Qualifizierung

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.

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 ...

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.

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 ...

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.

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 Kommerzialisierung generativer Künstlicher Intelligenz (KI) durch Systeme wie ChatGPT hat eine neue Ära in der Industrie 4.0 eingeleitet. Die automatische Erstellung neuer Inhalte dank generativer KI ist besonders für die Entwicklung von KI-basierten Tutoring-Systemen (AITS) von Bedeutung, die das digitale Lernen im Rahmen von Bildung 4.0 fördern. Zunächst aber müssen KI-Tutoring-Systeme einer Kategorisierung unterzogen werden, etwa nach Lernmethoden, Anwendungsbereiche und ihren jeweiligen Technologien.