Entwicklung ethischer KI-Geschäftsmodelle

Künstliche Intelligenz (KI) entwickelt sich zunehmend zu einem zentralen Element der Unternehmensstrategie und der operativen Abläufe. Sie ermöglicht datengestützte Entscheidungsfindung, steigert die Prozesseffizienz und unterstützt die Entwicklung neuer Produkte und Dienstleistungen [1–3]. Im industriellen Kontext veranschaulichen Anwendungen wie vorausschauende Wartung und Echtzeit-Produktionsoptimierung das transformative Potenzial von KI. Damit ist KI nicht länger nur eine unterstützende Funktion, sondern ein strategischer Treiber der Geschäftsmodellinnovation [4–6].

Die Einführung von KI bringt jedoch auch erhebliche Herausforderungen mit sich. Dazu zählen Risiken im Hinblick auf Datenschutz, algorithmische Verzerrungen, mangelnde Transparenz sowie den Verlust von Arbeitsplätzen [7, 8]. Diese Bedenken spiegeln sich zunehmend sowohl in der öffentlichen Debatte als auch in regulatorischen Entwicklungen wider. So unterstreicht etwa das KI-Gesetz der Europäischen Union (EU AI Act) die wachsende Erwartung, dass KI-Systeme nicht nur effektiv, sondern auch fair, rechenschaftspflichtig und transparent sein müssen [9–12].

Für kleine und mittlere Unternehmen (KMU) stellt die Implementierung von KI eine doppelte Herausforderung dar. Einerseits stehen KMU unter dem Druck, durch KI-basierte Lösungen zu innovieren und im Wettbewerb zu bestehen. Andererseits fehlen ihnen häufig die internen Ressourcen und das erforderliche Fachwissen, um sowohl die technologische Komplexität als auch die zunehmenden ethischen und rechtlichen Anforderungen zu bewältigen [13]. Bestehende Geschäftsmodell-Tools wie das Business Model Canvas [14] und der Business Model Navigator [5] bieten zwar eine wertvolle Struktur, wurden jedoch nicht mit Blick auf die spezifischen Merkmale von KI-Systemen entwickelt, insbesondere in den frühen Phasen der Innovation.

Dieser Artikel stellt ein praxisorientiertes Tool zur Schließung dieser Lücke vor. Das Tool besteht aus zwei sich ergänzenden Kartensätzen: KI-Geschäftsmodellkarten, die empirisch fundierte Muster KI-basierter Wertschöpfung abbilden, sowie KI-Ethikprinzipienkarten, die abstrakte ethische Prinzipien in handlungsleitende Impulse für eine frühzeitige Reflexion übersetzen. Zusammen unterstützen diese Karten interdisziplinäre Teams dabei, Ideen strukturiert zu entwickeln, strategische und ethische Anforderungen in Einklang zu bringen und KI-gestützte Geschäftsmodelle zu prototypisieren.

Der Beitrag beginnt mit der Darstellung theoretischer und praktischer Grenzen bestehender Geschäftsmodell-Frameworks im Kontext von KI. Anschließend wird die Entwicklung des kartenbasierten Tools beschrieben, gefolgt von einer detaillierten Darstellung seiner Anwendung in einem Co-Creation-Setting mit einem mittelständischen Industrieunternehmen. Die Ergebnisse zeigen, wie strukturierte Tools Unternehmen dabei unterstützen, KI-getriebene Innovationen mit ethischen Anforderungen in Einklang zu bringen und so zu einer vertrauenswürdigeren Entwicklung von Geschäftsmodellen beizutragen.

Hintergrund: Ethik von Anfang an

KI beeinflusst zunehmend, wie Organisationen Wert konzipieren und schaffen. Traditionelle Geschäftsmodell-Tools wie das Business Model Canvas [14] und der Business Model Navigator [5] haben grundlegende Rahmenwerke für strategische Innovation etabliert. Diese Tools unterstützen Teams dabei, komplexe Geschäftslogiken in modulare Elemente zu zerlegen, und sind mittlerweile branchenübergreifend zur Standardpraxis geworden, insbesondere in kleinen und mittleren Unternehmen. Allerdings wurden sie ursprünglich nicht mit Blick auf die adaptive und datengesteuerte Natur von KI entwickelt.

