1 Monat GRATIS testen, danach für nur 3,90€/Monat!
Startseite » Sicherheitsingenieur »

KI im betrieblichen Arbeitsschutz

Lernende Algorithmen für Gefährdungsbeurteilung und Unfallauswertung
Potenziale der KI für den betrieblichen Arbeitsschutz

Potenziale von KI im betrieblichen Arbeitsschutz
Künstliche Intelligenz und maschinelles Lernen — welche Optionen bieten sie dem Arbeitsschützer? Foto: © gopixa – stock.adobe.com
Mikko Börkircher, Jennifer Hapke, Sebastian Terstegen
Im Zuge der fortschre­i­t­en­den Dig­i­tal­isierung wer­den IT-Sys­teme zu cyber-physis­chen Sys­te­men intel­li­gent ver­net­zt. Die anfal­l­en­den Daten­men­gen kön­nen sys­tem­a­tisch zum Zwecke der Prozess- oder Pro­duk­tin­no­va­tion analysiert wer­den. Damit wurde auch eine zen­trale Voraus­set­zung geschaf­fen, Meth­o­d­en der Kün­stlichen Intel­li­genz (KI) auf betriebliche Prozesse anzuwen­den. Der Beitrag zeigt die Poten­ziale von KI im betrieblichen Arbeitss­chutz und Gesund­heitss­chutz auf.

Neben Anwen­dun­gen in pri­vat­en Con­sumer­bere­ichen, wie zum Beispiel der Sprachas­sis­tenz im heimis­chen Wohnz­im­mer oder dem Empfehlungssys­tem der Videostream­ing­plat­tform, wer­den KI-basierte Ver­fahren und Sys­teme vornehm­lich in der Indus­trie zum Zwecke ein­er intel­li­gen­ten Automa­tisierung einge­set­zt. Aber auch in speziellen Anwen­dungs­bere­ichen beziehungsweise zu beson­deren Zweck­en, wie zum Beispiel zur Unter­stützung, Verbesserung und Effizien­zsteigerung des Arbeits- und Gesund­heitss­chutzes, kön­nen Meth­o­d­en und Ver­fahren der kün­stlichen Intel­li­genz und des maschinellen Ler­nens sin­nvoll einge­set­zt werden.

Ein effizien­ter Arbeitss­chutz und eine wirk­same Unfal­lver­mei­dung sind für die Schaf­fung und den Erhalt sicher­er und men­schen­gerechter Arbeits­be­din­gun­gen beson­ders wichtig. Ziel ist es, die Beschäftigten wirk­sam vor arbeits­be­d­ingten Gefahren und gesund­heitlichen Schädi­gun­gen zu schützen und damit Unfälle am Arbeit­splatz zu ver­hüten. Die Grund­lage für den betrieblichen Arbeitss­chutz ist das Arbeitss­chutzge­setz (Arb­SchG). Es verpflichtet den Arbeit­ge­ber (Stich­wort: Unternehmerpflicht), Gefährdungs­beurteilun­gen am Arbeit­splatz durchzuführen und über notwendi­ge Schutz­maß­nah­men zu entscheiden.

KI kann den Arbeit­ge­ber und die für den Arbeits- und Gesund­heitss­chutz Ver­ant­wortlichen bei der Aus­führung ihrer Pflicht­en unter­stützen, wie nach­fol­gend an eini­gen Beispie­len aufgezeigt wird. Haup­tau­gen­merk wird hier­bei auf ein­er Mus­ter­erken­nung liegen. Bei allen Vorteilen, die KI für den Arbeits- und Gesund­heitss­chutz mit sich bringt, muss generell bei jed­er KI-Anwen­dung die Ver­wen­dung vorurteils­freier und nicht diskri­m­inieren­der Dat­en angestrebt wer­den; mehr dazu in einem der nach­fol­gen­den Beispiele.

