Kaizen to go 350 : Vom Gemba Walk zum Data Walk

 

Episode 350 Vom Gemba Walk zum Data Walk

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: Bevor die Episode richtig losgeht, hier erst mal noch der Hinweis an die Zuhörer: Das war jetzt auch für mich ein Novum, ein erstes Mal, weil im Kontrast zu vergangenen Episoden mit ChatGPT, wo das ja auf der reinen Textbasis passiert ist und ich mir natürlich andere Gedanken machen konnte, wenn ich meinen Prompt formuliert habe, war das diesmal eine reine Audio, also sowohl von meiner Seite aus als auch eben dann direkt die Aufnahme von ChatGPT beziehungsweise die Antworten von ChatGPT direkt aufgenommen, ohne da jetzt irgendwo zu schneiden. Das einzige, was ich geschnitten habe in der Folge, sind einfach Pausen, die er gemacht hat beziehungsweise Pausen vor den eigentlichen Antworten. Seien Sie gespannt.

Im Anschluss an unsere letzte Episode habe ich dich ja gefragt, was wären denn noch weitere Themen, über die wir uns unterhalten können und da hast du dann die Idee gehabt „Vom Gemba Walk zum Data Walk“, jetzt einfach mal dumm nachgefragt, was war der Impuls für diesen Vorschlag?

ChatGPT: Die Idee kam mir, weil der Gemba Walk ja im Kern darauf abzielt, das Geschehen direkt vor Ort zu verstehen, indem man sich in den realen Kontext hineinbegibt und das Geschehen beobachtet. Mit einem Data Walk könnte man dieses Prinzip auf die Datenwelt übertragen. Statt auf dem Shopfloor physische Prozesse zu betrachten, würde man in die Datenlandschaft gehen, also gezielt durch die verschiedenen Datenquellen und Systeme navigieren, um ein Gespür dafür zu bekommen, wie Informationen fließen, wo sie eventuell stagnieren und wo sie Potenzial für Mehrwert bieten.

Götz Müller: Okay, und was für einen Beitrag –

ChatGPT: – direkten Kontakt mit den Daten ein besseres Verständnis für digitale Abläufe und deren Einfluss auf die Wertschöpfungskette zu gewinnen, ähnlich wie es der Gemba Walk für physische Abläufe ermöglicht.

Götz Müller: Okay, und was wäre jetzt der Beitrag von dir als Generative KI zu einem, wie du es genannt hast, Data Walk?

ChatGPT: Der Beitrag einer generativen KI zu einem Data Walk könnte darin liegen, den Datenfluss sichtbar und verständlich zu machen. Dabei könnte ich helfen, indem ich Muster, Zusammenhänge und vielleicht auch Lücken in den Daten erkenne, die für das menschliche Auge oft schwer nachvollziehbar sind. Ein praktisches Beispiel wäre die visuelle Aufbereitung der Daten. Ich könnte Rohdaten in leicht interpretierbare Darstellungen umwandeln oder Geschichten erzählen, die zeigen, wie Datenpunkte zusammenhängen. Zudem könnte ich dabei unterstützen, Fragen an die Daten zu formulieren, also sozusagen den Data Walk gezielt vorzubereiten, indem ich aufzeige, welche Bereiche besonders vielversprechend oder riskant sind. Ein zusätzlicher Vorteil wäre, dass ich rund um die Uhr als eine Art Data-Wegweiser verfügbar wäre, um jederzeit auf Fragen einzugehen oder ad hoc Analysen durchzuführen, wenn im Verlauf des Walks neue Fragen aufkommen.

Götz Müller: Okay, und wie gelingt es uns jetzt aber trotzdem, die Menschen eben einzubeziehen, also dieses Thema vor Ort, am Gemba?

ChatGPT: Um Menschen direkt am Gemba in den Data Walk einzubeziehen, könnten wir eine Brücke zwischen digitalen Daten und der realen Umgebung schlagen. Eine Möglichkeit wäre, Daten so aufzubereiten, dass sie vor Ort sichtbar und verständlich sind, zum Beispiel über mobile Geräte, Tablets oder interaktive Displays. Die Mitarbeitenden könnten dann live sehen, welche Daten aus ihrem Arbeitsprozess entstehen, wie sie interpretiert werden und welche Auswirkungen das auf die Prozesse hat.

