Künstliche Intelligenz und Open Innovation

AI (Artificial intelligence) AI management and support technology in the Business plan marketing success customer. AI management concept.

Zunächst sollten Sie sich noch einmal klar machen, wie sich Closed Innovation und Open Innovation unterscheiden. Wie so oft, gibt es nicht nur die beiden Pole, sondern ein Innovations-Kontinuum (Roth 2008). Weiterhin finden Sie in dem Beitrag Künstliche Intelligenz im Innovationsprozess von Organisationen Hinweise dazu, welche Vorteile, bzw. Nachteile es geben kann, wenn für jeden Schritt im Innovationsprozess eines der bekannten KI-Modelle wie ChatGPT, Gemeni etc. genutzt wird.

In diesem Beitrag geht es mir darum aufzuzeigen, wie Künstliche Intelligenz bei Open Innovation genutzt werden kann. Wie der folgenden Tabelle zu entnehmen ist, kann zwischen der Verbesserung von Open Innovation durch KI (OI-Enhancing AI), einer Ermöglichung von Open Innovation durch KI (OI-Enabling AI) und der Ersetzung von Open Innovation durch KI (OI-Peplacing AI) unterschiedenen werden. Die jeweils genannten Beispiele zeigen konkrete Einsatzfelder.

DescriptionExamples
OI-Enhancing AIAI that enhances established forms of open innovation by utilizing the advantages of AI complemented with human involvementInnovation search
Partner search
Idea evaluation
Resource utilization
OI-Enabling AIAI that enables new forms of open innovation, based upon AI’s potential to coordinate and/or generate innovationAI-enabled markets
AI-enabled open business models
Federated learning
OI-Replacing AIAI that replaces or significantly reshapes established forms of open innovationAI ideation
Synthetic data
Multi-agent systems
Quelle: Holgersson  et al. (2024)

Alle drei Möglichkeiten – mit den jeweils genannten Beispielen – können von einem KI-Modell (z.B. ChatGPT oder Gemeni etc.) der eher kommerziell orientierten Anbieter abgedeckt werden. Dieses Vorgehen kann als One Sizes Fits All bezeichnet werden.

Eine andere Vorgehensweise wäre, verschiedene spezialisierte Trainingsmodelle (Large Language Models) für die einzelnen Prozessschritte einzusetzen. Ein wesentlicher Vorteil wäre, dass solche LLM viel kleiner und weniger aufwendig wären. Das ist gerade für Kleine und Mittlere Unternehmen (KMU) von Bedeutung.

Nicht zuletzt kann auch immer mehr leistungsfähige Open Source AI eingesetzt werden. Dabei beziehe ich mich auf die zuletzt veröffentlichte Definition zu Open Source AI. Eine Erkenntnis daraus ist: OpenAI ist kein Open Source AI. Die zuletzt veröffentlichten Modelle wie TEUKEN 7B oder auch Comon Corpus können hier beispielhaft für “wirkliche” Open source AI genannt werden.

Weiterhin speilen in Zukunft AI Agenten – auch Open Source – eine immer wichtigere Rolle.

Künstliche Intelligenz im Innovationsprozess von Organisationen

Quelle: AdobeStock_650993865

Innovationen sind für eine Gesellschaft, und hier speziell für marktorientierte Organisationen wichtig, um sich an ein verändertes Umfeld anzupassen (inkrementelle Innovationen), bzw. etwas ganz Neues auf den Markt zu bringen (disruptive Innovationen).

Organisationen können solche Innovationen in einem eher geschlossenen Innovationsprozess (Closed Innovation) oder in einem eher offenen Innovationsprozess (Open Innovation) entwickeln.

Darüber hinaus können die Innovationen von Menschen (People Driven) oder/und von Technologie (Data Driven) getrieben sein. Aktuell geht es in vielen Diskussionen darum, wie Künstliche Intelligenz (AI: Artificial Intelligence) und die damit verbundenen Trainingsdaten (LLM: Large Language Models) im Innovationsprozess genutzt werden können.

