Durchlaufzeiten mit KI prognostizieren: Ist ein präzises Datum eine belastbare Prognose?

Eine KI kann verstreute Informationen in einen scheinbar schlüssigen Zeitplan überführen, ohne dass die Unwägbarkeiten der Produktion verschwinden. Die Führungsfrage lautet deshalb: Wie lässt sich eine Zeitschätzung nutzen, ohne ihre präzise Darstellung mit betrieblicher Gewissheit zu verwechseln?

Was die Forschung belegt

Don Moore und Paul Healy (2008, Psychological Review) unterscheiden mehrere Formen übermässiger Zuversicht: die eigene Leistung überschätzen, sich im Vergleich zu anderen zu günstig einordnen und den eigenen Überzeugungen eine überhöhte Präzision zuschreiben. Die letzte Form ist besonders relevant, wenn eine Durchlaufzeit als eng eingrenzbar dargestellt wird. Eine Führungskraft kann die Fähigkeiten ihres Teams vorsichtig einschätzen und gleichzeitig die Unsicherheit ihres Zeitplans unterschätzen.

Ein Intervall macht eine Schätzung noch nicht vorsichtig

Jack Soll und Joshua Klayman (2004, Journal of Experimental Psychology: Learning, Memory, and Cognition) untersuchen übermässige Zuversicht bei Intervallschätzungen und zeigen, dass die Art der Abfrage deren Kalibrierung beeinflusst. Eine Bandbreite statt eines Datums zu verlangen, garantiert daher noch keine angemessene Darstellung der Unsicherheit. Bei einer KI-gestützten Prognose spricht dies dafür, die Herleitung der Grenzen zu prüfen, statt allein deren Vorhandensein als Absicherung zu betrachten.

Der vorschnelle Schluss

Daraus könnte man ableiten, dass angekündigte Zeitspannen grundsätzlich erweitert werden sollten. Das würde eine gut kalibrierte Prognose mit einem Sicherheitspuffer verwechseln: Erstere beschreibt Unsicherheit, Letzterer ist eine Managemententscheidung. Eine sehr breite Spanne kann die Ergebnisse abdecken, ohne die Koordination sinnvoll zu unterstützen. (unsere Weiterbildungen für Führungskräfte und Mitarbeitende)

Was die Daten nicht belegen

Diese Arbeiten befassen sich mit menschlichem Urteilen, nicht mit KI-Prognosen für einen Neuenburger Produktionsbetrieb. Sie belegen weder, dass ein bestimmtes Werkzeug zu enge Zeitspannen liefert, noch, dass seine Intervalle verlässlichen Wahrscheinlichkeiten entsprechen. Eine in natürlicher Sprache erzeugte Bandbreite muss von einem Intervall unterschieden werden, dessen Abdeckung anhand beobachteter Ergebnisse geprüft wurde.

Eine überprüfbare Praxis in Neuchâtel

Im Rahmen des Programms « Manager à l’ère de l’intelligence artificielle » von SHR — Swiss Human Resources liesse sich in Neuchâtel die Dauer eines wiederkehrenden Losfreigabeprozesses in der Mikrotechnik, der Uhrenindustrie oder der Präzisionsmikroelektronik verfolgen. Vor jedem Vorgang würde die Führungskraft die mit KI-Unterstützung gewählte Bandbreite, deren angestrebte Abdeckungsquote, die Annahmen und das Erfassungsdatum dokumentieren, ohne frühere Versionen zu überschreiben. Die Auswertung würde den Anteil der tatsächlichen Durchlaufzeiten innerhalb der Grenzen mit der angekündigten Abdeckungsquote vergleichen und zugleich die durchschnittliche Breite der Intervalle sowie die Zahl der Beobachtungen ausweisen. Diese Prüfung würde keine Überlegenheit der KI belegen, sondern die Qualität der mit ihr entwickelten zeitlichen Zusagen überprüfbar machen. Weiterführend: entdecken Sie die Führen im Zeitalter der künstlichen Intelligenz-Weiterbildung in Neuenburg im Kanton Neuenburg, oder durchstöbern Sie unsere Weiterbildungen für Führungskräfte und Mitarbeitende in der Schweiz.

In Bildern: Führen im Zeitalter der künstlichen Intelligenz in Neuenburg

• führen im zeitalter der künstlichen intelligenz
• Neuenburg
• forschung
• Weiterbildung neuenburg