Zurück zur Startseite Benutzerbereich Innovationskreis 2018/19
Hinweis: Bei jeder Überschrift finden sich die neu hinzugefügten Fundstücke oben, die älteren weiter unten.
Wissensstrukturen zur Orientierung
- „Spickzettel“ zu KI, Machine Learning & komplementären Kompetenzen für die Zusammenarbeit mit „intelligenten“ Maschinen
- Kurzer Foliensatz zur Verdeutlichung der Augmentations-Strategien am Beispiel von „Content Curtation“ im Bereich Learning & Development
Orientierung zum Thema Künstliche Intelligenz
Wahlster, Wolfgang (2017): Künstliche Intelligenz als Treiber der zweiten Digitalisierungswelle. In: IM+io Das Magazin für Innovation, Organisation und Management 2017 (2 / Juni), S. 10–13.
Wahlster, Wolfgang (2017): Künstliche Intelligenz versus menschliche Intelligenz: Wie lernen, verstehen und denken Computer? Künstliche Intelligenz für den Menschen: Digitalisierung mit Verstand. Johannes Gutenberg Universität Mainz. Mainz, 02.05.2017.
Neben dem Foliensatz (Link oben) gibt es auch eine Aufzeichnung dieses Vortrags auf YouTube.
Studien zur Veränderung von Arbeit & Beschäftigung (inkl. Qualifizierungserfordernisse)
Dengler, Katharina; Matthes, Britta (2015): Folgen der Digitalisierung für die Arbeitswelt. Substituierbarkeitspotenziale von Berufen in Deutschland. IAB Forschungsbericht 11 / 2015. Institut für Arbeitsmarkt- und Berufsforschung der Bundesagentur für Arbeit. Nürnberg.
Die Studie von Dengler / Matthes zeigt die Unterschiede zwischen Branchen und Berufssegmenten auf. sowie Unterschiede zwischen Kombinationen von Berufssegmenten und Anforderungsniveaus (Helfer – Fachkraft – Spezialist – Experte). Dabei wird deutlich, dass es nicht unbedingt weniger qualifizierte Helfer-Profile sind, bei denen das Risiko, durch Smart Machines ersetzt zu werden, besonders hoch ist, sondern dass dies auch Fachkräfte und Fachspezialisten betrifft.
Deloitte (2017): Welche Schlüsselkompetenzen braucht es im digitalen Zeitalter? Auswirkungen der Automatisierung auf die Mitarbeiter, die Unternehmen und das Bildungssystem. Deloitte AG. Zürich.
Die Deloitte-Studie „Welche Schlüsselkompetenzen braucht es im digitalen Zeitalter?“ beleuchtet die mit mit der Digitalisierung und Automatisierung der Arbeitswelt verbundenen Auswirkungen auf die Schweizer Beschäftigten und zeigt auf, welche Kompetenzen in Zukunft besonders gefragt sein werden. Ebenso wird der Frage nachgegangen, wie das Bildungssystem und die Unternehmen auf diese Veränderungen reagieren sollten.
Nedelkoska, Ljubica; Quintini, Glenda (2018): Automation, skills use and training. OECD Social, Employment and Migration Working Papers No. 202. OECD Publishing. Paris.
Diese Studie untersucht das Risiko der Automatisierung und ihre Interaktion mit Training und Anwendung von Fähigkeiten bei der Arbeit für 32 OECD-Länder. Über den Anteil der Arbeitsplätze hinaus, die voraussichtlich durch die Automatisierung von Produktion und Dienstleistungen erheblich betroffen sind, wird der Akzent auf wesentliche Merkmale dieser Arbeitsplätze gelegt und auf Merkmale der Arbeitnehmer, die diese innehaben. Das Risiko der Automatisierung wird u.a. auch anhand des Einsatzes von IKT am Arbeitsplatz und der Rolle der Ausbildung als Hilfestellung für neue Karrierewege bewertet.