Im einfachsten Fall würde sich eine Organisation den Innovationsprozess ansehen, und in jedem Prozessschritt ein Standard-KI-Modell wie ChatGpt, Gemini, Bart usw. nutzen. Die folgende Tabelle stellt das grob für einen einfachen Innovationsprozess nach Rogers (2003) dar:

Opportunity identification and idea generationIdea evaluation and selectionConcept and solution developmentCommercialization launch phase
e.g. identifying user needs, scouting promising technologies, generating ideas;e.g. idea assessment, evaluatione.g. prototyping, concept testinge.g. marketing, sales, pricing
ChatGPT, Gemeni, etc.ChatGPT, Gemini, etc.ChatGPT, Gemini, etc.ChatGPT, Gemini, etc.
Eigene Darstellung

Dieser Ansatz könnte als One Size fits all interpretiert werden: Eine Standard-KI für alle Prozessschritte.

Dafür sprechen verschiedene Vorteile:
– Viele Mitarbeiter haben sich schon privat oder auch beruflich mit solchen Standard-KI-Modelle beschäftigt, wodurch eine relativ einfache Kompetenzentwicklung möglich ist.
– Die kommerziellen Anbieter treiben AI-Innovationen schnell voran, wodurch es fast “täglich” zu neuen Anwendungsmöglichkeiten kommt.
– Kommerzielle Anbieter vernetzen KI-Apps mit ihren anderen Systemen, wodurch es zu verbesserten integrierten Lösungen kommt.

Es gibt allerdings auch erhebliche Nachteile:
– Möglicherweise werden auch andere Organisationen/Wettbewerber so einen Ansatz wählen, sodass kaum ein grundlegendes Alleinstellungsmerkmal erzielt werden kann.
– Kritisch ist auch heute noch, ob es sich bei den verwendeten Trainingsdaten (Large Language Models) nicht um Urheberrechtsverletzungen handelt. Etliche Klagen sind anhängig.
– Weiterhin können die für Innovationen formulierte Prompts und Dateien durchaus auch als Trainingsdaten verwendet werden.
– Die LLM sind nicht transparent und für alle zugänglich, also sie sind keine Open Source AI, auch wenn das von den kommerziell betriebenen KI-Modellen immer wieder suggeriert wird.
– Organisationen sind anhängig von den Innovationsschritten der kommerziellen Anbieter.
– Die Trainingsdatenbanken (Large Language Models) werden immer größer und damit natürlich auch teurer.
– Nicht zuletzt ist unklar, wie sich die Kosten für die kommerzielle Nutzung der KI-Apps in Zukunft entwickeln werden – eine gerade für kleine und mittlere Unternehmen (KMU) nicht zu unterschätzende Komponente.

Gerade kleine und mittlere Unternehmen (KMU) sollten die genannten Vorteile und Nachteile abwägen und überlegen, wie sie Künstliche Intelligenz in ihrem Innovationsprozess nutzen wollen.

In unserem Blog werde ich in der nächsten Zeit weitere Möglichkeiten aufzeigen.

Künstliche Intelligenz: Von AI Agenten und Multi Agenten Systemen

WEF (2024): Navigating the AI Frontier. A Primer on the Evolution and Impact of AI Agents

Aktuell drehen sich die Diskussionen bei der Nutzung von Künstlicher Intelligenz (AI: Artificial Intelligence) hauptsächlich noch um die genutzten LLM: Large Language Models (Trainingsdatenbanken), und darum, ob diese eher closed-source oder open-source sein sollten. Wie in der Abbildung zu sehen ist, zeichnet sich darüber hinaus schon ein weiterer großer Trend ab: AI Agenten.

“Based on the definition of the International Organization for Standardization, an AI agent can be broadly defined as an entity that senses percepts (sound, text, image, pressure etc.) using sensors and responds (using effectors) to its environment. AI agents generally have the autonomy (defined as the ability to operate independently and make decisions without constant human intervention) and authority (defined as the granted permissions and access rights to perform specific actions within defined boundaries) to take actions to achieve a set of specified goals, thereby modifying their environment” (WEF 2024).

Neben den Large Language Models (LLM) kommen somit bei AI Agenten u.a. auch noch Daten von Sensoren und möglicherweise menschliches Feedback hinzu. Daraus ergeben sich ganz neue Möglichkeiten bei komplexen Problemlösunmgsprozessen.

