KI knackt die „blackbox“ manueller menschlicher arbeit

In Zeiten fortschreitender Automatisierung arbeiten Mensch und Maschine vermehrt Hand in Hand. Doch während Maschinen der Industrie 4.0 bereits vernetzt interagieren und wertvolle Daten liefern, bleibt menschliche Arbeit oft eine Blackbox. Künstliche Intelligenz kann das ändern. Ein Beispiel hierfür sind MotionMiners, Finalisten des HR Start-up Award 2019.

Menschliche Arbeitskraft ist noch eine informatorische Blackbox

Logistik- und Produktionsprozesse unterliegen heutzutage, abhängig von der Branche, einem hohen Automatisierungsgrad. Die Industrie 4.0 bringt zusätzlich viele Veränderungen in Betrieben mit sich. Intelligente, eigenständig agierende Systeme nehmen dadurch immer wichtigere Positionen ein, die teilweise nicht mehr von Menschen ausführbar sind. Trotzdem gibt es Arbeit, die aufgrund ihrer Komplexität oder Diversität weiterhin und auch in Zukunft durch Menschen erledigt wird/werden muss. Gleichzeitig ist der Fortschritt dieser digitalen Transformation noch nicht in allen Unternehmen oder Unternehmensbereichen erfolgt. Der Bereich der manuellen Arbeitsprozesse und der Faktor Mensch bleiben also hoch relevant

Auch unter den Gesichtspunkten des demografischen Wandels und des Fachkräftemangels ist das Personalwesen gefordert, Lösungen zu finden wie Arbeit einfacher und intelligenter bewältigt werden kann. Eine Lösung scheint daher, manuelle Arbeitsprozesse zu analysieren und zu optimieren, um neben einer Effizienzsteigerung, eine Minimierung der körperlichen Arbeitsbelastung zu erzielen. Diese Prozesse sind oft, insbesondere im Vergleich zu den automatisierten Teilprozessen, eine informatorische „Blackbox“. Ineffizienzen werden zwar gesehen, lassen sich jedoch nicht quantifizieren. Dies gilt auch für die Erkennung von bspw. schlechter Haltung oder repetitiven Tätigkeiten.

Wie sich die Analyse manueller Arbeitsprozesse digitalisieren lässt

Dieser blinde Fleck im Bereich manueller Arbeitsprozesse muss jedoch nicht mehr sein – durch die Nutzung vorhandener digitaler Technologie lassen sich gesundheitliche Risiken minimieren und Abläufe optimieren. Nötig hierfür sind zunächst „Wearables“ in Form von tragbaren Sensoren, ähnlich wie bei Fitnesstrackern. Sie können Aktivitäts- und Ergonomiedaten an den Handgelenken und am Gürtel sammeln. Standortdaten können wiederum mithilfe von Lokalisierungsfunksendern (Beacons) ermittelt werden. Zur Auswertung dieser Daten braucht es einen „Deep-Learning Algorithmus“, von vielen auch als künstliche Intelligenz bezeichnet. Die verwendete Hard- und Software sollte dabei idealerweise autark sein und nicht für die Durchführung einer Messung in die betriebliche IT integriert werden müssen, um einen möglichst flexiblen Einsatz zu gewähren.

Da diese Auswertung selbstverständlich den Schutz des Subjektes und seiner Daten gewährleisten muss, wobei die DSGVO hier den Rechtsrahmen absteckt, dürfen die Daten zu keiner Zeit einzelnen Personen zugeordnet werden. Für eine gute Akzeptanz sorgt darüber hinaus eine enge Abstimmung mit dem Betriebsrat sowie eine einfache Handhabung der Messgeräte.

Auf dieser Grundlage lässt sich „Motion-Mining“ betreiben: Arbeitsprozesse digital, automatisch und anonym erfassen, verarbeiten und in von Menschen einfach lesbare Kennzahlen umwandeln und analysieren – ein Prozess, der bis heute normalerweise zunächst manuell von ausgebildeten Prozessingenieur*innen mit Stoppuhr und Klemmbrett durchgeführt wird und somit in der Regel äußerst zeitintensiv ist .