Das Business Model Canvas nutzt neun Bausteine, um zentrale Bereiche wie Kundensegmente, Wertversprechen und Erlösströme abzubilden. Im Gegensatz dazu verfolgt der Business Model Navigator einen musterbasierten Ansatz, der entlang von vier Leitfragen strukturiert ist: Wer ist der Kunde? Was wird angeboten? Wie wird es bereitgestellt? Wie wird Wert abgeschöpft? [5] 

KI-Technologien können alle vier Kernelemente eines Geschäftsmodells gleichzeitig verändern. Sie beeinflussen, wer der relevante Kunde ist (z. B. durch die Ermöglichung von B2B2C- oder Multi-User-Konfigurationen), definieren neu, was angeboten wird (z. B. durch adaptive oder datenangereicherte Services), transformieren, wie Wert bereitgestellt wird (z. B. durch Echtzeitautomatisierung oder delegierte Entscheidungsfindung), und verschieben, wie Wert abgeschöpft wird (z. B. durch nutzungsbasierte Preismodelle oder Datenmonetarisierung).

Die meisten bestehenden Geschäftsmodellmuster bilden diese Entwicklungen jedoch nicht ab. Entsprechend ist es erforderlich, etablierte Rahmenwerke zu erweitern oder neu zu denken, um die strategischen und ethischen Implikationen KI-getriebener Innovation umfassend zu erfassen.

KI-Systeme zeichnen sich durch Lernen, Personalisierung und kontextuelle Anpassung aus [15]. Sie agieren häufig nichtlinear und passen sich Eingabedaten, Nutzungskontexten oder Systemrückmeldungen an. Dadurch stellen sie etablierte Designannahmen zu festen Wertversprechen oder vorhersehbarem Nutzerverhalten infrage. In der Praxis fällt es insbesondere kleinen und mittleren Unternehmen schwer, diese dynamischen Merkmale mit herkömmlichen Modellierungswerkzeugen angemessen abzubilden.

Jüngere Forschungsarbeiten haben begonnen, diese Lücke zu adressieren. Soudi und Bauters [16] identifizieren eine Reihe KI-spezifischer Geschäftsmodellmuster, etwa „KI-gestützte Dienstleister“ und „KI-Entwicklungsförderer“, die dabei helfen, Innovationslogiken in Kontexten zu strukturieren, in denen KI sowohl das Leistungsangebot als auch dessen Bereitstellung verändert. Diese Taxonomie verdeutlicht beispielsweise, dass KI nicht nur neue Technologien erfordert, sondern auch neue Denkweisen in Bezug auf Wertschöpfung und Wertabschöpfung.

Die Komplexität erhöht sich weiter, wenn ethische Aspekte berücksichtigt werden. KI-Systeme verarbeiten häufig sensible Daten, treffen folgenreiche Entscheidungen oder beeinflussen menschliches Verhalten und werfen damit Fragen der Transparenz, Fairness und Autonomie auf [9, 10]. Diese ethischen Aspekte sind nicht randständig, sondern gewinnen sowohl für die regulatorische Compliance, wie sie sich etwa im EU AI Act widerspiegelt [12], als auch für das langfristige Vertrauen in Organisationen zunehmend an Bedeutung.

Ethische Aspekte sind jedoch nach wie vor nur unzureichend in die meisten Tools zur Geschäftsmodellinnovation integriert. Barton und Pöppelbuß [9] zeigen, dass Praktiker zwar häufig die Bedeutung ethischer Ausrichtung betonen, ihnen jedoch konkrete Instrumente fehlen, um diese bereits in den frühen Phasen der Konzeption systematisch zu adressieren. Menschzentrierte Innovationsansätze wie Service Design oder Design Thinking [15] bieten zwar hilfreiche Rahmungen, liefern jedoch in der Regel keine strukturierte Anleitung zum Umgang mit den spezifischen ethischen Spannungen von KI.

