Künstliche Intelligenz

Die Implementierung generativer künstlicher Intelligenz (GenAI) stellt neue Anforderungen an die GenAI-Governance. Dieser Beitrag präsentiert explorative Ergebnisse dazu, wie KMU aus dem Ruhrgebiet GenAI einsetzen, Risiken wahrnehmen und mit ethischen Herausforderungen umgehen. Die Daten stammen aus einer Befragung von 56 KMU und einer regionalen Fallstudie. Während institutionalisierte Governance-Mechanismen fehlen, können kommunikative Praktiken des Managements in der frühen Phase der GenAI-Implementierung als Ersatz dienen und sollten als wichtiger Vorläufer für die Entwicklung einer Governance-Struktur angesehen werden, insbesondere in KMU.

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.

Die Radiologie muss an der Schnittstelle mit anderen medizinischen Disziplinen unter Zeitdruck hervorragende diagnostische Qualität liefern. Künstliche Intelligenz (KI)-Anwendungen in diesem Umfeld müssen eine optimale Anomalie-Detektion in hochauflösenden, dreidimensionalen Bilddatensätze liefern und im Rahmen der Mensch-Maschine Befund-Co-Kreation den ethischen Anforderungen einer responsible AI genügen. Wir haben entlang eines komplexen Anwendungsfalls ein modulares System entwickelt, das (i) die Weiterentwicklung der Anomalieerkennung, (ii) die Erweiterung der KI-Befunde um diagnostische und therapeutische Konsequenzen, (iii) eine Metrik zur Messung der KI/menschlichen Ko-Kreation, (iv) die Analyse der Einstellung von Radiologen zur KI-Unterstützung und (v) die arbeitsplatzspezifische Implementierung von KI-Anwendungen umfasst. Alle Module werden im Hinblick auf die FUTURE-AI-Ethik-Konsenskriterien diskutiert. Dieser integrierte Technologie- und Arbeitsgestaltungsansatz kann ...

Künstliche Intelligenz (KI) kann Produktivität und Qualität steigern, dies erfordert aber ein gelungenes Zusammenspiel aus individuellen und organisationalen Kompetenzen. Diese Studie untersucht die Auswirkungen von KI-Integration auf Arbeitsergebnisse und Team-Problemlösung. In einer Laborumgebung erarbeiten Teilnehmende medizinische Empfehlungen mit zunehmender KI-Unterstützung. Erste Ergebnisse zeigen, dass Teams schneller werden, aber die Qualität abnimmt. Dies geht mit einer verringerten Fall-Durchdringung einher, wenn KI scheinbar gesicherte Erkenntnisse liefert, die jedoch nicht zur Lösung führen. Die Studie unterstreicht die Notwendigkeit von KI-Kompetenz in realistischen Lernsettings und die Bedeutung des kritisch-reflexiven Denkens für einen verantwortungsvollen KI-Einsatz.

Humanzentrierter KI (HCAI) kommt insbesondere in sicherheitskritischen Anwendungsbereichen große Bedeutung zu. Eine notwendige Voraussetzung für die Realisierung ist die Balance von menschlicher Kontrolle und Automatisierung durch Adaptionsfähigkeit. Für die Gestaltung auf der Ebene von Arbeitssystemen fehlt es jedoch an systematischen Ansätzen. In diesem Beitrag wird deshalb eine neue Methode entwickelt, welche transdisziplinäre Teams bei der Exploration von Gestaltungsräumen leiten kann. Basierend auf einem erweiterten Arbeitssystemmodell und Design-Structure- sowie Domain-Mapping-Matrizen können Interdependenzen strukturiert erfasst und analysiert werden. Die Anwendung in einem realweltlichen Arbeitsszenario der zerstörungsfreien Prüfung demonstriert das Potenzial für Komplexitätsreduktion, die Förderung eines gemeinsamen Verständnisses sowie die frühzeitige Identifizierung kritischer Schnittstellen. Die Methode stellt somit einen theoretisch fundierten, praktisch ...