Potenziale der KI im betrieblichen Arbeitsschutz am Beispiel der Gefährdungsbeurteilung

Im Rah­men ein­er Gefährdungs­beurteilung (§ 5 Arb­SchG) wer­den sys­tem­a­tisch vorhan­dene Gefährdun­gen erhoben und Risiken beurteilt, die im Kon­text von Arbeit­stätigkeit­en auftreten kön­nen. Anschließend wer­den Maß­nah­men fest­gelegt, zum Schutz von Beschäftigten umge­set­zt und auf ihre Wirk­samkeit über­prüft. Der Prozess der Gefährdungs­beurteilung ist zu doku­men­tieren und regelmäßig fortzuschreiben, um Verbesserun­gen ein­leit­en zu können.

Durch intel­li­gente Soft­ware mit entsprechen­den Mod­ellen der KI entste­hen neue Möglichkeit­en der dig­i­tal­en Unter­stützung bei der Erstel­lung und Über­prü­fung von Gefährdungs­beurteilun­gen. Nach­fol­gend zwei Szenar­ien, zum einen mit Bezug auf starre (doku­men­tierte) Dat­en und zum anderen mit (dynamis­chen) Echtzeitdaten.

Szenario 1: Ein Algo­rith­mus analysiert die Text- und Bild­dat­en ein­er beste­hen­den Gefährdungs­beurteilung im Hin­blick auf Datenkon­sis­tenz, über­prüft die Voll­ständigkeit und Sinnhaftigkeit der doku­men­tierten Dat­en und bew­ertet das Risiko der Gefährdun­gen, unter Anwen­dung ein­er Risiko­ma­trix nach Nohl, objek­tiv. Der Algo­rith­mus lernt aus Beispiel­d­at­en, die ihm zugrunde liegen, und erstellt daraus ein Mod­ell; dieses kann entsprechend auf neue Dat­en (eine betrieb­sspez­i­fis­che Gefährdungs­beurteilung) ange­wandt wer­den. Mit­tels eines Daten­ab­gle­ichs gibt der Algo­rith­mus dem Ersteller ein­er Gefährdungs­beurteilung Hin­weise auf doku­men­tierte unsichere Sit­u­a­tio­nen, die es im Doku­ment zu beheben gilt. Beispiele hier­bei kön­nen u. a. sein:

  • Bezüge zu Quellen wie Tech­nis­chen Regeln, Nor­men o. Ä. sind veraltet
  • Unklare, nicht passende For­mulierun­gen bei bish­er getrof­fe­nen Schutzmaßnahmen
  • Risiko ist zu niedrig/hoch eingestuft
  • Arbeitsmit­tel, Tätigkeit­en und ermit­telte Gefährdun­gen passen nicht zueinander
  • Klas­si­fika­tion der Gefährdun­gen stimmt nicht mit ermit­tel­ten Gefährdun­gen überein
  • Es beste­hen Lück­en in ein­er Gefährdungs­beurteilung, da beispiel­sweise für einen bes­timmten Arbeit­splatz typ­isch vork­om­mende Gefährdun­gen fehlen.

Szenario 2: Beste­hende Gefährdungs­beurteilun­gen wer­den durch Erken­nt­nisse, die aus (Echtzeit-)Daten gewon­nen wer­den, wie z. B. Dat­en von Arbeitsmit­teln, immer unter Berück­sich­ti­gung des Daten­schutzes, in Echtzeit aktu­al­isiert. Dies bed­ingt eine Ausstat­tung der Arbeitsmit­tel usw. mit Sen­soren – Stich­wort: Cyber-physis­che Sys­teme (siehe Infobox 2). Frühzeit­ig und beina­he in Echtzeit kann somit z. B. der sicher­heit­stech­nis­che Zus­tand von Arbeitsmit­teln erfasst wer­den. Wird beispiel­sweise anhand von Echtzeit­dat­en und der Zuhil­fe­nahme eines Hand-Arm-Vibra­tions-Belas­tungsrech­n­ers fest­gestellt, dass der Tage­sex­po­si­tion­swert beim Ein­satz eines Winkelschleifers regelmäßig über­schrit­ten wird, so kann in der Gefährdungs­beurteilung an der betr­e­f­fend­en Stelle eine Schutz­maß­nahme mit automa­tis­ch­er Mel­dung an den betrof­fe­nen Abteilungsleit­er gener­iert wer­den. Damit lässt sich z. B. erken­nen, ob nicht-geeignete Arbeitsmit­tel ver­wen­det werden.

