KI_eeper: Neue Wege für das Konsortium – Wissensmanagement mit KI bleibt im Fokus

Durch die bevorstehende massenhafte Verrentung der Babyboomer-Generation droht Unternehmen ein erheblicher Wissensverlust. Viele der Beschäftigten haben jahrzehntelang Erfahrung in ihren Betrieben gesammelt, dieses Wissen steckt oft jedoch nur in den Köpfen der Mitarbeitenden und ist nicht ohne Weiteres übertragbar. Um zu verhindern, dass dieses Wissen verloren geht, arbeitete das BMBF-geförderte Forschungsprojekt „KI_eeper – Know how to keep“ an einer KI-basierten Lösung. Das Assistenzsystem für Wissensmanagement soll sich im Arbeitsprozess automatisiert und selbstlernend aufbauen und so das aufwendige, manuelle Aufbauen von Assistenzsystemen mit Texten, Bildern und Videos zu Arbeitsvorgängen zukünftig ersetzen. Umfänglich wurde dies noch nicht erreicht, jedoch konnten wesentliche Erkenntnisse zur Datenerhebung und hinsichtlich der Identifikation von Erfahrungswissen gewonnen werden, die für eine Weiterentwicklung notwendig sind.

Die Vision im Projekt war es, Erfahrungswissen automatisiert mittels moderner Technologie und KI direkt im Arbeitsprozess zu identifizieren, abzuspeichern und über dasselbe System wiederum allen Beschäftigten zur Verfügung zu stellen.

Das Team von KI_eeper entwickelte nicht nur eine technologische Innovation. Ein weiteres Ziel war es, Akzeptanz für künstliche Intelligenz zu schaffen – bei KMU, Mitarbeitenden und in der Arbeitswelt.

Wesentliche Erkenntnisse der Forschungsarbeit waren die Bedingungen, die für einen gelungenen Wissenserhalt und -transfer gegeben sein müssen:

1. Starkes intrinsisches Interesse der Führungskräfte selbst an einem solch innovativen Forschungsvorhaben, um dadurch ihre Beschäftigten mitnehmen und begeistern zu können
2. Schaffung einer Wissensbasis in der Belegschaft, um die Potenziale KI-basierter Assistenzsysteme für alle sichtbar zu machen. Dabei helfen spielerische Ansätze, Storytelling und Ausprobieren.
3. Regelmäßige Information, Kommunikation und Partizipationsmöglichkeiten, um die Akzeptanz von Veränderungen durch Technologieeinsatz in der Belegschaft zu unterstützen. Das KI_eeper KI-Changetoolkit zeigt mögliche Maßnahmen auf, um dies zu erreichen.
4. Eine qualitative gute Datenbasis: sie ist der Schlüssel, um KI-Systeme einsetzen zu können. Die Daten liegen jedoch oft nicht vollständig oder nicht in geeigneter, für eine KI verarbeitbarer Form vor. Im Projekt wurden daher Softwarelösungen geschaffen, um die Datenerhebung zu erleichtern und Betriebe „KI-Ready “zu machen.

Alle Ergebnisse werden aktuell aufbereitet und Ende 2025 in einer Springer-Buchpublikation kostenlos zur Verfügung gestellt. Neben den technologischen Erkenntnissen findet sich im Buch auch das entwickelte KI-Change-Toolkit, welches Unternehmen dazu anleitet, innovative Technologien und KI im Betrieb akzeptanzfördernd einzuführen.

Folgende innovative Start-Ups und Forschungsprojekte gaben bei der KI_eeper Veranstaltung Einblick in die Möglichkeiten von KI-basiertem Wissenstransfer und Wissenserhalt:

• Das Start-Up FINDIQ, welches über seine innovative KI-Technologie zur Wissensidentifikation und dem Transfer im Maschinenservice berichtete
• Das Start-Up great2know, welches mit seiner technischen Lösung Wissenstransfer in den indirekten Arbeitsbereichern und auch auf Leitungsebene erleichtert
• Das BMBF-geförderte Forschungsprojekt ServiceSecretary vom Institut für Technologie und Arbeit e.V., welches eine KI-basierte Lösung für den Maschinenservice entwickelt hat
• Das BMBF-geförderte Forschungsprojekt KIproWork der Hochschule Karlsruhe (HKA), das unter anderem aufzeigte, wie Schlüsselpersonen im Betrieb identifiziert werden können, die über ein hohes Maß an essenziellem Erfahrungswissen verfügen.

Die Beiträge der oben genannten Akteure werden als Gastbeiträge auch in der KI_eeper-Abschlusspublikation veröffentlicht werden. Ein zusätzlicher Gastbeitrag von Andreas Merchiers et al. gibt Einblick, wie KI-Tools und Data-Analytics-Verfahren genutzt werden können, um Fehler in der Produktion zu erkennen.

Das Projekt KI_eeper wird vom BMBF unter den Förderkennzeichen 02L20C500–6 gefördert.

Das Projekt ServiceSecretary wird vom BMBF unter den Förderkennzeichen 02L20C520 –24 gefördert.

Das Projekt KIproWork wird vom BMBF unter den Förderkennzeichen 02L21B010–13 gefördert.