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
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.
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.
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
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
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. 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.
18. September 2022
Spiegel-Redakteur Guido Kleinhubbert berichtet über das Projekt KI_eeper und sein Interview mit Projektmitarbeiterin Nicole Ottersböck.
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).
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
Sprechen Sie uns an!
Dipl.-Soz. Wiss.
Nicole Ottersböck
Wissenschaftliche Mitarbeiterin
Telefon: +49 211 542263-25
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/ahfe1005354ZitierenAbstractThe 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, KIOttersböck 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
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 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, WissenstransferOttersböck 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
ZitierenAbstractIm 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, WissenstransferOttersböck 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.ZitierenZuordnung der Publikation: Fachkräftesicherung, Künstliche Intelligenz / Lernende Systeme, Christian Cost Reyes, Nicole Ottersböck, KI_eeper, KI, demografischer Wandel, Forschungsprojekt KI_eeperOttersböck 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
ZitierenZuordnung 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_eeperPrange 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 | SpringerLinkZitierenAbstractDie 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, WissenstransferSchmidt, 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
ZitierenAbstractDie 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
3Zuordnung 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, FachkräftesicherungHarlacher 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
ZitierenAbstractDie 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, KILötzerich-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
ZitierenZuordnung 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 IntelligenzOttersböck, 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 (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
ZitierenZuordnung 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, AkzeptanzOttersböck N, Dander H, Prange C (2023) Prozesswissen durch KI sichern und transferieren. Industrie 4.0 Management 39(6):51-54
ZitierenZuordnung 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, VeränderungsprozessOttersböck 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, 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
ZitierenZuordnung 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-PublikationenPeifer 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
ZitierenAbstractIn 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, KIRusch 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. WERKWANDEL 2(2023):31–34
ZitierenZuordnung 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_eeperOttersböck N, Rusch T (2022) Babyboomer weg – Wissen weg. Ist ein Gegensteuern mit Künstlicher Intelligenz möglich? WERKWANDEL 3(2022):28–31
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_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.