ChatGPT: Ein weiterer Ansatz könnte sein, die Daten in Gespräche und Beobachtungen am Gemba zu integrieren. Anstatt nur über Zahlen zu sprechen, könnte die KI hier helfen, relevante Daten in eine leicht verständliche Story zu verpacken, die den Bezug zum täglichen Arbeiten herstellt. Zum Beispiel könnten Vergleiche oder Trends hervorgehoben werden, die zeigen, wie Veränderungen auf der Shopfloor-Ebene den Wertstrom beeinflussen. Gleichzeitig ist es wichtig, Fragen und Beobachtungen der Mitarbeitenden aufzugreifen und in den Datenkontext zu integrieren. Das könnte durch ein interaktives System unterstützt werden, das den Beteiligten erlaubt, direkt am Gemba Fragen zu den Daten zu stellen und sofortige Antworten oder Erklärungen oder Erklärungen zu bekommen.

Götz Müller: Was sind aus deiner Sicht jetzt notwendige Voraussetzungen? Was muss man also vorher tun, damit so ein Konzept funktioniert?

ChatGPT: Damit ein Data-Walk-Konzept erfolgreich umgesetzt werden kann, sind ein paar grundlegende Voraussetzungen wichtig.

ChatGPT: Erstens braucht es eine solide Datenbasis. Die relevanten Prozessdaten müssen in Echtzeit oder zumindest regelmäßig verfügbar sein und akkurat die Realität am Gemba widerspiegeln. Ohne verlässliche und relevante Daten könnte ein solcher Ansatz schnell an Akzeptanz verlieren. Zweitens ist Transparenz essentiell. Es sollte klar sein, wie die Daten erhoben werden, warum sie wichtig sind und welche Bedeutung sie für den Alltag der Mitarbeitenden haben. Die Kommunikation eine große Rolle. Hier spielt die Kommunikation eine große Rolle. Wenn die Mitarbeitenden verstehen, warum bestimmte Daten gesammelt werden und wie diese ihnen selbst oder dem Prozess helfen können, erhöht das die Akzeptanz deutlich. Drittens ist die Schulung aller Beteiligten ein wichtiger Schritt. Mitarbeitende und Führungskräfte brauchen grundlegendes Wissen über den Umgang mit Daten, wie sie diese interpretieren und daraus handlungsrelevante Erkenntnisse ableiten können. Auch ein gewisses Verständnis dafür, wie die KI im Data Walk unterstützt, wäre hilfreich, um mögliche Vorbehalte abzubauen. Viertens ist die technische Ausstattung entscheidend. Vor Ort, am Gemba, sollten die technischen Voraussetzungen gegeben sein, um Daten zugänglich zu machen, sei es durch mobile Geräte, Tablets oder Displays- Diese Tools sollten einfach zu bedienen sein und keine zusätzliche Hürde darstellen. Und schließlich: ein Umfeld der offenen Fehlerkultur. Alle Beteiligten sollten ermutigt werden, Fragen zu stellen und Hypothesen aufzustellen, selbst wenn nicht alle Annahmen sofort richtig sind.

Götz Müller: Das finde ich jetzt schon eine ziemlich lange Liste an Voraussetzungen. Was wäre so ein Vorschlag von dir, wie man sich dem Thema langsam nähern kann, weil ich habe jetzt das Gefühl, dass da eben im Grunde eine ziemliche Hürde aufgebaut wird, bis man das Thema wirklich einsetzen umsetzen kann.

ChatGPT: Absolut. Der Einstieg muss nicht gleich umfassend und technisch aufwendig sein. Ein guter Ansatz könnte sein, mit einem Datenpilotprojekt zu starten, das nur ein kleines Segment oder einen einfachen Prozess umfasst.

