Kaizen 2 go 351 : KI-gestützte Wissensprozesse - GeeMco : Götz Müller Consulting

Inhalt der Episode:

Was war der Auslöser, um sich mit dem Thema zu beschäftigen?
Wie unterscheidet sich KI-gestütztes Wissensmanagement von klassischen Ansätzen?
Was bedeutet das für die Wissenslieferanten und -konsumenten?
Wie sehen die Reaktionen dieser beiden Nutzergruppen aus?
In welchen Anwendungsbereichen ergeben sich neue Möglichkeiten?
Wo bestehen u.U. (noch) Grenzen?
Was muss ggf. beim Datenschutz und der Datensicherheit berücksichtigt werden?
Wie wird sich das Thema noch weiterentwickeln, bspw. bei der Wisseneingabe und dem -abruf?

Notizen zur Episode:

Mitmachen?

Wenn Sie selbst ein interessantes Thema für eine Episode im Umfeld von Geschäftsprozessen haben, können Sie mir das auf dieser Seite mit Vorbereitungsfragen vorschlagen.

Ich freue mich darauf!

Ihnen hat der Inhalt gefallen? Dann bewerten Sie die Episode bitte bei iTunes.

Jetzt eintragen und Artikel/Denkanstöße zukünftig per eMail erhalten.

Artikel teilen auf ...

(Teil)automatisiertes Transkript

Episode 351 KI-gestützte Wissensprozesse

Herzlich willkommen zu dem Podcast für Lean Interessierte, die in ihren Organisationen die kontinuierliche Verbesserung der Geschäftsprozesse und Abläufe anstreben, um Nutzen zu steigern, Ressourcen-Verbrauch zu reduzieren und damit Freiräume für echte Wertschöpfung zu schaffen. Für mehr Erfolg durch Kunden- und Mitarbeiterzufriedenheit, höhere Produktivität durch mehr Effektivität und Effizienz. An den Maschinen, im Außendienst, in den Büros bis zur Chefetage.

Götz Müller: Heute habe ich Nicole Ottersböck im Podcast-Gespräch. Sie ist Arbeitswissenschaftlerin und über das Thema, was damit zusammenhängt, unterhalten wir uns dann auch heute. Hallo Frau Ottersböck.

Nicole Ottersböck: Hallo, Herr Müller.

Götz Müller: Ja, schön, dass das heute klappt. Jetzt habe ich schon ein kurzes Stichwort zu Ihnen gesagt, aber stellen Sie sich gern noch mal in ein paar Sätzen vor, den Zuhörern.

Nicole Ottersböck: Ja, sehr gerne. Ja, wie Sie richtig gesagt haben, ich bin Arbeitswissenschaftlerin, also von Haus aus eigentlich Sozialwissenschaftlerin, das habe ich mal ursprünglich studiert, seit 2011 aber tatsächlich in der Arbeitswissenschaft. Seit 2016 bin ich am Institut für angewandte Arbeitswissenschaft in Düsseldorf und seit ich in dieser Tätigkeit bin, bearbeite ich Forschungsprojekte. Aktuell, mein aktuelles Forschungsprojekt, darin dreht es sich um das Thema Wissensmanagement mit künstlicher Intelligenz. Ja, meine Themen sind insgesamt auch das Thema Wissensmanagement, Kompetenzentwicklung, digitale Transformation und auch das Thema Change Management.

Götz Müller: Genau. Und das ist auch, Wissensmanagement und speziell eben KI-gestützte Wissensprozesse, wie ich jetzt den Titel genannt habe, der Episode heute, das ist auch unser Thema und da finde ich jetzt auch spannend wieder die Frage zu stellen: Was ist der Auslöser – natürlich KI, aktuell in aller Munde, aber sich jetzt mit dem Thema zu beschäftigen, weil, glaube ich, Arbeitswissenschaften ein unheimlich breites Feld ist?

Nicole Ottersböck: Ja, also es gibt einmal einen Auslöser, das sagt Ihnen wahrscheinlich etwas, und zwar der demografische Wandel. Wir verlieren in den nächsten zehn Jahren laut Prognosen zwölf- bis dreizehn Millionen Beschäftigte, erfahrene Beschäftigte, was bedeutet, dass die Unternehmen sehr, sehr viel wesentliches Erfahrungswissen eben verlieren und viel von diesem Wissen ist nur in den Köpfen von Beschäftigten verankert. Ja, ich finde das Thema Wissensmanagement schon sehr lange sehr spannend. Das ist auch der zweite Aspekt, ich habe 2014 bereits ein Projekt gemacht, damals in Kaiserslautern, als ich noch am ITA gearbeitet habe. Wir haben damals auch ein großes Konsortium gehabt mit technischen Partnern und großen Unternehmen, Automobilzulieferern und wir haben damals versucht, auch in der Produktion ein Wissensmanagementsystem aufzubauen, aber noch manuell, also mit manuellen Mitteln. Da mussten die Mitarbeiter eben Videos machen, Texte schreiben, Bilder machen und das ganze sollte dann in ein Assistenzsystem, in ein digitales einfließen, und ich habe damals schon gemerkt, dass das sehr, sehr schwierig ist, weil die Mitarbeiter in der Produktion zum einen auch oft nicht so gerne schreiben, dann wissen viele gar nicht, was sie alles wissen. Dann hat man keine Zeit und dann ist es auch so, dass Unternehmen ja nicht mehr nur Standardprodukte haben. Viele Unternehmen haben individuelle Produkte, kundenspezifische Produkte. Also bei unseren Unternehmen, die wir aktuell im Projekt haben, sind es an die 3000 beim einen Anwendungspartner und an die 12000 beim anderen Anwendungspartner. Und das macht eben, also diese Produkte müssen ja alle unterschiedlich auch gefertigt werden, und das macht eben den Aufbau von Wissensmanagementsystemen sehr, sehr aufwendig und ressourcenintensiv. Genau, und da kommt dann KI ins Spiel und auch die Idee, dass man dieses Wissen doch automatisiert mit KI, also ein selbstlernendes System entwickeln könnte, was im Arbeitsprozess automatisiert dieses Wissen erheben kann oder identifizieren kann.

