Zusammenarbeit zwischen Mensch und KI: Was ist das und warum ist sie wichtig?

Die Bedeutung dieser Zusammenarbeit ergibt sich aus einer grundlegenden Realität: Menschen und Maschinen besitzen unterschiedliche, sich ergänzende Fähigkeiten. Laut einer aktuellen Studie von McKinsey haben sich KI-Technologien so weit entwickelt, dass sie theoretisch mehr als die Hälfte der derzeit in den Vereinigten Staaten geleisteten Arbeitsstunden automatisieren könnten.

Doch die Erfassung dieses Werts, so argumentiert das Unternehmen, hängt stark davon ab, wie effektiv Menschen lernen, mit diesen Technologien zu arbeiten – und wie gut sie in entscheidende Workflows integriert sind. Diese Umfrage entspricht einer Forschung des Weltwirtschaftsforums, die ergab, dass Arbeitgeber erwarten, dass sich 39 % der auf dem Arbeitsmarkt benötigten Schlüsselkompetenzen in den nächsten vier Jahren ändern werden.

KI-Systeme zeichnen sich durch ihre Fähigkeit aus, riesige Datenmengen zu verarbeiten, Muster zu erkennen und sich wiederholende Aufgaben zuverlässig auszuführen. Der Mensch zeichnet sich unterdessen durch kreatives Denken, Intuition, Kontextberücksichtigung, emotionale Intelligenz, moralisches Urteilsvermögen und Empathie aus. Ein kollaborativer Ansatz ermöglicht es Unternehmen, die Produktivität zu steigern und gleichzeitig das menschliche Urteilsvermögen und die kreative Problemlösung zu bewahren, die für komplexe Entscheidungsfindung notwendig sind.

Außerdem werden durch die Automatisierung mühsamer Aufgaben sinnvollere Arbeitsaufgaben für Menschen geschaffen. Und die Gestaltung durchdachter Mensch-Maschine-Beziehungen stellt sicher, dass KI-Systeme rechenschaftspflichtig bleiben und durch ständige Kontrolle mit menschlichen Werten in Einklang gebracht werden. 

Das Training für die Synergie zwischen Mensch und Maschine ist zu einer wichtigen Priorität für Unternehmen geworden, die KI-Systeme einsetzen möchten. Laut dem IBM Institute for Business Value denken Top-Manager, dass 40 % der Mitarbeiter umgeschult werden müssen (PDF), weil KI und Automatisierung eingeführt werden. 

Um den aktuellen Anforderungen bestmöglich gerecht zu werden, hat Nickle LaMoreaux, Chief Human Resources Officer von IBM, kürzlich die Einstellungsverfahren für Berufsanfänger neu gestaltet. Während einige spekulieren, dass Einstiegsjobs bald durch Automatisierung verschwinden könnten, hat LaMoreaux die Zahl der offenen Stellen im unteren Managementbereich bei IBM verdreifacht.

LaMoreaux erklärte beispielsweise vor Publikum auf dem Charter Leading with AI-Gipfel in New York, dass Berufseinsteiger im Bereich Programmierung weniger Zeit mit dem Programmieren selbst verbringen, sondern mehr Zeit mit der Interaktion mit internen Teams und Kunden. Indem IBM Berufsanfänger darin schult, effektiv mit neuen Technologien zusammenzuarbeiten und frühzeitig menschenorientierte Fähigkeiten entwickelt, hofft LaMoreaux, dass das Unternehmen Mitarbeiter hervorbringen wird, die in Zukunft erfolgreich sein werden.

„Die Unternehmen, die in drei bis fünf Jahren am erfolgreichsten sein werden, setzen verstärkt auf Einstiegsjobs“, sagte LaMoreaux. „Geschäftsergebnisse sind das, was Sie gestern geliefert haben. Fähigkeiten sind das, was Sie in Zukunft für mich tun werden.“

In dieser Zeit der tiefgreifenden Transformationen werden Unternehmensleiter, die in kollaborative Systeme investieren, am ehesten von den versprochenen Vorteilen der KI-Technologien profitieren. Außerdem werden sie eher zu Innovationen durch neuartige Betriebsmodelle neigen, die Geschäftsabläufe grundlegend verändern.

Die Beziehung zwischen Menschen und KI hat sich mit dem technologischen Fortschritt dramatisch verändert und erfordert nun eine differenziertere Zusammenarbeit zwischen Mensch und Maschine. Während frühe Automatisierungssysteme einfache, regelbasierte Aufgaben bewältigten, übernimmt KI zunehmend komplexere Aufgaben oder arbeitet mit minimaler menschlicher Aufsicht.

