Arbeitswelt und KI 2030

Künstliche Intelligenz (KI) ist eine der mächtigsten Zukunftstechnologien unserer Zeit. Viele KI-Diskussionen um Ethik und Innovationsgeschwindigkeit basieren auf der Annahme, dass die Angst vor übermächtiger KI allgemein und vor Massenarbeitslosigkeit insbesondere die KI-Entwicklung lähmt. Wir argumentieren in diesem Beitrag, dass diese „German Angst“ eher eine Kunstfigur ist, die bei den fiktionalen KI-Darstellungen ihre Heimat hat, aber in der gesellschaftlichen Realität nicht stattfindet. Menschen fürchten nicht die KI, sondern die Macht der Menschen, die sie missbrauchen könnten. Daher sollten Organisationen und Politik der grundsätzlichen Aufgeschlossenheit der Arbeitnehmer:innen Rechnung tragen und Rahmenbedingungen schaffen, die fortschrittliche Digitalisierung und Mensch in eine innovationsfreundliche, produktive Wechselwirkung bringt.

Dieser Artikel zeigt häufige Probleme in der Entwicklung von KI-Systemen (künstliche Intelligenz) auf, wie beispielsweise grundsätzliche Missverständnisse zwischen Anwenderseite und KI-Entwicklungsseite. Diese entstehen durch Defizite an interdisziplinärer Kollaboration sowie Kommunikation und können langfristig zu unerwünschten Folgen für Beschäftigte oder die Gesellschaft als Ganzes führen. Als Strategie zur Vermeidung dieser und anderer Missverständnisse und der Umsetzung von KI im Sinne eines verantwortungsvollen Innovationsprozess wird ein Prozessmodell vorgeschlagen, welches als Praxisleitfaden für den Einsatz von KI in der Arbeitswelt dienen kann.

2030 werden nahezu alle Menschen und Maschinen in Teams arbeiten. Diese Teams haben verschiedene neue Aspekte, zum Beispiel welche Rollen die KI und der Mensch im Teamgefüge spielen können. Die Zielsetzung für den Einsatz von KI in Teams werden Team-Erfolg und Erhalt der Leistungsfähigkeit des Teams sein. Weiterhin werden typischerweise Angestellte eine persönliche KI für ihr Wohlbefinden und Leistungsvermögen haben.

KI-Innovationen, die aus der wissenschaftlichen Forschung stammen, können ein hohes wirtschaftliches Potenzial aufweisen. Indem die Verwertung von Innovationen mit großem sozio-ökonomischen und -ökologischen Beitrag durch Startups von der Politik gezielt unterstützt wird, bietet sich für Deutschland die Chance, die gut aufgestellte wissenschaftliche Forschung in Wertschöpfung zu transferieren. Auch wenn nur ein kleiner Teil der Projekte am Markt erfolgreich sein wird, ist die Förderung essenziell, da die Wirkung auf das gesamte Ökosystem ausstrahlt. Denn gemeinsam mit den Wissenschaftseinrichtungen sind Deep Tech-Startups Treiber von Innovationsökosystemen. Sie ziehen nicht nur etablierte Unternehmen, Investoren und Spitzentalente an, sondern sind zugleich Quelle neuer Startups und befördern die Diffusion von KI in der Breite.

Bei der Nutzung künstlicher Intelligenz entstehen Risiken für Gleichheit, Fairness, Würde, Persönlichkeitsschutz und Privatheit für Beschäftigte und Unternehmen, die heutigen Unternehmenswerten entgegenstehen. Corporate Digital Responsibility (CDR) bietet Lösungsansätze, um Vertrauen des Unternehmenshandelns beim Einsatz von KI an den Arbeitsplätzen zu ermöglichen. Im Beitrag wird argumentiert, dass eine Etablierung einer KI-Ethik oder KI-Governance dazu nicht ausreicht, sondern es einen Organisationsrahmen braucht, der dann zu Wettbewerbsvorteilen führt. Um den „moralischen Kompass“ im „algorithmischen Neuland“ neu auszurichten, wird Unternehmen empfohlen, CDR in der Organisation umzusetzen.

