Durch die fortschreitende Digitalisierung und Automatisierung sind Unternehmen einem stetigen Transformationsprozess ausgesetzt. Dadurch entfallen zum einen alte Berufsbilder und zum anderen entstehen völlig neue Berufe mit veränderlichen und digitalen Kompetenzanforderungen. Um zu verhindern, dass der technologische Wandel mit einem Talentmangel, Massenarbeitslosigkeit und wachsender Ungleichheit einhergeht, müssen Unternehmen eine aktive Rolle bei der Unterstützung ihrer bestehenden Belegschaft durch Weiterbildung und Höherqualifizierung übernehmen. Mitarbeiter müssen sich durch kontinuierliche Umschulung und Weiterbildung mit zukunftssicheren Fähigkeiten ausstatten. Hierzu zählen besonders Kompetenzen im Bereich des Maschinellen Lernens (ML), das bisher ungeahnte Potenziale zur Wissensgewinnung eröffnet und so einen entscheidenden Erfolgsfaktor für Unternehmen bilden kann. Der Aufbau von digitalen Kompetenzen stellt jedoch für Unternehmen und besonders für kleine und mittlere Unternehmen eine signifikante Herausforderung dar. Oft fehlen für Weiterbildungen die zeitlichen und finanziellen Freiräume oder das notwendige Know-how. Zudem ist der Weiterbildungsmarkt äußerst unübersichtlich, wodurch die Identifikation geeigneter Weiterbildungen erheblich erschwert wird. 

Um die Problematik des Aufbaus von digitalen Kompetenzen in Unternehmen zu adressieren, wird im Rahmen des ML2KMU-Porjekts ein Konzept vorgestellt, das Unternehmen unterstützen soll, geeignete Maßnahmen zum zielgerichteten Aufbau von ML-Kompetenzen abzuleiten. Dies eröffnet Unternehmen einen Überblick über erforderliche Kompetenzen und Rollen, die mit den vorhandenen Kompetenzen im Unternehmen abgeglichen werden können. Ferner wird auf der Grundlage von aktuellen Weiterbildungsmöglichkeiten ein Schulungskatalog aufgebaut, der es erlaubt, die identifizierten Kompetenzlücken mit geeigneten Weiterbildungen zu adressieren.

Das Forschungsprojekt ist auf eine Laufzeit von 24 Monaten ausgelegt. Zu Beginn der Forschungsarbeiten werden die Rahmenbedingungen analysiert. Dies beinhaltet eine Anforderungsanalyse der ML-Kompetenzbedarfe der Zukunft. Dabei wird ein Katalog an allgemein anerkannten ML-Kompetenzen und ein eindeutiges Begriffsverständnis abgeleitet. Danach werden bestehende Lösungsmuster der ML-Kompetenzentwicklung analysiert und hinsichtlich ihrer Eignung zur Anwendung in KMU gegenübergestellt. Darauf aufbauend erfolgt eine Verknüpfung der Maßnahmen mit den zuvor ermittelten erforderlichen ML-Kompetenzen.

Im nächsten Arbeitsschritt wird ein Projektmodell zur Umsetzung von ML-Projekten in produzierenden KMU erstellt. Dazu werden bestehende Vorgehensmodelle zur Umsetzung von ML-Projekten analysiert und an die Anforderungen von produzierenden KMU angepasst. Ferner wird ein Rollenmodell mit den relevanten Akteuren zur Umsetzung von ML-Projekten entwickelt. Im Anschluss wird ein spezifischer Niveaugrad der zu Beginn ermittelten ML-Kompetenzen für die einzelnen ausgeprägten Rollen abgeleitet. 

Als nächstes wird ein Konzept in Form einer methodischen Unterstützung zur zielgerichteten Ableitung von konkreten Maßnahmen zur Entwicklung von ML-Kompetenzen für KMU erstellt. Die Basis hierzu bieten die zuvor katalogisierten Maßnahmen sowie die beschriebenen Rollenmodelle der Akteure als potentielle Zielbilder. Dieses Konzept wird dann in ein Web-basiertes Tool überführt und KMU-gerecht aufbereitet.  Dies eröffnet die Möglichkeit, Kompetenzentwicklungsmaßnahmen aktuell zu halten sowie KMU den Zugang in Form einer Navigationshilfe zu vereinfachen. Daneben wird eine ML-Grundlagenschulung in Form eines Strategieworkshops konzipiert. Hierzu soll auf einer IoT-Testumgebung am IPS aufgebaut werden. Die Datenflüsse von der Sensorik über die Vorverarbeitung bis in die Analysesoftware sollen transparent und erlebbar gestaltet werden. Diese praxisnahen Einblicke sollen den Partizipanten und Unternehmen als Inspiration für künftige Geschäftsmodelle und eine tiefergehende Nutzung von ML-Verfahren dienen.

Abschließend erfolgt eine Pilotierung und Validierung des Projektmodells als auch des Konzepts zur Ableitung von Maßnahmen zur Entwicklung von ML-Kompetenzen. Der Einsatz der IoT-Testumgebung soll die Relevanz entsprechender ML-Kompetenzen aufzeigen und als Katalysator für die Entwicklung neuer Geschäftsmodelle bei den teilnehmenden Unternehmen dienen. Um möglichst praxisnahe Ergebnisse erzielen zu können, wird die Validierung gemeinsam mit dem NIRO-Netzwerk durchgeführt.

ML2KMU – "Konzept zum Aufbau von Kompetenzen des Maschinellen Lernens für Anlagenhersteller und
produzierende KMU" – wird im Rahmen des Doktorandennetzwerks "Digitale Souveränität in der Wirtschaft, Themenbereich Maschinenbau der Zukunft – ein Projekt des Instituts für Innovation und Technik (iit)" gefördert. 

Homepage des iit - Institut für Innovation und Technik