CSR und Künstliche Intelligenz (eBook)

Vorwort des Reihenherausgeber 6
Vorwort der Herausgeber 8
Inhaltsverzeichnis 10
Herausgeber- und Autorenverzeichnis 13
Künstliche Intelligenz im Spannungsfeld Innovation, Effizienz und gesellschaftliche Verantwortung 15
1Herausforderungen und Potenziale der künstlichen Intelligenz 15
2Anforderungen und Gestaltung von künstlicher Intelligenz durch das Management 19
2.1Anforderungen an Managemententscheidungen 20
2.2Neue Geschäftsmodelle und Gestaltung des Ökosystems 21
3Übersicht der Beiträge im Band 23
Literatur 25
Perspektiven auf KI: Governance, Autonomie, Vertrauen, Ethik und Unvoreingenommenheit 28
Digital Governance als CSR-Kompass für künstliche Intelligenz 29
1Einleitung 29
2Künstliche Intelligenz als Quintessenz der Vierten Industriellen Revolution 32
3Utopia oder Dystopia – wo Licht, da auch Schatten 36
4Künstliche Intelligenz ist nicht gleich künstliche Intelligenz – Differenzierung ist essenziell 39
5Die Rolle der künstlichen Intelligenz im Unternehmen 42
6An der Schnittstelle zwischen Menschen und Maschine – Welche Auswirkungen hat künstliche Intelligenz auf das bestehende CSR Framework? 45
6.1Wirkung existierender CSR-Säulen (ökonomisch, sozial, ökologisch) im Kontext von künstlicher Intelligenz 45
6.2Erweiterung um die vierte Säule zur Beantwortung ethischer Fragestellungen 48
6.3Erweiterung um die fünfte Säule zur Beantwortung psychischer Fragestellungen 49
7Zusammenspiel CSR und Digital Governance – Welche Leitplanken für die Entwicklung und den Einsatz von künstlicher Intelligenz sollten vorgegeben werden? 50
7.1Einführung: Digital Governance als CSR-Kompass für die Nutzung künstlicher Intelligenz 52
7.2Künstliche Intelligenz als ethische Herausforderung – Welche Anforderungen an das Design und die Entwicklung müssen gestellt werden? 54
7.2.1 Künftige Anforderungen an die Master Data Governance 55
7.2.2 Kann künstliche Intelligenz durch Programmierung kontrolliert werden? 56
7.2.3 Artificial Intelligence Decision Governance – Kontrolle statt Limitierung 58
7.3Künstliche Intelligenz im juristischen Kontext – Welche relevanten Fragestellungen müssen beleuchtet werden? 60
7.3.1 Wer trägt die ultimative Verantwortung 60
7.3.2 Einführung einer elektronischen Persönlichkeit als Chance 61
7.4Künstliche Intelligenz in der Organisation – Welche Leitplanken müssen zur Neuausrichtung der Arbeitswelt gesetzt werden? 63
7.5Aufklärung über künstliche Intelligenz – Wie gelingt gesellschaftliche Akzeptanz und Vertrauen? 67
7.5.1 Wie kann der Gesellschaft die Angst genommen werden 67
7.5.2 Wie kann die Gesellschaft gut an künstliche Intelligenz herangeführt werden 68
8Schlusswort 69
Literatur 71
Spannungsfeld automatisierte Entscheidungssysteme und Autonomie 73
1Einleitung 73
2Die Anatomie von Entscheidungsprozessen 75
3Die Autonomie des Menschen in Bedrängnis 79
3.1Die Zuschreibung von Handlungsmacht an automatisierte Entscheidungssysteme 80
3.2Die Gefahr der Manipulation durch automatisierte Entscheidungssysteme 81
4Anforderungen an vertrauenswürdige Künstliche-Intelligenz-Systeme 84
Weiterführende Literatur 87
Warum wir der künstlichen Intelligenz nicht blind vertrauen dürfen – fünf Ansätze um künstliche Intelligenz zu beherrschen 89
1Künstliche Intelligenz – Eine Einführung 89
1.1Entwicklung der Künstliche-Intelligenz-Forschung 89
1.2Künstliche Intelligenz made in Austria 91
1.3Künstliche Intelligenz braucht leistungsfähige Hardware 93
1.4Formen der künstlichen Intelligenz: Von regelbasierten Systemen zu neuronalen Netzen 94
1.5Maschinelles Lernen 95