McKinsey Global Institute (2018): Skill shift. Automation and the future of the workforce (PDF). McKinsey&Company.
Webseite mit Kurzzusammenfassung: https://www.mckinsey.com/featured-insights/future-of-work/skill-shift-automation-and-the-future-of-the-workforce
In diesem Bericht werden u.a. die 25 Kompetenzen aufgeführt, die im McKinsey Skill Modell enthalten sind und in fünf Kategorien zusammengefasst werden: a) körperliche (physische und manuelle) Fertigkeiten; b) einfache kognitive Fertigkeiten; c) höhere kognitive Fertigkeiten; d) soziale Fertigkeiten und Empathiefähigkeit; e) Technologie-bezogene Fertigkeiten. In verschiedenen Schaubildern werden die bis 2030 erwarteten Verschiebungen bei diesen Kompetenzbereichen dargestellt.
McKinsey Global Institute (2018): The future of work: Switzerland’s digital opportunity. McKinsey&Company.
Das McKinsey Global Institute hat in Zusammenarbeit mit McKinsey&Company Schweiz die Potenziale und Herausforderungen der digitalen Transformation für die Schweiz analysiert. Hier ein kurzer Blogpost dazu mit zwei Übersichtsgrafiken.
World Economic Forum (2018): The Future of Jobs Report 2018. Insight Report. World Economic Forum. Geneva.
Dieser Bericht (135 Seiten) beleuchtet u.a. Verschiebungen bei Rollen / Aufgabenprofilen, Anteiliger Arbeitseinsatz von Menschen und Maschinen, Veränderte Nachfrage nach Kompetenzen, erwarteter Aufwand für Qualifizierung. Darüber hinaus werden industriespezifische Profile (u.a. Automotive, Finanzdienstleistungen, Informationstechnologie) und länderspezifische Profile (u.a. CH, GER) aufgezeigt.
-> Foliensatz von scil mit einer Zusammenfassung der zentralen Aussagen / Ergebnisse (Version 2018-10-09)
-> Ergänzendes Video, das auf dem WEF Report Future of Jobs Report 2016 basiert
Illustrationen zur Veränderung der Arbeitswelt durch „intelligente“ Maschinen
Dieser Blogpost auf scil-aktuell führt eine Reine von Videos zu Einsatzmöglichkeiten für „intelligente“ Maschinen und zur Veränderung von Kompetenzerfordernissen zusammen.
Deloitte (2018): AI, robotics, and automation: Put humans in the loop (Auszug aus der 2018 Global Human Capital Trends-Studie von Deloitte)
KI, Roboter und Automatisierung werden mehr und mehr zum Bestandteil von Arbeitsumgebungen. Während an vielen Stellen die Potenziale für Automatisierung im Vordergrund stehen, arbeiten die echten Pioniere an der Neu-Konfiguration von Arbeits-Architekturen, bei denen Menschen und Maschinen Seite an Seite arbeiten. Der Beitrag beinhaltet auch ein Schaubild zur erwarteten Veränderung bei der Nachfrage nach verschiedenen Kompetenzbereichen.
Novatio-Solutions (2017): 10 common applications for AI in healthcare
Kurzer Blogpost, der Anwendungsbereiche für AI im Gesundheitswesen aufzählt und einige weiterführende Links enthält;
1) Management von Daten und Patientenunterlagen; 2) Repetitive Aufgaben (z.B. Analyse von Bluttests, Röntgenbildern, etc.); 3) individualisierte Behandlungen (auf Basis von Datenanalysen); 4) Kurzberatung über Sprachein- / -ausgabe; 5) virtuelle PflegerInnen (Pflegeroboter); 6) Beobachtung & Management der Einnahme von Medikamenten durch Patienten; 7) Entwicklung von neuen Medikamenten; 8) DNA-Analysen für „precision medicine“; 9) Beobachtung von Patienten auf Basis der Daten von „health trackers“ (Fitbit) etc.; 10) Bearbeitung von Rechnungen.
