Digitalisierung souverän gestalten II

Digitale Souveränität ist eng verbunden mit der Handlungsfähigkeit von Individuen und Organisationen. Auf der Ebene des Individuums können handlungs- und kontrolltheoretische Konzepte zu einer genaueren Beschreibung und Operationalisierung digitaler Souveränität beitragen. Auf der Ebene von Arbeitssystemen stehen seit Jahrzehnten erprobte Verfahren zur Bewertung und Gestaltung zur Verfügung. Aufbauend auf diesen methodisch-theoretischen Grundlagen wird ein Konzept für die soziotechnische Bewertung von Anwendungen algorithmischer Systeme – insbesondere auf Künstlicher Intelligenz basierter Systeme – in der Arbeitswelt vorgestellt. Die Potenziale dieses Konzepts für die Auditierung und Zertifizierung solcher Anwendungen, in Kooperation mit den anwendenden Unternehmen, werden diskutiert.

Viele kleine und mittelständische Unternehmen (KMU) befinden sich in einem Transformationsprozess, der die von ihnen angebotenen Dienstleistungen und Produkte genauso verändert wie ihre Geschäftsprozesse und Organisationsstrukturen. Die Wertschöpfung einzelner Unternehmen verändert sich zur Wert Co-Creation innerhalb eines Produktionsnetzwerkes. Hierbei spielt die Generierung sowie der Austausch von Daten über den gesamten Produktlebenszyklus eine Schlüsselrolle. Diese ermöglichen die Zusammenarbeit, um mittels Datenanalysen geeignete Dienstleistungen für Endkunden anzubieten. Zur Realisierung einer umfassenden digitalen Wertschöpfungskette ist ein Umdenken von Unternehmen und deren Mitarbeitenden in vernetzten Dienstleistungssystemen notwendig. Dies ist in vielen Fällen nicht so einfach umsetzbar, da Dienstleistungssysteme und deren Entwicklung durch eine hohe Komplexität gekennzeichnet sind. Der nachstehende Artikel zeigt auf, welchen Herausforderungen und Chancen KMU im Transformationsprozess gegenüberstehen und wie insbesondere der Einbezug der Aspekte digitaler Souveränität dazu beitragen kann, verschiedenste Stakeholder und Ressourcen kollaborativ auf ein gemeinsames Wertversprechen zu bündeln und nutzerzentrierte Dienstleistungssysteme zu entwickeln. Souveränität wird in diesem Kontext als die Eigenschaft verstanden, sich selbstständig über relevante Technologien sowie neue technische Möglichkeiten zu informieren, um darauf aufbauend zwischen mehreren Optionen das passende und nutzenstiftenden Angebot auszuwählen, sodass die Fragen „Was bedeutet Digitalisierung für mein Unternehmen und wie setze ich den strategischen Kurs?“ beantwortet werden können.

Prozesse verlieren zunehmend ihre Grenzschärfe. Sie überlagern und verzahnen sich – von der Produktidee bis zur Serienfertigung ist die Expertise des Werkzeugmachers gefragt. Digitalisierung und Produktion sind dabei die beherrschenden Themen. Doch gilt es hier, die vielen Worthülsen greifbar zu machen. Gerade für die kleinen Betriebe in Deutschland ist es wichtig, ohne Vorbehalte die ersten Schritte tun zu können. Denn die Umbrüche in unserer Branche machen nicht vor dem 10-Mann-Betrieb halt, auch wenn es diesen bereits in dritter Generation gibt … Wir müssen uns vielmehr der Effizienzforderung und der damit einhergehenden Vernetzung der Fertigungstechnik und der Logistik stellen! Wesentlich dabei ist, stets den Bezug zur Praxis aufzuzeigen. Die Werkzeugmacher-Branche in Deutschland lebt nämlich von den vielen kleinen „Hidden Champions“, die „Hands on“-Innovationen schaffen. Doch gerade hier kann Industrie 4.0 und Digitalisierung von Betrieb zu Betrieb ganz anders aussehen. Die einen beginnen mit Insellösungen, um diese sukzessive „aufzubohren“, die anderen streben nach der durchgängigen Komplettlösung. Allesamt vereint sie, dass man sich den Herausforderungen der „vierten industriellen Revolution“ stellen möchte, um weiterhin Spitzenreiter bei Qualität, Performance und Präzision zu sein.

