KI-Kompetenz: Schließen der Qualifikationslücke im Bereich der künstlichen Intelligenz

Laut einer aktuellen Forschung von Sam Manning, einem Mitarbeiter des Center for Governance of KI, sind6,1 Millionen Arbeitnehmer in den USA zwar mit KI konfrontiert, aber gleichzeitig schlecht auf die Anpassung an diese Technologie vorbereitet. Fast die Hälfte der Führungskräfte,die kürzlich von IBM befragt wurden, gaben zudem an, dass ihren Mitarbeitern die notwendigen KI-Kenntnisse und -Fähigkeiten fehlen, um KI-Technologien in großem Maßstab einzusetzen.

Angesichts der zu erwartenden Auswirkungen von KI auf Branchen weltweit könnte die KI-Kompetenzlücke tiefgreifende Folgen haben. Laut einer Studie des IBM Institute for Business Value glauben 87 % der Führungskräfte, dass Mitarbeiter eher durch generative KI ergänzt als ersetzt werden.

Ihre Fähigkeit, das Potenzial der Technologie effektiv zu nutzen, wird wahrscheinlich deutliche Auswirkungen auf ganze Branchen haben: Die Investitionen in KI steigen um 150 % und bis 2030 wird prognostiziert, dass KI die Unternehmensproduktivität um 42 % steigern wird. Die meisten Unternehmen – bis zu 70 % – planen, diese Produktivitätsgewinne wieder in Innovation und Wachstum zu investieren.

Ohne starke KI-Kompetenzprogramme könnten diese umfassenden Unternehmens-Transformationen jedoch ins Stocken geraten. Um den Arbeitsplatz der Zukunft zu schaffen, müssen Hochschulen und Unternehmen proaktiv die Einstellungen und Kompetenzen entwickeln, die für den langfristigen Erfolg ihrer Mitarbeiter notwendig sind.

KI-Kompetenz ist die Fähigkeit, KI-Systeme zu verstehen, zu prüfen und überlegt einzusetzen. Es handelt sich dabei nicht um eine technische Fähigkeit, die Entwicklern vorbehalten ist, sondern um eine grundlegende Kompetenz für Mitarbeiter in allen Funktionen und Ebenen eines Unternehmens, von Berufsanfängern bis hin zur C-Suite.

Durch das Verständnis der Funktionen, Grenzen und ethischen Überlegungen von KI erwerben die Lernenden sowohl praktische als auch konzeptionelle Fähigkeiten. Diese Fähigkeiten ermöglichen es den KI-Experten, ihr Verständnis von KI-Technologien und ihre Anwendung von KI kritisch zu überdenken.

Im Kern bedeutet KI-Kompetenz, zu wissen, was KI kann und was nicht. Zum Beispiel das Verständnis dafür, dass Modelle für maschinelles Lernen zwar Muster in Daten erkennen, aber immer noch menschliche Aufsicht benötigen. Anspruchsvollere Formen der KI-Kompetenz umfassen die Fähigkeit, Verzerrungen und Risiken zu verstehen sowie fundierte Entscheidungen darüber zu treffen, wie KI in Workflows bereitgestellt werden soll.

Im Gegensatz zur digitalen Kompetenz, bei der es in erster Linie darum geht, zu wissen, wie man Software benutzt, erfordert die KI-Kompetenz eine tiefere konzeptionelle Ebene.

„Da KI immer mehr Routineaufgaben im Bereich Codierung und Dokumentation übernimmt, wird von Fachkräften zunehmend erwartet, dass sie ganzheitlich denken“, erklärt Natasha Pillay-Bemath, Vice President für globale Talentakquise und Executive Search bei IBM. Ihre Rolle verschiebt sich zwangsläufig hin zu „[...] einem umfassenden Verständnis von Systemen und der Validierung von KI-Outputs auf Qualität und Verzerrung“.

