Design

Operationalisierung ethischer KI mit tachAId

Operationalisierung ethischer KI mit tachAId

Validierung eines interaktiven Beratungstools in zwei Anwendungsfällen aus der Fertigungsindustrie
Pavlos Rath-Manakidis, Henry Huick, Björn Krämer ORCID Icon, Laurenz Wiskott ORCID Icon
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

Digital Competence Lab (DCL) für die Logopädie

Konzeption einer Lernplattform zur Förderung digitaler Handlungskompetenzen
Anika Thurmann ORCID Icon, Antonia Weirich ORCID Icon, Kerstin Bilda, Fiona Dörr ORCID Icon, Lars Tönges ORCID Icon
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
KI-Implementierung in der industriellen Qualitätskontrolle

KI-Implementierung in der industriellen Qualitätskontrolle

Ein Design-Science-Ansatz, der technische und menschliche Faktoren miteinander verbindet
Erdi Ünal ORCID Icon, Kathrin Nauth ORCID Icon, Pavlos Rath-Manakidis, Jens Pöppelbuß ORCID Icon, Felix Hoenig, Christian Meske ORCID Icon
Künstliche Intelligenz (KI) bietet ein erhebliches Potenzial zur Verbesserung der industriellen Qualitätskontrolle, doch eine erfolgreiche Implementierung erfordert die sorgfältige Berücksichtigung ethischer und menschlicher Faktoren. Dieser Artikel untersucht, wie automatisierte Oberflächeninspektionssysteme eingesetzt werden können, um menschliche Fähigkeiten zu erweitern und gleichzeitig eine ethische Integration in die Arbeitsabläufe zu gewährleisten. Im Rahmen einer Design-Science-Research-Untersuchung (DSR) wurden zwölf Interessenvertreter aus sechs Organisationen auf drei Kontinenten befragt und zwölf soziotechnische Designanforderungen abgeleitet. Diese sind in Vorbereitungs- und Implementierungs-/Betriebsphasen unterteilt und befassen sich mit menschlichem Handeln, Mitarbeiterbeteiligung und verantwortungsvollem Wissensmanagement. Zu den wichtigsten Ergebnissen zählen die entscheidende Bedeutung einer sinnvollen Mitarbeiterbeteiligung während der ...
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 1 | Seite 120-127 | DOI 10.30844/I4SD.26.1.120
Leitlinien für den fairen Einsatz generativer KI

Leitlinien für den fairen Einsatz generativer KI

Praxisbeispiele aus den Bereichen Produktionsmanagement und Wohlfahrtspflege
Anja Gerlmaier, Paul-Fiete Kramer ORCID Icon, Dirk Marrenbach ORCID Icon, René Wenzel ORCID Icon
Im Zuge der rasanten Verbreitung assistiver KI-Tools wie ChatGPT, Gemini oder Copilot sind Unternehmen gefordert, sich mit den Chancen und Herausforderungen von künstlicher Intelligenz zu beschäftigen. Der Beitrag gibt auf Basis von zwei Praxisbeispielen einen Einblick, wie Unternehmen mithilfe betriebsspezifischer Risiko- und Potenzialanalysen bei der Entwicklung von Leitlinien für einen fairen und verantwortungsvollen KI-Einsatz vorgehen können.
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 1 | Seite 22-28 | DOI 10.30844/I4SD.26.1.22
XAI-gestütztes Nudging von Entscheidungen in der Fertigung

XAI-gestütztes Nudging von Entscheidungen in der Fertigung

Praktische Umsetzbarkeit und ethische Herausforderungen
Jan-Phillip Herrmann ORCID Icon, Catharina Baier, Sven Tackenberg ORCID Icon, Verena Nitsch ORCID Icon
Erklärbare künstliche Intelligenz (XAI)-basiertes Nudging ist zwar ethisch komplex, kann jedoch eine vorteilhafte Alternative zu starren, algorithmisch generierten Fertigungsplänen darstellen, um sowohl die Planungsautonomie von Fertigungsmitarbeitenden als auch die Gesamtleistung des übergeordneten Fertigungssystems zu verbessern. Dieser Artikel präsentiert eine Laborstudie, die das erfolgreiche Nudging von 28 Studierenden des Studiengangs Wirtschaftsingenieurwesen in einer Fertigungssimulation demonstriert. Die Studie zeigt, dass die Übereinstimmung der von den Studierenden ausgewählten Bearbeitungsreihenfolge von Fertigungsaufgaben mit einer vordefinierten Bearbeitungsreihenfolge durch Nudging um 9 % zunimmt. Durch den Einsatz von XAI werden die Präferenzen der Studierenden analysiert und Deadlines sowie Prioritäten in der Simulation angepasst. Der Artikel diskutiert die ethischen Fragen des Nudging, darunter potenzielle Manipulation, Scheinautonomie und die Reduzierung von ...
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 1 | Seite 70-78 | DOI 10.30844/I4SD.26.1.70
KI-basierte Dokumentationssysteme in der Pflege