Potenziale der KI im betrieblichen Arbeitsschutz am Beispiel von Unfallberichten

Ver­fahren der KI im betrieblichen Arbeitss­chutz beziehungsweise des maschinellen Ler­nens eignen sich des Weit­eren für die Analyse von Unfall­bericht­en (siehe Abbil­dung), beispiel­sweise Clus­ter­ing-Ver­fahren, bei denen ein KI-Mod­ell unüberwacht lernt. Das soge­nan­nte unüberwachte Ler­nen (unsu­per­vised machine learn­ing) funk­tion­iert ohne Nutzer­in­ter­ak­tion; der Nutzer muss keine Inter­pre­ta­tion beziehungsweise Bew­er­tung der Ergeb­nisse, die das Soft­ware­pro­gramm auf Basis der Train­ings­dat­en fällt, vornehmen; auch eine vorher bekan­nte Zuord­nung oder Kennze­ich­nung der Eingabe­dat­en ist nicht erforderlich.

Das ler­nende Soft­ware­pro­gramm erken­nt in den Eingabe­dat­en – in diesem Fall ca. min­destens 100 struk­turi­erte und gegebe­nen­falls dig­i­tal auf­bere­it­ete Unfall­berichte der ver­gan­genen Jahre – bes­timmte Muster und Struk­turen und inter­pretiert diese automa­tisch. Mith­il­fe eines KI-Ver­fahrens wie dem unüberwacht­en Ler­nen mit­tels Clus­ter­ing wäre es möglich, präven­tiv Gefahren­poten­ziale bzw. zukün­ftige Unfallschw­er­punk­te aufzuzeigen. Basis hier­für ist das Erken­nen von Zusam­men­hän­gen zwis­chen zum einen klaren Ein­flussfak­toren wie z. B. Art der Ver­let­zung, Unfal­lzeit­punkt, Wochen­tag und Unfal­lort. Zum anderen kön­nte das Mod­ell auch auf den ersten Blick weniger offen­sichtliche Ein­flussfak­toren wie Tem­per­atur und Luft­druck zum Unfal­lzeit­punkt oder son­stige Ereignisse bein­hal­ten, die sich als sig­nifikant für das Entste­hen von Unfällen her­auskristallisiert haben.

Eine Par­al­lele dieses Anwen­dungs­falls kann zur Ver­brechens­bekämp­fung mit­tels KI – auch pre-crime genan­nt – gezo­gen wer­den. Hier­bei soll KI die Aktio­nen der Polizei so steuern, dass sie vor dem Ver­brechen ein­trifft. Die KI sagt also voraus, wo und wann ein Ver­brechen geschehen wird. Allerd­ings hat sich hier­bei u. a. gezeigt, dass Algo­rith­men nicht vorurteils­frei sind und damit zu Fehlentschei­dun­gen führen kön­nen. Beispiel: Leben­san­schau­un­gen von Pro­gram­mier­ern sind u. a. der­art in Algo­rith­men einge­flossen, als dass die Polizei ver­mehrt in Gegen­den fährt, wo in den let­zten Jahren viele Straftat­en von Kleinkrim­inellen ein­er bes­timmten eth­nis­chen Herkun­ft began­gen wurden.

Für das Anwen­dungs­beispiel ist eine große Daten­samm­lung erforder­lich. Das Poten­zial ein­er Analyse von Unfall­bericht­en fußt also auf ein­er bre­it­en unternehmens- und branchenüber­greifend­en Daten­ba­sis. Bei Unfal­lver­sicherungsträgern existiert sicher­lich eine Daten­grund­lage, die dafür herange­zo­gen wer­den kön­nte. Ob diese BG-über­greifend genutzt wird bzw. wer­den kann, entzieht sich der Ken­nt­nis der Autoren. Ziel kön­nte eine Daten­bank sein, die Infor­ma­tio­nen zu Unfällen und deren (wahren) Ursachen bein­hal­tet. Nicht nur eine Unter­suchung von Unfällen, son­dern auch eine Ableitung von Maß­nah­men ist mit KI möglich. Der Benutzer gibt ein, welche Art von Unfall passiert ist (bei Tätigkeit X an Mas­chine Y) und erhält von einem KI-Sys­tem Vorschläge bzw. Hin­weise, um diese Art von Unfällen zukün­ftig zu verhindern.

