Die Normungsroadmap "Innovative Arbeitswelt" bietet einen Überblick zu aktuellen Entwicklungstendenzen der Arbeitswelt. Beschrieben sind Gestaltungspotenziale, die sich aus technischen Möglichkeiten (bspw. Digitalisierung) ergeben und die für die Bedarfe der Gesellschaft (bspw. Flexibilisierung von Arbeitszeit und -ort) genutzt werden können. Damit verbunden sind unter anderem Möglichkeiten zur Kompetenzentwicklung sowie zu weiteren Verbesserungen in der Gestaltung der Belastungs-Beanspruchungs-Situation des Menschen in der Arbeitswelt. In der Normungsroadmap werden mögliche Ansatzpunkte für Aktivitäten der Normung wie auch der Sozialpartner und des Gesetzgebers aufgezeigt.

Since latest the presentation of the concept of Industry 4.0 digitalization is increasingly implemented in industry and especially in production industry. Along with this development the availability and handling of data in production enterprises have been improved and are still objective of further improvements. Additionally, data are the basis for implementing artificial intelligence and using its potentials for many purposes. One of these can be supporting employees completing their tasks. Both, digitalization, and artificial intelligence lead to changes in work design, work processes and organizational structures. Thus, they also have an impact on occupational safety and health and require identifying and assessing the consequences for the physical and mental health of employees. The risk assessment is an essential part of occupational safety and health. It has to be performed for instance in case that new machines or devices will be procured. Further questions in this context concern possibly arising fears of employees, having little experience with new technologies, or the fit of existing and required skills for new technologies. Structured by informational and energetic types of work as well as the design areas technology, organization, and personnel the opportunities of digitalization and artificial intelligence are described within this contribution. Equally, the impact on occupational safety and health is discussed. Finally, the implementation of digitalization and artificial intelligence is outlined and an outlook on future standardization activities is given.

Die Mensch-Roboter-Kollaboration (MRK) steht für die direkte Interaktion von Mensch und Roboter in einem gemeinsamen Arbeitsraum zur gleichen Zeit. Die heutige Forschung fokussiert sich stark auf physische Auswirkungen des MRK-Einsatzes. Bislang gibt es keine (verbindliche) Norm o.ä. zum Umgang mit psychischen Auswirkungen der MRK – diese Aspekte stehen erst in jüngerer Zeit vermehrt im Fokus der Forschung. Beispiele kritischer Folgen des MRK-Einsatzes auf die Psyche stellen den vermuteten Eigensinn der Technik und eine mögliche soziale Isolation bei der ausschließlichen Zusammenarbeit mit dem Roboter dar. Deshalb bedarf es bei der Entwicklung zukünftiger starker Künstlicher Intelligenz (KI) für MRK insbesondere der Beachtung psychologischer Aspekte. Ausgehend von einer Darstellung des Potenzials Maschinellen Lernens und des aktuellen KI-Entwicklungsstandes bei MRK soll der Beitrag Anregungen zur Weiterentwicklung, insbesondere unter Berücksichtigung psychologischer Empfehlungen, geben.

Der Change-Prozess bei der Einführung von KI besteht aus 4 Phasen. Professor Sascha Stowasser und Oliver Suchy erläutern, wie Unternehmen vorgehen sollten.

Mit der zunehmenden Digitalisierung haben die Verfügbarkeit und Aktualität von Daten und Informationen in Unternehmen zugenommen und bilden eine wesentliche Grundlage für den Einsatz Künstlicher Intelligenz. Die Nutzung Künstlicher Intelligenz ist in den Unternehmen bedarfsgerecht zu gestalten. Dies betrifft die Unterstützung menschlicher Arbeit (ob informatorischer oder energetischer Art) genauso wie den erforderlichen Einführungsprozess.

