
Forschungsprojekt KI_eeper – Know how to keep
Digitale KI-basierte Assistenz zur Wissensaufnahme, -verarbeitung, -speicherung und -anwendung an produktionsgebundenen Arbeitsplätzen
Effizientes Wissensmanagement mit Künstlicher Intelligenz
Das Projektvorhaben „KI_eeper – Know-how to keep“ adressiert den steigenden Bedarf von Unternehmen, wertvolles Erfahrungswissen von Expertinnen und Experten auf effiziente Weise im Betrieb zu halten. Das Ziel des Projektes ist es, mithilfe eines multimodalen KI-Systems, welches wie der Mensch mit allen Sinnen lernt, automatisiert Wissen von Expertinnen und Experten im Arbeitsprozess zu speichern und bedarfsgerecht neuen oder weniger erfahrenen Arbeitskräften für die Ausführung von Tätigkeiten zur Verfügung zu stellen.
Laufzeit: August 2022 bis Juli 2024

Aktuelles

11. September 2023
Projektmitarbeiterin Nicole Ottersböck berichtet in ihrem Artikel „Tipps gegen die KI-Angst von Beschäftigten“ bei »Haufe Personal« über die Erfahrungen aus dem Forschungs- und Entwicklungsprojekt KI_eeper und wie Unternehmen den Ängsten der Mitarbeiterinnen und Mitarbeiter vor künstlicher Intelligenz und den Folgen dieser neuen Technologie entgegenwirken können.

1. August 2023
Im Personaljournal der Frankfurter Allgemeine (Ausgabe 04/2023) berichtet F.A.Z.-Journalistin Kirstin Gründel in ihrem Artikel „KI soll das Wissen der Babyboomer konservieren“ über das Projekt und interviewt die Projektverantwortlichen Nicole Ottersböck und Stefan Meffert.

21. Juni 2023
Das Projektteam im Interview mit Dr. Kerstin Lötzerich-Bernhard, Redaktion CareTRIALOG.
Anlässlich der Nominierung für den diesjährigen Deutschen Demografiepreis berichtet das Projektteam darüber, wie mit den im Projekt entwickelten technischen Arbeitssystemen das Erfahrungswissen langjähriger Beschäftigter, die kurz vor der Rente stehen, mittels Künstlicher Intelligenz erfasst und eine strukturierte Speicherung von Erfahrungswissen ermöglicht werden, um es an neue Beschäftigte weitergeben zu können.
11.05.2023
Projekt KI_eeper nominiert für den Deutschen Demografiepreis 2023 in der Kategorie Zukunft der Arbeit.
Der Deutsche Demografie Preis (ddp) zeichnet Projekte aus, die Lösungen für die Herausforderungen des demografischen Wandels finden. Viele Unternehmen, Initiativen, Netzwerke und Vereine setzen Projekte um, die allgegenwärtige Auswirkungen des Wandels, die Wirtschaft und Gesellschaft herausfordern wie zum Beispiel Arbeits- und Fachkräftemangel, Pflegenotstand, Finanzierbarkeit des Rentenversicherungssystems, lösen. Diese Projekte zeichnet der Verein Das Demographie Netzwerk aus und möchte ihnen eine Bühne bieten, sodass sie zur Inspiration und zu Vorbildern für andere werden.

26.08.2022
Kick-off des Projekts mit dem gesamten Projektteam und dem Projektträger im ifaa, Düsseldorf.
Zu Beginn des Projekts trafen sich die Projektpartner des ifaa, der Universität Duisburg-Essen, Sensrec Service UG, Consipio Software Engineering GmbH, ESM Ennepetaler Schneid- und Mähtechnik GmbH & Co. KG und apra-norm Elektromechanik GmbH im ifaa in Düsseldorf. Mit dabei war auch der Projektträger Karlsruhe (PTKA).
Teilvorhaben der Projektpartner
ifaa – Institut für angewandte Arbeitswissenschaft e.V.
Soziotechnische Entwicklung und Einführung KI-basierter Assistenz durch partizipative Einbindung von Entscheidern und Interessenvertretern
Lehrstuhl Fertigungstechnik der Universität Duisburg-Essen
Entwicklung eines KI-basierten Assistenzsystems zum Einsatz an produktionsgebundenen Arbeitsplätzen zur Abbildung einer Wissensbasis
Sensrec Service UG
Entwicklung von Arbeitsplatzsystemen für wissensintensive Tätigkeiten sowie Einbindung dazu notwendiger und intelligenter Sensorkomponenten
Consipio Software Engineering GmbH
Entwicklung einer neuartigen Wissensbasis zur datenbasierten Lernfähigkeit für die Qualitätssicherung mit Schnittstellen zu Produktivsystemen
ESM Ennepetaler Schneid- und Mähtechnik GmbH & Co. KG
Implementierung eines produktionsnahen KI-Assistenzsystems in die vorhandene Datenbasis zur Steigerung der impliziten Wissensverarbeitung
apra-norm Elektromechanik GmbH
Entwicklung nutzergerechter Montagearbeitsplätze mithilfe von datenbankbasierten Visualisierungen des aufgenommenen Prozesswissens
Projektpartner
Valuepartner
Ihre Ansprechpartner*innen für das Projekt

