FFG Projektdatenbank

zurück

G.S.W.D

Entwicklung einer Guided-Semantic-Work-Distribution zur optimalen Teamfindung und Arbeitspriorisierung mittels AI

Projektbeschreibung

Mitarbeiter in modernen Unternehmen stehen vor der Herausforderung der Bewältigung einer Vielzahl von unterschiedlichen, parallel laufenden Arbeiten, bei denen sie täglich Prioritäten abschätzen und Schwerpunkte setzen müssen. Verantwortliche von Projekten stehen zudem vor der Herausforderung, für ihre Projekte möglichst gute, leistungsfähige Teams zusammenzustellen, um diese effizient und effektiv zu bearbeiten. Insbesondere hier wächst diese Herausforderung in geographisch verteilten, multi-nationalen Konzernen, bei denen die Verantwortlichkeiten weitreichend verteilt sind und in denen für erfolgreiche Projekte Mitarbeiter aus verschiedenen Bereichen und Ländern mit der richtigen Kombination an Wissen und Fähigkeiten zusammengezogen werden sollen. Gleichzeitig wächst mit der Diversität der Aufgaben eines Einzelnen und den unterschiedlichen Verantwortlichen in verschiedenen Projekten auch die Schwierigkeit Prioritäten in der eigenen Arbeit aber auch innerhalb der Projekte zu definieren.


Ziel dieses Projektes ist es, diese beiden Herausforderungen durch, auf Machine Learning und Artificial Intelligence basierende Empfehlungen und Algorithmen zu unterstützen und die Projektbearbeitung damit deutlich effizienter zu gestalten.
Konkret geht um es um die Beantwortung der folgenden Fragen von Projektleitern.:
- Welche Teammitglieder benötige ich, um mein Projekt erfolgreich durchzuführen und die Ziele zu erreichen?
- Woran soll ich / mein Team heute arbeiten - was hat Priorität?

Das AI basierte Recommendersystem schafft somit Empfehlungen für die tägliche Arbeitspriorisierung für einzelne Mitarbeiter und Teams und Teamzusammenstellung durch die Projektverantwortlichen, die damit die Effizienz in den wachsenden und komplexen Arbeitsumgebungen und -prozessen signifikant steigern können.
Das RASIC Rollenmodell liefert hierzu einen wesentlichen Beitrag durch die Klarheit von Verantwortlichkeiten und Erwartungen an die Mitarbeit. Darüber hinaus bietet das Rollenmodell die Möglichkeit, die Stärken und Schwächen der Benutzer in den unterschiedlichen Rollen in die Empfehlungen der Teamzusammenstellung einfließen zu lassen. Um die entsprechende Datenbasis für hochqualitative Empfehlungen zur Verfügung zu haben, wollen wir auf einer bestehenden Enterprise Plattform (Salesforce.com) aufbauen.
Wir sehen den Kern der Forschungsarbeit aber nicht nur in der Entwicklung der entsprechenden Algorithmen zur täglichen Arbeitspriorisierung, sondern auch in der reliablen Auswahl geeigneter Teammitglieder a priori, sodass perfekt zusammengestellte Teams entstehen können. Dabei spielen nicht nur Hardfacts eine Rolle (bestehende Skills aus Berufserfahrung und Ausbildung, oder vergangene erfolgreiche Projekte und deren Zusammenstellung), sondern auch Softskills (Charakterzüge und Persönlichkeit). Die Quantifizierung dieser Softskills, also qualitative Merkmale eines Menschen, sehen wir als zusätzliches Innovationsziel des Projektes an.

Als Technologieführer der rollenbasierten Kollaboration sind wir überzeugt, dass die Verknüpfung des Rollenmodells mit modernen Algorithmen aus den Bereichen der Artificial Intelligence und des Machine Learnings eine wesentlichen Mehrwert über bestehende System liefern.

zurück