Management von KI-Projekten in wissensintensiven Organisationen : Eine Prozessanalyse der sozialen Konstruktion von Technik in Bibliotheken

Die zunehmende Digitalisierung veranlasst wissensintensive Organisationen, deren Kerngeschäft die Aufbereitung und Kuratierung von Wissen ist, dazu, Künstliche Intelligenz (KI) verstärkt in ihre Arbeitsprozesse zu integrieren. Da verfügbare KI-Lösungen die spezifischen Anforderungen dieser Organisationen häufig nicht vollständig erfüllen können, entwickeln einige von ihnen hausintern eigene KI-Projekte. Dieser Prozess erfordert ein hohes Maß an interdisziplinärer Zusammenarbeit zwischen KI-Anwender*innen, die über das notwendige Kontextwissen verfügen, und KI-Entwickler*innen, die auf dieses Wissen angewiesen sind – ein Spannungsfeld, das bislang nur unzureichend empirisch untersucht wurde. Die vorliegende Dissertation untersucht, inwiefern dieses Spannungsfeld das Management von KI-Projekten in wissensintensiven Organisationen beeinflusst. Theoretisch verortet sie sich in der Technology-Frame-Theorie nach Orlikowski und Gash (1994). Bibliotheken, im weiteren Sinne, stellen in diesem Zusammenhang ein besonders aufschlussreiches Untersuchungsfeld dar, da sie jahrhundertealte Wissensordnungen mit einer nachgewiesenen Anpassungsfähigkeit an neue Technologien verbinden. Die empirische Arbeit basiert auf einem qualitativen Prozessfallstudiendesign, welches eine Expert*innen-Vorstudie sowie drei vergleichende Prozessfallstudien in deutschen Bibliotheken umfasst. Die Datenerhebung erfolgte in den Jahren 2019 bis 2022. Die Ergebnisse zeigen, dass auf allen drei Analyseebenen – KI-Funktionen, KI-Strategie und KI-Nutzung – Frame-Inkongruenzen zwischen Entwicklung und Anwendung identifiziert werden konnten. Mangelnde Wertschätzung und mangelnde Unterstützung sind dabei als sich gegenseitig verstärkende Wechselwirkungen besonders salient. Als Reaktion auf diese Herausforderung entwickelten KI-Projektmanager*innen vier Frame-Bridging-Taktiken: klare KI-Kommunikation, agile Interdisziplinarität, transparente Teilhabe und Kompetenzentwicklung. Die Arbeit leistet damit sowohl einen theoretischen Beitrag zur Technology-Frame-Community als auch praktische Handlungshinweise für Organisationen, die KI hausintern entwickeln.