← Alle Abbildungen
Die Mensch-Maschine-Arbeitsteilungskarte
Verteile komplementäre Arbeit und klare Verantwortung, bevor eine Aussage über Mensch-Maschine-Zusammenarbeit freigegeben wird.
| Prüffeld | Menschliche Seite | Maschinelle Seite | Freigabefrage |
|---|---|---|---|
| Aufgabe | Entscheidung und Kontext definieren. | Festgelegte Suche, Muster oder Vergleich verarbeiten. | Ist die Arbeitseinheit explizit? |
| Übergabe | Nutzbarkeit des Outputs interpretieren. | Nachvollziehbares Ergebnis im vereinbarten Format liefern. | Was überschreitet genau die Grenze? |
| Koordination | Klären, hinterfragen, überstimmen oder eskalieren. | Alternativen, Anomalien oder Unsicherheit zeigen. | Wie werden Widerspruch und Timing bearbeitet? |
| Verantwortung | Handlung und Folgen erklären und tragen. | Verarbeitungsgrenzen und Belege zeigen. | Wer antwortet, wenn die Anordnung scheitert? |
| Fehlerbild | Kontextfehler erkennen und Kurs korrigieren. | Geringe Abdeckung oder Muster außerhalb des Bereichs markieren. | Ist die Wiederherstellung vorab gestaltet? |
| Teamergebnis | Prüfen, ob die Zusammenarbeit die Entscheidung verbessert hat. | Wiederholbare Kapazität innerhalb der Aufgabengrenze beitragen. | Wird das Team und nicht nur ein Akteur gemessen? |
Bei breiten Tabellen horizontal wischen oder scrollen.
Referenz & Evidenz
Quelle: Eigener Gestaltungsrahmen auf Grundlage von Dellermann, Ebel, Sollner und Leimeister (2019), Jarrahi (2018), Raisch und Krakowski (2021) sowie Seeber et al. (2020). Die Karte ist synthetisch und prognostiziert keine Teamleistung.
Jede Zeile ist eine geprüfte Aussage aus dem Prüfregister des Journals, beim Build aus dem Register aufgelöst. Das Register wird auf Englisch geführt.
- A The definition, in the authors' words: "the most likely paradigm for the division of labor between humans and machines in the next decades is Hybrid" Intelligence, a concept that aims "at using the complementary strengths of human intelligence and AI, so that they can perform better than each of the two could separately" Dellermann, Ebel, Sollner & Leimeister. (2019) ·
DEL19-C1 - A The boundary against collective intelligence, verbatim: "collective intelligence typically refers to large groups of homogenous individuals", whereas "Hybrid Intelligence combines the complementary intelligence of heterogeneous agents" Dellermann, Ebel, Sollner & Leimeister. (2019) ·
DEL19-C2 - A Why the division of labour is the unit: "humans and computers have complementary capabilities that can be combined to augment each other", and "These complementary strengths of humans and machi"nes lead to two different forms of interplay, with trust, transparency, governance and incentives left as open design issues Dellermann, Ebel, Sollner & Leimeister. (2019) ·
DEL19-C3 - A Augmentation, not replacement, and the article says so: it "highlights the complementarity of humans and AI", mirroring "the idea of intelligence augmentation which states that AI systems should be designed with the intention of augmenting not replacing human contributions" Jarrahi. (2018) ·
JAR18-C1 - A The division is drawn on the kind of problem: "with a greater computational information processing capacity and an analytical approach AI can extend humans cognition when addressing complexity whereas humans can still offer a more holistic intuitive approach in dealing with uncertainty and equivocality" Jarrahi. (2018) ·
JAR18-C2 - A The context is named in the same sentence: decision processes "typically characterized by uncertainty complexity and equivocality", which is what makes the division of labour a task property rather than a rule Jarrahi. (2018) ·
JAR18-C3 - A The two concepts, defined: "whereas automation implies that machines take over a human task, augmentation means that humans collaborate closely with machines to perform a task" Raisch & Krakowski. (2021) ·
RAI21-C1 - A "overemphasizing either augmentation or automation fuels reinforcing cycles with negative organizational and societal outcomes" Raisch & Krakowski. (2021) ·
RAI21-C2 - A "if organizations adopt a broader perspective comprising both automation and augmentation they could deal with the tension and achieve comp"lementarities. A conceptual paper in AMR, so this is argued, not measured Raisch & Krakowski. (2021) ·
RAI21-C3 - A A research agenda, and it counts itself: "this paper reports on an international initiative by 65 collaboration scientists to develop a research agenda for exploring the potential risks and benefits of machines as teammates", from "819 research questions" Seeber et al. (2020) ·
SEE20-C1 - A The structure is three areas and seventeen dualities: "three design areas machine artifact collaboration and institution and 17 dualities significant effects with the potential for benefit or harm" Seeber et al. (2020) ·
SEE20-C2 - A It is a question set, not a finding: the agenda "offers a structure and archetypal research questions to organize early thought and research in this new" area Seeber et al. (2020) ·
SEE20-C3
Prüfgrade: A, gegen die gedruckte Seite der Primärquelle geprüft · B, Primärquelle, nur Textebene · C, belastbare Sekundärquelle · D, berichtet.
Verwandte Abbildungen
-
Die Konstruktgrenze hybrider Intelligenz
Aus dem Beitrag Hybride Intelligenz braucht eine Grenze zwischen Fähigkeit und Ergebnis
-
Die KI-Forecast-Kontrollkarte
Aus dem Beitrag Was ist KI-Nachfrageprognose? Eine Prognose ist kein Orakel
-
Warum muss Human-AI-Design mit konkreten Entscheidungen statt mit Tools beginnen?
Aus dem Beitrag Menschen und Maschinen sollten die Arbeit teilen