Basierend auf mathematischen Modellen biologischer Lernprozesse bilden computergestützte Rechenalgorithmen die Basis für ‚Maschinelles Lernen‘ oder ‚Künstliche Intelligenz‘ (KI). Deren technologische Übersetzung bietet eine Vielzahl von Anwendungsmöglichkeiten und verspricht immenses transformatives Potenzial für verschiedene Sektoren wie Wirtschaft, Technologie und Soziales. Ansätze der KI-Ethik diskutieren Einfluss und Wünschbarkeit solcher Veränderungen etwa für Arbeitsprozesse in betroffenen Branchen; jedoch vernachlässigt ein rein aus technologischer Perspektive geführter Diskurs um soziale Nebenfolgen der Technologie die lebens- und humanwissenschaftlichen Aspekte ihres Ursprungs sowie ihre vielschichtige Wirkung auf psychische, soziale und kulturelle Systeme. Ein Embodiment-Ansatz der Neuroethik kann diese reflexiven Elemente in der KI-Debatte stärken und sozialen Diskurs und Handlungsfähigkeit bezüglich technologiebedingter Transformationen in der Arbeitswelt verbessern.

Intelligente Produkte werden immer vernetzter und selbstständiger. Produkthaftung und -sicherheit nehmen für solche Produkte eine zentrale Bedeutung ein, da neue Technologien neue Risiken, aber auch neue Möglichkeiten der Gefahrsteuerung, mit sich bringen. Der Beitrag beschäftigt sich mit der Frage, inwieweit eine digitale Produktbeobachtungspflicht für Smart Products im Jahr 2030 zu erwarten ist bzw. inwieweit eine solche Pflicht sich schon aus vorliegenden Regelungen oder Regelungstrends ableiten lässt.

Einer der häufigsten Anwendungsbereiche von KI in der Arbeitswelt dürfte das Bewerbungsverfahren sein. Der Einsatz KI-basierter Sprachanalyse kann das aufwendige Sichten sowie Herausfiltern geeigneter Bewerbungen durch Mitarbeiter(Soweit bei Personenbezeichnungen die grammatikalisch männliche Form verwendet wird, sind Personen jeder Geschlechtsidentität gemeint.) der Personalabteilung erleichtern. Dieser Beitrag zeigt die datenschutz- sowie diskriminierungsrechtlichen Gefahren, aber auch Lösungsansätze für eine rechtssichere Verwendung auf und beleuchtet, warum der Einsatz von KI sogar eine Chance zur Minderung von Diskriminierung im Bewerbungsverfahren bieten kann.

KI-Systeme werden in absehbarer Zeit auch im Arbeitsverhältnis vermehrt zum Einsatz kommen und dort Auswahl- und Abwägungsentscheidungen des Arbeitgebers übernehmen. Das deutsche Arbeitsrecht lässt einen solchen Einsatz grundsätzlich zu. Es liegt am Gesetzgeber und der Rechtsprechung, eine Vereinbarkeit mit dem europäischen Datenschutzrecht herzustellen. Arbeitgeber müssen darauf achten, dass das jeweilige KI-System bestehende gesetzliche Vorgaben berücksichtigt und die Gesichtspunkte seiner Entscheidung für den Fall eines Rechtsstreits transparent rekonstruieren kann. Für Arbeitnehmer liegt in dem Einsatz von KI nicht ausschließlich eine Gefahr, sondern auch die Chance auf objektivere und qualitativ bessere Entscheidungen.

Beim Einsatz von künstlicher Intelligenz (KI) in Unternehmen ist für das Konstrukt der elektronischen Person (e-Person) als haftende Rechtspersönlichkeit kein Raum. Arbeitgeber müssen zur Vermeidung ihrer Haftung daher bei Auswahl und Einsatz von KI größte Sorgfalt walten lassen. Sollte in den kommenden Jahren die aktuell schwache von einer starken KI abgelöst werden, gilt es frühzeitig neue Rechtskonzepte zu diskutieren.

Die Reichweite des Mitbestimmungsrechtes nach § 87 Abs. 1 Nr. 6 BetrVG ist in der Vergangenheit durch die Rechtsprechung sehr extensiv ausgelegt worden. Die Entscheidungen der Rechtsprechung aus der Vergangenheit erschweren die Einführung moderner KI-Systeme in den Unternehmen erheblich. Damit setzt sich dieser Beitrag kritisch auseinander und stellt Lösungsansätze für ein praxis- und zeitgerechtes Mitbestimmungsrecht vor.

