Kompetenzanforderungen bei KI-Assistenzsystemen in der Produktion

Die Einführung von KI-Assistenzsystemen in der Produktion revolutioniert industrielle Prozesse und stellt Unternehmen vor neue Herausforderungen. Neben technologischen Anpassungen erfordert diese Entwicklung vor allem eine Neuausrichtung der Kompetenzen der Mitarbeitenden. Dieser Artikel beleuchtet die allgemeinen und spezifischen Kompetenzanforderungen, die für einen erfolgreichen Umgang mit KI-Systemen in der Produktion notwendig sind, und fasst wissenschaftliche Erkenntnisse zu den Veränderungen dieser Anforderungen zusammen.

Die benötigten Kompetenzen für den Umgang mit KI-Systemen in der Produktion lassen sich in drei Hauptkategorien einteilen ¹:

1. Fach- und Grundwissen:

• Fachkompetenz: Beschäftigte besitzen das nötige fachspezifische Wissen/die nötigen fachspezifischen Fähigkeiten, um die alltäglichen Aufgaben positionsgerecht zu erfüllen. Dies kann je nach Position von Beschäftigten z. B. auch manuelle Fähigkeiten einschließen.
• Grundlegende digitale Kompetenzen: Beschäftigte gehen sicher und selbstbewusst mit herkömmlichen digitalen Medien und Technologie um und können insbesondere mit gängigen Office-Programmen sowie mit Technologien zur digitalen Zusammenarbeit reibungslos arbeiten. Insbesondere verfügen sie über ausreichendes Bewusstsein für digitale Sicherheitsaspekte.
• KI-Awareness: Beschäftigte wissen über die im Unternehmen eingesetzten KI-Systeme und deren prinzipielle Leistungsfähigkeiten Bescheid; dies schließt besonders das Wissen ein, was KI-Systeme gerade nicht leisten können. Sie sind sensibilisiert gegenüber den Daten, die das KI-System verarbeitet, einschließlich möglicher personenbezogener Daten.

2. Entwicklung der KI-Systeme und Umgang mit den KI-Systemen:

• MMI-Kompetenzen: Beschäftigte verfügen über Kompetenzen zum zielgerichteten Umgang in der Mensch-Maschine-Interaktion auf dem jeweils aktuellen Stand der Technik.
• Grundwissen Maschinelles Lernen: Beschäftigte kennen und verstehen Grundlagen des Maschinellen Lernens einschließlich Deep Learning und neuronaler Netzwerke und können dieses Wissen in der Mensch-Maschine-Interaktion anwenden.
• Fähigkeiten in Programmiersprachen, Plattformen, Frameworks und Bibliotheken: Beschäftigte beherrschen relevante Programmiersprachen wie Python als Grundlage für Maschinelles Lernen. Sie haben einen sicheren Umgang mit gängigen Plattformen wie Amazon Web Services (AWS) und Frameworks/Bibliotheken wie Sparks oder Hadoop (Büchel & Mertens 2021).
• Big Data, Data Science und Data Analytics: Beschäftigte verfügen über Fähigkeiten in der Verwaltung, Erfassung, Zusammenstellung, Verarbeitung und Modellierung von Daten und der Analyse großer Bestände von strukturierten oder unstrukturierten Daten. Wichtige Kompetenzfelder sind dabei unter anderem fortgeschrittene Mathematik, Kryptografie, Datenethik und Data Privacy oder Data Mining (Gesellschaft für Informatik 2019).
• Prozess- und Systemkompetenz: Beschäftigte können Prozesse und Abläufe im Unternehmen erkennen, in diesen Prozessen und Abläufen denken und ihr eigenes Arbeitsverhalten in Prozessen und Abläufen strukturieren. Sie sind auch in der Lage, diese Prozesse und andere komplexe Sachverhalte als Systeme zu beschreiben, zu rekonstruieren und zu modellieren und auf dieser Basis Prognosen zu treffen und Handlungsoptionen zu entwerfen. Konkret realisieren die Beschäftigten die Spezifika des Einflusses von KI auf Unternehmensprozesse: Sie verstehen die Veränderungen durch KI und können die eigenen Arbeitsprozesse in Bezug auf die Zusammenarbeit mit KI optimieren.
• Problemlösungskompetenz, Resilienz: Beschäftigte können unerwartet auftretende Situationen und Schwierigkeiten schnell erkennen, mit ihnen umgehen und geeignete Lösungsstrategien entwickeln. Dies beinhaltet insbesondere das Wissen und ggf. die praktische Fähigkeit, wie die Beschäftigten bei KI-gesteuerten Prozessen intervenieren können.
• Reflexionskompetenz: Beschäftigte sind in der Lage, die Informationen und Ergebnisse von KI-Systemen kritisch zu interpretieren und zu bewerten. Sie können selbstständig und kompetent einschätzen, wann Vertrauen in KI-Systeme und die von KI-Systemen generierten Daten gerechtfertigt ist.

