Translate

Die Einführung neuer Technologien stellt insbesondere für kleine und mittlere Unternehmen (KMU) eine große Herausforderung dar. Gleichzeitig müssen sich KMU dieser Herausforderung stellen, um technologisch und wirtschaftlich Schritt halten zu können. Hierbei stellt die Akzeptanz der Beschäftigten eine wichtige Größe dar, wenn Technologieeinführung und dauerhafte Nutzung erfolgreich sein sollen. Zentralen Einfluss auf die Schaffung von Akzeptanz gegenüber diesen neuen Technologien hat der Einführungsprozess. Anhand der Implementierung kollaborationsfähiger Robotik wird dieser Einführungsprozess beispielhaft aufgearbeitet, um die wesentlichen Einflussfaktoren auf die Akzeptanz der Beschäftigten und die Bedeutung von Trainingsmaßnahmen herauszuarbeiten. Der Beitrag macht deutlich, wie der Einführungsprozess und die Qualifikation der Beschäftigten dabei nahtlos ineinandergreifen und sich gegenseitig beeinflussen.

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.

Der demografische Wandel verstärkt den Arbeits- bzw. Fachkräftemangel in der produzierenden Industrie, wodurch das Thema Wissensmanagement für viele Unternehmen an Bedeutung gewinnt. Insbesondere die Erhebung und Konservierung impliziten Wissens stellt eine Herausforderung dar. Die vorliegende Studie beleuchtet, inwieweit Large Language Models (LLMs) im Bereich der Wissenserhebung mit Experteninterviews sinnstiftend unterstützen können. Drei Experten testen und bewerten den entwickelten Chatbot. Die Ergebnisse des Interviews sind vielversprechend, die Zusammenfassung hingegen zeigt Verbesserungspotenziale.

Eine gezielte ergonomische Gestaltung von Arbeitsplätzen und Prozessen kann den Herausforderungen der manuellen Montage entgegenwirken und die Arbeitsbedingungen verbessern. Die derzeit vorherrschende manuelle Ergonomiebewertung durch Experten ist jedoch zeit- und ressourcenintensiv. In diesem Beitrag wird eine automatisierte Bewertungsmethode vorgestellt, die auf dem Rapid Upper Limb Assessment (RULA) basiert. Ergebnisse einer Laborstudie mit einem Montageszenario weisen eine Übereinstimmung mit Expertenbewertungen nach.

Mit Industrie 4.0 stehen viele Industriebetriebe erneut umfassenden Transformationsdynamiken gegenüber. In Digitalisierungsprojekten greifen die Werks- bzw. Betriebsleitungen neuere technische Entwicklungen wie etwa kognitionsunterstützende Assistenzsysteme auf. Mit Blick auf die industrielle Montage in der Metall- und Elektroindustrie führt dies zu veränderten Arbeitsprozessen, bei denen oft noch unklar ist, inwieweit aus Beschäftigtensicht arbeitsintegriertes Lernen stattfindet. Gegenstand dieses Beitrages ist eine qualitative Analyse, mit der die Sicht von Beschäftigten auf die Chancen und Risiken von drei kognitionsunterstützenden Assistenzsystemen nachgezeichnet wird. Das Ergebnis: nicht alle Beschäftigten in der Montage scheinen gleichermaßen von den neuen Entwicklungen zu profitieren.

Die Herstellung von Kochschinken bringt einige Herausforderungen mit sich. Für die Produktion werden Fleischteile mithilfe von Salzlake in einem mehrstufigen Pökel- und Garprozess verarbeitet. Dabei kann es zu Qualitätsschwankungen kommen, die auf Strukturfehler im Fleisch zurückzuführen sind. Das Resultat: Die Salzlake wird nicht optimal aufgenommen. Ein auf historischen Daten trainiertes KI-Modell soll das Problem lösen.