Dieser Beitrag beschäftigt sich mit Predictive Policing als Möglichkeit, um eine Prognose in Bezug auf die Eintrittswahrscheinlichkeit der Begehung einer Straftat oder von Pflichtverletzungen durch einen bestimmten Beschäftigten zu erstellen. Auf Grundlage der so gewonnenen Erkenntnisse kann der Arbeitgeber Maßnahmen treffen, welche geeignet sind, die Verwirklichung des prognostizierten Risikos zu verhindern oder zumindest zu minimieren. Zu untersuchen ist jedoch insbesondere, auf welche Rechtsgrundlage der Arbeitgeber sich bei dem Einsatz von Predictive Policing stützen kann. Dieser Beitrag setzt sich mit der Generalklausel des § 26 Abs. 1 S. 1 BDSG sowie der Einwilligung gemäß § 26 Abs. 2 BGB als möglichen Rechtsgrundlagen auseinander.

Angesichts zunehmender gesellschaftlicher Komplexität und damit einhergehender, notwendiger Modernisierung und Digitalisierung von Verwaltung und Justiz wird ein gesteigerter Einsatz von Systemen der künstlichen Intelligenz (KI) erwogen. Gerade in diesem Bereich bestehen für die Implementation von KI-Systemen besondere begrenzende Vorgaben oder gar Hürden. Der Beitrag zeigt diese auf, beschreibt weitere Herausforderungen und Lösungsansätze und wagt einen vorsichtigen Blick in die nähere, zukünftige Entwicklung des Einsatzes von KI durch den Staat.

Intelligente IT-Systeme können ein wachsendes Spektrum kognitiver und physischer Aufgaben ähnlich gut oder besser als Menschen bewältigen. Dadurch können diese IT-Systeme zunehmend autonom agieren. Das damit verbundene wirtschaftliche Automatisierungspotenzial lässt sich jedoch nur heben, wenn Menschen bereit sind, Aufgaben an intelligente IT-Systeme zu delegieren und von diesen durchführen zu lassen. Diese Bereitschaft liegt jedoch nicht grundsätzlich vor, sondern verlangt den Aufbau von Vertrauen. Dieses Kapitel geht der Frage nach, wie sich die Vertrauensbildung in intelligente IT-Systeme fördern lässt, und identifiziert Kontrolle und Transparenz als zwei wichtige Einflussfaktoren hierfür. Daraus ergeben sich wichtige Implikationen für die Zusammenarbeit zwischen Menschen und intelligenten IT-Systemen in der wirtschaftlichen Arbeitswelt der Zukunft.

Die Einführung von KI in Unternehmen und anderen Organisationen bietet Chancen und Potenziale sowohl für Beschäftigte, etwa in Form von Entlastung durch KI-Systeme, als auch für Unternehmen, etwa in Form von Prozessverbesserungen oder neuer Geschäftsmodelle. Die Einführung von KI weist Besonderheiten auf, die sich ebenso auf das Change-Management wie auf die Beteiligung der Beschäftigten einschließlich der Prozesse der betrieblichen Mitbestimmung auswirken. Das folgende Kapitel verfolgt das Ziel, für die Anforderungen des Change-Managements bei KI zu sensibilisieren und die Umsetzung der Einführung von KI-Systemen mit verschiedenen Phasen des Change-Prozesses zu unterstützen. Ein wichtiger Erfolgsfaktor stellt die Einbeziehung der Beschäftigten und die Mobilisierung für den Einsatz der neuen Technologien dar. Wenn wir bereits heute ein zielorientiertes und humanorientiertes Change-Management anwenden, verhilft dies zu einem erfolgreichen Einsatz von KI-Technologie in der Arbeitswelt 2030.

Künstliche Intelligenz (KI) verbreitet sich rasant und durchdringt nahezu alle Bereiche unseres Lebens – ob in Form von Chatbots, Newsfeeds, Sprachassistenten oder selbstfahrenden Autos. Auch in der wirtschaftlichen Arbeitswelt findet KI immer mehr Anwendungsfelder. Neben der Ausnutzung der Vorteile von KI-Technologie zur Verbesserung der Geschäftsleistung sollten sich Unternehmen in Zukunft auch intensiv mit den damit verbundenen Risiken auseinandersetzen. Vor dem Hintergrund der Anwendung von KI bei der Deutschen Telekom erläutern die Autoren in diesem Beitrag, warum Vertrauen in KI so wichtig ist und welche Ansätze für Unternehmen in Zukunft entscheidend sein werden, um Risiken zu minimieren und KI vertrauenswürdig einzusetzen.