Dipl.-Soz. Wiss.
Nicole Ottersböck
Wissenschaftliche Mitarbeiterin
Telefon: +49 211 542263-25
Telefax: +49 211 542263-37

Christian Cost Reyes, M. Sc.
Wissenschaftlicher Mitarbeiter
Telefon: +49 211 542263-24
Telefax: +49 211 542263-37

Isabella Urban, B. Sc.
Studentische Mitarbeiterin
Telefon: +49 211 542263-35
Telefax: +49 211 542263-37
Publikationen
Ottersböck, N, Dander, H (2023) Erfahrungswissen durch KI-basierte Assistenz sichern: Zukünftige Herausforderungen der demografischen Entwicklung meistern. Zeitschrift für wirtschaftlichen Fabrikbetrieb, 118(6), 428-431. https://doi.org/10.1515/zwf-2023-1086
ZitierenZuordnung der Publikation: Digitalisierung / Industrie 4.0, Künstliche Intelligenz / Lernende Systeme, Nicole Ottersböck, KI_eeper, betriebliche Flexibilität, Arbeitswissenschaft, Industrie 4.0, Produktionsindustrie, Metall- und Elektroindustrie, Software 4.0, Flexibilität, Flexibilisierung, Industrie-Software, Wissensmanagement, künstliche Intelligenz, Metallindustrie, Wissenstransfer, VerfahrenOttersböck N, Prange C, Dander H, Rusch T (2023) Babyboomer weg, Wissen weg – Partizipative Entwicklung eines KI-basierten Assistenzsystems zur Erfassung und Sicherung erfahrungsbasierten Wissens in der Produktion. In: GfA (Hrsg) Nachhaltig Arbeiten und Lernen – Analyse und Gestaltung lernförderlicher und nachhaltiger Arbeitssysteme und Arbeits- und Lernprozesse. Bericht zum 69. Arbeitswissenschaftlichen Kongress vom 01. – 03. März 2023, GfA Press, Sankt Augustin, Beitrag B.1.5
ZitierenAbstractDie 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.
Zuordnung der Publikation: Arbeitsgestaltung / Ergonomie, Arbeitswelt der Zukunft / New Work, Digitalisierung / Industrie 4.0, Künstliche Intelligenz / Lernende Systeme, Arbeitsprozess, Arbeitswissenschaft, ganzheitliche Arbeitsgestaltung, Wertschöpfungsprozess, Prozessoptimierung, Prozessverbesserung, Unternehmensprozess, Soziotechnik, flexible Arbeitsgestaltung, Informationsfluss, Kommunikation, Produktions-/Prozessoptimierung, Wissensmanagement, künstliche Intelligenz, KI, Partizipation, KI-Reallabor, Forschungsprojekt KI_eeper, Produktions- und Prozessoptimierung, Prozessgestaltung, Sozio-Technik, Veränderungsprozess, Wissenstransfer, Arbeitsgestaltung, Tobias Rusch, Nicole Ottersböck, KI_eeperOttersböck N, Prange C, Rusch T, Dander H (2023) Entlastung von Beschäftigten in komplexen Produktionsumgebungen durch informatorische, KI-basierte Assistenztechnologien - Erfahrungswissen ermitteln, erhalten, transferieren und Prozesse optimieren. In: AI:MAG - The World of Tomorrow. 01/2023: 27-28
ZitierenZuordnung der Publikation: Arbeitswelt der Zukunft / New Work, Digitalisierung / Industrie 4.0, Produktions- und Unternehmenssystemgestaltung, Künstliche Intelligenz / Lernende Systeme, IT, betriebliche Flexibilität, Arbeitsprozess, Arbeitswissenschaft, Produktionsdaten, Beispiel, Bedürfnisse der Beschäftigten, Maschinendaten, Maschinelles Lernen, Machine Learning, Digitalisierung, Nachhaltige Produktionssystemen, Veröffentlichungen, Veröffentlichung, Good-Practice-Beispiel, Publikationen, Publikation, Industrie 4.0, KMU, Qualität, Mitarbeiterbeteiligung, Humanorientierung, Betriebspraxis, Produktionsprozess, Produktivität, Prozessoptimierung, Prozessverbesserung, Wissensmanagement, demografischer Wandel, Forschungsprojekt KI_eeper, Wissenstransfer, Demografie, Tobias Rusch, Nicole Ottersböck, KI_eeperOttersböck N, Rusch T (2022) Babyboomer weg - Wissen weg. Ist ein Gegensteuern mit Künstlicher Intelligenz möglich? In: ifaa (Hrsg) WERKWANDEL 3/2022, 28-31 https://magazin.werkwandel.de/werkwandel-3-22/67387285/28