Die dynamische, datengesteuerte Logik von KI-Systemen, die wachsenden ethischen Anforderungen sowie der Mangel an praxisnahen Reflexionsmethoden stellen insbesondere kleine und mittlere Unternehmen vor besondere Herausforderungen. Im Gegensatz zu größeren Unternehmen verfügen KMU häufig nur über begrenzte strategische und technische Ressourcen, sind jedoch vergleichbaren technologischen, regulatorischen und ethischen Anforderungen ausgesetzt [13].

Während ethische KI-Prinzipien wie Fairness, Transparenz und Rechenschaftspflicht inzwischen breit diskutiert werden, bleiben die meisten verfügbaren Rahmenwerke zu allgemein oder zu komplex, um im KMU-Kontext praktikabel zu sein. Zudem sind KMU selten in die Entwicklung dieser Leitlinien eingebunden, und praxisorientierte Instrumente zur Verknüpfung von KI-Innovation und ethischer Anschlussfähigkeit fehlen weitgehend [13].

Dies unterstreicht den Bedarf an zugänglichen, umsetzungsorientierten Methoden, die sowohl Innovation als auch ethische Reflexion von Beginn an unterstützen. Um dieser Herausforderung zu begegnen, stellen wir ein modulares Tool vor, das sowohl die KI-spezifische Erkundung von Geschäftsmodellen als auch eine wertorientierte ethische Reflexion ermöglicht.

Kartendesign

Diese Studie folgte einem designorientierten Ansatz [17, 18], um ein praxisnahes Tool zu entwickeln, das kleine und mittlere Unternehmen bei der Entwicklung KI-basierter Geschäftsmodelle unterstützt und dabei ethische Aspekte von Beginn an integriert. Das Projekt erstreckte sich über drei Jahre (2021–2024) und wurde in Zusammenarbeit mit der SEEPEX GmbH, einem mittelständischen Industrieunternehmen, durchgeführt. Ziel war es zu untersuchen, wie interne Analysefähigkeiten in extern nutzbare KI-Dienstleistungen überführt werden können. Dieses Setting bot ein konkretes Umfeld, um das Tool in der Praxis zu gestalten, zu testen und schrittweise zu verfeinern.

Die initiale Forschungsphase kombinierte eine Literaturrecherche mit 18 halbstrukturierten Interviews mit Fachleuten, die über Erfahrung in den Bereichen KI-Strategie, digitale Innovation und Geschäftsentwicklung verfügen. Die Interviews wurden mithilfe eines von der Grounded Theory inspirierten Kodierungsansatzes nach der Gioia-Methode [19] ausgewertet.

Die Analyse identifizierte zentrale Herausforderungen, darunter das Fehlen einer gemeinsamen Terminologie für die Gestaltung KI-basierter Geschäftsmodelle, mangelnde Orientierung bei der Identifikation KI-spezifischer Geschäftsmodellmuster sowie begrenzte Methoden zur Berücksichtigung ethischer Aspekte in frühen Designphasen.

Als Reaktion darauf haben wir ein modulares, kartenbasiertes Tool entwickelt, das aus zwei sich ergänzenden Sets besteht:

• KI-Geschäftsmodellkarten: Dieser Kartensatz umfasst 20 wiederkehrende Muster KI-gestützter Wertschöpfung, Wertbereitstellung, Wertabschöpfung und Kundenorientierung (Bild 1). Die Karten basieren auf empirischer Forschung und sind entlang etablierter Geschäftsmodell-Frameworks wie dem Business Model Navigator [5] strukturiert. Jede Karte enthält auf der Vorderseite einen Titel und eine visuelle Darstellung und bietet auf der Rückseite eine kurze Beschreibung, ein praktisches Beispiel sowie eine Leitfrage (Bild 2). Um die Tabelle übersichtlich zu halten, werden für jede Karte ausschließlich Beispiele zur Wert Proposition („Was“) dargestellt. Der vollständige Kartensatz adressiert darüber hinaus auch Aspekte der Wertbereitstellung und Wertabschöpfung.
• KI-Ethikprinzipienkarten: Dieser Kartensatz übersetzt sechs abstrakte ethische Prinzipien wie Transparenz, Gerechtigkeit, Wohltätigkeit, Nichtschädigung, Autonomie und Datensicherheit in handlungsleitende Impulse. Jede Karte enthält auf der Vorderseite einen Titel und ein Icon und bietet auf der Rückseite eine kurze Definition sowie ein Anwendungsbeispiel (Bild 3). Die Karten sind darauf ausgelegt, eine frühzeitige ethische Reflexion und strukturierte Diskussion zu unterstützen und dienen ausdrücklich nicht als Compliance-Instrumente [9, 10].