Der Einsatz von KI-getriebener Technologie ist längst keine Zukunftsmusik mehr: Künstliche Intelligenz transformiert den Arbeitsmarkt und wird den Weg für neue Beschäftigungsformen ebnen. Denn heute werden die Weichen für morgen gestellt. Wie kann die Arbeitswelt der Zukunft bürokratisch flexibler gestaltet werden, um optimale Bedingungen für hybride Arbeitsverhältnisse zu schaffen? Und wie wirken intelligente Algorithmen dem Fachkräftemangel in Deutschland entgegen?

Obwohl Digital Finance bei vielen CFOs weit oben auf der Agenda steht, gibt es bislang nur wenige wirklich erfolgreiche Anwendungsfälle von KI im Bereich Finanzen. In diesem Beitrag zeigen wir, wie KI die Finanzplanung und Finanzvorhersage von Unternehmen revolutioniert und zu einer grundlegenden Transformation der Finanzfunktion führt.

Künstliche Intelligenz (KI) ist ein zunehmender integraler Bestandteil der Welt, in der wir leben. Der zukünftige Erfolg von Banken erfordert eine ganzheitliche Transformation, die mehrere Ebenen der Organisation umfasst. Dieser Beitrag geht auf die einzelnen Geschäftsbereiche des Bankensektors ein und beleuchtet deren Transformationspotenzial im Hinblick auf den Einsatz künstlicher Intelligenz. Hierbei soll herausgearbeitet werden, welche Bereiche sich wahrscheinlich aufgrund von künstlicher Intelligenz verändern werden und welche Bereiche weiter an ihrer klassischen Arbeitswelt festhalten können.

KI wird für das Produktionsumfeld viel Potenzial zugeschrieben und soll helfen, Fertigungen produktiver, menschenfreundlicher und nachhaltiger zu machen. Trotz dieser vielversprechenden Möglichkeiten ist KI in der Produktion erst selten im Einsatz. Hinzu kommt: KI und Mensch sind von einer symbiotischen Zusammenarbeit noch weit entfernt. Gründe hierfür sind zahlreich und es wird für die deutsche Wirtschaft entscheidend sein, diese mehr und mehr aufzulösen. Mit Blick auf das Jahr 2030 stellt der Beitrag sechs mögliche Szenarien rund um KI in der Produktion vor, die einen graduell steigenden Einfluss von KI aufzeigen. Damit KI zunehmend zum Einsatz kommen kann, wird es eines systemischen Ansatzes bedürfen, der neben der Produktion selbst auch Rahmenbedingungen und gesellschaftliche Strukturen berücksichtigt. Wünschenswert wäre bereits heute, die Produktion als experimentelles Lernumfeld zu betrachten, um gemeinsam technische, soziale und organisatorische Hürden zu überwinden.

Die digitale Transformation und der Einsatz Künstlicher Intelligenz (KI) stellen traditionelle Industrien wie die Energiewirtschaft vor große Herausforderungen. Die Wertschöpfung entlang von manueller Arbeit geprägten Prozessketten zum Betreiben großer physischer Infrastrukturen erhöht die Umsetzungskomplexität werthaltiger digitaler Lösungen und erfordert zugleich einen hohen Reifegrad an digital abgebildeten Informationsflüssen (Datenqualität) und Technologien (Sensorik, Robotik). Um trotz dieser hohen Einstiegsbarrieren von den theoretischen „digitalen Potenzialen“ in die Operationalisierung der „digitalen Transformation“ zu gelangen, ist die Energiewirtschaft mehr als andere Industrien darauf angewiesen, ihr Geschäft von der Graswurzel an aufwärts, entlang von Prozessen und Informationsflüssen (Data Governance), und mit Hilfe der daraus resultierenden digitalen Automatisierungs- und Servicepotenziale (Servitization) für den Einsatz von KI vorzubereiten.