3.Gestaltung des Kontextes von KI:

• Selbstkompetenzen: Beschäftigte verfügen über ein ausreichendes Maß an Eigenverantwortung und Selbstorganisation. Sie bringen die Neugier und Bereitschaft mit, den Umgang mit Maschinellem Lernen und KI-Technologien zu erlernen und damit zu arbeiten.
• Soziale- und Kommunikations-kompetenz: Beschäftigte können sich in unterschiedlich zusammengesetzten Teams einbringen. Sie können dabei mit Kolleginnen und Kollegen mit verschiedenen fachlichen Hintergründen und unterschiedlichen Erfahrungs- bzw. Kompetenzniveaus zusammenarbeiten. Im Kontakt mit Kundinnen und Kunden und Anwendern der KI-Systeme können die Beschäftigten die Besonderheiten des Einsatzes von KI-Systemen für ihren jeweiligen Zuständigkeitsbereich passend erklären.
• (Personal-)Management, Führungskompetenz, Change-Manage-ment: Beschäftigte mit Führungsverantwortung können ein Team organisieren, Aufgaben(bündel) koordinieren und delegieren. Sie können Potenziale und Grenzen der KI kommunizieren, Ängste nehmen und Weiterbildungspotenziale aktivieren. Bei der Integration von KI-Systemen in die Unternehmensprozesse können sie vernünftige Ziele formulieren und so den Change-Prozess mitgestalten.
• Entscheidungskompetenz: Beschäftigte kennen ihre Zuständigkeiten und sind in der Lage, im Rahmen ihrer Verantwortlichkeiten zuverlässige, wohlüberlegte Entscheidungen zu treffen.
• Anpassungsfähigkeit, Transfer: Beschäftigte sind in der Lage, sich an durch die KI implizierte Möglichkeiten und Herausforderungen anzupassen und ihre Arbeitsweise darauf einzustellen.

Informationstechnische Kompetenzen und domänenspezifisches Fachwissen sind gleichermaßen wichtig. Mitarbeitende, die beide Kompetenzfelder beherrschen, sind jedoch selten verfügbar ². Daher gewinnen sozial-kommunikative Kompetenzen und ethische Werte an Bedeutung.

Spezifische Kompetenzanforderungen

Für die Einführung von KI-Anwendungen in der Produktion sind verschiedene Rollen mit spezifischen Fähigkeiten erforderlich ³:

