Welchen Beitrag kann Künstliche Intelligenz (KI) zur Fachkräftesicherung leisten?

KI-Beiträge zur Fachkräftesicherung (Schmidt, C. M., ; Stich, A.; Suchy, O. et al. (2024))

Der Einsatz von Künstlicher Intelligenz (KI) ist – wie bei neuen Technologien immer – ambivalent. Es kommt darauf an, Künstliche Intelligenz (KI) zum Wohle von Gesellschaften zu nutzen und nicht nur für die Geschäftsmodelle einiger großer Unternehmen.

In dem Whitepaper Schmidt, C. M., ; Stich, A.; Suchy, O. et al. (2024): KI für die Fachkräftesicherung nutzen. Lösungsansätze für Automatisierung, Teilhabe und Wissenstransfer (PDF) wird herausgearbeitet, wie Künstliche Intelligenz zur Fachkräftesicherung beitragen kann. In dem Beitrag werden grundsätzlich drei Richtungen herausgestellt (Abbildung), die ich hier nur auszugsweise nennen kann.

Automatisierung und KI-basierte Assistenz: Die KI-basierte Automatisierung von Tätigkeiten kann den künftigen Bedarf an Fachkräften zum Teil mindern.

Integration in den Arbeitsmarkt: Das Reservoir an potenziellen Beschäftigten muss noch besser genutzt werden, um den konkreten Bedarf an Fachkräften zu erfüllen, und mit passenden Rahmenbedingungen in die Lage versetzt werden, am Arbeitsmarkt zu partizipieren.

Wissenstransfer in die Zukunft: KI kann beim Up-Skilling von Beschäftigten unterstützen. Wichtige Elemente können individualisierte Weiterbildungspläne, KI-basierter Wissenstransfer sowie lern- und erfahrungsförderliche Arbeitsumgebungen (mit und durch KI) sein.

Den Autoren ist selbstverständlich klar, dass Künstliche Intelligenz (KI) nicht alleine dafür sorgen kann, die anstehenden Veränderungen bei den Fachkräften abzufangen, dennoch kann Künstliche Intelligenz (KI) ein wichtiger Baustein sein.

Wissensbasierte Systeme als Teilgebiet der Künstlichen Intelligenz

Der Umgang mit Wissen wird heutzutage stark mit den neuen technologischen Möglichkeiten, wie der Künstlichen Intelligenz in Verbindung gebracht. Dabei spielen wissensbasierte Systeme als Teilgebiet der Künstlichen Intelligenz eine zentrale Rolle. Doch was macht so ein wissensbasiertes System aus? Dazu habe ich in einem aktuellen Glossar folgendes gefunden:

“Der Wesenskern wissensbasierter Systeme ist, dass sie eine explizite Repräsentation von Wissen besitzen, und dieses Wissen maßgeblich für das Verhalten des Systems ist. Dies wurde etwa im Jahr 1982 als sogenannte KR Hypothese (engl. knowlegde representation hypothesis) von Brian Smith formuliert (Smith 1982). Demnach beinhaltet ein (intelligentes) wissensbasiertes System eine Komponente, die das Wissen des Systems repräsentiert und Komponenten, in denen dieses Wissen das Verhalten des Systems maßgeblich beeinflusst. Wissensbasierte Systeme stellen ein Teilgebiet der Künstlichen Intelligenz dar. Eine frühe, aber gute Darstellung von wissensbasierten Systemen findet sich in (Davis 1986). Eine aktuelle Übersicht über Methoden und Systeme geben (Beierle und Kern-Isberner 2019). Einer der Vorzüge wissensbasierter Systeme ist, dass eine einfache Übertragung eines Systems auf einen neuen Anwendungsfall oder eine neue Domäne möglich ist. Dazu muss lediglich das Wissen im alten System durch das Wissen der neuen Domäne ausgetauscht werden. Die restlichen Systemkomponenten können unverändert bleiben. Außerdem kann durch die explizite Repräsentation des Wissens oft einfacher eine Form der Erklärbarkeit hergestellt werden (Meske et al. 2022). Die ist auch angesichts der Datenschutzgrundverordnung (Goodman und Flaxman 2017) und der KI-Regulierung der EU von zunehmender Bedeutung” (Richter et al. (2024): Glossar Künstliche Intelligenz für die interdisziplinär vernetzte Arbeitsforschung).

