An AI-Match in Heaven: OpenClaw und virtuelle Avatare
Mehr lesen »

Jeder sieht dasselbe… und versteht doch etwas völlig anderes.
Das Bauamt denkt in Genehmigungsverfahren und Sperrzeiten. Die Stadtwerke rechnen Anschlusskosten durch. Die Wohnungsbaugesellschaft fragt sich, wie sie das den Mieterinnen und Mietern erklärt. Die Industrievertreterin will wissen, ob die Abwärme wirklich eingespeist werden kann. Und die Bürgervertretung? Die möchte verstehen, warum ausgerechnet durch die Kleingartenanlage gebaggert werden soll.
Zwei Stunden später: Viele Fragen notiert, einige Missverständnisse aufgeklärt, neue Missverständnisse entstanden. Der Termin fürs nächste Meeting steht.
Das kennen Sie. Das kennen wir alle. Ob bei der Einführung einer neuen Software im Unternehmen, der Abstimmung zwischen Vertrieb und Entwicklung über ein Produktfeature, beim Glasfaserausbau oder bei der Quartiersentwicklung - komplexe Projekte sehen fast immer so aus. Und auf den ersten Blick scheint das auch in Ordnung. So läuft es eben.
Aber muss das so bleiben?
Meine Kollegin Josephine Hofmann warnt in ihrem Blogbeitrag vor Deskilling. Da ich Generative KI selbst intensiv nutze, hat mich diese Frage stärker beschäftigt, als mir lieb war. Und ich gehe noch einen Schritt weiter: Berufliche Skills und auch der Beruf selbst sind Teil meiner Identität. Für mich ist die eigentliche Frage, die Generative KI stellt, deshalb nicht: »Verliere ich meinen Job?«, sondern eine deutlich unangenehmere. Die Frage nach meinem Selbstbild: »Wer bin ich noch, wenn die Maschine das auch kann?«
Adopting AI into working routines in a reasonable and economical manner will be crucial for small and big businesses. However, a recent study by the OECD shows that large firms are much faster in adopting AI technology than smaller companies. The study also shows that the obstacles to productive AI use differ depending on the company size. In a study for the project “Zentrum Zukunft der Arbeitswelt”, our colleagues from the University of Stuttgart IAT found that even German small and medium enterprises (SMEs) face a wide range of obstacles that hinder faster AI adoption. Thus, there is no quick and easy solution for companies that genuinely want to benefit from the technology. Especially SMEs may need different tools and formats of support at different stages on their AI learning journey.
Companies need evaluation instruments to steer through demanding AI transformation processes. Often, practitioners face a conflict between picking tools with very few items that are easy and fast to answer but which may be of little use – and longer tools that really could help but are difficult to vouch for. We offer an approach to deal with this issue.
Die KI wird uns nicht höflich fragen, ob wir bereit sind – sie wird einfach die Tür einrennen, sich setzen und sagen: »Übrigens, dein Jobprofil ist jetzt ‘ne nette Erinnerung an die Vergangenheit. Danke, dass du so lange mitgemacht hast.« Keine Panik, sie ist dabei total charmant. Und bevor du es merkst, ist dein Jobprofil so veraltet wie das Faxgerät im Archiv. Doch wie konkret wird KI zu einer Veränderung der Arbeitswelt und der Jobprofile führen? Hierzu kann man sich drei Szenarien vorstellen.
In diesem Blogbeitrag möchten wir unser Wissen teilen: In rund 25 durchgeführten KI-Prompting-Werkstätten und Promptathons mit rund 400 Menschen hat das Fraunhofer IAO in den letzten 2,5 Jahren auf Basis von teilnehmender Beobachtung vielfältige Erkenntnisse sammeln können. Dabei fielen immer wieder gleiche und ähnliche Muster auf, wie Menschen sich verhalten bzw. wie sie ihre Zusammenarbeit mit der GenAI beschreiben und erklären.
Spoiler: In einem der nächsten Blogbeiträge werden wir Bericht erstatten, wie wir bei unserem Format KI-Prompting-Werkstätten und Promptathons grundsätzlich mit Menschen, Unternehmen und GenAI zusammenarbeiten. Es geht dann im Einzelnen um Ziele, Vorgehen, Rahmenbedingungen, Erfolgsfaktoren, Ergebnisse und weitere Aspekte.