Künstliche Intelligenz in Arbeitsprozessen – der Mensch im Fokus
-
Antonia Weirich
Dr.-Ing. Antonia Weirich, geb. 1990, studierte Sales Engineering and Product Management an der Ruhr-Universität Bochum, wo sie 2021 am Lehrstuhl für Produktionssysteme der Fakultät Maschinenbau promovierte. Heute koordiniert sie an der Ruhr-Universität Bochum das interdisziplinäre Kompetenzzentrum HUMAINE und ist Geschäftsführerin des HUMAINE Network e. V.
,
Florian Bülow
Florian Bülow, M. Sc., geb. 1987, studierte Maschinenbau an der Ruhr-Universität Bochum und war danach für mehrere Jahre in einem privatwirtschaftlichen Beratungsunternehmen tätig. Seit 2021 arbeitet er als Wissenschaftlicher Mitarbeiter am Lehrstuhl für Produktionssysteme der Ruhr-Universität Bochum und fungiert dort seit 2023 als Arbeitsgruppenleiter des Bereichs Produktionsmanagement.
Dominik Arnold, M. Sc., geb. 1991, absolvierte ein duales Maschinenbaustudium an der Hochschule Bochum in Kooperation mit der Eickhoff Bergbautechnik GmbH, wo er anschließend als Ingenieur tätig war. Seit 2019 arbeitet er als Wissenschaftlicher Mitarbeiter am Lehrstuhl für Produktionssysteme der Ruhr-Universität Bochum.
Prof. Dr.-Ing. Bernd Kuhlenkötter, geb. 1971, leitet seit April 2015 den Lehrstuhl für Produktionssysteme an der Ruhr-Universität Bochum und seit 2022 das Zentrum für das Engineering smarter Produkt-Service Systeme. Zuvor war er Leiter des Instituts für Produktionssysteme an der TU Dortmund und Leiter Produktmanagement und Technologie bei der ABB Automation GmbH. Er ist Co-Sprecher des Kompetenzzentrums HUMAINE.
Abstract
Das Kompetenzzentrum HUMAINE erarbeitet Tools, um KI in Arbeitsprozessen menschzentriert zu entwickeln und zu implementieren. Es wird ein Methodenwerkzeugkasten entwickelt, der Herausforderungen wie Akzeptanz, Erklärbarkeit und Ethik auf den Ebenen von Technologie, Personal und Organisation adressiert. Diese HUMAINE Toolbox bietet praxisnahe Werkzeuge, die in industriellen Pilotprojekten erprobt und evaluiert werden. Ziel ist es, Arbeit mit KI nachhaltig und verantwortungsvoll zu gestalten.
Abstract
The competence center HUMAINE develops tools for the human-centered design and implementation of AI in work processes. A method toolbox is created that addresses challenges such as acceptance, explainability, and ethics on the levels of technology, human resources, and organization. This HUMAINE toolbox offers practice-oriented tools tested and evaluated in industrial pilot projects. The overall objective is to make work with AI sustainable and responsible.
Hinweis
Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWF-Advisory-Board wissenschaftlich begutachteten Fachaufsatz (Peer Review).
Funding statement: Das Kompetenzzentrum HUMAINE wird im Rahmen der Fördermaßnahme „Regionale Kompetenzzentren der Arbeitsforschung“ vom Bundesministerium für Bildung und Forschung (BMBF) gefördert und vom Projektträger Karlsruhe (PTKA) betreut (Förderkennzeichen: 02L19C200).
About the authors
Dr.-Ing. Antonia Weirich, geb. 1990, studierte Sales Engineering and Product Management an der Ruhr-Universität Bochum, wo sie 2021 am Lehrstuhl für Produktionssysteme der Fakultät Maschinenbau promovierte. Heute koordiniert sie an der Ruhr-Universität Bochum das interdisziplinäre Kompetenzzentrum HUMAINE und ist Geschäftsführerin des HUMAINE Network e. V.
