Accessible Requires Authentication Published by De Gruyter August 14, 2021

Künstliche Intelligenz im Kompetenzmanagement

Ein Fallbeispiel aus der Halbleiterindustrie

Artificial Intelligence in Competence Management – A Case Study from the Semiconductor Industry
Linus Kohl, Benedikt Fuchs, Rene Berndt, Daniel Valtiner, Fazel Ansari and Sebastian Schlund

Abstract

Die gezielte und zukunftsorientierte Aus- und Weiterbildung von Mitarbeiter:innen in technischen Unternehmen erfordert im Kontext des rapiden technologischen und demographischen Wandels innovative Lösungsansätze. Die Identifizierung und Strukturierung von kompetenzrelevanten Informationen aus unstrukturierten Unternehmensdaten mithilfe von Methoden der Künstlichen Intelligenz (KI), vor allem Text-Mining (TM), bieten hier neue Möglichkeiten, dieser Herausforderung zu begegnen. In Zusammenarbeit mit der Infineon Technologies Austria AG wurden im Bereich der Instandhaltung von Implanter-Anlagen eine skalierbare Systematik und ein Prozess, einschließlich eines mathematischen Algorithmus und eines dazugehörigen Modells, entwickelt, um Personalkompetenzen aus un- und teilstrukturierten Instandhaltungsdaten zu extrahieren.

Abstract

In the context of rapid technological and demographic change, the specific and future-oriented education and training of employees in technical companies require innovative approaches. The identification and structuring of competence-relevant information from unstructured company data with the help of artificial intelligence (AI) methods, especially text mining (TM), offer new possibilities to meet this challenge. In cooperation with Infineon Technologies Austria AG, a scalable system and process was developed, including a mathematical algorithm and an associated competence model. The software demonstrator has been implemented in the area of maintenance, with a special focus on the implantation phase of the chip manufacturing process. The demonstrator is used to extract competencies of personnel from unstructured and partially structured maintenance data.


Tel.: +43 1 58801 33048

Literatur

1 All-Electronics: ZVEI: Halbleitermarkt wächst weltweit um 4 Prozent (2020). Online unter https://www.all-electronics.de/zvei-halbleitermarkt-waechst-weltweit-um-4-prozent/ [Abruf am 16.03.2021] Search in Google Scholar

2 IC Insights (Hrsg.): The McClean Report 2021. Online unter https://www.icinsights.com/services/mcclean-report/ [Abruf am 16.03.2021] Search in Google Scholar

3 Steinlechner M.; Schumacher, A.; Fuchs, B.; Reichsthaler, L.; Schlund, S.: A Maturity Model to Assess Digital Employee Competencies in Industrial Enterprises.CIRP CMS CIRP Procedia 54 (2021) [in Review] Search in Google Scholar

4 Bertelsmann Stiftung (Hrsg.): Den demografischen Wandel im Unternehmen managen. Ergebnisbericht einer Studie von Mercer und der Bertelsmann Stiftung, Frankfurt a. M. 2012 Search in Google Scholar

5 Schuh, G.; Kelzenberg, C.; Helbig, J.; Graberg, T.: Kompetenzprofile in einer digital vernetzten Produktion: Veränderungen in Kompetenzanforderungen und Handlungsempfehlungen für eine anforderungsgerechte Weiterbildung in der metallverarbeitenden Industrie. In: Forschungsförderung Working Paper, Düsseldorf 2020 Search in Google Scholar

6 Schlund, S.; Pokorni, B.: Industrie 4.0 – Wo steht die Revolution der Arbeitsgestaltung? Ingenics AG, Stuttgart/Ulm 2016, S. 35 Search in Google Scholar

7 Schellinger, J.; Goedermans, M.; Kolb, L. P.; Sebai, Y.: Digitale Transformation und Human Resource Management. In: Schellinger, J.; Tokarski, K. O.; Kissling-Näf, I. (Hrsg.): Digitale Transformation und Unternehmensführung. Springer Fachmedien Wiesbaden, Wiesbaden 2020 10.1007/978-3-658-26960-9 Search in Google Scholar

8 Ansari, F.; Hold, P.; Khobreh, M.: A Knowledge-based Approach for Representing Jobholder Profile toward Optimal Human–machine Collaboration in Cyber Physical Production Systems. CIRP Journal of Manufacturing Science and Technology 28 (2020), S. 87–106 10.1016/j.cirpj.2019.11.005 Search in Google Scholar

9 Pejic-Bach, M.; Bertoncel, T.; Meško, M.; Krstić, Ž.: Text Mining of Industry 4.0 Job Advertisements. International Journal of Information Management 50 (2020), S. 416–431 10.1016/j.ijinfomgt.2019.07.014 Search in Google Scholar

10 Fareri, S.; Fantoni, G.; Chiarello, F.; Coli, E.; Binda, A.: Estimating Industry 4.0 Impact on Job Profiles and Skills Using Text Mining. Computers in Industry 118 (2020), S. 103–222 10.1016/j.compind.2020.103222 Search in Google Scholar

11 Dorn, J.; Naz, T.; Pichlmair, M.: Ontology Development for Human Resource Management. In: Proceedings of 4rd International Conference on Knowledge Management, Ch. Stary, F. Barachini, S. Hawamdeh (Hrg.); Series on Information & Knowledge Management 6 (2007)S. 109–120 10.1142/9789812770592_0010 Search in Google Scholar

12 Khobreh, M.; Ansari, F.; Fathi, M.; Vas, R.; Mol, S. T.; Berkers, H. A.; Varga, K.: An Ontology-Based Approach for the Semantic Representation of Job Knowledge. IEEE Transactions on Emerging Topics in Computing 4 (2016) 3, S. 462–473 10.1109/TETC.2015.2449662 Search in Google Scholar

13 Schmatlz, R.: Semantic Web Technologien für das Wissensmanagement, Georg-August-Universität Göttingen (2004) 1, Arbeitsbericht Nr. 1/2004 Search in Google Scholar

14 Mihaylov, E.; Tijdens, K. G.: Measuring the Routine and Non-Routine Task Content of 427 Four-Digit ISCO-08 Occupations, Tinbergen Institute Discussion Paper 2019-035/V (2019) 10.2139/ssrn.3389681 Search in Google Scholar

Published Online: 2021-08-14
Published in Print: 2021-08-31

© 2021 Walter de Gruyter GmbH, Berlin/Boston, Germany