ifaa erklärt Künstliche Intelligenz

Künstliche Intelligenz verändert die Arbeitswelt. Infolge der Nutzung digitaler Anwendungen können Unternehmens­prozesse optimiert werden. Mit zunehmenden Daten­mengen kann KI bei der Neuge­staltung von Produktions- und Arbeits­prozessen unterstützen und nachhaltig effiziente Strukturen unterstützen. Darüber hinaus erweitern neue KI-Anwendungen die Möglichkeit Produktivität, Qualität und Flexibilität zu steigern.

Die vielfältigen Anwendungs­möglich­keiten von KI werden sich in jedem Bereich der Arbeitswelt bemerkbar machen – von der Entlastung von Beschäftigten durch KI-Systeme, zu verbesserten Arbeits­abläufen und Unter­stützung bei der Umset­zung neuer Geschäfts­modelle sowie die Schaffung neuer Berufe. KI-Anwendungen werden künftig in Unternehmen zu einer Steigerung der Arbeits­qualität führen und auch in Anwendungs­feldern zum Einsatz kommen, in denen die produ­zierende Industrie stark profitieren kann, wie vor allem in der Fertigung, Logistik bzw. Lager- und Material­wirtschaft und in der Montage [14], [31].

Künstliche Intelligenz umfasst viele Bereiche, ist jedoch weiterhin nicht eindeutig definiert. Als Teilgebiet der Informatik gehört KI zu einer Wissen­schaft, die Systeme, Verfahren und Algorithmen entwickelt. KI-Systeme sind Software, Maschinen oder Roboter, die abstrakt beschriebene Aufgaben eigenständig erledigen, ohne dass jeder Schritt vom Menschen programmiert wird.

KI-Systeme nutzen heutzutage in den meisten Fällen Methoden des maschinellen Lernens. Diese führen Berechnungs­schritte automatisiert ohne vorprogrammierte Lösungs­wege durch. Anhand von in Trainings­modellen eingesetzten Lernalgorithmen können vorherige Modelle verbessert und an die Ziel­setzung angepasst werden.

Künstliche neuronale Netze (KNN) sind ein Teilbereich des maschinellen Lernens und werden in praktisch allen modernen KI-Systemen eingesetzt [15]. Hierbei bilden Computer­modelle die grundlegende Funktions­weise des mensch­lichen Gehirns nach. Die Daten für diese KI-Systeme kommen aus digital vernetzten IT-Systemen. Anhand von Beispiel­daten entwickeln sich KI-Systeme weiter und können sich auf bislang unbekannte Daten anpassen. Die Lern­algorithmen verarbeiten auf diese Weise Informationen und lernen ohne direkte menschliche Einwirkung aus Prozessen, um sich selbst zu verbessern. Der Technik werden durch den Ansatz des maschinellen Lernens Fähig­keiten verliehen, um Lösungs­wege eigenständig einzuschlagen, aus Daten und Erfahrungen zu lernen und Aufgaben verbessert auszuführen.

Die Einführung von KI-Anwendungen in Unter­nehmen bedarf einer engen Zusammen­arbeit zwischen Unternehmens­leitung, Führungs­kräften und Beschäftigten, um das Potenzial der KI auszuschöpfen und mögliche Heraus­forderungen gleichzeitig bearbeiten zu können. Als Voraus­setzung für eine erfolgreiche und weite Inbetrieb­nahme von KI benötigt ein Unter­nehmen die Akzeptanz der Mitarbei­tenden, um ein positives Verhältnis zwischen Mensch und Technik zu schaffen sowie aus den Beschäftigten und Interessens­vertretungen Gestalter des Wandelns zu machen. Das Change­management, ein Gestaltungs­instrument, das die Einführung von KI in Unternehmen erleichtern soll, sieht dafür eine strukturierte Einbeziehung und Vorbereitung der Mitarbeitenden auf ihr neues KI-Umfeld vor. Die praktische Einführung von KI in Unter­nehmen gestaltet sich phasen­weise, um eine erhöhte Sensibili­sierung und Beteiligung der Beschäftigten zu begünstigen [16].

Eine klare Ziel­setzung und Folgen­abschätzung sollte von Beginn an Beschäftigte und Interessens­vertretungen bei der Einführung von KI begleiten. Hierbei sollten Informationen über die Funktions­weise und Potenziale der KI-Systeme an Beschäftigten weitergegeben werden, um Mobilisierung und Impulse für einen neuen oder verstärkten Einsatz von KI-Techniken zu fördern.

