auswirkungen von künstlicher intelligenz auf die arbeitswelt...und reagieren auf ihre umwelt. das...

@ifaa_online

Prof. Dr.-Ing. habil. Sascha Stowasser

Frankfurt, 28.05.2019

Auswirkungen von Künstlicher Intelligenz

auf die Arbeitswelt

ARBEITSWELT DER ZUKUNFT –

Wie sieht diese aus?

Industrielle Entwicklung

28.05.2019 © ifaa | Stowasser - Frankfurt 4

Lernende Systeme sind der nächste Schritt der Digitalisierung. Sie lösen

vorgegebene Aufgaben selbstständig und reagieren auf ihre Umwelt. Das

Verhältnis von Mensch und Maschine ändert sich damit grundlegend – und

muss im Sinne des Menschen gestaltet werden.

https://w

ww

.skype.c

om

/

Wirtschaft 5.0lernende Systeme und künstliche

Intelligenz (im Warmlauf)

Quelle: ABB 2018

Künstliche Intelligenz –

Wie verändert sich die Beschäftigung?

Umsatzrelevanz von KI –

TOP 4 der Branchen (Quelle: Statista 2019)

28.05.2019 © ifaa | Stowasser - Frankfurt 6

Platz 1: Automobilproduktion

(2019: 45 Mrd. €)

Platz 2: Konsumgüterproduktion

(2019: 26 Mrd. €)

Platz 3: Maschinenbau

(2019: 16 Mrd. €)

Foto

: A

udi 2019

Foto

: F

esto

2019

Platz 4: Elektronikproduktion

(2019: 15 Mrd. €)

Foto

: P

ixabay

20

19

Fo

to:

Fa

roo

qu

i2010

KI-Anwendungen und Beispiele

28.05.2019 © ifaa | Stowasser - Frankfurt 7

KI-Technologien Zugehörige Verfahren und Methoden

Predictive Analytics • Überwachung und Wartung der Produktionsanlagen, um auf der Basis von

Sensordaten auf kritische Zustände wie Überhitzung einer Produktionsanlage

Rückschlüsse ziehen und proaktiv auf mögliche Ausfälle reagieren zu können

• Beschaffungsplanung unter der Berücksichtigung von Absatzschwankungen

Optimiertes Ressourcenmanagement • Optimierung von Produktions- und Fertigungsplänen

• Personalplanung

• Optimierung von Prozessen in der Ein- und Ausgangslogistik

Qualitätskontrolle • Prüfung der Beschaffenheit von Bauteilen oder sonstigen Produktionsstoffen

• Überprüfung von Korrektheit der Montageprozesse anhand von Video-, Bild- oder

auch Sensordaten

Intelligente Assistenzsysteme • Einarbeitung in Verwaltungsprozesse

• Montageeinleitungen

• Unterstützung bei Fertigungsprozessen

• Unterstützung in der Weiterbildung

Wissensmanagement • Management von unternehmensinternen Informationen und Prozessen

• Datenmodelle für komplexe Engineering-Prozesse

• Produktkonfiguration und Beschreibung von Schnittstellen zwischen verschiedenen

Bauteilen und Produkten

… …

Quelle: BMWi iit (2018) Potenziale der künstlichen Intelligenz im produzierenden Gewerbe in Deutschland

KI-Anwendungen und Beispiele

28.05.2019 © ifaa | Stowasser - Frankfurt 8

KI-Technologien Zugehörige Verfahren und Methoden

Robotik • Adaptive, lernende industrielle Robotersysteme in der Produktion und Fertigung

• Adaptive Service-Roboter

• Lernende, selbstregulierende Greifsysteme und Montageroboter

Autonomes Fahren und Fliegen • Fahrerlose Transportsysteme wie Reinigungsroboter oder autonom fliegende