Etwas stutzig macht mich hier, dass es bei wissensbasierten Systemen so einfach möglich sein soll, Wissen auf eine andere Domäne (auf einen anderen Kontext) zu übertragen. Wenn man allerdings Wissen auf explizites Wissen reduziert, wird dieser Umstand klarer, denn in diesem Fall sind wissensbasierte Systeme im Kern Softwaresysteme, die mit expliziten Wissen umgehen (Quelle).

Es stellt sich natürlich sofort die Frage, wie wissensbasierte Systeme als Teilgebiet der Künstlichen Intelligenz mit impliziten Wissen (Tacit Knowledge) umgehen. Siehe dazu auch Implizites Wissen sollte in Organisationen stärker beachtet werden.

Das Comeback des Projektleiters

Image by Ronald Carreño from Pixabay

Agile Vorgehensmodelle – wie z.B. das Scrum Framework – wurden in den letzten Jahren immer stärker für komplexe Projekte eingesetzt, bei denen Anforderungen und Methode/Technik relativ unklar waren. Darüber hinaus gibt es allerdings noch weitere Projekte, die mit anderen Vorgehensmodellen (KANBAN, Klassisches Projektmanagement etc.) umgesetzt werden sollten. Die Stacey-Matrix gibt hier erste Hinweise und das Projektmanagement-Kontinuum zeigt auf, dass heute ein dem jeweiligen Vorhaben/Projekt, angemessenes/adaptives/hybrides Projektmanagement von vielen Organisationen favorisiert wird. Siehe dazu auch PMI (2024) Global Survey: Hybrides Projektmanagement wird immer wichtiger.

In dieser Gemengelage gab es zunächst auch den Trend, die Rolle des Projektleiters/Projektmanagers aufzulösen – bei Scrum beispielsweise in die Rolle des Product Owners und die Rolle des Scrum Masters. Doch immer mehr Organisationen haben erkannt, dass dies möglicherweise zu kurz gedacht war und “rudern zurück”. Die Rolle des Projektleiters/Projektmanagers erlebt ein Comeback.

“Der Grund ist offensichtlich. Viele Aufgaben, die ein Projektleiter erledigt, fallen bei agilen Ansätzen unter den Tisch, was zu Problemen führte. Ein Projekt muss eben nicht nur Ergebnisse liefern, es ist in Organisationen eingebettet, die Anforderungen an Prozesse, Stakeholder und Strategie haben. Wenn diese nicht berücksichtigt werden, wird es kaum erfolgreich sein. Hinzu kommen immer mehr Vorhaben, die in einem internationalen und multikulturellen Umfeld stattfinden. Die von der Agilität geforderte Selbstorganisation umzusetzen ist dort problematisch, da länder-, kulturelle- und fachspezifische Barrieren Sensibilität und ein verlässliches Management verlangen. Der letzte Trend, der eine maßgebliche Veränderung mit sich brachte und den Projektleiterberuf eher stärkt, ist die Etablierung von Homeoffice, was sich seit der Coronapandemie sich als Arbeitsform etabliert hat. Verteilte und virtuelle Teams erfordern Führung, da sonst Effizienzverluste eintreten. Diese neuen Herausforderungen zeigen, dass der Projektleiter noch immer notwendig ist, was ein Blick in die Stellenbörsen im Internet bestätigt” (Liebermann, F. (2024): Neue Rollen des Projektleiters, in: projektmanagementaktuell 2/2024.

Die neue Rolle des Projektleiters/Projektmanagers ist dabei nicht nur in Bezug zu den vielen Vorgehensmodellen neu zu interpretieren, sondern es kommen auch die Herausforderungen durch den Einsatz von Künstlicher Intelligenz im Projektmanagement dazu.

Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen, die wir an verschiedenen Standorten anbieten. Weitere Informationen zu den Lehrgängen und zu Terminen finden Sie auf unserer Lernplattform.

IT-Projekte: Kommunikationsinstrumente im Veränderungsmanagement

Becker et al (2012): Veränderungsmanagement in IT-Projekten wirksam unterstützen, in projektmanagementaktuell 5/2012

Projekte enthalten oft einen Mix verschiedener Projektarten. Beispielsweise sind IT-Projekte eng verbunden mit einem mehr oder weniger großen Anteil eines Organisationsprojekts. Je größer der Anteil einer organisatorischen Veränderung (Aufbauorganisation, Ablauforganisation), umso mehr sind die damit verbundenen Widerstände bei der Projektplanung und -durchführung zu beachten. Kommunikationsinstrumente können hier sehr hilfreich sein. Doch ist das reine Versenden von Informationen damit nicht gemeint, und auch nicht ausreichend. In einer Studie haben das Becket et al. (2012) bestätigen können.

