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 innovative Projektvorhaben "KI_eeper - Know-how to keep" widmet sich dem steigenden Bedarf von Unternehmen, wertvolles Erfahrungswissen effizient zu bewahren. Durch die Nutzung eines multi­modalen KI-Systems, welches ähnlich wie der Mensch mit allen Sinnen lernt, soll das Wissen von Expertinnen und Experten automatisiert im Betrieb gespeichert und neuen oder weniger erfahrener Arbeitskräften bei Bedarf zur Verfügung gestellt werden. Ziel des Projektes ist es, den Wissenstransfer innerhalb des Unternehmens zu optimieren und die Effizienz im Arbeitsprozess zu steigern.

Laufzeit: August 2022 bis Januar 2025

KI_eeper Logo

KI_eeper Arbeitsplatz

Aktuelles

Oktober 2024

Zeit-Redakteur Manuel Heckel berichtet im Magazin „Zeit für Unternehmer“ (Ausgabe 3, Oktober 2024) über das Projekt KI_eeper und wie mithilfe einer KI-Assistenz wertvolles Erfahrungswissen beim Projektpartner apra-norm erhalten wird. Zu Wort kommen Projektmitarbeiterin Nicole Ottersböck und Projektpartner Stefan Meffert.

KI_eeper im Magazin Zeit für Unternehmer vom Oktober 2024
KI_eeper AHFE 2024 Best Paper Certificate

24. Juli 2024

Die KI_eeper-Projekt­partner Christian Cost Reyes, Nicole Ottersböck, Christian Prange, Adrian Discher, Sven Peters und Holger Dander erhalten bei der dies­jährigen International Conference on Applied Human Factors and Ergonomics den Best Paper Award für ihren Konferenzbeitrag „Technical and Socio-Technical Success Factors of AI-Based Know­ledge Manage­ment Projects“. Der Award würdigt die heraus­ragende Darstellung der zwischen­zeitlich im Projekt erarbeiteten Methoden und Lösungs­ansätze.

KI macht Unsichtbares sichtbar - 'Vor der Welle Ai' und Nicole Ottersböck

20. Juni 2024

In dieser Sonderfolge von 'Vor der Welle AI' spricht Katha mit Nicole Ottersböck, der Projektleiterin des Forschungsprojekts KI_eeper, über den demografischen Wandel und die Rolle von KI in der Bewahrung von Erfahrungswissen. Nicole erklärt, wie das Projekt KI-Systeme entwickelt, um das wertvolle Wissen von Basisarbeitern in produktionsbezogenen Arbeitsumgebungen zu speichern und weiterzugeben. Katha und Nicole beleuchten die Herausforderungen, die der Verlust erfahrener Mitarbeiter mit sich bringt, und wie KI als Assistenzsystem unterstützen kann, komplexe Arbeitsprozesse zu meistern.

Zum Podcast „Zukunft der Industriearbeit: KI und demografischer Wandel – Rettung des Erfahrungswissens“:
Direkt bei 'Vor der Welle AI' oder auch bei YouTube, Spotify, Amazon Music, deezer

KI_eeper Artikel Handelsblatt 23.03.2024

23. März 2024

Der Journalist Manuel Heckel berichtet im ePaper und in der Online-Ausgabe des Handelsblatts über gutes Generationen-Management und eine Firmenkultur, die Beschäftigten aller Altersgruppen gerecht wird. Dabei kann auch Technik helfen. In diesem Zusammenhang berichtet Herr Heckel über das Projekt KI_eeper und führt ein kurzes Interview mit Projekt­mitarbeiterin Nicole Ottersböck.

Zum ePaper-Artikel: https://epaper.handelsblatt.com/epaper/handelsblatt-2024-03-22-epa-1090/?interactivelayer=60026

Zum Online-Artikel: https://www.handelsblatt.com/unternehmen/management/diversitaet-wie-gutes-generationen-management-gelingt/100026375.html

KI_eeper Artikel Haufe

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.

Der vollständige Artikel unter www.haufe.de

KI_eeper Artikel FAZ Personaljournal

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.

Der vollständige Artikel unter www.faz-personaljournal.de

KI_eeper Interview caretrialog

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.

Weiterlesen auf caretrialog.de

11. Mai 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.

Mehr erfahren auf deutscher-demografie-preis.de

KI_eeper Nominierung ddp 2023
KI_eeper Spiegel Online

18. September 2022

Spiegel-Redakteur Guido Kleinhubbert berichtet über das Projekt KI_eeper und sein Interview mit Projekt­mitarbeiterin Nicole Ottersböck.

