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.