In den letzten zehn Jahren ermöglichten hochentwickelte KI-Technologien komplexere Aufgaben wie die Verarbeitung natürlicher Sprache, maschinelles Lernen und die Generierung von Inhalten durch Fortschritte in der generativen KI. In dieser Zeit wurde die Zusammenarbeit interaktiver, wobei KI-Systeme Empfehlungen lieferten, die von Menschen abgeändert oder abgelehnt werden konnten.

Die jüngste Entwicklung betrifft die agentische KI-Technologie, die eine grundlegende Veränderung in der Zusammenarbeit zwischen Mensch und KI darstellt. Agentische KI-Systeme verfolgen Ziele mit größerer Autonomie und Anpassungsfähigkeit, indem sie komplexe Aufgaben in Teilaufgaben aufteilen und externe Tools oder APIs nutzen. Im Gegensatz zu früheren intelligenter Chatbot, die für jeden Schritt eine Eingabe erforderten, arbeiten agentische Systeme unabhängig und arbeiten dennoch unter menschlicher Aufsicht und Leitung.

Zum Beispiel hat ein Dienstprogramm dialogorientierte KI für seinen gesamten Kundenstamm bereitgestellt. Das System umfasste spezifische Agenten, die Kunden authentifizierten, den Zweck eines Anrufs bestimmten, Termine verwalteten und Self-Service-Support anboten. Diese Agenten bearbeiten nun rund 40 % der Anrufe und lösen 80 % davon ohne menschliches Eingreifen. Wenn jedoch eine Eskalation erforderlich ist, werden die Kunden und ihr Gesprächsverlauf an menschliche Kundenservicemitarbeiter weitergeleitet.

Der agentische Ansatz ermöglicht neue Formen der Zusammenarbeit, bei der Menschen übergeordnete Ziele und strategische Richtungen festlegen, während KI-Agenten die Ausführung und routinemäßige Entscheidungsfindung übernehmen. Diese stärker autonomen, KI-gestützten Systeme erfordern jedoch eine sorgfältige Berücksichtigung der Beziehungen zwischen menschlichen Arbeitskräften und ihren technologischen Partnern.

Laut McKinsey könnten KI-gestützte Agenten in den Vereinigten Staaten jährlich einen wirtschaftlichen Wert von 2,9 Billionen US-Dollar generieren. Um diesen Wert zu erzielen, müssen Unternehmen jedoch ihre Workflows grundlegend neu gestalten, anstatt einfach nur neue Technologien einzuführen.

Im Zuge dieses grundlegenden Wandels hat sich die Nachfrage nach KI-Kenntnissen in nur zwei Jahren versiebenfacht. Im Zeitalter der Zusammenarbeit zwischen Mensch und KI werden erfolgreiche Unternehmen völlig neue Arbeitsweisen schaffen, um auf die individuellen Stärken von Menschen und Maschinen einzugehen. 

Die erfolgreichsten Mensch-KI-Systeme basieren auf komplementären Stärken und sehen KI nicht als einfachen Ersatz für menschliche Fähigkeiten.

Laut dem IBM Institute for Business Value (PDF) verzeichnen Unternehmen mit starken Umschulungsprogrammen, die technologiebedingte Veränderungen im Arbeitsumfeld berücksichtigen, eine höhere Umsatzwachstumsrate. Im Vergleich zu anderen Unternehmen, die neue Technologien einfach nur übernehmen, ist die Umsatzwachstumsrate der Anwender um 15 % höher. Mit KI ist der Mehrwert sogar noch größer: Diese gleichen Führungskräfte verzeichnen ein um 36 % höheres Umsatzwachstum als ihre Mitbewerber.

Zusammengenommen deuten diese Zahlen auf ein starkes Mandat hin, die Arbeit strategisch umzustrukturieren und die Stärken der Arbeitnehmer auszuspielen. Während Menschen Empathie und Kreativität bieten, liefert KI Skalierbarkeit und Rechenleistung. 

Kontextuelles Verständnis und Nuancen: Menschen als bewusste und dynamische Einheiten erfassen Nuancen und verstehen Situationen ganzheitlich, anstatt nur explizite Informationen zu verarbeiten. Beispielsweise die Erkenntnis, dass eine Datenanomalie möglicherweise aufgrund eines kürzlich stattgefundenen Feiertags auftritt und nicht auf einen langfristigen Trend hindeutet. Ein solches kontextbezogenes Bewusstsein ermöglicht es Menschen, Datensituationen mit größerer Genauigkeit und unter Berücksichtigung breiterer Umstände zu interpretieren.

