Regulierung von humanzentrierter KI in Betrieben

Der Einsatz von Künstlicher Intelligenz (KI) in Unternehmen gilt seit Jahren als Schlüsselfaktor für eine gelungene Transformation von Arbeit und Wirtschaft. Wenngleich die tatsächliche Verbreitung solcher Systeme lange begrenzt blieb [1], wurden KI-Anwendungen schon früh als potenziell tief in Arbeitsprozesse eingreifend eingeschätzt, weshalb erste regulatorische Debatten bereits 2016 mit dem „Weißbuch Arbeiten 4.0“ des Bundesministeriums für Arbeit und Soziales [2] einsetzten.

Spätestens mit dem Aufkommen von Large Language Models (LLM) wie ChatGPT hat sich die tatsächliche Nutzung von KI verändert. Der Chatbot des US-amerikanischen Softwareunternehmens OpenAI durchbrach bereits nach fünf Tagen die Schwelle von einer Millionen Nutzer [3] und wird laut internen Aussagen mittlerweile von über 400 Millionen Menschen wöchentlich genutzt. Damit ist das Thema in deutschen Unternehmen angekommen und auch immer mehr Beschäftigte sehen sich in ihrem Arbeitsalltag regelmäßig mit KI-Systemen konfrontiert.

Generative KI (GenAI) wie ChatGPT entfalten dabei ein enormes soziales und ökonomisches Veränderungspotenzial [4]. Die Bundesregierung hat KI im aktuellen Koalitionsvertrag aufgegriffen und betont neben den Potenzialen auch die Notwendigkeit einer (sozialpartnerschaftlichen) Regulierung [5]. Denn aktuelle OECD-Zahlen deuten auf Qualifizierungsdefizite hin [6], die in der betrieblichen Praxis zunehmend in den Fokus rücken. Hinsichtlich des Erwerbs von KI-Kompetenzen für einen flächendeckenden, vertrauensvollen Einsatz von KI in der Arbeitswelt besteht Nachholbedarf. Damit die Chancen von KI tatsächlich gehoben werden können, braucht es klare Regeln, wie Beschäftigte teilhaben, sich qualifizieren und ihre Interessen bei der Einführung nachhaltig berücksichtigt werden können.

Dass für eine erfolgreiche und menschengerechte Einführung von KI in Unternehmen eine Zusammenarbeit von Unternehmensführungen und Beschäftigten bzw. deren Vertretungen anzustreben ist, wurde bereits früh in Whitepapers formuliert [7, 8] und später in konkreten Handlungsleitfäden für Praxisakteure festgehalten [9, 10].

Mit der im Mai 2024 von der Europäischen Union verabschiedeten KI-Verordnung (EU AI Act) wurde ein rechtlicher Rahmen geschaffen, der den regulierten und verantwortungsvollen Einsatz von KI in Unternehmen einfordert. Der EU AI Act stärkt zugleich die Bedeutung eines sozialpartnerschaftlichen Vorgehens, das in Deutschland auf bewährten Strukturen aufbauen kann. Aufgrund der Pfadabhängigkeit zurückliegender Transformationen [11] spielen Gewerkschaften, Betriebsräte (BR) und Arbeitgeber eine zentrale Rolle bei der konkreten Umsetzung.

Auf Grundlage von §77 des Betriebsverfassungsgesetzes (BetrVG) können die Betriebsparteien Betriebsvereinbarungen (BV) abschließen. Derartige Regelungen sind nicht nur nötig, um strukturelle Machtungleichgewichte zwischen Arbeitgeber (AG) und Arbeitnehmer (AN) auszugleichen, sondern schaffen auch Rechtssicherheit für Unternehmen, verhindern einseitige Entscheidungen, erhöhen die Akzeptanz bei den Beschäftigten und tragen so zu einer erfolgreichen Einführung von KI-Systemen bei.

