Veröffentlicht am

Open Source AI: Nun gibt es endlich eine Definition – und damit interessante Erkenntnisse zu OpenAI und Co.

OpenAI ist mit ChatGPT etc. inzwischen weltweit erfolgreich am Markt. Angefangen hat das damalige Start-up mit der Idee, Künstliche Intelligenz (AI) als Anwendung offen, und damit frei verfügbar und transparent anzubieten. – ganz im Sinne der Open Source Idee.

Durch den Einstieg von Microsoft ist der Name OpenAI zwar geblieben, doch sind die Angebote in der Zwischenzeit eher als geschlossenes, intransparentes System einzuordnen, mit dem die Inhaber (Shareholder) exorbitante Gewinne erzielen möchten.

Dieser Problematik hat sich eine Personengruppe angenommen, und eine erste Definition für Open Source AI erarbeitet, anhand der die aktuellen KI-Apps bewertet werden können: In dem Artikel MIT Technology Review (2024): We finally have a definition for open-source AI (Massachusetts Institut of Technology, 22.08.224) findet sich dazu folgendes:

“According to the group, an open-source AI system can be used for any purpose without securing permission, and researchers should be able to inspect its components and study how the system works.

It should also be possible to modify the system for any purpose—including to change its output—and to share it with others to use, with or without modifications, for any purpose. In addition, the standard attempts to define a level of transparency for a given model’s training data, source code, and weights.”

Die Intransparenz der Trainingsdaten bei den eher geschlossenen KI-Systemen von OpenAI, Meta und Google führt aktuell dazu, dass sich diese Unternehmen mit sehr vielen Klagen und Rechtstreitigkeiten auseinandersetzen müssen.

Die Open Source Initiative (OSI) plant, eine Art Mechanismus zu entwickeln, der bei den jeweiligen KI-Anwendungen anzeigt, ob es sich wirklich um Open Source KI-Anwendungen handelt

Interessant ist, dass dieser Gedanke bei Nextcloud mit seinem Ethical AI Ansatz schon vorweggenommen wurde.

Veröffentlicht am

Projektmanagement: KI-Unterstützung der ICB 4.0 Kompetenzen

Künstliche Intelligenz (KI) oder auch Artificial Intelligence (AI) ist mit seinen unglaublichen Möglichkeiten in aller Munde – natürlich auch im Projektmanagement. Ein guter Bezugspunkt für eine KI-Unterstützung im Projektmanagement kann die ICB 4.0 (Individual Competence Baseline 4.0) sein, die von der International Project Management Association (IPMA) zur Professionalisierung des Projekt-, Programm- und Portfoliomanagements veröffentlicht wurde. In der ICB 4.0 sind insgesamt 28 Kompetenzen definiert, die in drei Kategorien gegliedert sind. Jeder Kategorie kann durch KI unterstützt werden.

KategorieThemenKI-Unterstützung
Kontextuelle KompetenzenStrategie, Kultur, Werte etc.Einhaltung der Governance-Richtlinien
Persönliche und soziale KompetenzenPersönliche Integrität, Verlässlichkeit, Teamarbeit etc.Kommunikations-
verhalten einzelner Teammitglieder
Technische KompetenzenProjektplanung und Steuerung, Risikomanagement etc.Virtuelle KI-Assistenten
In Anlehnung an Schelter, N. (2024)

Grundsätzlich halte ich diese strukturierte KI-Unterstützung auf Basis der ICB 4.0 – Kompetenzen für sinnvoll. Dennoch möchte ich folgendes anmerken:

(1) Es handelt sich hier möglicherweise um ein mismatch von Begrifflichkeiten. Einerseits sprechen wir von Kompetenzen, andererseits von Künstlicher Intelligenz. Hier gibt es durchaus Unterschiede, die zu beachten sind. Siehe dazu beispielsweise Kompetenzen, Regeln, Intelligenz, Werte und Normen – Wie passt das alles zusammen?

(2) Als Leser unseres Blogs wissen Sie, dass ich eher das Konzept der Multiplen Kompetenz auf den Analyseebenen Individuum, Gruppe, Organisation und Netzwerk bevorzuge.