In einem zweiten Schritt steht die Gestaltung des KI-Systems hinsichtlich einer menschen­gerechten und produktiven Umsetzung im Vorder­grund. Zentral ist die Mensch-Maschine-Interaktion. Mit zuneh­mender Auffor­derung der Beschäftigten mit „lernenden Systemen“ zu inter­agieren ist es wichtig, die Arbeits­umgebung bestmöglich zu organisieren.

Das KI-System muss zudem sinnvoll in bestehende Organisations­strukturen und Prozesse integriert werden, um einen leichtgängigen Übergang zu ermöglichen. Pilotprojekte und Experimentier­phasen sind geeignet, um Anpassungs­bedarfe ersichtlich zu machen und Ergänzungs­maßnahmen für die Gestaltung neuer Aufgaben sowie notwendige Qualifi­zierungs­anforderungen für Beschäftigte einzuleiten.

Nach der Implemen­tierung des KI-Systems beruht eine erfolgreiche Einbindung der KI im Arbeits­umfeld auf kontinu­ierlichen Über­prüfungen sowie die daraus folgenden notwendigen Anpassungen im Hinblick auf Gestaltung, Arbeits­organisation und Qualifizierung. Wiederholte Nach­prüfungen haben den Vorteil, dass Verbesserungs­vorschläge bezüglich der Prozesse und Erfahrungs­berichte der Beschäftigten berücksichtigt werden.

Künstliche Intelligenz (KI) ist eine prägende Universaltechnologie, bietet zahlreiche Chancen für Unternehmen, verändert dadurch auch die Arbeitswelt, die Betriebsorganisation und die Geschäftsmodelle grundlegend.

• Welche Anwendungen können mit KI unterstützt werden?
• Wie muss KI gestaltet sein?
• Wobei hilft KI?

Pragmatisch erforscht und erprobt das ifaa praktische Ansätze und Vorgehens­weisen, um die Potenziale der KI für Unter­nehmen und deren Beschäf­tigte zu nutzen. Anwendungen finden sich in vielen Produktions- und produktions­nahen Unternehmens­bereichen: In der intelligenten Prozess­automation, Personal­einsatz­planung, Roboter­steuerung, Qualitäts­kontrolle, voraus­schauenden Instand­haltung oder zur Unter­stützung des Wissens­managements und der Kompetenz­entwicklung. Das ifaa untersucht KI in verschiedensten Branchen, wie beispiels­weise in der Industrie, in der Medizin, bei Banken und Versicherungen oder im Allgemeinen in adminis­trativen Tätig­keits­feldern.

KI ist für das ifaa ein Quer­schnitts­thema, das alle Themen­felder und Projekte betrifft und deshalb fach­bereichs­übergreifend im ifaa bearbeitet wird.

KI in der Schicht- und Personal­einsatz­planung fördert eine optimierte und bedarfs­gerechte Organisation der Arbeits­kraft im Hinblick auf eine nachhaltige effiziente Ressourcen­planung [20]. Die KI vereinfacht Verwaltungs­aufgaben wie Urlaubs­anträge und kann anhand der schnellen Reaktions­zeit auf Krank­meldungen und kurz­fristige Personal­ausfälle reagieren [18]. Führungs­kräfte erhalten zudem die Möglich­keit auf schnellstem Weg Informationen, Änderungen und Aufgaben an Beschäftigte zu übermitteln. Schicht­pläne bekommen durch KI eine größere Transparenz, Attraktivität und eine individu­alisierte Anpassung an weiche Faktoren, wie z. B. Wünsche, Interessen und Bedarfe von Mitarbeitenden. Die Zufriedenheit der Beschäftigten wird auch dadurch gestützt, dass es der KI gelingt bei der automatischen Plan­erstellung eine grundsätzliche Gleich­behandlung zu gewährleisten.

Um eine stetige Verbes­serung der KI in diesem Bereich zu gewähren, kann beispielsweise direktes Feedback durch die Beschäftigten zu vergangenen Schicht­plänen oder der Einsatz­planung in Planungs­systeme abgespeichert werden [19]. Diese Daten können analysiert und in Verbindung zu Arbeits­mustern, Leistungs­fähigkeiten und Gesundheit der Beschäftigten gebracht und in späteren Plänen berück­sichtigt werden. Somit passt sich die KI immer mehr dem Anwen­dungsfall an und führt zu einer Optimierung der Personal­planung.