Vor diesem Hintergrund stellt dieser Beitrag die HUMAINE MBV KI vor, welche als praxisnahes Werkzeug für die sozialpartnerschaftliche Regulierung von KI entwickelt wurde. Die MBV KI ist eine Weiterentwicklung einer Rahmen-Betriebsvereinbarung (RBV) KI, die in HUMAINE in Zusammenarbeit zwischen der Gemeinsamen Arbeitsstelle RUB/IGM (RUB/IGM) und dem Projektpartner Doncasters Precision Castings Bochum GmbH (DPC) erarbeitet und im Anschluss in weiteren Multiplikatorfällen erprobt wurde.

Methodisch erfolgte die Begleitung dieses Prozesses durch die Mitbestimmungsdialoge der HUMAINE-Toolbox (Bild 1; vgl. Wannöffel et al. in dieser Ausgabe). Um zu berücksichtigen, dass betriebliche Veränderungsprozesse sowohl pfadabhängig sind, als auch die erfolgreiche Ausgestaltung nur mit gezielter Weiterbildung unter Berücksichtigung von Erfahrungen der beteiligten Akteure gelingt, wird im Projekt mit dem methodischen Ansatz der Transferforschung [12, 13] vorgegangen.

Betriebliche Mitbestimmung bei KI auf Grundlage des BetrVG

Der Betriebsrat (BR) nimmt gemäß Betriebsverfassungsgesetzt (BetrVG) eine intermediäre Rolle in der Ausgestaltung des strukturellen Interessenkonfliktes zwischen Arbeitgeber (AG) und Arbeitnehmenden (AN) ein und kann jede betriebliche Einführung von KI-Systemen, die eine Leistungs- und Verhaltenskontrolle der Beschäftigten ermöglicht, einer Prüfung unterziehen, die Einführung verweigern und damit den Einführungsprozess verzögern (§87 Abs. 1 Nr. 6 BetrVG). Dies verdeutlicht, dass die Bezeichnung des BR als Grenzinstitution [14] auch im Kontext der Einführung von KI zutrifft [14] (Bild 2).

Bezüglich der mit dem Einsatz von KI assoziierten Effizienz- und Rationalisierungspotenziale sehen sich BR somit mit Konflikten konfrontiert. Auch wenn der BR die Interessen der AN und somit schlussendlich auch deren Arbeitsplätze schützen will, muss er gleichermaßen die Profitabilität des Unternehmens berücksichtigen. §2 Abs. 1 BetrVG verpflichtet beide Seiten, zum Wohl der AN und des Betriebs zusammenzuarbeiten. Damit entsteht für beide Betriebsparteien ein Gestaltungsauftrag [15, 16].

Mit Blick auf bisherige Erfahrungen von BR bei der betrieblichen Ausgestaltung von digitalen Transformationsprozessen lassen sich in der Mitbestimmungsforschung drei zentrale Befunde zusammenfassen, welche auf die Implementation von KI übertragen werden können: (1) Betriebliche Veränderungsprozesse verlaufen inkrementell und nicht disruptiv-revolutionär [10] und (2) folgen dabei in ihrer Ausgestaltung betrieblichen Pfadabhängigkeiten [17]. Für die Ausgestaltung dieser Transformationsprozesse ist (3) eine flankierende und rahmenstiftende Arbeitspolitik von Bedeutung [18].

In der jüngsten Novellierung des BetrVG – dem Betriebsrätemodernisierungsgesetz – wurde 2021 der Handlungs- und Gestaltungsspielraum von BR explizit um das Themenfeld KI erweitert. Vor dem Hintergrund des teilweisen Inkrafttretens des EU AI Acts im Februar 2025 werden die Handlungs- und Gestaltungsoptionen der BR zukünftig zu einer Handlungspflicht, die für beide Betriebsparteien gilt: So sind diese gemäß Art. 4 EU AI Act dazu verpflichtet, die Kompetenzen der AN in Bezug auf die im Betrieb verwendeten KI-Systeme und -Anwendungen nachzuweisen.

