Der zunehmende Einsatz von KI in der Forschung hat Auswirkungen auf die epistemologischen Grundlagen von Wissenschaft und er verändert die Art der Produktion wissenschaftlichen Wissens. Dies betrifft auch unsere eigene Arbeit als Innovationsforscher:innen: Wenn Wissenschaftler:innen keine reinen »Prompt-Engineers« werden wollen, müssen sie den genuin menschlichen Kern ihrer Arbeit in den Vordergrund stellen.
Andererseits erweitert KI den Raum möglicher Erkenntnis und kann Forschung enorm beschleunigen. Offen ist die dabei Frage, wie sich KI-geführte (»AI-led«) und menschengeführte (»scientist-led«) Forschung in Zukunft balancieren lässt. Am Fraunhofer ISI befassen wir uns intensiv und kritisch mit der Frage der Einbettung von KI in unsere Forschung und haben darüber hinaus die größeren Auswirkungen auf die Wissenschaft im Blick.
Ziel des Projekts war es, einem auf industrielle Reinigungsprozesse spezialisierten Unternehmen mögliche neue Anwendungsfelder seines Kompetenzprofils aufzuzeigen und neue Geschäftsideen zu generieren. Dazu wurde systematisch unter Berücksichtigung aktueller technologischer Entwicklungen und Trends mithilfe von KI recherchiert und analysiert, wo aktuelle und neue, aufstrebende Märkte (in den nächsten fünf Jahren) beispielsweise in der Automobilwirtschaft liegen, in denen die vorhandenen Technologien und Kompetenzen von Ecoclean zum Einsatz kommen können.
Zum Einsatz kam in diesem Projekt unter anderem das vom Fraunhofer ISI entwickelte KI-Tool AWAIT. AWAIT steht für »Automated Website Analysis for Innovative Technologies« (Automatisierte Website-Analyse für innovative Technologien). Es handelt sich um ein Tool, mit dem sich die Kompetenzanalyse für Unternehmen beschleunigen und datengesteuert gestalten lässt.
Ziel des Projekts war zum einen, für das Unternehmen zu analysieren, wie KI in der strategischen Vorausschau eingesetzt werden kann. Zum anderen zielte das Projekt darauf ab, einen hybriden, KI-gestützten Szenarienprozess zu entwickeln, um das Unternehmen bei der strategischen Entscheidungsfindung zu unterstützen. Die gewonnenen Erkenntnisse haben Eingang in den Innovationsprozess des Unternehmens gefunden.
Um Innovationen mit recycelten Faserkunststoffen zu ermöglichen, bedarf es zunächst der Information darüber, welche Unternehmen welche Stoffe recyceln und in welchem Umfang zur Verfügung stellen. Ein wichtiger Schritt beim Aufbau einer funktionierenden Kreislaufwirtschaft für Faserkunststoffe ist es deshalb zunächst, Unternehmen zu identifizieren und ihr Aktivitätsspektrum zu charakterisieren.
Im Projekt »FiberConnect« erarbeitete das Fraunhofer ISI mit Einsatz von KI-Technologien eine kontinuierlich aktualisierte Akteursübersicht entlang der Wertschöpfungskette und ermöglichte so eine bessere Vernetzung der Branche und ein Schließen von Materialkreisläufen. Dazu wurde eine KI-gestützte, weitgehend automatisierte Lösung entwickelt: Ein Web-Crawler durchsuchte fortlaufend das Internet nach relevanten Firmen, Machine-Learning-Modelle klassifizierten mittels Natural Language Processing die gefundenen Unternehmen automatisch in vordefinierte Kategorien, wie zum Beispiel Hersteller, Verarbeiter, Recycler.
Die Suchergebnisse wurden auf der Plattform https://wir-recyceln-fasern.de/akteure öffentlich zugänglich gemacht.
Neue Technologien, Materialien und Werkstoffe, aber auch neues Prozess- und Logistikwissen zählen zu den größten Innovationshebeln von Unternehmen. Doch welche Entwicklungen sind relevant und welchen Einfluss haben sie auf die Wertschöpfung von morgen?
Im Projekt »Wertschöpfungsradar: KI-gestützte Vorausschau zur Erkennung wertschöpfungsrelevanter Signale« wurden Methoden für eine datengestützte und von Experten geleitete Vorausschau entwickelt. Das KI-gestütztes »Radartool« half dabei, das Scanning von Datenquellen teilautomatisiert durchzuführen, um wertschöpfungsrelevante Signale zu finden. Die im Projekt gewonnenen Erkenntnisse helfen Unternehmen, Forschungsschwerpunkte zu setzen, Produktstrategien anzupassen und langfristige Entscheidungen besser abzusichern.
Im Projekt »CoCo – Connect & Collect« erforschen und unterstützen wir die Vernetzung von Akteuren der Arbeitsforschung, um Ideen zu bündeln und Perspektiven einer innovativen Arbeitsgestaltung zu eröffnen. Diese Akteure haben sich in den »Regionalen Kompetenzzentren der Arbeitsforschung« zusammengeschlossen. Ihre bundesweite Vernetzung wird durch eine digitale Wissensplattform unterstützt.
Die CoCo-Plattform umfasst unter anderem eine Publikationsdatenbank. Um diese zielgerichtet für das Projekt zu nutzen, entwickelte das Fraunhofer ISI einen Klassifikator, der arbeitswissenschaftliche Publikationen erkennt und in einer Taxonomie strukturiert. Zudem wurden Ähnlichkeiten der Publikationen und Themenbereiche visuell dargestellt und besonders dynamisch wachsende Forschungsbereiche identifiziert.
Ein Manko nationaler und internationaler Studien zum Wissenstransfer ist zum einen die bislang nur in Ansätzen vollständige Erfassung von beteiligten wissenschaftlichen Institutionen und zum anderen die unvollständige Erfassung der am Transfer beteiligten Unternehmen und der verschiedenen Formate des Wissenstransfers. Hier setzt das KIWi-Projekt an: Eine KI-basierte Analyse von Webseiten universitärer Forschungsgruppen sowie von Unternehmen bietet die Grundlage für eine verbesserte Analyse des Transfergeschehens.
KI-Methoden wurden außerdem eingesetzt, um die quantitative Messbarkeit des Transfers zu verbessern. Es zeigte sich, dass sich die Informationsbasis insbesondere aus der Perspektive der Unternehmen durch die Nutzung des Internets und insbesondere von Suchmaschinen in den vergangenen 15 Jahren massiv verändert hat. In einigen Branchen wie der Biotechnologie ist damit die Arbeitsteilung in der Grundlagenforschung zwischen Unternehmen und der öffentlichen Forschung neu strukturiert worden.
Ziel des Projektes ist es, die Konvergenz von KI – insbesondere in Form von »Deep-Learning«-Systemen – mit rasch fortschreitenden Entwicklungen der modernen Genomanalyse und der Genom-Editierung auf ihre Chancen und Herausforderungen zu untersuchen sowie damit verbundene gesellschaftliche und politische Implikationen zu identifizieren.
Fraunhofer-Institut für System- und Innovationsforschung ISI