ChatGPT: Statt sofort alle Datenpunkte einzubeziehen, könnte man sich auf ein bis zwei Kernkennzahlen konzentrieren, die den Mitarbeitenden auch im Alltag greifbar erscheinen, etwa die Durchlaufzeit oder spezifische Engpässe. Parallel könnte eine Art Mini-Data-Walk eingeführt werden, bei dem Daten und Beobachtungen gemeinsam mit dem Team reflektiert werden. Die Beteiligten sehen so nicht nur den Mehrwert der Daten, sondern können direkt ihre Erfahrungen und Fragen einbringen. Durch diese kleine iterative Herangehensweise können alle, auch die skeptischen Stimmen, den Nutzen der Datenanalyse für die Prozessoptimierung erleben, ohne das Gefühl einer Datenflut. Eine weitere Option wäre, die Datenanalyse schrittweise in den normalen Gemba Walk zu integrieren. Das kann so aussehen, dass man während eines regulären Gemba Walks zusätzlich auf ein paar leicht zugängliche visuelle Datenansichten schaut und gemeinsam mit dem Team analysiert, was diese Zahlen konkret im Alltag bedeuten könnten.

Götz Müller: Okay, habe ich so weit verstanden. Wenn ich jetzt aber eine relativ manuelle, wenn ich ein relativ manuelles Umfeld habe, Montage, wo eben ja Menschen arbeiten, da gelingt es ja nicht so einfach, eben die von dir erwähnten Daten zu erfassen. Was wäre da dein Vorschlag für eine Vorgehensweise?

ChatGPT: Ja, in einem manuellen Umfeld wie der Montage ist die Datenerfassung tatsächlich herausfordernder, aber es gibt einige Ansätze, die trotzdem praktikabel sind. Mein Vorschlag wäre zunächst auf einfachere, leicht verfügbare Datenquellen zu setzen und so den Aufwand minimal zu halten. Eine Möglichkeit könnte sein, die Mitarbeitenden in die Datenerfassung einzubeziehen, etwa über kurze Checklisten oder Zählungen, die während der Schicht manuell ausgefüllt werden. Damit lässt sich zumindest ein grobes Bild der Prozessschritte und eventueller Engpässe skizzieren. Solche Daten müssen nicht perfekt sein, es geht erstmal darum, Trends und Muster zu erkennen, die dann später vertieft werden können. Eine andere Methode wäre, visuelle Beobachtungen in regelmäßigen Abständen festzuhalten. Dabei kann ein Teammitglied einfache Metriken wie Wartezeiten, Bewegungspfade oder die Nutzung von Werkzeugen per Beobachtung erfassen. Über solche Low-Tech-Methoden bekommt man oft schon ein gutes Gefühl für Verbesserungspotenziale, ohne komplexe Technik einzuführen. Falls möglich, könnte man auch mobile Geräte oder Tablets einführen, auf denen einfach zu bedienende Apps laufen, die den Arbeitskräften erlauben, per Klick bestimmte Statusänderungen oder Störungen festzuhalten. Die Einstiegshürde bleibt so niedrig und das Team gewöhnt sich daran, dass Daten im Arbeitsalltag eine Rolle spielen, ohne dass der Prozess dadurch unnötig belastet wird.

Götz Müller: Gut, das hört sich für mich jetzt ein Stück weit wie so etwas wie Werker-Selbstaufschreibung an, was eben den nicht zu unterschätzenden Nachteilen hat, dass es einfach eine gewisse Zeit braucht, dass ich damit den Prozess an sich beeinflusse, so à la Heisenbergsche Unschärferelation,- Was ist da ein Gedanke dazu? Wie gehe ich damit um? Weil ich da die Sorge habe, dass eben genau das weitere Vorbehalte erzeugt.