Motion-Mining in der Praxis

Der Nutzen für das Personalwesen lässt sich auch anhand eines Praxisbeispiels der MotionMiners veranschaulichen, die ihre Technologie 2019 als Finalisten des HR Start-up Awards auf dem Personalmanagementkongress in Berlin vorstellen konnten: Das Unternehmen Blumenbecker Industriebedarf GmbH ist ein klassischer Vollsortimenter. Das hochmoderne 3.500 m² große Logistikzentrum in Beckum verfügt über ein Sortiment von bis zu 100.000 Artikeln aus dem Bereich Industriehandel. Im Rahmen eines Projekts wurden vier Mitarbeiter pro Schicht anonym über eine Arbeitswoche „gemessen“. Dabei kamen Mess-Sets für vier Mitarbeiter und 106 Verortungsfunksender (Beacons) zum Einsatz. 85 relevante Bereiche wurden im Lager definiert. Hierzu gehörten u. a. die Vorbereitung der Kommissionierwagen, die Fachbodenregalanlage (inkl. Mehrgeschossanlage), das Büro sowie Sonderbereiche (z. B. Paletten Nachschub, Drucker, Wareneingang etc.). Während der einwöchigen Messung wurden 334 Mio. Datenpunkte erfasst und von der künstlichen Intelligenz automatisch ausgewertet. Dabei legte jeder Mitarbeiter bspw. durchschnittlich 5,5 km Laufleistung täglich zurück und absolvierte 1.000 Bückbewegungen pro Schicht. Das Ergebnis der Analyse wurde bspw. anhand von Heatmaps und Box-Plot-Diagrammen präsentiert.

Die so aufgedeckten Verbesserungspotentiale kamen sowohl Mitarbeitenden als auch dem Unternehmen zugute: Denn die effizienteren Arbeitsabläufe haben unnötige Wege, Bückbewegungen oder Arbeiten über Kopf verringert. In bestimmten Funktionsbereichen konnte 24 % Wartezeit eingespart und Effizienzsteigerungen von bis zu 40 % erzielt werden – und das bei einer Projektdauer von zwei Monaten.

Den Shutdown verhindern: Motion-Mining gegen COVID-19

Auch zur Bekämpfung der Ausbreitung von COVID-19 kann Motion-Mining, in leicht angepasster Form, angewendet werden. So kann nicht nur im Nachhinein aufgezeigt werden, wo kritische Kontakte vorliegen. Mitarbeiter können auch direkt benachrichtigt werden, sollten sie z. B. die vom RKI empfohlene maximale Kontaktzeit überschreiten. Zudem werden sie gewarnt, sobald sie mit einer infizierten Person in Kontakt treten, bzw. in der Vergangenheit in Kontakt getreten sind. Der Unternehmensleitung ist es möglich, mittels Heatmaps und Knotendiagrammen auszuwerten, wo kritische Bereiche im Unternehmen vorliegen. Darauf aufbauend können bspw. neue Routen und Bereiche festgelegt, Anweisungen an das Reinigungspersonal gegeben oder Raumtrennungen durchgeführt werden. Mithilfe einer App lässt sich so ein potenzieller Shutdown des gesamten Unternehmens verhindern.

KI als Chance zur Verbesserung manueller Arbeit

So weit der Diskurs zu Digitalisierung und der Nutzung von Technologien der künstlichen Intelligenz oftmals scheinen mag, am Beispiel manueller Arbeitsprozesse und der Analyse von Bewegungsdaten zeigt sich, dass viele Potenziale noch ungenutzt sind. Gerade in Bereichen, wo Menschen repetitive Tätigkeiten ausführen, kann digitale Datenerhebung und die Auswertung – wie am Beispiel Motion-Mining dargestellt – dazu beitragen, Arbeit effizienter und vor allem am Ende auch gesünder zu machen. Es lohnt sich also, beim Thema KI nicht nur an Maschinen zu denken, sondern auch an die Verbindung zu menschlichen Tätigkeiten, die auch in Zukunft noch eine bedeutende Rolle spielen werden.


Über den Autor

Malcolm Harris ist Business Developer bei der MotionMiners GmbH, einer auf automatisierte Prozessanalysen spezialisierten Ausgründung des Fraunhofer Institut für Materialfluss und Logistik. Er hat einen Master in Betriebswissenschaften mit den Schwerpunkten Innovation, Entrepreneurship und Marketing und vor seinem Einstieg in die Start-up-Welt arbeitete er einige Jahre als Unternehmensberater in einer Managementberatung.

Schreibe den ersten Kommentar

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.