1.5.1 Supervised Learning, Trainingsdaten und Ground Truth 95
1.5.2 Unsupervised Learning 96
1.5.3 Reinforcement Learning 96
2Fünf Herausforderungen künstlicher Intelligenz 97
2.1Modellierbarkeit 98
2.1.1 Große Menge von Trainingsdaten und Ground Truth 98
2.1.2 Overfitting und Aberglauben von künstlicher Intelligenz 98
2.1.3 Eingebaute Backdoors in Künstliche-Intelligenz-Systemen 99
2.1.4 Zusammenfassung 99
2.2Verifizierbarkeit 100
2.2.1 Künstliche Intelligenz braucht neue Testmethoden 100
2.2.2 Täuschung von Künstliche-Intelligenz-Systemen durch Manipulation der Umwelt 100
2.2.3 Zusammenfassung 101
2.3Erklärbarkeit 101
2.3.1 Künstliche-Intelligenz-Erklärungsmethoden 101
2.3.2 Künstliche Intelligenz in safety-kritischen Systemen 102
2.3.3 Zusammenfassung 103
2.4Ethik 103
2.4.1 Künstliche-Intelligenz-Systeme können diskriminieren 103
2.4.2 Zusammenfassung 103
2.5Verantwortlichkeit 104
2.5.1 EU-Leitlinien für die Gestaltung von Künstliche-Intelligenz-Systemen 104
2.5.2 Zusammenfassung 105
3Gesellschaftliches Bedrohungspotenzial durch künstliche Intelligenz 105
3.1Demokratisierung von Technologie 105
3.2Manipulation von Medien 106
3.2.1 Fake News und Deep Fakes 106
3.2.2 Der Faktencheck – ein Gebot der Stunde 107
4Grenzen der künstlichen Intelligenz und Vielfalt des Lebens 108
4.1Singularität – Kann künstliche Intelligenz die Menschheit übertreffen? 108
4.2Künstliche Intelligenz braucht noch viel mehr Intelligenz 108
4.3Das Leben ist nichtlinear 109
4.4Das Leben besteht nicht nur aus Problemlösungen 109
4.5Die Datenwelt der künstlichen Intelligenz ist nicht das Leben 110
4.6Künstliche Intelligenz und Moral 110
5Schlussfolgerung 111
5.1Bildung und emotionale Intelligenz zur Beherrschung der Technik 111
5.2Verantwortung zur Entwicklung der Technik 111
5.3Künstliche-Intelligenz-Forschung muss breiter gedacht werden 112
Literatur 113
Vergessen wir mal die Roboter: So gelingt Künstliche-Intelligenz-Ethik in der Praxis 116
1Missverständnisse über künstliche Intelligenz 116
2Was ist künstliche Intelligenz? 117
3Wie entsteht künstliche Intelligenz? 118
4Herausforderung: Künstliche Intelligenz und Ethik 120
5Ansätze einer prozessorientierten Künstliche-Intelligenz-Ethik 123
6Fallbeispiel: Künstliche-Intelligenz-Ethik in der Versicherungswirtschaft 126
7Fazit 128
Literatur 129
Unvoreingenommenheit von Künstliche-Intelligenz-Systemen. Die Rolle von Datenqualität und Bias für den verantwortungsvollen Einsatz von künstlicher Intelligenz 131
1Notwendigkeit unvoreingenommener Künstliche-Intelligenz-Systeme 131
2Bedeutung der Datenqualität 132
2.1Paradigmenwechsel in der Softwareentwicklung 132
2.2Qualität von Trainingsdaten 134
3Beispiele für Bias in Künstliche-Intelligenz-Anwendungen 134
3.1Gesichtserkennung im öffentlichen Raum 135
3.2Gefahr selbstlernender Systeme (Lernen im Live-System) 136
4Evaluierung von Fairness 137
4.1Definition von Fairness 138
4.2Interpretation der Ergebnisse 138
5Lösungsansätze für unvoreingenommene Künstliche-Intelligenz-Systeme 141
5.1Bewusstsein schaffen 141
5.2Fairness definieren und Ziele setzen 141
5.3Systematische Qualitätsprüfung der Datensätze 141
5.4Evaluierung der Modelle auf Bias 142
5.5Erklärbare künstliche Intelligenz und Einbindung von Personen 142
6Fazit 143
Literatur 143
Skizzierung einer vertrauensvollen künstlichen Intelligenz 146
1Einleitung 146
2Arten der künstlichen Intelligenz 146
3Wo künstliche Intelligenz genutzt wird 148
3.1Finanzen 149
3.2Security 150
4Praktischer Einsatz und Verantwortung 151
5Ethik und künstliche Intelligenz – europäische Richtlinien 153