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

Veröffentlicht am

Machen Sie einen KI-Fachckeck (KI-Readiness)

Auszug auf den Fachcheck ( Mittelstand-Digital Zentrum Chemnitz)

Das Mittelstand-Digital Zentrum Chemnitz hat eine übersichtliche Möglichkeit entwickelt, in einem Fachcheck die KI-Readiness einer Organisation zu bestimmen, zu visualisieren.

“Der Fachcheck KI-Readiness hilft Unternehmen dabei, ihren KI-Reifegrad zu ermitteln. Mit dem Wissen über den eigenen Status qou können Unternehmen weitere Maßnahmen ergreifen, um die Potenziale von künstlicher Intelligenz für sich zu nutzen” (ebd.).

In dem Selbstcheck werden Fragen zu den Bereichen Strategie und Planung, Daten und Technologie und Ethik, Compliance, Sicherheit gestellt, und jeweils der Reifegrad von 0 (Beobachter) bis 4 (Experte) beurteilt (siehe Abbildung oben). Die folgende Abbildung zeigt dazu beispielhaft eine Auswertung.

Beispielauswertung (fiktive Angaben)

Es ist insgesamt eine einfache, kostenfreie und auf KMU (Kleine und mittlere Unternehmen) abgestimmte erste “Analyse”.

An dieser Stelle möchte ich anmerken, dass es gut wäre, auch einen Check zu Menschlicher Intelligenz in Unternehmen zu haben…

Auf solche Themen gehen wir auch in den von uns entwickelten Blended Learning Lehrgängen ein, die wir an verschiedenen Standorten anbieten. Informationen zu unseren Blended Learning Lehrgängen und zu aktuellen Terminen finden Sie auf unserer Lernplattform.

Veröffentlicht am

Kostenfreie KI-Tools in den Projektmanagement-Phasen ausprobieren

Natürlich kann und sollte Künstliche Intelligenz in Organisationen genutzt werden, Siehe dazu auch Arbeit 4.0: Chancen, die sich aus den neuen technischen Möglichkeiten ergeben.

Speziell im Projektmanagement gibt es viele Möglichkeiten, Künstliche Intelligenz einzusetzen., Siehe dazu beispielsweise Künstliche Intelligenz (KI) im Projektmanagement: Routine und Projektarbeit. Betrachten wir das klassische plangetriebene Projektmanagement, so gibt es hier verschiedene Phasenmodelle, an denen man sich orientieren kann. In der DIN 69901 wird beispielsweise vorgeschlagen, die Phasen Initiierung, Definition, Planung, Steuerung und Abschluss zu unterscheiden.

Im einfachsten Fall würde eine Organisation ChatGPT als kostenpflichtige Anwendung in allen Phasen nutzen. Viele Organisationen fragen sich allerdings, ob es nicht möglich ist, kostenfreie KI-Tools auszuprobieren, die möglicherweise spezifischer (besser?) sind. In einem Artikel von Haltmeyer/Lenz wird genau diese Frage thematisiert. Die Autoren machen dazu erste Vorschläge, die in der Abbildung zusammengefasst sind. Ziel bei der Auswahl ist es, dass die Nutzer in den kostenfreien Versionen ausprobieren, ob es Sinn macht, die kostenpflichtige Variante zu nutzen – oder eben nicht. Es kann auch sein, dass Open-Source-Modelle beim Einsatz von Künstlicher Intelligenz infrage kommen.

Mit Hilfe dieser ersten Überlegungen kann eine Organisation weitere kostenfreie KI-Tools sammeln und ausprobieren, um so nach und nach einen organisationsspezifischen Mix an sinnvollen KI-Tools im Projektmanagement aufzubauen.