Florian Bülow, M. Sc., geb. 1987, studierte Maschinenbau an der Ruhr-Universität Bochum und war danach für mehrere Jahre in einem privatwirtschaftlichen Beratungsunternehmen tätig. Seit 2021 arbeitet er als Wissenschaftlicher Mitarbeiter am Lehrstuhl für Produktionssysteme der Ruhr-Universität Bochum und fungiert dort seit 2023 als Arbeitsgruppenleiter des Bereichs Produktionsmanagement.
Dominik Arnold, M. Sc., geb. 1991, absolvierte ein duales Maschinenbaustudium an der Hochschule Bochum in Kooperation mit der Eickhoff Bergbautechnik GmbH, wo er anschließend als Ingenieur tätig war. Seit 2019 arbeitet er als Wissenschaftlicher Mitarbeiter am Lehrstuhl für Produktionssysteme der Ruhr-Universität Bochum.
Prof. Dr.-Ing. Bernd Kuhlenkötter, geb. 1971, leitet seit April 2015 den Lehrstuhl für Produktionssysteme an der Ruhr-Universität Bochum und seit 2022 das Zentrum für das Engineering smarter Produkt-Service Systeme. Zuvor war er Leiter des Instituts für Produktionssysteme an der TU Dortmund und Leiter Produktmanagement und Technologie bei der ABB Automation GmbH. Er ist Co-Sprecher des Kompetenzzentrums HUMAINE.
Literatur
1 Dwivedi, Y. K.; Hughes, L.; Ismagilova, E. et al.: Artificial Intelligence (AI): Multidisciplinary Perspectives on Emerging Challenges, Opportunities, and Agenda for Research, Practice and Policy. International Journal of Information Management 57 (2019) 7 DOI:10.1016/j.ijinfomgt.2019.08.00210.1016/j.ijinfomgt.2019.08.002Search in Google Scholar
2 Mullet, V.; Sondi P.; Ramat, E.: A Review of Cybersecurity Guidelines for Manufacturing Factories in Industry 4.0. IEEE Access 9 (2021) DOI:10.1109/ACCESS.2021.305665010.1109/ACCESS.2021.3056650Search in Google Scholar
3 Kutz, J.; Neuhüttler, J.; Spilski, J.; Lachmann, T.: Implementation of AI Technologies in Manufacturing – Success Factors and Challenges. In: 13th International Conference on Applied Human Factors and Ergonomics. AHFE 2022 DOI:10.54941/ahfe100256510.54941/ahfe1002565Search in Google Scholar
4 Agrawal, A.; Gans, J.; Goldfarb, A.: How to Win with Machine Learning. Harvard Business Review (2020) 9-10Search in Google Scholar
5 Babic, B.; Chen, D. L.; Evgeniou, T.; Fayard, A.-L.: A Better Way to Onboard AI. Harvard Business Review (2020) 7-8Search in Google Scholar
6 Letrache, K.; Ramdani, M.: Explainable Artificial Intelligence: A Review and Case Study on Model-Agnostic Methods. 14. International Conference on Intelligent Systems: Theories and Applications (SITA), 2023 DOI:10.1109/SITA60746.2023.1037372210.1109/SITA60746.2023.10373722Search in Google Scholar
7 Meske, C.; Bunde, E.;. Schneider, J; Gersch, M.: Explainable Artificial Intelligence: Objectives, Stakeholders, and Future Research Opportunities. Information Systems Management 39 (2020), S. 53–63 DOI:10.1080/10580530.2020.184946510.1080/10580530.2020.1849465Search in Google Scholar
8 Shneiderman, B.: Human-Centered AI. Oxford University Press, Oxford 2022 DOI:10.1093/ oso/9780192845290.001.000110.1093/oso/9780192845290.001.0001Search in Google Scholar
9 Mehta, R. K.; Moats, J.; Karthikeyan, R. et al.: Human-centered Intelligent Training for Emergency Responders. AI Magazine 43 (2022) 1, S. 83–92 DOI:10.1002/aaai.1204110.1002/aaai.12041Search in Google Scholar
