Veröffentlichungen

The demographic change has a large impact on the labour market and poses a challenge to companies. With many employees going into retirement within the next 10 years, it is not just the workforce itself leaving the firms, but also their experiential knowledge that the workers gained over the years. Much of it is tacit and thus unobtainable through common documentaries of work processes. Keeping it inside of the company is crucial to ensure productivity and educate the upcoming generation of workers in their company. The project “KI_eeper – Know how to keep” has the goal to capture experiential knowledge and provide it to the workers during the production process automatically through an AI-based assistance system. The system is currently under development and requires careful consideration of the users’ needs at the production line. By choosing a participative approach, the employees are directly in touch with the developers and can influence the development of the system significantly. Managing both the available technical capabilities as well as the demands of the employees towards the system at the same time is key to have a successful outcome of the project. This paper shares the essential success factors both on the technical and socio-technical level to secure a seamless integration of an AI-based assistance system into production processes, based on a case study in a German manufacturing company.

Künstliche Intelligenz soll Unternehmen im Rahmen
des Projekts „KI_eeper – Know how to keep“ dabei
helfen, das implizite Erfahrungswissen der Babyboomer-
Generation zu bewahren und intelligent maschinell nutzbar
für andere Beschäftigte zu machen. Die Einführung
von KI kann im Betrieb jedoch mit Mehraufwand für die
Trainierenden sowie Ängsten bis hin zu Ablehnung seitens
der Belegschaft einhergehen. Die apra‑norm Elektromechanik
GmbH wirkt in dem Forschungsprojekt Befürchtungen
ihrer Mitarbeitenden mit Transparenz und beteiligungsorientierter
Führung entgegen.

Die zunehmende Verrentung langjähriger Beschäftigter stellt Unternehmen vor die Herausforderung, essenzielles Erfahrungswissen zu identifizieren und für nachfolgende Generationen zu sichern. Aktuelle Ansätze dafür sind zeitintensiv und kostspielig. In dem Forschungsprojekt KI_eeper wird ein KI-basiertes Assistenzsystem entwickelt, welches automatisiert im Arbeitsprozess Wissen identifizieren, speichern und transferieren soll. Der Beitrag thematisiert betriebliche Herausforderungen des Wissenstransfers, KI-basierte Lösungsmöglichkeiten und Anwendungsfälle sowie eine soziotechnische Arbeitsgestaltung, um einen intergenerationellen Wissenstransfer zu ermöglichen. Konzipierte und bereits ergriffene Maßnahmen zur Akzeptanzförderung werden vorgestellt. Den Abschluss des Beitrags bilden erste Ergebnisse, ein Fazit sowie ein Ausblick auf die nächsten Schritte im Projekt.

Im Projekt KI_eeper wird ein selbstlernendes KI-Assistenzsystem für manuelle Tätigkeiten in der Produktion entwickelt. Das innovative Forschungsvorhaben will damit der Herausforderung des Wissensverlustes von Betriebendurch die Verrentung langjähriger Beschäftigter begegnen. Im Beitrag wird das Projekt, die Motivation und Zielsetzung vorgestellt. Zwei anschauliche Praxisbeispiele werden skizziert. Der Fokus des Beitrags liegt auf der soziotechnischen Arbeitssystemgestaltung. Es werden Methoden und Maßnahmen erläutert, die im Projekt entwickelt und erprobt wurden, um die Beschäftigten in den zwei Anwenderunternehmen für Wissenstransfer mit KI zu begeistern.