5.1Europäische Künstliche-Intelligenz-Richtlinien 153
5.1.1 Rechtmäßigkeit 154
5.1.2 Ethik 154
5.1.3 Robustheit 155
5.2Umsetzung einer vertrauenswürdigen künstlichen Intelligenz 155
5.3Bedeutung für Anbieter von künstlicher Intelligenz 160
6Implementierung einer vertrauenswürdigen künstlichen Intelligenz 160
6.1Umsetzung von Architekturen 160
6.2Erklärbarkeit und Transparenz 161
6.3Source-Code-Check 163
7Zusammenfassung 164
Quellen 166
Künstliche Intelligenz verantwortungsvoll entwickeln und einsetzen. Zur Bedeutung ethischer Leitlinien für Unternehmen 168
1Einleitung: Die Krise als Katalysator 168
2Methodische Vorgehensweise 169
3Künstliche Intelligenz ist im Alltag angekommen 169
4Nutzenpotenzial und Regulierungsbedarf 170
5Ethische Prinzipien in der Entwicklung und Anwendung von künstlicher Intelligenz 172
5.1Selbstbestimmung im Anwendungskontext 174
5.2Ethische Leitlinien in der Wirtschaft 174
5.3Rechtliche Rahmenbedingungen und ethische Aspekte im Fokus 175
6Ausblick: Der Mensch im Mittelpunkt 176
Literatur 177
Environment-Social-Governance-Fingerprint – wie der Einsatz von Big Data und künstlicher Intelligenz Investoren, Unternehmen und Stakeholder unterstützen kann 179
1Status quo 179
2Einführung von Environment-Social-Governance-Risikomanagement- und -Informationssystemen 181
3Konzept zur Entwicklung einer Taxonomie zur Klassifizierung von Environment-Social-Governance-relevanten Chancen und Risiken 184
4Anwendung des Konzepts zur Entwicklung eines Environment-Social-Governance-Fingerprint für künstliche-Intelligenz-basierte Informationssysteme 188
5Zusammenfassung und Ausblick 192
Anwendungen in der Unternehmenspraxis: Datenwert, Produktion, neue Instrumente, Mittelstand 194
Datenwert und Datenminimalismus: Wege zu nachhaltiger künstlicher Intelligenz 195
1Künstliche Intelligenz und Postwachstum für die Datenwirtschaft 195
1.1Daten und wirtschaftliche Aspekte 196
1.2Künstliche Intelligenz und Klimaschutz 197
1.3Daten und Sicherheit 197
1.4Künstliche Intelligenz und Diskriminierung 198
2Künstliche-Intelligenz-Strategien für kleine Datenmengen 198
3Wieviele Daten brauchen wir? Datenmenge und Qualität der künstlichen Intelligenz 200
3.1Die Grundidee: Datenmenge und Qualität 200
3.2Experiment aus der Praxis: Datenmenge versus Qualität von künstlicher Intelligenz 202
3.3Ergebnisse: Datenverschwendung und toxische Daten 203
4Welche Daten brauchen wir? Informatorischer und monetärer Datenwert 205
4.1Die Grundidee: Der Wert einzelner Datenpunkte 205
4.2Experiment: Einflussanalyse mit einem Künstliche-Intelligenz-System 206
4.3Ergebnisse: Exemplarischer Datenwert und skalierbare Methodik 207
5Einordnung und Diskussion 208
5.1Voraussetzungen für angewandten Datenminimalimus 209
5.2Generalisierbarkeit: Übertragung in andere Kontexte 209
5.3Nächste Schritte zu datenminimalistischer künstlicher Intelligenz 210
Literatur 211
Technik dient dem Menschen – Künstliche Intelligenz im BMW-Produktionssystem 214
1Digitalisierung und Produktion – ein dynamisches Umfeld 214
2Status quo 216
2.1Qualitätsarbeit in der Produktion – eine kritische Bestandsaufnahme 216
2.2Qualitätsarbeit – Quo vadis? 218
3CSR in Visual Analytics und künstlicher Intelligenz 222
3.1Wie verändert sich unternehmerische Verantwortung durch den Einsatz von Data Analytics und künstlicher Intelligenz? 222
3.2In welcher Form setzt sich die BMW Group mit den Konsequenzen und Möglichkeiten von künstlicher Intelligenz auseinander? Wie wird mit den potenziellen Risiken umgegangen welche Lösungsansätze bestehen hier?