Die Karten wurden in mehreren Designiterationen weiterentwickelt, die auf Nutzerfeedback sowie empirischer Validierung in drei Co-Creation-Workshops mit SEEPEX und weiteren Projekt- und Industriepartnern zwischen 2022 und 2024 basierten. Die Workshops folgten einem Design-Thinking-Format und integrierten Methoden wie das Business Model Canvas, Szenario-Mapping und Konzeptskizzen. Sämtliche Workshops wurden durch Moderatorennotizen und Workshop-Artefakte dokumentiert, die in die anschließende Verbesserung von Inhaltsstruktur, Benutzerfreundlichkeit und Integration einflossen.

Fallstudie: Gemeinsame Entwicklung KI-basierter Geschäftsmodellinnovationen mit KMU

Um die praktische Anwendung des Tools zu untersuchen, führten wir einen Co-Innovationsprozess mit der SEEPEX GmbH durch, einem mittelständischen Industrieunternehmen, das auf Pumpen- und Durchflusstechnologien spezialisiert ist. Das Unternehmen agiert in einem wettbewerbsintensiven globalen B2B-Markt und steht unter dem Druck, seine Angebote zu differenzieren, Serviceprozesse zu optimieren und neue digitale Wachstumschancen zu erschließen. Vor dem Hintergrund des zunehmenden Interesses an KI suchte das Unternehmen nach strukturierter externer Unterstützung, um zu prüfen, wie KI strategisch fundiert und ethisch verantwortungsvoll in das Geschäftsmodell integriert werden kann.

Der Umfang des Pilotprojekts konzentrierte sich auf frühe Phasen der Geschäftsmodellentwicklung, insbesondere auf die Phasen „Explore“ und „Ideate“. Während das fünfphasige Rahmenwerk (Bild 4) als übergeordnete Orientierung diente, wurde das kartenbasierte Tool gezielt in den ersten beiden Phasen eingesetzt, um eine strukturierte Identifikation von Chancen sowie die Ideenentwicklung zu unterstützen. In den Prozess war ein interdisziplinäres internes Team aus den Bereichen Produktmanagement, Geschäftsentwicklung, Serviceprozesse und Datenanalyse eingebunden, das von externen Forschenden mit Expertise in Geschäftsmodellinnovation, KI-Ethik und menschenzentriertem Design unterstützt wurde.

Die Zusammenarbeit erfolgte im Rahmen von drei Workshops, die sich auf Erkundung, Ideenentwicklung und Prototypisierung konzentrierten. In den Workshops kamen kreative Methoden sowie etablierte Tools, darunter das Business Model Canvas und das Value Proposition Canvas, in Kombination mit den Kartensätzen zum Einsatz.

Explore: Die aktuelle Landschaft verstehen

In der ersten Phase lag der Schwerpunkt auf der Analyse der bestehenden Geschäftslogik des Unternehmens sowie auf der Identifikation potenzieller KI-Anwendungsfelder. Ein strukturierter Analyseprozess umfasste eine Bewertung der digitalen Reife, halbstrukturierte Interviews sowie eine Geschäftsmodell-Mapping-Session unter Verwendung des Business Model Canvas und des Value Proposition Canvas.