Diese Verpflichtung stellt einen wichtigen Hebel für die betriebliche Mitbestimmung dar und verknüpft die europäische Gesetzgebung unmittelbar mit der betrieblichen Realität in Deutschland: Die §§96-98 BetrVG räumen dem BR weitreichende Informations-, Beratungs- und Mitbestimmungsrechte hinsichtlich der Qualifizierung von AN ein. Angesichts dieser Verbindung müssen die Betriebsparteien aktiv werden. Studien zeigen jedoch, dass sich ca. die Hälfte der AN nicht ausreichend über das Thema KI informiert fühlt [19] und nur knapp ein Fünftel von ihren Vorgesetzten als ausreichend qualifiziert für die grundlegende Arbeit mit KI eingeschätzt wird [20].

So besitzt der BR Mitbestimmungsrechte bei grundlegenden Änderungen der Betriebsorganisation (§111 Abs. 1 Nr. 4 BetrVG) oder der Einführung neuer Arbeitsmethoden und Fertigungsverfahren (§111 Abs. 1 Nr. 5 BetrVG). Diese Rechtsansprüche müssen auch im Kontext der KI-Einführung geprüft werden [21]. Selbiges gilt für eine anwendungsspezifische Bewertung der potenziellen Gefahr der Verhaltens- und/oder Leistungskontrolle der AN durch die KI (§87 Abs. 1 Nr. 6 BetrVG) [22]. Ist das der Fall, dann unterliegt die Einführung der KI den Mitbestimmungsrechten des BR [21].

Darüber hinaus sichern weiter Normen die Rolle des BR ab: Nach §90 Abs. 1 Nr. 3 BetrVG ist der BR über Planungen zur Einführung von KI rechtzeitig durch die Bereitstellung der notwendigen Unterlagen zu informieren. Gemäß § 91 BetrVG besteht ein Mitbestimmungsrecht, wenn geplante Veränderungen arbeitswissenschaftlichen Erkenntnissen widersprechen. In Verbindung mit § 87 Abs. 1 Nr. 7 BetrVG und § 5 Abs. 1 ArbSchG ergeben sich zudem erzwingbare Mitbestimmungsrechte im Arbeitsschutz – etwa bei der ergonomischen Gestaltung von Arbeitsplätzen.

Neben dem BetrVG bestehen weitere Bezüge zwischen dem deutschen Arbeitsrecht und dem europäischen Direktionsrecht – wie der EU AI Act oder die Datenschutzgrundverordnung (DSGVO) [21, 23]. Um die daraus resultierenden Handlungspflichten betrieblich umzusetzen, können die Betriebsparteien auf Grundlage von §77 BetrVG BV abschließen, welche aus transaktionskostentheoretischer Sicht die Grundlage bietet, um die mit KI verbundenen Potenziale zu erschließen und die Interessen der betrieblichen Akteure zu wahren.

Konkrete Inhalte der MBV KI

Mit der HUMAINE MBV KI hat die RUB/IGM in Zusammenarbeit mit DPC eine Handlungsunterstützung entwickelt, welche die Betriebsparteien bei der Entwicklung von betriebseigenen (R-)BV für einen humanzentrierten Planungs-, Einführungs- und Anwendungsprozess von KI heranziehen können. Da es sich bei DPC um einen ehemaligen Tochterbetrieb der Thyssen Guss AG handelt, stammt das Unternehmen aus der Montanmitbestimmung. Dies bedeutet, dass der BR – in Anlehnung an die Pfadabhängigkeit und die historische Relevanz vergangener Transformationsprozesse [11] – eine bedeutsame Rolle bei der solidarischen Ausgestaltung von eben jenen aktuellen Transformationsprozessen einnimmt.

Diese Umstände stellen ebenso eine Besonderheit dar, wie die Tatsache, dass die Intention zur Einführung von KI proaktiv vom BR ausgegangen ist. Ein auf diese Weise agierender BR besitzt einen positiven Einfluss auf die Realisierung betrieblicher Transformationsprozesse, setzt jedoch eine spezifische Qualifizierung des BR voraus [24].