3.3Was bedeutet künstliche Intelligenz für die (globale) Wertschöpfung des Unternehmens und die Strategie und wie verändert sich dadurch die gesellschaftliche Verantwortung des Unternehmens? 227
3.4Welche Kooperationen sind erforderlich und wie wird mit den unterschiedlichen Zugängen zu Verantwortung und Nachhaltigkeit umgegangen? 228
3.5Welche Anforderungen stellen Data Analytics und künstliche Intelligenz an die Führungskräfte aller Ebenen in der Produktion? 230
4Fazit 233
Literatur 235
Nüchtern gesehen: Künstliche Intelligenz als neues Werkzeug – mit neuen Regeln 239
1Zeitenwandel durch künstliche Intelligenz 239
2Künstliche Intelligenz als Anteil von Produkten im Automobil 242
2.1Künstliche Intelligenz und der Blick nach außen aus dem Fahrzeug heraus 243
2.2Künstliche Intelligenz und der Blick nach innen ins Fahrzeug 244
2.3Datenschutz im Spannungsfeld von Sicherheit, Komfort und Security 245
3Künstliche Intelligenz in Unternehmensprozessen 246
3.1Softwareentwicklung – unterstützt durch künstliche Intelligenz 247
3.2Interne Arbeitsabläufe und künstliche Intelligenz 248
3.3Hardware für die künstliche Intelligenz 248
4Verantwortung mit und für künstliche Intelligenz 249
4.1Verantwortung für künstliche Intelligenz in Produkten 250
4.2Verantwortung für künstliche Intelligenz in Prozessen 251
5Zukunftsperspektiven 251
Quellen 252
CSR und künstliche Intelligenz im Mittelstand – Chancen für innovativere und nachhaltigere kleine und mittlere Unternehmen? 254
1Einleitung 254
2Status quo der Digitalisierung im Mittelstand Deutschland 255
3Künstliche Intelligenz im Mittelstand 256
4Nachhaltigkeit und CSR im Mittelstand 258
5Befragung und Experteninterviews zu CSR und künstlicher Intelligenz im Mittelstand 259
6Schlussfolgerung und Ausblick 261
Literatur 262
CSR am Beispiel „Leftshift One“ 264
1Intro und Vorstellung „Leftshift One“ 264
2Ausgangslage 265
2.1Informationsstand innerhalb der Bevölkerung 265
2.1.1 Popkultur vs. Realität 266
3Herausforderungen und Lösungsansätze 267
3.1Arbeitsplatzthematik – Externe Sensibilisierung 267
3.2Selbstständige künstliche Intelligenz vs. Kontrolle durch Menschen 268
3.3Deep Learning vs. „explainable“ künstliche Intelligenz 268
3.3.1 Kein Bias in Trainingsdaten 269
3.4Policies und Transparenz 270
3.5Daten wertschätzen 272
3.5.1 Respektvoller Umgang mit freigegebenen Daten 272
3.5.2 Datenkraken meiden 273
3.5.3 On-Premise-Ansatz 274
3.6Interne Sensibilisierung 275
4Best Practice Leftshift One 275
4.1Opt-in zur Datenverarbeitung 275
4.2Use Case Digital HR-Assistant (ethisches Künstliche-Intelligenz-Modell) 276
Quellen 277
Soziale Robotik, HR/Arbeitgeberattraktivität, Führung und Zukunft der Arbeit 279
Mein neuer Teamkollege ist ein Roboter! Wie soziale Roboter die Zukunft der Arbeit verändern können 280
1Einleitung 280
2Was sind eigentlich soziale Roboter? – Eine Begriffsbestimmung 282
3Roboter als Teamkollegen 285
3.1Mensch-Roboter-Kollaboration in der Industrie 286
3.2Mensch-Roboter-Kollaboration im Dienstleistungssektor 287
4Erkenntnisse aus ausgewählten Anwendungsgebieten sozialer Roboter 288
4.1Cobots in der Fertigung 289
4.2Roboter für das Pausenmanagement 290
4.3Soziale Roboter als Recruiter 290
4.4Roboter in der Konfliktmediation 291
4.5Roboter in der Pflege 293
