Automatisierung mit Augenmaß
Wie lassen sich Entscheidungen automatisieren, ohne menschliche Kontrolle zu verlieren? In ihrem Paper „Targeted Automation and Sustaining Human-AI Learning“ zeigen Kai Hoberg (Kühne Logistics University), Christina Imdahl (TU Eindhoven) und William Schmidt (Emory University), wie gezielte Automatisierung Produktivität steigert und zugleich menschliches Wissen und Lernen bewahrt.
Gleichgewicht zwischen Effizienz und KI-Verbesserung
„Unsere Forschung zeigt, dass Unternehmen bei der Automatisierung selektiv vorgehen sollten. Statt alle Entscheidungen zu automatisieren, sollten gezielt diejenigen erhalten bleiben, bei denen Menschen den Algorithmus verbessern können. Gleichzeitig müssen genügend menschliche Entscheidungen vorhanden bleiben, um den Algorithmus an dynamische Rahmenbedingungen anpassen zu können“, sagt Kai Hoberg, Professor für Lieferketten- und Betriebsstrategie an der Kühne Logistics University (KLU). So lasse sich ein Gleichgewicht zwischen kurzfristiger Effizienz und kontinuierlicher KI-Verbesserung herstellen – und somit ein langfristiger Erfolg.
Vierstufiger Ansatz zur gezielten Automatisierung
Dazu haben die Forscher:innen einen vierstufigen Ansatz zur gezielten Automatisierung von Entscheidungen entwickelt. Zunächst wird analysiert, wann menschliche Korrekturen algorithmischer Empfehlungen zu besseren Entscheidungen führen. Auf dieser Grundlage lernt das von den Wissenschaftler:innen entwickelte Modell vorherzusagen, wann menschliches Fachwissen einen Mehrwert bietet. So können gezielt die Entscheidungen automatisiert werden, bei denen menschliche Eingriffe voraussichtlich wenig zusätzlichen Nutzen bringen, die übrigen verbleiben beim Menschen. Die menschlichen Korrekturen schließlich werden genutzt, um Algorithmen zu verbessern.
So verbessert menschliches Wissen Algorithmen
„Der entscheidende Punkt ist dabei: Es geht nicht einfach darum, schwierige Entscheidungen beim Menschen zu belassen, sondern vorherzusagen, bei welchen Entscheidungen der Mensch tatsächlich zur Verbesserung des Systems beitragen kann“, betont Christina Imdahl, die an der Kühne Logistics University promoviert hat und jetzt als Professorin an der TU Eindhoven tätig ist. Denn so fließe weiterhin wertvolles menschliches Wissen in die Verbesserung der Algorithmen und ermögliche gleichzeitig einen hohen Automatisierungsgrad. „In unserer empirischen Anwendung konnten wir rund 84 Prozent der Entscheidungen automatisieren“, sagt sie.
Unternehmern rät Professor Hoberg zu einer schrittweisen Automatisierung und dazu, zunächst zu klären, woran sie den Mehrwert menschlicher Eingriffe messen können. „Auf dieser Grundlage lässt sich dann gezielt entscheiden, welche Aufgaben automatisiert werden sollten und wo menschliches Fachwissen weiterhin gebraucht wird.“
Mensch und KI als Partner in einem dynamischen System
Für ihre Studie analysierten die Autor:innen einen umfangreichen Datensatz von mehr als 475.000 Auftragsentscheidungen, die innerhalb von vier Jahren bei einem großen Nutzfahrzeughersteller mit einem Jahresumsatz von über vier Milliarden Euro bearbeitet wurden, um zu ermitteln, wann der Mensch dem Algorithmus überlegen war.
Dabei ging es Hoberg, Imdahl und Schmidt jedoch nicht um die klassische Frage ´Wer ist besser: Mensch oder KI?`. Sondern vielmehr um ein Modell, das Mensch und KI als Partner in einem dynamischen System versteht mit dem Ziel, Arbeitskräfte von repetitiven, nicht wertschöpfenden Aufgaben zu entlasten und zugleich die konsequente Weiterentwicklung der KI durch menschliches Feedback zu ermöglichen. Ein weiteer Schritt hin zu ‘Human in the Loop 4.0’.