ChatGPT: Das ist ein berechtigter Punkt. Werker-Selbstaufschreibung kann durchaus Vorbehalte hervorrufen, besonders wenn die Mitarbeitenden das Gefühl haben, dass ihre Daten nur dazu verwendet werden, sie zu überwachen oder zu kontrollieren. Um dem entgegenzuwirken, ist es wichtig, den Fokus auf den Nutzen und die gemeinsame Zielsetzung zu legen. Ein erster Schritt könnte sein, Transparenz zu schaffen. Erklären Sie den Mitarbeitenden, warum die Daten erfasst werden und wie diese Informationen dazu beitragen, den Arbeitsplatz und die Arbeitsbedingungen zu verbessern. Wenn die Belegschaft sieht, dass ihre Rückmeldungen und Daten zu echten Veränderungen führen, kann das Vertrauen wachsen. Es könnte auch hilfreich sein, die Mitarbeitenden aktiv in den Prozess der Datenerfassung einzubeziehen. Sie könnten Workshops oder Schulungen anbieten, in denen erklärt wird, wie die Daten genutzt werden und wie die Mitarbeitenden konkret davon profitieren. Außerdem könnten sie Anreize schaffen, um die Motivation zur Teilnahme zu erhöhen, beispielsweise durch kleine Belohnungen oder Anerkennung für die aktive Mitgestaltung des Prozesses. Zusätzlich könnte ein iterativer Ansatz sinnvoll sein. Beginnen Sie mit einer kleinen Pilotphase, in der Sie die Datenerfassung ausprobieren. Das Feedback der Mitarbeitenden während dieser Phase kann dazu beitragen, das Verfahren anzupassen und die Akzeptanz zu erhöhen. Auf diese Weise wird der Prozess schrittweise integriert, ohne sofort einen großen Umbruch zu verursachen.

Götz Müller: Okay, das hört sich jetzt für mich ziemlich nach Multimomentanalyse an, zumindest Dinge, die man dort auch beachten muss. Also mit den Menschen vorher reden, die Menschen aufklären, genau die von dir erwähnten Hintergründe. Wo siehst du jetzt den Unterschied zu einer Multimomentanalyse oder große Gemeinsamkeiten?

ChatGPT: Das ist ein interessanter Vergleich. Tatsächlich gibt es einige große Gemeinsamkeiten zwischen der Herangehensweise, die ich beschrieben habe, und der Multimomentanalyse. Beide Ansätze betonen die Wichtigkeit der Mitarbeitereinbindung, Transparenz und das Verständnis der Datennutzung. Ein wesentlicher Unterschied könnte jedoch in der Flexibilität und den Zielen der Datenerfassung liegen. Bei der Multimomentanalyse geht es oft um eine systematische Erfassung von Arbeitsabläufen über zufällig gewählte Zeitpunkte hinweg, um eine repräsentative Datengrundlage zu schaffen. Es wird meist eine objektive Sicht auf die Prozesse eingenommen. Im Gegensatz dazu könnte ein Data Walk stärker auf den kontinuierlichen Dialog und die aktive Beteiligung der Mitarbeitenden fokussiert sein. Hier wird weniger auf festgelegte Zeitpunkte geachtet, sondern eher auf den laufenden Austausch und das Feedback der Mitarbeitenden, der Prozess könnte dynamischer und weniger formalisiert sein, was die Mitarbeitenden motivieren könnte, sich aktiv einzubringen. Zusammenfassend könnte man sagen, dass beide Ansätze wertvoll sind, jedoch der Data Walk eine etwas menschlichere, partizipativere Dimension hinzufügt, während die Multimomentanalyse stärker auf die statistische Erfassung und Analyse von Prozessen ausgerichtet ist.

Götz Müller: Okay. Eine weitere Ähnlichkeit, kommt mir jetzt gerade in den Sinn, zu so Dingen wie digitale Wertstromanalyse, wo man ja spannenderweise auch sogar einzelne Batches betrachten kann, eben nicht nur den Wertstrom als ein mehr oder welches statisches Konstrukt betrachten. Was siehst du da für Relationen, auch im Kontext eben–