Der vollständige Artikel unter www.spiegel.de

26. August 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).

ifaa KI_eeper Kick-off Gruppenfoto

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

  • ifaa KI_eeper Logo vorderwelle.ai
  • KI_eeper Logo
  • ifaa KI_eeper Logo BMW
  • ifaa KI_eeper Logo
  • ifaa KI_eeper Logo Valuepartner
  • ifaa KI_eeper Logo Valuepartner
  • ifaa KI_eeper Logo Valuepartner
  • ifaa KI_eeper Logo Valuepartner
  • KI_eeper Valuepartner
  • ifaa KI_eeper Logo Valuepartner
  • KI_eeper Valuepartner
  • KI_eeper Valuepartner
  • KI_eeper Valuepartner
  • KI_eeper Valuepartner
  • ifaa KI_eeper Logo Siemens
  • KI_eeper Valuepartner
  • ifaa KI_eeper Logo Valuepartner
  • KI_eeper Valuepartner
  • ifaa KI_eeper Logo Valuepartner
  • ifaa KI_eeper Logo Valuepartner

Sprechen Sie uns an!

Nicole Ottersböck Wissenschaftliche Mitarbeiterin Fachbereich Arbeits- und Leistungsfähigkeit ifaa

Dipl.-Soz. Wiss.
Nicole Ottersböck

Wissenschaftliche Mitarbeiterin
Telefon: +49 211 542263-25

Christian Cost Reyes Wissenschaftlicher Mitarbeiter Fachbereich Unternehmensexzellenz ifaa

Christian Cost Reyes, M. Sc.

Wissenschaftlicher Mitarbeiter
Telefon: +49 211 542263-24

Publikationen

  • Cost Reyes C, Ottersböck N, Prange C, Discher A, Peters S, Dander H (2024) Technical and Socio-Technical Success Factors of AI-Based Knowledge Management Projects. In: Nunes IL (eds) Human Factors and Systems Interaction. AHFE (2024) International Conference. AHFE Open Access, vol 154. AHFE International, USA.
    doi.org/10.54941/ahfe1005354

    Zitieren
    Abstract

    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.

    Zuordnung der Publikation: Künstliche Intelligenz / Lernende Systeme, Christian Cost Reyes, Nicole Ottersböck, KI_eeper, international publication, Soziotechnik, Wissensmanagement, künstliche Intelligenz, KI
  • Ottersböck N, Prange C, Dander H, Peters S (2024) Babyboomer weg, Wissen weg – Partizipative Entwicklung eines KI-basierten, selbstlernenden Assistenzsystems zur Erfassung und Sicherung von implizitem Wissen in der Produktion. In: Zeitschrift für Arbeitswissenschaft (Hrsg) doi.org/10.1007/s41449-024-00419-4

    Zitieren
    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 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.

    Zuordnung der Publikation: Arbeitswelt der Zukunft / New Work, Künstliche Intelligenz / Lernende Systeme, Nicole Ottersböck, KI_eeper, Arbeitswissenschaft, Machine Learning, Künstliche Neuronale Netze, Soziotechnik, Change, Change-Management, Wissensmanagement, künstliche Intelligenz, Sozio-Technik, Wissenstransfer
  • Ottersböck N (2024) Projekt KI_eeper: Assistenzsysteme zum Wissenstransfer und -erhalt. In: Staff J, Groß M (Hrsg) KI-Revolution der Arbeitswelt: Perspektiven für Management, Organisation und HR. Auswirkungen, Einfluss, Chancen von Künstlicher Intelligenz auf Berufsbilder und Arbeitsformen. Haufe Fachbuch, S 264-277

    Zitieren
    Abstract

    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.

    Zuordnung der Publikation: Arbeitswelt der Zukunft / New Work, Digitalisierung / Industrie 4.0, Nicole Ottersböck, KI_eeper, Arbeitswissenschaft, arbeitswissenschaftliche Empfehlungen, Digitalisierungsmaßnahmen, Soziotechnik, Methodensammlung, Change, Change-Management, Wissensmanagement, Maßnahmen, Akzeptanz, Sozio-Technik, Methode, Wissenstransfer
  • Ottersböck N, Discher A, Cost Reyes C, Ternes J, Dander H (2024) Implementierung eines selbstlernenden KI-Assistenzsystems in der Produktion: Mitarbeiterzentrierte Vorgehensweise bei der Softwareeinführung zum Aufbau des Datenpools. In: GfA (Hrsg.), St. Augustin Frühjahrskongress 2024, Stuttgart, „Arbeitswissenschaft in-the-loop:
    Mensch-Technologie-Integration und ihre Auswirkung auf Mensch, Arbeit und Arbeitsgestaltung“, Beitrag B.3.6. 