5Handlungsfelder für die (zukünftige) Arbeitswelt 295
5.1Die Gestaltung von Berufsprofilen und die Sicherstellung benötigter Skills 295
5.2Die Sicherstellung von menschlicher Verantwortung und Kontrolle 297
5.3Die Erforschung von Langzeiteffekten unter realen Bedingungen 298
6Diskussion und Schlussfolgerungen 299
Literatur 300
Augmented Human-Centered Management – Personalentwicklung für hochautomatisierte Geschäftsfelder 305
1Einleitung 305
2Die Entstehung von Mensch-Agent-Kollektiven 307
3Homo oeconomicus, Machina oeconomica und die Ironie der Automatisierung 308
4Der Bedarf für Augmented Human-Centered Management 310
5Human-Factors und Human-Centered Management 312
6Diskussion 318
7Fazit 320
Literatur 321
Künstliche Intelligenz – Kriegstreiber oder Friedensstifter im War for Talent? 326
1Einleitung 326
2Prozesse für die Besetzung einer Stelle 327
2.1Der Bewerber als aktives Element 327
2.2Active Sourcing 328
3Möglichkeiten von künstlicher Intelligenz im Bewerberauswahlverfahren 329
3.1Stellenausschreibung mit künstlicher Intelligenz optimieren 329
3.2Auffindbarkeit der Stellenanzeige mit künstlicher Intelligenz verbessern 329
3.3Chatbots zur Verbesserung der Candidate Experience 330
3.4Persönlichkeitsprofil mittels Sprachanalyse 332
3.5Künstliche Intelligenz im Active Sourcing und das Beispiel von Amazon 333
4Die Akzeptanz von Künstliche-Intelligenz-Lösungen bei Stellensuchenden 335
5Fazit 337
Literatur 338
Künstliche Intelligenz und Führung: Automatisierung und die Veränderung von Managementaufgaben und -arbeitsweisen 340
1Künstliche und menschliche Intelligenz in Kombination 340
2Führung mit künstlicher Intelligenz: Warum kein Weg daran vorbeiführt 341
3Der Idealzustand und die Geschwindigkeit der Weiterentwicklung 343
4Führen bedeutet auch umsetzungsstarkes Agieren 344
4.1Potenziale der künstlichen Intelligenz erkennen und passende Lösungen finden 345
4.2Erfolgsfaktoren für die Einführung von Künstliche-Intelligenz-Systemen 346
4.3Institutionalisierung und gesamtheitliche Umstellung der Organisation 347
5Case Study – künstliche Intelligenz im Einsatz bei der laufenden Unternehmensumfeldanalyse 348
6Fazit 351
Literatur 351
Künstliche Intelligenz und die Zukunft von Arbeit 352
1Einleitung 352
2Theoretischer Rahmen 353
2.1Künstliche Intelligenz und Arbeit 353
2.2Automatisierung vs. Erweiterung als paradoxe Beziehung 354
3Methodik 355
4Ergebnisse 358
4.1Ersatz menschlicher Arbeit 358
4.2Einschränkung menschlicher Arbeit 358
4.3Entlastung menschlicher Arbeit 358
4.4Entstehung neuer, maschineller Arbeit 359
5Implikationen 359
5.1Künstliche Intelligenz und menschliche Arbeit 359
5.2Künstliche Intelligenz und organisationale Veränderungen 361
5.3Potenzielle gesellschaftliche Auswirkungen 361
6Konklusion 362
Literatur 362
Künstliche Intelligenz: Wegbegleiter für ein neues menschliches „Maß“? – Ein kurzer Ausblick 366
1Künstliche Intelligenz verändert unsere Gesellschaft und Wirtschaft 366
2Kritische Diskussionen erfordern neue Perspektiven 367
3Chancen der künstlichen Intelligenz in einer nachhaltigen Transformation 368
4Weiterentwicklung der Corporate Social Responsibility 369
5Visionäre Unternehmer setzen auf Künstliche-Intelligenz-Geschäftsmodelle mit positivem Impact 370
Weiterführende Literatur 371