Kreatives Denken: Während KI neuartige Kombinationen bestehender Elemente generieren kann, zeichnen sich Menschen durch echte Kreativität und kritisches Denken aus: Sie verknüpfen verteilte Konzepte, schaffen neue Paradigmen oder denken auf eine Weise, die etablierte Muster durchbricht.

Ethisches Denken und moralisches Urteil: Zu entscheiden, wie man konkurrierende Interessen der Stakeholder ausbalanciert oder komplexe gesellschaftliche Implikationen bewältigt, erfordert menschliche Verantwortlichkeit. Ethische Entscheidungsfindung beinhaltet werteorientiertes Denken, das über Optimierung und Mustererkennung hinausgeht.

Emotionale Intelligenz und Empathie: Die Fähigkeit, Beziehungen aufzubauen oder komplexe soziale Dynamiken zu navigieren, hebt Menschen besonders in kollaborativen Umgebungen hervor. Eine medizinische Fachkraft könnte einen ängstlichen Patienten trösten oder eine Lehrkraft könnte erkennen, wann ein Schüler eher Ermutigung als Kritik benötigt. Diese emotionale Einfühlung hilft Menschen, angemessen auf Situationen zu reagieren und Vertrauen und Verbundenheit aufzubauen.

Umgang mit Mehrdeutigkeit durch menschliches Urteilsvermögen: Wenn sie mit ungewöhnlichen Umständen oder unvollständigen Informationen konfrontiert werden, können Menschen auf der Grundlage von Lebenserfahrung vernünftige Urteile treffen. KI-Tools können dieses Maß an Intuition nicht ohne Weiteres nachbilden.

Rund-um-die-Uhr-Verfügbarkeit: KI-Systeme führen zu jeder Tageszeit dieselben Aufgaben aus, oft auf dieselbe Weise und ohne die durch Müdigkeit oder Ablenkung verursachten Schwankungen. Diese unterbrechungsfreie Verfügbarkeit ist ideal für die routinemäßige Überwachung oder Qualitätskontrolle.

Datenverarbeitung und -analyse: Die Rechenleistung der KI ermöglicht die Verarbeitung und Analyse riesiger Datensätze, die die menschlichen Fähigkeiten übersteigen, und die Identifizierung von Mustern und Zusammenhängen, die für Menschen allein möglicherweise nicht erkennbar wären. Durch diesen Prozess können Millionen von Datenpunkten durchforstet und subtile Zusammenhänge und Trends erkannt werden, die für menschliche Analysten unsichtbar wären.

Optimierung: KI-Systeme zeichnen sich durch die Bewertung von Tausenden möglicher Lösungen aus, um optimale Ansätze für komplexe Probleme zu finden – zum Beispiel bei der Routenplanung für Lieferfahrzeuge oder der Planung von Fertigungsprozessen. Diese Optimierungskapazität erstreckt sich auf die Ressourcenzuweisung und die Logistikplanung, wo KI unter den unzähligen Möglichkeiten die beste Lösung finden kann.

Geschwindigkeit und Echtzeitverarbeitung: KI kann Berechnungen durchführen, Informationen abrufen und bestimmte Entscheidungen nahezu in Echtzeit treffen. Dank dieser Funktionen können KI-gestützte Tools zeitkritische Aufgaben bewältigen, die für einen Menschen manuell nur schwer zu bewältigen wären. 

Innovation beschleunigt sich, wenn Menschen schnell Ideen sammeln, neue Konzepte oder Prototypen entwickeln und testen können. Die Kombination aus menschlicher Kreativität und der Fähigkeit der KI zur schnellen Iteration verkürzt die Zeit von der Konzeption bis zur Umsetzung. 

Mithilfe von KI-Systemen können Unternehmen die modernen Kundenerwartungen nach sofortigem, personalisiertem und stets verfügbarem Support erfüllen. Gleichzeitig ermöglicht eine effektive menschliche Zusammenarbeit mit diesen Systemen eine empathische Interaktion, die die Customer Experience zu einem wahren Genuss macht. Durch die Kombination der skalierbaren Konsistenz der KI mit den Fähigkeiten des Menschen zum Aufbau von Beziehungen bieten Unternehmen Customer Experiences, die gleichzeitig effizient und zufriedenstellend sind. 

Unternehmen, die KI in ihren Kundenservice integrieren und optimieren – sogenannte „reife“ Anwender – verzeichnen eine um 17 % höhere Kundenzufriedenheit. Unterdessen stellte das National Bureau of Economic Research (NBER) fest, dass die Produktivität von Kundensupport-Mitarbeitern um fast 14 % stieg, wenn ihnen Zugang zu KI-Agenten gewährt wurde.