1. Unternehmensleitung, Projektsponsoring:
   • Strategischer Fokus, unternehmensweite Perspektive, Vertrauen in KI-Technologien, Entscheidungsfreude und Weitsicht.
2. Projektleitung / Projektexpertise:
   • Projekt- und Personalmanagement, Führungsqualitäten, Fähigkeit zur Koordination interdisziplinärer Teams.
3. Technologieexpert*innen, Automatisierer:
   • Problemlösungskompetenz, Resilienz, Reflexionsfähigkeit, Kenntnisse in Signalverarbeitung und Automatisierungstechnologien.
4. Datenwissenschaftler*innen, Data Engineers:
   • Datenselektion, -aufbereitung, -analyse und -interpretation, Team- und Kommunikationsfähigkeit.
5. KI-Expertinnen / ML-Expertinnen:
   • Fundiertes Wissen in Mathematik, Statistik, Maschinellem Lernen und Datenmanagement.
6. MLOps-Ingenieurinnen, IT-Sicherheitsexpertinnen:
   • Grundlagen der Softwaretechnik, Prozess- und Systemkompetenz, Kenntnisse in IT-Sicherheit.
7. Prozessverantwortliche, Instandhalter*innen:
   • Fachkompetenz, tiefes Prozesswissen, Domänen- und Betreiberkenntnisse, Selbstkompetenz in der Anlagentechnik.
8. Qualitätsmanager*innen:
   • Kenntnis betrieblicher Qualitätsvorgaben und QM-Systeme, ISO-Normen, Toleranzmanagement.
9. Sicherheitsfachkräfte, Arbeitsschutzexpert*innen:
   • Expertise in ethischen, rechtlichen und sozialen Implikationen (ELSI), Prozess- und Systemkompetenz.
10. Anlagen-/Prozessbediener*innen:
    • Domänenwissen, praktische Erfahrungen, Fähigkeit zur Interaktion mit KI-Systemen.
11. Betriebsrat:
    • Vermittlungskompetenz, Sprachrohr zwischen Belegschaft und Management, Verständnis für ELSI-Themen.
12. Interaktionsgestalter*innen:
    • MMI-Kompetenz, Designfähigkeiten, Fokus auf Usability und User Experience.
13. Personalentwicklerinnen / Änderungsmanagerinnen:
    • Kommunikationsmanagement, Kompetenzentwicklung, Transparenzförderung, offene Kommunikation.
14. Systementwickler*innen:
    • Programmierkenntnisse, Verständnis der Unternehmens-IT-Architektur.

Alle Beteiligten sollten grundlegendes digitales Wissen besitzen, kommunikativ sein, Anpassungsfähigkeit zeigen, kreativ sein und Offenheit für Neues mitbringen ³.