Drohnen für Bestückung von Regalen in Lagerhallen

Intelligente Automatisierung • Automatisierung von Routineprozessen in Fertigung und Montage durch

selbstregulierende Anpassung der Steuerungsparameter

• Automatisierung von Arbeitsschritten in IT-gestützten Unternehmensprozessen

(Robotic Process Automation) inklusive Entscheidungen, die bisher nur von

Menschen getroffen wurden, wie E-Mail-Antworten auf Kundenanfragen

Intelligente Sensorik • Umgebungswahrnehmungen (Bild, Laserscan) und Vorverarbeitung der Daten für

Kollisionsvermeidung der fahrerlosen Transportsysteme

• Vorverarbeitung der Daten beim Monitoring von Produktionsanlagen

… …

Quelle: BMWi iit (2018) Potenziale der künstlichen Intelligenz im produzierenden Gewerbe in Deutschland

Machine Learning als neuartiger Lösungsansatz

Einsatzgebiete (in der Automobilbranche)

28.05.2019 © ifaa | Stowasser - Frankfurt 9

ProduktEntwicklungs-

prozessFertigung

Vertrieb,

Finanzen

Mensch-

Maschine-

Interaktion

Virtueller Persönlicher

Assistent (im Auto)

Computergestütztes

Design

Systeme zur Arbeits-

unterstützung

Vertriebs-

assistenten

Daten-

analyse

Cloud-Plattform für

Digitale Dienste

Datenbasierte

Ticketsysteme

Production Analytics Business & Customer

Analytics

Autonome

Systeme

Algorithmen für

automatisiert. Fahren

Kooperative Robotik

und Logistik

Quelle: Stolle R (2017) Machine Learning für autonomes Fahren

Vernetzte Digitalisierung und künstliche Intelligenz

Situationserkennung

und Datenerfassung

Interpretation

Information

Lernen

• Mensch-

Maschine-

Schnittstelle/

Interaktions-

modalitäten

• Absichts- und

Planerkennung

• Nutzermodelle

• Human

Awareness

• Künstliche

Intelligenz

• Domänenmodelle

• Ontologien

• Semantische

Technologien

• Selbst-

organisierende

Kommunikations-

netze

• dynamische

Situationsbewertung

© ifaa, Prof. Dr. Stowasser, Düsseldorf &

© BC Forschung, Oleg Cernavin, Wiesbaden28.05.2019 © ifaa - Stowasser - Frankfurt

ErkennenVerarbeiten

Steuern

Interagieren

• Sensorfusion

• Mustererkennung

• Situationskarten

• Semantische

Technologien

• Assistenzsysteme

• Selbstorganisierende

Kommunikations-

netze

• Kommunikations-

infrastruktur/–

plattform

• Maschinelles Lernen

• Data Mining

Interaktion

Autonomie

Systembeherrschung

TE

CH

NO

LO

GIE

N

ME

TH

OD

EN

(B

sp

.)F

OK

US

un

d

EIN

SA

TZ

Foto: Proglove 2018

Foto: ifaa 2018

Foto: ABB 2018

Foto: ifaa 2016

75 % der Arbeitssysteme

verändern sich

10

Künstliche Intelligenz –

Gestaltung der Arbeit und Organisation

Arbeitsbezogene Themenfelder

im Kontext der Arbeitswelt 4.0 & künstlicher Intelligenz

Arbeitsschutz

Entgelt

Arbeitszeit

Arbeitsorganisation

Rechtlicher Rahmen

© Stowasser 2014 28.05.2019 © ifaa | Stowasser - Frankfurt

Arbeitsgestaltung

Digitale

Arbeits-

welt 4.0

Heusch GmbH&Co. KG, Aachen,

Quelle: ifaa 2016

Qualifikation/

Qualifizierung

Quelle: Volkswagen AG 2013, Salzgitter Quelle: ifaa 2016

Quelle: Fraunhofer IFF 2016

Quelle: Niels Pfläging 2016

12

Vorgehensmodell “Künstliche Intelligenz“

nach DIN EN ISO 6385

28.05.2019 © ifaa | Stowasser - Frankfurt 13

Sto

wa

sser

20

19

1 Analyse

der Anfor-derungen

2 Aufgaben-

teilung

3 Design-konzept

und -details

4Er-

probung, Reali-

sierung

5 Evaluation

Speziell bei der KI-Einführung:- Welche Arbeitsinhalte

übernimmt der Mensch?- Was macht die KI-Komponente?- Hat der Mensch noch eine

sinnvoll (vollständige)Arbeitsaufgabe?