Die Erklärbarkeit von Künstlicher Intelligenz (KI) ist in wichtigen Anwendungsfeldern relevant für die Zulassung und Zertifizierung oder die Kundenakzeptanz von KI-Produkten. Heute adressieren gängige Erklärungsansätze hauptsächlich die KI-Entwicklungsteams und das Personal mit Domänenexpertise, welches KI-Systeme in einem professionellen Umfeld bedient. Umfragen zeigen jedoch, dass die Erklärbarkeit von KI auch für Endkundinnen und -kunden sowie für das Management perspektivisch stark an Bedeutung gewinnen wird. In diesem Artikel diskutieren wir den grundsätzlichen Anwendungsbereich von erklärbarer KI, einige der etablierten Erklärungsstrategien sowie anschauliche Anwendungsbeispiele. Obwohl erste Orientierungshilfen für eine sinnvolle Auswahl von Strategien für Entscheidungserklärungen bereitstehen, besteht noch ein großes Entwicklungspotenzial in Bezug auf Erklärungsansätze, die Modellwirkmechanismen nachvollziehbarer machen können oder verhaltenswissenschaftliche Aspekte berücksichtigen.

Welche Arten von Künstlicher Intelligenz (KI) sollen in europäischen Industrieunternehmen eingeführt und genutzt werden? Wie kann es gelingen, europäisch-demokratische Werte wie Mitbestimmung, Transparenz, Widerspruchsmöglichkeit und Anpassungsfähigkeit für die Nutzung von KI-Technologien zu gewährleisten? Diese Fragen werden aktuell unter den Debatten um erklärbare KI und KI-Zertifizierung verhandelt. Der folgende Beitrag legt an einem konkreten Fallbeispiel aus der Industrie die ALTAI-Kriterien an, die von der High Level Expert Group für die Gestaltung „vertrauenswürdiger KI“ formuliert wurden. Entlang der drei ausgewählten Kriterien „Menschliches Handeln und Aufsicht“, „Transparenz“ und „Robustheit“ wird exemplarisch skizziert, wie Erklär- und Kontrollierbarkeit KI-basierter Verfahren im industriellen Arbeitsumfeld zunehmend umgesetzt und prüfbar gemacht werden können. Es zeigt sich, dass technische Benutzeroberflächen als Teamarbeit gestaltet werden müssen und dass die Zusammenarbeit unterschiedlicher Unternehmen in der Bereitstellung von Datensätzen und Algorithmen im Fokus einer Prüfung stehen muss (Software-Genese). Als mögliches Handlungsfeld werden Auditing-Verfahren vorgestellt.

Verfahren der Künstlichen Intelligenz, insbesondere datenintensive Methoden des maschinellen Lernens, halten immer mehr Einzug in industrielle Anwendungen. Im Normalfall werden KI-Anwendungen meist als fertige Black-Box-Komponenten betrachtet, welche nicht in der Lage sind, mit Anwendern zu interagieren. Am Beispiel von Parametrieraufgaben werden wir die dadurch entstehenden Probleme beleuchten und aufzeigen, wie Anwender eingebunden werden können. Für erfolgreiche Interaktion mit menschlichen Anwendern ist es notwendig, deren besonderen Erwartungen und Limitierungen explizit zu berücksichtigen. Neue, menschzentrierte Algorithmen, deren Interaktionsschnittelle auf psychologischen Erkenntnissen basiert, müssen entwickelt und identifiziert werden.

Durch die fortschreitende Digitalisierung und Automatisierung sind Unternehmen einem stetigen Transformationsprozess ausgesetzt. Dadurch entfallen alte Berufsbilder und gleichzeitig entstehen völlig neue Berufe mit veränderlichen und digitalen Kompetenzanforderungen. Um zu verhindern, dass der technologische Wandel mit einem Talentmangel, Massenarbeitslosigkeit und wachsender Ungleichheit einhergeht, müssen Unternehmen eine aktive Rolle bei der Unterstützung ihrer bestehenden Belegschaft durch Weiterbildung und Höherqualifizierung übernehmen. Dies ist besonders wichtig, da es einen positiven Kreislauf zwischen neuen Technologien und Weiterbildungen gibt. Die Einführung neuer Technologien fördert das Unternehmenswachstum, die Schaffung neuer Arbeitsplätze und den Ausbau bestehender Arbeitsplätze. Voraussetzung dafür ist, dass Mitarbeiter durch kontinuierliche Umschulung und Weiterbildung mit zukunftssicheren Fähigkeiten ausgestattet sind, um neue Chancen wahrzunehmen. Hierzu zählen besonders Kompetenzen im Bereich des Maschinellen Lernens (ML), das bisher ungeahnte Potenziale zur Wissensgewinnung eröffnet und so einen entscheidenden Erfolgsfaktor für Unternehmen bilden kann. Der Aufbau von digitalen Kompetenzen stellt jedoch für Unternehmen eine signifikante Herausforderung dar, besonders für kleine und mittlere Unternehmen. Oft fehlen für Weiterbildungen die zeitlichen und finanziellen Freiräume oder das notwendige Know-how. Zudem ist der Weiterbildungsmarkt äußerst unübersichtlich, was die Identifikation geeigneter Weiterbildungen erschwert. Um diese Problematik zu adressieren, wird in diesem Beitrag ein Konzept vorgestellt, das Unternehmen unterstützen soll, geeignete Maßnahmen zum zielgerichteten Aufbau von ML-Kompetenzen abzuleiten. Dies eröffnet Unternehmen einen Überblick über erforderliche Kompetenzen und Rollen, die mit den vorhandenen Kompetenzen im Unternehmen abgeglichen werden können. Ferner werden aktuelle Weiterbildungsmöglichkeiten vorgestellt, auf deren Grundlage ein Schulungskatalog aufgebaut wird. Dieser erlaubt es, die identifizierten Kompetenzlücken mit geeigneten Weiterbildungen zu adressieren.