Götz Müller: Ja, das, was sie jetzt gerade erzählt haben, erinnert mich persönlich sogar bisschen an mein Black-Belt-Projekt, was ich 2008 gemacht habe, wo es jetzt eher in einem dem technischen, also in einem sehr technischen Umfeld. Telekommunikationstechnik, Servicemanagement, also nichts Produktion mit den Händen irgendwie etwas, nur reines Wissen in Anführungszeichen, aber das war da eben auch eine der Herausforderungen, aber jetzt hier noch mal nachgefragt, weil das finde ich ja so spannend, weil sie sich, habe ich rausgehört, vor 10 Jahren mit klassischen Ansätzen beschäftigt haben und jetzt eben mit KI geschützt, das noch ein bisschen weiter rausgearbeitet. Was sind da die Unterschiede?

Nicole Ottersböck: Die Unterschiede sind ja tatsächlich, dass wir versuchen, ein selbstlernendes System zu erschaffen, also ein System, was man nicht manuell füttern muss. Das ist der Unterschied, und vor allem dann auch das Wissen herauszukristallisieren oder herauszufinden, über das sich die Beschäftigten gar nicht so bewusst sind. Ich kann das vielleicht noch mal an einem Beispiel deutlich machen. Bei uns im Projekt, also wir haben einen Anwendungspartner, da haben wir einen Anwendungsfall, und zwar einen Richtprozess. Sie müssen sich vorstellen, da kommt Flachstahl, dieses Flachstahl ist zum Teil drei Meter lang, 25 Kilo schwer, und das ist immer unterschiedlich gekrümmt. Und dieses Flachstahl muss begradigt werden, also gerichtet werden. Und das machen Mitarbeiter, die das können, mit einer hydraulischen Presse und diese Mitarbeiter, also Sie stellen sich vor, da kommt ein Flachstahl und die führen das in die Presse ein und nach 15 bis 20 Minuten kommt das gerichtet raus und keiner weiß so richtig, was ist in der Zwischenzeit passiert. Und wenn man die fragt, die Mitarbeiter, wie sie jetzt, woher sie wissen, welche der beiden Kanten denn gut zu richten ist oder an welchen Stellen sie wieviel Druck ausüben, dann, ja, dann lachen die und sagen: Ja, ich habe das im Gefühl. Also sie können das gar nicht beschreiben und da kommt eben die künstliche Intelligenz ins Spiel. Also diese Mitarbeiter haben wohl im Laufe ihrer Berufsjahre ihre Erfahrung gemacht, also Regelmäßigkeiten erkannt, Muster erkannt, so wie das quasi auch ein KI-System, also ein KI-Algorithmus kann, können soll oder, das ist ja unsere Hypothese, das wollen wir ja testen und dadurch haben sie einfach im Gefühl, wie sie das Werkstück dann richten können.

Götz Müller: Ja, ja, das das erinnert mich jetzt an eine Situation, während meines Industriepraktikums vor ewigen Zeiten. Da ging's darum runde, schon rundgeschweißte, im Grunde Rohre, ganz dicke Rohre, die also begehbar waren, noch runder zu machen, um es mal so auszudrücken und da ging es ähnlich. Ich habe da nur gestaunt, wo die Mitarbeiter dann auf der einen Seite etwas hingehalten haben und auf der Seite gegen geklopft hat.

Nicole Ottersböck: Ja genau, also unseren Richtprozess, den gibt es auch noch mit Hammer. Und das ist, ja, ich habe mittlerweile auch, wir haben ja ein großes Netzwerk aufgebaut von weiteren Unternehmen, die auch solche ähnlichen Arbeitsprozesse haben und die auch daran interessiert sind, an so einem System und es gibt eine Vielzahl an Beispielen, wo man halt eben ja. Dieses, dieses Gefühl braucht gerade bei manuellen Tätigkeiten ja. Sehr, sehr spannend. Ich erkläre auch immer, also zum Beispiel der Maschinenbediener, ne, der seit Jahren an der gleichen Maschine arbeitet, der weiß ganz genau, wie die tickt und der nimmt geringfügig dann auch Signale wahr und hat dann so im Gefühl, dass da irgendwas gerade schiefläuft oder dass die Maschine vielleicht mal gewartet werden muss. Er kann es vielleicht auch gar nicht genau festmachen, woran er das jetzt merkt. Und das ist genau dieses Erfahrungswissen, was man eben nicht aufschreiben kann, was einem, ne, was man nicht richtig beschreiben kann. Und ich sage immer diese erfahrenen Mitarbeiter, die sind eigentlich für die Unternehmen wie ein Frühwarnsystem. Gerade bei solchen Herausforderungen, also wenn so eine Maschine ausfällt, dann hat man nämlich als Unternehmen einen Produktionsausfall und büßt natürlich da dann auch Geld ein.

