Kein schnelles Ende der Corona-Krise: Mittelfristige Produktions-, Beschäftigungs- und Investitionslücken der deutschen Industrie
Bibliographic record
Abstract
Obwohl eine Reihe von Wirtschaftsindikatoren zum Jahresende 2020 eine kräftige Erholung nach den Einbrüchen im Frühjahr signalisiert, wird sich der Weg zu einer Normalkonjunktur in Deutschland noch strecken. Bei der Bestimmung und Interpretation von Produktionslücken ist zu beachten, dass sich die deutsche Industrie bereits seit Ende 2017 im Rückwärtsgang befindet, seit Mitte 2018 in der Rezession. Im vierten Quartal 2020 lag die Industrieproduktion noch um rund 9 Prozent unter dem Jahresdurchschnitt 2018. Im Rahmen der IW-Konjunkturumfrage wurden die von den Unternehmen erwarteten Produktions-, Beschäftigungs- und Investitionslücken abgefragt. Die Firmen haben bereits im November 2020 eine Zunahme ihrer Produktionslücken für das erste Halbjahr 2021 gesehen. Dies gilt für die Dienstleister, aber auch für die Industrie. Bis zum Jahr 2022 gehen die Produktions-, Beschäftigungs- und Investitionslücken in der Industrie deutlich zurück. Rund die Hälfte der Industriefirmen rechnet auch ab 2022 mit Produktionsausfällen. In denjenigen Industriefirmen, die für das Jahr 2022 von Beeinträchtigungen sprechen, liegt das Ausmaß der Produktionslücke bei rund 5 Prozent. Die größte Lücke wird mit gut 6 Prozent bei den Investitionen zu verzeichnen sein. Die industrielle Beschäftigungslücke dürfte sich auf 4 Prozent belaufen - sofern die Erholung nicht durch eine Verschlechterung der preislichen Wettbewerbsfähigkeit gefährdet wird.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.003 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".