Mitbestimmungsdialoge zur humanzentrierten KI-Einführung

In den Regelungen des EU AI Act [1] ist – als Voraussetzung für den betrieblichen Einsatz von KI – ein Dialog zwischen Managementvertretern, Beschäftigten und deren Interessenvertretungen systematisch verankert worden. Der EU AI Act (Artikel 4) macht diesen Dialog zum integralen Bestandteil technischer Innovationsprozesse in Unternehmen. Sie können so zu aktiven Mitgestaltern eines technologischen, organisationalen und sozialen Gestaltungsprozesses werden, wenn sie ihre eingeräumten Rechte in Anspruch nehmen.

Um diese komplexe arbeitspolitische Herausforderung als sozialen Dialog gestalten und bewältigen zu können, wurde das Konzept der Mitbestimmungsdialoge entwickelt, an dessen Ende der Abschluss einer Betriebsvereinbarung (BV) zur Einführung und Nutzung von KI in Betrieben stehen kann („HUMAINE Muster-BV KI“; Bild 1; vgl.  Ranft et al. in dieser Ausgabe).

Dabei wurde die dialogische Entwicklung von Regelungen zur Implementierung und Nutzung von KI von der eigentlichen Verhandlung einer Betriebsvereinbarung, also der formalen Ausübung eines Mitbestimmungsrechts des Betriebsrats, bewusst getrennt. Dieses Vorgehen soll einen vorbereitenden und offenen Austausch zwischen den Betriebsparteien ermöglichen. Beide Formate (Mitbestimmungsdialoge und HUMAINE Muster-BV KI) ergänzen sich in einer schlüssigen Reihenfolge zur rechtskonformen und sozialpartnerschaftlich orientierte KI-Implementierung im Betrieb.

KI in Betrieb und Unternehmen: Stand der arbeitssoziologischen Forschung

In der Arbeitssoziologie gilt als empirisch gesicherte Erkenntnis, dass die Beziehung zwischen Mensch-Arbeit-Technik sowohl strukturellen Machtungleichgewichten als auch Herrschaftsverhältnissen in Betrieb und Unternehmen unterliegt. Zugleich wird dieses Verhältnis auch durch sich wandelnde gesellschaftliche, ökonomische und politische Rahmenbedingungen bestimmt [2]. Eine humanzentrierte Einführung und Gestaltung von KI – verstanden als Gewährleistung möglichst dauerhaft gesunder, selbstbestimmter und kompetenzförderlicher Arbeits- und Beschäftigungsbedingungen – ist daher nur erreichbar, wenn es den Beschäftigten und ihren kollektiven Vertretungsorganen gelingt, auch ihre Interessenperspektive wirksam in die Gestaltung technischer Systeme einzubringen.  

Ausgehend vom Konzept der Arbeitspolitik [3] lässt sich die Einführung von KI-Systemen als politischer Gestaltungsprozess fassen, in dem technologische und soziale Innovationen ausgehandelt werden. Die arbeitspolitischen Akteure innerhalb von Betrieben und Unternehmen, das Management, die Beschäftigten und ihre Interessenvertretungen ringen dabei um Einfluss und Macht bei der Gestaltung von Arbeitssystemen. Dieser – nach Walther Müller-Jentsch [4] – konfliktbehaftete Prozess kann jedoch durch einen strukturierten Dialog zwischen den Akteuren zu verlässlichen Regelungen führen – etwa durch Partizipations- und Mitbestimmungsrechte, Qualifizierungsmaßnahmen oder betriebsspezifische Vereinbarungen [5].

Im aktuellen Forschungsdiskurs zur Gestaltung humanzentrierter KI hat sich eine Vielzahl normativer Kriterien etabliert. So können in diesem Zusammenhang acht zentrale Anforderungen an die KI-Arbeitssystemgestaltung formuliert werden [6]: Erklärbarkeit (1); Vertrauenswürdigkeit, Vertraulichkeit und Ethik (2); Verantwortlichkeit und Sicherheitskultur (3); Kompensation von Schwächen im System (4); Wissensnutzung aus der Nutzerdomäne (5); Menschliches Handeln und Augmentierung (6); Physische und psychische Gesundheit (7) sowie Vermeidung von Arbeitsplatzverlust (8).

