Dr. Sinan Sen

Datalyxt GmbH
sinan.sen@datalyxt.com

Langweilige Routine war gestern – Entlastung von Wissensarbeiter:innen dank KI-Unterstützung

Durch die immer komplexer werdende Arbeitswelt und die Menge an verfügbaren Informationen ist es für Wissensarbeiter:innen eine kognitive Herausforderung und Belastung zugleich, ihre Tätigkeit effizient durchzuführen. Oft kommt hinzu, dass die Zeit ein limitierender Faktor bei der Durchführung der Tätigkeit ist.

Im Rahmen des Anwendungsfalls soll ein digitaler Assistent bereitgestellt und untersucht werden, der Wissensarbeiter:innen bei ihrer Arbeit unterstützt und entlastet. Dabei soll die Künstliche Intelligenz (KI) Aufgaben übernehmen, die repetitiver Natur und nicht wertschöpfend sind. Der digitale Assistent soll Wissensarbeiter:innen je nach Bedarf proaktiv oder reaktiv bei der Sammlung, Aufbereitung und Bereitstellung von relevanten Informationen und Daten aus unterschiedlichen Datenquellen zur Seite stehen.

Die Herausforderung ist es, dass der digitale Assistent den Arbeitskontext der Anwender:innen verstehen und in der Folge kontextsensitive, passende  Informationen bereitstellen muss. Vor diesem Hintergrund soll die KI die Interaktion erfassen, diese verstehen, interpretieren und daraus passende Aktionen ableiten. Die konkreten Anforderungen an die KI sind dabei eine strukturierte Extraktion relevanter Daten aus Dokumenten, das Vorschlagen potenziell relevanter Informationseinheiten sowie die Durchführung  automatisierter Suchvorgänge in Dokumenten abhängig vom Informationsbedarf der Wissensarbeiter:innen und deren kontextsensitiver Bereitstellung.

Mit Hilfe des KI-basierten Assistenzsystems kann die Effizienz der Wissensarbeiter:innen gesteigert und gleichzeitig eine Entlastung durch die Übergabe der monotonen Tätigkeiten an das KI-System erzielt werden. Durch die systematische Untersuchung des digitalen Assistenten soll ein besseres Verständnis der Interaktion zwischen KI und Wissensarbeiter:innen geschaffen werden, auf dessen Basis sich Handlungsempfehlungen für zukünftige Entwicklungen ableiten lassen, die sowohl die Prozessebene als auch die Technologieebene betreffen.