Bitte verwenden Sie diesen Link, um diese Publikation zu zitieren, oder auf sie als Internetquelle zu verweisen: https://hdl.handle.net/10419/308128 
Erscheinungsjahr: 
2023
Quellenangabe: 
[Journal:] HMD Praxis der Wirtschaftsinformatik [ISSN:] 2198-2775 [Volume:] 60 [Issue:] 6 [Publisher:] Springer Fachmedien Wiesbaden GmbH [Place:] Wiesbaden [Year:] 2023 [Pages:] 1156-1173
Verlag: 
Springer Fachmedien Wiesbaden GmbH, Wiesbaden
Zusammenfassung: 
Im Kontext der Industrie 5.0 gilt die gezielte Kombination von menschlicher und maschineller Intelligenz – z. B. in Form von Entscheidungsunterstützungssystemen – als besonders vielversprechend. Während eine künstliche Intelligenz (KI) Entscheidungsvorschläge unterbreitet, obliegt im Sinne einer menschenzentrierten Gestaltung den beteiligten Personen die Entscheidungshoheit. Die KI-Vorschläge basieren zumeist auf umfangreichen historischen Datenbeständen, wie sie typischerweise im öffentlichen Personennahverkehr (ÖPNV) anfallen. Diese können bspw. genutzt werden, um Mitarbeitenden in ÖPNV-Leitstellen im Falle unvorhergesehener Störungen geeignete dispositive Maßnahmen wie Umleitungen oder Fahrplanänderungen vorzuschlagen. Dieser anspruchsvolle und oftmals zeitkritische Prozess verursacht eine hohe kognitive Belastung und bietet sich damit für eine KI-basierte Unterstützung an. Praktische Erfahrungen bei der Konzeption einer solchen hybriden Intelligenzlösung und Ergebnisse aus Gesprächen mit betroffenen Mitarbeitenden verdeutlichen allerdings, dass neben technischen auch zahlreiche sozio-technische Herausforderungen an der Mensch-Maschine-Schnittstelle bestehen. Diese betreffen u. a. die Akzeptanz des Systems oder die mangelnde Formalisierbarkeit der intuitiven und individuell unterschiedlichen menschlichen Entscheidungsabläufe. Der Artikel analysiert diese Herausforderungen und trägt damit zu einer realistischeren Bewertung des praktischen Potenzials hybrider Intelligenzlösungen bei.
Schlagwörter: 
Künstliche Intelligenz
Hybride Intelligenz
Entscheidungsunterstützung
Mensch-Maschine-Schnittstelle
Herausforderungen
Öffentlicher Personennahverkehr
Artificial intelligence
Hybrid intelligence
Decision support
Human-machine interface
Challenges
Public transportation
Persistent Identifier der Erstveröffentlichung: 
Creative-Commons-Lizenz: 
cc-by Logo
Dokumentart: 
Article
Dokumentversion: 
Published Version

Datei(en):
Datei
Größe





Publikationen in EconStor sind urheberrechtlich geschützt.