their own words: an exploratory study of employees’

experiences with new types of surveillance. Computers in

Human Behavior, 16(4), S. 423–440.

Statistisches Bundesamt. (2017). Unternehmen, Beschäf-

tigte und Umsatz nach Wirtschaftsabschnitten. Abge-

rufen am 23. 07 2019 von https://www.destatis.de/DE/

Themen/Branchen-Unternehmen/Unternehmen/Unter-

nehmensregister/Tabellen/unternehmen-beschaeftig-

te-umsatz-wz08.html


Stawarz, K., Cox, A. L., Bird, J. & Benedyk, R. (2013). I’d

sit at home and do work emails: how tablets affect the

work-life balance of office workers. Vortrag anlässlich der

Human Factors Konferenz, Paris. Abgerufen am 09. 07

2019 von http://discovery.ucl.ac.uk/1396455/1/Stawarz-

CoxBirdBenedyk_work-life_balance.pdf

Stegmann, S., van Dick, R., Ullrich, J., Charalambous, J.,

Menzel, B., Egold, N. & Wu, T. T. (2010). Der work design

questionnaire. Zeitschrift für Arbeits-und Organisations-

psychologie, 54, 1–28.

Syrek, C., Bauer-Emmel, C., Antoni, C. & Klusemann, J.

(2011). Entwicklung und Validierung der Trierer Kurzskala

zur Messung von Work-Life Balance (TKS-WLB). Diagno-

stica, 57(3), S. 134–145.

Szebel, A. (2015). Veränderungskompetenz von Mit-

arbeitern. Eine empirische Untersuchung zur

differentiellen Konstrukterschließung individuellen Ver-

änderungskompetenz von Mitarbeitern unter besonderer

Berücksichtigung des Einflusses dispositionaler Persön-

lichkeitsfaktoren. Dissertation, Universität Köln, Human-

wissenschaftliche Fakultät, Köln. Abgerufen am 15. 10

2018 von https://d-nb.info/1073247260/34

Tarafdar, M. (2018). Mobile, Remote and Blue-Collar:

Using Information and Communication Technology to

Elevate Workplace Well-Being. Vortrag anlässlich der

26. Europäischen Konferenz der Informationstechnolo-

gien, Portsmouth. Abgerufen am 09. 07. 2019 von http://

ecis2018.eu/wp-content/uploads/2018/09/1372-doc.pdf

Torkzadeh, G. & Van Dyke, T. P. (2002). Effects of training

on Internet self-efficacy and computer user attitudes.

Computers in Human Behavior, 18(5), S. 479–494.

Van der Doef, M. & Maes, S. (1998). The job demand-con-

trol (-support) model and physical health outcomes: A re-

view of the strain and buffer hypotheses. Psychology and

health, 13(5), S. 909–936.

Ventura, M., Salanova, M. & Llorens, S. (2015). Professional

self-efficacy as a predictor of burnout and engagement:

The role of challenge and hindrance demands. The Jour-

nal of Psychology, 149(3), 277–302.

Zika, G., Helmrich, R., Maier, T., Weber, E., & Wolter, M.

I. (2018). Regionale Branchenstruktur spielt eine wichti-

ge Rolle: Arbeitsmarkteffekte der Digitalisierung bis 2035.

Kurzbericht Nr. 9, IAB. Abgerufen am 09. 07 2019 von

http://doku.iab.de/kurzber/2018/kb0918.pdf

Zornoza, A., Ripoll, P. & Peiro, J. M. (2002). Conflict ma-

nagement in groups that work in two different commu-

nication contexts: face-to-face and computer-mediated

communication. Small Group Research, 33(5), S. 481–508.



Stiftung Arbeit und Umwelt der Industriegewerkschaft Bergbau, Chemie, Energie

Inselstraße 6

10179 Berlin

Telefon +49 30 2787 1325

Königsworther Platz 6

30167 Hannover

Telefon +49 511 7631 472

E-Mail: [email protected]

Internet: www.arbeit-umwelt.de

Documents

Entwicklungen der Arbeitsqualität in zwölf Industriebranchen · Entwicklungen der Arbeitsqualität in zwölf Industriebranchen ERSTELLT IM AUFTRAG VON Stiftung Arbeit und Umwelt