Das Projekt wird von der Deutschen Forschungsgemeinschaft (DFG) im Rahmen des Schwerpunktprogramms 2267 „The Digitalisation of Working Worlds“ gefördert (11/23 bis 10/26) und in Kooperation mit dem ISF München und dem ZZF Potsdam durchgeführt. Projektlaufzeit: 11/2023 - 10/2026.

Technikinskription als Feld der Leistungspolitik
Anknüpfend an das erste Projekt „Politics of Performance“, dass den Zusammenhang übergeordneter unternehmerischer Strategien der Digitalisierung mit Entwicklungen der Leistungspolitik erforscht, steht in diesem Folgeprojekt Technikinskription- und Aneignung in ihren Wechselwirkungen mit Digitalisierungsstrategien einerseits und Leistungspolitik andererseits im Zentrum des Interesses. Konkret fragt das Projekt zum einen danach, wie betriebliche Digitalisierungsstrategien und technologische Innovation sich gegenseitig beeinflussen. Im Zentrum steht hier die Frage, wie Unternehmen Einfluss auf Technikdesign nehmen und wie digitale Technologien einerseits Möglichkeiten betrieblicher Steuerungsprozesse ausweiten und andererseits organisatorische Anpassungen erfordern, die betriebliche Autonomie einschränken. Zum anderen fragt das Projekt nach der eigensinnigen Aneignung digitaler Technik im konkreten Arbeitsprozess. Analog zu Leistungsbedingungen und Leistungspolitik wird Inskription bzw. Technikentwicklung dabei als umkämpftes Feld aufgefasst, das nicht nur von unternehmerischen Strategien, sondern von allen beteiligten Akteuren und deren (teilweise widersprüchlichen) Interessen geformt ist. Zum umkämpften Feld der „politics of performance“ tritt so das Feld der „politics of inscription“ hinzu, in welchem Anwender, Anbieter und arbeitspolitische Akteure um das konkrete Design von Technologie ringen.

Weitere Informationen
Kontakt: Prof. Dr. Sarah Nies

Gefördert durch die Deutsche Forschungsgemeinschaft (DFG) im Rahmen des Schwerpunktprogramms „The Digitalisation of Working Worlds. Conceptualising and Capturing a Systemic Transformation" (SPP 2267). Digitalisierung der Arbeitswelten. Projektlaufzeit: 11/2020- 10/2023.

Leistungspolitik in der digitalen Transformation von Arbeit
Digitale Technologien schaffen neue Bedingungen für die Steuerung von Arbeit und Leistung im Betrieb. Das gilt nicht zuletzt für den Shopfloor: eine automatisierte Datenerfassung und -verarbeitung erhöht Transparenz und Überwachungspotenziale, die informationstechnische Verknüpfung physischer Komponenten (Internet of Things) erlaubt einen direkteren Zugriff auf Prozesse der gesamten Wertschöpfungskette, selbstlernende Systeme, Leichtbaurobotik und digitale Assistenzsysteme erweitern die Möglichkeiten flexibler Automatisierung. Doch beschränkt sich die Steuerung von Arbeit nicht auf Kontrolle und Handlungsrestriktionen, sondern umfasst auch die gezielte Aktivierung von Beschäftigtenhandeln. Zudem verfolgen Unternehmen mit dem Einsatz digitaler Technik allerdings nicht ausschließlich – und oftmals nicht mal vorwiegend – Strategien, die auf Rationalisierung von Arbeitskraft gerichtet sind. Für die digitale Transformation prägend sind insbesondere auch unternehmerische Strategien, die auf die Einflussnahme auf Markt und Kooperationspartner oder die Reorganisation übergreifender Prozesse (systemische Rationalisierung) zielen.

Ziele und Fragestellung
Das Projekt fragt danach, wie sich Leistungspolitik in der Industriearbeit vor dem Hintergrund unterschiedlicher und teils widersprüchlicher Digitalisierungsstrategien von Unternehmen und betrieblichen Akteuren verändert, welche Auswirkungen also Digitalisierung auf betriebliche Aushandlungen und Prozesse hat, die die Verausgabung von Arbeitsleistung, Arbeitsbedingungen und konkrete Arbeitspraxis bestimmen.

