Künstliche Intelligenz erleichtert Wissenstransfer und -erhalt
Unternehmen stehen weiterhin und in Zukunft verstärkt, wenn die sogenannten „Baby-Boomer“ in Rente gehen, vor der Herausforderung das Wissen langjähriger Beschäftigter zu sichern und für die nachfolgenden Belegschaften zur Verfügung zu stellen. Doch der Erhalt und das Management von Wissen ist nicht trivial, zumal auch nicht immer bekannt ist, wer die Experteninnen und Experten für bestimmte Themen im Betrieb sind. Instrumente wie Kompetenzmatrizen oder Wissenslandkarten, in denen manuell bspw. mittels einer Mindmapping-Software, verankert werden kann, wer über welche Qualifikationen und Kompetenzen im Betrieb verfügt, können hier zwar einen guten Überblick geben, jedoch nur, wenn sie aufgebaut, regelmäßig gepflegt und aktualisiert werden. Dies nimmt kostbare Arbeitszeit in Anspruch. Künstliche Intelligenz und der Zugriff auf große Datenmengen „Big Data“ können zukünftig den Wissenstransfer und -erhalt im Betrieb wesentlich erleichtern sowie effizienter gestalten. Bereits heute können selbstlernende Algorithmen anhand von Textauswertungen, Experteninnen und Experten für Themenstellungen im Unternehmen identifizieren und dadurch zum Beispiel wesentlich schneller und effizienter Kundenanfragen bedienen. Diese Informationen werden dann zeitgleich in einer unternehmensinternen Datenbank gespeichert. Bei erneuten Kundenanfragen kann dann auf diesen „Wissensspeicher“ zugegriffen und in Sekundenschnelle können die notwendigen Informationen abgerufen werden.
Nicole Ottersböck hat Diplom-Sozialwissenschaften an der Universität Koblenz-Landau studiert. Seit 2011 beschäftigt sie sich in diversen Forschungsprojekten mit Trendentwicklungen und ihren Herausforderungen für die Arbeitswelt. Zurzeit arbeitet Frau Ottersböck am ifaa in Düsseldorf in dem Forschungsprojekt AnGeWaNt „Arbeit an geeichten Waagen für hybride Wiegeleistungen an Nutzfahrzeugen“, in welchem sie die Etablierung hybrider Geschäftsmodelle mittels Digitalisierung in drei Betrieben arbeitswissenschaftlich begleitet.
Künstliche Intelligenz macht es auch bereits möglich, handschriftliche Notizen mittels sogenannter digitaler Tinte oder digitalen Stiften, automatisch in Datenbanken festzuhalten, damit diese auch zu einem späteren Zeitpunkt noch zur Verfügung stehen. So geraten auch diese Notizen, die oftmals auf Schreibtischen verteilt werden oder in Notizbüchern verschwinden, nicht in Vergessenheit. Komplexe, große Datenmengen können durch Künstliche Intelligenz analysiert werden und auf dieser Basis können Betriebe passende Lösungen für Probleme finden. Die Analyse und das eigenständige Lernen von Daten aus der Vergangenheit machen es möglich, Regelmäßigkeiten festzustellen und erleichtern beispielsweise, Prognosen über den Ausfall von Maschinen zu treffen und präventiv Maßnahmen einzuleiten (Predictive Maintenance). Dies geht weit über das Wissen von Erfahrungsträgern hinaus, die zwar Maschinen und ihre Anfälligkeiten nach jahrelanger Erfahrung sicherlich gut einschätzen können, jedoch nicht über die kognitive Leistung verfügen, jegliche Faktoren, die in Zusammenhang mit Ausfällen stehen können, einzubeziehen.
Künstliche Intelligenz, die bspw. in technischen Assistenzsystemen (in Form von Apps auf dem Smartphone oder Tablet, welche Beschäftigte bei Arbeitstätigkeiten anleiten oder assistieren) verankert sein kann, und aus dem Verhalten von Nutzern lernt, kann Wissen bedarfsgerecht zur Verfügung stellen und dadurch unnötige Informationsflüsse oder eine Überforderung Beschäftigter, vermeiden.
Dies sind nur wenige Beispiele von vielen, die zeigen wie Künstliche Intelligenz die Arbeitswelt bereichern und unnötige Zeit zur Informationssuche verringern kann, Wissen transferiert und generiert. Dabei ist zu berücksichtigen, dass der Einsatz von KI-Technologien einer guten Planung und Kommunikation im Betrieb bedarf.
Die hier veröffentlichten Inhalte und Meinungen der Autorinnen und Autoren entsprechen nicht notwendigerweise der Meinung des Wissenschaftsjahres 2019 – Künstliche Intelligenz.
