Der Artikel untersucht, wie Künstliche Intelligenz (KI) die Gefährdungsbeurteilung im betrieblichen Arbeitsschutz verbessern kann. Trotz ihrer gesetzlichen Verpflichtung weisen viele Unternehmen, insbesondere kleine und mittlere, Defizite bei der Durchführung auf. Um diese Lücke zu schließen, werden zwei KI-gestützte Ansätze vorgestellt: Zum einen können mittels großer Sprachmodelle (LLMs) und der Retrieval-Augmented Generation (RAG)-Methode Systeme unstrukturierte Textdokumente (Gesetze, Unfallberichte) analysieren. Sie identifizieren relevante Gefahren und schlagen Maßnahmen vor, basierend auf vertrauenswürdigen, unternehmensspezifischen Daten. Dieser Ansatz reduziert "Halluzinationen" der KI und erhöht die Nachvollziehbarkeit. Zum anderen können günstige Sensoren kontinuierlich Umweltdaten wie Temperatur oder Luftqualität überwachen. Durch Anomalieerkennung mittels neuronaler Netze (Autoencoder) kann die KI subtile Abweichungen vom Normalzustand erkennen, die bei sporadischen Kontrollen oft übersehen werden. Die Autoren leiteten in Interviews und Workshops 17 spezifische Anforderungen an solche Systeme ab, die Transparenz, Nachvollziehbarkeit und die menschliche Entscheidungshoheit (Human-in-the-Loop-Prinzip) betonen. KI wird dabei als "Co-Pilot" verstanden, der Experten unterstützt, nicht ersetzt. Die finale Verantwortung verbleibt beim Menschen. Die sichere und vertrauenswürdige Integration von KI erfordert daher Erklärbarkeit und eine sorgfältige Gestaltung.

Dieser Artikel ist im Jorrnal "Zeitschrift für Arbeitswissenschaft" (2025) erschienen.