Zusammenfassung
Künstliche Intelligenz (KI) wird zu den disruptiven Technologien gerechnet, die im Zuge einer digitalen Transformation zu radikalen Umbrüchen von Geschäftsprozessen, Berufsfeldern und Geschäftsmodellen führen können. KI wird aber auch zu den wichtigsten Bausteinen zur Sicherung der Wettbewerbsfähigkeit in der deutschen und internationalen Wirtschaft gerechnet. Die Durchdringung in der betrieblichen Praxis liegt jedoch noch hinter den Erwartungen zurück. Zwar gibt es Studien, die das Anwendungspotenzial beschreiben helfen, dennoch ist KI für viele Entscheider und Mitarbeitende noch nicht greifbar genug. Dies führt zu Akzeptanzproblemen. Aus Anwendersicht sind daher Maßnahmen zu ergreifen, damit es in Change-Prozessen zu einem „Erleben“ dieser Veränderung kommt und nicht zu einem „Ertragen“.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Similar content being viewed by others
Notes
- 1.
„Sollen“ ist hier aus Sicht der Beteiligten als ein spezifisches Struktur-, Organisations- und Rollenkonzept zu verstehen, um eine Strategie umsetzen zu können, und nicht als Umsetzungszwang für die Beteiligten.
- 2.
Eine Ontologie beschreibt einen Wissensbereich (Knowledge Domain) mithilfe einer standardisierenden Terminologie sowie logischen Beziehungen zwischen den dort definierten Begriffen (z. B. beschrieben im Datenformat RDF). Das gemeinsame Vokabular wird in der Regel in Form einer Taxonomie (Klassifikation von Termini in Kategorien) gegeben (Hesse 2005).
- 3.
Der Autor des vorliegenden Beitrages war Projektkoordinator des mit SCRUM-Methode durchgeführten Entwicklungsprojektes „iiRDS“.
- 4.
Der Autor des vorliegenden Beitrages war ebenfalls Projektleiter des Forschungsprojekts „Technische Kommunikation 4.0“.
Literatur
Bandura, A. (1994). Self-efficacy. In V. S. Ramachaudran (Hrsg.), Encyclopedia of human behavior (Bd. 4, S. 71–81). New York: Academic Press.
Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1989). User acceptance of computer technology: A comparison of two. In Management Science, 35. Jhg. Heft 8, S. 982–1003.
Fraunhofer (Hrsg.) (2019). Einsatzfelder von künstlicher Intelligenz im Produktionsumfeld; Studie im Auftrag des Ministeriums für Wirtschaft, Arbeit und Wohnungsbau Baden-Württemberg; Stuttgart März 2019.
Galli, B. J. (2018): Change management models: A comparative analysis and concerns. In IEEE Engineering Management Review, 43. Jhg., Heft 3, S. 124–132.
Hesse, W. (2005). Ontologien. In Gesellschaft für Informatik (Hrsg.) Lexikon. https://gi.de/informatiklexikon/ontologien. Zugegriffen: 19. Febr. 2018.
iirds (2019). iiRDS – The International Standard for Intelligent Information Request and Delivery. In tekom (Hrsg.) iiRDS. www.iirds.org. Zugegriffen: 16. Sept. 2019.
iit (Hrsg.) (2019). Potenziale der Künstlichen Intelligenz im Produzierenden Gewerbe in Deutschland. Institut für Innovation und Technik (iit) in der VDI/ VDE Innovation + Technik GmbH, im Auftrag des BMWi; Berlin Juli 2018.
Jyoti, R. (2019). Artificial intelligence global adoption trends and strategies. IDC Survey, Doc #US45120919, Juni 2019.
Kreutzer, R. T., Neugebauer, T., & Pattloch, A. (2017). Digital Business Leadership. Wiesbaden: Springer Gabler.
Kreutzer, M., & Parson, U. (2018). Intelligente Lieferung. In technische Kommunikation, 40. Jhg., Heft 4, S. 22–29.
