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 verfügen über das erforderliche Fachwissen und die entsprechenden Fähigkeiten, um die täglichen Aufgaben ihrer Position gerecht zu bewältigen. Je nach Tätigkeitsfeld können hierzu auch manuelle Fertigkeiten gehören.
• Grundlegende digitale Kompetenzen: BBeschäftigte nutzen digitale Medien und Technologien sicher und souverän. Sie beherrschen gängige Office-Programme und arbeiten effektiv mit Tools zur digitalen Zusammenarbeit. Zudem besitzen sie ein ausgeprägtes Bewusstsein für digitale Sicherheitsaspekte.
• KI-Awareness: Beschäftigte sind mit den im Unternehmen eingesetzten KI-Systemen und deren grundlegenden Fähigkeiten vertraut, insbesondere mit deren Grenzen. Sie sind sensibilisiert für die Art der Daten, die von den KI-Systemen verarbeitet werden, einschließlich möglicher personenbezogener Daten, und erkennen die damit verbundenen Herausforderungen.

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

• MMI-Kompetenzen: Beschäftigte besitzen die Fähigkeiten, effektiv und zielgerichtet mit Mensch-Maschine-Interaktionen (MMI) umzugehen, basierend auf dem jeweils aktuellen Stand der Technik.
• Grundwissen Maschinelles Lernen: Beschäftigte verfügen über ein grundlegendes Verständnis von Maschinellem Lernen, einschließlich Deep Learning und neuronaler Netzwerke, und sind in der Lage, dieses Wissen gezielt in der Mensch-Maschine-Interaktion einzusetzen.
• Fähigkeiten in Programmiersprachen, Plattformen, Frameworks und Bibliotheken: Beschäftigte beherrschen relevante Programmiersprachen wie Python, die als Grundlage für Anwendungen im Maschinellen Lernen dienen. Sie sind vertraut mit der Nutzung gängiger Plattformen wie Amazon Web Services (AWS) sowie Frameworks und Bibliotheken wie Spark oder Hadoop (Büchel & Mertens, 2021).
• Big Data, Data Science und Data Analytics: Beschäftigte besitzen die Fähigkeit, Daten zu verwalten, zu erfassen, zusammenzustellen, zu verarbeiten und zu modellieren sowie große Mengen strukturierter und unstrukturierter Daten zu analysieren. Zu den zentralen Kompetenzfeldern zählen fortgeschrittene Mathematik, Kryptografie, Datenethik, Datenschutz und Data Mining (Gesellschaft für Informatik, 2019).
• Prozess- und Systemkompetenz: Beschäftigte sind in der Lage, Unternehmensprozesse zu erkennen, in prozessorientierten Zusammenhängen zu denken und ihr eigenes Arbeitsverhalten entsprechend zu strukturieren. Sie können komplexe Sachverhalte und Prozesse als Systeme analysieren, rekonstruieren und modellieren, um darauf basierend Prognosen zu erstellen und Handlungsoptionen zu entwickeln. Insbesondere verstehen sie die Auswirkungen von KI auf Unternehmensprozesse, erkennen die damit verbundenen Veränderungen und optimieren ihre eigenen Arbeitsabläufe im Zusammenspiel mit KI-Systemen.
• Problemlösungskompetenz, Resilienz: Beschäftigte sind in der Lage, unerwartete Situationen und Herausforderungen rasch zu erkennen, angemessen darauf zu reagieren und effektive Lösungsstrategien zu entwickeln. Dies schließt insbesondere das Wissen und die Fähigkeit ein, bei KI-gesteuerten Prozessen gezielt zu intervenieren, um Probleme zu beheben oder Anpassungen vorzunehmen.
• Reflexionskompetenz: Beschäftigte verfügen über die Fähigkeit, Informationen und Ergebnisse von KI-Systemen kritisch zu analysieren und zu bewerten. Sie können fundiert und eigenständig beurteilen, in welchen Situationen Vertrauen in KI-Systeme und deren generierte Daten gerechtfertigt ist.

3.Gestaltung des Kontextes von KI:

• Selbstkompetenzen: Beschäftigte zeichnen sich durch ein hohes Maß an Eigenverantwortung und Selbstorganisation aus. Sie sind neugierig und bereit, sich aktiv in den Umgang mit Maschinellem Lernen und KI-Technologien einzuarbeiten und diese in ihrer Arbeit anzuwenden.
• Soziale- und Kommunikations-kompetenz: Beschäftigte sind in der Lage, aktiv in Teams mit vielfältigen Zusammensetzungen mitzuwirken. Sie arbeiten effektiv mit Kolleg:innen zusammen, die unterschiedliche fachliche Hintergründe sowie variierende Erfahrungs- und Kompetenzniveaus haben. Im Austausch mit Kund:innen und Nutzer:innen der KI-Systeme können sie die spezifischen Einsatzmöglichkeiten und Besonderheiten der KI-Systeme in ihrem Zuständigkeitsbereich verständlich und zielgruppengerecht erläutern.
• (Personal-)Management, Führungskompetenz, Change-Manage-ment: Führungskräfte sind in der Lage, Teams effektiv zu organisieren, Aufgaben zu koordinieren und zu delegieren. Sie können die Potenziale und Grenzen von KI-Systemen klar kommunizieren, Bedenken oder Ängste im Team abbauen und Weiterbildungsmöglichkeiten gezielt fördern. Bei der Einführung von KI-Systemen in Unternehmensprozesse setzen sie realistische Ziele und gestalten den Change-Prozess aktiv und unterstützend mit.
• Entscheidungskompetenz: Beschäftigte sind sich ihrer Zuständigkeiten bewusst und fähig, innerhalb ihres Verantwortungsbereichs fundierte und zuverlässige Entscheidungen zu treffen.
• Anpassungsfähigkeit, Transfer: Beschäftigte können sich flexibel an die durch KI-bedingten Möglichkeiten und Herausforderungen anpassen und ihre Arbeitsweise entsprechend ausrichten.

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