Speziell bei der KI-Einführung:- psychische Belastungsarten

(z.B. die menschlicheHemmschwelle KI zu akzeptieren)

- Umgang mit der Transparenz derEntscheidungsfindung/Intervention

- Datensicherheit- Führung- Qualifizierung der Beschäftigten- Kommunikationsergonomie

StrukturiertZiel-

gerichtet

Mitarbeiter-orientiert

Wirtschaft-lich

Paradoxon der KI

28.05.2019 © ifaa | Stowasser - Frankfurt 14

Expertenintelligenz

• Kognitive Fähigkeiten

• Wissensintensive

Fähigkeiten

• Fehler im Computer-Chip

finden

• Schachmeister besiegen

• Stahlproduktion

optimieren

Alltagsintelligenz

• Sensomotorische

Fähigkeiten

• Sozioemotionale

Fähigkeiten

• SIM-Karte wechseln

• Beliebige Witze

verstehen

• Kind trösten

Schwere Probleme sind leicht,

leichte Probleme sind schwer.

Quelle: Wahlster W (2017) Maschinelles Lernen als eine Grundlage Künstlicher Intelligenz. Vortrag

Maschinelle vs. menschliche Intelligenz

28.05.2019 © ifaa | Stowasser - Frankfurt 15

Dimensionen der

Intelligenz

Sensomotorische

Intelligenz + ++

Kognitive Intelligenz ++ +

Emotionale Intelligenz – (heute) ++

Soziale Intelligenz – (heute) ++

Modifiziert in Anlehnung an Wahlster 2017

KI im betrieblichen Alltag

28.05.2019 © ifaa | Stowasser - Frankfurt 16

Quelle: Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO:

Studie zum Einsatz Künstlicher Intelligenz in Unternehmen. Stuttgart, März 2019

Künstliche Intelligenz –

Beschäftigungsimplikationen?

Studie Untersuchte

Region

Zeit-

horizont

Gefährdungspotenzial Am stärksten

gefährdete

Beschäftigungs-

segmente

Frey und Osborne

(2013)

USA 47% der Beschäftigung mit hohem

Substitutionsrisiko in den USA (>70%

Substitutionsrisiko)

Logistik; Bürokräfte;

Produktion; Service;

Verkauf; Bau

Bowles (2014) 51% der Beschäftigung mit hohem

Substitutionsrisiko in Deutschland nach

Ansatz von Frey und Osborne

Amtz et al. (2016) OECD 12% der Beschäftigung in Deutschland mit

hohem Substitutionsrisiko (nach

tätigkeitsbasiertem Ansatz)

The World Bank

Group (2016)

41 Länder und

OECD

55-85% der Beschäftigung anfällig für

Automatisierung in OECD-Ländern

World Economic

Forum (2016)

15 Länder/-

gruppen

2015-2020 +2% der Beschäftigung durch

technologische Entwicklung weltweit, dabei

-1,56% durch KI

Berriman und

Hawksworth (2017)

Deutschland,

Japan, USA,

UK

Bis 2020 35% der Beschäftigten mit hohem

Automatisierungsrisiko in Deutschland

Logistik

Manyika et al. (2017) 46 Länder 48% Automatisierungspotenzial durch

verfügbare Technologien in Deutschland

Produktion

Nedelkoska und

Quintini (2018)

OECD 23% der Beschäftigung in Deutschland mit

hohem Automatisierungsrisiko (>70%

Automatisierungsrisiko)