Die Studie von Frey und Osborne (2013) und vergleichbare haben große Substitutionspotenziale bei bestimmten Tätigkeiten und Berufen durch die Digitalisierung ermittelt. Daraus Arbeitsmarkteffekte abzuleiten ist aber nicht unmittelbar möglich, weil die konkrete Gestaltung neuer Technologien durch ethische, rechtliche, soziale, kulturelle, institutionelle und wirtschaftliche Faktoren geprägt wird. Um negative Auswirkungen zu vermeiden, nehmen Beschäftigte mit Unterstützung von Betrieben die sich ihnen bietenden Chancen der Weiterbildung wahr. Darüber hinaus muss KI aber auch als Technologiepotenzial verstanden werden, dessen konkrete soziale Wirksamkeit in Betrieben von unterschiedlichen Bewertungen sowie arbeitsorganisatorischen Umsetzungsformen abhängt (vgl. u. a. Hirsch-Kreinsen et al., 2018). So sollen in dem zweiten Teil organisatorische Gestaltungsalternativen aufgezeigt werden, die wiederum auf die Beschäftigungsentwicklung und Chancen für Weiterbildung zurückwirken.

Digitalisierung und künstliche Intelligenz (KI) finden immer mehr Anwendung und bieten vielseitige Chancen zur Gestaltung der Arbeitswelt. Dabei können sowohl geistige als auch körperliche Tätigkeiten mit entsprechenden Assistenzsystemen unterstützt werden. Damit verbunden sind große Potenziale für die deutsche Industrie – insbesondere hinsichtlich der Sicherung von Wettbewerbsfähigkeit, Arbeitsplätzen und Wohlstand. Im Beitrag werden Entwicklungsstufen der Digitalisierung beschrieben und Ergebnisse aus zwei Befragungsstudien in der deutschen Metall- und Elektroindustrie aus den Jahren 2015 und 2019 herangezogen, um den aktuellen Entwicklungsstand und bestehende Herausforderungen von Digitalisierung und KI zu skizzieren sowie die damit verbundenen Erwartungen aufzuzeigen. Dabei werden Voraussetzungen, Bedeutung und Umsetzungsaktivitäten ebenso adressiert wie Qualifikationsbedarfe, Schichtarbeit und Flexibilität.

Der zunehmende Einsatz von Künstlicher Intelligenz zur kosten- und nachhaltigkeitsorientierten Optimierung der Fertigungsprozesse führt zu einer Umstrukturierung der Arbeitswelt innerhalb der produzierenden Industrie. Beschäftigte vor Ort verwandeln sich zum Orchestrator einer Vielzahl von autonom agierenden Anlagen auf Basis der Datenanalyse. Die hierfür notwendige Expertise und zugrunde liegende Datenbasis fehlt jedoch und hindert ein vollständiges Heben der Potenziale von KI. Ein Datenaustausch über die Unternehmensgrenzen hinweg innerhalb eines souveränen Datenraums ist erforderlich, um die aktuellen und zukünftigen Herausforderungen der KI-geprägten Arbeitswelt 2030 zu lösen. Dieser Beitrag setzt sich daher mit den Aufgaben und Funktionen plattformgestützter Datenmarktplätze, deren zu entwickelnder Architektur sowie dem nötigen Rechtsrahmen auseinander, um die Menschen in der Arbeitswelt 2030 für fortschrittliche KI-Analysen zu befähigen.

Die Entwicklung der künstlichen Intelligenz wird auch die Arbeitswelt des Handwerks beeinflussen, auch wenn KI derzeit im Handwerk noch eine untergeordnete Rolle spielt. Die Nutzung von KI eröffnet dem Handwerk die Chance, sich auf den Kern seiner Tätigkeiten zu konzentrieren, die Produktivität zu erhöhen und derart den Herausforderungen des Fachkräftemangels bei steigenden Anforderungen zu begegnen. KI-Methoden werden handwerkliche Tätigkeiten weiterhin automatisieren und das Gleichgewicht zugunsten weniger Großbetriebe verschieben.

KI kann die zukünftige Arbeitswelt positiv verbessern indem sie den menschlichen Arbeitenden repetitive Aufgaben abnimmt und neue Zusammenhänge aufzeigt. Das wird möglich durch intelligente Algorithmen, schnelles Rechnen und große Speichermöglichkeiten. Anhand von drei Beispielen aus dem Bereich Mobilität wollen wir aufzeigen, wie durch KI mehr Kreativität und ganzheitliche Entscheidungen ermöglicht und höhere Zuverlässigkeit erreicht werden kann.