“Nur das Senden von Informationen kann allerdings nicht die Komplexität und Dynamik von Veränderungsprozessen bewältigen – das wird auch deutlich. Vielmehr müssen in Veränderungsprozessen in den richtigen Phasen Mitarbeiter sowie Meinungsführer direkt in den Kommunikationsprozess eingebunden werden und Informationen im Dialog erarbeitet sowie kommuniziert werden. Hierin liegt ein entscheidender Hebel für die erfolgreiche Gestaltung von Veränderungsprozessen. Im Rahmen von Kommunikationsmechanismen sollten somit nicht nur Instrumente zur Information beziehungsweise zur Benachrichtigung verwendet werden, sondern auch dialogische Instrumente. Dialog, Austausch, Vernetzung und Feedback werden dementsprechend zu wichtigen Steuerungselementen in komplexen sozialen Systemen, da somit eine steigende Aufmerksamkeit, Feedback sowie eine bessere Vernetzung und Mobilisierung bei den Mitarbeitern erreicht werden können” Becker et al. (2012).

Die Abbildung zeigt die Organisationsstufen und jeweilige Auswirkungen auf das Verhalten auf. Es macht Sinn, dass sich Projektverantwortliche von IT-Projekten eine Übersicht zu den für ihr Projekt sinnvollen Kommunikationsinstrumenten verschaffen. Die dargestellten Möglichkeiten sollten natürlich mit neuen Instrumenten wie Social Media, Augmented Reality, Virtual Reality und auch Künstliche Intelligenz erweitert werden.

Solche Zusammenhänge thematisieren wir auch in dem von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager AGIL (IHK). Informationen dazu, und zu aktuellen Terminen, finden Sie auf unserer Lernplattform.

Von Mass Customization and Personalization zu KI-basierter Personalisierung von beruflicher Weiterbildung

Die moderne Arbeitswelt benötigt die permanente, individuelle Unterstützung von Lernprozessen in der jeweiligen beruflichen Domäne. Das Lernen im Prozess der Arbeit wird in Zukunft immer wichtiger im Rahmen der Kompetenzentwicklung auf der individuellen Ebene, der Teamebene, der organisationalen Ebene und der Netzwerkebene.

Eine mögliche konkrete Umsetzung kann durch die Modularisierung von Inhalten und eine entsprechende Konfiguration erfolgen. Beide hervorgehobenen Begriffe sind Bestandteile der Hybriden Wettbewerbsstrategie Mass Customization and Personalization – hier übertragen auf den Bereich der beruflichen Weiterbildung.

Es wundert mich immer noch, dass diese Erkenntnisse heute noch hervorgehoben werden. Beispielhaft möchte ich den im letzten Jahr veröffentlichten Leitfaden Pabst et al. (2023): Modularisierung berufsbezogener Weiterbildung (PDF) erwähnen, der Modulare Bildung als Antwort auf den Wandel der Arbeitswelt herausstellt.

In den letzten mehr als zwei Jahrzehnten habe ich – neben verschiedenen anderen Autoren – dazu mehrere Konferenzpaper veröffentlicht, von denen ich hier nur einige wenige beispielhaft nennen möchte (Siehe Veröffentlichungen):

Freund, R.; Piotrowski, M. (2005): Mass Customization and Personalization in Adult Education and Training. In: Shyam Sunder Kambhammettu (Ed.): Mass Customization. Concepts and Applications, Le Magnus University Press, Hyderabad, India.

Freund, R.; Piotrowski, M. (2003): Mass Customization and Personalization in Adult Education and Training. 2nd Worldcongress on Mass Customization and Personalization MCPC2003, Munich, Germany.

Freund, R. (2003): Mass Customization in Education and Training, ELearnChina 2003, Edinburgh, Scotland.

Freund, R. (2001): Mass Customization in der beruflichen Bildung. Vortrag an der PH Freiburg im Rahmen der Weiterbildung zum Experten für neue Lerntechnologien (FH).

Dabei kam es mir immer darauf an, Customization und Personalization zu unterscheiden. In den Diskussionen um die Modularisierung von Inhalten, beispielsweise durch sogenannte Learning Objects usw., sollte m.E. deutlicher gemacht werden, dass es nicht Objekte sind, die lernen, sondern Personen (Learning Persons). Um Lernen auf allen Ebenen selbstgesteuert und selbstorganisiert zu ermöglichen, können Technologien wie Konfiguratoren, und jetzt natürlich auch Künstliche Intelligenz (KI) helfen.

