Forschungsprojekt AIXPERIMENTATIONlab

Augmented Intelligence zur Mitarbeiterunterstützung in Entscheidungssituationen

Erklärvideo

Halbzeit im Projekt AIXPERIMENTATIONLAB

Halbzeit im Projekt AIXPERIMENTATIONLAB

– Wo steht das Projekt gerade? Welche Lessons Learned gibt es bereits?

Katharina Buschmeyer

AIXLAB — https://unsplash.com/photos/t1PaIbMTJIM

Wer sich mit der Zukunft der Arbeit beschäftigt kommt um das Thema Künstlichen Intelligenz (KI) nicht herum. Das Teilgebiet der Informatik hat in den letzten Jahren eine neue Reifephase erreicht (Bundesregierung, 2018). KI-basierten Technologien und Verfahren wird ein erhebliches Potenzial zugeschrieben die Effizienz und Produktivität in Organisationen zu steigern (Benbya et al., 2020). Sie finden zunehmend Einzug in Unternehmen und damit in unser Arbeitsleben (von Krogh, 2018), welches sich Prognosen zur Folge durch die Implementierung von KI-basierten Systemen maßgeblich und nachhaltig verändern wird (Manyika & Sneader, 2018; Webster & Ivanov, 2020).

Welche Wirkung der Einsatz von KI-basierten Verfahren und Technologien im Arbeitskontext hat, ist voraussichtlich im besonderen Maße davon abhängig, wie dieser Einsatz gestaltet ist. Ein aufstrebender Gestaltungsansatz ist in den letzten Jahren der Ansatz der Augmented Intelligence (siehe Jain et al., 2021, Hellebrandt et al., 2021; Ramge, 2020; Chaudhary, 2019). Hier werden KI-basierte Systeme im Arbeitskontext eingesetzt, um Mitarbeitende in Entscheidungssituationen zu unterstützen und in der Folge kognitiv zu entlasten. Dabei wird eine synergetische Ergänzung von menschlicher und maschineller Intelligenz verfolgt.

Der Einsatz von Augmented IntelligenceSystemen im Arbeitskontext wird in dem Ende 2020 gestarteten Forschungsprojekt AIXPERIMENTATIONLAB untersucht. Hierzu arbeiten WissenschaftlerInnen der Hochschule Augsburg und des Werzeugmaschinenlabors (WZL) der RWTH Aachen sowie Praxispartnern aus der Wirtschaft eng zusammen. Gemeinsam wird im Projekt der Leitfrage nachgegangen: Wie lässt sich Arbeitsstress durch den Einsatz von KI-basierten Entscheidungsunterstützungssystemen reduzieren?

Wir haben bereits in den vergangenen beiden Ausgaben über das Projekt berichtet. Da wir uns nun zur Projekthalbzeit befinden, möchten wir erneut die Gelegenheit nutzen und den aktuellen Stand berichten und eine kurzes Zwischenfazit ziehen.

Im Oktober 2020 sind wir in das Projekt mit umfassenden Anforderungs- und Bedarfsanalysen bei den drei Praxispartnern gestartet. Dabei haben wir uns in allen Unternehmen auf den Unternehmensbereich Service und Kundendienst fokussiert. Auf der Grundlage der hier gewonnenen Erkenntnisse wurden für alle drei Bereiche eine Problemstellung und die jeweilige technische Lösung - in Form eines KI-basierten Entscheidungsunterstützungssystems - erarbeitet. Die prototypische Entwicklung der Systeme ist aktuell in der finalen Phase. Um diese auch zugänglich für die zukünftigen Nutzenden zu machen, werden parallel die Benutzeroberflächen der drei Systeme entwickelt. Wie in den vorherigen Prozessschritten, sind auch hier die zukünftigen Nutzenden fest im Prozess mit eingebunden. Denn im Forschungsprojekt wird ein partizipativer Ansatz verfolgt. Durch die konsequente Beteiligung der Mitarbeitenden sollen die Anforderungen der zukünftigen Nutzenden an die Systeme ausreichend berücksichtigt werden und folglich später die Akzeptanz gegenüber dem KI-basierten Entscheidungsunterstützungssystem steigern.

Parallel zu der Entwicklung der technischen Lösungen wurde in den vergangenen Monaten ein spezifisches Fragebogeninventar für das Projekt entwickelt, welches in den folgenden Monaten im Projekt Anwendung findet. Hiermit werden die Veränderungen der psychischen Arbeitsbedingungen und damit verbundenen Auswirkungen auf die Mitarbeitenden durch die Implementierung der KI-basierten Systeme erhoben bzw. evaluiert. Derzeit befindet sich das Erhebungsinstrument noch im Validierungsprozess.