Dadurch konnten Engpässe in der Wertbereitstellung und bislang ungenutzte Datenressourcen identifiziert werden. Ethische Rahmungen wurden frühzeitig eingeführt, um erste Fragestellungen wie Auswirkungen auf die Belegschaft, Transparenz KI-gestützter Entscheidungen und Fairness in der Leistungserbringung zu erfassen. Diese Aspekte dienten als Orientierung für die nachfolgenden Phasen.

Ideate: Generierung und Bewertung von Geschäftsmodelloptionen

Aufbauend auf den identifizierten Chancenfeldern untersuchte das Team eine Vielzahl KI-gestützter Geschäftsmodellkonfigurationen. In einem dedizierten Ideationsworkshop wurden die KI-Geschäftsmodellkarten eingesetzt, um das Denken entlang von Wertschöpfung, Wertbereitstellung und Wertabschöpfung zu strukturieren. Die Karten unterstützten die Entwicklung von über einem Dutzend Konzeptideen, darunter prädiktive Wartung als Service sowie intelligente Kundensupportlösungen.

Zur Integration ethischer Vorausschau wurden ergänzend die KI-Ethikprinzipienkarten eingeführt. Diese regten die Teams dazu an, potenzielle Risiken, Verantwortlichkeiten und Fragen des Nutzervertrauens zu reflektieren. Anschließend wurden die Konzepte hinsichtlich Machbarkeit, Attraktivität, ethischer Risiken und strategischer Passung bewertet. Drei vielversprechende Ideen wurden für die weitere Ausarbeitung ausgewählt.

Prototype: Entwicklung und Verfeinerung von Konzepten

Obwohl die ursprünglichen Forschungsaktivitäten die Phasen Prototyp, Test und Realisierung nicht formal umfassten, entwickelte das Unternehmen vier ausgewählte Ideen eigenständig zu prototypischen Geschäftsmodellvorlagen für weiterführende Analysen. Diese Konfigurationen bildeten die Grundlage für potenziell neue Geschäftsmodelle, die auf sich wandelnde Kundenbedürfnisse sowie KI-gestützte Dienstleistungsoptionen zugeschnitten sind. Zur Veranschaulichung, wie frühe Ideationsphasen in konkrete Ergebnisse überführt wurden, werden im Folgenden zwei der vier Prototypen beschrieben. Beide basieren auf Mustern, die mithilfe der KI-Geschäftsmodellkarten eingeführt und auf den industriellen Dienstleistungskontext von SEEPEX angepasst wurden.

Das Muster „Smart Diagnostic Support“ beschreibt KI-Anwendungen, die Nutzer bei der Überwachung und Wartung von Anlagen unterstützen, indem sie automatisiert Erkenntnisse aus Betriebsdaten generieren. Es ist insbesondere in Szenarien relevant, in denen menschliches Fachwissen weiterhin eine zentrale Rolle spielt, jedoch durch KI-gestützte Empfehlungen ergänzt werden kann. SEEPEX überführte diese Logik in einen Self-Service-Prototyp.

Kunden greifen über die SEEPEX Analytics Platform auf Leistungsdaten von Pumpen zu, interpretieren diese und erhalten automatisierte Hinweise zu Wartung, Fehlerbehebung und Energieoptimierung. Das Modell reduziert dadurch Ausfallzeiten und Betriebskosten, ohne eine kontinuierliche Experteninteraktion zu erfordern. Es richtet sich insbesondere an technisch versierte Kunden, die digitale Werkzeuge bevorzugen, welche eine autonome Entscheidungsfindung unterstützen.

Das Modell „Operations Support Service“ konzentriert sich auf KI-gestützte operative Entscheidungen in enger Zusammenarbeit mit einem Dienstleister. Es umfasst in der Regel delegierte Überwachungsaufgaben und kontinuierliche Beratung, insbesondere für Kunden, die Zuverlässigkeit suchen, ohne die Komplexität selbst zu bewältigen. SEEPEX hat dies in den Prototyp „Digital Full Service“ übernommen.