Menschliches Urteilsvermögen, unterstützt durch die analytischen Funktionen der KI, kann in allen Branchen zu besseren Entscheidungen führen. Beispielsweise treffen Führungskräfte fundiertere strategische Entscheidungen, indem sie auf KI-synthetisierte Erkenntnisse zugreifen, während Finanzberater durch die Kombination von algorithmischer Analyse und persönlichem Verständnis der Kundenbedürfnisse robustere Portfolios erstellen. 

Die Kombination aus der skalierbaren Konsistenz von KI und der menschlichen Überwachung schafft Systeme, die sowohl zuverlässig als auch anpassungsfähig sind. Kritische Anwendungen wie die Stromnetzverwaltung profitieren von der ständigen Überwachung durch KI, kombiniert mit menschlichem Urteilsvermögen in Ausnahmesituationen. Durch diese Zusammenarbeit wird sichergestellt, dass der Routinebetrieb hohe Standards beibehält, während ungewöhnliche Umstände die ihnen gebührende Aufmerksamkeit erhalten, sodass die Gesamtleistung des Systems verbessert wird. 

KI-Systeme können dazu beitragen, Barrieren zu überwinden und den Zugang zu Fähigkeiten und Informationen zu verbessern. Beispielsweise ermöglichen KI-Übersetzungsfunktionen die globale Zusammenarbeit, während KI-gestützte Tools komplexe Systeme für Menschen ohne spezielle Ausbildung zugänglicher machen können.

Die Arbeitszufriedenheit und das Wohlbefinden können steigen, wenn KI mühsame, sich wiederholende Aufgaben übernimmt, die der Einzelne nicht als erfüllend empfindet. Dadurch können die Mitarbeiter mehr Zeit für die kreativen und zwischenmenschlichen Aspekte ihrer Arbeit aufwenden, die in der Regel ansprechender und bedeutungsvoller sind.

Die Mitarbeiter im Gesundheitswesen können sich mehr auf die Patientenversorgung als auf den Papierkram konzentrieren, und Analysten können mehr Zeit mit der Interpretation als mit der Datenverarbeitung verbringen. Durch die Bewältigung der alltäglichen Aspekte der Arbeit ermöglicht KI den Menschen, sich mit Arbeitsanforderungen zu beschäftigen, die sie als lohnender empfinden. 

Durchdacht gestaltete Workflows mit angemessenem Einsatz von KI können die Produktivität drastisch steigern. In diesem Szenario übernimmt die KI zeitaufwändige Routineaufgaben, während sich der Mensch auf hochwertige Aktivitäten konzentrieren kann. 

Die Erforschung der Zusammenarbeit zwischen Mensch und Maschine hat eine lange Geschichte, wobei Forscher kontinuierlich neue Wege für die Interaktion zwischen KI-Systemen und Mitarbeitern finden. Vor kurzem veröffentlichte McKinsey ein Paper, das den Wandel von passiven Assistenten zu „virtuellen Kollegen” untersucht und prognostiziert, dass die Zukunft der Arbeit Partnerschaften zwischen KI-unterstützten Menschen, Agenten und Robotern mit sich bringen wird. Das Potenzial für eine Zusammenarbeit zwischen Mensch und KI besteht im gesamten Spektrum der KI-Kapazitäten, zu denen auch die folgenden gehören: 

• Automatisierung, wie bei der Dateneingabe oder -extraktion
• Klassifizierung, wie bei der Segmentierung der Zielgruppe oder Spam-Filterung
• Generierung, wie bei der Inhaltserstellung oder Code-Erstellung
• Interaktion, wie bei Chatbots oder Assistenten
• Prediction, wie bei forecasting oder Personalisierung
• Empfehlung, wie bei Social-Media-Newsfeeds oder Algorithmen
• Anerkennung, wie bei der prädiktiven Analyse

Mit der Weiterentwicklung der Technologie werden die einzelnen Funktionen immer komplexer. Mit generativer KI hat sich beispielsweise die Fähigkeit zur Inhaltserstellung um Funktionen wie Zusammenfassung und Kontextualisierung erweitert. Mit agentischer KI nimmt die Automatisierung neue Formen an, da Agenten mehrstufige Aktionen mit minimalem Eingriff ausführen.

Die Zusammenarbeit zwischen Mensch und Maschine ist ein dynamisches und ständig wachsendes Feld, aber zu den grundlegendsten Einsatzmöglichkeiten gehören:  

In einem Beratermodell liefert die KI Empfehlungen oder Erkenntnisse, während Menschen die endgültigen Entscheidungen treffen. Zwar kann die KI Daten analysieren und Handlungsempfehlungen aussprechen, doch behalten Menschen die volle Kontrolle über das Endprodukt. In einer Arztpraxis könnte beispielsweise eine KI auf mögliche Erkrankungen hinweisen, während die Ärzte Behandlungsentscheidungen treffen. Bei der Personalbeschaffung könnte eine KI Lebensläufe prüfen, während Menschen Vorstellungsgespräche führen und Angebote unterbreiten. 