Götz Müller: Ja, und ich glaube, einerseits möchte man ja auch persönlich so einen Punkt erreichen in meinem Weltbild eben diese, diese unbewusste Kompetenz, die vierte Stufe der Kompetenz, aber natürlich, wenn man das dann erhalten will und von einem Hirn in ein anderes transferieren, dann wird es halt wieder schwierig, weil ich muss ja im Grunde auf die dritte Stufe zurück, von der man unter Umständen Jahrzehnte schon weg.

Nicole Ottersböck: Genau. Und wir haben ja jetzt zusätzlich noch Fachkräfteengpässe oder auch Arbeitskräfteengpässe, was den Transfer von dem Wissen, von diesem Erfahrungswissen auch noch mal erschwert. Also wenn die Vakanzzeiten so lang sind, also man nicht schnell eben Menschen findet, die dann diesen Job übernehmen werden oder die man anleiten kann, dann. Ja, ist es einfach noch mal schwieriger, das Wissen im Betrieb zu halten?

Götz Müller: Mhm. Was bedeutet das? Also in meinem Weltbild, Aber jetzt was Wissen und Wissensmanagement angeht, gibt es ja zwei Gruppen, einmal und Sie haben es auch gerade noch mal angedeutet, einmal die, die das Wissen liefern mit den Herausforderungen, wie ich es gerade angedeutet habe. Und einmal die, die das dann konsumieren. Und wenn ich da jetzt auch wieder zurückdenke an dieses Six-Sigma-Projekt, da war eine der Herausforderungen eben, dass die, die dann da eine Datenbankabfrage gemacht haben, im Grunde ja wissen mussten, was die geeigneten Stichworte sind, die jemand anders in die Datenbank, die da vielleicht jemand im Kopf hatte, damit er dann genau auf diesen Fall wieder stößt.

Nicole Ottersböck: Mhm, das ist ein ganz wichtiges Thema, was Sie ansprechen tatsächlich. Das ist auch meine Erfahrung, man kann ein Wissensmanagementsystem aufbauen, ne, und dann muss man aber, also es ist unheimlich komplex, weil jeder ja anders denkt. Also der eine Sucht bei Google nach Wissen, während der anderen Know-how sucht oder der andere wieder Fähigkeiten, Kompetenzen oder was auch immer und man kommt halt zu anderen Ergebnissen und genau so ist es auch in den Betrieben. Aber, jetzt mal unabhängig von der Produktion, da wird es ja durch die semantische Suche und KI-Systeme also auch in Zukunft effizientere Lösungen geben. Also gerade, wenn in Unternehmen sehr unstrukturierte Daten vorliegen und ein KI-System, eine generative KI kann beispielsweise jetzt Texte auswerten und erkennt auch Synonyme, dann ist es ja zukünftig vielleicht sogar egal, welchen Begriff man eingibt. Man kommt dann da raus, auf das Wissen, was man benötigt. Genau, also da bin ich sicher, dass wir da auch mit künstlicher Intelligenz zukünftig Fortschritte machen werden und das Wissensmanagement erleichtert wird.

Götz Müller: Jetzt, glaube ich, haben wir in vielen Situationen eben so eine gewisse, vielleicht kann man es Angst manchmal nennen, vor dem was, was KI ist, was Digitalisierung ist, weil man sich mit dem Thema noch nicht beschäftigt hat, und ich glaube auch in den speziell auch in den Beispielen, wie es sich gerade dargestellt haben, könnte ich mir vorstellen, dass es eine Relevanz hat in beiden dieser Gruppen, also die Lieferanten wie auch die Konsumenten, und da würde mich jetzt interessieren, weil man dann da wieder für andere Fälle viel daraus lernen kann, wie die Reaktionen erstmal grundsätzlich aussehen und wie man damit umgeht.