Künstliche Intelligenz (KI) eröffnet Unternehmen neue Möglichkeiten, erfordert jedoch zugleich die Integration technologischer, wirtschaftlicher und ethischer Überlegungen, insbesondere für kleine und mittlere Unternehmen (KMU). Dieser Artikel stellt ein strukturiertes, kartenbasiertes Tool vor, das die ethische Gestaltung KI-gestützter Geschäftsmodelle unterstützt. Es kombiniert zwei Komponenten: KI-Geschäftsmodellkarten, die Muster KI-basierter Wertschöpfung erfassen, sowie KI-Ethikprinzipien, die eine frühzeitige ethische Bewertung anleiten. Zusammen ermöglichen sie interdisziplinären Teams, KI-getriebene Geschäftsmodelle entlang eines fünfphasigen Rahmens zu entwickeln, zu prototypisieren und zu bewerten: Erkunden, Ideenfindung, Prototypentwicklung, Testen und Realisieren. Validiert durch Co-Creation-Workshops mit einem produzierenden KMU zeigt die Methode, wie werteorientiertes Design Risiken reduziert, Vertrauen aufbaut und die Entwicklung innovativer sowie ethisch ...

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.

Der Beitrag spezifiziert den Bedarf an Generativer Künstlicher Intelligenz für die industrielle Instandhaltung aus einer soziotechnischen Systemperspektive. Unter Betonung zweier Anforderungen, dem Zugriff auf implizites Bedienerwissen und der Priorisierung komplexer regulatorischer Anforderungen, wird eine mehrschichtige Architektur für ein kontextsensitives KI-basiertes Wartungsassistenzsystem skizziert. Das Hauptziel besteht darin, Wissenslücken mit GenAI zu überbrücken, wenn menschliches Fachwissen und implizites Wissen nicht verfügbar sind, und regulatorische Herausforderungen aufgrund vielfältiger Vorschriften zu bewältigen sind. Das KI-basierte Assistenzsystem erleichtert den Zugang zu technischem Wissen, verteilt Fachwissen und teilt implizites Wissen erfahrener Bediener über verschiedene Ebenen der Informationsverarbeitung hinweg. Der Ansatz geht über die Standardisierung hinaus und hat ein hohes Potenzial zur Verbesserung der organisationalen und individuellen ...

Die zunehmende Komplexität industrieller Umgebungen erfordert neue Kompetenzen, insbesondere in der Interaktion mit digitalen Systemen. Traditionelle Ausbildungsmethoden reichen für den effektiven Transfer von angewandtem Wissen oft nicht aus. Um diese Lücke zu schließen, wurde ein Experiment durchgeführt, bei dem Augmented Reality (AR) und papierbasierte Anleitungen in einem Produktionsszenario verglichen wurden. Die Ergebnisse zeigen: Teilnehmer, die mit AR lernten, führten den Produktionsprozess deutlich schneller und mit weniger Fehlern durch. Darüber hinaus berichteten die Lernenden, die AR nutzten, von einer höheren Benutzerfreundlichkeit und einer geringeren kognitiven Belastung während des Trainings.

Der Engineer-to-Order (ETO)-Produktionsansatz gewinnt durch die steigende Nachfrage nach individualisierten Produkten und kleinen Losgrößen zunehmend an Bedeutung. ETO verringert jedoch die Skaleneffekte der Serienfertigung, da jeder Auftrag maßgeschneiderte Engineering- und Produktionsschritte erfordert. Dieser Effizienzverlust kann durch eine bedarfsgesteuerte und kontextbezogene Informationsbereitstellung während des Produktentwicklungsprozesses reduziert werden. Ein auf semantischer Künstlicher Intelligenz (KI) und Machine Learning basierendes Empfehlungssystem kann dies unterstützen, indem es i) historische Daten und Vorwissen, z. B. Zeichnungen oder Stücklisten aus früheren Projekten, analysiert und ii) Vorschläge zur Wiederverwendung von Designs oder für Designalternativen macht, und so die genannten Effekte kompensieren.