Fehlendes Wissensmanagement als Risikofaktor
Wissensmanagement ist ein zentrales Fundament für robustes Qualitätsmanagement!
Wie sollen wir qualitäts- und sicherheitsrelevante Informationen an den Mann bzw. die Frau bringen,
wenn die Informationsablage chaotisch ist und Wissen inkonsistent an verschiedenen Orten verteilt ist?
Fakt ist: Ohne ein vernünftiges Wissensmanagement wird alles komplizierter - Neue Mitarbeiterinnen und
Mitarbeiter brauchen länger in der Einarbeitung. In Arbeitsabläufen ist nicht klar, was genau zu beachten ist.
Leitfäden sind oft veraltet (
historisch gewachsen) und wenn sie aktuell sind, sind ihre allgemeingültigen Regeln und Gebote oft nur schwer auf konkrete Prozesse übertragbar.
All das geht schnell zu Lasten der Qualität und Effizienz.
Eine chaotische Informationsablage und inkonsistentes Wissen sind in vielen Unternehmen an der Tagesordnung.
Für Qualitätsmanager, die Standards wahren und ein hohes Niveau an Qualität und Effizienz sichern wollen,
ist das ein regelrechter Albtraum!
Die wirksame Bereitstellung von qualitäts- und sicherheitsrelevanten Informationen wird zur Herausforderung.
Mitarbeiterinnen und Mitarbeiter fühlen sich schnell abgehängt, weil sie die häufig verstreuten Informationen einerseits
nicht finden, andererseits aber schwer verdauliche und langatmige Regelwerken, Normen und Leitfäden
oft nicht so einfach auf die konkrete Situation übertragen können.
Die kurzfristige Folge ist eine geringe Nutzerakzeptanz und die fehlende Einbindung der Mitarbeiter.
Langfristig ist die chaotische Informationsablage aber ein Nährboden für Qualitätsmängel,
ineffiziente Prozesse und eine frustrierte Belegschaft.
Außerdem ist zu beachten, dass eine mangelhafte Compliance gravierende finanzielle Strafen sowie signifikante Marktbenachteiligungen nach sich ziehen kann.
Generative KI als (proaktiver) Qualitätsberater
Wie würde eine gute Wissensquelle für qualitäts- und sicherheitsrelevante Informationen aussehen?
Relevante Informationen sollten...
- nicht verteilt, sondern an einer Stelle verfügbar sein
- leicht verständlich und möglichst konkret anwendbar sein
- leicht gefunden werden können
- im Bestfall auch dann die Mitarbeiter erreichen, wenn sie nicht konkret danach suchen
Schauen wir uns an, wie Generative KI uns dabei helfen kann, einer solchen idealen Wissensquelle möglichst
nahe zu kommen.
Reaktive Beratung durch einen Chatbot
Die naheliegende Idee ist es zunächst, einen Chatbot bereitzustellen. Dieser kann Mitarbeitern als
ein
Qualitätsberaterzur Seite stehen.
Einem solchen Chatbot können Mitarbeiter konkrete Fragen stellen. Das ist insbesondere dann interessant,
wenn der Chatbot nicht nur allgemeines Wissen wiedergeben kann, sondern auch tatsächlich konkrete Qualitäts- und Sicherheitshinweise
zur aktuellen Aufgabenstellung liefern kann.
Beispiele für solche Fragen könnten sein:
Welche Kennzahlen muss ich als technischer Projektleiter in der Konstruktion monatlich erfassen?
Welche Normen und Werknormen sind bei der Montage von Notausgängen relevant?
Entspricht folgende E-Mail unserer Tonalität in der Unternehmenskommunikation? ...
Was ist die technologische Zutat, um einen solchen Chatbot zu ermöglichen?
Wir brauchen zunächst ein großes Sprachmodell, das leistungsfähig genug ist, um eine natürliche und freie
Kommunikation mit Nutzern zu führen.
Dieses Sprachmodell muss mit relevanten Normen und Werknormen, internen Regelwerken und Leitfäden vertraut sein, um qualifiziert Auskunft geben zu können.
Proaktive Beratung durch Prozessanalyse
Ein Chatbot, der auf Fragen reagiert, ist ein guter Anfang.
Im Optimalfall spricht die KI unsere Mitarbeiterinnen und Mitarbeiter aber auch proaktiv an, wenn
bestimmte qualitätserhaltende Maßnahmen wichtig werden.
In jedem Prozess fallen Daten und Ereignisse an. Neue Dokumente, E-Mails, Datensätze und Kennzahlen entstehen
in den IT-Anwendungen der Firma. Eine KI kann diese Informationen beobachten und - nach einem vorgegebenen Regelwerk -
Mitarbeiter über bestimmte Aspekte informieren.