Nicole Ottersböck: Ja, auch ein super, das ist ja mein absolutes Herzensthema, also wie nimmt man die Mitarbeiter denn mit. Ich hatte, ich sage es Ihnen ehrlich, ich hatte vor diesem Projekt wirklich Bauchschmerzen. Weil wir es ja hier mit zwei Sachen zu tun haben, das Thema KI ne, wo viele Angst davor haben, Angst vor Arbeitsplatzverlust, Angst vor Überwachung, weil man braucht ja tatsächlich viele Daten, um eine künstliche Intelligenz nutzen zu können und dann aber das andere ist natürlich auch das Thema Wissensmanagement, Wissenstransfer, also Wissen ist ja ganz oft auch noch Macht, Status, Jobs, Sicherheit in Unternehmen. Und ja, diese Kombi habe ich gedacht: Oh Gott, die Mitarbeiter werden mich erschlagen. Aber es ist zum Glück nicht so. Tatsächlich habe ich in beiden Unternehmen unheimlich Glück, also bei beiden Anwendungsfällen, die wir ausgewählt haben, ist der Wunsch nach einer digitalen Assistenz sehr, sehr hoch. Das ist zum einen sehr gut. Auch die Unternehmenskultur ist eine sehr vertrauensvolle Unternehmenskultur, also da braucht wirklich keiner Angst um seinen Job zu haben, zumal in beiden Unternehmen auch, da greift natürlich auch der Fachkräftemangel, ne, also da wird auch immer händeringend, natürlich noch nach Fachkräften gesucht. Und was wir gemacht haben im Projekt, und das war auch oder ist auch insbesondere unsere Rolle als Arbeitswissenschaftler. Wir haben von Anfang an die Mitarbeiter in den ganzen Prozess integriert, also wir wussten zwar, was wir machen wollten, was wir erforschen wollten, aber wir wussten noch nicht, wie es aussehen soll. Also wir wussten, wir würden gern testen, wie man mit KI das Wissensmanagement in der Produktion auf Vordermann bringt beziehungsweise das implizite Erfahrungswissen erhebt, aber ich sag immer, eine Technik muss ja ein Problem lösen und dementsprechend war es uns auch sehr wichtig, eben mit den Mitarbeitern zu sprechen und herauszufinden, wo die denn ihre Herausforderungen im täglichen Arbeiten haben, weil, ja, ein technisches System muss ja eben einen Nutzen haben und muss das Unternehmen und die Beschäftigten unterstützenden Assistenzsystemen. Also es bringt ja nichts, einfach ein System in einen Produktionsprozess reinzuwerfen und den Leuten zu sagen: Ja, jetzt arbeitet mal damit. Also dementsprechend haben wir die von Anfang an integriert in diesen ganzen Prozess. Wir haben erstmal einen Workshop gemacht, um sie für das Thema zu sensibilisieren und auch aufzuklären und auch, hier haben wir ja versucht, in der Sprache der Beschäftigten zu sprechen und auch mit Bildern und Videos eben dieses komplexe Thema der KI und der KI-Assistenz dann auch einfach zu erläutern, damit das auch Menschen beispielsweise mit Sprachbarrieren auch verstehen, also mit Migrationshintergrund, die man auch oft findet. Dann haben wir eine große Analyse gemacht, wo wir mit vielen Beschäftigten in den Pilotbereichen gesprochen haben und um herauszufinden, was brauchen die denn für eine Unterstützung bei ihrem Arbeitsprozess. Ja, und wir haben auch einen Workshop gemacht, um dann, also, nachdem wir wussten, wie das System aussieht und die Konzeption gestanden hat, haben wir noch mal einen Workshop gemacht mit den Beschäftigten und haben denen das mit einer Storytelling-Methode nähergebracht und die dann auch ganz offen gefragt, ob sie da Risiken sehen. Ob da irgendetwas ist in der Konzeption, was ihnen nicht angenehm ist oder wo sie denken, da möchte ich nicht mit arbeiten und, ja, und das zweite, was wir da auch geprüft haben ist, ob das System so von den Funktionen, die wir da integrieren wollten, ob das denen etwas bringt oder ob etwas fehlt. Und das war auch noch mal ein guter Schritt, weil die Mitarbeitenden wurden, also man hat gemerkt, von Schritt zu Schritt, die wurden halt immer wieder auch gefragt und einbezogen, und das bedeutet auch, dass man den Menschen auch Wertschätzung entgegenbringt. Ja, und das hat auch das Vertrauen in die Technik dann auch noch mal geschärft. Und auch jetzt, wo wir schon Techniken eingeführt haben, eine Software beispielsweise, aber auch Kamerasysteme, werden die Mitarbeiter immer wieder einbezogen und gefragt, wie es ist, mit den Systemen zu arbeiten. Also, ja, und dann ist es halt auch wichtig, dass man dann auch Verbesserungshinweise auch ernst nimmt und prüft, ob die umzusetzen sind.

Götz Müller: Ja, also allein die letzten Sätze finde ich jetzt unheimlich wertvoll, ganz unabhängig davon, dass es um KI-gestützte Wissensprozesse geht, weil das im Grunde in meinem Kontext, Lean, Prozessoptimierung natürlich auch genau das gleiche Thema ist. Und da viel zu oft, nicht so vorgegangen wird, wie Sie es jetzt gerade berichtet haben, und allein deshalb, würde ich sagen, lohnt sich es für mich definitiv, dass wir uns jetzt unterhalten und ich hoffe, dass es auch jedem Zuhörer so gehen wird. Jetzt vielleicht noch mal weiter bisschen reingebohrt und vielleicht auch ein bisschen die provokante Frage gestellt, die mir noch durch den Kopf geht. Generative KI gibt es ja immer diesen Punkt, sie erfindet mal irgendetwas, manchmal sehr offensichtlich, manchmal sehr subtil, löst so etwas auch Vorbehalte unter Umständen aus? Und wie geht man dann schlichtweg damit um?