ZitierenZuordnung der Publikation: Arbeitswelt der Zukunft / New Work, Digitalisierung / Industrie 4.0, Arbeitsplatzgestaltung, Arbeitsprozess, Arbeitswissenschaft, vernetzte Digitalisierung, Digitalisierung, Digitalisierungsmaßnahmen, Arbeitsanalyse, ganzheitliche Arbeitsgestaltung, Industrie 4.0, KMU, Arbeitsforschung, Produktentwicklungsprozess, Produktionsprozess, Prozessoptimierung, Prozessverbesserung, Arbeitswelt der Zukunft, Arbeitssystemgestaltung, Soziotechnik, Arbeitssystem, Wissensmanagement, KI, Arbeitswelt 4.0, Metallindustrie, demografischer Wandel, Forschungsprojekt KI_eeper, Sozio-Technik, Veränderungsprozess, Wissenstransfer, Demografie, Tobias Rusch, Nicole Ottersböck, KI_eeperRusch T, Ottersböck N, Stowasser S (2023) Participative Process Model for the Introduction of AI-Based Knowledge Management in Production. In: Nah F, Siau K (Hrsg) HCI in Business, Government and Organizations. 10th International Conference, HCIBGO 2023. Held as Part of the 25th HCI International Conference, HCII 2023 Copenhagen, Denmark, July 23–28, 2023. Proceedings, Part II. Lecture Notes in Computer Science. doi.org/10.1007/978-3-031-36049-7, p 181–191
ZitierenAbstractThe 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.
Zuordnung der Publikation: Fachkräftesicherung, Künstliche Intelligenz / Lernende Systeme, Nicole Ottersböck, Tobias Rusch, Sascha Stowasser, KI_eeper, international publication, Fachkräftemangel, Wissensmanagement, künstliche Intelligenz, KI, WissenstransferRusch T, Ottersböck N, Ternes J (2023) KI_eeper — Erfahrungswissen mit KI sichern
und das Team dabei mitnehmen. Projektbericht zur Entwicklung eines KI-basierten Assistenzsystems für
automatisierten Wissenstransfer bei der apra-norm Elektromechanik GmbH. In: ifaa (Hrsg) WERKWANDEL 2/2023, 31-34 magazin.werkwandel.de/31ZitierenZuordnung der Publikation: Arbeitswelt der Zukunft / New Work, Digitalisierung / Industrie 4.0, Fachkräftesicherung, Künstliche Intelligenz / Lernende Systeme, Produktions- und Unternehmenssystemgestaltung, Nicole Ottersböck, Tobias Rusch, KI_eeper, IT, Arbeitsprozess, Arbeitswissenschaft, arbeitswissenschaftliche Empfehlungen, Produktionsdaten, Bedürfnisse der Beschäftigten, Maschinendaten, Beschäftigte, Betriebsrat, Data Scientist, Maschinelles Lernen, Machine Learning, Deep Learning, Künstliche Neuronale Netze, digitale Transformation, Digitalisierung, Arbeitsanalyse, Veröffentlichungen, Good Practice, Veröffentlichung, Good-Practice-Beispiel, Publikationen, Publikation, Industrie 4.0, KMU, Metall- und Elektroindustrie, Veränderungsmanagement, Mitarbeiterbeteiligung, Arbeitsforschung, Betriebspraxis, Produktionsprozess, Produktivität, Prozessoptimierung, Prozessverbesserung, Wissensmanagement, WissenstransferRusch T, Ottersböck N, Ternes J (2023) Partizipative Prozessaufnahme als Grundlage eines KI-basierten Assistenzsystems für den Wissenstransfer im Produktionsbetrieb. In: GfA (Hrsg) Nachhaltig Arbeiten und Lernen – Analyse und Gestaltung lernförderlicher und nachhaltiger Arbeitssysteme und Arbeits- und Lernprozesse. Bericht zum 69. Arbeitswissenschaftlichen Kongress vom 01. – 03. März 2023, GfA Press, Sankt Augustin, Beitrag C.6.18
ZitierenAbstractIn 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.
Zuordnung der Publikation: Arbeitsgestaltung / Ergonomie, Arbeitswelt der Zukunft / New Work, Künstliche Intelligenz / Lernende Systeme, Arbeitsprozess, Produktionsprozess, Wertschöpfungsprozess, Workshop, Soziotechnik, Kommunikation, künstliche Intelligenz, KI, Partizipation, KI-Reallabor, interne Kommunikation, Forschungsprojekt KI_eeper, Sozio-Technik, Workshopkonzept, Tobias Rusch, Nicole Ottersböck, KI_eeper
Förderung
Dieses Forschungs- und Entwicklungsprojekt wird im Rahmen des Programms „Zukunft der Arbeit“ (Förderkennzeichen: 02L20C500 - 02L20C505) vom Bundesministerium für Bildung und Forschung (BMBF) gefördert und vom Projektträger Karlsruhe (PTKA) betreut. Die Verantwortung für den Inhalt dieser Veröffentlichung liegt bei den Autorinnen und Autoren.