Anwendungsbereiche der KI im betrieblichen Arbeitsschutz und Gesundheitsschutz

Neben den oben gezeigten poten­ziellen KI-Anwen­dun­gen am Beispiel der Analyse von Gefährdungs­beurteilun­gen und Unfall­bericht­en existieren Ansätze des maschinellen Ler­nens, die teil­weise bere­its in der Prax­is erprobt sind bzw. wer­den. Beispiel­haft soll an dieser Stelle der Ein­satz des maschinellen Ler­nens für die Vorher­sage von Stress am Beispiel der Logis­tik genan­nt sein [1]. Ger­ade in der Logis­tik müssen Beschäftigte, u. a. auch auf­grund des demografis­chen Wan­dels, auf lange Sicht gesund, zufrieden, arbeits­fähig und pro­duk­tiv sein. Mith­il­fe der Soft­ware „Dynamis­che Pause“ soll Stress in Folge men­taler und physis­ch­er Belas­tungs­fak­toren in der Logis­tik präven­tiv vorge­beugt wer­den. Infolge indi­vid­u­al­isiert­er Erhol­ungspausen als Gestal­tungse­le­ment kön­nen Unternehmen mit einem KI-Sys­tem unter­stützt wer­den, Per­son­al­res­sourcen entsprechend der dynamis­chen Anforderun­gen der Logis­tik flex­i­bler einzusetzen.

Dat­en sind für die Funk­tion­sweise der Soft­ware „Dynamis­che Pause“ oder die ander­er KI-Anwen­dun­gen eine essen­zielle Voraus­set­zung. Im Bere­ich des Arbeits- und Gesund­heitss­chutzes kann auf ein bre­ites Spek­trum an Dat­en zurück­ge­grif­f­en wer­den. Eine gezielte Erfas­sung, Spe­icherung, Auf­bere­itung und Ver­ar­beitung dieser Dat­en bietet daher großes Poten­zial für den Ein­satz von KI. Hier­bei ist u. a. an fol­gende Bere­iche zu denken, wobei nicht zwis­chen direk­ten oder indi­rek­ten Dat­en bzgl. des Arbeits- und Gesund­heitss­chutzes unter­schieden wird [2]:

  • Dat­en zu Per­so­n­en: Nutzung von per­sön­lich­er Schutzaus­rüs­tung (zum Beispiel Exoskelette), Gesund­heitspa­ra­me­ter wie Kon­sti­tu­tion, Kör­per­hal­tung etc.
  • Dat­en aus der Arbeit­sor­gan­i­sa­tion: Per­son­alein­satz, Arbeit­szeit, Schichtar­beit, Ruhezeit­en, Analyse von Unfall­bericht­en (siehe oben) etc.
  • Dat­en bzgl. Auf­gaben und Tätigkeit­en: Arbeits­be­las­tung, Störun­gen, Über- oder Unter­forderung etc.
  • Dat­en bezo­gen auf Arbeitsmit­tel: Ergonomis­che Para­me­ter von Werkzeu­gen, Hard- und Soft­ware, Maschi­nen und weit­ere Kom­po­nen­ten etc.
  • Dat­en bezo­gen auf Arbeit­sumge­bung, Arbeit­sraum, Arbeit­splatz: Raumk­li­ma, Beleuch­tung, Lärm, Staub usw.