Die Babybommer-Generation der 1960er Jahre wird
in den kommenden Jahren verrentet. Dadurch verlieren Unternehmen langjährige
erfahrene Beschäftigte und auch deren Wissen, wenn nicht effiziente
Lösungen gefunden werden, dieses zu identifizieren, zu speichern und zu
transferieren. Dieser Herausforderung widmet sich das Forschungsvorhaben
„KI_eeper – Know-how to keep“. Im Projekt wird erforscht, inwiefern künstliche
Intelligenz Möglichkeiten eröffnet, um das implizite Erfahrungswissen
von Beschäftigten automatisiert im Arbeitskontext zu erfassen, zu verarbeiten
und zu transferieren. Aktuelle Ansätze des Wissenstransfers sind aufwendig
und häufig auch mit hohen Kosten verbunden. Dabei hat jedoch eben das implizite
Wissen große Relevanz für Unternehmen, welche für kleine und mittlere
Unternehmen (KMU) noch stärker ausgeprägt ist.
Am Ende des Projektes soll ein digitales Assistenzsystem entstehen, welches
das gesammelte und ausgewertete implizite Wissen von Erfahrungsträgern
allen Beschäftigen zugänglich macht und diese somit bei der Ausführung
ihrer Tätigkeiten bedarfsgerecht unterstützt. Dabei soll zunächst der Fokus
auf Tätigkeiten in der Produktionsfertigung gelegt werden. Aufgrund der großen
Vielfallt an Fertigungsverfahren und damit verbundenen unterschiedlichen Daten, soll eine allgemeingültige Lösung für Verarbeitung der Daten mittels
der künstlichen Intelligenz gewählt werden. In dieser Veröffentlichung sollen
ausgewählte Algorithmen betrachtet werden, welche für eine potenzielle technische
Lösung verwendet werden können.

Die deutsche Gesellschaft sieht sich in den nun anstehenden 20er- und 30er-Jahren des 21. Jahrhunderts mit
vielfältigen Herausforderungen konfrontiert, die den Wohlstand und die Lebensweise aller Menschen voraussichtlich
stark beeinflussen werden. Der Klimawandel und die zu dessen Eindämmung angestrengte Energiewende
sind zwei dieser (globalen) Megathemen. Für den Erhalt von Innovationskraft, internationaler Wettbewerbsfähigkeit
und Wohlstand ist der Fachkräftemangel eine ebenso nicht zu unterschätzende Herausforderung.
Dieser hat heute bereits in verschiedenen Branchen und Berufen teilweise weitreichende Auswirkungen.
Neben fehlenden Fach- und Arbeitskräften wird sich mit dem Renteneintritt der Babyboomer die Situation
zudem auch noch verschärfen. Die demographische Entwicklung und der strukturelle Wandel unserer Arbeitswelt
erfordern daher neue Strategien und innovative Lösungsansätze. Dabei spielt auch Künstliche Intelligenz
(KI) eine große Rolle, vor allem in den Dimensionen – Automatisierung und KI-basierte Assistenz, Integration
in den Arbeitsmarkt, Wissenstransfer in die Zukunft – lassen sich Beiträge von KI zur Fachkräftesicherung
erkennen.
Vor diesem Hintergrund diskutieren die Autorinnen und Autoren der Arbeitsgruppe Arbeit, Qualifikation und
Mensch-Maschine-Interaktion in diesem Papier, wie der Einsatz von KI-Technologien diese Bemühungen zielgerichtet
unterstützen und konkret dazu beitragen kann, Beschäftigte und Unternehmen zu entlasten und
Tätigkeiten zu automatisieren und flexibilisieren, um dem Fachkräftemangel entgegenzuwirken. Darüber hinaus
loten die Autorinnen und Autoren aus, welche indirekten Arbeitsmarktpotenziale die KI-gestützte Teilhabe
von Menschen mit Beeinträchtigungen oder die KI-gestützte Überwindung von Vermittlungshemmnissen
erschließen könnten, und verdeutlichen anhand von Praxisbeispielen, wie Anwendungen KI-Kompetenzen
stärken und Produktivität steigern können. Notwendige Rahmenbedingungen für diese Beiträge betreffen
etwa den Aufbau und die Förderung von KI-Kompetenzen bereits in der Schule, die Investition in Daten- und
Recheninfrastrukturen, die zielgerichtete Förderung von kleinen und mittleren Unternehmen sowie der Industrie.
Das Papier schließt zudem an bisherige Ergebnisse der Arbeitsgruppe an und greift unter anderem Beiträge
zur Kompetenzentwicklung für KI (André, Bauer et al. 2021) und der KI-unterstützten Teilhabe von Menschen
mit Beeinträchtigungen (Steil, Bullinger-Hoffmann, André et al. 2023) auf.
Zusammenfassung
3

Die Einführung von KI-Anwendungen weist Besonderheiten auf, die sich auf das Change-Management und insbesondere auf die Beteiligung der Beschäftigten einschließlich der Prozesse der betrieblichen Mitbestimmung auswirken. Eine systematische Vorgehensweise kann alle betrieblichen Akteure für die Anforderungen des Change-Managements bei Künstlicher Intelligenz sensibilisieren. Zudem bietet es Orientierung für die praktische Umsetzung der Einführung von KI-Systemen in den verschiedenen Phasen eines Entwicklungs- und Einführungsprozesses. Basierend auf Modellen der Einführung technischer Systeme, wird eine Synopse entwickelt, die sich beim Vorgehen an den Phasen des klassischen Projektmanagements orientiert, wesentliche, zu betrachtende Themen aufzeigt und essenzielle Erfolgsfaktoren für den Einführungsprozess benennt.

