Skip to main content
Top

2021 | Book

CSR und Künstliche Intelligenz

Editors: Prof. Dr. Reinhard Altenburger, Prof. René Schmidpeter

Publisher: Springer Berlin Heidelberg

Book Series : Management-Reihe Corporate Social Responsibility

share
SHARE
insite
SEARCH

About this book

In diesem Buch werden neben Impulsen aus der aktuellen wissenschaftlichen Diskussion Good Practice Cases von Unternehmen im Umgang mit den besonderen Herausforderungen durch den Einsatz von Künstlicher Intelligenz (KI) vorgestellt.
Die vielfältigen Herangehensweisen an die Anforderungen, welche mit dem Einsatz von Künstlicher Intelligenz verbunden sind, sollen Anregungen für Unternehmen und Wissenschaft in diesem häufig sehr kontrovers diskutierten Feld bieten. Ein besonderes Gewicht wird auf die Chancen durch KI für Unternehmen aus unterschiedlichen Branchen gelegt. Die Auseinandersetzung mit dem Spannungsfeld KI und neue Herausforderungen der CSR bietet strategische Möglichkeiten, aber auch Innovationschancen. Die aktive Einbindung von Stakeholdern in den Gestaltungsprozess dient auch dem Aufbau von Vertrauen bei Kunden und der Öffentlichkeit und leistet somit einen Beitrag zu Innovation und Akzeptanz von KI.
Der Beitrag Künstliche Intelligenz & die Zukunft von Arbeit wird unter der Creative Commons Namensnennung 4.0 International Lizenz veröffentlicht.

Table of Contents

Frontmatter
Künstliche Intelligenz im Spannungsfeld Innovation, Effizienz und gesellschaftliche Verantwortung
Zusammenfassung
Der Einsatz von künstlicher Intelligenz (KI) wird auf nahezu alle Lebensbereiche der Menschen und alle Unternehmen und Organisationen in einer mittel- bis langfristigen Perspektiven gravierende Auswirkungen haben. Für das Management stellen sich hier Herausforderungen für passende Formen der Entscheidungsfindung – wo entscheidet die KI allein, wo bietet sie eine Entscheidungsunterstützung – zu diskutieren. Die Verbindung von KI mit Robotik, Chatbots, dem Internet of Things oder der additiven Fertigung wird nahezu alle Branchen aber auch öffentliche Einrichtungen wie Behörden und Gesundheitseinrichtungen zum Teil radikal verändern. Die Entwicklung von Use Cases und der Aufbau sowie die Gestaltung von datenbasierten Ökosystemen stellen zentrale Herausforderungen im zukünftigen Wettbewerb dar.
Reinhard Altenburger

Perspektiven auf KI: Governance, Autonomie, Vertrauen, Ethik und Unvoreingenommenheit

