Worker Utility as Hysteresis: A Preisach Model of Transaction Acceptance in Gig Labour Markets

In der Arbeitswelt hält sich hartnäckig die Überzeugung, dass Menschen eine Entscheidung für einen Job basierend auf einer einzigen, festen Zahl treffen: einem Mindestlohn, den sie nicht akzeptieren werden. Liegt ein Angebot über dieser Linie, sagen sie ja; liegt es darunter, sagen sie nein. Diese Vorstellung funktioniert gut bei traditionellen Jobs, bei denen ein Arbeitnehmer Wochen auf die richtige Gelegenheit warten kann. Doch in der modernen „Gig-Economy“, in der Menschen Aufgaben im Minutentakt annehmen oder ablehnen, bricht dieses Konzept zusammen. In diesen schnelllebigen Märkten ist die Entscheidung eines Arbeitnehmers selten eine Frage einer einzigen Zahl. Es geht um seine Geschichte. Ein Arbeitnehmer, der vor kurzem viele schlecht bezahlte Schichten angenommen hat, könnte ein etwas höheres Angebot ablehnen, das er vor einem Monat noch angenommen hätte. Umgekehrt könnte ein Arbeitnehmer, dem kürzlich hohe Löhne geboten wurden, ein Standardangebot ablehnen, das gestern noch akzeptabel gewesen wäre. Ihre Bereitschaft zu arbeiten hängt davon ab, wo sie waren, nicht nur davon, wo sie gerade sind. Dieses Phänomen, bei dem die Vergangenheit die Gegenwart auf eine Weise formt, die einfache Veränderungen widersteht, ist als Hysteresis bekannt. Das Verständnis dessen ist entscheidend für die Plattformen, die Arbeiter mit Aufgaben verbinden, denn wenn sie Arbeiter behandeln, als hätten sie feste Preisschilder, werden sie die Bezahlung falsch einschätzen – sie verschwenden Geld für Schichten, die auch für weniger angenommen worden wären, oder verlieren Schichten, weil sie zu wenig bieten, um Arbeiter zu gewinnen, die bereits darauf konditioniert sind, mehr zu erwarten.

Ein Team von Forschern hat eine neue Methode entwickelt, um diese unsichtbaren Entscheidungsmuster abzubilden, wobei sie ein Modell nutzen, das ursprünglich zur Untersuchung von Magneten entwickelt wurde. In der Physik reagiert ein Magnet nicht nur auf das aktuelle Magnetfeld, sondern er „erinnert“ sich daran, wie er in der Vergangenheit magnetisiert wurde. Um dies zu beschreiben, verwenden Wissenschaftler einen Rahmen namens Preisach-Modell, das ein Material als eine Ansammlung winziger Schalter betrachtet, von denen jeder über seine eigenen „An“- und „Aus“-Schwellenwerte verfügt. Die Forscher erkannten, dass ein Arbeitskräftemarkt exakt genauso funktioniert. Jeder Arbeiter ist wie ein winziger Schalter mit zwei Schwellenwerten: einem Preis, der hoch genug ist, um ihn dazu zu bringen, eine Aufgabe anzunehmen, und einem niedrigeren Preis, bei dem er schließlich aufgibt und die Aufgabe ablehnt. Zwischen diesen beiden Punkten liegt eine Zone der Unentschlossenheit, in der die Entscheidung des Arbeiters vollständig davon abhängt, was er beim letzten Mal getan hat. Wenn er zuletzt angenommen hat, bleibt er im „Annahme“-Modus, bis der Preis unter seinen unteren Schwellenwert fällt. Wenn er zuletzt abgelehnt hat, bleibt er im „Ablehnungs“-Modus, bis der Preis über seinen höheren Schwellenwert steigt. Dies erzeugt eine Verzögerung, oder ein Gedächtnis, im Markt, das Standard-Ökonomiemodelle völlig übersehen.

Um diese Idee zu testen, analysierten die Forscher fast 3 700 reale Transaktionen von einer Gig-Plattform in Polen. Sie versuchten nicht, den spezifischen Preisgrenzwert für jeden einzelnen Arbeiter zu erraten, was mit den vorhandenen Daten unmöglich gewesen wäre. Stattdessen bauten sie ein zweistufiges System auf, um die Form des Marktgedächtnisses zu erlernen. Zuerst nutzten sie ein Computerprogramm, um zwei separate „Nutzungsoberflächen“ zu schätzen. Eine Oberfläche sagte die durchschnittliche Zufriedenheit der Arbeiter voraus, die eine Aufgabe angenommen hatten, und die andere die durchschnittliche Zufriedenheit derjenigen, die sie abgelehnt hatten. Durch den Vergleich dieser beiden Oberflächen konnte das System die „Lücke“ zwischen ihnen berechnen. Diese Lücke repräsentiert die Größe der Indifferenzzone – den Bereich der Preise, in dem die Geschichte eines Arbeiters statt des aktuellen Angebots über das Ergebnis entscheidet. Die Forscher speisten diese Lücke zusammen mit der Information darüber, wie der aktuelle Preis im Vergleich zu diesen geschätzten Schwellenwerten stand, in ein zweites Computerprogramm ein, das darauf ausgelegt war, vorherzusagen, ob eine neue Aufgabe angenommen würde.