Nicole Ottersböck: Ja, das auf jeden Fall. Also generative KI spielt jetzt bei mir im Projekt keine Rolle, aber dennoch beschäftige ich mich mit dem Thema und nehme da sehr, sehr viel mit, auch aus anderen Unternehmen und tatsächlich, ja, es ist so, dass ich ganz oft höre: Ja, ich habe es ausprobiert und dann kam da nur Quatsch. Aber ich sag dann immer, ja, aber an was hängt es denn. Vielleicht muss man auch noch mal gucken, dass man das mit dem Prompting, also dass man das lernt, auch mit der KI zu arbeiten. Und, ja, man muss halt einfach so ein bisschen ausprobieren. Also viele lassen sich dann gleich entmutigen und in Betrieben kriege ich jetzt viel mit, dass viele ihre eigene KI und einsetzen wollen, ihre eigene generative KI und die stellen sich das so einfach vor: Man setzt da so ein System drüber, lässt alle Daten einfließen, die man hat und dann hat man da seinen eigenen Chatbot. Aber so einfach ist es halt nicht. Also man muss shit in, shit out, also wenn man Daten hat, die nicht qualitativ hochwertig sind, zum Beispiel alte Dateien. Oder man hat irgendwie alte, ich weiß nicht, alte rechtliche Daten irgendwo in seinem System liegen und dann und speist damit eine KI, dann muss man sich einfach nicht wundern, wenn da eben nicht die entsprechenden qualitativ hochwertigen Informationen rauskommen. Also Daten, die Datenbasis und das ist auch in meinem Projekt so, ist das A und O. Und das ist auch die Krux und ich kann Unternehmen nur den Tipp geben, sich erstmal mit den Daten zu beschäftigen und, ja, die müssen erst in Ordnung sein.

Götz Müller: Was kann man jetzt aus Ihren Erfahrungen eventuell für andere Anwendungsbereiche von KI noch ableiten, im Sinne von, Ach guck mal, das hätte ich sogar nicht erwartet, könnten wir doch auch in XYZ verwenden?

Nicole Ottersböck: Also was mich, was mich sehr überrascht hat, obwohl ich auch gar nicht so dran gedacht hatte, war, wir haben in einem anderen, in dem anderen Unternehmen, bei der Firma APRA-norm haben wir einen kompletten Produktionsprozess in der Oberflächentechnik. So, jetzt muss ich leider ein bisschen ausholen, ich hoffe, wir haben die Zeit hier. Sie stellen Gehäuse her für beispielsweise Server und diese Gehäuseteile werden in der Oberflächentechnik lackiert und dieser Prozess besteht aus drei Stationen. So, und jetzt haben wir dort eben uns eine Station als Pilotstation ausgewählt, die erste, weil die am meisten Einfluss auf alles hat. Also da braucht man auch am meisten Erfahrungswissen. Wir haben aber auch in allen anderen Stationen eine Software installiert und wir bekommen jetzt durch diese, durch diese Software, wo wir dann auch mit, die dann auch mit Feedback-Schleifen ausgestattet ist, bekommen wir nicht nur das Wissen von einzelnen Experten hier rein, also davon bin ich ja ausgegangen, ne, dass wir irgendwie hier Wissen von einzelnen Experten bekommen, sondern das ist ein großes Team. Da haben wir an die 20 Mitarbeiter. Und im Team ist es ja oft so, dass man mehrere, dass man Personen hat und jeder hat unterschiedliche Stärken und unterschiedliches Wissen. Und aktuell ist es so, dass dieses Wissen oft mündlich ausgetauscht wird und dann oft auch nur den Personen zur Verfügung steht, die jetzt vielleicht gerade in der einen Schicht arbeiten. Und durch dieses System, was wir da jetzt implementiert haben, wo dann auch Feedbacks beispielsweise zum Aufhängeprozess gemacht werden in den anderen Stationen sammeln wir jetzt quasi das ganze Teamwissen in einem System und, ja, ich sage immer, wir bekommen dann irgendwie ein Hyperwissen von diesem ganzen Prozess und da kommen ja dann auch noch Daten aus der Maschine mit rein und Bilddaten von den aufgehängten Produkten, also ein Vielfaches an Daten. Wodurch der ganze Prozess halt auch sehr transparent wird und alleine das hilft ja auch schon, Erfahrungswissen zu generieren. Das ist ja auch, gerade in solchen Produktionsprozessen hat man auch eine hohe Komplexität und wenn man da einfach mehr Informationen hat über diese ganzen Prozesse, dann kann man natürlich auch viel, viel mehr entscheiden, wie man den Produktionsprozess steuert. Also zum Beispiel, welche Teile gerade aufgehängt werden müssen, große die 20 Minuten in der Kabine brauchen oder kleine, die nur zwei Minuten brauchen, welche, die gerade eine dunkle Farbe oder welche die eine helle Farbe brauchen. Also man kann dann, das waren jetzt so ganz banale Beispiele, aber man kann viel besser und effizienter den ganzen Produktionsprozess steuern, was aktuell nur wenige können aufgrund ihrer Erfahrung.