In dem Praxisleitfaden Fischer et al (2023): KI-basierte Personalisierung berufsbezogener Weiterbildung stellen die Autoren verschiedene Aspekten vor. Der Bezug zur Hybriden Wettbewerbsstrategie Mass Customization and Personalization wird leider nicht hergestellt – schade.


Wissensmanagement: Datenbasierte Wissensnutzung in Projekten mit KI

Zeichen, Daten und Informationen sind stellen die Basis für jede Art von Wissen, der Wissensnutzung und der Wissenskonstruktion dar. Der Aufbau einer Wissensbasis während der Projektabwicklung hilft dabei das Projektmanagement zu verbessern, und das projektspezifische Wissen auch anderen Projekten zur Verfügung zu stellen. Gerade in Zeiten neuer Möglichkeiten wie der KI (Künstliche Intelligenz) ist das Projektmanagementwissen ein spannendes Thema. Doch worauf sollte dabei geachtet werden? Dazu habe ich folgendes gefunden:

“Wissensmanagement (WM): Die Wiederverwendung von Wissen, insbesondere Projektwissen, ist im PM essentiell. Angewandte Techniken sind vor allem Information Retrieval (IR), Natural Language Processings, und Ontologien als Wissensspeicher. Kenntnisse aus diesen Wissensgebieten sind notwendig, da sie a) aus PM-Sicht dafür sorgen, dass die richtigen Daten identifiziert werden, b) dass die Daten aus Data Analytics-Sicht richtig erfasst und untersucht werden und c), dass die Daten aus Sicht des Wissensmanagements in einer Wissensstruktur für die Nachnutzung sauber bereitgestellt werden” (…) Die Verwendung von Ontologien als Speicher von Wissensobjekten und die integrierte Anwendung der Methode des Case-Based Reasoning eröffnet im genannten Kontext Potentiale für ein verbessertes Projektmanagement” (Kusturica, W. Laroque, C. (2024) in Bernert et al. (2024): KI in der Projektwirtschaft).

Die Autoren haben diesen Ansatz in dem Beitrag anhand eines Fallbeispiels ausführlich dargestellt.

Solche Zusammenhänge thematisieren wir auch in dem von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager AGIL (IHK). Informationen dazu, und zu aktuellen Terminen, finden Sie auf unserer Lernplattform.

Projektmanagement-Office: Neue Aufgaben durch Künstliche Intelligenz

Das Umfeld von Organisationen ist sehr turbulent und kann mit VUCA oder BANI beschrieben werden. Um sich diesen Veränderungen anzupassen, führen Organisationen Projekte durch – Projekte sind Träger des Wandels. Siehe dazu auch GPM-Studie (2023): Projektifizierung 2.0. Zweite Makroökonomische Vermessung der Projekttätigkeit in Deutschland.

Die Vielzahl von Projekten wird in Einzelprojekte, Programme und Portfolios strukturiert. Als Dienstleister für Projektmanagement hat sich das Projektmanagement-Office (PMO) in vielen Organisationen als Kompetenzzentrum etabliert. Dabei kann das PMO unterschiedliche Aufgaben übernehmen. Mit der immer stärkeren Nutzung von Künstlicher Intelligenz im Projektmanagement kommt dem Projektmanagement-Office (PMO) eine Vielzahl an neuen Aufgaben zu.

Zu den neuen Aufgaben des Projektmanagement Offices gehören unter anderem
– Die Beobachtung der technologischen Entwicklung von KI-Systemen im Allgemeinen.
– Die kontinuierliche Evaluierung des sinnvollen Einsatzes von KI im Projektmanagement.
– Das Testen und Beschaffen entsprechender Systeme.
– Die Anpassung oder das Training von KI-Komponenten auf Basis vorhandener Prozesse, Daten vergangener Projekte und Lessons Learned.
– Die Integration von KI-Komponenten an relevanten Stellen im Projektmanagement, wo sie Mehrwert bieten.
– Die Schulung der Stakeholder, angefangen von Projektteammitgliedern bis hin zur Führungsebene.
– Die Initiierung von Changeprozessen, die durch die Einführung von KI in Projektmanagementaufgaben und -Prozesse erforderlich werden.
– Die kritische Überwachung der Arbeitsweise von KI-Systemen hinsichtlich Risiken, Voreingenommenheit (Bias) und potenzieller blinder Flecken.
– Die Reflexion über die Auswirkungen solcher Systeme auf die Aufgabenbereiche des PMO.