Gestaltungsaspekte bei der Einführung von KI-Anwendungen

KI-Tech­nolo­gie ist nicht nur tech­nol­o­gisch, son­dern auch arbeit­spoli­tisch anspruchsvoll. Beste­hen­den Hin­dernissen und Her­aus­forderun­gen bei der Ein­führung von KI muss mit geeigneten Gestal­tungsan­sätzen begeg­net wer­den. Beschäftigte in Unternehmen und damit die zukün­fti­gen Anwen­der von KI-Sys­te­men äußern häu­fig Befürch­tun­gen oder Äng­ste bezüglich der Funk­tion­sweise von KI-Sys­te­men und des Umgangs mit teils per­so­n­en­be­zo­ge­nen Dat­en im Arbeit­sprozess [4]. Unternehmensleitun­gen und die für eine KI-Ein­führung zuständi­gen betrieblichen Akteure befürcht­en zum Teil zu Recht, dass Beschäftigte KI aus den oben genan­nten Grün­den nicht akzep­tieren und nutzen wer­den. Für Unternehmensleitun­gen bedeutet dies zumeist eine beson­dere Her­aus­forderung beim Ein­führung­sprozess beziehungsweise beim soziotech­nis­chen Gestal­tung­sprozess eines KI-Sys­tems. Ein entsprechen­des Change­m­an­age­ment und ein dementsprechend aus­gestal­teter Beteili­gung­sprozess kön­nen dazu beitra­gen, Beschäftigten ihre Sor­gen und Berührungsäng­ste zu nehmen, Inter­esse und Akzep­tanz für Verän­derun­gen zu erre­ichen und den Daten­schutz sicherzustellen.

Im Umgang mit KI zeigen sich daher gewisse Risiken, denen es mit den entsprechen­den Gestal­tungsan­sätzen und Lösungsmöglichkeit­en ent­ge­gen­zuwirken gilt (siehe Tabelle).

Ausblick auf Forschung im Bereich KI

Entsprechende Qual­i­fizierung­spro­gramme, damit Fach- und Führungskräfte KI-Wis­sen und ‑Qual­i­fika­tio­nen erwer­ben oder ver­tiefen kön­nen, sowie eine anwen­dung­sori­en­tierte Forschung zur KI-Tech­nolo­gie sind daher weit­er­hin notwendig. Dass diese in Deutsch­land stat­tfind­et, zeigt die soge­nan­nte KI-Land­karte. Auf dieser wer­den aktuell mehr als 500 Entwick­lung­spro­jek­te in Deutsch­land aufgezeigt, in denen über sämtliche Branchen, Ein­satzfelder und Unternehmensgrößen hin­weg KI-Tech­nolo­gien entwick­elt und inno­v­a­tive KI-Anwen­dun­gen erprobt wer­den (vgl. [5]). Im Anwen­dungs­bere­ich Arbeits- und Gesund­heitss­chutz find­en aktuell exem­plar­isch Entwick­lungs- und Forschung­spro­jek­te statt wie beispielsweise

  • „KI-Sigs“, in dem an einem KI-Ökosys­tem für den Gesund­heits­bere­ich geforscht wird.
  • „RECU­PERA-Reha“, in dem ein Ganzkör­p­er-Exoskelett für die robo­tis­che Oberkör­p­er-Assis­tenz entwick­elt wird.
  • „BauPre­vent“, in dem ein Empfehlungssys­tem zur Präven­tion von Gesund­heitss­chä­den auf dem Bau entste­hen soll.
  • „Eghi“, in dem eine erweit­erte Gesund­heitsin­tel­li­genz für per­sön­liche Ver­hal­tensstrate­gien im All­t­ag erprobt wird.

Des Weit­eren gibt es Pro­jek­te zur kon­tak­t­losen Mes­sung von Vital­dat­en, zur Risikobeurteilung bei Men­sch-Robot­er-Kol­lab­o­ra­tionsap­p­lika­tio­nen und zur Opti­mierung von Bewe­gungsabläufen bei kör­per­lichen Arbeiten.

Auch beim The­ma KI kommt man an Coro­na nicht vor­bei: Seit 2021 wird ein „Zen­trum für Kün­stliche Intel­li­genz in der Pub­lic-Health-Forschung (ZKI-PH)“ am Robert Koch-Insti­tut aufge­baut. Das ZKI-PH hat zum Ziel, die The­menge­bi­ete Bioin­for­matik, Com­pu­ta­tion­al Epi­demi­ol­o­gy, mod­erne Daten­vi­su­al­isierung sowie Big-Data- und Sys­te­m­analyse mit den zen­tralen method­is­chen Bausteinen des maschinellen Ler­nens, der kün­stlichen Intel­li­genz, der Entschei­dungs­forschung sowie der Entwick­lung real­is­tis­ch­er Com­put­er­sim­u­la­tio­nen im Bere­ich Pub­lic-Health-Forschung miteinan­der zu verzah­nen. Damit soll der dig­i­tal­en Epi­demi­olo­gie der Weg bere­it­et wer­den, um Epi­demien des 21. Jahrhun­derts noch effek­tiv­er begeg­nen zu können.