In diesem Modell überwachen SEEPEX-Experten die Pumpen kontinuierlich und leiten proaktiv Wartungsmaßnahmen ein. Kunden lagern operative Risiken und Ressourcenaufwand aus und profitieren gleichzeitig von erhöhter Zuverlässigkeit und reduzierter interner Arbeitsbelastung. Das Modell unterstützt vertrauensbasierte, langfristige Servicebeziehungen und ist besonders attraktiv für Kunden mit begrenzten internen Wartungskapazitäten.

Zusammen repräsentieren diese Prototypen unterschiedliche Positionen auf einem Spektrum von Kundenbeteiligung und operativer Verantwortung. Die Zusammenarbeit mündete in ein Portfolio KI-basierter Geschäftsmodellkonfigurationen, die unterschiedliche Servicepräferenzen und Formen der Risikoteilung abbilden. Während das kartenbasierte Tool primär in der frühen Ideationsphase eingesetzt wurde, beeinflussten seine strukturierten Leitfragen, ethischen Prinzipien und modularen Muster auch nachgelagerte Prototyping-Aktivitäten.

Obwohl diese Konfigurationen weder formal getestet noch implementiert wurden, verdeutlicht die Fallstudie, wie abstrakte Designmuster als Brücke zwischen ethischer Vorausschau und angewandter Geschäftsmodellentwicklung dienen können.

Fazit: Tools für die frühe Ideenfindung

Dieser Artikel stellt modulare Instrumente vor, die kleine und mittlere Unternehmen bei der Entwicklung KI-basierter Geschäftsmodelle unterstützen und dabei ethische Reflexion von Beginn an integrieren. Durch die Kombination musterbasierten Orientierungswissens (KI-Geschäftsmodellkarten) mit wertorientierten Leitfragen (KI-Ethikprinzipienkarten) adressiert das Tool eine zentrale Lücke in bestehenden Rahmenwerken. Die Einbettung in die frühen Phasen eines fünfphasigen Innovationsprozesses unterstützt eine strukturierte Ideenentwicklung, die Abstimmung interdisziplinärer Perspektiven sowie die Sensibilisierung für ethische Risiken und Verantwortlichkeiten.

Die Fallstudie verdeutlichte die praktische Relevanz des Tools, insbesondere in den Phasen „Explore“, „Ideate“ und „Prototype“, in denen Teams von strukturierter Inspiration und einer gemeinsamen Sprache profitieren. Während sich der Einfluss der Instrumente indirekt auch auf die Phasen „Test“ und „Realize“ erstreckt, liegt ihre zentrale Stärke darin, Organisationen dabei zu unterstützen, vielversprechende Konzepte zu identifizieren und ethische Implikationen frühzeitig zu antizipieren.

Für Unternehmen, insbesondere solche mit begrenzten internen Ressourcen, bieten die Kartensätze ein niedrigschwelliges und flexibles Format zur Unterstützung von Strategie-Workshops, Innovationssprints oder KI-Readiness-Assessments. Da KI weiterhin prägt, wie Organisationen Wert schaffen und abschöpfen, können strukturierte und ethisch fundierte Instrumente wie diese dazu beitragen, nicht nur tragfähigere Geschäftsmodelle, sondern auch vertrauenswürdigere Innovationspraktiken zu entwickeln. Zukünftige Forschung sollte die Karten in unterschiedlichen Branchenkontexten weiter validieren und erproben, um ihre Übertragbarkeit zu bewerten.

Dieses Forschungs- und Entwicklungsprojekt wird vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) im Rahmen des Programms „Die Zukunft der Wertschöpfung – Forschung zu Produktion, Dienstleistungen und Arbeit“ (02L19C200) gefördert und von der Projektmanagementagentur Karlsruhe (PTKA) verwaltet. Die Autoren sind für den Inhalt dieser Veröffentlichung verantwortlich.

