KI-Revolution der Arbeitswelt (eBook)

Die Wirkung von generativer KI auf die Arbeit im Unternehmen

»Herkömmliche« KI

Der primäre Wirkhebel »herkömmlicher« KI, also der analytischen Verfahren wie Text- und Bilderkennung, Klassifikation von Objekten oder Prädiktion von Werten mithilfe von Regressionsverfahren, liegt in der Entlastung der Mitarbeitenden von repetitiven und zeitaufwendigen Tätigkeiten und dem damit einhergehenden Effizienzgewinn. Die eingesparte Zeit kann genutzt werden, um den Durchsatz und somit die individuelle Performance zu erhöhen. Weiterhin kommt es häufig zu einem mittelbaren Qualitätsaufwuchs: Die Entlastung der Mitarbeiter kann zu einer gesteigerten Arbeitsqualität oder Innovationskraft führen, da die Mitarbeitenden sich auf höher wertschöpfende Tätigkeiten konzentrieren können.

Ein Beispiel für die Wirkung »herkömmlicher« KI auf die Tätigkeit eines Finanzcontrollers im Unternehmen ist die Nutzung von KI-gestützter Automatisierung der Erfassung und Zuordnung von Belegen und Buchungen sowie die Aggregation und Verarbeitung von Finanzdaten. Dies führt zu einer Entlastung des Finanzcontrollers von zeitaufwendigen manuellen Aufgaben und ermöglicht es, die eingesparte Zeit beispielweise für die Erstellung von Cashflow-Prognosen oder anspruchsvollen Finanzanalysen zu verwenden. Durch den Einsatz der KI kann die Finanzabteilung somit effizienter arbeiten und dem Unternehmen durch ein verbessertes Liquiditätsmanagement helfen.

Generative KI

Generative Künstliche Intelligenz unterscheidet sich insoweit von »herkömmlicher« KI, als sie in der Lage ist, neue Inhalte basierend auf individuellen Eingaben zu erstellen, seien es Texte oder Bilder, aber auch Konstruktionszeichnungen2, Schaltkreise3 oder andere Erzeugnisse konstruktiv-kreativer Tätigkeiten. Im Gegensatz zur traditionellen KI, die auf analytischen Fähigkeiten wie Klassifikation und Regression basiert, nutzt generative KI statistische Verfahren, um in großen Datensätzen Muster zu erkennen und daraus neue Inhalte zu generieren. Zwar handelt es sich dabei streng genommen nicht um einen kreativen Akt, da als Ausgabe lediglich die wahrscheinlichste Ergänzung zur vorgegebenen Eingabe, dem sog. »Prompt«, produziert wird, jedoch beinhalten die generierten Inhalte zumeist sinnvolle Ansatzpunkte für menschliche Nutzer, etwa um ein Themenfeld schnell zu strukturieren, Impulse zur Ausarbeitung zu erhalten und in der Folge selbst originär kreativ zu werden.

So ermöglicht zum Beispiel generative KI den Mitarbeitenden aus der Marketingabteilung eines Unternehmens, Produktbeschreibungen, Werbeslogans, Social Media Posts oder Werbegrafiken aus vorhandenen Materialien der Produktentwicklung teilautomatisiert zu generieren und darüber hinaus durch Einbezug eines Mottos oder Nebenthemas Inspiration etwa für eine Kampagne zu beziehen. Hier wirkt sich die Nutzung von generativer KI einerseits beschleunigend auf die Arbeitsgeschwindigkeit aus und steigert somit die Produktivität, andererseits wird aber auch die Qualität der Arbeitsergebnisse4 gesteigert.

Trotz der vorgenannten Vorteile führt das Benutzen von GenKI-Tools in realen Anwendungen zu erheblichen Herausforderungen. So geben Werkzeuge wie ChatGPT stets eine plausibel wirkende Antwort zurück, die jedoch falsche oder irreführende Informationen beinhalten kann, man bezeichnet dies als halluzinieren. Dies löst Zweifel hinsichtlich der Einsatzfähigkeit von generativer KI für kritische Anwendungszwecke aus bzw. wirft die Frage auf, inwieweit Nutzer in der Lage sind, halluzinierende ­Systemantworten zu erkennen.

Inwieweit sich die in Laborversuchen nachgewiesenen Produktivitätsgewinne unter realen Arbeitsbedingungen tatsächlich einstellen5, muss sich also erst in der Unternehmenspraxis weisen. So wird die Wirksamkeit des Einsatzes von generativer KI wesentlich davon abhängen, wie sie mit den bestehenden Arbeitsplatzstrukturen interagiert und inwieweit die Mitarbeitenden die Fähigkeiten haben, die generative KI effizient zu nutzen.

Eine nähere Betrachtung der Wirkungen Künstlicher Intelligenz auf betrieblicher Ebene erfordert zunächst einmal eine Analyse ihrer Wirkung auf konkrete Tätigkeiten.

Beispiel: Textproduktion

Die wichtigste Kategorie von Anwendungen generativer KI sind zweifellos sog. Large Language Models (LLM), also Sprachmodelle, die für eine Vielzahl von natürlichsprachlichen Verarbeitungsaufgaben eingesetzt werden können, wie beispielsweise zum Generieren von Text oder für Übersetzungen.

