Implementation of artificial intelligence at the workplace, considering the work ability of employees

Samantha Werens; Jörg von Garrel

doi:10.14512/tatup.32.2.43

Authors

Samantha Werens Faculty of Social Sciences, Darmstadt University of Applied Sciences, Darmstadt (DE)
Jörg von Garrel Faculty of Social Sciences, Darmstadt University of Applied Sciences, Darmstadt (DE) https://orcid.org/0000-0002-3617-1798 joerg.vongarrel@h-da.de

DOI:

https://doi.org/10.14512/tatup.32.2.43

Keywords:

artificial intelligence (AI), work ability, multidimensional framework, socio-technical tool, employee-friendly implementation

Abstract

The use of artificial intelligence (AI) as an innovation driver is increasingly gaining importance among small and medium-sized manufacturing enterprises. In order to enable a successful AI implementation, both the business requirements and the needs of human resources must be considered. One construct that brings these dimensions together is the concept of work ability. So far, there is little scientific evidence addressing work ability in the context of AI implementation. Therefore, this article aims to create a multidimensional framework using the results of a qualitative study on employee-friendly implementation of AI-based systems. The framework combines central aspects (implementation stage, AI-autonomy level, and work ability) and helps to identify suitable recommendations for companies to increase acceptance and trust in the implementation process. Based on the developed framework, a first version of a socio-technical AI support tool has been created.

References

Ahlborn, Klaus et al. (2019): Technologieszenario “Künstliche Intelligenz in der Industrie 4.0”. Plattform Industrie 4.0 Working Paper. Berlin: Bundesministerium für Wirtschaft und Energie. Available online at https://www.plattform-i40.de/IP/Redaktion/DE/Downloads/Publikation/KI-industrie-40.pdf?__blob=publicationFile&v=10, last accessed on 03. 05. 2023.

Beins et al. (2017): Künstliche Intelligenz. Wirtschaftliche Bedeutung, gesellschaftliche Herausforderungen, menschliche Verantwortung. Berlin: Bitkom e. V. Available online at https://www.dfki.de/fileadmin/user_upload/import/9744_171012-KI-Gipfelpapier-online.pdf, last accessed on 03. 05. 2023.

Deuse, Joche; Kirsten Weisner; Busch, Felix; Achenbach, Marlies (2018): Gestaltung sozio-technischer Arbeitssysteme für Industrie 4.0. In: Hartmut Hirsch-Kreinsen, Peter Ittermann and Jonathan Niehaus (eds.): Digitalisierung industrieller Arbeit. Die Vision Industrie 4.0 und ihre sozialen Herausforderungen. Baden-Baden: Nomos, pp. 195–214. https://doi.org/10.5771/9783845283340 DOI: https://doi.org/10.5771/9783845283340-194

El Fassi, Mehdi; Bocquet, Valery; Majery, Nicole; Lair, Marie Lise; Couffignal, Sophie; Mairiaux, Philippe (2013): Work ability assessment in a worker population. Comparison and determinants of work ability index and work ability score. In: BMC public health 13 (305), pp. 1–10. https://doi.org/10.1186/1471-2458-13-305 DOI: https://doi.org/10.1186/1471-2458-13-305

Giesert, Marianne; Reuter, Tobias; Liebrich, Anja (2017): Wege zu einem erfolgreichen Arbeitsfähigkeitsmanagement im Wandel der Zeit. In: Marianne Giesert, Tobias Reuter and Anja Liebrich (eds.): Arbeitsfähigkeit 4.0. Eine gute Balance im Dialog gestalten. Hamburg: VSA-Verlag, pp. 16–31.

Hartmann, Ernst; Hornbostel, Lorenz; Thielicke, Robert; Tillack, Désirée; Wittpahl, Volker (2017): Wie sieht die Zukunft der Arbeit aus? Ergebnisbericht zur Umfrage “Künstliche Intelligenz und die Zukunft der Arbeit”. Available online at https://www.iit-berlin.de/iit-docs/69750d8ab20442ff9452b46fd84dec4f_Ergebnisbericht_Umfrage_Zukunft_der_Arbeit.pdf, last accessed on 03. 05. 2023.

Ilmarinen, Juhani (2019): From work ability research to implementation. In: International Journal of Environmental Research and Public Health 16 (16), p. 2882. https://doi.org/10.3390/ijerph16162882 DOI: https://doi.org/10.3390/ijerph16162882

Ilmarinen, Juhani; Tempel, Jürgen; Giesert, Marianne; Schartau, Harald (2002): Arbeitsfähigkeit 2010. Was können wir tun, damit Sie gesund bleiben? Hamburg: VSA.