Die Einführung Künstlicher Intelligenz (KI) in Unternehmen bietet Chancen und Potenziale sowohl für die Beschäftigten etwa in Form von Entlastung durch KI-Systeme als auch für die Unternehmen etwa in Form von Verbesserungen in den Arbeitsabläufen oder der Umsetzung neuer Geschäftsmodelle. Die Einführung von KI weist einige Besonderheiten auf, die sich auch auf das Change-Management als auch auf die Beteiligung der Beschäftigten einschließlich der Prozesse der betrieblichen Mitbestimmung auswirken. Der vorliegende Beitrag verfolgt das Ziel, für die Anforderungen des Change-Managements bei Künstlicher Intelligenz zu sensibilisieren und Orientierung für die praktische Umsetzung der Einführung von KI-Systemen in den verschiedenen Phasen des Change-Prozesses zu geben.

Artificial Intelligence (AI) offers a wide range of potentials for safe, autonomous and self-determined work as well as attractive and competitive jobs. For example, AI-based assistance systems can relieve workers of strenuous or dangerous tasks and support them in complex processes and decisions. At the same time, AI systems are changing the interaction between humans and technology in the realm of work. In the future, humans and machines will interact even more strongly – and in different ways – than in the past since Machine Learning (ML) and similar technologies enable machines to perform certain tasks independently and to learn continuously in the process.

Der Einsatz von Künstlicher Intelligenz (KI) eröffnet vielfältige Potentiale für ein sicheres, eigenverantwortliches und selbstbestimmtes Arbeiten sowie attraktive und wettbewerbsfähige Arbeitsplätze. So können KI-basierte Assistenzsysteme Beschäftigte beispielsweise von anstrengenden oder gefährlichen Tätigkeiten entlasten und bei komplexen Prozessen und Entscheidungen unterstützen. Gleichzeitig verändern KI-Systeme die Interaktion von Mensch und Technik in der Arbeitswelt. Mensch und Maschine werden künftig noch stärker – und anders – als bisher zusammenwirken, da Maschinelles Lernen (ML) und ähnliche Technologien Maschinen befähigen, bestimmte Aufgaben selbstständig auszuführen und dabei laufend dazuzulernen.

Prof. Dr.-Ing. habil. Sascha Stowasser, Direktor des ifaa, stellt in seinem Geleitwort für die Fachzeitschrift Arbeit und Arbeitsrecht die Auswirkungen der Künstlichen Intelligenz (KI) auf die Arbeitswelt dar.

Die Einführung Künstlicher Intelligenz (KI) in Unternehmen bietet Chancen und Potenziale sowohl für die Beschäftigten etwa in Form von Entlastung durch KI-Systeme als auch für die Unternehmen etwa in Form von Verbesserungen in den Arbeitsabläufen oder der Umsetzung neuer Geschäftsmodelle. Gleichzeitig müssen – und können – die Herausforderungen beim Einsatz von KI-Systemen angegangen und mögliche negative Begleitimplikationen bearbeitet werden. Der Wandel in den Unternehmen kann dabei nur gemeinsam bewältigt werden. Insgesamt geht es dabei um die Gestaltung eines neuen Verhältnisses zwischen Mensch und Technik, in dem Mensch und KI-System produktiv zusammenwirken und die jeweiligen Stärken betont werden.

Unter künstlicher Intelligenz (KI) werden derzeit überwiegend Maschinen oder (Software-)Systeme verstanden, die nach der Methode des maschinellen Lernens entwickelt wurden. Sie führen Berechnungsschritte selbstständig und ohne explizite Programmierung eines konkreten Lösungswegs durch. Somit können die Verfahren und Algorithmen aus Beispieldaten lernen und Modelle entwickeln, die dann auch auf neue, zuvor noch nicht bekannte Daten angewendet werden können. Der rasante Fortschritt bei der Entwicklung dieser Technologie resultierte in den letzten Jahren in einer Vielzahl an KI-Applikationen in Industrieunternehmen, zum Beispiel in der vorausschauenden Analyse, Qualitätskontrolle, in digitalen Assistenzsystemen, im Wissensmanagement, in der Robotik, intelligenten Automatisierung und vielen weiteren. KI kann also immer mehr, auch kognitiv anspruchsvolle Aufgaben des Menschen übernehmen.
Die Frage der Arbeitsteilung von Mensch und Maschine ist dabei noch nicht abschließend beantwortet. Es gilt eine produktive Kollaboration zwischen Mensch und Maschine zu finden. Beispielsweise dadurch, dass sich betriebliche Vertreter mit KI-Entwicklern bzw. Anbietern von KI-Systemen darauf verständigen, welche Ziele für das Unternehmen durch KI erreicht werden sollen. Eine betriebliche Folgenabschätzung kann sich auf die künftigen Arbeitsinhalte und -anforderungen, sich verändernde Belastungsprofile der Beschäftigten, Qualifikationsbedarfe in der Belegschaft sowie die Arbeitsplatzanzahl beziehen.
Gleichzeitig dürfen die neue Technologie und die sich daraus entwickelnden betrieblichen Einsatzmöglichkeiten neuer Geschäftsmodelle nicht überreguliert werden. In der Arbeitswelt der Zukunft bedarf es Mut und Freiräume, um Dinge partnerschaftlich auszuprobieren, ohne vorher im Detail geklärt haben zu können, was am Ende dabei herauskommt.