Natürlich können AI Agenten Typen unterschieden werden, beispielsweise in deterministic und non-deterministic etc. Auch kann ein AI Agenten System aus ganz verschiedenen AI Agenten entstehen. Diese wenigen Hinweise zeigen schon auf, welche vielversprechenden neuen Möglichkeiten/Anwendungen sich ergeben können. Natürlich immer unter der Prämisse der Transparenz und Offenheit, um Missbrauch zu verhindern. Es liegt für mich daher auf der Hand. sich mit Open Source AI Agenten zu befassen.

Multiple Artificial Intelligences (MAI) statt Artificial General Intelligence (AGI)?

Adobe: AI (Artificial intelligence) AI management and support technology in the Business plan marketing success customer. AI management concept.

In den Diskussionen um Künstliche Intelligenz (KI) – oder englischsprachig Artificial Intelligence (AI) – führt die Systembetrachtung zu einer Art Generellen Künstlichen Intelligenz – General Artificial Intelligence (GAI) oder auch Artificial General Intelligence (AGI). Darunter ist folgendes zu verstehen:

“A system believed to perform (solve) domain-general cognitive tasks (problems; what some may also call AGI). … [it seems to] leave little room for AI as a theoretical tool for cognitive science. The reason is that BigTech currently dominates the narrative, with a focus on technological progress and impressive machine learning applications” (van Rooij et al. 2024).

Es geht also bei AGI um eine von Technologie dominierte generelle kognitive Problemlöse-Fähigkeiten eines Systems. Diese Sichtweise liegt in der Tradition von Simon, Shaw und Newell. die 1957 die Software “General problem Solver” entwickelten (Quelle: Wikipedia).

Das erinnert insgesamt stark an die Diskussionen, bei denen es um Menschliche Intelligenz geht. Auch hier steht immer wieder die Frage im Raum, ob es sich bei der Menschlichen Intelligenz um eine Generelle Intelligenz handelt, die mit einem Intelligenz-Quotienten (IQ) bestimmt werden kann, oder ob es um Multiple Intelligenzen im Sinne von Howard Gardner oder auch Sternberg etc. geht. Dabei geht Howard Gardner bei Intelligenz bewusst von einem “biopsychologisches Potenzial ” aus, was Künstliche Intelligenz wiederum aus seiner Sicht ein Kategorienfehler zu sein scheint.

Wenn wir also den Trend von einer Generellen Menschlichen Intelligenz zu eher Multiplen Intelligenzen unterstellen, sollten wir dann nicht statt Artificial General Intelligence eher von Multiple Artificial Intelligence (MAI) ausgehen?

Wenn Sie diesen Begriff in Google eingeben, werden Sie einige Treffer erhalten. Dabei geht es allerdings hauptsächlich um eine Art Vielfalt der verschiedenen AI-Anwendungen. Ich meine mit dem Begriff Multiple Artificial Intelligences ein hybrides Intelligenz-Konstrukt, das die Menschliche und Künstliche Intelligenz kontextbezogen für komplexe Problemlösungen in einem bestimmten kulturellen Umfeld beschreiben kann..

Mensch und Künstliche Intelligenz: Engineering bottlenecks und die fehlende Mitte

Fraunhofer IAO (2023): Leitfaden zu Strategie und Wandel für den KI-Einsatz, in Anlehnung an  Daugherty, P. R.; Wilson, H. J.: Human + Machine. Reimagining Work in the Age of AI. Harvard Business Review Press, 2018

Künstliche Intelligenz hat schon jetzt einen quantitativen und qualitativen technologischen Sprung auf allen gesellschaftlichen Ebenen ermöglicht. Es stellt sich daher immer mehr die Frage nach dem Umgang zwischen Menschen und diesen “Maschinen”. Da ich kein Freund von Dichotomien bin (Entweder-oder), suche ich immer wieder nach angemesseneren Erläuterungen. In dem vom Fraunhofer IAO (2023) veröffentlichten “Leitfaden zu Strategie und Wandel für den KI-Einsatz” gibt es dazu eine sehr gute Darstellung (Abbildung).

Maschinen-Tätigkeiten (hier: KI-Anwendungen) haben ihre Stärken bei Erledigen, Wiederholen, Vorhersagen und Anpassen. Das bedeutet, dass Berufe, die ihren Schwerpunkt bei diesen Tätigkeiten haben, in Zukunft wohl von KI abgelöst werden. Für Techniker/Ingenieure gibt es allerdings menschliche Tätigkeiten wie Führen, Empathisch sein, Kreativ sein und Bewerten, die technisch nicht so leicht zu ersetzen sind, also für Techniker (noch) Engineering bottlenecks darstellen.