Jung, Maria; von Garrel, Jörg (2021): Mitarbeiterfreundliche Implementierung von KI‑Systemen in Bezug auf Akzeptanz und Vertrauen. In: TATuP – Journal for Technology Assessment in Theory and Practice 30 (3), pp. 37–43. https://doi.org/10.14512/tatup.30.3.37 DOI: https://doi.org/10.14512/tatup.30.3.37

Karltun, Johan; Karltun, Anette; Berglund, Martina (2021): Activity. The core of human-technology-organization. In: Nancy Black, Patrick Neumann and Ian Noy (eds.): Proceedings of the 21st Congress of the International Ergonomics Association (IEA 2021). Volume I: Systems and Macroergonomics. Cham: Springer, pp. 704–711. https://doi.org/10.1007/978-3-030-74602-5_96 DOI: https://doi.org/10.1007/978-3-030-74602-5_96

Karnowski, Veronika; Kümpel, Anna Sophie (2016): Diffusion of innovations. In: Matthias Potthoff (ed.): Schlüsselwerke der Medienwirkungsforschung. Wiesbaden: Springer Fachmedien, pp. 97–107. https://doi.org/10.1007/978-3-658-09923-7_9 DOI: https://doi.org/10.1007/978-3-658-09923-7_9

Keding, Christoph (2021): Understanding the interplay of artificial intelligence and strategic management. Four decades of research in review. In: Management Review Quarterly 71 (1), pp. 91–134. https://doi.org/10.1007/s11301-020-00181-x DOI: https://doi.org/10.1007/s11301-020-00181-x

Knappertsbusch, Inka; Gondlach, Kai (eds.) (2021): Arbeitswelt und KI 2030. Herausforderungen und Strategien für die Arbeit von morgen. Wiesbaden: Springer Gabler. https://doi.org/10.1007/978-3-658-35779-5 DOI: https://doi.org/10.1007/978-3-658-35779-5

Lundborg, Martin; Märkel, Christian (2019): Künstliche Intelligenz im Mittelstand – Relevanz, Anwendungen, Transfer. Eine Erhebung der Mittelstand-Digital Begleitforschung. Bad Honnef: WIK GmbH.

Oswald, Margit (2010): Vertrauen in Organisationen. In: Martin Schweer (ed.): Vertrauensforschung 2010. A state of the art. Frankfurt a. M.: Peter Lang, pp. 63–85.

Prümper, Jochen; Gottfried Richenhagen (2011): Von der Arbeitsunfähigkeit zum Haus der Arbeitsfähigkeit. Der Work Ability Index und seine Anwendung. In: Brigitte Seyfried (ed.): Ältere Beschäftigte – zu jung, um alt zu sein. Konzepte, Forschungsergebnisse, Instrumente. Bielefeld: Bertelsmann, pp. 135–146.

Rogers, Everett (1983): Diffusion of innovations. New York, NY: The Free Press.

Rossi, Francesca (2019): Building trust in artificial intelligence. In: Journal of international affairs 72 (1), pp. 127–134. Available online at https://jia.sipa.columbia.edu/building-trust-artificial-intelligence, last accessed on 03. 05. 2023.

Sartori, Laura; Theodorou, Andreas (2022): A sociotechnical perspective for the future of AI. Narratives, inequalities, and human control. In: Ethics and Information Technology 24 (1), pp. 1–11. https://doi.org/10.1007/s10676-022-09624-3 DOI: https://doi.org/10.1007/s10676-022-09624-3

Stowasser, Sascha et al. (2020): Einführung von KI‑Systemen in Unternehmen. Gestaltungsansätze für das Change-Management (Whitepaper). München: Lernende Systeme – Die Plattform für Künstliche Intelligenz. Available online at https://www.plattform-lernende-systeme.de/files/Downloads/Publikationen/AG2_Whitepaper_Change_Management.pdf, last accessed on 03. 05. 2023.

Urbach, Nils et al. (2021): KI‑basierte Services intelligent gestalten. Einführung des KI‑Service-Canvas. Bayreuth: Fraunhofer-Institut für Angewandte Informationstechnik FIT. Available online at https://www.fim-rc.de/Paperbibliothek/Veroeffentlicht/1313/wi-1313.pdf, last accessed on 03. 05. 2023.

Werens, Samantha; von Garrel, Jörg (2022): Durchführung einer Analyse zu den Auswirkungen von KI‑Arbeitssystemen auf die Arbeitsfähigkeit von Mitarbeiter:innen. In: Gesellschaft für Arbeitswissenschaften e. V. (ed.): Technologie und Bildung in hybriden Arbeitswelten. Dokumentation des 68. Arbeitswissenschaftlichen Kongresses. Sankt Augustin: GfA-Press, pp. 1–8.