Vernetzte Digitalisierung – Industrie 4.0
Die vernetzte Digitalisierung in der Produktionsindustrie – Industrie 4.0 – ist gekennzeichnet durch neuartige Produktionsparadigmen. Elementare Bausteine eines solchen digitalisierten Wertschöpfungsnetzwerks sind unter anderem eine vertikale und horizontale Integration der IT-Systeme, eine dezentrale Intelligenz und Steuerung, ein durchgängiges digitales Engineering sowie cyber-physische Produktionssysteme (CPPS). Grundlage für CPPS sind die technologischen Komponenten auf verschiedenen Unternehmensebenen wie der Prozessebene, der Planungs- und Steuerungsebene sowie der Betriebsebene. CPPS umfassen unter anderem RFID-(Radio-Frequency Identification-) Technologie zur Erhebung und Verarbeitung von Produkt- und Produktions(prozess)daten, Cloud Computing, Big-Data-Dienste sowie die Maschine-zu-Maschine-Kommunikation und Mensch-Maschine-Interaktion.
Intelligente Digitalisierung – Lernende Systeme
Im Zuge der Industrie 4.0 beziehungsweise der fortschreitenden Digitalisierung in der Produktionsindustrie durch die intelligente Vernetzung verschiedener IT-Systeme im Rahmen der vertikalen Integration und durch den Einsatz vernetzter cyber-physischer Systeme fallen umfassende Datenströme an, die für unterschiedlichste Betriebs- und Prozessanalysen zusammengeführt werden können. Mithilfe entsprechender Techniken können die entstehenden Datenmengen systematisch zum Zwecke der Prozess- oder Produktinnovation sowie Entwicklung neuer Geschäftsmodelle analysiert werden. Damit schafft Industrie 4.0 beziehungsweise die vernetzte Digitalisierung in der Produktion eine zentrale Voraussetzung dafür, dass Methoden der Künstlichen Intelligenz (KI) als Erweiterung von Industrie 4.0 nun Einzug in industrielle Produktionsprozesse halten und hier zusätzliche Produktivitätsgewinne ermöglichen. KI-Technologien sind als Methoden und Verfahren zu verstehen, die es technischen Systemen ermöglichen, ihre Umwelt wahrzunehmen, das Wahrgenommene zu verarbeiten und selbstständig Probleme zu lösen, Entscheidungen zu treffen und aus den Konsequenzen dieser Entscheidungen und Handlungen zu lernen. Der aktuell sehr stark diskutierte KI-Begriff bezieht sich im Wesentlichen auf das tiefe Lernen mit Künstlichen Neuronalen Netzen (KNN). Tiefes Lernen orientiert sich in Grundzügen an der Funktionsweise biologischer neuronaler Netze im menschlichen Gehirn und bezeichnet Algorithmen, die mithilfe der nachgebildeten Netzstrukturen von Nervenzellen aus Daten lernen können (Terstegen 2019). Die Anwendungen in Produktionsumgebungen, bei denen KI-basierte Verfahren und Systeme eingesetzt werden können, sind vielfältig – um nur einige zu nennen: Predictive Analytics, Ressourcenmanagement, Qualitätskontrolle, Assistenzsysteme, Wissensmanagement, Robotik, autonomes Fahren z. B. bei fahrerlosen Transportsystemen in der Intralogistik, Automatisierung und Sensorik.
KI-Technologie verändert die Arbeitswelt
KI-Technologien in der Arbeitswelt – am Produktionsarbeitsplatz genauso wie in produktionsnahen oder administrativen Arbeitsbereichen – verändern Prozesse, Organisationsstrukturen und die Kommunikation in den Unternehmen. Steht die derzeitige Arbeitswelt im Fokus der vernetzten Digitalisierung und der Flexibilisierung von Arbeitsort, -zeit, -organisation sowie Handlungsfreiheit, so wird die zukünftige Arbeitswelt mit intelligenter Assistenz, lernenden Robotern und benutzeroptimierter Informationsbereitstellung bereichert (Terstegen et al. 2020). Für die Beschäftigten bedeutet der Einsatz von KI noch mehr Flexibilität, anspruchsvollere Tätigkeiten, individuell angepasste Informationen sowie Erleichterung bei monotonen geistigen Routinetätigkeiten. Dadurch verändern sich auch die Arbeitsbedingungen sowie die Anforderungen an die Arbeitsgestaltung.