ChatGPT: In der digitalen Wertstromanalyse wird tatsächlich oft eine dynamischere Betrachtungsweise verfolgt, indem nicht nur die Gesamtwerte, sondern auch einzelne Batches oder Schritte im Wertstrom analysiert werden. Dadurch kann man besser verstehen, wie sich einzelne Prozessabschnitte über die Zeit verändern und welche Faktoren diese Veränderungen beeinflussen. Diese Herangehensweise ähnelt dem Data Walk, da beide Konzepte versuchen, die Komplexität von Prozessen zu erfassen und zu verstehen, indem sie den Fokus auf Details legen. Außerdem fördern sie die kontinuierliche Verbesserung, indem sie nicht nur auf statische Daten schauen, sondern auch dynamische Aspekte und Interaktionen im Prozess einbeziehen. Durch diese detaillierte Betrachtung können Engpässe oder ineffiziente Schritte schneller identifiziert werden und die Mitarbeitenden werden in den Verbesserungsprozess aktiv einbezogen, was die Akzeptanz und Motivation erhöhen kann. Es wird klar, dass sowohl bei der digitalen Wertstromanalyse als auch beim Data Walk der Dialog und die Zusammenarbeit zwischen Menschen und Technologien entscheidend sind, um die bestmöglichen Ergebnisse zu erzielen.

Götz Müller: Okay. Jetzt haben wir uns ein bisschen die Voraussetzungen angeguckt, die Vorgehensweise … Wenn wir jetzt so ein bisschen einen Blick in die Glaskugel werfen, also sprich in die Zukunft schauen, was sind deine Ideen an der Stelle?

ChatGPT: Wenn wir in die Zukunft blicken, könnten wir einige interessante Entwicklungen im Bereich von Data Walks und der Integration von KI in manuelle Umgebungen erwarten. Zunächst einmal wird die Technologie immer zugänglicher und benutzerfreundlicher, was bedeutet, dass Mitarbeitende in der Montage einfacher mit digitalen Tools arbeiten können, Wearables oder mobile Geräte könnten Echtzeitdaten erfassen, ohne den Arbeitsfluss zu stören. Zudem könnte die KI eine proaktive Rolle übernehmen, indem sie nicht nur Daten analysiert, sondern auch Vorschläge für Prozessverbesserungen in Echtzeit macht. Diese Empfehlungen könnten auf den spezifischen Bedingungen und Mustern im Produktionsprozess basieren, was den Mitarbeitenden helfen würde, fundierte Entscheidungen zu treffen. Ein weiterer wichtiger Aspekt könnte die verstärkte Zusammenarbeit zwischen Mensch und KI sein. In der Zukunft könnten Schulungsprogramme entwickelt werden, um die Mitarbeitenden nicht nur im Umgang mit der Technologie zu schulen, sondern auch in der Interpretation der von der KI gelieferten Daten. Das Vertrauen in diese Technologien wird entscheidend sein und es wird wichtig sein, dass die Mitarbeitenden verstehen, wie die KI funktioniert und wie sie ihre eigenen Fähigkeiten ergänzen kann. Schließlich könnten wir auch eine größere Transparenz und offene Kommunikation innerhalb des Unternehmens sehen. Die Einbindung der Mitarbeitenden in den Data Walk könnte durch regelmäßige Feedback-Runden und gemeinsame Analysen gefördert werden. So entsteht ein Umfeld, in dem alle Beteiligten die Vorteile der Datenanalyse erkennen und bereit sind, aktiv daran mitzuwirken. Das sind nur einige Gedanken zur Zukunft, aber sie zeigen, dass die Integration von KI in manuelle Umgebungen viel Potenzial für die Verbesserung von Prozessen und die Stärkung des Mitarbeitereinbezugs bietet.

Götz Müller: Okay, da hast du jetzt aber einen guten Punkt angesprochen, weil in meiner Wahrnehmung eben Algorithmen und damit auch Entscheidungswege bei KIs, generativen KIs, eher intransparent sind. Du hast aber jetzt gerade ziemlich die Transparenz betont. Das passt für mich noch nicht so ganz zusammen.