10 De Cremer, D.; Kasparov, G.: AI Should Augment Human. Harvard Business Review 18 (2021)Search in Google Scholar
11 Wilkens, U.; Lupp, D.; Langholf, V.: Configurations of Human-centered AI at Work: Seven Actor-structure Engagements in Organizations. Frontiers in Artificial Intelligence 6 (2023) DOI:10.3389/frai.2023.127215910.3389/frai.2023.1272159Search in Google Scholar PubMed PubMed Central
12 Bülow, F.; Barton, M.-C.; Fahle, S. et al.: Towards an Approach for Analyzing Potentials for Development and Deployment of Human-centered Artificial Intelligence Solutions. In: 68. GfA Frühjahrskongress Technologie und Bildung in hybriden Arbeitswelten. Magdeburg 2022Search in Google Scholar
13 Wannöffel, M.: Wissenschaft und Gewerkschaften. Eine Kooperation im Wandel. In: Seeliger, M. (Hrsg.): Strukturwandel der Arbeitsgesellschaft. Beltz Juventa, Basel 2023, S. 402–423Search in Google Scholar
14 Gerlmaier, A.; Bendel, A.: Humangerechte Gestaltung von digitalen Assistenzsystemen für Menschen mit Behinderung: Das Qualifizierungsinstrumentarium “friendlyAI@ work”. 69. Frühjahrskongress der GfA, Hannover 2023.Search in Google Scholar
15 Gerlmaier, A.; Bendel, A.: Usability is Not Enough: Digitale Gestaltungskompetenz stärken mit friendlyAI@work. FIfF-Kommunikation 3 (2022), S. 12–15Search in Google Scholar
16 Berretta, S.; Tausch, A.; Peifer, C.; Kluge, A.: Messung von Wohlbefindens-, Motivations- und Identitätsförderlichkeit von Mensch-KI-Teaming-Arbeitsplätzen. 68. GfA Frühjahrskongress Technologie und Bildung in hybriden Arbeitswelten. Magdeburg 2022Search in Google Scholar
17 Berretta, S.; Tausch, A.; Peifer, C.; Kluge, A.: The Job Perception Inventory: Considering Human Factors and Needs in the Design of Human-AI Work. Frontiers in Psychologie 14 (2023) DOI:10.3389/fpsyg.2023.112894510.3389/fpsyg.2023.1128945Search in Google Scholar PubMed PubMed Central
18 Oks, J. S.; Jalowski, M.; Fritzsche, A.; Möslein, K. M.: Cyber-physical Modeling and Simulation: A Reference Architecture for Designing Demonstrators for Industrial Cyber-physical Systems. Procedia CIRP 84 (2019) 2, S. 257–264 DOI:10.1016/j.procir.2019.04.23910.1016/j.procir.2019.04.239Search in Google Scholar
19 Moultrie, J.: Understanding and Classifying the Role of Design Demonstrators in Scientific Exploration. Technovation 43 (2015), S. 1–16 DOI:10.1016/j.technovation.2015.05.00210.1016/j.technovation.2015.05.002Search in Google Scholar
20 Gerlmaier, A.; Bendel, A.: Wie kollegial ist Künstliche Intelligenz? Risikowahrnehmungen und Gestaltungsanforderungen aus Sicht von Beschäftigten. IAQ Report (2024) 1 DOI:10.17185/duepublico/8142710.17185/duepublico/81427Search in Google Scholar
21 Saunders, F. C.: Toward High Reliability Project Organizing in Safety-Critical Projects. Project Management Journal 46 (2015) 3, S. 25–35 DOI:10.1002/pmj.2149810.1002/pmj.21498Search in Google Scholar
22 Edris, M. Z. B.; Jawad, M. S.; Zakaria, Z.: Surface Defect Detection and Neural Network Recognition of Automotive Body Panels. In: International Conference on Control System, Computing and Engineering (ICCSCE), IEEE 2015 DOI:10.1109/ICCSCE.2015.748216910.1109/ICCSCE.2015.7482169Search in Google Scholar