Künstliche Intelligenz und maschinelles Lernen

Mit KI wird zunächst ein Teil­ge­bi­et der Infor­matik beze­ich­net, welch­es sich der tech­nol­o­gis­chen Nach­bil­dung von Tätigkeit­en, die das men­schliche Ler­nen imi­tieren, wid­met. Hierzu gehören unter anderem sta­tis­tis­che Analy­sev­er­fahren zur Mus­ter­erken­nung und Entschei­dungs­find­ung sowie Computerlinguistik.

KI-Tech­nolo­gien sind aber auch als Meth­o­d­en und Ver­fahren zu ver­ste­hen, die es tech­nis­chen Sys­te­men ermöglichen, ihre Umwelt wahrzunehmen, das Wahrgenommene zu erar­beit­en, selb­st­ständig Prob­leme zu lösen, Entschei­dun­gen zu tre­f­fen und aus den Kon­se­quen­zen dieser Entschei­dun­gen und Hand­lun­gen zu ler­nen. Der aktuell sehr promi­nent disku­tierte KI-Begriff bezieht sich vor­rangig auf das tiefe Ler­nen mit kün­stlichen neu­ronalen Net­zen (KNN). Tiefes Ler­nen ori­en­tiert sich in Grundzü­gen an der Funk­tion­sweise biol­o­gis­ch­er neu­ronaler Net­ze im men­schlichen Gehirn und beze­ich­net Algo­rith­men, die mith­il­fe der nachge­bilde­ten Net­zstruk­turen von Ner­ven­zellen „ler­nen“ können.


Cyber-physische Systeme (CPS)

CPS verbinden und steuern als autonome tech­nis­che Sys­teme Arbeitsmit­tel, Pro­duk­te, Räume, Prozesse und Men­schen in Echtzeit, beispiel­sweise über Sensoren/Aktoren, Domä­nen­mod­elle oder Software-Plattformen.


Datenschutz und Lösungsmöglichkeiten von Problemen

Grund­sät­zlich geben die geset­zlichen Bes­tim­mungen zum Daten­schutz den Rah­men für einen betrieblichen Ein­satz von KI-Sys­te­men und die Beteili­gung der Inter­essensvertre­tun­gen sowie bes­timmte Prinzip­i­en und Anforderun­gen vor, wie etwa das Prinzip des „Pri­va­cy by Design“ oder die Anforderung ein­er Daten­schutz­fol­gen­ab­schätzung. Das Grund­prinzip der frei­willi­gen Ein­willi­gung im Kon­text abhängiger Beschäf­ti­gung ist auf­grund der Vul­ner­a­bil­ität von Beschäftigten nicht unprob­lema­tisch, auch wenn KI-Sys­teme nur zu fest­gelegten, ein­deuti­gen und legit­imierten Zweck­en einge­set­zt wer­den dür­fen und ein­er Rechts­grund­lage bedür­fen – wie etwa Tar­ifverträge, Betriebs- oder Dienstvereinbarungen.

Eine Möglichkeit, um die Datenkon­trolle zu gewährleis­ten und zur Absicherung der Beschäftigten – ohne die Funk­tion­sweise von KI-Sys­te­men zu beein­trächti­gen – kön­nte ein soge­nan­nter Daten­tre­sor sein [5]. Dabei sind die Beschäftigten selb­st in der Lage, über die Ver­wen­dung ihrer per­sön­lichen Dat­en und deren Auswer­tun­gen zu ver­fü­gen. Um die Per­sön­lichkeit­srechte der Beschäftigten im Unternehmen bewahren zu kön­nen, sollte auch darüber nachgedacht wer­den, zusät­zliche Vere­in­barun­gen zu tre­f­fen, die auch die Dat­en der Beschäftigten schützen, die wil­lentlich nicht steuer­bar sind.