Zwischen den beiden Extrempositionen gibt es allerdings einen sehr großen Bereich von Mensch-Maschinen-Tätigkeiten, der als die fehlende Mitte dargestellt wird. Dabei gibt es wiederum zwei Schwerpunkte: Einerseits kann der Mensch die Maschine trainieren, anderseits kann die Maschine dem Menschen assistieren. Gerade diese Bereiche können als die eigentlichen Chancen von Künstlicher Intelligenz (KI) gesehen und zum Wohle von Menschen, Organisationen und Gesellschaften – nicht nur zum Wohle großer, rein kommerziell ausgerichteter Konzerne. Siehe dazu auch Der KI-basierte Arbeitsplatz – eine erste Einordnung.

Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen, die wir an verschiedenen Standorten anbieten. Weitere Informationen zu den Lehrgängen und zu Terminen finden Sie auf unserer Lernplattform.

Fraunhofer IAO: Rechtliche Fragen bei der Nutzung von Künstlicher Intelligenz (KI)

Der Einsatz von Künstlicher Intelligenz (KI) wird aktuell in allen gesellschaftlichen Bereichen getestet. Bei der wirtschaftlichen Nutzung von KI kommen dabei immer öfter auch rechtliche Fragen auf, die das Fraunhofer IAO (2023) in einem “Leitfaden zu Strategie und Wandel für den KI-Einsatz” zusammengestellt hat. Danach sollte bei der strategischen Planung des KI-Einsatzes insbesondere auf folgende Bereiche geachtet werden:

KI-Einsatz generell:
– Rechteklärung bei der Beschaffung von Trainingsdaten
– Nutzung der KI durch den Anwender / Eingabekontrolle (z. B. Datenschutzrecht, Geschäftsgeheimnisse)

Entscheidungsfindung:
– Arbeitsrecht
– Datenschutzrecht
– Allg. Persönlichkeitsrecht

Produktiver Einsatz von KI
– Schutzfähigkeit von mittels KI produzierten Daten
– Gesetzliche Schutzrechte an den Daten
– Patente / Gebrauchsmuster
– Design (im gesetzlichen Sinne)
– Urheberrechte / Leistungsschutzrechte
– Vertraglicher Schutz der Daten

Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager/in Agil (IHK), die wir an verschiedenen Standorten anbieten. Weitere Informationen zu den Lehrgängen und zu Terminen finden Sie auf unserer Lernplattform.

Global Risks Report 2024: Misinformation und Disinformation neu im Top 10 Ranking

World Economic Forum (2024): Global Risk Report

Das World Economic Forum (2024): World Risk Report (PDF) geht wieder einmal sehr ausführlich auf mögliche globale Risiken ein. Diesmal gibt es allerdings eine Besonderheit, auf die ich etwas ausführlicher eingehen möchte. Unter dem Punkt False Information werden Misinformation und Disinformation neu im Top 10 Ranking aufgenommen. Ein Treiber für diese Entwicklung ist natürlich auch Künstliche Intelligenz (KI), oder Artificial Intelligence (AI):

Misinformation and disinformation is a new leader of the top 10 rankings this year. No longer requiring a niche skill set, easy-to-use interfaces to large-scale artificial intelligence (AI) models have already enabled an explosion in falsified information and so-called ‘synthetic’ content, from sophisticated voice cloning to counterfeit websites. To combat growing risks, governments are beginning to roll out new and evolving regulations to target both hosts and creators of online disinformation and illegal content. Nascent regulation of generative AI will likely complement these efforts. For example, requirements in China
to watermark AI-generated content may help identify false information, including unintentional misinformation through AI hallucinated content. Generally however, the speed and effectiveness of regulation is unlikely to match the pace of development” (WEF (2024:18).

Jeder der die Entwicklung von AI (KI) verfolgt wird erkennen, dass es weltweite Bestrebungen gibt, Grenzen für die Nutzung von KI (AI) zu formulieren. Doch wird auch immer deutlicher, dass Regularien oftmals zu langsam umgesetzt werden, und somit ein Graubereich zwischen den technologischen Möglichkeiten und gesetzten Grenzen entsteht.