Götz Müller: Ja, und kommt gerade das in Kombination, glaube ich, und da habe ich selber so den ein oder anderen Einblick mit lackieren, was ja so kurz vor Voodoo manchmal steht, kann ich mir sehr gut vorstellen und auch in der Kombination, und das kenne ich jetzt wieder aus anderen Bereichen, mit schichtübergreifenden Dingen, was grundsätzlich immer eine Herausforderung ist, dass eben, Sie haben das Stichwort an einer anderen Stelle genannt, Transparenz, ich glaube, das entsteht dadurch da auch, dass man sich überhaupt klar wird, dass da Unterschiede bestehen, das hat man vorher, oft, erlebe ich so, gar nicht erkannt. Sehr spannend. Jetzt die Frage, die ich auch immer gerne grundsätzlich stelle, wenn wir über solche Entwicklungen, Fortentwicklungen, Weiterentwicklungen reden, an den technischen Kontext, wo haben wir manchmal noch Grenzen unter Umständen, wo man sagt, ah, das würde ich gerne noch machen, aber irgendwie geht es in Anführungszeichen, noch nicht?

Nicole Ottersböck: Ja, also wir haben die Grenzen auf jeden Fall in der Datenbeschaffung. Also wir haben festgestellt, dass die Daten, das ist also tatsächlich die ja auch aus den Systemen, die sind ja oft unstrukturiert und so gewachsen in den Unternehmen, und dann haben die auch viele verschiedene Datenquellen und die, ja, also das ist, denke ich, hier beim Thema KI der wesentliche Punkt, wie kriege ich die Daten, Schnittstellen schaffen, was kann ich alles aus den Systemen rausbekommen. Ja, da glaube ich, da gibt es noch sehr viel Nachholbedarf, oder da muss noch viel passieren, damit wir da noch mehr, noch effizienter zukünftig arbeiten können.

Götz Müller: Ja, ich glaube auch, das kann ich jetzt aus anderen Kontexten. Da ist jetzt die KI alleine vielleicht nicht einmal einen Sonderfall, sondern alles, was irgendwie mit Digitalisierung, Automatisierung zu tun hat, scheitert in der Regel nicht so sehr an der nackten Technik, sondern eben, wie sie es gerade gesagt haben, an den Randbedingungen, an den Voraussetzungen, an dem, was ich vorher schaffen muss, um dann etwas Schlaues, in Anführungszeichen, überhaupt drauf loslassen zu können.

Nicole Ottersböck: Genau. Also es ist auch immer die Frage, man sollte halt prüfen, was man braucht als Unternehmen und dann ist natürlich auch immer die Frage: Brauche ich jetzt tatsächlich eine KI? Vielleicht reichen auch schon andere Sachen oder andere Techniken, um das zu erreichen, was ich erreichen will. Also ja, man muss das einfach, wir haben so viele technisch neue, gute Möglichkeiten, aber einfach erstmal prüfen: Was brauche ich denn überhaupt, was für ein Ziel will ich erreichen oder worin bestehen denn meine Herausforderungen und dann erst Tools auswählen und das am besten gemeinsam mit denjenigen, die dann später damit arbeiten sollen und denen ist was bringen soll.

Götz Müller: Da fällt mir spontan eben, und das begegnet mir auch sehr, sehr oft, es passiert schnell und leicht, dass es irgendwie zum Selbststeig wird oder sogar anfänglich mit diesem Selbstzweckgedanken nicht bewusst, aber irgendwie unbewusst so nach dem Motto: Wir müssten mal und KI muss man ja unbedingt nutzen.
Nicole Ottersböck: Ja, auf jeden Fall. Ja, es ist jetzt, er ist natürlich schon irgendwie ein Hype und jeder will es halt nicht verpassen. Und ja, und ich glaube tatsächlich, dass wir da sehr viele Potenziale erschließen können. Und ja, ich kann das sehr, sehr gut nachvollziehen und ich merke auch schon was alleine so eine Datengrundlage und so eine Transparenz, die man schaffen kann, auch schon mal ohne KI, was das schon was das schon bringt, um ein Prozess effizienter gestalten zu können, Kennzahlen halt auch, also wenn ich plötzlich dann auch weiß, wo meine Wägen mit meinen Produkten stoppen und wie lange und …

Götz Müller: Jetzt hatten Sie am Anfang den Punkt Datenschutz erwähnt und als auch eben im Transparenzkontext und durch in den weiten Feld KI und Datenschutz ist ja, da ist es vielleicht die deutsche Sprache immer ein bisschen schwierig. Im Englischen ist das ja deutlich stärker differenziert, eben was man bei uns im Deutschen manchmal gern auf einen Haufen schmeißt, Safety und Security, was muss man jetzt da noch berücksichtigen, ein paar Stichworte vielleicht, nur damit man nicht ähnlich wie mit dem Datenthema, damit man nicht irgendwann auf der Strecke bleibt, könnte ich mir vorstellen?

