Seitenhistorie

Die Automatisierung von Arbeit ist kein neues Phänomen – seit den 1950er-Jahren prägt die Rationalisierung durch Technik und Organisation die Arbeitswelt. Doch mit dem Aufstieg Künstlicher Intelligenz (KI) erreicht dieser Prozess eine neue Qualität: Algorithmen übernehmen nicht nur repetitive, sondern zunehmend auch komplexe und wissensintensive Tätigkeiten. Dieser Vortrag untersucht aus arbeitssoziologischer Perspektive, wie KI-gestützte Automatisierung Arbeitsinhalte, Qualifikationsanforderungen und Machtverhältnisse in Organisationen verändert.

Im Rückgriff auf die lang währenden Rationalisierungsdebatten – von der Taylorisierung über die Computerisierung bis hin zur Digitalisierung – wird gefragt: Welche Kontinuitäten und Brüche zeigen sich durch KI? Wie verändern sich Arbeitsprozesse, wenn Entscheidungen zunehmend von Algorithmen getroffen oder vorbereitet werden? Und welche sozialen Folgen hat es, wenn menschliche Arbeit durch maschinelle Lernverfahren ersetzt, ergänzt oder neu strukturiert wird? Abschließend wird der Blick auf die Gestaltung von Arbeit gerichtet

Aufgrund der geopolitischen Lage wird der Ruf nach souveränen und wettbewerbsfähigen Lösungen „Made in Europe“ im Bereich der Künstlichen Intelligenz lauter.

Der Vortrag beschreibt, wie ein integriertes Ökosystem aus Infrastruktur, Forschung und Industrie zur Grundlage wettbewerbsfähiger KI‑Technologien werden kann.

Er zeigt, dass reine Cloud‑Souveränität nicht ausreicht, sondern offene, transparente und leistungsfähige KI‑Modelle notwendig sind, die in Europa entwickelt, trainiert und betrieben werden. Beispiele aus der Schweiz, China und Deutschland verdeutlichen, dass koordinierte Investitionen und Kooperationen entscheidend für Innovation sind. Im Zentrum steht die Bedeutung offener Foundation‑Modelle, die sowohl als Basismodelle als auch für sektor‑ und unternehmensspezifische KI‑Lösungen dienen.

Die Risiken simplen Finetunings, darunter Wissensverlust und Halluzinationen, werden anhand aktueller Forschung erläutert, und stattdessen wird die Technik des fortgesetzten Pretrainings vorgeschlagen.

Eine hohe Datenqualität und transparente Trainingsprozesse sind hierbei Schlüsselfaktoren. Die im Konsortium entwickelte State-of-the-Art Filtermethode JQL wird im Detail vorgestellt, und Erfahrungen aus der Praxis des Modelltrainings für zukünftige Modelle und entsprechende Trainingsdaten werden gezogen.

Modelle wie Teuken 7B und GovTeuken demonstrieren, dass europäische Open‑Source‑Modelle bereits heute konkurrenzfähig und anwendungsbereit sind.

Abschließend wird skizziert, wie Europa durch koordiniertes Handeln entlang der gesamten KI‑Wertschöpfungskette echte technologische Unabhängigkeit und nachhaltige Innovationskraft erreichen kann.