ifaa Künstliche Intelligenz

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

KI_eeper Logo

KI_eeper Arbeitsplatz

Aktuelles

KI_eeper Kick-off Düsseldorf

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

KI_eeper Konsortium

Valuepartner

  • Das Demographie Netzwerk e. V. (ddn), Dortmund
  • Elabo GmbH, Crailsheim
  • IG Metall Vorstand, Frankfurt am Main
  • KFV Karl Fliether GmbH & Co. KG, Velbert
  • Magna IHV Gesellschaft für Innenhochdruckverfahren mbH, Heilbronn
  • Märkischer Arbeitgeberverband e. V. (MAV), lserlohn
  • METALL NRW Verband der Metall- und Elektro-Industrie Nordrhein-Westfalen e. V., Düsseldorf
  • vem.die arbeitgeber e. V., Koblenz
  • Verband der Metall- und Elektroindustrie Baden-Württemberg e. V. (Südwestmetall), Stuttgart
  • Verband der Metall- und Elektro-Unternehmen Hessen e. V. (HESSENMETALL), Frankfurt

Ihre Ansprechpartner*innen für das Projekt

Nicole Ottersböck Wissenschaftliche Mitarbeiterin Fachbereich Arbeits- und Leistungsfähigkeit ifaa

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

Publikationen

  • Ottersböck 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

    Abstract

    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.

    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_eeper
  • Ottersböck 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

    Zuordnung 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_eeper
  • Ottersböck N, Rusch T (2022) Babyboomer weg - Wissen weg. Ist ein Gegensteuern mit Künstlicher Intelligenz möglich? In: ifaa (Hrsg) WERKWANDEL 3/2023, 28-31 https://magazin.werkwandel.de/werkwandel-3-22/67387285/28

    Zuordnung 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_eeper
  • Rusch 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

    Abstract

    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.

    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.

BMBF