    Zitieren
    Zuordnung der Publikation: Fachkräftesicherung, Künstliche Intelligenz / Lernende Systeme, Christian Cost Reyes, Nicole Ottersböck, KI_eeper, KI, demografischer Wandel, Forschungsprojekt KI_eeper
  • Ottersböck N, Urban I, Cost Reyes C, Peters S, Boiteux C (2024) Employee Acceptance for AI Based Knowledge Transfer: Conception, Realization and Results of an ELSI+UX Workshop. January 2024. Procedia Computer Science 232(4):221-231

    Zitieren
    Zuordnung der Publikation: Arbeitswelt der Zukunft / New Work, Künstliche Intelligenz / Lernende Systeme, Christian Cost Reyes, Nicole Ottersböck, Isabella Urban, KI_eeper, Digital work, Künstliche Neuronale Netze, Fabrik, Fachkompetenz, Ganzheitliche Produktionssysteme, Publikationen, Publikation, KMU, Metall- und Elektroindustrie, Projekt, Arbeitswelt der Zukunft, Arbeitsproduktivität, Workshop, Soziotechnik, Veränderungsfähigkeit, Technik, Risikomanagement, Kommunikation, Forschungsprojekt KI_eeper
  • Prange C, Beikzadeh A, Dander H, Ottersböck N (2024) Identification of Machine Learning Algorithms to Share Tacit Experimental Knowledge in Manual Production. In: Zinke-Wehlmann C & Friedrich J (Hrsg) First Working Conference
    on Artificial Intelligence Development for a Resilient and Sustainable Tomorrow. AI Tomorrow 2023. Springer Viehweg 143-151 Online frei verfügbar unter: Identification of Machine Learning Algorithms to Share Tacit Experimental Knowledge in Manual Production | SpringerLink

    Zitieren
    Abstract

    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.

    Zuordnung der Publikation: Arbeitswelt der Zukunft / New Work, Digitalisierung / Industrie 4.0, Künstliche Intelligenz / Lernende Systeme, Produktions- und Unternehmenssystemgestaltung, Nicole Ottersböck, KI_eeper, Data Science, Machine Learning, arbeitswissenschaftliche Kriterien, KI, Forschungsprojekt KI_eeper, Wissenstransfer
  • Schmidt, C. M., Stich, A., Suchy, O., André, E., Bullinger-Hoffmann, A., Bittner, E., Heister, M., Huchler, N., Peissner, M., Prasuhn, P., Steil, J., Wilkens, U., Kraus, M., Ottersböck, N. (2024): KI für die Fachkräftesicherung nutzen. Lösungsansätze für Automatisierung, Teilhabe und Wissenstransfer. Whitepaper aus der Plattform Lernende Systeme, München. DOI: https://doi.org/10.48669/pls_2024-2

    Zitieren
    Abstract

    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

    Zuordnung der Publikation: Arbeitsgestaltung / Ergonomie, Arbeitswelt der Zukunft / New Work, Digitalisierung / Industrie 4.0, Fachkräftesicherung, Künstliche Intelligenz / Lernende Systeme, Produktions- und Unternehmenssystemgestaltung, Nicole Ottersböck, KI_eeper, Fachkräftemangel, KI, Forschungsprojekt KI_eeper, Fachkräftesicherung
  • Harlacher M, Terstegen S, Ottersböck N, Lennings F, Niehues S, Conrad RW, Schüth NJ, Urban I (2023) Roadmap für den Weg zur eigenen KI-Lösung. In: Stowasser S (Hrsg) Künstliche Intelligenz (KI) und Arbeit. ifaa-Edition. Springer Vieweg, Berlin, Heidelberg, S 73–105. doi.org/10.1007/978-3-662-67912-8_5

    Zitieren
    Abstract

    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.

