Alle 14 Tage aktuelle News aus der IT-Szene   >   
Projekt AI@Work

„Human Centered AI“

Wie Mensch und Maschine in der Arbeitswelt voneinander lernen können, beleuchtet ein aktuelles Forschungsprojekt.

Foto: Software Competence Center Hagenberg Das Projektteam von AI@Work Künstliche Intelligenz (KI) findet immer mehr Eingang in unseren Alltag – von Suchmaschinen über Sprachassistenz-Systemen bis hin zu Smart Home-Anwendungen. Auch in der Arbeitswelt ist KI dabei, zu einem fixen Bestandteil zu werden. Doch wie können Menschen und Maschinen optimal zusammenarbeiten? Dieser Frage hat sich das 2019 gestartete und nun abgeschlossene Projekt „AI@Work: Human Centered AI in Digitized Working Environments“ angenommen: Unter Federführung des Software Competence Center Hagenberg (SCCH) wurde gemeinsam mit Projektpartnern wie der Plattform Industrie 4.0 Österreich im Rahmen mehrerer Workshops, Austausch von Expertenwissen und Praxisbeispielen die Teamarbeit von Menschen und KI („Human-AI Teaming“) näher beleuchtet und eine Roadmap für ein weiterführendes Projekt erarbeitet.

„Künstliche Intelligenz durchdringt schon heute viele Lebens- und Arbeitsbereiche – Tendenz steigend. Oft gibt es vor allem in der Berufswelt aber noch Vorbehalte gegenüber KI, denen wir mit der Teilnahme am Projekt AI@Work entgegentreten wollen. So wie bei uns in der Plattform die Zusammenarbeit zwischen den Mitgliedern großgeschrieben wird, kann KI auch nur im Zusammenspiel mit dem Menschen gelingen“, erklärt Roland Sommer, Geschäftsführer der Plattform Industrie 4.0.

KI und Menschen als Teamplayer

Im Rahmen von AI@Work konnten durch Interviews, Use Cases aus Unternehmen und Workshops wissenschaftliche Gaps identifiziert und ein F&E Konzept für Methodik und Software-Architektur für weiterführende Projekte skizziert werden.

Drei nennenswerte Anwendungsszenarien wurden ermittelt, in denen die Teamarbeit zwischen Mensch und Maschine zentral ist: KI in der Büroumgebung (z.B. Chatbots), KI in der Produktion (z.B. vorausschauende Instandhaltung) und KI in menschenzentrierten Industriearbeitsplätzen (z.B. im Zusammensetzen verschiedener Komponenten).

  • Als ein erfolgskritischer Faktor beim KI-Einsatz stellte sich die Akzeptanz heraus – nur wenn Mitarbeitende das Ergebnis nachvollziehen können, KI als unterstützender Kollege wahrgenommen wird und KI mitlernt, ist diese gewährleistet.
  • Bei der Umsetzung ist es wesentlich, dass es seitens der Führungsebene ein klares Commitment zu KI gibt, Mitarbeitende frühzeitig eingebunden werden und Dienstleistungen für Kunden durch KI-Anwendungen verbessert werden können.
  • Durch den erfolgreichen Einsatz von KI können Prozesse verbessert (z.B. optimierter Materialverbrauch, erhöhter Durchsatz und Verkauf, Kostenreduktion), Kunden besser serviciert (z.B. frühzeitiges Erkennen von Problemen, Vermeiden von Stillständen, bessere Planbarkeit) und Mitarbeitende motiviert werden, neue Technologien anzuwenden.

Aufbauend auf den Erkenntnissen des Projekts wurde eine Roadmap für ein KI-Leitprojekt ermittelt, das noch mehr Projektpartner umfassen soll und strategisch wichtige Themen wie Maschinelles Lernen oder Knowledge Graphen, die verschiedene Daten grafisch vernetzen, näher beleuchten soll – beides Themen, die nicht ohne die Teamarbeit zwischen Mensch und Maschine auskommen.

„Durch AI@Work konnten wir wichtige Erkenntnisse gewinnen, welche Faktoren für die erfolgreiche Implementierung ausschlaggebend sind – nämlich die Wahrnehmung von KI als mitlernenden Assistenten des Menschen. Dieses Ergebnis planen wir in ein KI-Leitprojekt einfließen zu lassen, das möglichst viele in Österreich vorhandene Kompetenzen in diesem Bereich bündeln soll“, verrät Projektkoordinator Bernhard Moser, Research Director am Software Competence Center Hagenberg und Präsident der Austrian Society for Artificial Intelligence.

Intelligente Maschine dank „human knowledge“

Wie der optimale Austausch zwischen Mensch und Maschine funktionieren kann, erläutert Simon Hasler, IT Security und DevOps Engineer bei Rubble Master, im Rahmen eines Use Cases: Rubble Master produziert Materialrecycling-Maschinen, die Einstellung für bestimmte Anwendungen gestaltet sich oft komplex – beispielsweise ist der optimale Zeitpunkt für Wartung und Austausch von Verschleißteilen nur sehr schwer vorherzusagen.

Wünschenswert wäre eine Maschine, die die ideale Konfiguration selbst vorschlägt und durch ein Remote Monitoring System vorausschauend gewartet werden kann.

Der Mensch müsste dazu KI-basierte Vorschläge bestätigen oder anpassen, regelmäßig sein Wissen („human knowledge“) in das lernende System einpflegen und die Maschinendaten überprüfen sowie intelligente Wartungstätigkeiten durchführen.

Die Maschine wiederum müsste Umgebungs- und Eigendaten erfassen, durch KI unmittelbare Ergebnisse analysieren und mit anderen Maschinen kommunizieren, um die Baustelle ganzheitlich zu erfassen.

it&t business medien OG
Tel.: +43/1/369 80 67-0
office@ittbusiness.at
Wir verwenden Cookies, um Ihnen den bestmöglichen Service anbieten zu können. Wenn Sie auf der Seite weitersurfen, stimmen Sie der Cookie-Nutzung zu.
OK