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

Veröffentlicht am

Anwendungsbeispiele für ChatGPT in KMU

Die Möglichkeiten von Künstlicher Intelligenz (KI) am Arbeitsplatz sind vielfältig, und werden daher von großen Konzerne, Privatpersonen und verstärkt auch von Kleinen und mittelständischen Unternehmen (KMU) genutzt. Saskia Powell vom RKW stellte dazu Nicole Simon einige Fragen dazu. Das komplette Interview kann im aktuellen RKW-Magazin 1/2024 unter ” Gekommen, um zu bleiben. Wie kleine und mittlere Unternehmen ChatGPT für sich nutzen können” nachgelesen werden. Ich möchte an dieser Stelle die in dem Interview angegebenen Anwendungsbeispiele für ChatGPT in KMU hervorheben:

> Content-Erstellung und Überarbeitung: Marketingtexte, Webseite, Social Media
> Übersetzungen: Inhalte für nichtdeutsche Märkte übersetzen
> Kundenservice: Antworten auf häufige Fragen, 24/7-Support, Sentiment-Analysen
> Marktforschung: Zusammenfassung von Branchenberichten und Analyse von Kundenfeedback, Entwurf von Interview-Fragen
> Entwicklung von Lernmaterialien und Trainings: Umwandlung von Handbüchern in Kurse mit Fragen, Tests und Webanwendungen
> Dokumentation: Beschreibung von Arbeitsabläufen nach definiertem Standard
> Profilerstellung: Zielgruppendefinition anhand von Vertriebs- und Marketingunterlagen
> Vorbereitung von Verkaufsgesprächen: Antizipation möglicher Kundenfragen, Einwandbehandlung
> Brainstorming: Finden von Metaphern und Beispielen
> Programmierung: Dokumentation und Analyse von Codes, Unterstützung bei der Fehlersuche

Darüber hinaus weist Nicole Simon auch darauf hin, dass ChatGPT nicht kreativ ist, und nicht querdenken kann (ebd.). Ich hätte mir weiterhin gewünscht, dass der Blick nicht nur auf ChatGPT gerichtet wird, sondern die Entwicklungen hin zu einem souveränen Arbeitsplatze erwähnt werden, bei dem viele Anwendungen (inkl. eines KI-Assistenten) Open-Source-basiert sind, damit die Daten bei dem jeweiligen kleinen und mittelständischen Unternehmen (KMU) bleiben können. Siehe dazu auch Nextcloud: Geeignete KI-Apps selbst auswählen – ein Beispiel oder Warum kann NEXTCLOUD zukünftig eine interessante Alternative zu ChatGPT (OpenAI) oder Bard (Google) sein?

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

Veröffentlicht am

Projektmanagement: Verzerrungen bei Entscheidungsprozessen

Ein Projekt ist durch die “Einmaligkeit der Bedingungen in ihrer Gesamtheit” gekennzeichnet (DIN 69901). Im einfachsten Fall können Projekte in der Stacey-Matrix positioniert werden, um das geeignete Vorgehensmodell (plangetrieben, hybrid, agil) abzuleiten. Daraus leitet sich wiederum ab, dass es in Projekten zu ambiguen Situationen kommt, in denen Entscheidungen getroffen werden müssen. Doch diese Entscheidungsprozesse sind oftmals durch Verzerrungen geprägt. Doch was ist eine Verzerrung?

“Als Verzerrung ist eine systematische Diskrepanz zwischen dem durchschnittlichen Urteil einer Person und einem wahren Wert oder einer Norm zu verstehen” (Lächelt/Portillo/Braun (2024) in Anlehnung an Gigerenzer (2018), in projektmanagementaktuell 2/2024).

Die folgende Übersicht zeigt, wie vielfältig diese Verzerrungen sein können (ebd.):

Strategische Falschdarstellung („strategic misrepresentation“)

Optimismusverzerrung („optimism bias“)

Eskalation des Commitments („escalation of commitment“)

Verfügbarkeitsverzerrung („availability bias“)

Prävalenzfehler („base rate fallacy“)

Einsichtsverzerrung („hindsight bias“)

Selbstüberschätzung („overconfidence bias“)

Verankerung („anchoring“)

Einzigartigkeitsverzerrung („uniqueness bias“)

Planungsirrtum („planning fallacy“)

Es ist für alle Projektbeteiligten wichtig, sich diese Verzerrungen klar zu machen, um dann Strategien zu entwickeln, diese zu bewältigen. Dazu bieten sich verhaltensbasierte oder auch KI-unterstütze Techniken an.

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

Veröffentlicht am

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.

Veröffentlicht am

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.

Veröffentlicht am

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.

Veröffentlicht am

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.