Es ist somit auch jeder Einzelne angesprochen, Content kritisch zu hinterfragen. Eine gute Möglichkeit ist, bei selbst generierten Content die Quellen transparent anzugeben, und das auch bei anderen einzufordern. In unserem Blog, oder auch in den für Lehrgänge erstellten Teilnehmerunterlagen, haben wir das schon von Anfang an umgesetzt.

Solche Zusammenhänge berücksichtigen wir auch in den von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager/in AGIL (IHK). Informationen dazu, und zu aktuellen Terminen, finden Sie auf unserer Lernplattform.

Steckt hinter der Künstlichen Intelligenz keine echte Intelligenz? Wie ist das zu verstehen?

In verschiedenen Blogbeiträgen habe ich immer wieder etwas zum Thema “Intelligenz” geschrieben. In Reden wir über Dummheit habe ich beispielsweise die Dichotomie “Intelligenz – Dummheit” kritisiert. Darüber hinaus kommt es mir bei der Diskussion um Künstliche Intelligenz so vor, als ob wir über intelligente technische Systeme sprechen, und dabei gleichzeitig von dummen Menschen ausgehen. Das führt zu der Frage, ob hinter der Künstlichen Intelligenz eine “echte Intelligenz” steckt. Dazu habe ich folgendes gefunden:

Lukowicz: KI ist nichts anderes als eine Menge von mathematischen Methoden und Algorithmen, bei denen man herausgefunden hat, dass sie in der Lage sind, Dinge zu tun, bei denen wir bisher gedacht haben, sie seien nur Menschen vorbehalten. Vor 20 Jahren hat eine KI zum Beispiel zum ersten Mal gegen einen menschlichen Großmeister im Schach gewonnen. KI kann aber auch komplexe Bilder oder Musikstücke erzeugen. Es ist wichtig zu verstehen, dass – egal wie erstaunlich das ist – dahinter keine echte Intelligenz steht. Zumindest nicht in dem Sinne, wie wir vielleicht Intelligenz verstehen. Es sind sehr genau definierte, aber eben oft recht einfache mathematische Verfahren, die auf große Datenmengen angewendet werden” (Quelle: Tagesschau vom 14.06.2023).

Das sagt in dem Interview immerhin Paul Lukowicz, Wissenschaftlicher Direktor und Leiter des Forschungsbereichs Eingebettete Intelligenz am Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) und Lehrstuhlinhaber im Fachbereich Informatik der Technischen Universität Kaiserslautern. Führt die Adaption des Intelligenzbegriffs hier in die Irre? Ist es möglicherweise – wie Howard Gardner es formuliert – ein Kategorienfehler? Howard Gardner argumentiert in seiner Theorie der Multiplen Intelligenzen, dass Intelligenz ein biopsychologischges Potential darstellt.

„Ich verstehe eine Intelligenz als biopsychologisches Potenzial zur Verarbeitung von Informationen, das in einem kulturellen Umfeld aktiviert werden kann, um Probleme zu lösen oder geistige oder materielle Güter zu schaffen, die in einer Kultur hohe Wertschätzung genießen (Gardner 2002:46-47).

Für Gardner ist Intelligenz ein „biopsychologisches Potenzial”, wodurch sich dieses Intelligenzverständnis von Maschinen-Intelligenz oder künstlicher Intelligenz unterscheidet.

Demnächst werden wir auch Online-Formate zu ChatGPT im Projektmanagement und zur Theorie der Multiplen Intelligenzen anbieten.

Von New Work zu New Digital Work?

Image by Gerd Altmann from Pixabay

Die Digitalisierung von Arbeit begleitet uns schon seit vielen Jahrzehnten. Die dabei immer intensivere Vernetzung von technischen Systemen und Menschen führt zu einer erhöhten Komplexität, die nur mit mehr Selbstorganisation am Arbeotsplatz bewältigt werden kann. Dieser Aspekt ist ein (!) wichtiger Baustein der Neuen Arbeit – New Work. Siehe dazu ausführlicher Beispiele für neue Arbeitskonzepte aus dem New Work Barometer – und kritische Anmerkungen dazu.

