Understanding the Interworking of Humans and AI to Design Purposeful Smart Services

Titelangaben

Fabri, Lukas:
Understanding the Interworking of Humans and AI to Design Purposeful Smart Services.
Bayreuth , 2024 . - II, 62 S.
( Dissertation, 2023 , Universität Bayreuth, Rechts- und Wirtschaftswissenschaftliche Fakultät)

Volltext

	Format: PDF Name: Dissertation_Fabri_Druckversion_ePUB.pdf Version: Veröffentlichte Version Verfügbar mit der Lizenz Deutsches Urheberrechtsgesetz. Das Dokument darf zum eigenen Gebrauch kostenfrei genutzt werden. Darüber hinaus bedürfen die Vervielfältigung, Bearbeitung, Verbreitung und jede Art der Verwertung der schriftlichen Zustimmung des jeweiligen Rechteinhabers.
	Download (1MB)

Abstract

Artificial intelligence (AI) heralds a new age of information technology, offering promising opportunities. These opportunities contribute to the well-being of individuals, the success and innovation of businesses, and the prosperity and progress of society. In particular, the benefits of AI for businesses lie in its ability to perform complex tasks previously considered to be the domain of humans. This growing potential of business applications has led to significant investments, which has led to copious amounts of AI use cases. The conventional approach of AI use cases has been to treat humans and machines as substitutes that can replace one another in the execution of tasks. However, combining the complementary strengths of AI-enabled systems and human agents can offer distinct benefits, e.g., performance improvements. Consequently, this combination paves the way for a new generation of highly performant services that create new areas of value creation. In this vein, this doctoral thesis takes a twofold approach: First, an integrative perspective on understanding human-AI hybrids as the foundation for smart services is required to understand better the nature of human-AI-hybrids and analyze their range of roles in depth. Hence, Research Article #1 presents a taxonomy that provides a clear structure for the collaborative interworking of human agents and AI-enabled systems. Second, exploring the opportunities and challenges of AI-driven services in the manufacturing and energy sectors is imperative to develop artifacts to structure and derive actionable recommendations for designing purposeful smart services. Research Article #2 provides a decision model for the manufacturing industry to support industrial companies that act as full-service providers in selecting economically advantageous predictive maintenance algorithms. Research Article #3 develops a taxonomy to structure smart energy service characteristics into four entities and 15 dimensions to deepen the understanding of smart services in the energy sector. Taking on a business model perspective, Research Article #4 enables structuring and developing business models for smart energy services like non-intrusive load monitoring in the industrial sector. To support the more widespread use of non-intrusive load monitoring for industrial applications and reduce data challenges, Research Article #5 develops an active learning model using real-world data. This doctoral thesis contributes to understanding human-AI hybrids as a foundation for purposeful smart services. It proposes artifacts for structuring smart services and deriving actionable recommendations fostering more expansive use of smart services in the future.

Abstract in weiterer Sprache

Künstliche Intelligenz (KI) läutet eine neue Ära der Informationstechnologie ein, die vielversprechende Chancen bietet. Diese Chancen tragen zum Wohlergehen des Einzelnen, zum Erfolg und zur Innovation von Unternehmen sowie zu Wohlstand und Fortschritt der Gesellschaft bei. Die Vorteile der KI für Unternehmen liegen vor allem in ihrer Fähigkeit, komplexe Aufgaben zu übernehmen, die bisher als Domäne des Menschen galten. Dieses wachsende Potenzial von Anwendungen in Unternehmen hat zu erheblichen Investitionen geführt, die wiederum zu einer Fülle von KI-Anwendungsfällen geführt haben. Der traditionelle Ansatz für KI-Anwendungsfälle bestand darin, Menschen und Maschinen als Substitute zu behandeln, die sich gegenseitig bei der Ausführung von Aufgaben ersetzen können. Die Kombination der komplementären Stärken von KI-gestützten Systemen und menschlichen Agenten kann jedoch erhebliche Vorteile bringen, z. B. Leistungssteigerungen. Folglich ebnet diese Kombination den Weg für eine neue Generation von Smart Services, die neue Bereiche der Wertschöpfung schaffen. Vor diesem Hintergrund verfolgt die vorliegende Dissertation einen zweigleisigen Ansatz: Erstens ist eine integrative Perspektive zum Verständnis von Mensch-KI-Hybriden als Basis für Smart Services erforderlich, um die Natur von Mensch-KI-Hybriden besser zu verstehen und ihr Rollenspektrum eingehend zu analysieren. Daher wird im Forschungsbeitrag 1 eine Taxonomie vorgestellt, die eine klare Struktur für die kollaborative Interaktion zwischen menschlichen Agenten und KI-gestützten Systemen bietet. Zweitens ist die Erforschung der Chancen und Herausforderungen KI-gestützter Services in der Fertigungs- und Energieindustrie unerlässlich, um Artefakte zur Strukturierung und Ableitung umsetzbarer Empfehlungen für die Gestaltung zielgerichteter Smart Services zu entwickeln. Forschungsbeitrag 2 liefert ein Entscheidungsmodell für die Fertigungsindustrie, um Industrieunternehmen, die als Full-Service-Anbieter agieren, bei der Auswahl wirtschaftlich vorteilhafter Algorithmen zu Predictive Maintenance zu unterstützen. Forschungsbeitrag 3 entwickelt eine Taxonomie zur Strukturierung der Merkmale von Smart Services im Energiesektor in vier Einheiten und 15 Dimensionen, um das Verständnis derer zu vertiefen. Forschungsbeitrag 4 nimmt eine Geschäftsmodell-Perspektive ein und ermöglicht die Strukturierung und Entwicklung von Geschäftsmodellen für Smart Services im Energiesektor, wie z.B. nichtintrusive Lastüberwachung im Industriesektor. Um den breiteren Einsatz von nicht-intrusivem Lastmanagement in industriellen Anwendungen zu unterstützen und Datenprobleme zu reduzieren, entwickelt Forschungsbeitrag 5 ein aktives Lernmodell unter Verwendung von Daten aus der realen Welt. Diese Dissertation trägt zum Verständnis von Mensch-KI-Hybriden als Grundlage für zielgerichtete Smart Services bei. Sie schlägt Artefakte für die Strukturierung von Smart Services vor und leitet daraus Handlungsempfehlungen ab, die eine breitere Nutzung von Smart Services in der Zukunft fördern.