Kontext und KI: Zum Potenzial der Beschäftigten für Künstliche Intelligenz und Machine-Learning.

Autor/in	Pfeiffer, Sabine
Titel	Kontext und KI: Zum Potenzial der Beschäftigten für Künstliche Intelligenz und Machine-Learning. Paralleltitel: Context and AI: On Employees' Potential for Artificial Intelligence and Machine Learning.
Quelle	In: HMD : Praxis der Wirtschaftsinformatik, 57 (2020) 3, S. 465-479 PDF als Volltext kostenfreie Datei Link als defekt meldenVerfügbarkeit
Sprache	deutsch
Dokumenttyp	online; Zeitschriftenaufsatz
ISSN	1436-3011; 2198-2775
DOI	10.1365/s40702-020-00609-8
Schlagwörter	Informationstechnologische Bildung; Künstliche Intelligenz; Industrie; Instandhaltung; Künstliche Intelligenz; Personalwesen; Qualifikationsanforderung; Anwendung; Finanzdienstleistung; Sachbearbeitung; Automatisierung; Instandhaltung; Finanzdienstleistung; Industrie; Personalwesen; Qualifikationsanforderung; Qualifikationsbedarf; Qualifikationspotenzial; Anwendung; BIBB/BAuA-Erhebung; Beratungskonzept; Sachbearbeitung
Abstract	"Die Bedeutung von Künstlicher Intelligenz und Machine Learning (KI/ML) im Unternehmen nimmt zu. Noch weitgehend unklar ist, ob das Potenzial der Beschäftigten ausreicht und passfähig ist, um die Potenziale dieser Technologie im Unternehmen schnell nutzbar zu machen. Neben den dafür nötigen KI/ML-spezifischen Programmierkenntnissen in der IT-Abteilung erfordert ein robuster und produktiver Einsatz von KI/ML im Unternehmen auch von den Beschäftigten in den anwendenden Fachabteilungen neue Kompetenzen. Sie müssen die Potenziale und Grenzen von KI/ML-Technologien verstehen (KI/ML-Kompetenz) und in der Lage sein, KI/ML-Systeme und ihre Ergebnisse in den fachlichen Kontext und an situative Anforderungen rückzubinden (Kontext-Kompetenz). Der Beitrag identifiziert diese Kompetenzen und zeigt empirisch, in welchem Ausmaß sie vorhanden sind oder entwickelt werden müssen. Dies geschieht auf der Basis der BIBB/BAuA-Erwerbstätigenbefragung 2018 für zwei Felder, die aktuell besonders relevant für den Einsatz von KI/ML sind: Predictive Maintenance und beratungsintensive Sachbearbeitung. Die Ergebnisse zeigen: Beschäftigte haben ein unterschätztes Potenzial für die erfolgreiche Umsetzung von KI/ML, es lohnt sich also, sie in allen Phasen der KI/ML-Umsetzung partizipativ zu involvieren." Forschungsmethode: empirisch-quantitativ; empirisch; Sekundäranalyse. Die Untersuchung bezieht sich auf den Zeitraum 2018-2018. (Autorenreferat, IAB-Doku). "The importance of Artificial Intelligence and Machine Learning (AI/ML) in companies is increasing. However, it is largely unclear whether the employees' abilities are sufficient and suitable to make the potential of this technology rapidly usable in the company. In addition to the necessary AI/ML-specific programming knowledge in the IT department, a robust and productive use of AI/ML in the company also requires new skills from employees in the applying departments. They must understand the potential and limits of AI/ML technologies (AI/ML competence) and they must be able to integrate AI/ML systems and their results into the specific context and situational requirements (context competence). The article identifies these competencies and shows empirically to what extent they are available or need to be developed. This is done on the basis of the 2018 German BIBB/BAuA Employment Survey for two areas of application that are currently considered particularly relevant for the use of AI/ML: Predictive maintenance and consulting intensive administration. The results show: Employees have an underestimated potential for a successful application of AI/ML, so it is worthwhile to involve them in all stages of AI/ML implementation." (Author's abstract, IAB-Doku).
Erfasst von	Institut für Arbeitsmarkt- und Berufsforschung, Nürnberg
Update	2021/3