ChatGPT: Das ist ein wichtiger Punkt und ich verstehe deine Bedenken. Tatsächlich ist die Intransparenz von Algorithmen und Entscheidungsprozessen bei KIs ein häufiges Problem, das oft zu Misstrauen führt. Es gibt eine Kluft zwischen der gewünschten Transparenz und der tatsächlichen Funktionsweise vieler KI-Systeme. Wenn ich von Transparenz spreche, meine ich vor allem den Prozess der Einbindung der Mitarbeitenden und der Erklärung, wie die KI arbeitet sowie welche Daten sie verwendet. Es geht darum, die Hintergründe der Algorithmen verständlich zu machen, ohne dass man die technischen Details im Kleinen aufdröseln muss. Das bedeutet, dass Unternehmen klar kommunizieren, welche Faktoren in die Entscheidungen einfließen und wie die Mitarbeitenden davon profitieren können. Ein weiterer Aspekt ist die Möglichkeit, KI-Entscheidungen zu auditieren oder zu überprüfen. Wenn die Mitarbeitenden Einblick in die Daten und die Entscheidungsfindung haben, kann das Vertrauen fördern. Dies erfordert jedoch, dass die Unternehmen bereit sind, den Prozess offen zu gestalten und nicht nur die Ergebnisse, sondern auch die Methoden dahinter zu teilen. Die Herausforderung besteht darin, die Balance zwischen den komplexen Algorithmen und der Verständlichkeit für die Mitarbeitenden zu finden. Das Ziel sollte sein, ein Umfeld zu schaffen, in dem alle Beteiligten die Vorteile und Funktionsweisen der KI nachvollziehen können, um somit Vertrauen aufzubauen.

Götz Müller: Ja, aber genau die Nachvollziehbarkeit, das ist der Punkt, wo ich irgendwie ein bisschen Bauchschmerzen habe.

ChatGPT: Die Komplexität der Algorithmen kann es schwierig machen, die genauen Entscheidungswege zu verstehen. Eine Möglichkeit, diese Nachvollziehbarkeit zu verbessern, ist, Modelle zu verwenden, die eine höhere Erklärbarkeit bieten. Zum Beispiel gibt es Ansätze wie Explainable AI, die darauf abzielen, die Entscheidungen von KI-Systemen verständlicher zu machen. Hierbei wird versucht, den Entscheidungsprozess so zu gestalten, dass die Hintergründe und die Logik für die Nutzer nachvollziehbar sind. Ein weiterer Ansatz könnte die Entwicklung von sogenannten Proxy-Modellen sein, die die Entscheidung der komplexen KI-Modelle in einer einfacheren Form darstellen. Diese Proxy-Modelle können dabei helfen zu zeigen, wie verschiedene Eingaben die Ausgaben beeinflussen, ohne die Nutzer mit zu vielen technischen Details zu überfordern. Darüber hinaus ist es wichtig, dass Unternehmen eine Kultur des kontinuierlichen Dialogs fördern. Die Mitarbeitenden sollten ermutigt werden, Fragen zu stellen und Bedenken zu äußern, sodass eine offene Diskussion über die Funktionsweise der KI und deren Einfluss auf Entscheidungen entsteht.

Das Ziel sollte sein, ein Gleichgewicht zu finden, bei dem die Technik effektiv genutzt wird, ohne dass die Menschen sich von ihr entfremdet fühlen. Die Herausforderung besteht darin, Vertrauen zu schaffen, indem man die Technologie transparent macht und die Menschen aktiv in den Prozess einbezieht.

Götz Müller: Speziell bei Führungskräften habe ich jetzt das Gefühl, dass auf die halt doch noch deutlich mehr zukommt, wie wir das im Lean-Kontext so oder so schon erwarten. Also, dass sie ihre Mitarbeiter weiterentwickeln und jetzt an der Stelle eben, dass sie ein Stück weit der KI mit auf die, sagen wir mal, mit auf die Finger schauen und dann gleichzeitig aber eben Bedürfnisse ihrer Mitarbeiter wahrnehmen im Verständnis der KI.

