Die spexa GmbH etabliert ein nachhaltiges Gesundheits- und Leistungsmanagement in Unternehmen, mit dem Ziel sowohl die betriebliche Effizienz als auch das Wohlbefinden der Mitarbeitenden zu fördern. Als Basis dient eine Datenerhebung bei Mitarbeitenden in Unternehmen. Aus dieser wird der eigens entwickelte, wissen-schaftlich basierte Business Health Index (BHI®) ermittelt, der den Zustand des Unternehmens aggregiert und anonymisiert abbildet.

Im Netzwerksatellit KI-FIT wird unter Verwendung der HUMAINE Toolbox analysiert, ob der bisher als Online-Formular geführte Fragebogen hinsichtlich der Nutzendenakzeptanz mit KI-basieren Methoden gewinnbringend unterstützt und verbessert werden, sowie Textanalyse von Freitexteingaben KI-basiert durchgeführt werden kann.

Die Datenerhebung erfolgt mittels Online-Umfragen mit vordefinierten Fragen zur Gesundheit und zum Arbeitsumfeld. Eine umfangreiche Erhebung durch Auswahlfragen wird gezielt durch Möglichkeiten zur Freitexteingabe ergänzt.

Für die BHI-Berechnung spielen die Datenqualität und –vollständigkeit eine entscheidende Rolle. Hier setzen die KI-basierten Lösungen an. Mit den Tools „Potenzialanalyse“ und „Nutzerzentrierte Schnittstellen erfassen“ wurden 3 Use Cases identifiziert:

1. Chatbot zur Unterstützung bei Verständnisproblemen – Ziel: gibt Erläuterungen zu den Fragen oder Fachbegriffen, schafft ein besseres Verständnis, senkt die Abbruchquote und erhöht die Datenqualität.
2. Automatisierte Anonymisierung der Freitexteingaben – Ziel: entfernt personenbeziehbare Angaben, behält die Aussagekraft der Antwort, fördert das Vertrauen in den Datenschutz und verbessert die Datenbasis.
3. Avatar zur Steigerung der Teilnahme-Motivation – Ziel: zeigt den Impact der Teilnahme für die Nutzenden persönlich und das Unternehmen insgesamt und informiert über weitere mögliche konkrete Schritte des Unternehmens im BGM-Bereich.

Fokus auf Use Case 2 – Pipeline aus PII-Detektor und LLM

1. Erkennung sensibler Angaben und deren Maskierung
   (PII-Detektor + LLM)
2. Umwandlung des maskierten Textes in Fließtext (LLM)

Die ältere Kollegin aus meiner Abteilung ist sehr oft sehr unfreundlich zu mir.

↓

Die [WORK_RELATION_ROLE] aus [WORK_RELATION_ROLE] ist sehr oft sehr unfreundlich zu mir.

↓

Sehr oft erlebe ich aus meinem Arbeitsumfeld starke Unfreundlichkeit mir gegenüber.

Spexa GmbH, Essen

Bochumer Institut für Technologie, Bochum

Lehrstuhl Industrial Sales and Service Engineering, Ruhr-Universität Bochum

Institut für Neuroinformatik, Ruhr-Universität Bochum