Im Personal­management können bei Bewerbungs­gesprächen und im Rekrutierungs­prozess KI-Systeme angewendet werden, um passende Kandidaten auszuwählen und bessere Einstellungs­entscheidungen zu treffen [21].

Als Optimierungs­maßnahme im Rekrutierungs­prozess können Arbeits­markt­analysen von KI-Systemen durchgeführt werden und ermitteln, wie Angebot und Nachfrage zu bestimmten Kompetenzen stehen. Diese Systeme analysieren den Zusammen­hang zwischen Stellen­ausschrei­bungen und Kompetenz­bereichen. Ferner kann Matching-Software mithilfe von Persönlich­keits­analysen Bewerbende vorauswählen, indem die Persönlich­keit mit den Jobanfor­derungen verglichen werden. Auch Systeme, die Social-Media-Plattformen durchsuchen, um über­ein­stimmende Kandidaten zu finden, gehören zu den Anwendungs­möglich­keiten von KI im Personalwesen.

Sogenannte Roboter­interviews, Bewerbungs­gespräche die digital vorgenommen werden, nutzen KI, um Mimik, Sprache und Stimme zu analysieren, mit dem Ziel Gefühlslagen wie Begeisterung oder Gleich­gültigkeit und effektive Ansprache bei Kandidaten festzustellen und somit auf die Überein­stimmung der Interessen von Arbeitnehmer und -geber zu prüfen.

Die Anwendung von Robotik im Rahmen der industriellen Fertigung bietet seit langem die Möglichkeit, den Menschen in seiner Arbeit zu entlasten, bspw. durch die Übernahme von repetitiven Tätigkeiten. Umfang­reiche Vorbereitungs­maßnahmen auf neue Arbeitsschritte, deren benötigtes Experten­wissen und gleichzeitig kunden­individuellere Produkte führen dazu, dass vielfach nur eine Massen­produktion als rentabel gilt. Im Rahmen von zukünftigen Produktions­prozessen bedarf es daher einer individu­elleren Anleitung des Roboters durch den Menschen, um eine flexiblere Automati­sierung zu realisieren. Hierbei arbeiten Mensch und Roboter Hand-in-Hand. Durch lernfähige Roboter, welche auf Basis von KI agieren, wird diese flexiblere Automati­sierung ermöglicht [12], [10].

Durch Computer Vision sind die lernfähigen Roboter in der Lage, ihre Umgebung wahrzunehmen und sich dem Menschen und dessen individuellen Arbeits­umfeld anzupassen. Lernfähige Roboter können neue Arbeits­schritte erlernen, indem der Mensch diese demonstriert. Der Einsatz von KI ermöglicht dabei, dass der lernfähige Roboter seine erworbenen Fähig­keiten in Zukunft autonom verbessert [13], [1].

Der Nutzen des Einsatzes wird in mehreren Bereichen sichtbar. KI ermöglicht eine gesteigerte Flexibilität, sodass der Roboter in Abhängigkeit des Unternehmens­bedarfes Fähig­keiten erlernen kann. Ebenfalls lassen sich neue Anwendungs­gebiete erschließen und hoch­wertigere Arbeits­plätze realisieren. Weiterhin ist davon auszugehen, dass sich die Produktivität durch den Einsatz von lernfähigen Robotern erhöhen wird [11].

In der produzierenden Industrie dient die Intelligent Process Automation (IPA) der Automati­sierung und Verwaltung von digitalen Prozessen. IPA besitzt durch die Fähigkeit des maschinellen Lernens ein größeres Daten­verarbeitungs- und Analyse­vermögen und kann komplexe Aufgaben automatisieren, bearbeiten und interpretieren [23]. Die Lern- und Anpassungs­fähigkeit der IPA resultiert in autonomem Handeln und begrenzter menschlicher Interaktion. D. h., eine Prozess­automati­sierung durchläuft die Abläufe ohne Steuerung oder Beobachtung durch den Menschen und kann somit zu einer Entlastung der Mitarbeitenden und schnelleren Reaktions­zeiten in den Prozessen führen. IPA kann durch vielfältige Einsatz­möglich­keiten eine Automati­sierung in neuen Bereichen ermöglichen und wird deshalb oft als Erweiterung der RPA (Robotic Process Automation) betrachtet.

