Wissensmanagement mit Künstlicher Intelligenz

Inhaltsverzeichnis

1. Frontmatter

   PDF-Version jetzt herunterladen

2. 1. Trends und Entwicklungen in der Arbeitswelt – Hintergründe zur Erforschung von KI-basiertem Wissenstransfer im Projekt KI_eeper

   • Open Access

   Nicole Ottersböck, Isabella Urban

   Zusammenfassung

   Die Babyboomer-Generation geht in Rente. Dies bedeutet, dass eine Vielzahl an erfahrenen Beschäftigten die deutschen Unternehmen verlässt. Ihr essenzielles Wissen nehmen sie mit, wenn Betriebe dieses Wissen nicht frühzeitig identifizieren und für nachfolgende Arbeitskräfte sichern. Das ist nur eine von vielen Entwicklungen, die ein effizientes Wissensmanagement notwendig machen. Der Beitrag zeigt auf, warum es für Betriebe notwendig ist, sich dem Thema anzunehmen und dafür zu sorgen, das Wissen ihrer erfahrenen Beschäftigten zu identifizieren und langfristig für nachfolgende Arbeitskräfte zu sichern.

   PDF-Version jetzt herunterladen

3. 2. Betriebliche Anwendungsfälle für KI-basierten Wissenstransfer im Produktionsbereich des Forschungsprojekts KI_eeper

   • Open Access

   Nicole Ottersböck, Jannik Ternes

   Zusammenfassung

   Zwei kleine und mittlere Unternehmen sind Teil des KI_eeper-Projektkonsortiums. In und mit diesen beiden Unternehmen wurde die Entwicklung eines selbstlernenden, KI-basierten Assistenzsystems erprobt. In diesem Beitrag werden die beiden Unternehmen, ihre Motivation zur Mitwirkung am Projekt sowie die zwei betrieblichen Anwendungsfälle vorgestellt. Der Artikel schließt mit einem Ausblick auf weitere Anwendungsfälle in Betrieben, die sich für einen innerbetrieblichen Transfer der Technik eignen könnten.

   PDF-Version jetzt herunterladen

4. 3. Technische Umsetzung des Forschungsvorhabens KI_eeper

   • Open Access

   Holger Dander, Christian Prange, Adrian Discher

   Zusammenfassung

   Das Forschungsvorhaben KI_eeper widmet sich der Entwicklung und Implementierung intelligenter Assistenzsysteme in industriellen Produktionsumgebungen zur Sicherung des impliziten Erfahrungswissens von Mitarbeitenden. Der vorliegende Buchbeitrag beleuchtet die technische Realisierung dieser Systeme anhand zweier exemplarischer Anwendungsfälle: das manuelle Richten von Balken an einer Eckoldpresse bei der Fa. ESM und die Oberflächentechnik (OFT) bei der Firma apra-norm. Im Kontext des Anwendungsfalls ESM wird die Konzeption und der Aufbau eines cyber-physischen Systems zur Unterstützung des Richtprozesses detailliert beschrieben. Dies umfasst die Auswahl und Integration geeigneter Scannertechnologien zur präzisen Erfassung der Bauteilgeometrie, die Evaluierung von Methoden zur Bestimmung der manuellen Krafteinwirkungspunkte des Bedieners sowie die technische Umsetzung der Datenerfassung und -verarbeitung. Ein besonderes Augenmerk liegt dabei auf der Entwicklung einer Software zur Visualisierung der Bauteilverbiegungen, um den Richtprozess transparenter und effizienter zu gestalten. Der Anwendungsfall apra-norm fokussiert auf die Optimierung der komplexen Abläufe in einer Oberflächentechnik-Anlage. Hierzu wird die Entwicklung eines Reihenfolgenmoduls zur automatisierten Planung der Arbeitsaufträge dargestellt. Dieses Modul berücksichtigt eine Vielzahl von Einflussfaktoren, darunter die Farbe der Aufträge, die Auslastung der Stationen, die Komplexität der Bauteile und die Verfügbarkeit von Ressourcen. Des Weiteren wird die Konzeption und Implementierung einer flexiblen Softwarearchitektur zur Erfassung und Verarbeitung von Erfahrungswissen der Mitarbeitenden erläutert. Diese Architektur ermöglicht die Abbildung von Produktionsprozessen in Form von konfigurierbaren Abläufen und Aktionen und dient als Grundlage für die perspektivische Integration von KI-basierten Assistenzfunktionen. Im Rahmen des Forschungsvorhabens wurden grundlegende Untersuchungen zu Lernszenarien der KI, Klassifikations- und Regressionsverfahren sowie zu Problematiken beim Training neuronaler Netze (Overfitting) durchgeführt. Diese theoretischen Grundlagen bilden die Basis für die Entwicklung der Assistenzsysteme in den beiden Anwendungsfällen. Der Buchbeitrag schließt mit einer zusammenfassenden Betrachtung der erzielten Ergebnisse. Dabei wird insbesondere die Bedeutung der engen Zusammenarbeit mit den Industriepartnern und der kontinuierlichen Validierung der entwickelten Lösungen in realen Produktionsumgebungen hervorgehoben.