Wenn KI menschliche Arbeitskräfte ergänzt, verbessert sie die menschlichen Funktionen in Echtzeit. Anstatt separate Empfehlungen auszusprechen, arbeitet die KI mit den Menschen zusammen, um deren Leistung zu verbessern. Ein Beispiel für eine Verbesserung wäre ein Übersetzungstool, das die mehrsprachige Kommunikation natürlicher gestaltet, oder Schreibassistenten, die Mitarbeitern helfen, ihre Arbeit zu verfeinern. Im Kundenservice wird KI zunehmend eingesetzt, um Kundendaten in Echtzeit abzurufen und den Mitarbeitern im Kontaktzentrum Handlungsmöglichkeiten vorzuschlagen. 

Delegation stellt einen Workflow dar, bei dem Menschen bestimmte Aufgaben an KI-Systeme vergeben, die dann autonom innerhalb definierter Parameter arbeiten. Menschen setzen Ziele und Rahmenbedingungen, überwachen aber nicht jede einzelne Handlung. Moderne agentische KI-Systeme zeichnen sich durch dieses Muster aus, indem sie komplexe, mehrstufige Aufgaben wie die Durchführung von Forschung, die Optimierung der Wartung von Equipment oder die Verwaltung routinemäßiger Kundenanfragen bewältigen.

Wie bereits erwähnt, gibt es KI-„Mitarbeiter“ in vielen Formen, branchen- und funktionsübergreifend. Zu den gängigsten Methoden, mit denen KI-Tools heute als Teammitglieder fungieren, gehören: 

KI fungiert als Analysetool, indem sie große Datenmengen verarbeitet und zusammenfasst und Erkenntnisse liefert, die als Grundlage für die menschliche Entscheidungsfindung dienen. In diesen Arten von Interaktionen definieren Menschen die wichtigen Fragen und übersetzen Erkenntnisse in Handlungen. Entscheidend ist, dass die KI das menschliche analytische Denken nicht ersetzt, sondern es vielmehr verbessert. Ein Finanzanalyst könnte KI einsetzen, um Millionen von Datenpunkten nach Mustern zu durchsuchen, und dann sein menschliches Verständnis anwenden, um zu beurteilen, ob diese Muster umsetzbar sind. 

Eine der sichtbarsten Aufgaben der Zusammenarbeit zwischen Mensch und KI ist die Funktion der KI als kreativer Generator – beispielsweise für die Erstellung von Entwürfen, Code, Inhalten oder Designs. Anschließend verfeinern, lenken und bewerten die Menschen die Eingaben der KI. Bei dieser Art der Interaktion fungieren Menschen als Kreativdirektoren und Qualitätssicherungstechniker, während KI dazu dient, riesige Mengen an Rohmaterial zu produzieren.

Beispielsweise könnte ein Marketingleiter eine KI mit einem Prompt auffordern, 50 Varianten eines Werbetextes zu generieren, oder ein Softwareentwickler könnte eine KI bitten, Code für eine bestimmte Aufgabe zu generieren.  

KI verändert die Forschung in allen Branchen und Berufsfeldern und ist ein leistungsstarker Partner. Während bei der traditionellen Forschung menschliche Mitarbeiter über lange Zeiträume hinweg Quellen manuell lesen und zusammenfassen mussten, verarbeitet KI enorme Informationsmengen nahezu in Echtzeit. Sie kann dabei helfen, alle Informationen zusammenzufassen, Muster zu erkennen und Zusammenhänge zwischen allen Informationen hervorzuheben, was Forschern Zeit spart.

KI-Systeme analysieren zunehmend nicht nur vergangene Daten, sondern modellieren auch Zukunftsszenarien und wägen strategische Optionen ab. In dieser Rolle bewerten KI-Systeme schnell mehrere strategische Szenarien, wie z. B. Marktexpansionspläne oder medizinische Eingriffe.

Diese KI-Tools könnten Risiken oder Abhängigkeiten aufdecken, die für menschliche Strategen nicht offensichtlich sind. Daher könnten sie in Situationen wie der Wirkstoffforschung erfolgreich sein, in denen es für eine einzelne Person mitunter unmöglich sein kann, die verfügbaren Daten zu verarbeiten. Die menschliche Rolle bei diesen Kooperationen ist nach wie vor von entscheidender Bedeutung, da KI allein keine Werte oder Prioritäten extrapolieren kann. Das menschliche Urteilsvermögen in Bezug auf die Dynamik in der Praxis und ethische Erwägungen bleibt entscheidend. 