Literaturverzeichnis 

Foot H, Mät­tig B, Fiol­ka M et al. (2021) Ein­satz von Maschinellem Ler­nen für die Vorher­sage von Stress am Beispiel der Logis­tik. Zeitschrift für Arbeitswis­senschaft (75):282–295 Zuge­grif­f­en am 31.08.2022

Offen­sive Mit­tel­stand (2019) Umset­zung­shil­fen Arbeit 4.0. Kün­stliche Intel­li­genz für die pro­duk­tive und präven­tive Arbeits­gestal­tung nutzen:
Hin­ter­grund­wis­sen und Gestal­tungsempfehlun­gen zur Ein­führung der 4.0‑Technologien. Hei­del­berg, Offen­sive Mittelstand

ifaa – Insti­tut für ange­wandte Arbeitswis­senschaft e. V. (Hrsg) (2021)
KI Zusatzqual­i­fizierung. Für eine pro­duk­tive und men­schen­gerechte Arbeits­gestal­tung. ifaa, Düsseldorf

Ter­ste­gen S, Suchy O, Stowass­er S, Heindl A (2021) Bausteine für das Change-Man­age­ment bei der Ein­führung von KI-Sys­te­men in Unternehmen. In: GfA (Hrsg) Arbeit HumAIne Gestal­ten. Bericht zum 67. Kongress der Gesellschaft für Arbeitswis­senschaft vom 03. – 05. März 2021. ISBN 978–3–936804–29–4, GfA-Press, Dort­mund, Beitrag B.9.4

Plat­tform Ler­nende Sys­teme, Kün­stliche Intel­li­genz in Deutsch­land. Zuge­grif­f­en am 26.08.2022


Autorin und Autoren: 

Dr.-Ing. Dipl.-Wirt.-Ing. Mikko Börkircher
Ver­bandsin­ge­nieur und Sicher­heitsin­ge­nieur, Fach­bere­ich Tar­if­poli­tik, Tar­ifrecht, Arbeitswirtschaft; Met­all NRW / unternehmer nrw

Jennifer Hapke B. A.
Jen­nifer Hap­ke B. A.; Foto: © ifaa

Jen­nifer Hap­ke B. A.
Stu­den­tis­che Mitarbeiterin
ifaa – Insti­tut für ange­wandte Arbeitswis­senschaft e. V.

 
 
 
 
 
Dipl.-Ing. Sebastian Terstegen
Dipl.-Ing. Sebas­t­ian Ter­ste­gen; Foto: © ifaa

Dipl.-Ing. Sebas­t­ian Terstegen
Wis­senschaftlich­er Mitarbeiter
ifaa – Insti­tut für ange­wandte Arbeitswis­senschaft e. V.

Adventskalender
Adventskalender
Newsletter

Jet­zt unseren Newslet­ter abonnieren

Jobs
Sicherheitsbeauftragter
Titelbild Sicherheitsbeauftragter 11
Ausgabe
11.2022
ABO
Sicherheitsingenieur
Titelbild Sicherheitsingenieur 11
Ausgabe
11.2022
ABO
[class^="wpforms-"]
[class^="wpforms-"]

Industrie.de Infoservice
Vielen Dank für Ihre Bestellung!
Sie erhalten in Kürze eine Bestätigung per E-Mail.
Von Ihnen ausgesucht:
Weitere Informationen gewünscht?
Einfach neue Dokumente auswählen
und zuletzt Adresse eingeben.
Wie funktioniert der Industrie.de Infoservice?
Zur Hilfeseite »
Ihre Adresse:














Die Konradin Verlag Robert Kohlhammer GmbH erhebt, verarbeitet und nutzt die Daten, die der Nutzer bei der Registrierung zum Industrie.de Infoservice freiwillig zur Verfügung stellt, zum Zwecke der Erfüllung dieses Nutzungsverhältnisses. Der Nutzer erhält damit Zugang zu den Dokumenten des Industrie.de Infoservice.
AGB
datenschutz-online@konradin.de