Frontmatter
Digital Governance als CSR-Kompass für künstliche Intelligenz
Zusammenfassung
Die Entwicklung von Artificial Intelligence (AI), auf Deutsch künstliche Intelligenz (KI) genannt, ist die größte und transformativste Erfindung der Menschheit. Deswegen erfolgt sie auch, wie alle großen Erfindungen nicht über Nacht, sondern erstreckt sich über Dekaden und wird alle Lebensbereiche unserer Zivilisation stark verändern.
Alexander Vocelka, Franziska Langensiepen, Stephan Beismann
Spannungsfeld automatisierte Entscheidungssysteme und Autonomie
Zusammenfassung
Seit etwa fünfzig Jahren setzen Menschen modell- und datenbasierte Unterstützungssysteme zur Entscheidungsfindung ein – vorwiegend bei komplexen Entscheidungsproblemen. Menschen haben nicht nur beschränkte kognitive Fähigkeiten und Kapazitäten, sondern auch bewusste und unbewusste Vorurteile, die die Qualität ihrer Entscheidungen vermindern können. Der Einsatz von Entscheidungssystemen wird daher damit gerechtfertigt, dass mit ihrer Hilfe Entscheidungen nicht nur effizienter, sondern auch unparteiisch getroffen und damit mehr Fairness und Gerechtigkeit erzielt werden können.
Sabine Theresia Koeszegi
Warum wir der künstlichen Intelligenz nicht blind vertrauen dürfen – fünf Ansätze um künstliche Intelligenz zu beherrschen
Zusammenfassung
Als Gegenthese zum unreflektierten breiten Einsatz von künstlicher Intelligenz (KI) als gehypte Supertechnologie, die alle Probleme löst und sogar die Intelligenz von Menschen überflügeln sollte, werden in diesem Beitrag nach einer kurzen Einführung in die wichtigsten KI-Aspekte fünf prinzipielle Problembereiche der KI-Technologie erörtert: Modellierbarkeit – wie leiten wir aus Daten Modelle der realen Welt ab und wie stellen wir ein Modell ohne Vorurteile und Fehler her; Verifizierbarkeit – wie überprüfen wir die KI-Algorithmen; Erklärbarkeit – wie können wir Entscheidungsfindungen von KI-Systemen nachvollziehen; Ethik – wie stellen wir sicher, dass die Einhaltung ethischer Grundsätze und Werte garantiert werden; und schließlich Verantwortlichkeit – wer trägt die Verantwortung für getroffene Entscheidungen des Systems. Weiterhin werden grundsätzliche gesellschaftliche Bedrohungspotenziale im Kontext unserer Informationsgesellschaft thematisiert und die Grenzen der KI-Technologie als klare Abgrenzung zu menschlicher Intelligenz erörtert. Zusammenfassend wird hervorgehoben, dass KI-Technologieentwicklungen sowie die Rahmenbedingungen so gestaltet werden, dass KI als ein effektives und verantwortungsvolles Werkzeug für uns alle eingesetzt werden kann.
Helmut Leopold
Vergessen wir mal die Roboter: So gelingt Künstliche-Intelligenz-Ethik in der Praxis
Zusammenfassung
Es wird dringend Zeit, die künstliche Intelligenz (KI) zu entmystifizieren. Anders lässt sich keine zielführende Diskussion über eine sogenannte KI-Ethik führen, denn: KI-Ethik unterliegt den gleichen Herausforderungen wie jede anderen Technologieethik auch. Die ethische Dimension ist stark abhängig vom Anwendungsfall. Der KI kommt jedoch insofern eine besondere Bedeutung zu, als dass diese Technologie kognitive Prozesse substituieren und dabei schnell skalieren kann, sodass deren Anwendung potenziell sehr viele Menschen unmittelbar betrifft und dabei ihr Leben positiv oder negativ beeinflusst. Hierbei gilt es, Verantwortlichkeiten zu definieren und ethische Entscheidungen transparent abzuwägen. Je nach Industrie sind diese Prozesse zum Teil bereits reguliert. Insofern erscheint eine spezifischere Ethikdiskussion sinnvoller, anstatt sie über KI im Allgemeinen zu führen. KI-Ethik ist kein Privileg der Softwareentwicklung, sondern betrifft alle Stakeholder einer bestimmten KI-Anwendung. Ein fundiertes Fach- und Erfahrungswissen der beteiligten Akteure ist hierfür unerlässlich.
Tobias Zwingmann, Tobias Gärtner
Unvoreingenommenheit von Künstliche-Intelligenz-Systemen. Die Rolle von Datenqualität und Bias für den verantwortungsvollen Einsatz von künstlicher Intelligenz
Zusammenfassung