Bereits heute sind KI-Anwendungen in der Mobilität im urbanen Raum bei Verkehrsleitsystemen, Reparatur und Instandhaltung, autonomem Fahren und Mobility as a Service im Einsatz – begleitet von einem permanenten Diskurs zu rechtlichen und ethischen Fragen. Bis zum Jahr 2030 ist mit konstanten Beschäftigungszahlen zu rechnen, wobei die Art der Tätigkeiten sich erheblich verändern wird

Die zunehmende Komplexität in der industriellen Produktion erfordert neue Lösungen und Ansätze, um die Wettbewerbsfähigkeit der europäischen Industrie sicherzustellen. Dieser Beitrag fokussiert sich daher auf die Frage, inwiefern die künstliche Intelligenz in der Industrie genutzt werden kann, um dem zunehmenden Kostendruck standhalten zu können und welche Konsequenz sich darauf für Arbeitswelt ergibt. Es werden hier vor allem die Smart Factories und Team Robotics eingehend untersucht, um die Chancen sowie die Risiken durch KI-Anwendungen neutral zu betrachten. Die theoretische Einordnung wird um praktische Beispiele angereichert, um den Bezug zu den derzeitigen und künftigen Entwicklungen herzustellen. Abschließend wird ein Ausblick formuliert, welche systemdynamische Methodik angewandt werden kann, um vielversprechende Lösungen für die Wettbewerbsfähigkeit der europäischen Industrie zu erarbeiten, die positive Auswirkungen sowohl auf die Arbeitswelten als auch die gesamtwirtschaftliche Wohlfahrt haben.

Der Wechsel zu alternativen Antriebssystemen und die zunehmende Komplexität automotiver Software stellt die Automobilindustrie vor große Herausforderungen. Dies gilt vor allem dann, wenn neuartige Entwicklungsparadigmen die bisherige Tradition in Hinsicht auf die Produktentwicklung tiefgreifend verändern. KI ist ein solcher Treiber von Veränderung, den wir hinsichtlich seines Einflusses auf die technische Entwicklung zukünftiger Fahrzeugplattformen und Mobilitätsprodukten in diesem Kapitel beleuchten werden. Dabei gehen wir sowohl auf die Produkt- als auch auf die Entwicklungsprozess- und die Unternehmensseite ein.

KI-Anwendungen im Bahnsektor werden in allen Bereichen entstehen. Vom Netz- und Fahrbetrieb über die Instandhaltung bis zur Kundenschnittstelle. Erste KI-Anwendungen sind bereits live – dennoch steht die Entwicklung im Bahnsektor erst noch am Beginn. Unklar sind die Effekte von KI-Anwendungen auf die Beschäftigung. Die begründete Vermutung der Autor:innen ist, dass die Beschäftigung qualifizierter wird und mehr Beschäftigung entsteht. Zentraler Treiber sind die Ziele der Verkehrswende und die dringende Notwendigkeit, KI zur Kapazitäts- und Leistungssteigerung im Bahnsektor einzusetzen – und damit mehr Beschäftigung zu erzeugen.

KI in der Luftfahrt wird heute schon in ganz unterschiedlichen Bereichen eingesetzt und bietet auch zukünftig vielfache Anwendungsmöglichkeiten. So transformiert KI das gesamte Luftfahrtgeschäft und damit auch die Arbeitswelten des Luftfahrtpersonals.

Aufgaben der Intralogistik werden traditionell mit Hilfe von Algorithmen optimiert. Im Gegensatz zu Verfahren des Operations Research kann KI starre Zielfunktionen überwinden und flexibel auf eintretende Ereignisse reagieren. Die Verfügbarkeit von Echtzeitdaten und deren Auswertung ermöglicht darüber hinaus die Vorhersage von Ereignissen auf Basis von Mustererkennung und damit verbunden eine größere Kundenorientierung. Zudem wird in 2030 die Simulation im digitalen Zwilling in Echtzeit zum Normalfall und die Intralogistik wird mit übergreifenden Logistikketten verschmelzen. Des Weiteren wird durch den Einsatz von Drohnen der Lösungsraum für Wegstrecken dreidimensional, was zu bisher nicht möglichen Effizienzsteigerungen führen wird. Dennoch bleibt der Mensch der Schlüsselfaktor in der Logistik. Wearables und Exoskelette ermöglichen die freie Zusammenarbeit mit Corobots auf engem Raum, der Mensch wird integraler Bestandteil eines vernetzten Logistiksystems.