Schriftsteller, Künstler und Designer nutzen KI zunehmend als Kooperationspartner und setzen die Technologie als Brainstorming-Partner oder Generator für erste Ideen ein. Der menschliche Schöpfer nutzt dann seine Kreativität und sein Urteilsvermögen, um KI-generierte Inhalte zu etwas Authentischem zu formen. Im Design arbeiten Künstler mit KI-Tools, die Modelle und Variationen von Designkonzepten erstellen können, bevor sie sich voll und ganz einer kreativen Vision widmen.

Marketing-Teams nutzen KI-Kollaboration, um effektivere Kampagnen zu erstellen und die Zielgruppen effektiver zu erreichen. KI-Systeme analysieren Daten zum Verbraucherverhalten und identifizieren Zielgruppensegmente basierend auf komplexen demografischen Daten. Marketer nutzen diese Erkenntnisse dann, um Strategien zu entwickeln und kreative Entscheidungen über die Kampagnenrichtung zu treffen. KI kann mehrere Varianten von Anzeigentexten oder Social-Media-Posts generieren, die von menschlichen Marketingfachleuten verfeinert werden, um sie an die Markenbotschaft und die Kampagnenziele anzupassen. 

Der intelligente Kundenservice hat sich zu einer ausgeklügelten Zusammenarbeit zwischen KI-Agenten, KI-Assistenten und menschlichen Mitarbeitern entwickelt. Autonome KI-Agenten bearbeiten routinemäßige Anfragen und liefern sofortige Antworten auf häufige Fragen. Mitarbeiterorientierte KI-Assistenten könnten Kundenservice-Mitarbeiter bei der Interaktion mit Kunden unterstützen, relevante Daten aufzeigen und Funktionen zur Fehlerbehebung vorschlagen. Durch diese Zusammenarbeit können sich die Mitarbeiter auf komplexe Probleme oder emotional sensible Situationen konzentrieren.

Im Idealfall ist diese Zusammenarbeit aus Sicht des Kunden nahtlos: KI könnte den Erstkontakt übernehmen, relevante Informationen sammeln und einfache Probleme lösen. Wenn Situationen menschliches Urteilsvermögen erfordern, übergibt die KI nahtlos an einen menschlichen Mitarbeiter und stellt diesem den Gesprächsverlauf und den relevanten Kontext zur Verfügung, damit die Kunden sich nicht wiederholen müssen. 

Da in medizinischen Einrichtungen die Zusammenarbeit zwischen Mensch und Maschine immer wichtiger wird, zeigt das Gesundheitswesen einige der vielversprechendsten Anwendungsfälle der Technologie. In einem prominenten Beispiel setzte die Mayo Clinic KI in ihrer gesamten radiologischen Abteilung ein, fügte Hunderte von KI-Modellen zur Unterstützung der Analyse hinzu und erweiterte ihr Personal seit 2016 um mehr als die Hälfte.In der Klinik hilft KI Radiologen bei Routineaufgaben wie der Messung des Nierenvolumens oder bei der Analyse abnormaler Scans, während Ärzte die Ergebnisse interpretieren.

Bei der Wirkstoffforschung analysieren KI-Systeme Molekülstrukturen und sagen voraus, welche Verbindungen bestimmte Krankheiten wirksam bekämpfen könnten – ein Prozess, der menschliche Forscher Jahre kosten würde. Anschließend wenden die Forscher ihr wissenschaftliches Fachwissen an, um vielversprechende Kandidaten zu validieren und klinische Studien zu konzipieren.

KI-gestützte diagnostische Unterstützungssysteme helfen Ärzten, indem sie Symptome analysieren und mögliche Erkrankungen vorschlagen, die in Betracht gezogen werden sollten. Laut dem IBM Institute for Business Value nutzen bereits vier von zehn Führungskräften im Gesundheitswesen KI für die stationäre Überwachung und zur Bereitstellung von Frühwarnzeichen. Die Ärzte integrieren diese Vorschläge in ihre klinische Untersuchung und ihr ganzheitliches Verständnis der Gesundheitssituation des Patienten und leisten so letztendlich eine empathische und differenzierte Betreuung, wie sie nur ein Mensch bieten kann. 

Der Technologiesektor selbst ist ein wichtiger Bereich für die Zusammenarbeit zwischen Mensch und KI. Künstliche Intelligenz verändert grundlegend die Art und Weise, wie Software geschrieben wird und wie Altlast-Systeme modernisiert werden. Die Zusammenarbeit zwischen KI und Menschen ermöglicht es Ingenieuren, ehrgeizigere Projekte schneller anzugehen und Lösungen effizienter zu liefern.

