Künstliche Intelligenz (KI)

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.

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 ...

In der Prozesstechnik denkt man in Produktionsoperationen, die von Sensoren und Aktoren gesteuert bzw. geregelt werden. Und jede Realisierung von Stoffumwandlung basiert auf einem physischen Substrat, was in gleicher Weise für lebende Systeme und ihr Verhalten gilt. Unterschieden werden in dem Beitrag drei Systemebenen: die Funktionsebene, das Interface zur Umwelt und die kognitive Ebene . Mithilfe dieser drei Ebenen lässt sich der Lernzyklus bzw. der bisherige sehr gut veranschaulichen. Vergleicht man in dieser Unterscheidungsweise intelligentes Verhalten von Menschen mit den technischen Entwicklungsstufen Maschinisierung, Automatisierung, Regelung und Deep Learning, dann wird das in der kybernetisch-soziologische Systemtheorie gängige Merkmal „“ verständlich. Daraus wird der Schluss gezogen, dass wir im Rahmen einer digitalisierten Kultur von Produktion und Organisation mit einem auf Silizium-Basis (SI) rechnen sollten. Um diese Analogie hervorzuheben, bezeichnen wir das vom ...