Durch die Mitbestimmungsdialoge (vgl. Wannöffel et al. in dieser Ausgabe) wurden in Zusammenarbeit mit dem BR von DPC in einem Dialog die Inhalte einer RBV KI erarbeitet. Im Anschluss an diesen Prozess wurde diese konkrete RBV KI in eine erste Musterform abstrahiert und in weiter erprobt und evaluiert. Durch die Zusammenarbeit mit der Gebr. Eickhoff Maschinenfabrik und Eisengießerei GmbH sowie der IHK-Gesellschaft für Informationsverarbeitung mbH (IHK-GfI) sind auf diese Weise 24 Paragrafen in Musterform entstanden, die zur Erstellung betriebsspezifischer RBV herangezogen werden können (Bild 3).

Die auf diese Weise erarbeiteten Paragrafen erheben keinen Anspruch auf Vollständigkeit. So kann eine RBV KI aufgrund bereits bestehender betrieblicher Regulierung, wie bspw. RBV zum Thema IT oder EDV-Systemen, in Umfang und Granularität der Inhalte sowie der Anzahl und Inhalte der Paragrafen variieren.

Mit Blick auf die acht Kriterien der Humanzentrierung von KI [24] können mittels einer RBV KI folgende Kriterien adressiert werden:

• Vertrauenswürdigkeit, Vertraulichkeit und Ethik
• Menschliches Handeln und Augmentierung
• Vermeidung von Arbeitsplatzverlusten

Paragraf in der MBV KI zur KI-Folgeabschätzung

Sämtliche KI-Prozesse im Unternehmen werden von Beginn an durch den BR sowie gegebenenfalls durch Sachverständige begleitet, wobei auch Alternativen zum geplanten KI-Einsatz zu prüfen sind. Um diesen kontinuierlichen Austausch zwischen dem AG und BR zu institutionalisieren, wird eine KI-Kommission gegründet, die bei Bedarf tagt. Diese Kommission setzt sich aus jeweils zwei Vertretern des BR und des AG sowie dem Datenschutzbeauftragten zusammen. Sobald die Anschaffung einer KI-Anwendung konkretisiert wird, stellt der AG der KI-Kommission alle relevanten Dokumente zur KI-Anwendung zur Verfügung.

Sobald der KI-Kommission diese Unterlagen vorliegen, kann mit einer Test- oder Pilotphase der KI-Anwendung begonnen werden. Sollte diese Erprobungsphase positiv ausfallen, so haben die in Auftrag gebende Fachabteilung sowie der AG auf Grundlage der Anlage der RBV KI eine Einschätzung hinsichtlich der spezifischen Risikokategorisierung gemäß des EU AI Acts vorzunehmen. Diese Risikoeinschätzung wird durch die KI-Kommission und den BR bewertet. Im Zuge dessen entscheidet die KI-Kommission, ob und in welchem Umfang weiterer Regulierungsbedarf besteht und ob dieser notwendigerweise durch den Abschluss einer anwendungsspezifischen BV adressiert werden muss. Dies gilt insbesondere für solche KI-Anwendungen, die durch die KI-Kommission in die Risikokategorie 3 (hohes Risiko) des EU AI Acts eingeordnet werden.

In diesem Zusammenhang muss darüber hinaus auch Transparenz über den Einsatz von KI für die AN hergestellt werden. Sollten mögliche Veränderungen bezüglich Tätigkeiten und Arbeitsabläufen bekannt sein, sind diese eindeutig zu benennen. Zudem sind bereits vor Beginn der Pilotierung klare Zielvorstellungen und Evaluationskriterien festzulegen, deren Ergebnisse zur abschließenden Risikobewertung herangezogen werden. Bevor eine KI-Anwendung in die regulären Arbeits- und Geschäftsprozesse integriert wird, müssen alle erforderlichen Dokumente, die Anlagen und eine etwaige anwendungsspezifische BV durch die Betriebsparteien unterzeichnet werden. Bezogen auf den Projektpartner IHK-GfI wird deutlich, welche Bedeutung eine ausgewogene Herangehensweise bei der praktischen Umsetzung der im Paragrafen beschriebenen KI-Kommission hat:

