nach oben

Erschienen in:

2020 | OriginalPaper | Buchkapitel

11. KI-Widerstände auf der Mitarbeiterebene in produktive Dynamik überführen

Wie die Akzeptanz von Veränderungsprozessen auf der Mitarbeiterebene systematisch erarbeitet werden kann

verfasst von : Michael Schaffner

Erschienen in: Künstliche Intelligenz in Wirtschaft & Gesellschaft

Verlag: Springer Fachmedien Wiesbaden

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Zusammenfassung

Künstliche Intelligenz (KI) wird zu den disruptiven Technologien gerechnet, die im Zuge einer digitalen Transformation zu radikalen Umbrüchen von Geschäftsprozessen, Berufsfeldern und Geschäftsmodellen führen können. KI wird aber auch zu den wichtigsten Bausteinen zur Sicherung der Wettbewerbsfähigkeit in der deutschen und internationalen Wirtschaft gerechnet. Die Durchdringung in der betrieblichen Praxis liegt jedoch noch hinter den Erwartungen zurück. Zwar gibt es Studien, die das Anwendungspotenzial beschreiben helfen, dennoch ist KI für viele Entscheider und Mitarbeitende noch nicht greifbar genug. Dies führt zu Akzeptanzproblemen. Aus Anwendersicht sind daher Maßnahmen zu ergreifen, damit es in Change-Prozessen zu einem „Erleben“ dieser Veränderung kommt und nicht zu einem „Ertragen“.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Vertrauen in KI – Eine empirische Analyse innerhalb des Produktionsmanagements

Nächstes Kapitel Intelligent Robotic Process Automation

„Sollen“ ist hier aus Sicht der Beteiligten als ein spezifisches Struktur-, Organisations- und Rollenkonzept zu verstehen, um eine Strategie umsetzen zu können, und nicht als Umsetzungszwang für die Beteiligten.

Eine Ontologie beschreibt einen Wissensbereich (Knowledge Domain) mithilfe einer standardisierenden Terminologie sowie logischen Beziehungen zwischen den dort definierten Begriffen (z. B. beschrieben im Datenformat RDF). Das gemeinsame Vokabular wird in der Regel in Form einer Taxonomie (Klassifikation von Termini in Kategorien) gegeben (Hesse 2005).

Der Autor des vorliegenden Beitrages war Projektkoordinator des mit SCRUM-Methode durchgeführten Entwicklungsprojektes „iiRDS“.

Der Autor des vorliegenden Beitrages war ebenfalls Projektleiter des Forschungsprojekts „Technische Kommunikation 4.0“.

Bandura, A. (1994). Self-efficacy. In V. S. Ramachaudran (Hrsg.), Encyclopedia of human behavior (Bd. 4, S. 71–81). New York: Academic Press.

Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1989). User acceptance of computer technology: A comparison of two. In Management Science, 35. Jhg. Heft 8, S. 982–1003.

Fraunhofer (Hrsg.) (2019). Einsatzfelder von künstlicher Intelligenz im Produktionsumfeld; Studie im Auftrag des Ministeriums für Wirtschaft, Arbeit und Wohnungsbau Baden-Württemberg; Stuttgart März 2019.

Galli, B. J. (2018): Change management models: A comparative analysis and concerns. In IEEE Engineering Management Review, 43. Jhg., Heft 3, S. 124–132.

Hesse, W. (2005). Ontologien. In Gesellschaft für Informatik (Hrsg.) Lexikon. https://gi.de/informatiklexikon/ontologien. Zugegriffen: 19. Febr. 2018.

iirds (2019). iiRDS – The International Standard for Intelligent Information Request and Delivery. In tekom (Hrsg.) iiRDS. www.iirds.org. Zugegriffen: 16. Sept. 2019.

iit (Hrsg.) (2019). Potenziale der Künstlichen Intelligenz im Produzierenden Gewerbe in Deutschland. Institut für Innovation und Technik (iit) in der VDI/ VDE Innovation + Technik GmbH, im Auftrag des BMWi; Berlin Juli 2018.

Jyoti, R. (2019). Artificial intelligence global adoption trends and strategies. IDC Survey, Doc #US45120919, Juni 2019.