   PDF-Version jetzt herunterladen

5. 4. Methoden-Toolkit für den KI-Change-Prozess aus dem Forschungsprojekt KI_eeper

   • Open Access

   Nicole Ottersböck, Isabella Urban, Christian Cost Reyes

   Zusammenfassung

   Das Projekt KI_eeper legt den Schwerpunkt auf eine soziotechnische Vorgehensweise, die von Anfang an darauf abzielt, Ängste und Bedenken der Beschäftigten gegenüber dem Einsatz von KI-Lösungen und dem Wissenstransfer abzubauen. Dabei orientiert sich das Projekt an bestehenden Vorgehensmodellen und arbeitswissenschaftlichen Empfehlungen. Die entwickelte Vorgehensweise umfasst sechs zentrale Bausteine mit dazugehörigen Methoden und Instrumenten, die gemeinsam mit den beiden Anwenderunternehmen entwickelt und in der Praxis erprobt wurden. Dieser Beitrag erläutert die Vorgehensweise im Detail und stellt ihre einzelnen Bestandteile vor. Jeder Abschnitt schließt mit Tipps für die Praxis.

   PDF-Version jetzt herunterladen

6. 5. Wissenstransfer im Maschinenservice – Die Bedeutung von Wissen, Ansätze künstlicher Intelligenz und praktische Tipps

   • Open Access

   Julie Chaput, Patrick Deutschmann, Sina Volkmann

   Zusammenfassung

   Dieser Beitrag behandelt den Wissenstransfer mit besonderem Fokus auf die Rolle der Künstlichen Intelligenz (KI). Ein besonderes Augenmerk liegt auf den Problemen aktueller KI-Ansätze, vor allem auf Large Language Models wie ChatGPT. Dabei beziehen wir uns darauf, wie der technologiebasierte Wissenstransfer in der Praxis nachhaltig zum Erfolg führen kann. Die Wahl des richtigen KI-Ansatzes für das jeweilige Projekt ist ausschlaggebend. Ergänzend liefert der Beitrag praxisnahe Empfehlungen für einen erfolgreichen Wissenstransfer und Hinweise, an welchen Stellen ein Wissenstransferprojekt optimal initiiert werden sollte.

   PDF-Version jetzt herunterladen

7. 6. Wissensmanagement im Aufwärtstrend – Wie es gelingt, bisher undokumentiertes Wissen leicht zu erfassen und nutzbar zu machen

   • Open Access

   Bettina Volkens

   Zusammenfassung

   Wissensmanagement erlebt durch den Einsatz Künstlicher Intelligenz (KI) eine Renaissance. Jetzt gelingt es, einfacher an das Erfahrungswissen der Mitarbeitenden zu kommen und von Erfahrungen zu lernen. Denn 80 % des unternehmensrelevanten Wissens sind nicht dokumentiert. Genau hier setzt die Lösung von great2know an. Das Start-up digitalisiert den Wissenstransfer über eine KI-gestützte Plattform, die es Mitarbeitenden ermöglicht, ihr Erfahrungswissen strukturiert, intuitiv und kontextbezogen zu teilen und Wissen abzufragen. Neben Text- und Spracheingabe umfasst die Lösung Features wie automatisierte Nachfragen, Stakeholder-Interaktionen und einen Chatbot für kontextbezogene Wissensabfragen. Die Plattform zielt auf hohe Nutzerakzeptanz durch einfache Bedienbarkeit und kollaborative Elemente. Zwei Fallbeispiele – Siemens GBS und GHK Management Consulting – verdeutlichen den praktischen Nutzen: Schnelleres Onboarding, geringere Reibungsverluste bei Personalwechseln und die Basis für eine zukunftssichere, datengestützte Unternehmenssteuerung. great2know schließt die Lücke zwischen dokumentiertem und implizitem Wissen. Dies ist ein zentraler Hebel zur Produktivitätssteigerung und zur Sicherung langfristiger Wettbewerbsfähigkeit im digitalen Zeitalter. Denn ohne Erfahrung keine Innovation.

