Wie haben sich die Einkommen unterschiedlicher Bevölkerungsgruppen in Deutschland seit der Wiedervereinigung entwickelt? Unsere Studie untersucht die Entwicklung und Zusammensetzung des Nationaleinkommens entlang der Verteilung im Zeitraum von 1992 bis 2019. Während die untere Hälfte der Einkommensverteilung (unterhalb des Medianeinkommens) bis Mitte der 2000er Jahre reale Einkommensverluste verzeichnete, stiegen die Einkommen der oberen Mittelschicht (die obersten 10%, ohne das einkommensstärkste 1%) stetig. Die Spitzeneinkommen (oberstes 1%) blieben zwischen 1992 und 2019 relativ stabil. Arbeitseinkommen dominieren bei den unteren 99%, während das oberste 1% von Unternehmenseinkommen – insbesondere aus arbeitsintensiven Dienstleistungsunternehmen und freien Berufen – bestimmt ist. Unsere Ergebnisse sind zentral für die Debatte über Reformen der Sozialversicherungsbeiträge und der Einkommensbesteuerung.

Der Einsatz von Robotern verändert die Arbeitswelt grundlegend – doch welche spezifischen Effekte hat dies auf die Beschäftigungsstruktur? Unsere Analyse untersucht die Folgen des Robotereinsatzes anhand neuartiger Mikrodaten aus deutschen Industriebetrieben. Diese Daten verknüpfen Informationen zum Robotereinsatz mit Sozialversicherungsdaten und detaillierten Angaben zu Arbeitsaufgaben. Auf Basis eines theoretischen Modells leiten wir insbesondere positive Beschäftigungseffekte für Berufe mit wenig repetitiven, programmierbaren Aufgaben ab, sowie für jüngere Arbeitskräfte, weil diese sich besser an technologische Veränderungen anpassen können. Die empirische, mikroökonomische Analyse des Robotereinsatzes auf Betriebsebene bestätigt diese Vorhersagen: Die Beschäftigung steigt für Techniker, Ingenieure und Manager und junge Beschäftigte, während sie bei geringqualifizierten Routineberufen sowie bei Älteren stagniert. Zudem steigt die Fluktuation bei geringqualifizierten Arbeitskräften signifikant an. Unsere Ergebnisse verdeutlichen, dass der Verdrängungseffekt von Robotern berufsabhängig ist, während junge Arbeitskräfte neue Tätigkeiten übernehmen.

The Roy-Borjas model predicts that international migrants are less educated than nonmigrants because the returns to education are generally higher in developing (migrant-sending) than in developed (migrant-receiving) countries. However, empirical evidence often shows the opposite. Using the case of Mexico-U.S. migration, we show that this inconsistency between predictions and empirical evidence can be resolved when the human capital of migrants is assessed using a two-dimensional measure of occupational skills rather than by educational attainment. Thus, focusing on a single skill dimension when investigating migrant selection can lead to misleading conclusions about the underlying economic incentives and behavioral models of migration.

Firm training is widely regarded as crucial for protecting workers from automation, yet there is a lack of empirical evidence to support this belief. Using internationally harmonized data from over 90,000 workers across 37 industrialized countries, we construct an individual-level measure of automation risk based on tasks performed at work. Our analysis reveals substantial within-occupation variation in automation risk, overlooked by existing occupation-level measures. To assess whether firm training mitigates automation risk, we exploit within-occupation and within-industry variation. Additionally, we employ entropy balancing to re-weight workers without firm training based on a rich set of background characteristics, including tested numeracy skills as a proxy for unobserved ability. We find that training reduces workers’ automation risk by 3.8 percentage points, equivalent to 8% of the average automation risk. The training-induced reduction in automation risk accounts for 15% of the wage returns to firm training. Firm training is effective in reducing automation risk and increasing wages across nearly all countries, underscoring the external validity of our findings. Training is similarly effective across gender, age, and education groups, suggesting widely shared benefits rather than gains concentrated in specific demographic segments.