Nagel, E., Keis, P., & Ott, P. (2018) Widerstand in Veränderungsprozessen. In Zeitschrift für Organisation (zfo), (S. 357–362) 87. Jhg., Heft 5.
Parson, U. (2017). Das Datenmodell der Technischen Dokumentation in iiRDS. In J. Hennig & M. Tjarks-Sobhani (Hrsg.), Intelligent Information; Schriften zur technischen Kommunikation, (Bd. 22, S. 26–38+) Stuttgart: tcworld.
Piderit, S. K. (2000). Rethinking resistance and recognizing ambivalence: A multidimensional view of attitudes toward an organizational change. In Academy of Management Review, 25. Jhg., Heft 4, S. 783–794.
PWC (Hrsg.) (2019). Künstliche Intelligenz in Unternehmen. Februar 219.
Schaffner, M. (2017a). Flexibility of infonomics in the industrial production of machines and plants − knowledge management in the industry 4.0. BMBF-Projekt DigiTrans CD, Shandong Agricultural University, 26. 02. 2017, Taian (China).
Schaffner, M. (2017b). Industrie 4.0 als Motor für „intelligente Information“. In J. Hennig, & M. Tjarks-Sobhani (Hrsg.). Intelligent Information; Schriften zur technischen Kommunikation (Bd. 22, S. 111–124). Stuttgart: tcworld.
Schaffner, M. (2017c). Wir schreiben das Jahr 2035. Interview auf dem Intelligent Information Blog (iiBlog) der tekom e.V. https://intelligent-information.blog/de/augmented-intelligence-industrie-4-0-ein-tag-in-der-zukunft.
Schaffner, M. (2018). Arbeitswelten der Zukunft – 5 Antworten aus der Innovationsforschung. Blogbeitrag auf dem Wissenschaftsbog der FOM Hochschule, www.fom-blog.de/2018/12/arbeitswelten-der-zukunft-5-antworten-aus-der-innovationsforschung/#more-8103.
Schaffner, M. (2019a): Industrie 4.0 – Technische Redakteure werden zu Semantikmodellierern. In B. Hermeier, T. Heupel, & S. Fichtner-Rosada, (Hrsg.): Arbeitswelten der Zukunft – Wie die Digitalisierung unsere Arbeitsplätze und Arbeitsweisen verändert (S. 107–129) Wiesbaden: Springer Gabler.
Schaffner, M. (2019b). Widerstand wird zu Dynamik. In technische kommunikation, 2019. Heft 2, 41. Jg., S. 52–58.
Straub, D. (2017). Branchenkennzahlen für die Technische Dokumentation 2017. Stuttgart: tcworld.
tekom (2015). Intelligente Information. www.tekom.de/technische-kommunikation/intelligente-information.html. Zugegriffen: 15. Febr. 2018
Vahs, D. (2012). Organisation (8. Aufl.). Stuttgart: Schäffer-Poeschel.
Venkatesh, V., & Davis, F. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies. In Management Science, 46. Jahrgang, Heft 2, S. 186–204.
Werani, T., & Smeijkal, A. (2014). Erfolgsfaktoren für strategische Veränderungen. In Zeitschrift für Organisation (zfo), 83. Jhg., Heft 3, S. 250–256.
Wieselhuber (Hrsg.) (2015). Geschäftsmodell-Innovation durch Industrie 4.0 – Chancen und Risiken für den Maschinen- und Anlagenbau, In Zusammenarbeit mit Fraunhofer IPA, München.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2020 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Schaffner, M. (2020). KI-Widerstände auf der Mitarbeiterebene in produktive Dynamik überführen. In: Buchkremer, R., Heupel, T., Koch, O. (eds) Künstliche Intelligenz in Wirtschaft & Gesellschaft. FOM-Edition. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-29550-9_11
Download citation
DOI: https://doi.org/10.1007/978-3-658-29550-9_11
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-29549-3
Online ISBN: 978-3-658-29550-9
eBook Packages: Business and Economics (German Language)