    Zuordnung der Publikation: Digitalisierung / Industrie 4.0, Künstliche Intelligenz / Lernende Systeme, Ralph W. Conrad, Frank Lennings, Nicole Ottersböck, Nora Johanna Schüth, Isabella Urban, Sina Niehues, Markus Harlacher, Sebastian Terstegen, KI_eeper, Transformation, Change, Change-Management, künstliche Intelligenz, KI
  • Lötzerich-Bernhard K [Interview mit Ottersböck N, Dander H, Cost Reyes C] (2023) Vermeidung von Wissensverlust. In: CareTRIALOG Blog (21.06.2023). https://www.caretrialog.de/vermeidung-von-wissensverlust. Zugegriffen: 23.02.2024

    Zitieren
    Zuordnung der Publikation: Arbeitsgestaltung / Ergonomie, Digitalisierung / Industrie 4.0, Fachkräftesicherung, Künstliche Intelligenz / Lernende Systeme, Christian Cost Reyes, Nicole Ottersböck, KI_eeper, Digital transformation, Arbeitswissenschaft, Automatisierung, Maschinelles Lernen, Machine Learning, Künstliche Neuronale Netze, digitale Transformation, Interview, Wissensmanagement, künstliche Intelligenz
  • 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

    Zitieren
    Zuordnung 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, Verfahren
  • Ottersböck N (2023) Tipps gegen die KI-Angst von Beschäftigten. In: HaufePersonal Blog. https://www.haufe.de/personal/hr-management/tipps-gegen-die-ki angst-vonbeschaeftigten_80_604568.html

    Zitieren
    Zuordnung der Publikation: Digitalisierung / Industrie 4.0, Künstliche Intelligenz / Lernende Systeme, Nicole Ottersböck, KI_eeper, Digital transformation, vernetzte Digitalisierung, Künstliche Neuronale Netze, digitale Transformation, Assistenzsystem, Change, Change-Management, Assistenz, künstliche Intelligenz, Forschungsprojekt KI_eeper, Akzeptanz
  • Ottersböck N, Dander H, Prange C (2023) Prozesswissen durch KI sichern und transferieren. Industrie 4.0 Management 39(6):51-54

    Zitieren
    Zuordnung der Publikation: Künstliche Intelligenz / Lernende Systeme, Nicole Ottersböck, KI_eeper, Digital transformation, vernetzte Digitalisierung, digitale Transformation, Digitalisierung, Digitalisierungsmaßnahmen, Assistenzsystem, Produktions-/Prozessoptimierung, Assistenz, künstliche Intelligenz, Forschungsprojekt KI_eeper, Prozessgestaltung, Veränderungsprozess
  • 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

    Zitieren
    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

    Zitieren
    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, Urban I, Cost Reyes C (2023) Beschäftigte für KI-basierte Technik begeistern. Forschungsbericht aus dem Projekt KI_eeper – know how to keep. In: ifaa - Institut für angewandte Arbeitswissenschaft (Hrsg) Werkwandel – Zeitschrift für angewandte Arbeitswissenschaft 3/23:44-47

    Zitieren
    Zuordnung der Publikation: Arbeitsgestaltung / Ergonomie, Digitalisierung / Industrie 4.0, Fachkräftesicherung, Künstliche Intelligenz / Lernende Systeme, Christian Cost Reyes, Nicole Ottersböck, Isabella Urban, KI_eeper, Digital transformation, ifaa KI-Studie, Bedürfnisse der Beschäftigten, Maschinelles Lernen, Künstliche Neuronale Netze, Digitalisierung, Industrie 4.0, KMU, Fachkräftemangel, Arbeitswelt 4.0, ifaa-Publikationen
  • Peifer Y, Ottersböck N, Ramm G, Prange C, Dander H (2023) Künstliche Intelligenz in der Anwendung. In: Stowasser S (Hrsg) Künstliche Intelligenz (KI) und Arbeit. ifaa-Edition. Springer Vieweg, Berlin, Heidelberg, S 27–47. doi.org/10.1007/978-3-662-67912-8_3

    Zitieren
    Abstract

    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.

    Zuordnung der Publikation: Digitalisierung / Industrie 4.0, Künstliche Intelligenz / Lernende Systeme, Nicole Ottersböck, Gerda Maria Ramm, Yannick Peifer, KI_eeper, Industrie 4.0, künstliche Intelligenz, KI
  • Rusch 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

    Zitieren
    Abstract

    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.

    Zuordnung der Publikation: Fachkräftesicherung, Künstliche Intelligenz / Lernende Systeme, Nicole Ottersböck, Tobias Rusch, Sascha Stowasser, KI_eeper, international publication, Fachkräftemangel, Wissensmanagement, künstliche Intelligenz, KI, Wissenstransfer
  • Rusch 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. WERKWANDEL 2(2023):31–34

    Zitieren
    Zuordnung 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, Wissenstransfer
  • 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

    Zitieren
    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
  • Ottersböck N, Rusch T (2022) Babyboomer weg – Wissen weg. Ist ein Gegensteuern mit Künstlicher Intelligenz möglich? WERKWANDEL 3(2022):28–31

    Zitieren
    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

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.

Projektförderung BMBF Bundesministerium für Bildung und Forschung