Demgegen­über dient RPA der Automati­sierung informations­technischer Tätigkeiten und Routine­aufgaben, die nur eine niedrige Beanspruchung kognitiver Fähigkeiten voraussetzt [22]. Im Gegensatz zu IPA hat die RPA keine KI-Eigenschaften, sodass Programm­routinen und Funktions­regeln manuell programmiert werden müssen. Ihr Einsatz­potenzial liegt im indirekten Bereich, z. B. in der Analyse der Ist-Situation, der Optimierung von Prozessen und Prozess­analysen. Die RPA zeichnet sich durch eine einfache und schnelle Umsetzbar­keit sowie geringe Kosten aus. Auch sie kann zu einer Produktivitäts­verbes­serung führen und Durchlauf­zeiten reduzieren. Letztlich dienen beide Systeme der Entlastung von Mitarbeitern und der Automati­sierung von mehr oder weniger komplexen Prozessen.

Das Zusammen­spiel von lernender KI und regel­basierter RPA kann man sich beispiels­weise so vorstellen: Eine KI erkennt die relevanten Daten in einer unstruk­turierten E-Mail, kategorisiert die Inhalte und extrahiert die Daten wie z. B. Vorgangs­details, Kunden­name und das bezeichnete Produkt, woraufhin eine RPA automatisiert diese Daten in die Auftrags­daten­bank kopiert und speichert.

In der Qualitäts­kontrolle wird KI angewendet, um durch kontinu­ierliche Verbes­serung hohe Qualitäts­ansprüche zu erreichen und aufrecht­zuerhalten. Praktisch können KI-basierte Inspektions­systeme diese Routine­aufgaben übernehmen, Fehler­analysen selbstständig erlernen oder auch Konstruktions- und Produktions­fehler erkennen [18]. Außerdem kann die Einführung von KI zur Qualitäts­kontrolle in der Industrie subjektive Einfluss­faktoren eliminieren, wie zum Beispiel von Mitarbeitern individuell festgelegte Überprüfungs­parameter, sowie Erfahrungs­mangel oder Engpässe der Personal­ressourcen umgehen.

Im direkten Kunden­service kann KI relevante Kundendaten und Infor­mationen zusammen­tragen und eine Wechsel­wahrschein­lichkeit von Bestands­kunden prognos­tizieren. Anhand dieser Daten können Handlungs­empfeh­lungen für individuelle Kunden erstellt werden. Somit werden fehlende oder unange­passte Handlungs­empfehlungen umgangen und die Mitarbeiter entlastet.

In einem Produktions­umfeld können KI-trainierte Industrie­kameras eingesetzt werden, um Rohmaterial, Bauteile oder Fertigteile zu analysieren und Anomalien wie Produktions- und Konstruktions­fehler zu identifi­zieren. Der hohe Aufwand und die Belastung für Mitarbeitende einzelne Teile zu überprüfen können durch die Industrie­kameras aufgehoben werden, die als digitaler Assistent Anwendung finden und sowohl unter­stützend als auch entlastend für die Beschäftigten wirken.

In vielen Bereichen der Industrie gehört eine regelmäßige Wartung und Instand­haltung von Maschinen und Anlagen zur Routine. Die Feststellung von Schwach­stellen und Verschleiß führen oft zu Unter­brechungen in größeren Abschnitten oder der ganzen Produktions­kette [17]. Hinzu kommen hohe Kosten für Ausfallzeiten.

Schlechte Wartungs­strategien können die Gesamt­produktions­kapazität verringern und der Wett­bewerbs­fähigkeit schaden. Um dies zu vermeiden, gilt es, eine effiziente Instand­haltung zu organisieren. Im Gegensatz zu einer reaktiven Instand­haltung setzt die voraus­schauende Instand­haltung auf Prozess­daten, um Ausfälle vorher­zusagen und Maßnahmen zwar rechtzeitig, aber nur nach Bedarf einzuleiten [18].

KI wird u. a. zur Anomalie­erkennung in Vorhersage­modellen verwendet [15]. Für Produktions­bereiche werden Regeln erstellt, um bei auffälligen Werten eine automa­tisierte Identifi­zierung und Ent­schärfung von Fehler­ursachen zu ermöglichen. Historische und Echt­zeit­daten werden genutzt, um Früh­warnungen vor Maschinen­zustands­fehlern oder drohenden Maschinen­defekten mit hoher Genauigkeit zu geben. Somit wird proaktiv auf mögliche Ausfälle reagiert und ungeplante Still­stand­zeiten und -kosten werden minimiert.

Große Herausforderungen für Unternehmen sind der demo­grafische Wandel, fehlende Fachkräfte und der Wissens­verlust nach Renten­eingang. Mit zuneh­mender Komplexität in der Produktion ist die Übertragung von Erfahrungen entscheidend, jedoch ist oftmals Erfahrungs­wissen schwer identifizierbar und kaum trans­ferierbar.