Eine essenzielle Voraussetzung beim Einsatz von Künstliche-Intelligenz(KI)-Systemen ist deren Unvoreingenommenheit und Vorurteilsfreiheit. Dazu spielt die Datenqualität beim Paradigmenwechsel zu KI-getriebenen Programmen eine ausschlaggebende Rolle. Diese muss gewissen Mindestanforderungen entsprechen, um Trainingsdaten für die Entwicklung einer qualitativen KI heranziehen zu können. Negativbeispiele wie die Gesichtserkennung im öffentlichen Raum oder selbstlernende Systeme, die sich über die Zeit in eine ungewollte Richtung entwickeln, unterstreichen die Wichtigkeit des methodisch korrekten Trainingsprozesses von KI-Systemen, um deren Fairness und Unvoreingenommenheit sicherzustellen. Als zusätzliche Herausforderung lässt sich Fairness in Bezug auf KI-Systeme nicht allgemein definieren, sondern muss individuell für jeden Use Case definiert werden. Dabei liegt ein besonderes Augenmerk auch auf der korrekten Interpretation von Kennzahlen, um ein Fehlverhalten zu vermeiden. Lösungsansätze für unvoreingenommene KI-Systeme reichen von der grundsätzlichen Bewusstseinsschaffung über systematisches Qualitätsmanagement von Trainings- und Evaluierungsdaten bis hin zu erklärbarer KI, die auch den Menschen in den Prozess einbezieht.
Katrin Strasser, Bernhard Niedermayer
Skizzierung einer vertrauensvollen künstlichen Intelligenz
Zusammenfassung
Künstliche Intelligenz (KI) und damit verbundene ethische und rechtliche Fragestellungen sind in aller Munde. Vorrangig geht es darum, Sicherheit und Vertrauen zu schaffen, indem KI-Systeme möglichst transparent gestaltet werden sollen. Dies birgt einige Tücken: Es gibt nicht nur eine KI – je nach Art muss unterschiedlich an die Thematik herangegangen werden. Außerdem sollte die Implementierung technisch einfach realisierbar sein, sodass sie von möglichst vielen Unternehmen umgesetzt werden kann. Die Europäischen Richtlinien für eine ethische KI geben erste theoretische Ansätze zu dieser Thematik. Ergänzt werden in diesem Beitrag deren praktische Umsetzungsmöglichkeiten. Dazu zählen die Nutzung bestimmter Architekturen, Erklärbarkeit und Transparenz sowie Source-Code-Check.
Isabell Kunst
Künstliche Intelligenz verantwortungsvoll entwickeln und einsetzen. Zur Bedeutung ethischer Leitlinien für Unternehmen
Zusammenfassung
Künstliche Intelligenz (KI) ist einer der großen Technologietrends im digitalen Zeitalter und ist zugleich Gegenstand einer breiten gesellschaftlichen Debatte zu den Chancen und Herausforderungen des technologischen Wandels. KI ist zurecht allgegenwärtig, denn KI-basierte Anwendungen bieten große Potenziale für die Arbeits- und Lebenswelt: Intelligente Assistenzsysteme für Haushalt und Pflege ermöglichen ein längeres Leben in heimischer Umgebung, autonome ÖPNV-Shuttles tragen zur Mobilität und gesellschaftlichen Teilhabe älterer und eingeschränkter Menschen bei und daten- und KI-basierte Prognosemodelle reduzieren Stillstände in der Produktion oder im Bahnverkehr. Zugleich verändert sich das Verhältnis von Mensch und Maschine durch den Einsatz von KI-Systemen grundlegend – und muss im Sinne einer vertrauenswürdigen KI für die Menschen aktiv gestaltet werden. Denn der Einsatz von KI wirft gesellschaftliche, rechtliche, ethische und sicherheitsbezogene Fragen auf – in Bezug auf Verantwortung, Transparenz und Erklärbarkeit der Systeme. Dieser Beitrag skizziert die Potenziale von KI und verdeutlicht, wie ethische Aspekte bei der Entwicklung und dem Einsatz von KI zur Vertrauenswürdigkeit, aber auch zum Erreichen von CSR-Zielen beitragen können.
Johannes Winter
Environment-Social-Governance-Fingerprint – wie der Einsatz von Big Data und künstlicher Intelligenz Investoren, Unternehmen und Stakeholder unterstützen kann
Zusammenfassung
Aktuelle Forschungsarbeiten untersuchen inwieweit  die Messungen von Nachhaltigkeit in Unternehmen durch Environment-Social-Governance(ESG)-Kontroversen einen Einfluss auf die Bewertung eines Unternehmens haben. Erste Investoren, Stakeholder und Unternehmen nutzen bereits die erzeugten ESG-Daten und Ratings für ihre Investitionen oder strategischen Entscheidungen in Unternehmen. Andererseits zeigt sich, dass Messungen häufig auf statischen, jährlich erhobenen Indikatoren aufbauen. Ferner haben Analysen ergeben, dass die gängigen ESG-Ratings kein einheitliches ESG-Framework. Ebenso sind Indikatoren für das ESG-Rating häufig vordefiniert und bieten dem Nutzer keine hinreichende Transparenz zur Integration in ihre Geschäftsprozesse. Hier setzt die vorliegende Arbeit an und entwickelt eine ESG-Taxonomie auf der Basis von historischen ESG-Ereignissen, aus der automatisiert Risikomuster, dem sogenannten ESG-Fingerprint, extrahiert werden. Diese tragen zur Komplexitätsreduktion bei und ermöglichen die Gestaltung von künstliche-Intelligenz-basierten ESG-Informationssystemen, die den Risikomanagementprozess phasenübergreifend abbilden.
Pajam Hassan, Frank Passing