Das validierte Inventar wird gegen Ende des Projekts im Jahr 2023 gemeinsam mit allen Erfahrungswerten Einzug in einem Transformationsleitfaden finden, der insbesondere Klein- und Mittelständischen Unternehmen (KMU) die Implementierung von KI-basierten Entscheidungsunterstützungssystemen erleichtern soll. Die fünf wichtigsten Lessons Learned zum aktuellen Zeitpunkt möchten wir an dieser Stelle mit Ihnen teilen:

KI-basierte Entscheidungsunterstützungssysteme sind ein Mittel zum Zweck und sind nicht für jedes Problem das am besten geeignetes Mittel
Die Implementierung eines KI-basierten Entscheidungsunterstützungssystems ist ein klassischer Veränderungsprozess – auch hier spielen Kommunikation und insbesondere das aktive Managen von Erwartungen eine große Rolle
Die konsequente Beteiligung der zukünftigen Nutzenden in solch einem Projekt ist zentral, denn ohne die Akzeptanz steigt die Wahrscheinlichkeit, dass das Projekt am Ende scheitert
KI-Implementierungsprojekte sind vielschichtig, daher sollten idealerweise verschiedenste Disziplinen wie beispielsweise die Psychologie, die Informatik und die Betriebswirtschaftslehre zusammenarbeiten
Die Implementierung von KI-basierten Anwendungen geht oft mit Prozessänderungen einher

Wirtschaftspsychologie

01.12.2020

Projektbeschreibung

Am Ende des Jahres 2020 startete an unserer Hochschule das Forschungsteam von Professorin Sarah Hatfield gemeinsam mit Wissenschaftlerinnen und Wissenschaftlern des Werkzeugmaschinenlabors (WZL) der RWTH Aachen mit dem Forschungsprojekt Augmented Intelligence Experimentation Laboratory, kurz AIXPERIMENTATIONlab.

In dem auf drei Jahre angelegten Projekt soll die Frage untersucht werden: Wie lässt sich Arbeitsstress durch die gezielte Kombination von menschlichen und maschinellen Fähigkeiten reduzieren? Zur Untersuchung dieser Frage forschen die Wissenschaftlerinnen und Wissenschaftler praxisorientiert in Kooperation mit Mitarbeitenden und Führungskräften betrieblicher Anwenderunternehmen (HEIM & HAUS Bauelemente Produktionsgesellschaft mbH; Aumüller Aumatic GmbH; aixtema GmbH) sowie Zugehörigen der Gewerkschaft verdi.

Der Untersuchungsraum wird durch typische Arbeitsbereiche der Anwenderunternehmen, welche primär die Kernaktivität Service und Kundendienst betreffen, aufgespannt. Die Unternehmen sehen sich mit einer stetig wachsenden Anzahl komplexer werdender, interner und externer Daten- und Informationsstrukturen konfrontiert. Durch die kontinuierlich steigende Menge an internen Produkt- und Produktbegleitdaten sowie externen Felddaten und Kundeninformationen, kommt es bereits heute zu einer Informationsüberlastung. Zusätzlich sind die Mitarbeitenden mit externen Faktoren konfrontiert, wie Kundenerwartungen an schnelle Reaktionszeiten, die als belastend wahrgenommen werden. Zusammengenommen führen diese Entwicklungen vermehrt zur Fehlbeanspruchung, welche sich insbesondere in kurzfristigen Entscheidungssituationen in Form von Stress und Abwehrhaltung der Mitarbeitenden zeigt.

Um die Arbeitssituation der Mitarbeitenden zu verbessern, soll im Forschungsprojekt Augmented Intelligence, im Sinne einer menschenzentrierten KI, eingesetzt werden, um die Mitarbeitenden in Entscheidungssituationen zu unterstützen. Dabei sollen die relativen Vorzüge von Methoden der Künstlichen Intelligenz mit den relativen Vorzügen menschlicher Urteilskraft in einen guten Entscheidungsprozess gebracht werden, der die psychische Fehlbeanspruchung von Mitarbeitenden im Service und Kundendienst reduziert.

Durch die partizipative Entwicklung menschzentrierter KI-Anwendungen zur Entscheidungsunterstützung werden die Problemstellungen adressiert. Im Vordergrund steht dabei die Gestaltung einer aus Sicht der Mitarbeitenden „optimalen“ Mensch-KI-Schnittstelle. Die praxistauglichen KI-Anwendungen werden zunächst im AIXPERIMENTATIONLAB entwickelt und erprobt und anschließend bei den Anwenderunternehmen im betrieblichen Alltag angewendet. In diesem Zusammenhang werden empirisch belegbare Hinweise im Hinblick auf Belastungs- und Beanspruchungswirkungen durch mensch zentrierte KI-Anwendungen gesammelt. Die Erkenntnisse finden Eingang in ein Transformationskonzept, das alle relevanten Aspekte der KI-Einführung in betriebliche Arbeitssysteme berücksichtigt.