Machine Learning und die Zukunft des Menschen in der Arbeitswelt.

bei

 / 12. July. 2018

Wird Machine Learning dazu führen, dass die industrielle Fertigung in menschenleeren Hallen stattfindet? Über die zukünftige Rolle des Menschen in der industriellen Produktion.

Wer sein Wissen über intelligente Maschinen vor allem aus Hollywoodfilmen und reißerischen Schlagzeilen bezieht, kann den Eindruck bekommen, dass Machine Learning zu einer der unheilvollsten Entwicklungen der Menschheitsgeschichte gehört. Die Realität sieht im Vergleich dazu – wie so oft – ganz anders aus. Was stimmt ist, dass sich die Arbeitswelt und insbesondere die industrielle Produktion durch Machine Learning drastisch verändern wird. Auch die Rolle des Menschen in der Arbeitswelt wird sich verändern. Darum lohnt sich ein Blick auf die kommenden Veränderungen, die Machine Learning in der neuen Arbeitswelt bringt.

Die Mensch-Maschine-Kollaboration

Machine Learning schafft die Grundlagen für ein besseres Verständnis der menschlichen Kommunikation für Maschinen. Die Kommunikation mit Chatbots und digitalen Assistenten wird in den kommenden Jahren dank Machine Learning und Deep Learning sehr natürlich werden. Diese Entwicklung ist vor allem durch Künstliche Neuraler Netze möglich geworden. Komplexe Verständigungsprozesse wie sie durch Ambivalenzen der menschlichen Sprache entstehen können, werden dadurch für Maschinen lösbar.

Eine ausgefeilte Mensch-Maschine-Kollaboration entwickelt sich aber auch im Bereich der visuellen Wahrnehmung. Das ermöglicht Roboter-Systemen, die im industriellen Kontext eingesetzt werden, in Zukunft nicht mehr hinter Sicherheitsglas agieren zu müssen, sondern zu aktiven Begleitern von Menschen zu werden. Schwere oder besonders feine Präzisionsarbeiten, die der Mensch aus eigener Kraft ohnehin nicht bewältigen könnte, können in direkter Kollaboration miteinander ausgeführt werden. Die Produkte, die dadurch erzeugt werden können, werden einen noch höheren Individualisierungsgrad sowie einen höheren Qualitätsstandards aufweisen und dennoch in kurzer Zeit produziert werden.

Die zukünftige Rolle des Menschen in der Arbeitswelt

Diese Entwicklung macht den Menschen nicht überflüssig. Auch im Hinblick auf Machine Learning selbst ist es enorm wichtig, die relevanten Fragestellungen entwickeln zu können – anders formuliert: Ohne den Menschen bringt Machine Learning keinen Mehrwert. Insbesondere die bislang immer weiter steigende Nachfrage an Data Scientists, Data Enigneers und Data Strategists zeigt, dass der Bedarf an menschlichen Mitarbeitern auch in Zukunft zunehmend vorhanden ist.

Gleichzeitig entstehen zahlreiche neue Berufe und Berufsfelder in unterschiedlichen, angrenzenden Bereichen. Kommunikations- bzw. User-Experience-Design, Smart-Home-Handwerker bzw. IoT-Techniker und -Berater sowie Entwickler und Tester sind neue Berufe, die auch im Machine-Learning-Zeitalter von Menschen ausgeführt werden.

Diese Fähigkeiten werden zukünftig in Unternehmen gebraucht

Wenn die Formen industrieller Produktion und auch traditionelle Berufsbilder durch Machine Learning transformiert werden, hat dies signifikante Auswirkungen auf die Zusammenstellung von Teams. An die Stelle von Fachabteilungen, die vor allem Wissen und Fähigkeiten einer bestimmten Zunft vereinen, treten in Zukunft „Mixed Teams“. Diese sind multidisziplinär und machen neue Fähigkeiten erforderlich, um Zusammenarbeit erfolgreich zu gestalten. Allen voran sind kommunikative Fähigkeiten wichtiger denn je. Daneben sind der professionelle Umgang mit Collaboration- und Projekt-Management-Tools schon heute in zahlreichen Berufen unerlässlich.

Wenn es um den produktiven Einsatz von Machine-Learning-Algorithmen geht, ist auch ein Grundverständnis für deren Funktionieren und die Aussagekraft der Ergebnisse essenziell. Einerseits brauchen Machine-Learning-Algorithmen regelmäßig Feedback („Supervised Machine Learning“), um die Prognosequalität im Laufe der Zeit immer weiter zu verbessern. Andererseits ist insbesondere dann, wenn es um Analyseergebnisse geht, die eine Handlungsempfehlung beinhalten, der menschliche Mitarbeiter die eigentliche Entscheidungsinstanz. Wie Analyseergebnisse zu bewerten sind, muss darum eine Kernkompetenz für Mitarbeiter mit Entscheidungs- und Führungsbefugnissen sein.

Nicht zuletzt muss sich auf diese neue Situation die Organisation als solche entsprechend einstellen. Eine auf Digitalisierung und Datenanalyse ausgerichtete Geschäftsführung sowie Geschäftsmodelle gehören hier ebenso zum Standard wie Data Governance – aber auch eine offene Kommunikationskultur zwischen Geschäftsführung, der C-Level-Ebene, den Bereichs- und Abteilungsleitern und Fachkräften ist enorm wichtig.

Machine Learning

Die Fabrik der Zukunft wird nicht aus menschenleeren Hallen bestehen. Die intelligenten Maschinen werden sich unter Garantie auch nicht zusammenschließen und eine Gefahr für die Menschheit darstellen. Nichtsdestotrotz wird es durch die Erfolge im Bereich Machine Learning zu Transformationsprozessen und einem enormen Erkenntnisgewinn kommen. Beides erlaubt es Unternehmen auch in Zukunft international konkurrenzfähig zu bleiben und gewinnbringende Geschäftsmodelle zu entwickeln. Dies gelingt jedoch nur, wenn Daten konsequent als zentrales Asset verstanden werden und entsprechend verarbeitet werden, damit sie Unternehmen einen echten Mehrwert verschaffen.

Die Autorin: Michaela Tiedemann, Chief Marketing Officer bei der in Deutschland führenden Data Science Beratung Alexander Thamm, hat Betriebswirtschaft mit Schwerpunkt Marketingmanagement studiert.

Vorheriger ArtikelDas Wertversprechen und Sicherheitsrisiko von Daten steuern
Nächster ArtikelSo lernen Maschinen beim Machine Learning