Die Arbeitswelten der Zukunft werden entscheidend von der Entwicklung Künstlicher Intelligenz (KI) geprägt sein. Das Fraunhofer IAO verfolgt in seiner Forschungsarbeit das Ziel, KI-Anwendungen umzusetzen, denen die Menschen vertrauen und die sie akzeptieren.
Immer mehr Unternehmen arbeiten an der Einführung von Künstlicher Intelligenz (KI) in der Produktion. Doch viele betriebliche Entscheider*innen sind sich unsicher, wie sie KI-Systeme in ihrer Produktion umsetzen sollen und welche Kompetenzen dabei benötigt werden. Sie unterschätzen zudem die Wichtigkeit von einfach bedienbaren Mensch-KI-Schnittstellen. Da der Mensch im Idealfall komplementär zu und kollaborativ mit KI-Systemen interagieren soll, ist Usability häufig der entscheidende Faktor für eine erfolgreiche KI-Einführung.
KI-Technologien sind in vielen Unternehmensbereichen im Produktionsumfeld einsetzbar und können schon heute für mehr Sicherheit und Effizienz sorgen. In der Unternehmenspraxis werden bislang hochspezialisierte Anwendungen mit Technologien und Verfahren des maschinellen Lernens eingesetzt. KI-Systeme können dabei sehr große Datenmengen oder sich ständig aktualisierende Sensordaten verarbeiten und Abweichungen im Prozess oder bei Bauteilen erkennen, Vorhersagen machen, Entscheidungen vorbereiten oder eigenständig Aktionen durchführen. So können u.a. Stillstände, Qualitätsprobleme und Fehlchargen vermieden sowie die Produktionsprozesse und Energie- und Ressourceneffizienz optimiert werden.
Warum der Mensch weiter wichtig bleibt
In kritischen produktionsnahen Bereichen stellt die Realisierung vollautomatisierter KI-Steuerungen technisch, ökonomisch und aus rechtlicher Sicht eine große Herausforderung dar, weshalb der Mensch häufig weiterhin die endgültigen Entscheidungen trifft. Zur Prüfung eines Schadensfalls muss z. B. dokumentiert werden, wie genau Entscheidungen zustande gekommen sind. Dies ist bei KI-Systemen, die sich häufig wie eine Blackbox verhalten, sehr schwierig.
Betrachtet man zudem die Stärken von Mensch (u.a. Autonomie und Flexibilität durch Assoziationsfähigkeit und Kreativität) und Maschine (u.a. Verarbeitung großer Datenmengen, gleichbleibende Performanz und Genauigkeit bei häufig wiederholenden Tätigkeiten), wird schnell klar, dass nur die ausgewogene Zusammenarbeit und Interaktion die Stärken von Mensch und Maschine voll ausspielen kann.
Der Mensch mit seinem Erfahrungswissen und seinen Stärken wird deshalb auch zukünftig eine wichtige Rolle spielen, ob als Entscheider*in, als Akteur*in oder auch als Sensor bzw. als die Person, die ein KI-System kontrolliert, trainiert und optimiert. Der Mensch nimmt dabei immer mehr eine dirigierende Rolle ein, der geschickt ganze Produktionsprozesse leitet und komplementär zu und kollaborativ mit KI-Systemen interagiert.
Was sind Mensch-KI-Schnittstellen und welche Anforderungen gibt es?
Die Mensch-KI-Schnittstelle nimmt eine zentrale Rolle ein, um die beschriebene Kollaboration und Interaktion zu ermöglichen, die Datenflut auf die relevanten Informationen zu beschränken und Entscheidungen, z. B. durch gute Erklärbarkeit von Prognosen, zu unterstützen. Solche Nutzungsschnittstellen können in der Produktion in verschiedenen Formen integriert und bedient werden: z. B. über ein Maschinenbedienpanel, fixierte Monitore, per Smartphone oder Smartwatch.
Neben den Normen zur Gebrauchstauglichkeit (Usability) und Arbeitsgestaltung gibt es darüber hinaus KI-Gestaltkriterien, mit denen sich die Qualität der Mensch-KI-Interaktion bewerten lassen (vgl. HAI-MMI in den Leselinks).
KI-Gestaltkriterien am Beispiel vorausschauende Wartung
Durch Erkennung von Unregelmäßigkeiten z. B. bei Vibration, Temperatur, Druck, Ölzufuhr oder Geräuschen werden bei der vorausschauenden Wartung Ausfälle von Maschinen bzw. von einzelnen Baugruppen oder Werkzeugen vorhergesagt. Instandhalter*innen werden über eine Nutzungsschnittstelle informiert (siehe Abbildung 1). Dadurch können sie Wartungsarbeiten besser planen und eingreifen, bevor es zu einem Ausfall kommt.