Anwendungen in der Unternehmenspraxis: Datenwert, Produktion, neue Instrumente, Mittelstand

Frontmatter
Datenwert und Datenminimalismus: Wege zu nachhaltiger künstlicher Intelligenz
Zusammenfassung
Daten gelten als das neue Öl oder das neue Gold. Insbesondere in der Entwicklung der künstlichen Intelligenz (KI) sind Daten ein nahezu verschwenderisch eingesetzter Rohstoff. Wir zeigen, dass die immer weiter wachsende Datenflut nicht zu immer weiter wachsenden KI-Systemen führen darf, wenn wir eine nachhaltige Entwicklung anstreben. Diese Nachhaltigkeit in der Datenwirtschaft bezieht sich auf soziale, ökologische und ökonomische Aspekte gleichermaßen. Wir wollen Datenminimalismus als Weg zu einer Postwachstumsstrategie für KI in der Data Economy etablieren: Es gilt, möglichst wenige Daten so gezielt einzusetzen, dass keine Qualitätseinbußen zu erwarten sind. Um das zu erreichen, muss zunächst der Wert von Daten detailliert bestimmt werden, damit die Datengrundlagen auf ihre wirklich gewinnbringenden Teile reduziert werden können. Wie dieser Datenwert bestimmt und wie viele Daten dadurch eingespart werden könnten, zeigen wir anhand eines Experiments mit einem KI-System für Produktempfehlungen im E-Commerce.
Michaela Regneri
Technik dient dem Menschen – Künstliche Intelligenz im BMW-Produktionssystem
Zusammenfassung
Individualisierung und steigende Variantenvielfalt kennzeichnen insbesondere die Produktion von Premiumfahrzeugen. Dies impliziert einen Anstieg der Komplexität in Produktionssystemen. Die Basis für die kontinuierliche Verbesserung der Prozesse stellen die Prinzipien der schlanken Produktion dar. Weitere Optimierungen der Produktion lassen sich mit Data Analytics und Verfahren der künstlichen Intelligenz (KI) erzielen.
Bei diesen Innovationen stellt sich die gesellschaftliche Frage der CSR. Dieser Beitrag beschreibt den Umgang der BMW Group mit der unternehmerischen Gesellschaftsverantwortung und der nachhaltigen Entwicklung der Digitalisierung in der Produktion. Neben den technischen Aspekten zu Data Analytics und KI werden die organisatorischen Implikationen beleuchtet. Der Anspruch „Technik dient dem Menschen“ bedeutet für die BMW Group, dass Produktionsmitarbeiter die Qualitätszahlen in ihrem Bereich verstehen und eine Ursachenanalyse im Fehlerfall eigenständig durchführen können müssen. KI-Systeme müssen intuitiv gestaltet sein, sodass Mitarbeiter sie im Self-Service auf ihre spezielle Anwendung zuschneiden können.
Für die BMW Group steht der Mensch – im Produktionssystem insbesondere der direkte Fertigungsmitarbeiter – im Mittelpunkt. Data Analytics und KI müssen dazu beitragen, die Arbeit im BMW Produktionssystem angenehmer und noch attraktiver zu machen. Ziel ist die stärkenbasierte Arbeitsteilung zwischen Mensch und IT-System.
Matthias Schindler, Frederik Schmihing
Nüchtern gesehen: Künstliche Intelligenz als neues Werkzeug – mit neuen Regeln
Zusammenfassung