Gestaltungsmöglichkeiten für die vernetzte und intelligente Arbeitswelt
Die Möglichkeiten, Arbeit beziehungsweise Arbeitsanteile mit Informationen zu unterstützen, ergeben sich aus der Weiterentwicklung der Möglichkeiten zur Daten- beziehungsweise Informationshandhabung – von ihrer Erfassung, Weiterleitung und Aufbereitung bis hin zur Darstellung und Nutzung. Sie betreffen sowohl die Unterstützung informatorischer als auch energetischer Tätigkeiten beziehungsweise Tätigkeitsanteile, lassen sich nach technischen, organisatorischen und personenbezogenen Schwerpunkten strukturieren und ermöglichen Verbesserungen der Belastungs-Beanspruchungs-Situation von Beschäftigten (Jeske 2016).
Technische Ansätze zur informatorischen Unterstützung dienen dazu, Informationen im Arbeitsprozess leichter zugänglich und nutzbar zu machen. Die damit verbundenen digitalen Darstellungen von Informationen sind insbesondere dann vorteilhaft, wenn Änderungen am Produkt oder am Produktionsprozess auftreten und sich über papierbasierte Begleitunterlagen nur schwer kommunizieren lassen. Dies erfordert eine Kennzeichnung von Produkten oder Werkstückträgern mit Barcodes, QR-Codes oder RFID-Tags, über die eine eindeutige Identifikation und das Anzeigen der zugehörigen Produkt- beziehungsweise Prozessinformationen ermöglicht werden kann. Die Darstellungen selbst können mithilfe von Projektionen, Displays, Tabletcomputern, Smartphones und -watches sowie über Datenbrillen erfolgen; teilweise können dazu auch Darstellungen erweiterter Realität (Augmented Reality) geeignet sein. Gleichermaßen lassen sich diese Anzeigesysteme dazu nutzen, Arbeitsanweisungen in Abhängigkeit des Auftragsfortschritts bedarfsgerecht darzustellen.
Organisatorische Ansätze zur informatorischen Unterstützung dienen dazu, Informationen besser handhaben zu können. Dies betrifft den Umgang mit großen Informationsmengen in Planungs- und Abstimmungsprozessen. Beispielsweise können dadurch bei der Personaleinsatzplanung nicht nur die bisher meist üblichen Kriterien Anwesenheit und Qualifikation besser berücksichtigt werden, sondern auch weitere Kriterien wie die Ergonomie. Dies ermöglicht, einen zusätzlichen Beitrag zum Erhalt der Gesundheit sowie der Arbeits- und Leistungsfähigkeit der Beschäftigten zu leisten (INQA 2005). Dazu werden Personen- und Aufgabenprofile erstellt, qualifikationsbasiert mögliche Zuordnungen von Personen zu Aufgaben ermittelt und etablierte Methoden zur ergonomischen Bewertung aller damit verbundenen Belastungs-Beanspruchungs-Situationen automatisiert angewendet (z. B. die Leitmerkmalmethoden der BAuA). Die entstehenden Einzelbewertungen sind geeignet zusammenzufassen, um Zuordnungskombinationen identifizieren zu können, die zu einer minimalen Beanspruchung der jeweils betrachteten Personengruppe führen (Jeske et al. 2014). Das Vorgehen ermöglicht es auch, Qualifikationspotenziale für einzelne Personen zu identifizieren, die zu einer Verringerung der Beanspruchung der gesamten Personengruppe führen können.
Personenbezogene Ansätze zur informatorischen Unterstützung dienen dazu, Informationen zu bestimmten Zwecken gezielt aufzubereiten und Beschäftigten zur Verfügung zu stellen. Dadurch können unter anderem Entscheidungen besser abgesichert und der Aufbau von Erfahrungswissen gefördert werden. Treten zum Beispiel Störungen in einem Produktionssystem auf, können umfassende Informationen automatisiert genutzt werden, um Handlungsalternativen aufzuzeigen und simulationsbasiert anhand geeigneter Kennzahlen zu bewerten. Gleichermaßen kann der Detaillierungsgrad von Arbeitsanweisungen an die Erfahrung von Beschäftigten angepasst werden. Bei der erstmaligen Ausführung einer Aufgabe werden sehr detaillierte Anweisungen bereitgestellt. Je mehr Erfahrung mit einer Aufgabe besteht, umso mehr werden die Arbeitsanweisungen auf Schlüsselinformationen und gegebenenfalls Hinweise auf kundenseitige Sonderwünsche reduziert. Auf diese Weise können auch anonymisierte Rückmeldungen zu Fehlern eingebracht und lernförderlich genutzt werden.