Weitere Informationen
Kontakt: Prof. Dr. Sarah Nies

Abstract: Ausgangspunkt des Projektes ist die Notwendigkeit der Entwicklung von Systemen zur automatischen Verhaltensklassifikation als Basis der nutztierwissenschaftlichen Forschung und eine zukünftige Schlüsselkompetenz des wissenschaftlichen Nachwuchses. Für die Entwicklung zukunftsfähiger Haltungssysteme, Züchtung und Ernährung robuster Nutztiere sind Kenntnisse zum Verhalten von zentraler Bedeutung. Automatisierungen und im speziellen Methoden des maschinellen Lernens eröffnen die Möglichkeit mengenmäßig und zeitmäßig größere Datengrundlagen für Versuchsfragestellungen zu generieren und die Forschungsfragen zeitgemäß zu bearbeiten. Das Projekt zielt auf die Stärkung der datenwissenschaftlichen Kompetenzen von Nachwuchswissenschaftler*innen der Nutztierwissenschaften zur Verhaltensklassifikation und Erstellung individueller, zeitlicher und örtlicher Verhaltensprofile von Schweinen aus Videobildmaterial mit Hilfe innovativer und spezialisierter Ansätze des maschinellen Lernens ab. Die Etablierung dieser innovativen Datenkultur zur automatisierten Erhebung von ethologischen Merkmalen stellt eine zentrale Schlüsselkompetenz von Nachwuchswissenschaftlern*inne für die zukünftige Forschung im Bereich der Entwicklung von nachhaltigen Haltungssystemen und der Züchtung robuster Nutztiere dar. Konkret soll basierend auf Videobildaufnahmen aus Forschungsprojekten zur Weiterentwicklung von Haltungssystemen beim Schwein mit Fokus auf Tierwohl und Schwanzbeißen ein Methodenkanon identifiziert werden, der die spezifischen Verhaltensweisen individueller Schweine automatisch klassifiziert und daraus abgeleitet Verhaltensprofile entwickelt, die u.a. für ethologische Forschungsfragen, zur automatischen Phänotypisierung, sowie in Assistenzsystemen zur Tierbeobachtung genutzt werden kann. Der Innovationscharakter des Projektes besteht in der nachhaltigen Implementierung datenwissenschaftlicher Methoden gepaart mit Strukturen und Aktivitäten diese im Kompetenzprofil zukünftiger Agrarwissenschaftler*innen nachhaltig und langfristig zu verankern. Damit wird nicht nur die zukünftige nutztierwissenschaftliche Forschung, sondern auch die Digitalisierung der Nutztierhaltung maßgeblich gefördert.
Kontakt: Prof. Dr. Imke Traulsen oder Prof. Dr. Thomas Kneib

Weitere Informationen

Abstract: Das Ziel des Projekts ist die Bereitstellung von GPU-Ressourcen für wissenschaftliche Anwendungen im Bereich des Maschinellen Lernens bzw. Künstlicher Intelligenz mit einem Schwerpunkt in der Bildanalyse in lebenswissenschaftlichen Anwendungen, insbesondere den Neurowissenschaften und dem Bioimaging. Das System soll bestehende Prozesse wesentlich beschleunigen und somit neue Methoden bzw. Anwendungen ermöglichen, während gleichzeitig die Ressourcennutzung optimiert wird.

Weitere Informationen

Abstract: Das zentrale Anliegen von KISSKI ist die Forschung an KI-Methoden und deren Bereitstellung in einem hochverfügbaren KI-Servicezentrum für kritische und sensible Infrastrukturen. Der Fokus liegt dabei auf den gesellschaftlich hoch relevanten Feldern Medizin und Energie . Diese gehören zu den Zukunftsfeldern der anwendungsbezogenen KI-Forschung in Deutschland.

Weitere Informationen

Abstract: The CIDAS/Sartorius Quantitative Cell Analytics Initiative is a partnership of academic partners from Göttingen Campus and Sartorius. The aim is to combine live cell imaging with state-of-the-art artificial intelligence to advance our understanding of fundamental biological processes, study therapeutic interventions, and ultimately develop new therapies.

Weitere Informationen