Der Einsatz von künstlicher Intelligenz (KI) in unternehmensinternen Prozessen und in der Produktentwicklung wirft neue Fragen auf. Da KI-Systeme erlernte Entscheidungen fällen können, spielt die Abschätzung, Abmilderung bzw. Verhinderung möglicher unerwünschter Wirkungen eine große Rolle. KI ist daher eng an eine Ethik für ihre Entwicklung und Nutzung gebunden. Beispiele aus Produkten und Lösungen für Fahrzeuge sowie Anwendungsbeispiele für KI in internen Prozessen machen deutlich, warum das Technologieunternehmen Continental KI nutzt und wie. Eine zentrale Rolle spielt dabei der Begriff Verantwortung, der für den internationalen Automobilsystemzulieferer traditionell Priorität besitzt: An jedes sicherheitsrelevante Produkt im Auto werden grundsätzlich Anforderungen an seine Zuverlässigkeit, Verfügbarkeit und Fehlerfreiheit gestellt. Bei KI ist das nicht anders. Den Kern der Verantwortungsethik für KI bildet ein nutzer- und mitarbeiterzentriertes Denken und Handeln auf allen Ebenen. KI als neues Werkzeug soll den Menschen unterstützen und ihm dienen.
Corina Apachite, Stefan Voget
CSR und künstliche Intelligenz im Mittelstand – Chancen für innovativere und nachhaltigere kleine und mittlere Unternehmen?
Zusammenfassung
Nachhaltigkeit und somit auch die gesellschaftliche Verantwortung von Unternehmen, CSR, gewinnen in Gesellschaft und Wirtschaft an Wichtigkeit. Dem Mittelstand, als Innovationstreiber Deutschlands, kommt somit auch eine wichtige Rolle beim nachhaltigen Wirtschaften zu. Um der Verantwortung nachzukommen, stehen kleinen und mittleren Unternehmen (KMU) digitale Technologien als Unterstützungsmöglichkeit zur Verfügung – so auch künstliche Intelligenz (KI). Es stellt sich demzufolge die Frage, welche Potenziale für CSR durch den Einsatz von KI in KMU verbunden sind und welche Rahmenbedingungen für den KI-Einsatz im Mittelstand zu schaffen sind, damit sich das volle Potenzial entfalten kann.
Martin Lundborg, Lisa Schrade-Grytsenko, Christian Märkel
CSR am Beispiel „Leftshift One“
Zusammenfassung
Das österreichische KI-Unternehmen Leftshift One steht für den ethischen Einsatz von vertrauenswürdiger künstlicher Intelligenz (KI). Zunächst wird das Kapitel aus der Perspektive von Leftshift One berichten, welche Ausgangssituation bei einem verantwortungsbewussten Umgang mit KI zu beachten ist. Darunter auch, wie die verschiedenen Teile der Bevölkerung völlig unterschiedliche Zugänge zu Informationen haben und dadurch über einen vollkommen unterschiedlichen Wissensstand verfügen. Dazu behandelt das Kapitel die Diskrepanz zwischen den tatsächlichen Möglichkeiten und der öffentliche Wahrnehmung der Technologie, die durch Aspekte wie etwa die dominanten Bilder aus der Popkultur beeinflusst wird. Infolge geht das Kapitel auf die daraus resultierenden Fragen und Herausforderungen ein – die notwendige interne wie externe Sensibilisierung. Dabei geht es einerseits um die Aufklärung über die Technologie und andererseits um das Bewusstsein der Entwickler von KI-Anwendungen für die Bedürfnisse ihrer späteren Nutzer. Ein verantwortungsbewusster Umgang bei der Entwicklung von KI setzt allerdings bereits vor dem ersten KI-Modell an, beispielsweise im gewissenhaften und respektvollen Umgang mit den akquirierten Daten. Neben Datenschutz liegt es auch an der „explainability“ und „trustworthiness“ von KI-Modellen, die Vorurteile über KI aufzubrechen und eine vertrauenswürdige, faire Technologie zu schaffen. Gleichzeitig muss KI den Menschen stets als unterstützender Begleiter dienen. Leftshift One hat dies mit dem Ansatz von symbiotischer KI gelöst, der an mehreren Stellen des Kapitels illustriert wird. Hierbei geht es auch um den Menschen als stetige Kontrollinstanz für KI. Abschließend wird das Kapitel im Sinn einer Best-Practice-Erläuterung einen konkreten Use Case, den Smart Digital Recruiting Assistant, von Leftshift One darlegen.
Clemens Istel, Gerald Krammer