Diese Kriterien sind sowohl anschlussfähig an betriebsverfassungsrechtliche Regelungen als auch an die Beteiligungspflichten des EU AI Act (Art. 4 und 5), gewinnen aber erst durch sozialpartnerschaftlich legitimierte Aushandlungsprozesse im Betrieb ihre praktische Wirksamkeit. Die empirischen Ergebnisse von Krzywdzinski (2024) verweisen auf eine Aufteilung in „zwei Welten der KI in der Arbeitswelt“ [7]. So stehen Unternehmen mit einer kooperativen Mitbestimmungspraxis in Bezug auf KI den Unternehmen mit einer eher konflikthaften Mitbestimmungspraxis gegenüber [7]. 

Die arbeitssoziologische Forschung über betriebliche Aushandlungsprozesse unterstreicht, dass die Einführung digitaler Techniken – einschließlich KI – weniger als disruptiver, sondern vielmehr als inkrementeller, organisationaler Veränderungsprozess zu verstehen ist. Diese Aushandlungsprozesse folgen dabei spezifischen betrieblichen Pfadabhängigkeiten. Die Art und Weise, wie in den vorherigen organisationalen oder technologischen Change-Prozessen im Betrieb vorgegangen wurde (z.B. eher top-down gesteuert, konfliktgeladen oder vielmehr beteiligungsorientiert unter Respektierung von Mitbestimmungs- und Partizipationsrechten der Beschäftigten), beeinflusst maßgeblich auch das Handeln der beteiligten Akteursgruppen bei die Einführung von KI [8, 9, 10, 11]. 

Spielen auf der einen Seite die etablierten Akteurskonstellationen bei Technologieeinführung eine Rolle, entwickelt sich gleichermaßen bei den Beschäftigten der Wunsch nach Partizipation bei KI-beeinflussten Arbeitszusammenhängen. Die Ergebnisse zweier quantitativer Online-Befragungen zum Einsatz von KI am Arbeitsplatz (2022 und 2024) [12] zeigen, dass bei den Beschäftigten keine grundlegende Ablehnung gegenüber dem Einsatz von KI an ihrem Arbeitsplatz vorherrscht. Stattdessen äußern 75 % der Befragten ein Interesse, dass die KI ihnen bei ihrer Tätigkeit zukünftig assistiert – allerdings verbunden mit der deutlichen Einschränkung, dass dies nur dann gilt, wenn der KI-Einsatz aktiv von den Beschäftigten eingefordert wird. Denn 85 % der Befragten lehnen dagegen eine KI ab, die ohne ihre Zustimmung im Hintergrund operiert, ihren Handlungsspielraum bei der Ausführung ihrer Tätigkeit reduziert und ihre Leistung überwacht.

Eine wesentliche Bedingung für eine erfolgreiche KI-Einführung liegt demnach in der kollektivrechtlich verankerten Mitbestimmung sowie der Partizipation am Arbeitsplatz: Im Vergleich zur Erstuntersuchung im Jahr 2022 ist der Anteil der Beschäftigten, die Mitbestimmung und Partizipation bei KI einfordern, im Jahr 2024 von 74 % auf 81 % gestiegen [12].

Ob sich allerdings diese Interessen der Beschäftigten nach mehr Mitbestimmung und Partizipation bei der Einführung von KI geltend machen, hängt jeweils von ihren politischen Aushandlungs- und Gestaltungsprozessen und spezifischen betrieblichen Machtstrukturen ab. Nur 37 % der Beschäftigten werden durch einen Betriebsrat vertreten [13] – dem gegenüber steht die Mehrheit der Beschäftigten ohne institutionalisierte Interessenvertretung [14]. Betrieben ohne Betriebsrat fehlt der Kollektivakteur, um hier Beteiligungsrechte der Beschäftigten wahrzunehmen und zu verbriefen.

Das in diesem Beitrag beschriebene Konzept der Mitbestimmungsdialoge kommt vornehmlich in Unternehmen mit Betriebsrat zur Anwendung: Mittels der Mitbestimmungsdialoge werden betriebliche Interessenvertreter wie auch Arbeitgeberverter in die sozialpartnerschaftliche Diskussion um KI-Leitlinien und die Regelungsnotwendigkeiten beim Einsatz von KI eingebunden und begleitend unterstützt.  