Die zunehmende Verrentung langjähriger Beschäftigter stellt Unternehmen vor die Herausforderung, essenzielles Erfahrungswissen zu identifizieren und für nachfolgende Generationen zu sichern. Aktuelle Ansätze dafür sind zeitintensiv und kostspielig. In dem Forschungsprojekt KI_eeper wird ein KI-basiertes Assistenzsystem entwickelt, welches auto-matisiert im Arbeitsprozess Wissen identifizieren, speichern und trans-ferieren soll. Der Beitrag thematisiert betriebliche Herausforderungen des Wissenstransfers, KI-basierte Lösungsmöglichkeiten und Anwendungsfälle sowie eine soziotechnische Arbeitsgestaltung, um einen intergeneratio-nellen Wissenstransfer zu ermöglichen. Konzipierte und bereits ergriffene Maßnahmen zur Akzeptanzförderung werden vorgestellt. Den Abschluss des Beitrags bilden erste Ergebnisse, ein Fazit sowie ein Ausblick auf die nächsten Schritte im Projekt.

In diesem Kapitel werden verschiedene betriebliche Anwendungsbeispiele für KI vorgestellt. Ausgehend von der Beschreibung der Unternehmen, sowie deren Herausforderungen und Bedarfe, werden sowohl bereits erprobte als auch zum Zeitpunkt der Beitragserstellung in der Konzeption und Entwicklung befindliche technische Lösungen erläutert. Das Kapitel schließt mit zusammengefassten Erkenntnissen und einem Fazit.

The growing shortage of skilled workers and the large number of employees from the 1960s so-called baby boom generation who will be retiring in the next few years are current and growing major challenges for companies in Germany. When people retire, companies can lose a lot of valuable know-how and experience. Experienced professionals enjoy a special status in companies because of their extensive and in-depth knowledge of work processes. Salaries and positions in companies are often linked to knowledge. The fear of losing status or even financial loss by sharing knowledge can be a reason for employees to keep their knowledge to themselves. The use of new technologies such as artificial intelligence in companies can also trigger several fears among employees like fears regarding job loss, new skill requirements or surveillance. An innovative work culture, where knowledge sharing is actively encouraged, required and rewarded, is not successfully implemented everywhere. A particular challenge in the KI_eeper project is to convince experienced employees in the participating organizations of the importance of sharing and preserving knowledge to ensure the company’s long-term competitiveness. The aim is to encourage them to provide their knowledge to other employees with the help of an AI assistance system. In addition to the development of an assistance system, an important task of the project is the development of methods promoting knowledge transfer and contributing to the acceptance of the use of the new technology. Information and awareness-raising workshops with managers and employees have been designed and tested in the companies. Employees are involved in the development of the system in a participatory approach. This ensures that the system can be developed in a user- and needs-orientedmanner and thus the acceptance of the system’s use in future everyday work can be promoted, which is crucial for long-term successful application.

In den nächsten Jahren verlieren Unternehmen in Deutschland vielelangjährige Arbeitskräfte und damit deren Erfahrungswissen und Prozesskenntnisse. Das Projekt KI_eeper erforscht eine Möglichkeit, dieses Wissen für die Unternehmen zu erfassen und zu speichern. Mit Hilfe eines KI-basiertem Assistenzsystems soll dieses meist implizite Wissen auch den nachfolgenden Generationen an Mitarbeitenden in den Unternehmen zur Verfügung stehen. Die partizipative Vorgehensweise, wie das Erfahrungs-wissen in einem exemplarischen Anwendungsfall identifiziert und der Ar-beitsprozess detailliert erfasst werden soll, wird in diesem Beitrag vorge-stellt. Dabei werden verschiedene bewährte Analysemethoden in der Syste-matik eines Regelkreises kombiniert und der Arbeitsprozess schrittweise detaillierter erfasst.