Beschäftigungseffekte der fortschreitenden Digitalisierung

International

28.05.2019 © ifaa | Stowasser - Frankfurt 18

Quelle

: A

pt, P

riesak

2019, in

Erg

änzung z

u H

ein

en e

t al. 2

017

Beschäftigungseffekte der fortschreitenden Digitalisierung

Deutschland

28.05.2019 © ifaa | Stowasser - Frankfurt 19

Studie Zeit-

horizont

Gefährdungspotenzial Am stärksten gefährdete

Beschäftigungssegmente

Bonin et al. (2015) 42% der Beschäftigten mit hohem Substitutionsrisiko

nach Ansatz von Frey und Osborne; 12% der

Beschäftigung nach tätigkeitsbasiertem Ansatz

Bürofachkräfte;

Montageberufe

Brzeski und Burk (2015) 59% der Arbeitsplätze bedroht Bürofachkräfte;

Montageberufe

Dengler und Matthes

(2015)

15% der Beschäftigten mit sehr hohem

Substituierbarkeitspotenzial (>70% der Tätigkeiten

schon heute ersetzbar)

Bürofachkräfte;

Montageberufe

Wolter et al. (2015) Bis 2025 -60.000 Arbeitsplätze

Vogler-Ludwig et al.

(2016)

Bis 2030 +250.000 Arbeitsplätze Bürofachkräfte;

Montageberufe

Dengler und Matthes

(2018)

25% der Beschäftigten mit sehr hohem

Substituierbarkeitspotenzial (>70% der Tätigkeiten

schon heute ersetzbar)

Fertigungsberufe;

Fertigungstechnische Berufe

Amtz et al. (2018) 2016 –

2021

+1,8% Beschäftigungszuwachs Landwirtschaft; Bergbau;

Gastgewerbe

Zika et al. (2018) Bis 2035 -60.000 Arbeitsplätze Fahrzeugbau; Sonstiges

verarbeitendes Gewerbe Quelle

: A

pt, P

riesak

2019, in

Erg

änzung z

u H

ein

en e

t al. 2

017

Wirkung auf Beschäftigung, Berufsbilder und Tätigkeiten –

Am Beispiel arbeitswissenschaftlicher Kriterien

28.05.2019 © ifaa | Stowasser - Frankfurt 20Quelle: Stowasser 2018

Technologieimplikationen multikriteriell und schwer prognostizierbar – deshalb z.T. stark polarisierend

IMPLIKATIONSWIRKUNG

Automatisierung Roboterisierung Digitalisierung ...Technologiety

p

Großserie Kleinserie Individualfertigung ...Fertigungstyp

ENTFALL

NEUENTSTEHUNG

Ver-änderungen

der Tätigkeiten

Kompetenz-dynamik:

• Fachlich• Sozial• Methodisch

BEEINFLUSSER

ARBEITSWISSENSCHAFTLICHE KRITERIEN

Gesell-schaft

MEN-SCHEN

Politik

Unter-neh-men

Sozial-partner

For-schung

Herzlichen Dank für Ihre Aufmerksamkeit!

@ifaa_online

Weitere Informationen finden Sie auf unserer Webseite: www.arbeitswissenschaft.net

Prof. Dr. Ing. habil. Sascha Stowasser

www.arbeitsforscher.de

Quell- und Bildnachweise/Literaturübersicht

28.05.2019 © ifaa | Stowasser - Frankfurt

ABB 2018: http://www.the-financedirector.com/features/featureturn-and-face-the-change-cfo-eric-elzvik-on-transforming-abb-

4941191/featureturn-and-face-the-change-cfo-eric-elzvik-on-transforming-abb-4941191-2.html

Apt, Wenke; Priesack, Kai: KI und Arbeit – Chance und Risiko zugleich. In: Wittpahl, Volker (Hrsg.), Künstliche Intelligenz; Berlin, Springer

Verlag, S. 221-238.