Die Digitalisierung bietet zahlreiche neue Möglichkeiten für eine gesunde und produktive Gestaltung der Arbeitswelt. Die Entwicklung und Bereitstellung neuer digitaler Technologien am Markt erfolgt dabei mit einer hohen Dynamik. Die Einführung der Technologien in die betriebliche Praxis und die Gestaltung neuer Arbeitssituationen stellen viele Unternehmen daher vor Herausforderungen. Eine zentrale Frage ist dabei, welche Qualifikationen und Kompetenzen Führungskräfte und Beschäftigte benötigen, um mit der hohen Entwicklungsdynamik umgehen zu können und die Potenziale der Digitalisierung für die tägliche Arbeit und die Wettbewerbsfähigkeit des Betriebes nutzen zu können. Im Beitrag werden aus den aktuellen Veränderungstreibern und den damit verbundenen betrieblichen Bedarfen Qualifikations- und Kompetenzbedarfe abgeleitet und strukturiert beschrieben. Ein Schwerpunkt liegt dabei auf dem Umgang mit der Veränderungsdynamik in der Arbeitswelt.

Digitale Technologien und selbstlernende Software (inkl. Künstliche Intelligenz, KI) verändern die Art und Weise, wie wir in Zukunft arbeiten werden. Dies stellt viele Betriebe vor die Herausforderung, neuartige Lösungen und Maßnahmen für eine produktive, sichere und gesundheitsgerechte Arbeitsgestaltung mit KI zu generieren und umzusetzen. In diesem Beitrag werden erste Beispiele sowie zwei konkrete Instrumente zur Nutzung von KI für eine produktive und präventive Arbeitsgestaltung vorgestellt.

Mit der Einführung neuer Technologien bzw. künstlicher Intelligenz in die Betriebe verändert sich auch die Arbeit von Führungskräften. Der Beitrag stellt ein, im Rahmen des BMBF-Forschungsprojekts Prävention 4.0 entwickeltes, theoretisches Rahmenmodell des Führungspro-zesses in der Arbeitswelt 4.0 vor (in Anlehnung an Nerdinger 2012). Dieses macht deutlich, dass Führung nach wie vor als ein Prozess der Einflussnahme auf andere Menschen beschrieben wird, dieser Führungsprozess jedoch ergänzt wird, durch eine neue Form der Assistenz – die selbstlernende Software. Diese Assistenz kann die Führungskraft bei Entscheidungen sowie der Ausführung von Planungs-, Routine- und Lenkungsaufgaben unterstützen, verändert aber auch die Aufgaben und die Rolle der Führungskraft sowie ggf. das erforderliche Führungsverhalten, um die Leistungsfähigkeit und Motivation von Beschäftigten zu fördern und zu erhalten. Förderliche und hinderliche Faktoren werden im Beitrag basierend auf dem vorgestellten theoretischen Rahmenmodell diskutiert.

Seit Juni 2017 ist Professor Andreas Pinkwart (FDP) Minister für Wirtschaft, Innovation, Digitalisierung und Energie im Kabinett Laschet. Zuvor war der Volkswirt Lehrstuhlinhaber für Innovationsmanagement und Entrepreneurship an der HHL Leipzig Graduate School of Management. Im Gespräch mit ifaa-Direktor Professor Sascha Stowasser und Carsten Seim äußerte er sich zu Fragen rund um künstliche Intelligenz (KI) und Digitalisierung. Der Ingenieurwissenschaftler Stowasser beschäftigt sich am ifaa und am Karlsruher Institut für Technologie (KIT) unter anderem mit der Arbeits- und Betriebsorganisation der Zukunft.