Im Hinblick auf dieses Problem versuchen Forschungs­projekte Erfahrungs­wissen mittels KI zu identifizieren und abzuspeichern. Ziel ist es, ein Assistenz­system mit dem Wissen erfahrener Mitarbeiter den weniger erfahrenen Beschäftigten zur Verfügung zu stellen, die Qualifizierung von ungelerntem Personal zu ermöglichen und den Ausschuss von z. B. fehlerhaften Bauteilen zu minimieren.

Dafür werden maschinelle Lern­verfahren mit Daten aus Arbeits­prozessen trainiert, um bestimmte Muster in der Bearbeitung zu erkennen und Rück­schlüsse auf das Erfahrungs­wissen des Experten zu ziehen [18]. Im Anschluss wird das Wissen in ein technisches Assistenz­system überführt. Diese Sicherung des Wissens kann die Einarbeitungs­zeit verkürzen und Beschäftigte flexibler einsetzbar machen. Zudem erfolgt eine strukturierte Abarbeitungs­reihenfolge der Arbeitsschritte und vereinfacht sowohl die Aneignung des Wissens als auch die unterstützte Kompetenz­entwicklung unerfahrener Beschäftigten durch die technische Assistenz [24].

Auch in anderen Bereichen breitet sich die KI-Anwendung aus. Eingesetzt wird KI u. a. in der Medizin, im Versicherungs-, Bank- und Rechts­wesen sowie in der Pflege.

In der Medizin finden KI-Systeme Anwendung u. a. bei der Auswertung von medizi­nischen Bild­aufnahmen [25]. Diese Systeme können bei der Früh­erkennung von Krebs oder Herz­krank­heiten eingesetzt werden. Weitere Anwendung findet KI beispiels­weise bei der Fest­stellung von Parkinson-Erkrankungen anhand von Stimm­aufnahmen [26]. Auch DNA-Profile von Kindern können von KI nach bestim­mten Genmarkern unter­sucht werden, die auf Typ-1-Diabetes hinweisen.

Die Versicherungs­branche kennzeichnet sich durch hohes Auto­matisierungs­potenzial und Daten­aufkommen aus. KI-Systeme können Fachkräfte bei der Persona­lisierung und Risiko­bewertung unterstützen. Individuell angepasste Kunden­angebote werden anhand des vergangenen Kunden­verhaltens analysiert und für Vorher­sagen genutzt. Auch in der Haft­pflicht­versicherung wird KI eingesetzt, um automa­tisiert Schadens­berechnungen durch­zuführen, aber auch grund­sätzlich, um große Mengen an Daten zu analysieren und schnelle Ent­scheidungen zu treffen [27].

Im Bank­wesen findet KI unter­schiedliche Anwendungs­möglich­keiten. Im Kunden­service werden Chatbots für die Kunden­beratung und -interaktion eingesetzt. Es werden auch 3D-Avatare entwickelt, um Mitar­beitenden zu helfen effizient bank­interne Systeme zu durchsuchen. KI wird zudem für die Betrugs­erkennung und besseres Risiko­manage­ment verwendet [28].

Im Rechtswesen bietet sich KI-Nutzung an. Beispiels­weise können KI-Systeme in Verträgen mithilfe des Natural Language Processing (Sprachanalysen) kritische Vertrags­klauseln ermitteln, damit diese gezielt geprüft werden. Im Rahmen von Forschungs­projekten wurde begonnen, intelligente Assistenz­systeme für die Dokument­erstellung zu entwickeln, die automa­tisierte Protokoll­entwürfe, Urteile und Beschlüsse erstellen [29]. Ziele dieser Projekte sind eine Arbeits­erleichterung und Entlastung des Personals durch die Automa­tisierung von Routine­aufgaben in wieder­kehrenden Recht­sfällen und Gerichts­verfahren.

In der Pflege können technische Assistenz­systeme mit KI-Eigen­schaften älteren Menschen oder Menschen mit körperlichen Einschrän­kungen länger ein selbst­bestimmtes Leben ermöglichen [30]. Durch Sensor­technik und Service­roboter können Pflegekräfte, Angehörige und Patienten unterstützt und entlastet werden. Beispiels­weise können intelligente Rollatoren Haltungs­fehler beim Laufen korrigieren, Roboterarme dienen als Hebehilfe, und Service­roboter unterstützen Pflege­bedürftige beim Trans­portieren von schweren oder unhandlichen Gegen­ständen.