Künstliche Intelligenz und maschinelles Lernen haben das Potenzial, die Medizin grundlegend zu revolutionieren. Schon heute zeigen KI-Programme, dass sie bei der Auswertung medizinischer Bilddaten dem Arzt überlegen sein können. Sensorbasiertes Monitoring in Verbindung mit selbstlernenden Algorithmen verlagert den Schwerpunkt zunehmend von der Klinik in das häusliche Umfeld, von der Therapie bis hin zur Prävention. Die systematische Analyse strukturierter Informationen mittels Data-Mining-Verfahren liefert neue Erkenntnisse über die Entstehung von Krankheiten und den Erfolg medizinischer Intervention und Therapien. Entscheidend wird sein, wie Informationen künftig zusammengeführt werden und wie der Einzelne die Hoheit über seine Daten behält.

Der Einsatz von künstlicher Intelligenz (KI) in der Medizin ist mit großen Hoffnungen auf zielgerichtetere und verbesserte Diagnosen und Behandlungen einerseits und Steigerung der Effizienz und Qualität der Gesundheitsversorgung anderseits verbunden. Die Realisierung dieser Potenziale erfordert Veränderungen. Digitalisierung und der breite Einsatz von KI werden grundlegend verändern, wo und wie medizinische Dienstleistungen verfügbar sein werden, wie und durch wen Entscheidungen entlang des gesamten medizinischen Behandlungspfads getroffen werden und welche Behandlungen mit Blick auf die dabei erzielbaren Ergebnisse durchgeführt werden. Den großen Potenzialen stehen berechtigte Sorgen gegenüber, für die es sichere und pragmatische Lösungen zu finden gilt. Richtig eingesetzt wird KI die Gesundheitsversorgung insgesamt verbessern und zur Lösung der Herausforderungen heutiger Gesundheitssysteme beitragen.

„Die Nutzung künstlicher Intelligenz ist bei der Entwicklung neuer Therapien nicht mehr wegzudenken. KI-Ansätze werden entlang der gesamten Wertschöpfungskette angewandt – von der Auffindung und Optimierung neuer Wirkstoffe, zur Durchführung klinischer Studien bis hin zur Pharmakovigilanz, um nur einige Beispiele zu nennen.“

Ursprünglich entwickelt, um der breiten Masse einen sozial gerechten Zugang zu medizinischer Versorgung zu ermöglichen, wird den Krankenkassen in Deutschland von ihren Versicherten heute eine stark veränderte Rolle zugeschrieben. Entsprechend definieren Krankenkassen ihr Selbstverständnis und Geschäftsmodell neu und bei der Ausrichtung an den Kundenbedürfnissen führt an künstlicher Intelligenz kein Weg vorbei. Potenziale liegen sowohl in den internen Prozessen als auch in den Produkten und Leistungen für Kunden. Eine erstrebenswerte Zukunftsvision ist, dass Krankenkassen die bei ihnen schon längt zusammenlaufenden Daten so auswerten dürfen, dass sie ihren Versicherten noch individuellere Empfehlungen zum Erreichen des optimalen persönlichen Gesundheitslevels geben können. Doch noch stecken sie in einem recht starren Korsett, während global agierende Konzerne bereits ganz anders mit Gesundheitsdaten umgehen können.

Für die renommierten Big-IT-Tech-Giganten gilt gleichermaßen, dass sie bislang in erster Linie im Data- und Big-Data-Business wirtschaftlich sehr erfolgreich waren, sodass sie nunmehr nur logisch mit ihren Kernkompetenzen auch in angrenzenden oder neuen Märkten „fischen gehen“. Weltweit zum Teil marode und unter Ergebnisdruck stehende Gesundheitssysteme mit IT-Defiziten in deren gesamter Wertschöpfung (z. B. geforderte Steigerung der Versorgungsqualität bei gleichzeitiger Kostensenkung) auf der einen Seite sowie nahezu unbegrenzt scheinende Ressourcen mit höchstem Fokus auf Kundenzufriedenheit sowie z. T. aggressiven Marketing- und Kundenbindungs-Strategien auf der anderen Seite ergeben in Kombination ein sehr vielversprechendes Umfeld für Neulinge und deren Innovationen im Gesundheitssektor. Ziel dieses Beitrags ist es, die wichtigsten Stärken und innovativen Ansätze der „Big-IT-Tech“ (z. B. Google, Amazon, Microsoft, Apple) für neue Arbeitswelten im Gesundheitssektor darzustellen.

