Rollenbilder brechen auf

Bei diesem Konzept wird der Job weniger als eine feste Einheit verstanden, sondern eher als Zusammenspiel kleiner, hochauflösender Pixel, die jeweils einzeln auf Effizienz, Wert und Eignung bewertet werden.

An der Mensch-Maschine-Schnittstelle

Berufsbilder wie wir sie kennen befinden sich im Umbruch. Mit anderen Worten, herkömmliche Jobprofile – sozusagen eine Sammlung aus Verantwortlichkeiten, Erwartungen und Qualifikationen – werden der Arbeitsrealität in Unternehmen mit fortschrittlicher Digitalisierung nicht mehr gerecht: Teil des Arbeitsalltags sind immer öfter intelligente Systeme, die Routineaufgaben übernehmen, Entscheidungsfindung unterstützen und sogar Ergebnisse generieren.

In derartigen Szenarien wird oft die Mensch-Maschine-Schnittstelle zur Bruchstelle. Um dieser Entwicklung vorzubeugen, sollte als zentrale Grundlage ein Arbeitsbetriebssystem (Work OS) eingeführt werden. Denn in diesem Kontext bedarf es einer Infrastruktur, die Aufgaben dynamisch identifizieren, zuweisen und verfolgen kann. Dies bedeutet nicht einfach, ein weiteres Dashboard aufzusetzen, sondern eine digitale Verbindungsstelle zu schaffen, um Menschen und technische Hilfsmittel wie KI-Agenten möglichst sinnstiftend für ein gemeinsames Ziel zu koordinieren.

So implementierte beispielsweise ein global agierendes Unternehmen aus der Logistik-Branche ein Aufgabenverteilungssystem, das dazu in der Lage ist, Low-Code-Bots, interne Teams und externe Partner miteinander zu verbinden. Es entstand eine Komplettlösung, in der alles von der Sendungsverfolgung bis zur Rechnungsvalidierung verwaltet werden kann. Zu den Vorteilen zählt das Unternehmen vor allem schnellere Bearbeitungszeiten, klarere Verantwortlichkeiten und erhebliche Kosteneinsparungen ohne zusätzliches Personal.

Menschenführung in Zeiten agiler Rollenbilder

Mit den beschriebenen Entwicklungen geht ein kultureller sowie technischer Wandel einher, der auch von Führungskräften eine gewisse Weiterentwicklung fordert. Der erste Schritt besteht darin, die im Betrieb anfallenden Aufgaben dahingehend aufzugliedern, ob sie menschliches Eingreifen beziehungsweise teilweise menschliche Denkleistung erfordern oder komplett maschinengestützt laufen können. Führungskräfte können beispielsweise mit ,Aufgaben-Bibliotheken´ oder einem dynamischen Mapping vorhandener Kapazitäten experimentieren.

Auch im Bereich Training ergeben sich Veränderungen: Durch die Zerlegung in modulare, maschinenlesbare Unteraufgaben wird eingebettetes Lernen möglich. Das bedeutet, dass neue Marktentwicklungen schnell umgesetzt werden können und das Personal im laufenden Prozess lernt, anstatt einen lange im Voraus entwickelten (und möglicherweise bereits überholten) Schulungsplan zu verfolgen. Das Prinzip lautet auch hier, die Weiterbildungsmodule an die jeweilige Ausführungsebene anzupassen, nicht an den Jobtitel. Nicht zuletzt legen diese neuen Ansätze des (Zusammen-)Arbeitens eine Abkehr von traditionellen Methoden der Leistungsbeurteilung nahe: Herkömmliche KPIs, die in vielen Fällen auf der quantitativen Produktivität von Mitarbeitenden basieren, greifen in diesem Arbeitskontext zu kurz. Ein geschickter Umgang mit Künstlicher Intelligenz sowie die Fähigkeit, sich flexibel und rasch an neue Kontexte anpassen zu können, werden bei Fachkräften zu zentralen Fähigkeiten. Zur Entwicklung von Leistungs-Metriken kann es zielführend sein, klar zu definieren, was Erfolg für den individuellen Betrieb bedeutet und wie ein sinnstiftender Beitrag zur Verbesserung der Prozesse aussieht.

Potenziale in der Industrieautomatisierung

Dieser Ansatz birgt zahlreiche Potenziale für die Strukturierung industrieller Automatisierungsprozesse und verändert bereits heute die Berufsbilder von Ingenieuren in der Steuerungstechnik, Wartungsspezialisten oder Servicetechnikern. Verantwortlichkeiten werden in dutzende trennscharfe Einzelaufgaben aufgeteilt und dynamisch in Echtzeit zugewiesen. Bei diesen voneinander abhängigen Einzelaufgaben können beispielsweise routinemäßige Inspektionen, die Erkennung von Anomalien oder die Regelkreiseinstellung automatisiert erfolgen, während menschliche Intelligenz sich darauf fokussiert, Abweichungen zu erkennen, Kompromisse abzuwägen oder systemübergreifend zu denken.

Eine maschinelle Aufgabenausführung bietet dabei den Vorteil, dass diese auch in für Menschen gefährlichen Bereichen implementiert werden kann und Schnelligkeit sowie Konsistenz verspricht. Gleichzeitig liegen die Stärken menschlicher Kompetenz im kontextbasierten Denken, wertegeleiteten Handeln sowie langfristigem Urteilsvermögen. Zum Beispiel kann KI Unregelmäßigkeiten in der Vibration einer Turbine erkennen. Die Entscheidung, ob diese daraufhin abgeschaltet, Kapazitäten umgeleitet oder der Betrieb unter intensivierter Beobachtung fortgesetzt werden soll, erfordert allerdings menschliche Intelligenz. Denn dieser Schritt zieht komplexe Geschäftsrisiken und potenzielle Auswirkungen auf einige, wenn nicht alle Stakeholder mit sich. Aus diesem Grund muss auch eine modularisierte Arbeitsorganisation auf menschlich gesteuerten Kontrollarchitekturen aufbauen.

Nicht nur eine Effizienz-Frage

Bilder

Kiran Minnasandram, Vice President Technology Transformation & Advisory Group bei Wipro © Wipro

Die Modularisierung von Jobprofilen geht über eine reine Effizienzsteigerung hinaus: Eine erfolgreiche Implementierung dieses Konzeptes ermöglicht die Echtzeit-Koordination über ein ganzes Netzwerk an Teilnehmenden (wie beispielsweise Mitarbeitende, Freiberufler und KI-Agenten). Ziel ist es dabei, sich hin zu einem ergebnisorientierten Arbeitsmodell zu entwickeln. Im derzeitigen wirtschaftlichen und geopolitischen Kontext hebt sich außerdem besonders ein Vorteil dieses Ansatzes hervor: eine gesteigerte Projektanpassungsfähigkeit und damit Resilienz des Betriebes.