1. Festlegung der (Job-)Rollen und Verantwortlichkeiten im Kontext der KI: Der erste Schritt besteht darin, die Verantwortlichkeiten der jeweiligen (Job-)Rollen und deren Schnittstellen zu anderen Bereichen detailliert zu definieren. Dies geschieht entlang der Kernaufgaben mithilfe geeigneter Methoden wie der RACI-Methode. Es ist essenziell, nicht nur die Aufgabenbereiche zu definieren, sondern auch die Tätigkeiten zu benennen, die außerhalb der Verantwortlichkeit einer Rolle liegen, um zu verhindern, dass Kompetenzprofile unnötig erweitert werden. Dieser Prozess erfordert ein tiefes Verständnis der Unternehmensstrukturen und Prozesse.
2. Zuordnung der Aufgaben in der veränderten Arbeitsteilung zwischen Mensch und KI: Basierend auf den festgelegten Rollen werden die Kern- und Detailaufgaben den jeweiligen Rollen zugewiesen. Dies ist nur durch eine enge Zusammenarbeit mit den betroffenen Bereichen möglich, da die tägliche Praxis und der fachliche Einblick der Mitarbeitenden einbezogen werden müssen. Das Ergebnis ist eine tabellarische Übersicht der (Job-)Rollen mit zugehörigen Aufgaben, die als Grundlage für die Zuordnung spezifischer KI-Kompetenzen dient.
3. Ableitung und Definition spezifischer KI-Kompetenzen zur Aufgaben-erfüllung: Die für die Erfüllung der Aufgaben erforderlichen Kompetenzen werden in professionelle, methodische, soziale und persönliche Kompetenzen unterteilt. Ein Kompetenzprofil umfasst das Wissen und die Fähigkeiten ("können"), die Zuständigkeit ("dürfen") und die Motivation ("wollen"), eine Aufgabe zu erfüllen. Diese Komponenten müssen im Kompetenzmanagement berücksichtigt werden, um realistische Kompetenzprofile zu erstellen. Die Zuordnung von Kompetenzen erfolgt entlang der Aufgaben einer (Job-)Rolle.
4. Definition von Kompetenzprofilen und Festlegung von Zielprofilen: Anhand der Aufgaben der (Job-)Rollen werden Kompetenzprofile erstellt, die die notwendigen Kompetenzen und deren Ausprägung definieren. Dieser Schritt erfordert eine kritische Betrachtung, um sicherzustellen, dass nur die relevanten Kompetenzen berücksichtigt werden. Das Zielprofil, häufig in Form eines Netzprofils dargestellt, zeigt die für eine Rolle erforderliche Kompetenzausprägung.
5. Kompetenzbedarfsanalyse und individuelles Assessment: In diesem Schritt werden Mitarbeitende den erstellten Kompetenzprofilen zugeordnet und ihre aktuelle Kompetenzausprägung bewertet. Dies kann durch die Beobachtung der Vorgesetzten oder durch eine kooperative Methode erfolgen, bei der Vorgesetzte und Mitarbeitende gemeinsam das Ist-Profil entwickeln und besprechen. Diese Methode fördert Motivation und Eigenverantwortung. Die Analyse liefert die Grundlage für die Planung von Weiterbildungsmaßnahmen.
6. Festlegen geeigneter Weiterbildungsmaßnahmen zum KI-Kompetenz-aufbau: Basierend auf der Kompetenzbedarfsanalyse werden spezifische Weiterbildungsmaßnahmen festgelegt, um die identifizierten Lücken zu schließen. Hierbei sind Lernangebote, die formales und informelles Lernen verbinden, besonders effektiv. Digitale Lerntechnologien erhöhen die Flexibilität und ermöglichen eine praxisnahe Umsetzung des Erlernten. Der Kompetenzaufbau wird im Rahmen von Mitarbeitergesprächen evaluiert und angepasst, um den nachhaltigen Lernerfolg sicherzustellen.

Dieser strukturierte Prozess des Kompetenzmanagements stellt sicher, dass Mitarbeitende in der Lage sind, die neuen Anforderungen durch KI-Assistenzsysteme zu bewältigen und sich kontinuierlich weiterzuentwickeln.

Veränderungen der Kompetenzanforderungen

Der Einsatz von KI-Assistenzsystemen führt zu signifikanten Veränderungen der Kompetenzanforderungen:

• Zunahme von Jobkomplexität und Fertigkeitsvielfalt: Besonders bei informationsverarbeitenden Tätigkeiten steigt die Komplexität der Aufgaben, was erweiterte Fähigkeiten erfordert ⁵.
• Mögliche Reduzierung der Autonomie: Bei gering- und mittelqualifizierten Tätigkeiten kann die Autonomie der Mitarbeitenden durch KI-Systeme eingeschränkt werden ⁵.
• Verschiebung des Aufgabenfokus: In der Montage verlagert sich der Schwerpunkt von kognitiven zu manuellen Nicht-Routine-Aufgaben ⁵.