Quelle: Ordner, G. (2024) in Anlehnung an Ordner/Stuhr (2024). In: Bernert et al. (2024): KI in der Projektwirtschaft.

Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager AGIL (IHK). Informationen dazu, und zu aktuellen Terminen, finden Sie auf unserer Lernplattform.

Warum braucht “Führung” heute sozialwissenschaftliche Expertise?

Die aktuelle gesellschaftliche Entwicklung kann als Strukturbruch zwischen Einfacher und Reflexiver Modernisierung gesehen werden. Bisher war Führung damit konfrontiert, Arbeit effektiv und effizient eher fremdorganisiert zu organisieren. Arbeit 4.0 ist allerdings viel stärker selbstorganisiert, und benötigt daher eine andere Art von Führung.

Selbstorganisation in komplexen sozialen Systemen (Organisationen) wird dabei oft auf technische und/oder ökonomische Dimensionen reduziert. Eine moderne Führung zeichnet sich in einer Reflexiven Modernisierung allerdings dadurch aus, dass Führung selbst reflexiv ist, und sozialwissenschaftliche Expertise erfordert.

“Ohne eine sozialwissenschaftliche Expertise kann eine solche selbstreflexive Führung auch in Lehr-Lern-Prozessen nicht gelingen. Soziale Systeme funktionieren nämlich nicht allein nach Maßgabe technisch-ökonomischer, sondern auch – und vielleicht sogar: vornehmlich – nach Maßgabe sozialer Mechanismen” (Arnold 2017).

Siehe dazu auch Vom Zwei-Welten-Modell von Führung zu einem Multiple-Welten-Modell von Führung? und Wirtschaftspsychologie und Wirtschaftssoziologie sind vielen Führungskräften wenig bekannt.

Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen, die wir an verschiedenen Standorten anbieten. Informationen zu unseren Blended Learning Lehrgängen und zu aktuellen Terminen finden Sie auf unserer Lernplattform.

Projektmanagement: Protokolle als einfacher Einstieg zur Nutzung Künstlicher Intelligenz

Dave Garret Using AI Tools to Make Meeting Minutes Magic! (PMI-Blog vom 11.01.2024)

Der Einsatz von Künstlicher Intelligenz im Projektmanagement kann an vielen Stellen erfolgen. In dem Blogbeitrag von Dave Garret Using AI Tools to Make Meeting Minutes Magic! (PMI-Blog vom 11.01.2024) wird empfohlen, Sitzungsprotokolle (Meeting Minutes) für den Einstieg zur Nutzung von KI zu nutzen.

Der Autor hat zur Erläuterung in einer Abbildung zwei Achsen gegenüber gestellt. Y-Achse: Komplexität des Tasks von niedrig bis hoch, X-Achse: Wer bearbeitet den Task (Maschine oder Mensch)?

Die eingetragenen Tasks zeigen, dass es in der Abbildung ein Kontinuum von Möglichkeiten gibt. Es geht wie so oft nicht um ein “Entweder Maschine (KI) oder Mensch”, sondern um ein sinnvolles “sowohl-as-auch”.

Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen, die wir an verschiedenen Standorten anbieten. Informationen zu unseren Blended Learning Lehrgängen und zu aktuellen Terminen finden Sie auf unserer Lernplattform.

Generative Künstliche Intelligenz für Industrie und Behörde: Chancen und Risiken

Künstliche Intelligenz (KI) ist in unserem Alltag nicht mehr wegzudenken. Es vergeht kein Tag, an dem nicht von neuen, beeindruckenden Möglichkeiten berichtet wird. Große Technologie-Konzerne, Beratungsfirmen usw. zeigen oft nur die eine, positive Seite von Künstlicher Intelligenz. Es ist daher gut, dass das Bundesamt für Sicherheit in der Informationstechnik (BSI) den Leitfaden Generative KI-Modelle (PDF) herausgebracht hat, in dem es um die Chancen und Risiken für Industrie und Behörden geht. Am Ende werden die wichtigsten Punkte für eine systematische Risikoanalyse zusammengefasst (S. 3.-31):

Sensibilisierung von Nutzenden

Durchführung von Tests

Umgang mit sensiblen Daten

Herstellung von Transparenz

Überprüfung von Ein- und Ausgaben

Beachtung von (Indirect) Prompt Injections

Auswahl und Management der Trainingsdaten

Praktische Expertise aufbauen