23 Shanshan, W.; Cao, G.; Wang, Y. et al.: Review and Prospect: Artificial Intelligence in Advanced Medical Imaging. Frontiers in Radiology 1 (2021) DOI:10.3389/fradi.2021.78186810.3389/fradi.2021.781868Search in Google Scholar PubMed PubMed Central
24 Alzubaidi, L.; Al-Sabaawi, A.; Bai, J. et al.: Towards Risk-Free Trustworthy Artificial Intelligence: Significance and Requirements. International Journal of Intelligent Systems 9 (2023) DOI:10.1155/2023/445919810.1155/2023/4459198Search in Google Scholar
25 Rath-Manakidis, P.; Strothmann, F.; Glasmachers, T.; Wiskott, L.: ProtoP-OD: Explainable Object Detection with Prototypical Parts. Preprint 2024 DOI:10.48550/arXiv.2402.1914210.48550/arXiv.2402.19142Search in Google Scholar
© 2025 Walter de Gruyter GmbH, Berlin/Boston, Germany
Articles in the same Issue
- Inhalt
- Editorial
- Höchste Qualität und maximale Effizienz Hand in Hand
- Produktivität
- Das Organisationsrätsel – mit System zum Erfolg
- Entwicklungsprozesse
- Integriertes Labornetzwerk zur Weiterentwicklung der Fügetechnik
- Supply Chain
- Konzept einer selbststeuernden Inbound Supply Chain
- Prozessoptimierung
- Vorgehensweise zur Bestimmung eines optimalen C-Teile-Managements
- Das digitale Coil
- Prozesssicherheit
- Einfluss der Werkstücksteifigkeit auf den Zerspanungsprozess
- Additive Fertigung
- Verzugsminimierung bei der Zerspanung von AM-Halbzeugen
- Resiliente Fabrik
- Planung resilienter Fabriken
- Unternehmensexzellenz
- Wie entsteht „Flow“ in einem Unternehmen?
- Wertstrommethode
- Vom linearen zum zirkulären Werteverständnis
- Künstliche Intelligenz
- Hochqualitative industrielle KI für die Impfstoffproduktion
- KIKKI – KI-Unterstützung für Verpackungsprozesse
- Künstliche Intelligenz in Arbeitsprozessen – der Mensch im Fokus
- Potenziale für die Anwendung Künstlicher Intelligenz in der schiffbaulichen Fertigung
- Digitalisierung
- Hemmnisse und Herausforderungen für KMU im Zuge der digitalen Transformation
- Large Language Models
- LLM4SPS – Evaluierung von Large Language Models für die Generierung von SPS-Code
- Vorschau
- Vorschau
Articles in the same Issue
- Inhalt
- Editorial
- Höchste Qualität und maximale Effizienz Hand in Hand
- Produktivität
- Das Organisationsrätsel – mit System zum Erfolg
- Entwicklungsprozesse
- Integriertes Labornetzwerk zur Weiterentwicklung der Fügetechnik
- Supply Chain
- Konzept einer selbststeuernden Inbound Supply Chain
- Prozessoptimierung
- Vorgehensweise zur Bestimmung eines optimalen C-Teile-Managements
- Das digitale Coil
- Prozesssicherheit
- Einfluss der Werkstücksteifigkeit auf den Zerspanungsprozess
- Additive Fertigung
- Verzugsminimierung bei der Zerspanung von AM-Halbzeugen
- Resiliente Fabrik
- Planung resilienter Fabriken
- Unternehmensexzellenz
- Wie entsteht „Flow“ in einem Unternehmen?
- Wertstrommethode
- Vom linearen zum zirkulären Werteverständnis
- Künstliche Intelligenz
- Hochqualitative industrielle KI für die Impfstoffproduktion
- KIKKI – KI-Unterstützung für Verpackungsprozesse
- Künstliche Intelligenz in Arbeitsprozessen – der Mensch im Fokus
- Potenziale für die Anwendung Künstlicher Intelligenz in der schiffbaulichen Fertigung
- Digitalisierung
- Hemmnisse und Herausforderungen für KMU im Zuge der digitalen Transformation
- Large Language Models
- LLM4SPS – Evaluierung von Large Language Models für die Generierung von SPS-Code
- Vorschau
- Vorschau