Betrachtet man hingegen die Bereiche Forschung und Wissenschaft, Journalismus, Consulting, Agenturen und Eventmanagement sowie viele Ingenieursberufe, ist umgekehrt die Produktion von textuellen Erzeugnissen das wichtigste Ergebnis ihrer Tätigkeit und macht somit den größten Teil der geleisteten Arbeit aus. Die Wirkung von LLM auf diese Berufsgruppen ist daher besonders relevant und verspricht den größten Hebel auf die Arbeitswelt.

Eine systematische Untersuchung des erzielbaren Performancegewinns bei der Nutzung von ChatGPT für die Textproduktion6 wurde am MIT durchgeführt: Autoren, die im Rahmen ihrer beruflichen Tätigkeit Texte produzieren, gelang es in diesem Versuch, vorgegebene Aufgaben der Textproduktion fast doppelt so schnell zu erledigen, wenn sie dabei ChatGPT zur Verfügung hatten, wie einer Kontrollgruppe ohne ChatGPT. Gleichzeitig war ein deutlicher Anstieg der unabhängig in einer Blindbewertung beurteilten Qualität der geschriebenen Texte zu verzeichnen. Die generative KI spielte also ihre beiden Wirkhebel der Effizienz und des Qualitätsgewinns durch Befähigung aus.

Auch ein dritter Aspekt wurde in besagtem Experiment deutlich: Die Zufriedenheit der Probanden stieg, wenn ihnen das Werkzeug generative KI zur Verfügung gestellt wurde, es ergab sich eine positive User Experience aufgrund der durch die KI-vermittelten Befähigung. Das gesteigerte Leistungsvermögen wurde als positiv wahrgenommen – ein Effekt, der auch in anderen Experimenten, wie beispielsweise unter Programmierern7, zu verzeichnen ist.

Beispiel: Programmierung

Eine spezielle Form von Textproduktion ist das Generieren von Programmcode, also das Formulieren von Algorithmen in der Syntax einer Programmiersprache. Angesichts des Fachkräftemangels gerade in den IT-Berufen8 ist die Frage nach Möglichkeiten zur Performancesteigerung in diesem Tätigkeitsfeld besonders relevant.

Auch hier ergab eine systematische Untersuchung des erzielbaren Performance­gewinns bei professionellen Programmierern unter Nutzung des GenKI-Tools GitHub Copilot eine deutliche Leistungssteigerung9: Eine vorgegebene Programmieraufgabe wurde von den mit GitHub Copilot unterstützten Probanden im Schnitt in 55,8 Prozent der Zeit erledigt, also fast in doppelter Geschwindigkeit. Die Bemessung der Qualität erfolgte hier einzig anhand der Funktionalität des erzeugten Codes; Aspekte wie die Effizienz der technischen Lösung oder die Lesbarkeit und Wiederverwertbarkeit des erzeugten Codes blieben unberücksichtigt.

Wie auch bei der Textproduktion war unter den Probanden eine positive User Experience durch die maschinelle Befähigung und die Erfahrung einer gesteigerten eigenen Leistungsfähigkeit zu verzeichnen.

Weitere Beispiele

Das Anwendungsspektrum und damit der Wirkungsbereich von LLM beschränkt sich jedoch nicht auf die Substitution bzw. Befähigung von Tätigkeiten in der Textproduktion, sondern bietet auch Unterstützung bei der Textanalyse.

So ist im Bereich des Vertragsmanagements beispielsweise eine automatisierte Vertragsanalyse möglich, bei der generative KI dafür eingesetzt wird, Verträge zu analysieren, relevante Informationen zu extrahieren und Vertragsdokumente zu strukturieren, was eine beschleunigte Vertragsprüfung ermöglicht oder im nächsten Schritt eine Risikobewertung der enthaltenen Vereinbarungen.

Ein weiteres Beispiel für eine tiefgreifende Wirkung generativer Künstlicher Intelligenz auf die Arbeit ist die Möglichkeit der dialogischen Interaktionsform mit Dokumenten, wie sie von auf den großen LLMs aufbauenden Werkzeugen wie »askpdf«, »sharly«, »chatpdf« oder »voicexd« bereitgestellt wird. Hier wird die generelle konversationelle Fähigkeit der LLM erweitert durch Dokumente mit spezifischen Inhalten, sodass eine Form der Befragung dieser Dokumente ermöglicht wird – als Zusammenfassung oder als voll interaktiver Chat10.

Diese Form des KI-vermittelten interaktiven Umgangs mit umfangreichen Dokumenten eröffnet neue Möglichkeiten in den Bereichen Bildung und Weiterbildung11, aber auch sehr pragmatisch beispielsweise in der Einarbeitung neuer Mitarbeitender oder zur Entlastung des IT-Supports, wenn umfangreiche Kompendien von Arbeitsanweisungen oder Systembeschreibungen in dialogischer Form befragt werden können, anstatt andere Kräfte im Unternehmen für deren Beantwortung zu binden.

Gleichzeitig zeigen aktuelle Studien im Bereich der kreativen und umsetzenden Wissensarbeit12 wie beispielswiese in der Unternehmensberatung, dass Berater aller Qualifikationsstufen von einem...