Fallstudien / Reportagen zur Einführung von fortgeschrittenen digitalen Systemen im Arbeitsfeld
Müller, Martin U. (2018): Medical applications expose current limits to AI. Spiegel Online, International, 03.08.2018.
Wakabayashi, Daisuke (2017): Meet the people who train the robots (to do their own jobs). New York Times, 28.04.2017.
Brugger, Simon; Kimmich, Martin (2017): Onboarding des Kollegen Roboter. In: changement 2017 (03), S. 31–34.
Ressourcen / Werkzeuge zur Bestimmung bzw. Überprüfung von (digitalen) Kompetenzen
Meier, Christoph (2019): Foliensammlung zur Entwicklung eines Kompetenzmodells für eine digitalisierte / automatisierte Arbeitswelt.
Erstellt im Zuge der Vorbereitung eines Workshops zum Thema bei ASTRA.
IKANOS.eu: Digital skills self-assessment based on EU DigComp framework: information, communication, content creation, security, problem solving
Ermöglicht die Bestimmung digitaler Kompetenzen für Einzelpersonen und für Organisation insgesamt.
vergleichbar:
– https://www.digital-liberal.ch/digitale-kompetenzen
– https://digicheck.at
(Fall-)Studien zum Themenfeld Workforce Reskilling
Donovan, John; Benko, Cathy (2016): AT&Ts Talent Overhaul. Harvard Business Review, October 2016.
Komprimierte Darstellung der tiefgreifenden Veränderungen des Technologie-Unternehmens AT&T (und seines Markts) sowie des Workforce 2020-Programms. Talent-Management-Prinzipien und Elemente der Initiative.
World Economic Forum (WEF) (2017): Accelerating workforce reskilling for the Fourth Industrial Revolution. White Paper. Geneva: WEF.
Kurze Fallbeispiele zu erfolgreichen reskilling-Initiativen aus dem privatwirtschaftlichen Bereich, dem öffentlichen Sektor und dem Bildungswesen. Elemente eines action frameworks – 10 Handlungsfelder.
Verschiedene Webressourcen zu unserem Rahmenthema
Jenewein, Thomas (2018): Der Einfluss von Machine Learning & Künstlicher Intelligenz auf Arbeiten & Lernen im Unternehmen. Pre-Print, eines Beitrags zum Handbuch „PersonalEntwickeln“. LinkedIn Pulse.
Inhalt: 1. Einführung; 2. Machine Learning & Künstliche Intelligenz im Überblick; 3. Einfluss auf Arbeiten und Personal;
4. Einsatzfelder im Corporate Learning; 5. Erfahrungen soweit bei SAP; 6. Ausblick & Aufruf
Deloitte (2018): Reconstructing jobs. Creating good jobs in the age of artificial intelligence. Deloitte.Insights.
„If we’re to make the most of AI, realize the productivity (and, consequently, quality of life) improvements it promises, and deliver the opportunities for operational efficiency, then we need to create good jobs:
– Jobs that make the most of human nature as social problem identifiers and solvers
– Jobs that are productive and sustainable for organizations
– Jobs with an employee-employer relationship aligned with social norms
– Jobs that support learning by doing, providing for the worker’s personal development, for the improvement of the organization, and for the wealth of the community as a whole.“
Martinho-Truswell, Emma (2018): 3 Questions About AI That Nontechnical Employees Should Be Able to Answer. Harvard Business Review, August 2, 2018.
Blogposts / Publikationen von scil zum Thema des Innovationskreises
Meier / Seufert / Guggemos (eingereicht): Arbeitswelt 4.0 und Smart Machines: Augmentation als Herausforderung für die Personalentwicklung. Beitrag für HMD – Praxis der Wirtschaftsinformatik, Sonderheft „Arbeit 4.0“, hrsg. von J. Hofmann & J. Günther.