Ob Predictive Maintenance, Qualitätssicherung oder Tumorerkennung – in Industrie und Medizin stellt Supervised Learning das am häufigsten angewandte maschinelle Lernverfahren dar. Dem Vorteil präziser Vorhersagen steht allerdings ein hoher Aufwand für das Labeling von Trainingsdaten gegenüber. Diese Aufgabe wird überwiegend manuell ausgeführt und ist aufgrund der großen Datenmengen durch Monotonie, fehlende Motivation und mangelnde Aufmerksamkeit geprägt.

Zur Identifizierung von Optimierungspotenzial hinsichtlich einer humanzentrierten Gestaltung wurde der Arbeitsprozess am Beispiel eines Labeling-Projekts mit realen Kundendaten wissenschaftlich begleitet. Im Rahmen einer Einzelfallstudie labelte eine Probandin über mehrere Arbeitstage hinweg über 1.600 Aufnahmen und erstellte dabei fast 4.000 Annotationen über 100 unterschiedlicher Klassen. Vor jeder längeren Unterbrechung notierte die Pro-bandin ihre Erfahrungen und Wahrnehmungen in einem Tagebuch. Zudem wurde jeweils ein Fragebogen zum Flow-Erleben ausgefüllt.

Die Auswertung von Erfahrungstagebuch und Fragebögen ergab erste Erkenntnisse über psychische Beanspruchungen über den Zeitverlauf sowie Impulse zur Optimierung von Software und Prozessgestaltung. So konnte u.a. ein mit fortschreitender Bearbeitungsdauer abnehmendesVerantwortungsbewusstsein fest-gestellt werden. Die Untersuchungserkenntnisse sollen als Grundlage für eine breiter angelegte Experimentalstudie dienen.

sentin, Bochum

Lehrstuhl Arbeits- Organisations- und Wirtschaftspsychologie, Ruhr-Universität Bochum

Lehrstuhl für Produktionssysteme, Ruhr-Universität Bochum