   PDF-Version jetzt herunterladen

8. 7. KI-basiertes Wissensmanagement im technischen Service eines mittelständischen Unternehmens

   • Open Access

   Dana Wolf, Delia Schröder, Maximilian Tischer

   Zusammenfassung

   Dieser Beitrag zeigt am exemplarischen Use Case der Nähmaschinenfabrik Stutznäcker die besonderen Herausforderungen, die im Umgang mit Wissen im technischen Service auftreten können. KI-basiertes Wissensmanagement kann hier eine Lösung sein. Das technische System, das im Rahmen des Projekts „Service Secretary“ bei dem mittelständischen Unternehmen Stutznäcker eingeführt wird, sowie die darin verarbeiteten KI-Anwendungen werden näher beschrieben. Zudem wird der soziotechnologische Ansatz der Technikeinführung und der Umsetzung von Wissensmanagement, der im Projekt genutzt wurde, vorgestellt und abschließend handlungsleitende Tipps für KMU gegeben.

   PDF-Version jetzt herunterladen

9. 8. KI-unterstütztes Wissensmanagement in KMU – Identifikation, Dokumentation und Verbreitung prozeduralen Wissens

   • Open Access

   Ina Schiedermair, Marco Baumgartner, Elena Kick, Tobias Kopp

   Zusammenfassung

   Vor allem in kleinen und mittleren Unternehmen (KMU) ist das erfolgskritische Wissen zu zentralen Geschäftsprozessen häufig auf nur wenige Schultern verteilt, die sogenannten Schlüsselpersonen. Die systematische Sicherung und Weitergabe dieses prozeduralen Wissens birgt Herausforderungen für KMU und bedeutet für Schlüsselpersonen zusätzlichen Aufwand. Das Forschungsprojekt KIproWork verfolgte das Ziel, KMU zu befähigen, vorhandenes Prozesswissen dauerhaft im Unternehmen zu verankern, bedarfsgerecht zu verteilen und dadurch effizienter zu nutzen. Die Autorinnen und Autoren dieses Artikels beschreiben ein strukturiertes Vorgehen für ein KI-unterstütztes Wissensmanagement in KMU, wonach zunächst relevante Schlüsselpersonen und deren kritische Prozesse identifiziert werden. Im Anschluss gilt es, diese arbeitsintegriert zu dokumentieren und bedarfsgerecht weiterzugeben. Darüber hinaus geht der Artikel auf zentrale Lessons Learned und Herausforderungen für KMU beim Wissensmanagement ein, die im Projekt deutlich wurden.

   PDF-Version jetzt herunterladen

10. 9. KI-Einsatz in der Industrie – Fehler erkennen, ohne sie vorher zu lernen

    • Open Access

    Pascal Thome, Andreas Merchiers, Peter-Christian Zinn

    Zusammenfassung

    KI-gestützte (Bild-)Datenanalysen ermöglichen die automatische Fehlererkennung in der Industrie, ohne vorherige Trainingsdaten mit Defekten bzw. Anomalien. Self-Organizing Maps (SOM) identifizieren Abweichungen anhand struktureller Ähnlichkeiten und bieten eine ressourcenschonende Alternative zu herkömmlichen Methoden. Der Artikel zeigt praxisnahe Anwendungen wie die End-of-Line-Prüfung von Elektronikbauteilen, die Partikelgrößenbestimmung per Smartphone und die Analyse elektronenmikroskopischer Bilder. Durch den Einsatz von Relationaler Geometrischer Ontologie (RGO) lassen sich Bilddaten strukturiert erfassen und effizient auswerten. Diese Ansätze ermöglichen präzisere Qualitätskontrollen, reduzieren manuelle Prüfaufwände und steigern die Automatisierung industrieller Prozesse.

    PDF-Version jetzt herunterladen