Mitbestimmungsdialoge als Methode bei der KI-Einführung

Das im Kompetenzzentrum HUMAINE entwickelte Verfahren der Mitbestimmungsdialoge basiert auf der Anerkennung des Erfahrungswissens als komplementäre Wissensressource [15]. Im Zentrum dieses Verfahren steht der Dialog zwischen den Betriebsparteien, welcher durch Wissenschaftlern moderiert wird. Die Mitbestimmungsdialoge charakterisieren somit einen qualitativen Ansatz, der wissenschaftliches Wissen und das Erfahrungswissen der sozialen Akteursgruppen miteinander verknüpft. Allerdings findet das implizite Erfahrungswissen der betrieblichen Akteure nicht einfach so Berücksichtigung bei der Gestaltung von Transformationsprozessen. Erst die wissenschaftlich distanzierte Analyse der in den Mitbestimmungsdialogen ermittelten Erkenntnisse legt die Potenziale des Erfahrungswissens offen und bereitet diese für die Gestaltung von Arbeit und Technik auf.

Auf die Bedeutung partizipativer Verfahren bei der Einführung von KI verweisen auch weitere Studien, die ebenfalls betonen, dass der Mensch im Zentrum der Gestaltung von KI-Systemen stehen und durch geeignete Reflexions- und Bewertungsinstrumente in den betrieblichen Gestaltungsprozess einbezogen werden sollte [16, 17, 18]. Dies verdeutlicht die Relevanz dialogischer Formate, die auf die gemeinsame Verständigung über Chancen und Risiken von KI-Systemen zielen.

Die Mitbestimmungsdialoge behandeln den gesamten Einführungszyklus von KI im Unternehmen, von der Erstinformation (unter Berücksichtigung des § 90 Abs. 1, Nr. 3 BetrVG; Beratungsrecht des Betriebsrats) über die Absichten des Unternehmens, die mit der Einführung von KI verbunden sind, bis zum Einsatz von KI-Programmen im Regelbetrieb. Die Dialogreihe umfasst drei Phasen, die der gemeinsamen Orientierung (1) und der Identifikation arbeitspolitischer Handlungsfelder (2) dienen. Ziel ist es in einen Dialog zwischen Geschäftsführung und Betriebsrat (BR) über den Abschluss einer KI-Betriebsvereinbarung (§ 77 BetrVG) treten (3) (siehe Abb. 2). 

In der Orientierungsphase (1) geht es um das gemeinsame Verständnis über die Zielsetzungen, die das Unternehmen mit der Einführung von KI verfolgt; gefolgt von einer Situationsbewertung und einer gemeinsamen Bestimmung analytischer Kennzahlen (z. B. „Verringerung der Ausschussquote durch den Einsatz von KI“ oder „Anzahl der Mitarbeiter in Qualifizierungsmaßnahmen im Sinne des Art. 4 EU AI Act“) bis hin zur Auswahl eines KI-Pilotbereiches (§ 91 BetrVG). Die Initiative, sich mit einer möglichen Einführung von KI-Software im Unternehmen zu befassen, muss nicht zwingend immer von der Geschäftsleitung ausgehen. Im Fall von Doncasters Precision Castings war es z. B. die Interessenvertretung, die den Einsatz von KI empfahl:

„Aufgrund der hohen Ausschussquote bei unseren Gussteilen sind wir auf die Geschäftsleitung zugegangen. Wir Betriebsräte haben uns Sorgen um die Wettbewerbsfähigkeit und die Arbeitsplätze am Standort Bochum gemacht. Unter Berücksichtigung des Initiativrechtes im Sinne des § 92a BetrVG haben wir der Geschäftsleitung die Möglichkeit einer KI-basierten Qualitätskontrolle vorgetragen. Dr. Vrenegor, unser Leiter Technology Development, hat diese Initiative des BR dann aufgenommen und Experten des HUMAINE-Projektes an der Ruhr-Universität Bochum kontaktiert. Seitdem arbeiten wir gemeinsam mit der Geschäftsführung und der Uni an KI-Lösungen und entsprechenden arbeitspolitischen Regelungen.“ (Dirk Stüter, BR-Vorsitzender Doncasters)

Nach dieser grundsätzlichen Übereinkunft geht es in der Phase (2) vornehmlich mit dem BR um die Identifikation zentraler arbeitspolitischer Handlungsfelder, die mit der KI-Einführung einhergehen, sowie um die Analyse bereits bestehender Betriebsvereinbarungen zu Informationstechnologien. Als Grundlage für die Identifikation der Handlungsfelder werden die Erkenntnisse aus zurückliegenden Technologieeinführungen herangezogen [19].