Nicole Ottersböck: Ja, also Datenschutz, was wir im Projekt gemacht haben, wir haben auf jeden Fall von Anfang an die Betriebsräte eingebunden in den ganzen Prozess. Natürlich, eine Betriebsvereinbarung braucht man und ich habe es schon angesprochen. Wir haben mit den Mitarbeitern noch mal einen Workshop gemacht, bevor irgendwas entwickelt wurde überhaupt und haben denen die technische Konzeption vorgestellt. Also wir haben ja in beiden Anwendungsfällen zum Beispiel Kamerasysteme im Einsatz, weil wir brauchen einfach auch Bilddaten und das war auch bei den Mitarbeitern ein kritischer Aspekt. Ich habe, ich weiß nicht, ob ihnen der Begriff ELSI etwas sagt, ELSI kommt aus dem Englischen von Ethical, Legal and Social Implications, also ethische, rechtliche und soziale Implikationen der Technik, und wir haben unseren Workshop ELSI-UX-Workshop genannt, also wir haben ELSI-Kriterien ermittelt oder ELSI-Aspekte ermittelt in diesem Workshop mit den Beschäftigten zusammen, also mit den Beschäftigten geschaut, wo sehen sie kritische Aspekte und da war unter anderem der Kameraeinsatz ein kritischer Aspekt und wir mussten Möglichkeiten finden, damit die Mitarbeiter sich mit diesem Kameraeinsatz, damit das für die in Ordnung ist, also hier bei APRA-norm zum Beispiel haben wir eine Kamera im Einsatz, diese Kamera wird aber nur durch Mitarbeiter in der Station ausgelöst und die fokussiert dann nur einen Wagen, wo Artikel drauf hängen, also Wagen, die hängen an der Förderbandanlage und dann sind da Artikel drauf und der Mitarbeiter, der gerade an der Station arbeitet, löst dann die Kamera aus und kann auch später das Bild noch mal anschauen und kontrollieren, ob da jetzt ein Mensch drauf zu sehen ist und das ist auch, ja, das ist auch ganz, ganz wichtig. Das ist so ein Aspekt.

Götz Müller: Ja, ich glaube, wenn man so etwas vernachlässigt, kommt es, ich nenne das immer so bisschen eine Art von Heisenbergscher Unschärfenrelation, die Menschen sind dann auf andere Dinge fokussiert und in Anführungszeichen arbeiten eigentlich nicht mehr so, wie sie normal arbeiten würden, wenn die Beobachtung zum Beispiel nicht existieren würde.

Nicole Ottersböck: Genau und das, auch die Kamera ist jetzt an einer Stelle, wo eigentlich kaum Menschen hinkommen. Dennoch habe ich es dann später erlebt, als ich durch die Produktion gegangen bin und mit einzelnen Mitarbeitern gesprochen haben, dass Mitarbeitern und Mitarbeiterinnen gesagt hatten, sie trauen sich nicht mehr in die Gegend der Kamera zu kommen, zu gehen. Und dann habe ich denjenigen einfach auch noch mal sensibilisiert und gesagt: Okay nein, also wir gucken uns das noch mal gemeinsam an, wie es funktioniert. Da wird dann eben auch gesehen, okay, die läuft halt nicht, die wird durch ein aktives Verhalten ausgelöst von einem Kollegen, ne, und das beruhigt dann ja auch einfach noch mal.

Götz Müller: Da eben, wie Sie es schon an einer anderen Stelle gesagt haben, eben auch einfach ernst nehmen die Bedenken und nicht so vom Tisch wischen, sondern, ja, es ernst nehmen und entsprechend dann Fragen beantworten, über die sich vielleicht die betreffende Person direkt noch gar nicht mal so hundertprozentig im Klaren ist.

Nicole Ottersböck: Genau, also ich habe das auch, im Workshop habe ich jetzt auch tatsächlich gesagt: Hier haben wir eine Kamera im Einsatz. Wie ist das für Sie? Also ist das für Sie ein kritischer Aspekt? Und dann haben wir darüber diskutiert, wo denn die Kamera hindarf und, ja, oder was, was auch ein kritischer Aspekt sein kann, das habe ich vorhin angesprochen, also es findet ja viel Kommunikation statt, auch wenn das mal nicht richtig aufgehängt wurde, jetzt beim Prozess in der Oberflächentechnik, dass der eine Mitarbeiter zum anderen geht und jetzt hat man plötzlich so ein System, da kann es natürlich auch sein, dass die Kommunikation ein Stück weit unterbunden wird. Natürlich kann man effizienter arbeiten, weil man muss nicht mehr durch die Gegend laufen, aber tatsächlich will man als Unternehmen ja auch die Teamarbeit und die Zusammenarbeit fördern, dafür benötigt es dann auch wieder Kommunikation, also solche Aspekte haben wir dann einfach auch besprochen und offen besprochen, wie das, ja, und man muss das einfach weiterverfolgen. Und ganz wichtig ist, dass man hier dranbleibt und auch einfach mit den Menschen spricht und sie fragt.