Abbildung 1: Erklärbare und vertrauenswürdige KI am Beispiel vorausschauende Wartung (Quelle: eigene Abbildung nach seebo)
Im Sinne einer guten Erklärbarkeit und Vertrauenswürdigkeit zeigt das System, welche aussagekräftigen Anomalien und korrelierenden Faktoren für eine Einschätzung verantwortlich sind. Das System gibt eine Wahrscheinlichkeit an, mit der es innerhalb der nächsten 6, 12 oder 24 Stunden oder gar nicht zu einem Ausfall kommen könnte. Der Messwertverlauf ist unterstützend einsehbar (IST-Stunden, Abweichungen, Toleranzen, Bewertung, Trend). Das System zeigt zudem, welche ähnlichen Ereignisse es in der Vergangenheit gab und ob das System bei diesen Fällen richtiglag.
Das System kann bei der Koordination helfen, indem es allen Instandhalter*innen anzeigt, in welcher Schicht das Problem vermutlich auftreten und welcher Auftrag betroffen sein wird. Basierend auf diesen Informationen kann der Mensch die Aufgaben koordinieren. In einer anderen Ausprägung kann das System selbst gezielt einzelnen Personen Aufgaben zuweisen und auch die Reihenfolge vorgeben. Menschen sollten Vorschläge immer noch ablehnen und selbst entscheiden können. Wenn diese Autonomie fehlt, kann es zu Frust kommen. Es werden deshalb Aktionen mit mehreren Alternativen und offenen Formulierungen vorgeschlagen, z. B.: »Werkzeug wechseln oder Zustand sehr genau überwachen, falls Sie den Prozess weiterlaufen lassen«.
Auch bei der Arbeitsteilung kann es mehrere Varianten geben. Zum einen kann der Mensch immer für Wartungstätigkeiten zuständig sein und die Meldungen manuell überwachen oder aktiv durch das System benachrichtigt (z. B. per Smartwatch) werden. Zum anderen kann das System z. B. eigenständig Werkzeugwechsel auslösen oder automatische Wartungsmaßnahmen wie die Zugabe von Schmierstoff aktivieren.
Das System ermöglicht es dem Mensch mit der Zeit zu lernen, welche Anomalien zu Ausfällen führen und wie lange die Wartungszyklen dauern bzw. von welchen Faktoren diese beeinflusst werden. Andererseits können Mitarbeiter*innen über Eingabemechanismen ebenfalls ihr Erfahrungswissen einbringen und einen Wartungsfall einstellen, wenn sie z. B. selbst wegen einer eigenartigen Geräuschentwicklung einer Maschine einen baldigen Ausfall erwarten. Sie können dem System Rückmeldung geben, ob es wirklich in einem bestimmten Zeitraum zu einem Ausfall gekommen ist oder ob eine durchgeführte Wartung zur Lösung einer Anomalie geführt hat.
Weiterhin ist die Adaptivität des Systems wichtig, also die Anpassung an die Gegebenheiten der Produktionsumgebung und die Verknüpfung mit anderen Systemen. Bei vorgeschlagenen Wartungsaufgaben berücksichtigt das KI-System z. B., wann der nächste Auftrag fertig ist, oder ob Instandhaltungspersonal bei geringerer Maschinenauslastung am Wochenende verfügbar ist. Hierzu ist die Verknüpfung mit einer intelligenten Auftrags- und Belegungsplanung notwendig.
KI-Lösungen müssen menschzentriert entwickelt werden
Um gebrauchstaugliche und akzeptierte KI-Systeme zu entwickeln, die alle oben genannten Anforderungen erfüllen, müssen KI-Modell, Arbeitsprozess und Nutzungsschnittstelle iterativ, interdisziplinär und abgestimmt (weiter)entwickelt werden. Hierfür sind multidisziplinäre Kompetenzen und Perspektiven im Team erforderlich. Zudem sollten Nutzer*innen in allen Phasen der Gestaltung und Entwicklung aktiv miteinbezogen werden. Ein konkretes Vorgehensmodell hierfür sowie detaillierte Informationen zum Thema menschzentrierte Gestaltung von Arbeitsprozessen und Mensch-Maschine-Systemen sind in unserer KI-Studie »Menschzentrierte KI-Anwendungen in der Produktion« nachzulesen (siehe Leselink unten).
Eine wichtige Rolle im Prozess und bei der Umsetzung der KI-Gestaltkriterien nehmen Usability Expert*innen ein. Sie können dafür sorgen, dass sowohl die ökonomischen und technischen Automatisierungsziele als auch die Beschäftigteninteressen beachtet werden. In einem weiteren Blogbeitrag werden deren Aufgaben im KI-Umsetzungsprozess detailliert betrachtet.
Leselinks:
- Studie »Menschzentrierte KI-Anwendungen in der Produktion – Praxiserfahrungen und Leitfaden zu betrieblichen Einführungsstrategien«
- Bewertungs- und Reflexionsinstrument Humanizing-AI-Man-Machine-Interaction (HAI-MMI)
- Webseite des Forschungsbereichs »Mensch-Technik-Interaktion« des Fraunhofer IAO
- Alle Blogbeiträge zum Theme »Künstliche Intelligenz«