In der Zwischenzeit gibt es allerdings Entwicklungen, die eine weitere Qualität in der Arbeit mit neuen Technologien darstellt. Diese New Digital Work zeichnet sich durch folgende Punkte aus, die in Hartmann, E. A.; Shajek, A. (2023:1-2): New Digital Work and Digital Sovereignty at the Workplace – An Introduction, in: Shajek, A.; Hartmann, E.A. (Eds) (2023): New Digital Work, S. 1-15 wie folgt beschrieben sind:

Immersion, the experience of direct interaction with a digitally mediated or (in parts) digitally created world, and the corresponding tendency towards ‘invisible’, ‘vanishing’ human-computer interfaces (Dede 2009; Fishkin et al. 1999; Mayer et al. 2023, this volume).

The use of Artificial Intelligence (AI) at the workplace, with its potentials to substitute as well as enhance human intelligence, and its effects on a growing lack of transparency of the inner structure and workings of the technology itself (High-Level Expert Group on AI [AI HLEG], 2020; Mueller et al. 2019; Pentenrieder et al. 2023, this volume; Staneva and Elliott 2023, this volume; Zhou et al. 2021).

Digital labor platforms transforming access to labor markets, contract and working
conditions, and workers’ rights and opportunities to associate and organize themselves (Harmon and Silberman 2018; ILO – International Labour Organization, 2018, 2021; Yan et al. 2023, this volume).

Die von mir eingefügten Links sollen die jeweiligen Dimensionen weiter erläutern. Spannend ist hier auch die in der genannten Veröffentlichung angesprochene Digitale Souveränität am Arbeitsplatz (Digital Sovereignty at the Workplace).

Projektarbeit ist dabei ein wichtiges Element dieser Entwicklungen, denn Projekte sind Träger des Wandels. Darüber hinaus wird Projektarbeit selbst auch von den genannten Entwicklungen stark beeinflusst. Siehe dazu beispielhaft In der Zwischenzeit kann Künstliche Intelligenz im Projektmanagement genutzt werden – beispielsweise im Projektmarketing.

Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen, die wir an verschiedenen Standorten anbieten. Weitere Informationen zu den Lehrgängen und zu Terminen finden Sie auf unserer Lernplattform.

Artificial Intelligence Index Report 2023

Alle sprechen und schreiben über Künstliche Intelligenz (KI) – oder englischsprachig Artificial Intelligence (AI) -wobei vieles auch bewusst tendenziell dargestellt wird. Die Befürworter schreiben alles schön, und die Gegner alles schlecht, doch dazwischen gibt es noch ein Kontinuum von Möglichkeiten. So eine differenzierte Betrachtung findet man oftmals nur in wissenschaftlichen Veröffentlichungen. Beispielsweise haben verschiedene Autoren den Artificial Intelligence Index Report 2023 veröffentlicht, der viele verschiedene Perspektiven auf das Thema beleuchtet.

Quelle: Nestor Maslej, Loredana Fattorini, Erik Brynjolfsson, John Etchemendy, Katrina Ligett, Terah Lyons, James Manyika, Helen Ngo, Juan Carlos Niebles, Vanessa Parli, Yoav Shoham, Russell Wald, Jack Clark, and Raymond Perrault, “The AI Index 2023 Annual Report,” AI Index Steering Committee, Institute for Human-Centered AI, Stanford University, Stanford, CA, April 2023 | PDF.

Der Report enthält 10 Takeaways:
1Industry races ahead of academia.
2Performance saturation on traditional benchmarks.
3AI is both helping and harming the environment.
4The world’s best new scientist … AI?
5The number of incidents concerning the misuse of AI is rapidly rising.
6The demand for AI-related professional skills is increasing across virtually every American industrial sector.
7For the first time in the last decade, year-over-year private investment in AI decreased.
8While the proportion of companies adopting AI has plateaued, the companies that have adopted AI continue to pull ahead.
9Policymaker interest in AI is on the rise.
10Chinese citizens are among those who feel the most positively about AI products and services. Americans … not so much.
ebd. Seiten 3-4.

Wir befassen uns aktuell auch mit dem Möglichkeiten, KI im Projektmanagement einzusetzen. Dabei testen wir gerade speziell die Nutzung von ChatGPT im klassischen, plangetriebenen Projektmanagement. Siehe dazu auch Motivationsfaktoren und Fragen für den Einstieg in das Thema Künstliche Intelligenz (KI).

In den von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager/in AGIL (IHK) gehen wir auf diese Zusammenhänge ein. Informationen zu den Lehrgängen und zu Terminen finden Sie auf unserer Lernplattform.