„Die Etablierung einer KI-Kommission birgt gleichermaßen Chancen und Herausforderungen. Wie im Paragrafen verankert, soll die Kommission „bei Bedarf“ tagen. Wie groß der Bedarf wird, lässt sich aktuell nur erahnen. Wir bewegen uns dabei in einem Spannungsfeld zwischen Innovationskraft und Sicherheitsrisiken:

Auf der einen Seite ist es für uns, wie für viele Wirtschaftsunternehmen, wichtig, schnell reaktionsfähig und anpassbar zu sein. Die kurzen Innovationszyklen in KI setzen Unternehmen unter Druck. Insbesondere bei Dienstleistungen aus dem „Software-as-a-Service“ (SaaS)-Bereich führen Lieferanten im Rahmen von „Continuous Deployments“ häufig KI-Komponenten ein, auf die Unternehmen dann ex post reagieren müssen. Zusätzlich ist KI inzwischen zur Commodity geworden; in nahezu jeder Waren- oder Dienstleistung versuchen Anbieter verstärkt, KI zu integrieren.

Auf der anderen Seite stehen neben den Anforderungen an Reaktionsgeschwindigkeiten die Sicherheit und Integrität der eigenen AN und Infrastruktur. Die Aufgabe der KI-Kommission ist damit keine leichte: Unsere Herausforderung wird es sein, einen akzeptablen Grat zwischen Schnelligkeit in Entscheidungs- und Einführungszyklen und Sicherheit für unsere AN, unsere Daten und unsere Infrastruktur zu finden.“ (Mathias Preuß, IHK-GfI)

Paragraf in der MBV KI zur Qualifizierung

Der Qualifizierungsbedarf für die Arbeit mit den einzuführenden KI-Systemen wird im Vorfeld auf der Grundlage der Anlage der RBV-KI ermittelt. Dementsprechend sind die betroffenen AN vor dem Einsatz der KI umfassend über die technischen oder organisatorischen Änderungen sowie neue Arbeitsabläufe oder -methoden zu informieren. Die AN müssen in diesem Zusammenhang allgemein über das Thema KI als auch anwendungsspezifisch hinsichtlich der Arbeit mit der KI-Anwendung qualifiziert werden.

Zur Sicherung der Arbeitsqualität wird ein bedarfsgerechter Rhythmus für Auffrischungs- und Qualifizierungsmaßnahmen für AN und BR sowie die KI-Kommission festgelegt. Diese Maßnahmen finden ausschließlich während der Arbeitszeit und unter Fortzahlung des regulären Entgelts statt. Bei absehbaren Veränderungen von Tätigkeiten infolge des KI-Einsatzes sind Um- oder Weiterqualifizierungen durchzuführen, um die Beschäftigungsfähigkeit der betroffenen AN zu erhalten. Darüber hinaus werden BR und Führungskräfte geschult, um möglichen Befürchtungen und Ängsten der AN entgegnen zu können.

Die KI-Kommission kann den AG zudem bei der Erarbeitung eines Dokumentationswesens für den Nachweis der KI-Kompetenzen gemäß Art. 4 AI Act unterstützen. Auch beim Projektpartner IHK-GfI zeigte sich, dass Qualifizierungsfragen eine Schlüsselrolle für den erfolgreichen Einsatz von KI im Betrieb spielen:

