menschenzentrierte KI

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 ...

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 ...

Trotz ihres Potenzials verläuft die Einführung von Künstlicher Intelligenz (KI) in der Industrie häufig verzögert, was vor allem auf empfundene Komplexität, hohe Kosten und fehlendes Fachwissen zurückzuführen ist. Dieser Beitrag präsentiert eine modulare Demonstrator-Referenzarchitektur, die einen praxisnahen und aufwandsarmen Zugang zu industriellen KI-Anwendungen eröffnet. Entwickelt im Rahmen eines Design-Science-Research-Ansatzes, unterstützt sie gezielt das Experimentieren, Lernen und die schrittweise Integration in bestehende Produktionsprozesse. Der Schwerpunkt liegt auf dem Maschinellen Sehen, realisiert mit kosteneffizienter Hardware und Open-Source-Software. Die Anwendbarkeit wird anhand dreier Szenarien aufgezeigt: Qualitätskontrolle, Spanklassifizierung und betriebliche Ausbildung. Erste Evaluationen bestätigen die technische Umsetzbarkeit, didaktische Relevanz und Übertragbarkeit auf verschiedene industrielle Kontexte.

Die Integration von KI in die Industrie 4.0 nimmt stetig zu. Zu den Anwendungen gehören sowohl Single Purpose Anwendungen als auch generative KI-Systeme für die betriebliche Praxis sowie in Lernanwendungen. Neben dem Umgang mit den technischen Herausforderungen, die diese Systeme mit sich bringen, müssen Unternehmen die mit der Technologieintegration verbundenen organisatorischen Veränderungen bewerten, planen und Unterstützungsangebote bereithalten.