Kompetenzentwicklung

Für eine erfolgreiche Implementierung von KI-Assistenzsystemen ist eine gezielte Kompetenzentwicklung entscheidend ^{6 3}:

• Strategische Integration: Die Kompetenzentwicklung sollte integraler Bestandteil der Unternehmensstrategie sein ⁴.
• Praxisorientierte Schulungen: "On-the-job-Trainings" und "Inhouse-Seminare" fördern den direkten Anwendungsbezug und erleichtern die Umsetzung im Arbeitsalltag ^{3 8}.
• Kombination von Formaten: Digitale Lernangebote sollten durch erfahrungsorientierte Präsenzveranstaltungen ergänzt werden, um unterschiedliche Lernbedürfnisse abzudecken ^{3 8}.
• Inklusion aller Mitarbeitergruppen: Insbesondere Geringqualifizierte sollten in die Kompetenzentwicklungsmaßnahmen einbezogen werden, um alle Mitarbeitenden auf den Wandel vorzubereiten ^{3 8}.

Die erfolgreiche Einführung von KI-Assistenzsystemen in der Produktion erfordert somit ein umfassendes Kompetenzmanagement, das technische, fachliche und überfachliche Kompetenzen berücksichtigt und alle Mitarbeitergruppen einbezieht ^{7 3}.

Schlussfolgerung

Die Einführung von KI-Assistenzsystemen in der Produktion erfordert mehr als nur technologische Anpassungen. Es bedarf eines umfassenden Kompetenzmanagements, das technische, fachliche und überfachliche Kompetenzen berücksichtigt. Die Fähigkeit, domänenspezifisches Wissen mit KI-Kenntnissen zu verknüpfen und flexibel auf neue Anforderungen zu reagieren, ist dabei von zentraler Bedeutung ^{7 3}. Unternehmen sollten daher in die kontinuierliche Weiterbildung ihrer Mitarbeitenden investieren und eine Kultur des lebenslangen Lernens fördern, um die Potenziale von KI in der Produktion voll auszuschöpfen.

Quellen/Footnotes

1. Plattform Lernende Systeme. Kompetenzentwicklung für KI – Bedarfe und Lösungsansätze für die Aus- und Weiterbildung. Abgerufen von https://www.plattform-lernende-systeme.de/files/Downloads/Publikationen/AG2_WP_Kompetenzentwicklung_KI.pdf
2. Plattform Lernende Systeme. KI und Arbeit – Kompetenzen. Abgerufen von https://www.plattform-lernende-systeme.de/schwerpunktthemen/ki-und-arbeit/kompetenzen.html
3. Fraunhofer IAO. Menschzentrierte KI-Anwendungen in der Produktion. Abgerufen von https://www.ki-fortschrittszentrum.de/content/dam/iao/ki-fortschrittszentrum/documents/studien/Menschzentrierte-KI-Anwendungen-in-der-Produktion.pdf
4. Plattform Lernende Systeme. AI Competence Development in Office and Production Work. Abgerufen von https://www.plattform-lernende-systeme.de/files/Downloads/Publikationen_EN/AG2_WP_AI_competence_GB.pdf
5. Dombrowski, U., & Wagner, T. Impact of Artificial Intelligence on Work in Assembly Systems. Journal of Intelligent Manufacturing, 2023. Abgerufen von https://link.springer.com/article/10.1007/s10845-023-02086-4
6. Rossi, A., et al. Artificial Intelligence in Industry: A Review on Uptake and Competencies. 2022. Abgerufen von https://re.public.polimi.it/retrieve/e0c31c12-685b-4599-e053-1705fe0aef77/SSRN-id4072671.pdf
7. Handelsblatt Live. KI am Arbeitsplatz: Welche Kompetenzen jetzt gefragt sind. Abgerufen von https://live.handelsblatt.com/ki-am-arbeitsplatz-welche-kompetenzen-jetzt-gefragt-sind/
8. Plattform Lernende Systeme. Kompetenzentwicklung für KI – Bedarfe und Lösungsansätze für die Aus- und Weiterbildung. Abgerufen von https://www.plattform-lernende-systeme.de/files/Downloads/Publikationen/AG2_WP_Projektbericht_Kompetenzentwicklung_KI.pdf
9. Stifterverband und McKinsey: Future-Skills-Framework, 2021 Abgerufen von https://future-skills.net/framework