„Die Notwendigkeit zu Aus- und Weiterbildung hinsichtlich Funktionsweisen und Anwendung von KI steht außer Frage. Wichtig ist dabei, alle AN dort abzuholen, wo sie individuell stehen, und sie nachhaltig zu befähigen, eingesetzte Technologien korrekt und sicher zu nutzen und die Qualität der Ergebnisse kritisch zu sichern. Der für uns wesentliche Punkt des Paragrafen liegt in den sich ändernden Rahmenbedingungen für eine Zusammenarbeit. Potenziell verändern sich Arbeitsplätze bzw. -abläufe für alle AN im Unternehmen. Diese Chance bringt uns zusätzliche Optionen, dem demografischen Wandel, insbesondere dem anstehenden Generationswechsel und dem stärker werdenden Fachkräftemangel, zu begegnen. Gleichzeitig sind Aus- und Weiterbildung relevante Aspekte eines Change- bzw. Transformationsmanagements und damit wesentlich für die Organisationsentwicklung.“ (Mathias Preuß, IHK-GfI)

Veränderungsprozesse im Kontext von KI verlaufen häufig inkrementell

Die Regulierung des Einsatzes von KI in Unternehmen mit BR erfordert eine systematische Verknüpfung europäischer und nationaler Rechtsvorgaben, insbesondere des EU AI Acts, der DSGVO und des BetrVG. Die im Projekt HUMAINE entwickelte MBV KI stellt dabei ein praxisorientiertes Instrument dar, das gesetzlichen Anforderungen Rechnung trägt und zugleich die humanzentrierte Gestaltung von KI im Betrieb fördert.

Die empirischen Erfahrungen aus der Entwicklung und Erprobung der MBV KI zeigen, dass betriebliche Veränderungsprozesse im Kontext von KI häufig inkrementell verlaufen, an bestehenden Strukturen anknüpfen und ohne flankierende Qualifizierungsmaßnahmen nur eingeschränkt wirksam sind. Die Verpflichtung zum Nachweis von KI-Kompetenzen gemäß Art. 4 EU AI Act eröffnet hier neue Gestaltungsoptionen, die durch die MBV KI systematisch nutzbar gemacht werden können.

Damit bietet die MBV KI einen erprobten Orientierungsrahmen, der Rechtssicherheit, ethisch fundierte, humanzentrierte Leitplanken sowie Mitbestimmung zu einem integrierten Gestaltungsansatz verbindet. Sie fördert die Akzeptanz und das Vertrauen der AN in KI-Systeme, sichert deren Beschäftigungsfähigkeit und trägt zur nachhaltigen Gestaltung der digitalen Transformation im Sinne einer sozialpartnerschaftlichen Arbeitsbeziehung bei. Ihre Übertragbarkeit auf unterschiedliche betriebliche Kontexte, auch jenseits bestehender Betriebsratsstrukturen, unterstreicht ihren innovativen und zukunftsweisenden Charakter für die Arbeitswelt im Zeitalter der KI.

Dieses Forschungs- und Entwicklungsprojekt wird durch das Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) FKZ 02L19C200 gefördert und vom Projektträger Karlsruhe (PTKA) betreut. Die Verantwortung für den Inhalt dieser Veröffentlichung liegt bei den Autoren.

Das könnte Sie auch interessieren

Manuelle Abläufe in der Automobilproduktion optimieren Bausteinbasierter Ansatz zur effizienten Erstellung von Arbeitssystemsimulationen Barbara Brockmann, Tobias Jurk, Beate Stoffels, Jochen Deuse

Im produzierenden Gewerbe gewinnt die Integration digitaler Menschmodelle im Produktentstehungs- und Herstellungsprozess zunehmend an Bedeutung. Besonders in der Montage, die durch einen hohen Anteil manueller Tätigkeiten geprägt ist, ermöglichen Bewegungssimulationen eine realitätsnahe Abbildung menschlicher Arbeit und leisten damit einen wesentlichen Beitrag zur bewegungsökonomischen Bewertung, Prozessabsicherung und Effizienzsteigerung. Der breiten Anwendung in der Produktionsplanung stehen jedoch verschiedene Herausforderungen wie der hohe Initialaufwand zur Erstellung der Humansimulation als auch volatile Planungsbedingungen gegenüber. Dieser Beitrag stellt einen praxisorientierten Lösungsansatz aus der Automobilmontage vor, der eine aufwandsreduzierte Erstellung von Simulationen sowie deren frühzeitige und durchgängige Nutzung im Planungsprozess ermöglicht.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 3 | Seite 48-55