Im alltäglichen Softwareentwicklungsprozess sind KI-Programmierassistenten für viele Entwickler zu unverzichtbaren Partnern in der Zusammenarbeit geworden. Diese KI-Mitarbeiter, die frühere „Pair Engineer“-Szenarien widerspiegeln, können erhebliche Vorteile generieren. Anstatt jede Codezeile manuell zu schreiben, beschreiben Ingenieure, was sie brauchen, während KI funktionalen Code erstellt, den die Menschen dann reviews und verfeinern.

Laut einer aktuellen Schätzung von Gartner werden bis 2028 75 % der Softwareentwickler in Unternehmen solche KI-Code-Assistenten einsetzen. Wie das Beratungsunternehmen zuvor schrieb, wird diese Vereinbarung ein Szenario schaffen, „in dem Entwickler als Validierer und Koordinatoren von Backend- und Frontend-Komponenten und -Integrationen fungieren“. Diese Zusammenarbeit beschleunigt die Entwicklung erheblich, wobei die Rolle des menschlichen Entwicklers weiterhin zentral bleibt.

„Generative KI wird nicht jeden einzelnen Code erstellen“, erklärt Gerry Leitão, Partner bei IBM Consulting. „In Kombination mit einem Menschen wird sie als Kraftverstärker fungieren.“ Beispielsweise verzeichnete IBM nach der Implementierung von KI-generierten Empfehlungen für Ansible-Playbook-Entwicklungsingenieure eine Produktivitätssteigerung von bis zu 45 % bei der Ersterstellung.

Viele moderne Fertigungsanlagen setzen mittlerweile auf die Zusammenarbeit von Mensch und KI. KI-Systeme überwachen Produktionslinien in Echtzeit, optimieren den Energieverbrauch und vorhersagen, wann Equipment-Ausfälle auftreten (PDF). Gleichzeitig konzentrieren sich menschliche Bediener und Ingenieure darauf, komplexe Probleme zu beheben und Prozessverbesserungen umzusetzen.

Im Lieferkettenmanagement prognostizieren KI-Systeme die Nachfrage, optimieren Lagerbestände und planen Transportwege effizient, indem sie riesige Datenmengen, darunter Lieferantenleistungen und Wetterdaten, verarbeiten. KI-Systeme reduzieren auch den Aufwand für Compliance und Dokumentation.

Kürzlich hat das globale Fertigungsunternehmen Channell Werkzeuge eingeführt , mit denen Planer automatisch für jedes Projekt einen Stücklistebericht erstellen können, wodurch die Entscheidungszeit von Tagen auf Stunden reduziert wird. Da manuelle Routinearbeiten immer effizienter und fehlerfreier werden, können menschliche Lieferkette-Manager mehr strategische Anweisungen geben und mit Störungen umgehen, die kreative Problemlösungen erfordern. 

Um effektive, reale Partnerschaften zwischen Mensch und Maschine aufrechtzuerhalten, müssen Unternehmen in den Aufbau von Kompetenzen und Vertrauen im Umgang mit KI-Tools investieren. Der Aufbau dieses Vertrauens erfordert Transparenz bei KI-Funktionen und Entscheidungsfindung. Außerdem müssen Feedbackmechanismen geschaffen werden, die den Benutzern helfen zu verstehen, wann sie KI vertrauen und wann sie genauer unter die Lupe nehmen sollten. In der Regel wird diese Kompetenz von oben aufgebaut, und Führungskräfte sollten klar kommunizieren, was KI-Systeme gut können und wo sie Schwierigkeiten haben.

Außerdem hängt die Zusammenarbeit zwischen Mensch und KI von hochwertigen Trainingsdaten für KI-Modelle ab, weshalb eine robuste Data Governance unerlässlich ist. Unternehmen müssen klare Richtlinien darüber festlegen, auf welche Daten KI-Systeme Zugriff haben, wie Daten erfasst und gespeichert werden und wem die durch KI-Zusammenarbeit generierten Daten gehören.

Eine schlechte Data Governance kann dazu führen, dass KI-Systeme Entscheidungen auf der Grundlage unvollständiger oder veralteter Daten treffen. Außerdem benötigen Unternehmen Mechanismen, um sicherzustellen, dass KI-Systeme Daten angemessen verwenden und klare, vertrauenswürdige, erklärbare KI-Modelle bereitstellen. 

Die Einführung der KI-Zusammenarbeit in einem Unternehmen erfordert ein durchdachtes Change Management, das über technische Schulungen hinausgeht. Die Mitarbeiter benötigen Klarheit über ihre sich wandelnden Rollen und eine klare Kommunikation darüber, wie sich KI auf ihre Arbeit auswirken wird – sowie relevante, umsetzbare Metriken zur Messung, des Erfolgs einer Initiative.

