Standardisation in the field of mental workload (EN ISO 10075) and implications for business practice This article highlights developments in the field of mental stress and strain within the context of German occupational health and safety. In this regard, it outlines, in particular, the activities relating to ergonomic standardisation concerning mental stress and strain, as well as the strain-related consequences. The text focuses on the terminology and the load-stress concept, as well as on the reorientation of the second part of the standard – which was revised in 2024 – and which contains important recommendations for work system designers and other stakeholders in companies regarding the ergonomically sound design of work systems. It is demonstrated that the conceptual distinction between the terms ‘stress’ and ‘strain’ remains highly relevant in practice.
Zwei kleine und mittlere Unternehmen sind Teil des KI_eeper-Projektkonsortiums. In und mit diesen beiden Unternehmen wurde die Entwicklung eines selbstlernenden, KI-basierten Assistenzsystems erprobt. In diesem Beitrag werden die beiden Unternehmen, ihre Motivation zur Mitwirkung am Projekt sowie die zwei betrieblichen Anwendungsfälle vorgestellt. Der Artikel schließt mit einem Ausblick auf weitere Anwendungsfälle in Betrieben, die sich für einen innerbetrieblichen Transfer der Technik eignen könnten.
Das Projekt KI_eeper legt den Schwerpunkt auf eine soziotechnische Vorgehensweise, die von Anfang an darauf abzielt, Ängste und Bedenken der Beschäftigten gegenüber dem Einsatz von KI-Lösungen und dem Wissenstransfer abzubauen. Dabei orientiert sich das Projekt an bestehenden Vorgehensmodellen und arbeitswissenschaftlichen Empfehlungen. Die entwickelte Vorgehensweise umfasst sechs zentrale Bausteine mit dazugehörigen Methoden und Instrumenten, die gemeinsam mit den beiden Anwenderunternehmen entwickelt und in der Praxis erprobt wurden. Dieser Beitrag erläutert die Vorgehensweise im Detail und stellt ihre einzelnen Bestandteile vor. Jeder Abschnitt schließt mit Tipps für die Praxis.
Die Babyboomer-Generation geht in Rente. Dies bedeutet, dass eine Vielzahl an erfahrenen Beschäftigten die deutschen Unternehmen verlässt. Ihr essenzielles Wissen nehmen sie mit, wenn Betriebe dieses Wissen nicht frühzeitig identifizieren und für nachfolgende Arbeitskräfte sichern. Das ist nur eine von vielen Entwicklungen, die ein effizientes Wissensmanagement notwendig machen. Der Beitrag zeigt auf, warum es für Betriebe notwendig ist, sich dem Thema anzunehmen und dafür zu sorgen, das Wissen ihrer erfahrenen Beschäftigten zu identifizieren und langfristig für nachfolgende Arbeitskräfte zu sichern.
Die zunehmende Verrentung langjähriger Beschäftigter stellt Unternehmen vor die Herausforderung, essenzielles Erfahrungswissen zu identifizieren und für nachfolgende Generationen zu sichern. Aktuelle Ansätze dafür sind zeitintensiv und kostspielig. In dem Forschungsprojekt KI_eeper wird ein KI-basiertes Assistenzsystem entwickelt, welches automatisiert im Arbeitsprozess Wissen identifizieren, speichern und transferieren soll. Der Beitrag thematisiert betriebliche Herausforderungen des Wissenstransfers, KI-basierte Lösungsmöglichkeiten und Anwendungsfälle sowie eine soziotechnische Arbeitsgestaltung, um einen intergenerationellen Wissenstransfer zu ermöglichen. Konzipierte und bereits ergriffene Maßnahmen zur Akzeptanzförderung werden vorgestellt. Den Abschluss des Beitrags bilden erste Ergebnisse, ein Fazit sowie ein Ausblick auf die nächsten Schritte im Projekt.