Technische Ansätze zur energetischen Unterstützung dienen meist der Übertragung einfacher Tätigkeiten an technische Systeme. Beispielsweise lassen sich Transportaufgaben meist an flexible fahrerlose Transportsysteme übertragen. Deren Einführung und Nutzung in Unternehmen kann durch Methoden der KI vereinfacht und optimiert werden. Mit sinkendem Einführungsaufwand ist eine zunehmende Verbreitung in der betrieblichen Praxis zu erwarten.
Organisatorische Ansätze zur energetischen Unterstützung dienen meist dazu, Tätigkeitsanteile an technische Systeme zu übertragen. Dies erfolgt zum Beispiel im Rahmen der Mensch-Roboter-Kollaboration (MRK) durch gezielte Aufteilung von Tätigkeitsanteilen zwischen Mensch und Roboter. Die spezifischen Stärken von Mensch und Roboter werden dabei gezielt kombiniert. Damit verbundene Abstimmungs- und Steuerungsprozesse lassen sich durch maschinelles Lernen verbessern und an individuelle Bedarfe verschiedener Menschen anpassen.
Personenbezogene Ansätze zur energetischen Unterstützung dienen meist dazu, die Tätigkeit des Menschen selbst zu unterstützen – beispielsweise mithilfe von Exoskeletten. Sie kommen üblicherweise erst dann zum Einsatz, wenn die zuvor beschriebenen technischen und organisatorischen Ansätze nicht geeignet sind. Passive Exoskelette, die über Federn wirken, finden derzeit Verbreitung beispielsweise zur Unterstützung von Überkopfarbeit, soweit sie sich nicht vermeiden lässt. Denkbar sind aber auch aktive Systeme, die eigene Antriebe haben, über KI gesteuert werden und sich so an die Nutzenden mittels maschinellen Lernens anpassen.
Gestaltung des Wandels im Unternehmen
Der Wandel zur vernetzten und intelligenten Digitalisierung im Unternehmen verändert die Handhabung von Informationen und der zugehörigen Informationsflüsse. Vor diesem Hintergrund sind bestehende Strukturen und Prozesse zu überprüfen und gegebenenfalls anzupassen. Produktivitätszuwächse entstehen durch eine hohe Verfügbarkeit und zielgerichtete Nutzung von Informationen auf der Grundlage von Digitalisierung und Vernetzung im gesamten Unternehmen – in direkten und indirekten Bereichen gleichermaßen. Dies bedeutet, dass Informationen zu großen Teilen automatisiert erfasst, weitergeleitet und aufbereitet werden. Diese automatisierten Informationsflüsse erfordern die Einhaltung grundlegender Prinzipien der Automatisierung und des Lean Managements beziehungsweise ganzheitlicher Unternehmenssysteme. Prozesse müssen deshalb inklusive der mit ihnen verbundenen Informationsflüsse klar definiert und standardisiert werden. Auf dieser Grundlage können digitale Informationsflüsse bedarfsgerecht gestaltet werden (Jeske 2016).
Praxisorientierte Anforderungen an die Einführung von Künstlicher Intelligenz
Die Umsetzung einer intelligenten Digitalisierung mit Künstlicher Intelligenz weist Besonderheiten auf, die sich insbesondere aus der Beteiligung und Akzeptanz der Beschäftigten ergeben und sich auf den Arbeitsgestaltungsprozess auswirken (Stowasser et al. 2020). KI-Technologien im Sinne selbstlernender Algorithmen erfordern zu ihrer effizienten Nutzung meist ein überwachtes oder verstärkendes Lernen. Die Beschäftigten sind dann in der Regel nicht nur Systemnutzer, sondern auch Trainer/in, Partner/in oder Mentor/in. Um das erforderliche hohe Maß an Akzeptanz der KI-Technologien zu erzielen, müssen humane Aspekte bei ihrem Einsatz unabdingbar berücksichtigt werden.
Von Beginn an sollten Ziel und Zweck des Einsatzes des KI-Systems mit den Beschäftigten festgelegt werden. Hilfreich ist, über die Funktionsweise des KI-Systems zu informieren sowie Potenziale und Gefahren der KI für das Unternehmen, die Organisation und die Beschäftigten abzuschätzen.
Die Gestaltung der Schnittstelle zwischen Mensch und KI-System sollte sich an Kriterien einer humanen und produktiven Umsetzung der Mensch-Maschine-Interaktion im Arbeitsumfeld orientieren, beispielsweise Transparenz, Erklärbarkeit oder Art der Datenverarbeitung und -nutzung durch das KI-System (Stowasser et al. 2020).