Nach der Auswahl eines Pilotbereiches werden Veränderungen der Tätigkeits- und Qualifikationsprofile im Pilotbereich identifiziert, da diese Kenntnisse möglicherweise durch den Einsatz von KI nicht mehr zur Erfüllung der Aufgabe ausreichen. Beschäftigte und Interessenvertretungen müssen schon vor dem Einsatz von KI zu Datenquellen, Datenqualität und Risiken geschult werden. Risiken betreffen schließlich auch ethische Aspekte der Entscheidungsautonomie, Überwachung und Kontrolle am Arbeitsplatz nach Art. 5 EU AI Act:

„Durch den Dialog mit den Wissenschaftlern haben wir uns auch mit der Risikopyramide beschäftigt. Keine Leistungsüberwachung der Mitarbeiter, kein social scoring. Beim Einsatz von KI muss immer der Mitarbeiter die letzte Entscheidung treffen. Diese neuen EU-Verordnungen beinhalten für uns aber auch keine neuen Aspekte, weil diese bereits maßgeblich nach § 87 Abs. 1. Nr. 6 BetrVG geregelt sind.“ (Dirk Stüter)

Die Analyse abgeschlossener Vereinbarungen über den Einsatz von Informationstechnologien und die identifizierten arbeitspolitischen Felder bilden die Grundlage für einen ersten Entwurf einer „Betriebsvereinbarung Künstliche Intelligenz“, um in den Dialog mit der Geschäftsführung zu treten (3). Dabei wird zunächst darüber eine Einigung erzielt, ob bereits vorhandene IT-Vereinbarungen für den zukünftigen KI-Einsatz durch Ergänzungen ausreichend sind oder eine spezifische KI-Vereinbarung abgeschlossen werden soll.

Im Fall Doncasters wurde sich auf den Abschluss einer Rahmenbetriebsvereinbarung zu KI geeinigt, um nicht jede Einführung von neuen KI-Programmen erneut verhandeln zu müssen. Dieser arbeitspolitische Prozess ist bis zum Abschluss einer Betriebsvereinbarung verhandlungsintensiv und zieht schließlich sowohl die Rechtsvertreter der Geschäftsleitung als auch die des Betriebsrats in den abschließenden Verhandlungen mit ein.

Fazit und Ausblick

Mit den Mitbestimmungsdialogen wurde ein Verfahren entwickelt und erprobt, das es Management, Beschäftigten und Interessenvertretungen erlaubt, die komplexen Herausforderungen beim KI-Einsatz gemeinsam zu analysieren und tragfähige Verständigungen zu erzielen. Während dieses Dialogverfahrens in Betrieben mit BR zu einem Abschluss von Betriebsvereinbarungen „Künstliche Intelligenz (KI)“ nach § 77 BetrVG führen (vgl. Ranft et al. in dieser Ausgabe), können die Mitbestimmungsdialoge auch in Betrieben ohne Betriebsrat oder mit alternativen Vertretungsorganen (AVO) [20] durchgeführt werden und somit insbesondere für die Anwendung in KMU ggf. angepasst oder vereinfacht werden, um den Bedingungen und Herausforderungen dieser Unternehmen im Kontext der Einführung von KI Rechnung zu tragen [21].

Anstelle von rechtlich bindenden Betriebsvereinbarungen kann es in diesen Fällen zur Formulierung von KI-Leitlinien zwischen den Betriebsparteien kommen. Allerdings können nur mit betrieblich institutionalisierten Interessenvertretungen (rechtlich) verbindliche Regelungen zu einer handhabbaren, betrieblich verankerten, nachhaltigen Praxis bei der Einführung von KI im Unternehmen entwickelt werden. Insgesamt gilt jedoch, dass kontinuierliche Qualifizierungsprozesse für alle beteiligten Akteursgruppen im Sinne der Art. 4 und 5 des EU AI Act angestoßen werden.

Die Mitbestimmungsdialoge ermöglichen somit einen prozessbegleitenden Qualifizierungsprozess für alle Beteiligten und können dazu beitragen, das traditionelle Konzept der Konfliktpartnerschaft um den Ansatz einer „betrieblichen Transformationspartnerschaft“ [11] zu erweitern. Die Übertragbarkeit des Tools Mitbestimmungsdialoge auf weitere Betriebe ist gegeben. Die erfolgreiche Anwendung hängt allerdings maßgeblich von den jeweiligen betrieblichen Erfahrungen der Betriebsparteien mit vorherigen Aushandlungsprozessen über technologische und organisatorische Veränderungsprozesse ab (Pfadabhängigkeit).

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