Mit dem Vorschlag der Europäischen Kommission zur Regulierung von Künstlicher Intelligenz (dem Artificial Intelligence Act) ist die Zertifizierung von KI-Systemen in den Fokus gerückt. Gleichzeitig werden mit der Veröffentlichung der ersten Prüfkriterien die Anforderungen der Zertifizierung für Unternehmen konkreter. Der vorliegende Beitrag stellt den Regulierungsvorschlag der Kommission vor und fasst die dazugehörige Fachdebatte zusammen. Danach werden die Anforderungen eines Prüfkatalog zur Zertifizierung von KI-Systemen anhand eines ersten Vorschlags aus dem Projekt „Zertifizierte KI“ präsentiert und bewertet.

Im Zuge der voranschreitenden Digitalisierung ist das Umfeld von Industrieunternehmen zunehmend durch Volatilität, Unsicherheit, Komplexität und Ambiguität geprägt. Immens ansteigende Datenmengen, die sinkende Halbwertszeit von Informationen und immer kürzere Entwicklungszeiten setzen Unternehmen unter enormen Zeitdruck. Folglich konzentrieren sich Unternehmen verstärkt auf das Tagesgeschäft oder greifen auf Ergebnisse für die strategische Planung zurück, die mit höherem Fokus auf Geschwindigkeit als auf Gründlichkeit erarbeitet wurden. Um langfristig wettbewerbsfähig zu bleiben, müssen sich Unternehmen jedoch systematisch mit zukünftigen Entwicklungen auseinandersetzen. Die Szenario-Technik ist dafür das geeignete Werkzeug. Mithilfe von digitalen Technologien, wie z. B. Anwendungen der Künstlichen Intelligenz (KI), lassen sich die Anwendungsfreundlichkeit erhöhen und der Datenerhebungsaufwand reduzieren.

Dies ist Gegenstand des vorliegenden Beitrags. Zunächst wird die Problematik detaillierter beschrieben. Es folgt die Einordnung der Szenario-Technik in die Szenario-basierte Vorausschau sowie die Herleitung und Vorstellung ihrer konstituierenden und optionalen Phasen und Schritte. Im Anschluss werden Herausforderungen beim Einsatz der Szenario-Technik beleuchtet. Darauf aufbauend werden Potenziale für einen Erfolg versprechenden Einsatz von digitalen Technologien in der Szenario-Technik aufgezeigt. Abschließend werden anhand der Herausforderungen und Potenziale drei Handlungsfelder für eine Szenario-Technik mit digitalen Technologien abgeleitet: die Integration von digitalen Technologien, die methodische Anpassung und Weiterentwicklung der Szenario-Technik sowie die digitale Souveränität.

Dieser Beitrag nimmt die Geschäftsbeziehung zwischen Hersteller und Nutzer einer Maschine in den Blick und zeigt auf, welche Aspekte in Bezug auf die Daten, die bei der Nutzung der Maschine entstehen, vertraglich geregelt werden sollten. Aufbauend auf einer Einordnung der Thematik sowie einer kurzen Darstellung der gegenwärtigen (Rechts-)Lage werden anhand eines konkreten Fallbeispiels aus dem Werkzeugmaschinenbau die einzelnen Regelungsgegenstände, Möglichkeiten und Grenzen der Vertragsgestaltung aufgezeigt.