Das könnte Sie auch interessieren

Kompetenzentwicklung für die Zukunft Trendiation als strategischer Ansatz für die Qualifizierung und Weiterbildung Jürgen Fritz, Sebastian Busse, Ingo Dieckmann, Torsten Laub

Da Industrie 4.0 und Künstliche Intelligenz die Fähigkeiten von Organisationen neu gestalten, müssen traditionelle Schulungssysteme an die sich wandelnden Qualifikationsanforderungen angepasst werden. In diesem Beitrag wird Trendiation vorgestellt – eine strukturierte Methodik zur Umsetzung neuer Trends in umsetzbare Strategien – als systematischer Ansatz für diese Herausforderung. Anhand einer workshopbasierten Anwendung, die sich mit Edutainment, Human-Centered Design und Workforce Transformation befasst, zeigen wir, wie Organisationen von der abstrakten Trendidentifizierung zu konkreten Qualifikationsanforderungen und priorisierten Schulungsinitiativen gelangen können. Die Methode erzeugt eine nachvollziehbare Ergebniskette, die Trenddefinition, Bewertung von Kompetenzlücken und Implementierungspläne umfasst. Aus Sicht der Teilnehmer zeichnet sich der Ansatz durch hohe Klarheit und praktischen Nutzen aus. Durch die Verbindung von prospektivischer Trendanalyse und ...

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 2 | Seite 22-29 | DOI 10.30844/I4SD.26.2.22

Operationalisierung ethischer KI mit tachAId Validierung eines interaktiven Beratungstools in zwei Anwendungsfällen aus der Fertigungsindustrie Pavlos Rath-Manakidis, Henry Huick, Björn Krämer , Laurenz Wiskott

Die Integration künstlicher Intelligenz (KI) in Arbeitsprozesse verspricht erhebliche Effizienzsteigerungen, doch Unternehmen stehen dabei vor zahlreichen ethischen Herausforderungen, die den Beteiligten zunächst oft nicht bewusst sind – von Intransparenz in der Entscheidungsfindung über algorithmische Verzerrungen bis hin zu Risiken einer verfrühten Automatisierung. Dieser Beitrag stellt das Design und die Validierung von tachAId vor, einem interaktiven Beratungstool, das darauf abzielt, menschenzentrierte ethische Überlegungen in die Entwicklung von KI-Lösungen einzubetten. Es wird eine Validierungsstudie vorgestellt, die für zwei unterschiedliche industrielle KI-Anwendungen mit variierendem KI-Reifegrad durchgeführt wurde. tachAId lenkt die Aufmerksamkeit gezielt auf kritische ethische Überlegungen im gesamten Lebenszyklus von KI-Lösungen, die bei einer technisch orientierten Entwicklung möglicherweise übersehen werden. Die Ergebnisse zeigen jedoch auch eine zentrale ...

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 1 | Seite 50-59 | DOI 10.30844/I4SD.26.1.50

JOCAT (Job Change Acceptance Toolbox) Ein Change-Management-Ansatz für die ethische und nachhaltige Implementierung von KI-Systemen Sophie Berretta , Pauline Nolte, Annette Kluge , Skrolan Kopka

KI-Systeme stellen aufgrund ihrer dynamischen, undurchsichtigen und ethisch sensiblen Natur eine Herausforderung für das konventionelle Chanage-Management dar. Dieser Artikel wendet etablierte Change-Management-Modellen auf KI-spezifische Herausforderungen an und veranschaulicht den resultierenden Anpassungsbedarf anhand eines realen Anwendungsfalls. Die daraus resultierenden Erkenntnisse werden durch sechs Interviews mit Expertinnen und Experten aus der Praxis untermauert. Zusammen bilden sie die Grundlage für die Entwicklung der Job Change Acceptance Toolbox (JOCAT), einem modularen, praxisorientierten Hilfsmittel, das die Umsetzung von humanzentrierten, ethischen und nachhaltigen KI-bezogenen Veränderungsprozessen unterstützen soll.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 1 | Seite 80-91 | DOI 10.30844/I4SD.26.1.80

Mitbestimmungsdialoge zur humanzentrierten KI-Einführung Dialogisches Verfahren der Entwicklung einer betriebsspezifischen Mitbestimmungspraxis Manfred Wannöffel , Fabian Hoose , Alexander Ranft, Claudia Niewerth , Dirk Stüter