Wie schaffe ich es als kleines oder mittleres Unternehmen (KMU), künstliche Intelligenz (KI) erfolgreich zu nutzen? Bestehende Beratungsangebote, die KMU hierbei unterstützen, konzentrieren sich meist auf technische Aspekte der KI. Der hier präsentierte Lösungsansatz ist es, die eigenen Führungskräfte und Beschäftigten zu KI-Expertinnen und KI-Experten zu qualifizieren, damit sie KI-Anwendungen für die Wertschöpfung des eigenen Unternehmens erkennen sowie produktiv und menschengerecht gestalten können. Diese Lücke könnte ein ergänzendes Qualifizierungsangebot schließen. Durch eine auf die Bedarfe des Mittelstands abgestimmte KI-Zusatzqualifizierung könnten unter anderem Führungskräfte und Beschäftigte in KMU gezielt dazu befähigt werden, KI-Anwendungen realistisch einzuschätzen und eine gewinnbringende KI-Nutzung zu ermöglichen. Diese KI-Zusatzqualifizierung würde die vorhandenen Kompetenzen sowie das bestehende Fachwissen der Beschäftigten um KI-Kompetenzen ergänzen.

Obgleich im Bildungsbereich in den letzten 60 Jahren zahlreiche Studien und Forschungen zum Thema KI durchgeführt wurden, hat die tatsächliche Anwendungsrelevanz erst in jüngerer Zeit an Dynamik gewonnen. Insbesondere die Entwicklung datengetriebener und KI-gestützter Educational Technology (EdTech) gilt als aufstrebendes Feld im Bildungssektor, das eine Veränderung der Lehr- und Lernkultur verspricht. In diesem Beitrag werden konzentrierte Einblick in ausgewählte Subdiskurse zu KI in EdTech gegeben und Handlungsbedarfe aufgezeigt, die für eine nachhaltige Gestaltung von KI essenziell sind. Ein Ziel dabei ist es, die Veränderungen, die mit KI im EdTech-Bereich einhergehen, zu verstehen, um so ein Bewusstsein für die eigene Partizipationskraft und damit einen selbstbestimmten Umgang im Kontext von Datafizierung und Digitalisierung der Bildung zu schaffen.

Der Bedarf an Weiterbildung wächst in der digitalen Transformation. Neue Konzepte und Technologien sind gefordert, um mit der Schnelligkeit des Entwicklungsbedarfs standhalten zu können. Der Erfolg der Weiterbildung wird in Zukunft durch die Lösung dreier Weiterbildungslücken bestimmt: Motivation, Kompetenz und Übertragung. Einen wichtigen Baustein dazu liefert die künstliche Intelligenz. Durch Learning Analytics, Personalised Learning, Task Automation und Smart Content können die aktuellen Herausforderungen der Weiterbildung bewältigt werden. Wichtige Debatten der künstlichen Intelligenz in der Weiterbildung werden künftig aber auch durch ethische Fragen (z. B. Diskriminierung) sowie Fragen zur Objektivierbarkeit menschlicher Entwicklung bestimmt.

Der Einsatz und die langfristige Nutzung KI-gestützter Assistenzsysteme in der beruflichen Rehabilitation können große Potenziale bieten, um die Teilhabe von Menschen mit Behinderungen am Arbeitsleben zu verbessern. Eine wichtige Voraussetzung ist die Verfügbarkeit marktreifer intelligenter Assistenztechnologien, die für Menschen mit diversen Behinderungen persönliche Mehrwerte erzeugen und für Unternehmen mit niedrigem Aufwand einsetzbar sind. Die Diffusion dieser Technologien kann gelingen, wenn über Assistenzpotenziale von KI-Technologien aufgeklärt wird, KI-gestützte Assistenztechnologien bedarfsgerecht und partizipativ entwickelt und eingeführt werden, der Zugang sichergestellt, Kompetenzen für deren Nutzung gefördert sowie eine kontinuierliche Weiterentwicklung und Begleitung bei der Nutzung sichergestellt werden.