Die Gestaltung urbaner Räume kann nur erfolgreich sein, wenn die Bedürfnisse der Bürger, die für den Bestand dieser Räume essenziell sind, berücksichtigt werden. Aus diesem Grund rückt Partizipation zunehmend in den Vordergrund. In dieser Studie untersuchen wir am Beispiel von Datenplattformen, welche Nutzerprofile für die Anwendung der Plattform infrage kommen und wie die Plattform gestaltet wird. Hierzu wurde eine Umfrage mit Akteuren aus Forschung, Verwaltung und Wirtschaft in einer mittelhessischen Kleinstadt mithilfe der Latent-Class-Analyse ausgewertet. Ergänzend erfolgt eine Fallstudie von 51 Open-Data-Plattformen, um bestehende Plattformstrukturen systematisch mit den ermittelten Nutzeranforderungen zu vergleichen. Auf diese Weise soll ermittelt werden, ob die fehlende Skalierung von Datenplattformen mit mangelnder Adressierung der entsprechenden Nutzerprofile zusammenhängt. Die Analyse identifiziert drei Nutzerprofile: die Gelegenheitsnutzer, die Datenkonsumenten und die Expertenanwender. Basierend auf dem Bewertungsformular, kann angenommen werden, dass die meisten Plattformen vor allem auf erfahrene Nutzer ausgerichtet sind. Die größte Hürde stellt jedoch die inkonsistente Verfügbarkeit der Daten sowie die mangelnde Transparenz hinsichtlich der Aktualisierungen dar. Wir empfehlen daher nicht generisch Partizipation in der Gestaltung der Datenplattformen zu fordern, sondern im ersten Schritt das Nutzerprofil zu identifizieren, das durch die Plattform adressiert werden soll. So kann im Folgeschritt die Partizipation der Akteure dieser Nutzergruppe im Rahmen der Beteiligung inkludiert werden.
Die Digitalisierung kleiner und mittlerer Unternehmen wird durch die zunehmende Verfügbarkeit leistungsfähiger KI-Anwendungen beschleunigt, wodurch neue Potenziale sowie Herausforderungen entstehen. Ein entscheidender Faktor für die erfolgreiche Einführung von KI-Anwendungen ist die Verfügbarkeit ausreichender Datenmengen, die oft aus einer langfristigen Datenaggregation resultieren. Kleine und mittlere Unternehmen leiden in der Regel unter Datenmangel, wodurch ihr Bedarf an hoher Qualität steigt. Hierbei stellt der Aufbau von Datenpipelines für sie eine Herausforderung dar. Bislang unzureichend betrachtet wird dabei die Abhängigkeit von Mitarbeitenden als Teil der Pipeline, insbesondere wenn diese Aufgaben zur Datenerfassung in ihre Arbeitsroutine integrieren müssen. Dieser Beitrag beleuchtet reale Szenarien in Unternehmen mit der Herausforderung, Daten angemessen zu erfassen, ohne die Entwicklungsprozesse datengetriebener nachgelagerter Aufgaben und Prozesse zu beeinträchtigen. Daraus werden Potenziale und Risiken von Menschen als Teil von Datenpipelines sowie praxisnahe Empfehlungen zur Vermeidung von Fallstricken abgeleitet. Dadurch können sowohl Datenqualität als auch Mitarbeitendenzufriedenheit langfristig verbessert werden.
Die Stärkung beruflicher Teilhabe von Menschen mit Beeinträchtigungen verlangt heute mehr als einen Katalog voller vorkonfektionierter Qualifizierungsangebote von der Stange – nutzenstiftend sind insbesondere solche Formate, die individualisiert und gemeinsam mit der jeweiligen Zielgruppe entstehen. Bestehende (digitale) Maßnahmen werden indes noch zu oft für, aber nicht mit Menschen mit Beeinträchtigungen entwickelt – mangelnde Nutzungsakzeptanz und brachliegende Potenziale sind die Folge. Der Beitrag stellt vor diesem Hintergrund ein methodisch fundiertes, durchgängig partizipatives Vorgehensmodell zur Entwicklung werthaltiger KI-begleiteter Blended-Learning-Angebote im inklusiven Kontext vor, das Elemente des Design Thinkings mit solchen des agilen Rahmenwerks Scrum verbindet und um spezifische Aktivierungs- und Befähigungsmethoden erweitert. Als zentrales Artefakt wird das inklusive LernBot-Canvas (iLBC) eingeführt; ergänzend hierzu wird ein um sieben Dimensionen erweiterter Ordnungsrahmen für inklusive Chatbots im Conversational Learning vorgeschlagen. Zwei Fallbeispiele aus der Praxis der Lebenshilfe Braunschweig gGmbH illustrieren die Anwendung, qualitative Stimmen aus Einzelinterviews stützen eine erste Validierung. Diskutiert werden zudem Mehrwerte gegenüber traditionellen, nicht-partizipativen Ansätzen, Limitationen sowie der mittel- bis langfristige Forschungsbedarf.