Im Rahmen des vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) geförderten regionalen Kompetenzzentrums „humAIne“ wurde mit dem Instrument der Mitbestimmungsdialoge ein Verfahren entwickelt, mit dem ein gemeinsames Verständnis über die komplexen Herausforderungen bei der Einführung von Künstlicher Intelligenz (KI) zwischen Management, Beschäftigten und Interessenvertretungen schrittweise im Dialog erarbeitet wird. Erfahrungen aus Projektpartnerbetrieben – wie Doncasters Precision Castings-Bochum GmbH (DPC) – zeigen exemplarisch auf, wie mit den Mitbestimmungsdialogen nicht nur rechtlich verbindliche Regelungen zu einer handhabbaren, betrieblich verankerten, nachhaltigen Praxis der Mitbestimmung bei KI entwickelt, sondern zugleich auch kontinuierliche Qualifizierungsprozesse für alle beteiligten Akteursgruppen im Sinne des Art. 4 und 5 des EU AI Act angestoßen werden.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 1 | Seite 92-98 | DOI 10.30844/I4SD.26.1.92

Regulierung von humanzentrierter KI in Betrieben Die HUMAINE Muster-Betriebsvereinbarung Alexander Ranft, Fabian Hoose , Claudia Niewerth , Mathias Preuß, Manfred Wannöffel

Die Einführung von Systemen der Künstlichen Intelligenz (KI) in Betrieben stellt neue Anforderungen an Regulierung und Mitbestimmung. Mit dem EU AI Act gelten seit 2025 verbindliche Vorgaben, die national mit dem Betriebsverfassungsgesetz (BetrVG) verknüpft werden müssen. Das regionale Kompetenzzentrum HUMAINE hat hierzu eine Muster-Betriebsvereinbarung KI (MBV KI) nach § 77 BetrVG entwickelt, die betriebliche Mitbestimmungsrechte stärkt und die europäische Regulierungspraxis praxisnah umsetzt. Flankiert durch Mitbestimmungsdialoge ermöglicht die MBV KI eine betriebsspezifische Anpassung für einen verantwortungsvollen und humanzentrierten KI-Einsatz. Der Beitrag zeigt am Beispiel ausgewählter Teile der MBV KI, wie eine Rahmen-Betriebsvereinbarung KI konkret gestaltet werden kann und diskutiert die Übertragbarkeit auch auf Betriebe ohne Betriebsrat. Die so vorgestellte MBV KI leistet einen Beitrag zur nachhaltigen, sozialpartnerschaftlich abgesicherten Gestaltung der ...

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 1 | Seite 14-21 | DOI 10.30844/I4SD.26.1.14

Ethische KI im Arbeitsumfeld durch wertebasierte Labels? Lessons Learned aus der Anwendung des VCIO-Frameworks auf einen KI-basierten Assistenten Natalie Martin , Tobias Kopp , Natalie Beyer, Jochen Wendel , Steffen Kinkel

Systeme der Künstlichen Intelligenz (KI) unterstützen Mitarbeitende zunehmend bei komplexen Entscheidungsprozessen. Dazu müssen Mitarbeitende die Vertrauenswürdigkeit von KI-basierten Empfehlungen valide beurteilen. KI-Ethik-Labels sollen Mitarbeitenden bei dieser Einschätzung helfen und die Entwicklung vertrauenswürdiger KI-Lösungen befördern. Die AI Ethics Impact Group entwickelte hierfür ein Label, das auf dem VCIO-Framework (Values, Criteria, Indicators, Observables) basiert und dezidiert relevante ethische Werte adressiert. Jedoch sind solche Labels noch wenig verbreitet, weshalb kaum Erfahrungswerte aus der praktischen Anwendung vorliegen. Damit bleiben die praktische Umsetzbarkeit und der Nutzen von KI-Labels unklar. Der geplante Beitrag bietet einen Überblick über existierende Labels für KI-Systeme, beleuchtet das VCIO-Framework in der Anwendung auf einen konkreten Anwendungsfall aus der Praxis und leitet Handlungsempfehlungen für die Gestaltung ethischer KI ab.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 1 | Seite 30-38 | DOI 10.30844/I4SD.26.1.30