Machen wir's konkreter: Nehmen wir an, in einem Forschungsprojekt muss eine Projektdokumentation für relevante Stakeholder gepflegt werden.
Der Projektleiter schreibt wöchentlich einen Bericht. Am Anfang sieht der Wochenbericht noch gut aus, doch je länger das Projekt läuft,
desto oberflächlicher wird die Dokumentation.
Eine KI kann sich die Dokumentation regelmäßig anschauen und den Projektleiter proaktiv darauf hinweisen,
dass die Qualität der Dokumentation abnimmt und erläutern wieso
diese in Forschungsprojekten wichtig ist.
Abbildung 1: Team und Generative KI bilden eine Einheit. Die KI wird durch Regelwerke und die Daten
aus laufenden Prozessen gefüttert und kann so sowohl proaktiv als auch reaktiv beraten.
Wie geht man's an
Gegenüber einer KI in anderen Bereichen haben wir im Management von qualitäts- und sicherheitsrelevantem Wissen
drei Herausforderungen:
Die KI benötigt relevantes Wissen im Bereich Compliance
Damit ein Sprachmodell unsere Mitarbeiter in den Bereichen Qualität, Sicherheit und Konformität unterstützen kann, müssen wir einerseits sicherstellen, dass
sie mit allen relevanten internen Leitfäden und Regelwerken, aber auch mit externen Normen und Qualitätsstandards
vertraut ist.
Bei der Integration von internen Leitfäden und Vorschriften, aber auch bei der Einbindung von externen Regelwerken wie beispielsweise Normen ist es wichtig, dass diese Up-to-Date sind
und relevante Änderungen durch die KI gelernt werden.
Die KI muss also entsprechend smarte Schnittstellen zu internen Dokumenten und zu den relevanten, externen Instituten
besitzen.
Wir als KI-Lösungsanbieter sind beispielsweise strategischer Partner des Deutschen Instituts für Normung e.V. (DIN) und
arbeiten mit verschiedenen Normungsinstituten in Europa zusammen. Auf Basis dieser Erfahrungswerte können wir unseren Kunden in diesem Bereich ganzheitliche Beratung und Lösungen liefern.
Die KI muss Datenschutz gewährleisten
Außerdem müssen wir uns fragen, wie wir mit dem Thema Datenschutz umgehen.
Damit die KI wirklich hilfreiche Hinweise geben kann, muss es auch möglich sein, bedenkenlos Themen im Chat anzusprechen,
die naturgemäß sensible Daten beinhalten, die wir sicher unter Verschluss halten möchten. Dies könnten beispielsweise
Fragen zu Details in der Konstruktion und Produktentwicklung oder zu konkreten Kundenfällen sein.
Um den Datenschutz bei unseren Kunden zu gewährleisten ist unser Ansatz der, dass wir auf eine Cloud-KI wie beispielsweise ChatGPT
verzichten und stattdessen ein modernes, quelloffenes Sprachmodell wie Llama3 direkt im kundeneigenen Rechenzentrum installieren.
Weiterführende Datenanalyse
Damit die KI auch proaktiv und ereignisorientiert Mitarbeiter ansprechen kann, müssen kontinuierlich
weitere Daten aus Prozessen im Unternehmen analysiert werden. Hier braucht es eine robuste Anbindung der KI an
Dokumente und Datenbanken im Unternehmen.
Mit unserer KI-Software KogniLink bieten wir für diese Aufgabe eine fertige Plattform an,
welche Daten aus unterschiedlichsten Systemen sicher und zuverlässig an das Sprachmodell anbindet und eine Analyse dieser Daten ermöglicht.
Fazit
Halten wir fest:
Mit Generativer KI können wir qualitäts- und sicherheitsrelevantes Wissen effizient an Mitarbeiter kommunizieren,
so dass diese das Wissen in leicht verdaulicher Form und in ihrem jeweiligen Kontext zur Verfügung haben.
Dies ermöglicht es uns, die Qualität in Prozessen effizient zu gewährleisten und Konformitätsanforderungen
zu erfüllen.
Wir sollten dabei aber darauf achten, dass die KI relevante Normen und Regelwerke, aber auch interne Leitfäden und
Best Practices kennt und sensible Informationen geschützt bleiben.
Unsere KI-Lösungen im Bereich Wissensmanagement helfen dir dabei, diese Anforderungen schnell umzusetzen
und in kürzester Zeit eine KI einzuführen, die einen echten Unterschied bei der Bereitstellung und Nutzung
von Wissen macht.