Kreutzer, R. T., Neugebauer, T., & Pattloch, A. (2017). Digital Business Leadership. Wiesbaden: Springer Gabler.CrossRef

Kreutzer, M., & Parson, U. (2018). Intelligente Lieferung. In technische Kommunikation, 40. Jhg., Heft 4, S. 22–29.

Nagel, E., Keis, P., & Ott, P. (2018) Widerstand in Veränderungsprozessen. In Zeitschrift für Organisation (zfo), (S. 357–362) 87. Jhg., Heft 5.

Parson, U. (2017). Das Datenmodell der Technischen Dokumentation in iiRDS. In J. Hennig & M. Tjarks-Sobhani (Hrsg.), Intelligent Information; Schriften zur technischen Kommunikation, (Bd. 22, S. 26–38+) Stuttgart: tcworld.

Piderit, S. K. (2000). Rethinking resistance and recognizing ambivalence: A multidimensional view of attitudes toward an organizational change. In Academy of Management Review, 25. Jhg., Heft 4, S. 783–794.

PWC (Hrsg.) (2019). Künstliche Intelligenz in Unternehmen. Februar 219.

Schaffner, M. (2017a). Flexibility of infonomics in the industrial production of machines and plants − knowledge management in the industry 4.0. BMBF-Projekt DigiTrans CD, Shandong Agricultural University, 26. 02. 2017, Taian (China).

Schaffner, M. (2017b). Industrie 4.0 als Motor für „intelligente Information“. In J. Hennig, & M. Tjarks-Sobhani (Hrsg.). Intelligent Information; Schriften zur technischen Kommunikation (Bd. 22, S. 111–124). Stuttgart: tcworld.

Schaffner, M. (2017c). Wir schreiben das Jahr 2035. Interview auf dem Intelligent Information Blog (iiBlog) der tekom e.V. https://intelligent-information.blog/de/augmented-intelligence-industrie-4-0-ein-tag-in-der-zukunft.

Schaffner, M. (2018). Arbeitswelten der Zukunft – 5 Antworten aus der Innovationsforschung. Blogbeitrag auf dem Wissenschaftsbog der FOM Hochschule, www.fom-blog.de/2018/12/arbeitswelten-der-zukunft-5-antworten-aus-der-innovationsforschung/#more-8103.

Schaffner, M. (2019a): Industrie 4.0 – Technische Redakteure werden zu Semantikmodellierern. In B. Hermeier, T. Heupel, & S. Fichtner-Rosada, (Hrsg.): Arbeitswelten der Zukunft – Wie die Digitalisierung unsere Arbeitsplätze und Arbeitsweisen verändert (S. 107–129) Wiesbaden: Springer Gabler.

Schaffner, M. (2019b). Widerstand wird zu Dynamik. In technische kommunikation, 2019. Heft 2, 41. Jg., S. 52–58.

Straub, D. (2017). Branchenkennzahlen für die Technische Dokumentation 2017. Stuttgart: tcworld.

tekom (2015). Intelligente Information. www.tekom.de/technische-kommunikation/intelligente-information.html. Zugegriffen: 15. Febr. 2018

Vahs, D. (2012). Organisation (8. Aufl.). Stuttgart: Schäffer-Poeschel.

Venkatesh, V., & Davis, F. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies. In Management Science, 46. Jahrgang, Heft 2, S. 186–204.

Werani, T., & Smeijkal, A. (2014). Erfolgsfaktoren für strategische Veränderungen. In Zeitschrift für Organisation (zfo), 83. Jhg., Heft 3, S. 250–256.

Wieselhuber (Hrsg.) (2015). Geschäftsmodell-Innovation durch Industrie 4.0 – Chancen und Risiken für den Maschinen- und Anlagenbau, In Zusammenarbeit mit Fraunhofer IPA, München.

Titel: KI-Widerstände auf der Mitarbeiterebene in produktive Dynamik überführen
verfasst von: Michael Schaffner
Verlag: Springer Fachmedien Wiesbaden
Buch: Künstliche Intelligenz in Wirtschaft & Gesellschaft
Print ISBN: 978-3-658-29549-3

Electronic ISBN: 978-3-658-29550-9

Copyright-Jahr: 2020
DOI: https://doi.org/10.1007/978-3-658-29550-9_11