Forschungsprojekte

Komplexität und Intransparenz nimmt im Zuge der digitalen Transformation und der durch zunehmende Vernetzung erweiterten Lieferketten stetig zu und erschwert somit die Aufdeckung und Verhinderung moderner Sklaverei. Ziel 8.7 der Nachhaltigkeitsziele der Vereinten Nationen fordert eine Abschaffung moderner Sklaverei, Ziel 8.8 zielt auf den Schutz von Arbeitsrechten und sicheren Arbeitsumgebungen ab, während auch nationale Gesetzgebung das Thema aufgreift (z.B. das deutsche Lieferkettensorgfaltspflichtengesetz). Innovative Technologieanwendungen haben das Potential, zu einem gerechteren Wirtschaftssystem sowie zur Emanzipation marginalisierter Gruppen beizutragen. Gerade in Zeiten multipler Krisenphänomene wie Pandemien, wirtschaftlicher Instabilität, politischer Krisen und Kriege wird die Notwendigkeit einer globalen Nachhaltigkeitstransformation deutlich, die zum Wohle der Menschheit und insbesondere vulnerabler Gruppen wie Arbeiter:innen gestaltet werden muss.

Übergeordnetes Ziel des Vorhabens ist es, das komplexe Phänomen der modernen Sklaverei in erweiterten Lieferketten mit Hilfe moderner Methoden des maschinellen Lernens (Machine Learning) besser zu identifizieren und zu klassifizieren, wichtige Einflussfaktoren zu erkennen und damit insbesondere zivilgesellschaftliche Akteuren dabei zu unterstützen, entsprechend ihren Fähigkeiten und Möglichkeiten wirksame Gegenmaßnahmen zu ergreifen. Die große Vielfalt und Menge der im Zeitalter der digitalen Transformation verfügbaren Daten sowie die Komplexität des betrachteten Phänomens bieten gute Voraussetzungen für die Anwendung von Ansätzen der Künstlichen Intelligenz, insbesondere aus dem Bereich des maschinellen Lernens. Die Forschungsfrage lautet daher:

Wie kann ein auf Machine Learning basierendes Softwaresystem gestaltet werden, um Risiken moderner Sklaverei in erweiterten Lieferketten zu klassifizieren und wichtige Einflussfaktoren zu identifizieren?

Das Projekt erstellt zunächst eine umfassende und validierte Falldatenbank auf Grundlage einer mit Expert:innen abgestimmten Definition moderner Sklaverei. Unter Anwendung eines Nutzer:innen-integrativen Design Science-Vorgehens entwickelt das Vorhaben sodann einen Machine Learning-Ansatz, der auf bestehenden multidisziplinären Theorien, Methoden und Datenquellen zum Phänomen aufbaut. Der Ansatz wird als Software-Prototyp, zugeschnitten auf konkrete Praxisanforderungen, Nutzer:innen-integrativ und ethischen Grundsätzen folgend ausgestaltet und angewandt.

Ansprechpartner: Prof. Dr. André Hanelt

Das Projekt wird gefördert von der Hans-Böckler-Stiftung.

Gegenstand des Projekts DiBEN ist die Entwicklung und Erprobung einer einzigartigen digitalen und interaktiven Wissensplattform zum Thema digitale Geschäftsökosysteme. Die Plattform richtet sich speziell an Führungskräfte hessischer KMU und will die Ausbildung und Anwendung von Managementfähigkeiten in einem Kernbereich der digitalen Transformation unterstützen. Die Plattform wird die Möglichkeiten digitaler Technologien nutzen, um einerseits für die spezifischen Anwendungszwecke von KMU aufbereitetes Wissen zum Management digitaler Geschäftsökosysteme effizient und flexibel zu vermitteln und andererseits, durch das Bereitstellen eines Sets an datenbasierten digitalen Tools, Führungskräfte für diese Aufgabe konkret zu befähigen.

Zwei Aspekte begründen die Neuartigkeit der Plattform. Erstens bereitet das Projekt wertvolles Wissen, welches heute nicht auf KMU-Kontexte ausgerichtet und fast ausschließlich in internationalen Forschungsjournalen existiert, erstmals für die konkreten Bedarfe von KMU auf und macht es überdies für KMU flexibel sowie effizient (z.B. Videos, Podcasts, Info-Beiträge) über eine digitale Plattform nutzbar. Zweitens bietet DiBEN zu jedem Themenbereich auch verbundene datenbasierte Tools, die heute in dieser Form nicht verfügbar bzw. nutzbar sind. Die Interaktion mit diesen digitalen Tools soll KMU-Führungskräfte befähigen, selbstbestimmt ihr Ökosystem zu verstehen und weiterzuentwickeln.

Ansprechpartner: Henrik Pohsner (Projektleiter)

Das Projekt wird gefördert vom Land Hessen (Programm Distr@l).