Soziale Robotik, HR/Arbeitgeberattraktivität, Führung und Zukunft der Arbeit

Frontmatter
Mein neuer Teamkollege ist ein Roboter! Wie soziale Roboter die Zukunft der Arbeit verändern können
Zusammenfassung
In Künstliche-Intelligenz (KI)- und Robotiktechnologien werden aktuell große Erwartungen gesetzt. Während ihr Einsatz in der Vergangenheit vorwiegend auf hochstandardisierte Routinearbeiten in der industriellen Fertigung beschränkt war, übernehmen sie heute – befeuert durch vielversprechende Entwicklungen im Maschinellen Lernen – auch Aufgaben, die bisher qualifizierten Wissensarbeiter_innen vorbehalten war. Diese neuen KI- und Robotiksysteme können autonom agieren, ihre Umwelt und ihren eigenen Zustand wahrnehmen und interpretieren, daraus lernen und ihr Verhalten an ihre Umwelt anpassen. Und wenn sie direkt mit Menschen interagieren, wird ihnen von diesen eine gewisse soziale Handlungsfähigkeit zugeschrieben. Sie werden daher auch – verkürzt und etwas irreführend – „soziale Roboter“ genannt. Bereits heute sind diese Systeme in der Kundenbetreuung, zum Beispiel in Form von Chatbots, im Gesundheitswesen zur Unterstützung bei der Betreuung von alternden Menschen oder in Schulen und Kindergärten zur Unterstützung von Lernprozessen zu finden. Roboter können rund um die Uhr arbeiten und sind – anders als Menschen – nicht anfällig für Fehler, die auf mangelnde Aufmerksamkeit oder Motivation zurückzuführen sind. Diese Eigenschaften lassen sie als attraktive Alternative zu menschlichen Arbeitskräften erscheinen und nähren das vorherrschende Narrativ, dass Roboter den Menschen in Zukunft zur Gänze ersetzen könnten. Eine wichtige Frage für den Einsatz von Technologie ist allerdings, ob dieser – unabhängig von der technischen Realisierbarkeit (Machbarkeit) – auch sinnvoll und gesellschaftlich wünschenswert ist. In diesem Kapitel stellen wir Studien vor, die aktuelle Erfahrungen mit dem Einsatz von autonomen KI- und Robotiksystemen, wie etwa in der industriellen Fertigung, bei Vorstellungsgesprächen, für Konfliktmediation, für Pausenmanagement oder als Assistenzsysteme in der Pflege von Menschen analysieren. Diese Erfahrungen zeigen, dass die Erwartungen an die neuen Technologien zum Teil überzogen sind, nicht nur, weil viele technische Problemstellungen noch nicht gelöst sind, sondern auch, weil die Herausforderungen bei der Integration dieser Technologien in Arbeitsprozesse unterschätzt werden. Wir zeigen auf, wie soziale Roboter die Arbeit in verschiedenen Anwendungsgebieten verändern können und diskutieren Vor- und Nachteile der Integration sozialer Roboter in Arbeitsprozessen.
Sabine T. Koeszegi, Astrid Weiss
Augmented Human-Centered Management – Personalentwicklung für hochautomatisierte Geschäftsfelder
Zusammenfassung
Digitalisierung und Automatisierung verändern, ergänzen und ersetzen zunehmend den menschlichen Arbeitsplatz. Es gibt eine Verdrängung menschlicher Arbeit durch Maschinen, die trotz der zunehmenden Relevanz moderner Managementansätze noch immer stark von Taylors Prinzipien des Scientific Management geprägt ist. Während der Mensch nie vollumfänglich ein Homo oeconomicus war, bietet die Technologie zunehmend die Möglichkeit zur Schaffung von rein ökonomisch entscheidender, autonom agierender Software, der Machina oeconomica. In diesem dynamischen Kontext ist der