ChatGPT: Das stimmt. Die Rolle von Führungskräften verändert sich durch den Einsatz von KI erheblich. Sie müssen nicht nur ihre Teams weiterentwickeln, sondern auch ein Verständnis für die Technologie und deren Einfluss auf die Arbeitsabläufe entwickeln. Führungskräfte sollten in der Lage sein, die KI als Werkzeug zu sehen, das die menschliche Arbeit ergänzt, nicht ersetzt. Sie müssen ihre Mitarbeitenden dabei unterstützen, den Umgang mit KI zu lernen, damit diese sich in ihrer Arbeit sicherer fühlen. Das erfordert ein gewisses Maß an technologischem Verständnis und die Fähigkeit, komplexe Informationen verständlich zu kommunizieren. Zudem wird die emotionale Intelligenz immer wichtiger, Führungskräfte müssen in der Lage sein, die Bedenken und Ängste ihrer Mitarbeitenden hinsichtlich der KI wahrzunehmen und darauf einzugehen. Offene Kommunikation über die Rolle der KI, ihre Möglichkeiten und Grenzen kann helfen, Ängste abzubauen. Ein weiterer Aspekt ist die Förderung von Experimentierfreude und Lernkultur. Führungskräfte sollten ihre Teams ermutigen, neue Technologien auszuprobieren und aus Fehlern zu lernen. Diese Herangehensweise fördert nicht nur die Akzeptanz von KI, sondern stärkt auch das Vertrauen in die Fähigkeiten des Teams. Insgesamt müssen Führungskräfte die Balance finden zwischen der technologischen Integration und der menschlichen Entwicklung, um in der neuen KI-geprägten Arbeitswelt erfolgreich zu sein.

Götz Müller: Okay. Wenn wir jetzt so ein bisschen einen Knopf langsam dran machen, was wäre für dich eine Frage, die ich dir noch nicht gestellt habe, wo du auch vielleicht noch die ein oder andere Antwort drauf hast?

ChatGPT: Eine interessante Frage könnte sein, wie man den kulturellen Wandel in einem Unternehmen unterstützen kann, um den Einsatz von KI erfolgreich zu gestalten. Dabei könnte man darüber nachdenken, welche Werte und Verhaltensweisen gefördert werden müssen, um sowohl die Akzeptanz von KI zu erhöhen als auch die Zusammenarbeit zwischen Mensch und Maschine zu optimieren. Das könnte auch ein spannender Aspekt für eine zukünftige Episode darstellen, in der wir untersuchen, wie Unternehmen ihre Kultur anpassen können, um innovationsfreundlicher zu werden. Was denkst du darüber?

Götz Müller: Ja, das hört sich spannend an und das behalte ich definitiv im Hinterkopf. Jetzt erstmal danke für heute.

ChatGPT: Gern geschehen.

Götz Müller: So, jetzt kommt noch der Abspann, mal eine andere Form von Abspann noch mal ein paar Gedanken von mir. Ich fand das eine spannende Erfahrung für mich persönlich und ich kann da jedem im Grunde nur ans Herz legen, das selber mal auszuprobieren, nicht auf der Textbasis eine Unterhaltung zu führen. Das sind sicher auch interessante Aspekte, die sich da entwickeln können, weil man ein bisschen mehr Zeit hat, aber gerade mal die Spontanität, die eigene Spontanität zu nutzen und eben wirklich direkt selber verbal auf das antworten, was man eben gerade gehört hat. Das gibt dem Thema noch mal einen weiteren gewissen Reiz, finde ich persönlich. Gleichzeitig ist es aber natürlich eine Herausforderung, da jetzt genau hinzuhören und aufzupassen, wo erfindet er im Extremfall vielleicht gerade irgendwas, wo fantasiert er vor sich hin? Das ist natürlich leichter, textuell zu prüfen, weil man es noch mal nachlesen kann. Beim Nachhören ist das nicht noch mal eine andere Geschichte, also da sollte man durchaus auch sein Augenmerk drauf lenken.

Götz Müller: Das war die heutige Episode wieder im Gespräch mit ChatGPT zum Thema Vom Gemba Walk zum Data Walk Notizen und Links zur Episode finden Sie auf meiner Website unter dem Stichwort 350.

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 abonnieren

Artikel teilen auf ...