KI-gestützte Beölungsstrategien beim Gewindeformen Adaptive Sprühstrahlsteuerung zur Erhöhung von Prozesssicherheit und Werkzeugstandzeit Reinhard Schmied, Marco Susic, Christian Donhauser

Das Gewindeformen erfordert eine präzise Schmierstoffapplikation, da hohe Flächenpressungen und lokale Temperaturspitzen die Werkzeugbelastung erheblich beeinflussen. Aktuelle Sprüh- und Minimalmengenschmierungssysteme (MMS) weisen trotz etablierter Technik häufig Streuverluste, unzureichende Benetzung und instabile Tropfendynamik auf. Diese wissenschaftliche Betrachtung beinhaltet und untersucht einen integrativen Ansatz zur adaptiven Präzisionsbeölung beim Gewindeformen, der auf Computational Fluid Dynamics (CFD)-basierter Strömungsanalyse, experimenteller Validierung und Künstliche Intelligenz (KI)-gestützten Optimierungsverfahren basiert. Im Fokus stehen Tropfengröße, Strahlgeometrie, Düsenposition und Umgebungsströmung sowie deren Einfluss auf die Benetzungsintensität. Erste simulationsgestützteVoruntersuchungen zeigen das Potenzial einer datenbasierten Optimierung zur Reduktion von Benetzungsdefiziten und zur Auslegung künftiger Regelstrategien für eine ...

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 3 | Seite 76-83

SmartBending: Inline-Messtechnik zur Prozesskorrektur Inline-Prozessoptimierung zur Fehlerkorrektur beim Schwenkbiegen Christian Donhauser , Reinhard Schmied, Marco Susic

Schwenkbiegen ist ein etabliertes Umformverfahren, bei dem Materialverlust vermieden und Ressourcen effizient genutzt werden. Der Prozess erfordert jedoch aufwändige Optimierungen, die bisher stark vom Fachwissen der Bediener abhängen. Dies führt zu hohem Zeit- und Materialaufwand, da Optimierungsschritte iterativ erfolgen. Angesichts des Fachkräftemangels ist eine technologische Aufrüstung der Anlagen im Sinne von Industrie 4.0 notwendig. Im Rahmen eines Projekts wurden mittels intelligenter Sensorik kritische Einflussfaktoren erfasst, die Korrelationen zwischen Produktfehlern und Anlagenverformungen aufzeigen. Darauf basierend wurde eine Methodik entwickelt, die die Grundlage für eine Inline-Kompensation schafft, bei der die Anlage eigenständig Prozessparameter anpasst, um Produktfehler zu korrigieren und perspektivisch eine fehlerfreie Fertigung ab dem ersten Bauteil zu ermöglichen.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 3 | Seite 134-141

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

Digital Competence Lab (DCL) für die Logopädie Konzeption einer Lernplattform zur Förderung digitaler Handlungskompetenzen Anika Thurmann , Antonia Weirich , Kerstin Bilda, Fiona Dörr , Lars Tönges

Die digitale Transformation des Gesundheitswesens verändert die logopädische Versorgung nachhaltig. Smarte Technologien und Künstliche Intelligenz (KI) eröffnen neue Möglichkeiten, um die Qualität der Therapie zu sichern, Versorgungsengpässe zu adressieren und Patienten stärker in Übungsprozesse einzubinden. Gleichzeitig erweitern diese Entwicklungen das Rollenverständnis von Logopäden, die neben ihrer therapeutischen Kernaufgabe zunehmend digitale Systeme als unterstützende Werkzeuge einsetzen. Aufbauend auf einer Machbarkeitsstudie zur KI-gestützten Anwendung ISi-Speech-Sprechen im Realsetting der Parkinson-Komplextherapie (PKT) werden in diesem Beitrag zentrale Herausforderungen der Implementierung smarter Technologien skizziert.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 1 | Seite 110-118 | DOI 10.30844/I4SD.26.1.110