¹ Ein Roboter wird hier anhand der gängigen ISO-Definition als eine automatisierte Maschine mit mehreren Achsen oder Bewegungsrichtungen definiert, die so programmiert ist, dass sie bestimmte Aufgaben (teilweise) ohne menschliches Zutun ausführt. 

² Vgl. Deng, L.; Müller, S.; Plümpe, V.; Stegmaier, J.: Robots, Occupations, and Worker Age: A Production-Unit Analysis of Employment, in: European Economic Review, Vol. 170, November 2024, 104881. 

³ Effekte auf den Lohn werden in unserer Studie nicht untersucht. Ergebnisse mit deutschen Daten in Findeisen, S.; Dauth, W.; Schlenker, O.: Organized Labor Versus Robots? Evidence from Micro Data, CEPR Discussion Paper 19192, 2024, zeigen, dass Automatisierung negative Lohneffekte für besonders leicht ersetzbare und für ältere Beschäftigte haben kann. 

⁴ Aufbauend auf Acemoglu, D.; Restrepo, P.: The Race Between Man and Machine: Implications of Technology for Growth, Factor Shares, and Employment, in: American Economic Review, Vol. 108 (6), 2018, 1488-1542. 

⁵ Laut der Kognitionswissenschaft nehmen fluide Fähigkeiten wie Problemlösungs- und Wahrnehmungsgeschwindigkeit mit dem Alter ab, während kristalline Fähigkeiten, Wissen und Erfahrung, stabil bleiben. Diese Unterscheidung wird im Kontext von Technologie und Arbeitsnachfrage empirisch z. B. von Aubert, P.; Caroli, E.; Roger, M.: New Technologies, Organisation and Age: Firm-level Evidence, in: Economic Journal, Vol. 116 (509), 2006, F73-F93, unterstützt. 

⁶ Die Daten stammen aus dem IAB-Betriebspanel, dem IAB-Betriebs-Historik-Panel, der IAB-Beschäftigungshistorik und der BIBB/BAuA-Erwerbstätigenbefragung. 

⁷ Blossfeld, H.-P.: Labor-market Entry and the Sexual Segregation of Careers in the Federal Republic of Germany, in: American Journal of Sociology, Vol. 93 (1), 1987, 89-118. 

⁸ Zusätzlich werden (5) Service- und (6) Verwaltungsangestellte unterschieden, die aufgrund ihrer Ferne zum Produktionsprozess im Weiteren nicht näher ausgewertet werden.