AssemblySolutions (2016), https://www.assemblysolutions.de

Audi 2019: https://www.blechonline.de/audi-setzt-auf-ki-zur-qualitaetspruefung-im-presswerk

BMWi iit (2018) Potenziale der künstlichen Intelligenz im produzierenden Gewerbe in Deutschland.

https://www.bmwi.de/Redaktion/DE/Publikationen/Studien/potenziale-kuenstlichen-intelligenz-im-produzierenden-gewerbe-in-

deutschland.pdf?__blob=publicationFile&v=8

DFKI, Xenoma, wearHealth (2019), https://www.dfki.de/en/web/news/detail/News/xenoma0/

DIN EN ISO 6385:2016-12: Grundsätze der Ergonomie für die Gestaltung von Arbeitssystemen (ISO 6385:2016); Deutsche Fassung

EN ISO 6385:2016

FCA (2018), Fiat Chrysler Automotive.

FAZ, dpa (2016), Wenn Mensch und Maschine Hand in Hand arbeiten, https://www.faz.net/aktuell/wirtschaft/wenn-mensch-und-maschine-

hand-in-hand-arbeiten-14297377.html

Festo 2019: https://www.computer-automation.de/bilder/?gid=8093&cp=2

Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO: Studie zum Einsatz Künstlicher Intelligenz in Unternehmen. Stuttgart, März 2019

Fraunhofer IFF (2015), https://idw-online.de/en/image262716

Fraunhofer IFF (2016), https://www.iff.fraunhofer.de/de/geschaeftsbereiche/messtechnik-prueftechnik/visuelle-assistenz.html

Fraunhofer IML (2018), Kognitive Ergonomie: Mensch-Technik-Interaktion besser gestalten, https://www.wissenschaftsjahr.de/2018/neues-

aus-den-arbeitswelten/das-sagt-die-wissenschaft/kognitive-ergonomie-mensch-technik-interaktion-besser-gestalten/

Google (2014), https://de.wikipedia.org/wiki/Datei:Google_Glass_Model.jpg

ifaa (Hrsg.) (2016) Digitalisierung & Industrie 4.0. So individuell wie der Bedarf – Produktivitätszuwachs durch Informationen. ifaa, Düsseldorf

22 22

Quell- und Bildnachweise/Literaturübersicht

28.05.2019 © ifaa | Stowasser - Frankfurt

ifaa (Hrsg.) (2018) Digitalisierung & Industrie 4.0 – Good-Practice-Ansätze zur erfolgreichen Umsetzung. ifaa, Düsseldorf

IPA (2018), Fraunhofer Institut Produktionstechnik und Automatisierung, https://www.ipa.fraunhofer.de/de/Kompetenzen/biomechatronische-

systeme/antriebssysteme-exoskelette.html

Lockhead Martin (2014), https://www.produktion.de/share/pro/sitemap-article-2015-08-1.xml

MPDV Mikrolab GmbH (2015), https://www.pressebox.com/pressrelease/mpdv-mikrolab-gmbh-mosbach/Perfect-Vision-allows-for-Quick-

Reaction/boxid/671362

Ottobock (2018); https://www.ottobock.com/de/unternehmen/ottobock-industrials/paexo/

Proglove (2018), https://www.proglove.de

Skype (2019), https://www.skype.com/de/features/skype-translator/

Stolle R (2017) Machine Learning für autonomes Fahren. Vortrag

Stowasser S (2018) Auswirkungen von Industrie 4.0 auf die Arbeitsgestaltung. Industrie 4.0 illustriert am Beispiel der Mensch-Roboter-

Kollaboration. DIN Mitteilungen 97(2):5–7

VR Realities (2017), https://www.researchgate.net/figure/A-example-of-HMD_fig9_228906145

VW (2013), http://www.waz-online.de/Wolfsburg/Volkswagen/Premiere-VW-laesst-erstmals-Mitarbeiter-und-Roboter-Hand-in-Hand-arbeiten

Wahlster W (2017) Maschinelles Lernen als eine Grundlage Künstlicher Intelligenz. Vortrag

Xsens (2016), https://www.youtube.com/watch?v=mb43UqVpqOw

23 23

Quelle: Wahlster W (2017) Maschinelles Lernen als eine Grundlage Künstlicher Intelligenz. Vortrag