Effektives Change Management beinhaltet die Schaffung von Rollen innerhalb von Teams, die eine erfolgreiche Zusammenarbeit mit KI-Systemen modellieren können, und die Einrichtung kontinuierlicher Feedbackkanäle. Führungskräfte müssen eine überzeugende Vision davon vermitteln, wie die Zusammenarbeit mit KI die Arbeit der menschlichen Benutzer verbessert und nicht beeinträchtigt. 

Mit der Ausweitung der KI-Funktionen entwickeln sich auch die für eine effektive Zusammenarbeit erforderlichen Fähigkeiten ständig weiter, so dass eine kontinuierliche Fortbildung unerlässlich ist. Die Arbeitnehmer müssen möglicherweise neue Kompetenzen in Bereichen wie Prompt Engineering und KI-Outputs-Bewertung entwickeln. Weiterbildungsinitiativen sollten kontinuierlich und nicht nur einmalig durchgeführt werden, da sich die KI-Funktionen ständig weiterentwickeln werden. Unternehmen, die Lernen als einen fortlaufenden Prozess betrachten, schaffen flexible Belegschaften, die sich mit der Weiterentwicklung der Technologie anpassen. 

Der Weg zu einer effektiven Zusammenarbeit zwischen Mensch und KI hängt zunehmend sowohl vom Betriebsmodell eines Unternehmens als auch von der Einführung der Technologie ab. Die Automatisierung einzelner Prozesse wird voraussichtlich keine signifikanten Produktivitätssteigerungen bewirken oder die Art von weitreichenden Unternehmenstransformationen ermöglichen, die KI unterstützen kann.

Laut dem IBM Institute for Business Value (PDF) haben Unternehmen, die das Betriebsmodell als den entscheidenden Treiber für die Transformation ihres Unternehmens betrachten, eine überdurchschnittliche Leistung in Bezug auf Rentabilität, Umsatzwachstum, Innovation und Mitarbeiterbindung erzielt. Oft wird dieser Wettbewerbsvorteil durch Investitionen in Infrastruktur und Plattformen erzielt, die eine ökosystemweite Zusammenarbeit in großem Maßstab ermöglichen.

Unlängst sprach Allie K. Miller, CEO von Open Machine, mit David Levy von IBM und plädierte dafür, KI nicht als einfaches Produktivitätstool zu betrachten, das menschliche Handlungen nachahmt. „Wenn Sie immer noch über kleine Effizienz- und Produktivitätsaspekte nachdenken“, erklärte sie, „wenn Sie nur darüber nachdenken, E-Mails schneller zu schreiben oder SQL Querys schneller zu erstellen, schreiben Sie die E-Mail trotzdem und erstellen die SQL Query trotzdem.“

„Vielleicht“, fügte sie hinzu, „gibt es eine Welt, in der Sie diese E-Mail gar nicht erst schreiben sollten. Sie sollten diese SQL Query gar nicht erst schreiben.“

Um den wahren Wert zu erfassen, ist eine grundlegende Transformation der Organisations- und Betriebsabläufe von Unternehmen erforderlich. Traditionelle Betriebsmodelle, die auf rein menschlichen Workflows basieren, werden oft zu Hindernissen, wenn Unternehmen versuchen, KI-Kollaboration zu integrieren. Diese Situation erfordert von Führungskräften in der Wirtschaft, Workflows und Entscheidungsprozesse neu zu gestalten, damit KI-Systeme Routineentscheidungen autonom treffen können, während bei Entscheidungen mit hohem Risiko eine angemessene menschliche Aufsicht gewährleistet ist.

Die Umstrukturierung von Teams und Rollen könnte notwendig werden, da die KI Aufgaben übernimmt, die zuvor von Menschen ausgeführt wurden. Anstatt jedoch Positionen abzuschaffen, werden zukunftsorientierte Unternehmen Rollen neu definieren, um die einzigartigen menschlichen Beiträge hervorzuheben.

Um diese Herausforderungen zu bewältigen, müssen Führungskräfte vor allem eine Kultur des Experimentierens und Lernens fördern. Durch die Festlegung von Innovationszielen und die Konzentration auf Ergebnisse können sich Unternehmen so positionieren, dass sie langfristig von der Zusammenarbeit zwischen Mensch und KI profitieren.

Oder, wie Miller es in IBMs Podcast „KI in Aktion“ formulierte: „Wenn man sich nur darauf konzentriert, Pferde schneller zu bewegen, verpasst man die Autos.“