Mensch ständig gefordert, sich an neue Strukturen, Prozesse und Systeme anzupassen, die angeblich effizienter sind. Der Zweck dieses Beitrags ist es, den Fokus vom Management für Automatisierung mit menschlicher Restarbeit auf das sogenannte Augmented Human-Centered Management (AHCM) zu verlagern. Ziel dieses Beitrags ist es, mit AHCM einen für den Menschen nachhaltigen Ansatz zur Personal- und Organisationsentwicklung abzuleiten, der für eine Welt mit zunehmender Digitalisierung und Automatisierung geeignet ist. Damit werden Lücken zwischen CSR, Human Resources Management und verwandten Disziplinen überbrückt, sodass diese gemeinsam zu diesem Ziel beitragen können. Der interdisziplinär angelegte Beitrag kombiniert Arbeiten aus der Betriebswirtschaft, Ökonomie, Informatik, der Human-Factors-Wissenschaft und der Philosophie.
Dirk Nicolas Wagner
Künstliche Intelligenz – Kriegstreiber oder Friedensstifter im War for Talent?
Zusammenfassung
Künstliche Intelligenz (KI) im Recruiting bietet Unternehmen viele Möglichkeiten, die Besetzung einer Stelle moderner und effizienter zu gestalten und das Talent der Zukunft an sich zu binden. Zugleich bringt jede Anwendung individuelle Fragen und Herausforderungen technischer, ethischer und rechtlicher Natur mit sich. Gängige KI-Lösungen werden in Chatbots, zur Sprachanalyse und zum Screening von Bewerbungsunterlagen eingesetzt oder dienen der Optimierung einer Stellenausschreibung und der Verbesserung ihrer Sichtbarkeit. Die Akzeptanz von KI-Lösungen bei Bewerbern hängt stark von der empfundenen menschlichen Kontrolle über die KI ab und in welchem Stadium der Einsatz erfolgt. Die Akzeptanz für rein unterstützende und in einem frühen Stadium des Auswahlprozesses eingesetzte Anwendungen ist höher als für autonom agierende und in späten Stadien eingesetzte Anwendungen.
Jakob Sidoruk, Harald Ritter
Künstliche Intelligenz und Führung: Automatisierung und die Veränderung von Managementaufgaben und -arbeitsweisen
Zusammenfassung
Führungskräfte konzentrieren sich bislang im Wesentlichen auf das Management der menschlichen Intelligenz (MI) im Unternehmen. Der Anspruch an Führungskräfte verschiebt sich aber immer stärker dahingehend, Prozesse und Routinen zugweise mittels künstlicher Intelligenz (KI) zu automatisieren. Ein schrittweises Vorgehen umfasst das Erkennen von Herausforderungen, Effektivitäts- und Effizienzpotenzialen im Unternehmen und die Suche nach Lösungen, die Einführung einer zentralen KI-Lösung mit nachhaltiger Auswirkung auf die Arbeitsgestaltung der MitarbeiterInnen und den Ablauf von Geschäftsprozessen und die Etablierung und Weiterentwicklung der MitarbeiterInnen und der Organisation mit fortschreitender Nutzung von KI in der Organisation. Diese umfangreichen und teilweise tiefgreifende Veränderungen stellen sowohl in fachlicher als auch persönlicher Hinsicht neue Anforderungen an Führungskräfte. Eine Case Study im Bereich der kontinuierlichen Umfeldanalyse für Unternehmen verdeutlicht exemplarisch eine konkrete Praxisanwendung, die aufzeigt, dass KI und MI einander sehr gut ergänzen und hinsichtlich Effektivität und Effizienz von Führung neue Möglichkeiten eröffnen, die schlussendlich immer darauf einzahlen sollen, Wettbewerbsvorteile und Zukunftsfähigkeit zu erhalten und neu zu schaffen.
Isabell Claus, Matthias Szupories

