@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