Im Rahmen der Anwenderkonferenz „Künstliche Intelligenz in der Fabrik“ referierten am 28. Mai 2019 ausgewiesene Experten über die Einsatzmöglichkeiten von KI in der Fabrik. Die eintägige Konferenz wurde von Prof. Dr. Norbert Gronau mit einer Keynote zum Thema Chancen und Herausforderungen von KI für die Industrie eröffnet. Vorgestellt wurden Lösungsansätze zur Umsetzung von KI in betrieblichen Informationssystemen, für die Überwachung von Maschinen und für komplexe Produktionsprozesse.

Es ist schwierig, eine allgemeine Definition des Begriffs der künst­lichen Intel­ligenz (KI) zu finden. Zunächst ist die KI ein Teil­gebiet der Informatik. In dieser Wissen­schafts­domäne werden Systeme, Verfahren und Algo­rithmen entwickelt, die kognitive Fähig­keiten wie Lernen, Planen und Problem­lösen nachbilden und in einem Computer realisieren. Zugleich werden mit dem Begriff künst­liche Intel­ligenz auch Computer­systeme bezeichnet, die ein menschen­adäquates Verhalten zeigen beziehungs­weise sich so verhalten, dass eine mensch­liche Intelligenz voraus­gesetzt werden könnte.

Im Zuge der Industrie 4.0 und der fort­schreit­enden Digitali­sierung in der Produktions­industrie, durch die intelli­gente Vernetzung verschied­ener IT-Systeme im Rahmen der vertikalen Inte­gration und durch den Einsatz vernetzter cyber-physischer Systeme fallen umfassende Daten­ströme an, die für unterschied­lichste Auswertungen zusammen­geführt werden können. Die entstehenden Daten­mengen können mithilfe entsprech­ender Techniken systema­tisch zum Zwecke der Prozess- oder Produkt­innovation sowie Entwicklung neuer Geschäfts­modelle analysiert werden. Mit Industrie 4.0 wurde sozusagen eine zentrale Voraus­setzung dafür geschaffen, dass Methoden der künstlichen Intelligenz als Erweiterung von Industrie 4.0 nun Einzug in industrielle Produktions­prozesse halten und hier zusätzliche Produk­tivitäts­gewinne ermöglichen. KI-Technologien sind als Methoden und Verfahren zu verstehen, die es technischen Systemen ermöglichen, ihre Umwelt wahrzunehmen, das Wahr­genommene zu erarbeiten, und selbstständig Probleme zu lösen, Entscheid­ungen zu treffen und aus den Konse­quenzen dieser Entscheid­ungen und Handlungen zu lernen. Der aktuell sehr prominent diskutierte KI-Begriff bezieht sich im Wesent­lichen auf das tiefe Lernen mit Künstlichen Neuronalen Netzen (KNN). Tiefes Lernen orientiert sich in Grund­zügen an der Funktions­weise biologischer neuronaler Netze im mensch­lichen Gehirn und bezeichnet Algorithmen, die mithilfe der nach­gebildeten Netz­strukturen von Nerven­zellen lernen können. Die wesentlichen Anwendungen, bei denen KI-basierte Verfahren und Systeme eingesetzt werden können, sind Predictive Analytics, ein optimiertes Ressourcen­mana­gement, die Qualitäts­kontrolle, intelligente Assistenz­systeme, das Wissens­management, die Robotik, autonomes Fahren, eine intelligente Automa­tisierung sowie intelligente Sensorik.

Aktuell entsteht durch die Digitali­sierung bzw. die zunehmende Nutzung digitaler Techno­logien in der Produktion die sogenannte Industrie 4.0. Dabei betreffen digitale Techno­logien den Umgang mit Informa­tionen bzw. Daten. Die Techno­logie­karten des ifaa bieten einen Über­blick und unter­stützen Anwender, passende Techno­logien für ihre spezifi­schen Bedarfe zu finden.