Open Access

Künstliche Intelligenz und die Zukunft von Arbeit
Zusammenfassung
Forscher*innen gehen davon aus, dass der zunehmende Einsatz von künstlicher Intelligenz (KI) weitreichende Auswirkungen auf Arbeit, Organisation und Gesellschaft haben wird. In diesem Kapitel untersuchen wir, welche Anzeichen wir hierzu schon jetzt beim Einsatz von KI feststellen können. Zu diesem Zweck haben wir Interviews mit Beschäftigten aus 19 unterschiedlichen Organisationen geführt, die KI entweder in der Anwendung selbst nutzen oder KI-basierte Lösungen anbieten. Unsere Auswertung der Interviews ergibt, dass der Einsatz von KI vier unterschiedliche Typen von Auswirkungen auf Arbeit haben kann, die wir als Ersatz, Entlastung, Einschränkung sowie als Entstehung neuer, maschinell ausgeführter Arbeit bezeichnen. Wir veranschaulichen jede Kategorie anhand eines konkreten Anwendungsfalls und erläutern die Implikationen unserer Erkenntnisse für menschliche Arbeit, Organisationen und Gesellschaft.
Georg von Richthofen, Ali Aslan Gümüsay, Hendrik Send
Künstliche Intelligenz: Wegbegleiter für ein neues menschliches „Maß“? – Ein kurzer Ausblick
Zusammenfassung
In den aktuellen Beiträgen zur künstlichen Intelligenz sieht man verschiedene Menschen- und Gesellschaftsbilder. Von einer Totalüberwachung der Gesellschaft und Wirtschaft bis hin zur Weiterentwicklung des menschlichen Denkens in Form neuer Kreativität, unterstützt durch die Rechenkraft von Computern. Es stellt sich die berechtigte Frage: Ist die künstliche Intelligenz eine Chance zur Befreiung des Menschen oder ein neuer goldener Käfig, der menschliches Handeln begrenzt bzw. sogar limitiert?
René Schmidpeter
Metadata
Title
CSR und Künstliche Intelligenz
Editors
Prof. Dr. Reinhard Altenburger
Prof. René Schmidpeter
Copyright Year
2021
Publisher
Springer Berlin Heidelberg
Electronic ISBN
978-3-662-63223-9
Print ISBN
978-3-662-63222-2
DOI
https://doi.org/10.1007/978-3-662-63223-9

Premium Partner