KI-basierte Dokumentationssysteme in der Pflege

Potenziale zur Verbesserung der Dokumentationsqualität und zur Entlastung des Pflegepersonals
Sophie Berretta ORCID Icon, Elisabeth Liedmann ORCID Icon, Paul-Fiete Kramer ORCID Icon, Anja Gerlmaier, Christopher Schmidt
In Zeiten des demografischen Wandels, der mit einem wachsenden Pflegebedarf und Fachkräftemangel einhergeht, rücken KI-basierte Technologien zunehmend in den Fokus pflegebezogener Innovationen. Erwartet werden Entlastung, Zeitersparnisse und eine höhere Attraktivität des Pflegeberufs. Der Beitrag untersucht am Beispiel der KI-gestützten Dokumentation von Aufnahmegesprächen, inwiefern solche Systeme Arbeits- und Pflegequalität verbessern können. Im Zentrum stehen die Perspektiven von Pflegekräften und -expert:innen. Die Ergebnisse zeigen Potenziale zur Entlastung, Steigerung der Dokumentationsqualität und Freisetzung zeitlicher Ressourcen für die direkte Pflege. Voraussetzung ist eine humanzentrierte, kontextsensibel gestaltete Implementierung.
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 1 | Seite 154-160 | DOI 10.30844/I4SD.26.1.154
JOCAT (Job Change Acceptance Toolbox)

JOCAT (Job Change Acceptance Toolbox)

Ein Change-Management-Ansatz für die ethische und nachhaltige Implementierung von KI-Systemen
Sophie Berretta ORCID Icon, Pauline Nolte, Annette Kluge ORCID Icon, 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
Angewandte KI für die menschenzentrierte Montage

Angewandte KI für die menschenzentrierte Montage

Ein ethisch fundierter Ansatz zur Gestaltung von Arbeitsplätzen
Tadele Belay Tuli ORCID Icon, Michael Jonek ORCID Icon, Sascha Niethammer, Henning Vogler, Martin Manns ORCID Icon
Künstliche Intelligenz (KI) kann die Montage verbessern, indem sie menschliche Bewegungen vorhersagt und den Arbeitsplatz entsprechend gestaltet. Mithilfe probabilistischer Modelle wie der Gaußschen Mischmodelle (GMMs) antizipieren KI-Systeme die Bewegungen des Bedieners, um die Koordination mit Robotern zu verbessern. Diese Vorhersagesysteme werfen jedoch ethische Bedenken hinsichtlich Sicherheit, Fairness und Datenschutz gemäß EU AI Act auf. Dieser Artikel stellt eine Methode vor, die probabilistische Bewegungsmodellierung mit ethischer Bewertung mittels Z-Inspection® integriert. Eine Fallstudie unter Verwendung des Werkerassistenzsystem zeigt, wie multimodale Sensorik (Bewegung, Blick) und interpretierbare Modelle eine vorausschauende Unterstützung ermöglichen. Der Ansatz geht von der ethischen Bewertung zu einer ethisch informierten Arbeitsgestaltung über und liefert übertragbare Prinzipien sowie eine konfigurierbare Bewertungsmatrix.
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 1 | Seite 60-68 | DOI 10.30844/I4SD.26.1.60
Mitbestimmungsdialoge zur humanzentrierten KI-Einführung

Mitbestimmungsdialoge zur humanzentrierten KI-Einführung

Dialogisches Verfahren der Entwicklung einer betriebsspezifischen Mitbestimmungspraxis
Manfred Wannöffel ORCID Icon, Fabian Hoose ORCID Icon, Alexander Ranft, Claudia Niewerth ORCID Icon, 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

Regulierung von humanzentrierter KI in Betrieben

Die HUMAINE Muster-Betriebsvereinbarung
Alexander Ranft, Fabian Hoose ORCID Icon, Claudia Niewerth ORCID Icon, Mathias Preuß, Manfred Wannöffel ORCID Icon
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
1 3 4 5 51