Götz Müller: Jetzt würde ich zum Abschluss ganz gern noch, mache ich im Grunde sehr oft, die Frage nach einer potenziellen Weiterentwicklung und da jetzt speziell kommen mir halt die zwei Punkte: einmal, wie kriege ich Wissen in das System rein, aus den Köpfen zum Beispiel, aber eben, so habe ich das auch damals in dem Projekt kennengelernt, das Wissen wieder rauskriegen, weil da muss ja eine gewisse Form von Matching irgendwie stattfinden, das was der sich gedacht, also wie man jetzt über klassische Dinge, wo das halt ein Mensch direkt eingibt, muss ich ja beim Rausholen wieder einen ähnlichen Gedanken haben, damit ich überhaupt auf das stoße, was er mit seinem Gedanken da rein gemacht hat. Was ist so ein bisschen Ihre Prognose, Blick in die Glaskugel, wie sich sowas im Rahmen von KI-Unterstützung noch weiterentwickeln kann.

Nicole Ottersböck: Mhm, ja, das wird ja alles viel einfacher, ne, dann dadurch. Also bei uns, in unseren Systemen, also wir entwickeln unsere Systeme so, dass man die sowohl für das Einspeisen als auch für das Rausholen nutzen kann. Also die Software die wir aktuell bei APRA-norm eingeführt haben, die wird dann auch später die Informationen bereitstellen, bedarfsgerecht, wenn die jemand braucht, also da ist, ja recht einfach. Da kommt ein Artikel und dann fragt das System: Brauchen Sie Informationen dazu? Oder es sind hier Bildinformationen sind verfügbar oder das System merkt vielleicht da anhand von Bilddaten, da wurde etwas anders aufgehängt als zuvor, wo das alles gut funktioniert hat. Und dann macht es dem Mitarbeiter einfach einen Vorschlag, dann die Aufhängung noch mal zu optimieren. Also das kann ein ganz, ganz aktives System werden. Bei der Firma ESM versuchen wir auch das gleiche System zu nutzen und da mit Lichtsignalen zu arbeiten, die dann auf dem Flachstahl anzeigen, wo man denn mit der Presse drücken muss und in den Systemen dann eben anzeigt mit wie viel Druck oder welche Kante man am besten nimmt, farblich markiert. Genau. Und was jetzt der Vorteil ja auch von diesen generativen KI-Systemen ist und Chatbots ist, dass man ja einfach auch Fragen stellen kann und dann aus allen möglichen Daten die Antworten generiert werden. Da muss man auch gar nicht viel schulen zukünftig mehr und das ist ja, wie wenn man googelt oder eine Suchmaschine nutzt.

Götz Müller: Ja, ich persönlich habe auch festgestellt, es verändert ein Stück weit und ich glaube, das ist eine große Chance, weil man mit einer KI anders kommunizieren muss, wie man meint, mit einem Menschen kommunizieren zu können, zu müssen, zu dürfen. Da bewegt man sich, zumindest geht es mir so, bewegt man sich oft auf einer viel bewussteren Ebene und könnte sogar in der Kommunikation mit anderen Menschen, wenn man das von der KI gelernt hat, ich muss es ihm halt vielleicht ein bisschen mehr vorkauen, könnte auch hilfreich an anderer Stelle sein.

Nicole Ottersböck: Das ist ein sehr interessanter Aspekt. Ich erinnere mich immer an Luhmann aus meinem Studium, der gesagt hat: Es ist unwahrscheinlich, dass Kommunikation funktioniert. Und Sie haben vollkommen Recht. Also wenn ich mir zukünftig mehr Gedanken machen muss, wie ich denn, um ein gutes Ergebnis zu erhalten, wie ich denn meine Fragen stelle, dann kann es natürlich auch positive Auswirkungen auf unsere Kommunikation haben. Das ist ein sehr interessanter Punkt, habe ich noch gar nicht so viel drüber nachgedacht, vielen Dank.

Götz Müller: Ja, ich danke Ihnen an der Stelle für die spannende Unterhaltung. Es war eben auch diese Brücke, wie ich zwischendrin angedeutet habe, in andere Bereiche rein, wie man mit Menschen letzten Endes umgehen sollte, wenn sich irgendwas verändert, war wieder ein wunderbares Beispiel und ja, deshalb noch mal vielen Dank für Ihre Zeit.

Nicole Ottersböck: Ja, vielen Dank, sehr gerne. Ich freue mich, dass Sie mich eingeladen haben zu Ihrem Podcast.

Götz Müller: Das war die heutige Episode im Gespräch mit Nicole Ottersböck zum Thema KI-gestützte Wissensprozesse Notizen und Links zur Episode finden Sie auf meiner Website unter dem Stichwort 351.

Wenn Ihnen die Folge gefallen hat, freue ich mich über Ihre Bewertung bei Apple Podcasts. Sie geben damit auch anderen Lean-Interessierten die Chance, den Podcast zu entdecken.

Ich bin Götz Müller und das war Kaizen to go. Vielen Dank fürs Zuhören und Ihr Interesse. Ich wünsche Ihnen eine gute Zeit bis zur nächsten Episode. Und denken Sie immer daran, bei allem was Sie tun oder lassen, das Leben ist viel zu kurz, um es mit Verschwendung zu verbringen.
Jetzt eintragen und Artikel/Denkanstöße zukünftig per eMail erhalten.

Artikel teilen auf ...