Die Ergebnisse offenbarten einen Markt, der weitaft komplexer und reaktionsfähiger ist als bisher angenommen. Die Ergebnisse des Modells stehen im Einklang mit der Vorhersage, dass Preisänderungen Arbeiter nicht symmetrisch beeinflussen: Ein Rückgang der Löhne scheint die Annahmeraten stärker zu senken, als ein gleichwertiger Anstieg sie erhöht. Dies ist das Kennzeichen der Hysteresis: Sob_er einmal darauf konditioniert wurden, niedrigere Löhne zu erwarten, braucht es eine viel größere Steigerung, um sie zurückzugewinnen, als es gekostet hat, sie zu verlieren. Da die Preisdaten jedoch nicht durch ein randomisiertes Experiment generiert wurden, ist dieses Muster eher suggestiv als definitiv kausal, da die Betreiber dazu neigten, die Preise speziell bei schwierigen Schichten anzuheben, die bereits abgelehnt worden waren. Überraschenderweise lieferte das Modell ein ökonomisch paradoxes Ergebnis: Wendet man es auf den gesamten Datensatz an, reduziert die Empfehlung des Modells gleichzeitig die Gesamtkosten der Arbeit und erhöht die Anzahl der erfüllten Aufgaben. Die Forscher fanden heraus, dass bei etwa 74 Prozent der Transaktionen der aktuelle Lohn bereits so hoch war, dass die Aufgabe selbst bei einer deutlichen Senkung der Bezahlung angenommen worden wäre. Für diese Aufgaben hat die Plattform also schlichtweg zu viel bezahlt. Indem sie den Lohn gerade so weit senkten, dass er über dem Akzeptanzschwellenwert blieb, konnte die Plattform bei diesen spezifischen Jobs im Median 31 Prozent einsparen, ohne einen einzigen Arbeiter zu verlieren.

Für die verbleibenden 26 Prozent der Aufgaben war die Situation genau umgekehrt. Die aktuellen Löhne waren zu niedrig, um Arbeiter anzuziehen, aber nicht so niedrig, dass die Aufgaben unmöglich zu besetzen gewesen wären. Dies waren die Jobs, die sich in der „Ablehnungs“-Schleife der Hysteresis befanden. Für diese spezifischen Aufgaben empfahl das Modell eine moderate Lohnerhöhung, mit einem Mediananstieg von nur 7 Prozent. Dieser kleine Aufschlag war ausreichend, um das Angebot über den höheren Schwellenwert zu heben, die Entscheidung von Ablehnung zu Annahme zu kippen und Aufgaben zurückzugewinnen, die andernfalls unbesetzt geblieben wären. Die Studie zeigte, dass eine Plattform, indem sie die Zwei-Schwellen-Struktur der Entscheidungen von Arbeitern versteht, diese beiden Gruppen gleichzeitig unterschiedlich behandeln kann. Sie kann Kosten senken, wo es einen Sicherheitsspielraum gibt, und die Bezahlung erhöhen, wo eine Barriere besteht, wodurch sie eine Reduktion der Gesamtlöhne um 21,3 Prozent bei einer gleichzeitigen Erhöhung der Auslastungsrate um fast 10 Prozentpunkte erreicht.

Die Forscher entdeckten auch, dass der Markt keine einzelne, einheitliche Masse ist. Als sie die Daten visualisierten, traten zwei deutlich unterscheidbare Gruppen von Arbeitern hervor. Eine Gruppe, die hauptsächlich Schichten im Einzelhandel und in der Gastronomie übernahm, hatte niedrige und eng gruppierte Preisschwellenwerte. Die andere Gruppe, die spezialisierte Aufgaben ausführte, hatte deutlich höhere Schwellenwerte und ein breiteres Spektrum an Erwartungen. Ein Modell, das alle Arbeiter als gleich behandelt, würde diese Gruppen mitteln und die spezifischen Bedürfnisse beider Gruppen übersehen. Der neue Ansatz, der die Beziehung zwischen dem aktuellen Angebot und den historischen Schwellenwerten der Arbeiter abbildet, ermöglichte es dem System, diese Unterschiede klar zu erkennen. Er zeigte, dass der Schlüssel zur Vorhersage des Arbeitnehmerverhaltens nicht darin liegt, den absoluten Preis einer Aufgabe zu kennen, sondern zu wissen, wo dieser Preis im Verhältnis zur persönlichen Geschichte des Arbeiters steht.

Diese Arbeit legt nahe, dass die alte Idee eines einzigen „Reservationslohns“ für die Gig-Economy unzureichend ist. Arbeiter haben nicht nur einen Mindestpreis; sie haben ein Gedächtnis. Ihre Entscheidungen werden durch einen Pfad vergangener Angebote geformt, was eine Zone der Trägheit schafft, in der kleine Änderungen der Bezahlung keine Wirkung zeigen. Die Studie verdeutlicht, dass Plattformen, indem sie dieses Gedächtnis anerkennen und die Lücke zwischen den Annahme- und Ablehnungsschwellen modellieren, klügere und effizientere Entscheidungen treffen können. Sie können aufhören, für Aufgaben, die ohnehin leicht zu besetzen sind, zu viel zu bezahlen, und aufhören, zu wenig zu zahlen, wenn die Aufgaben eigentlich in Reichweite liegen. Die Ergebnisse bieten eine neue Art, Arbeitsmärkte zu betrachten – eine, welche die Komplexität menschlicher Entscheidungsfindung und die Macht der Geschichte bei der Gestaltung unserer wirtschaftlichen Entscheidungen respektiert.