Ein KI-System muss in geeigneter Weise in bestehende oder neue beziehungsweise veränderte Arbeitsprozesse und Organisationsstrukturen integriert werden. Daraus ergeben sich möglicherweise geänderte Aufgaben- und Tätigkeitsprofile für die Beschäftigten und entsprechende Qualifizierungsmaßnahmen (Frost et al. 2019).
KI-Technologien zeichnen sich darin aus, dass sie auf vielschichtige (Produktions-)Daten trainiert werden. Da sich diese Daten kontinuierlich ändern, ändert sich auch ein KI-System permanent. Nach der Einführung eines KI-Systems sollte daher eine kontinuierliche Überprüfung und Bewertung des KI-Einsatzes erfolgen, um mögliche Anpassungen im Hinblick auf das Design der Anwendungen, die Arbeitsorganisation oder die weitere Qualifizierung der Beschäftigten sicherzustellen (Terstegen et al. 2020).
Abschließende Bemerkung
Zur Transformation, zum Change der neuen Arbeitswelt mit KI-Technologien gehört es, eine Kultur der Veränderungen zu etablieren, Einsatzmöglichkeiten der KI auszuprobieren, zu experimentieren, aber auch zu bewerten, Änderungen anzunehmen oder zu verwerfen. Ein hilfreiches Instrument bei der Einführung von KI-Systemen sind Pilotprojekte und Experimentierphasen, in denen Erfahrungswerte gesammelt und möglicher Anpassungsbedarf im Hinblick auf die KI-Systeme, Qualifizierungsanforderungen oder die Arbeitsorganisation ermittelt werden können.
Interessenkonflikt: Beide Autoren geben an, dass keine Interessenkonflikte vorliegen.
Literatur
Frost M, Jeske T, Terstegen S: Die Zukunft der Arbeit mit Künstlicher Intelligenz gestalten. ZWF Zeitschrift für wirtschaftlichen Fabrikbetrieb 2019; 114: 359–363.
INQA Initiative Neue Qualität der Arbeit: Thematischer Initiativkreis 30, 40, 50plus – Gesund arbeiten bis ins Alter: Demographischer Wandel und Beschäftigung. Plädoyer für neue Unternehmensstrategien. Dortmund: Memorandum, 2005.
Jeske T: Digitalisierung und Industrie 4.0. Leistung & Entgelt 2016; 2: 3–46.
Jeske T, Brandl C, Meyer F, Schlick C: Personaleinsatzplanung unter Berücksichtigung von Personenmerkmalen. In: Gesellschaft für Arbeitswissenschaft e.V. (Hrsg.): Gestaltung der Arbeitswelt der Zukunft – 60. Kongress der Gesellschaft für Arbeitswissenschaft. Dortmund: GfA-Press, 2014, S. 327–329.
Terstegen S: Künstliche Intelligenz in der Arbeitswelt. Leistung & Entgelt 2019; 2: 3–45.
Terstegen S, Lennings F, Suchy O, Schalter K, Suarsana D: Künstliche Intelligenz in der Arbeitswelt der Zukunft – Ansichten und Standpunkte. Leistung & Entgelt 2020; 3: 3–48.
Stowasser S, Suchy O et al. (Hrsg.): Einführung von KI-Systemen in Unternehmen. Gestaltungsansätze für das Change-Management. München: Whitepaper aus der Plattform Lernende Systeme, 2020.
Info
Die Transformation zur vernetzten Digitalisierung im Rahmen einer kontinuierlichen Weiterentwicklung lässt sich in fünf Schritte unterteilen:
1. Sorgen Sie für transparente, klar strukturierte Prozesse und setzen Sie Standards.
2. Initiieren Sie einen kontinuierlichen Verbesserungsprozess.
3. Etablieren Sie Kommunikationsschnittstellen ohne Medienbrüche.
4. Nutzen Sie gezielt die Möglichkeiten der Informations- und Kommunikationstechnologie.
5. Setzen Sie kontinuierliche Verbesserungen in den digital unterstützten Prozessen konsequent fort.
Info
Anforderungen an die Einführung von KI
Zielsetzung und Folgenabschätzung:
Planung und Gestaltung:
Vorbereitung und Implementierung:
Evaluation und Anpassung:
Koautor
An der Erstellung des Beitrags beteiligt war Dr.-Ing. Dipl.-Wirt.Ing. Tim Jeske, ifaa – Institut für angewandte Arbeitswissenschaft e.V., Düsseldorf.
Kontakt
Foto: ifaa