KI-Kompetenz beschränkt sich nicht nur auf Informatik. Es geht darum, zu wissen, wie man KI-Tools einsetzt, zu verstehen, wie sie funktionieren, wie sie denken und für welche Aufgaben sie am besten geeignet sind. Es ist auch eine grundlegende Veränderung in der Art und Weise, wie Arbeit erledigt wird: „Die Einführung von KI erfordert ein Umdenken“, schreiben Glenn Dittrich und Kim Morick von IBM Consulting. „Es erfordert Investitionen nicht nur in technische Fähigkeiten, sondern auch in Kompetenzen wie Empathie, kritisches Denken und Neugier.“

Das Tempo des Verständnisses von KI hat nicht mit dem dramatischen Anstieg der Nutzung von KI Schritt gehalten. Mit der Veröffentlichung von ChatGPT von OpenAI im Jahr 2022 stieß ein großer Teil der Öffentlichkeit zum ersten Mal auf generative KI. Laut Gallup nutzen heute 12 % aller erwerbstätigen Erwachsenen in allen Branchen täglich KI in ihrem Job. Beschäftigte in Technologie, Finanzen und anderen hochverbreiteten Branchen nutzen es häufiger.

Doch während Unternehmen diese Tools bereitstellen, von Chatbots für Kundenservice bis hin zu Tools zur Erstellung generativer Inhalte, fehlt vielen Mitarbeitern das grundlegende Wissen, um sie verantwortungsvoll und effektiv zu nutzen.

Laut einer aktuellen Studie von McKinsey hat sich die Nachfrage nach KI-Kenntnissen innerhalb von zwei Jahren versiebenfacht, schneller als jede andere Qualifikation bei Stellenausschreibungen in den Vereinigten Staaten. Unterdessen geht das Weltwirtschaftsforum davon aus, dass sich 40 % der von der globalen Belegschaft benötigten Fähigkeiten innerhalb von fünf Jahren ändern werden.

Die Qualifikationslücke hat reale Konsequenzen: Mitarbeiter, die die Grenzen von KI nicht verstehen, vertrauen möglicherweise zu sehr auf Ausgaben. Skeptische Mitarbeiter nutzen transformative Tools möglicherweise zu wenig. Und Führungskräfte, die KI-Modelle nicht verstehen, können keine Implementierungen entwerfen, die im gesamten Unternehmen einen echten Mehrwert bieten. Mit zunehmender Komplexität der Technologie verstärken sich diese Dynamiken.

Darüber hinaus werden die Governance-Systeme mit der Implementierung von KI-Agenten und autonomerer Software durch Unternehmen komplexer. Intuitive Apps, Dashboards, No-Code-Optionen und Abfragen in natürlicher Sprache erhöhen zwar die Zugänglichkeit, erfordern aber dennoch KI-Kenntnisse für einen sicheren Betrieb.

Und da einige KI-Pilotprogramme ins Stocken geraten und Unternehmen Schwierigkeiten haben, unmittelbare Ergebnisse zu erzielen, ist deutlich geworden, dass das Potenzial der Technologie auf weit mehr beruht als nur auf einfachen technischen Implementierungen. Unternehmen erkennen einen höheren Nutzen, wenn sie Workflows und ihre Mitarbeiter sich an neue Arbeitsweisen anpassen. Diese Arbeit erfordert ein differenziertes Verständnis von KI-bezogenen Tools und Fähigkeiten am Arbeitsplatz.

„Bei Einstiegspositionen verlagert sich der Fokus von rein aufgabenorientierter Arbeit hin zu Analyse, Problemlösung und verantwortungsvoller KI“, erklärt Natasha Pillay-Bemath, Vice President für globale Talentakquise und Executive Search bei IBM. Sie stellt fest, dass Lernflexibilität für neue Mitarbeiter jetzt genauso wichtig ist wie technische Fähigkeiten.

KI-Kompetenz ist eine Cluster miteinander verbundener Fähigkeiten, die Hand in Hand gehen. Idealerweise interdisziplinäre und praktische Kompetenzen, die auf bestimmte Ergebnisse und Rollen zugeschnitten sind. Während sich der spezifische Kurs der KI-Kompetenz je nach angestrebtem Qualifikationsniveau ändern kann, hat das Weltwirtschaftsforum vor Kurzem den Entwurf eines Lehrplans für KI-Kompetenz im Bildungswesen vorgestellt. Das Vier-Säulen-Framework des WEF zur Förderung der KI-Kompetenz umfasst:

• Umgang mit KI: Kenntnis der Anwendungen von KI und Bewertung ihrer Ausgaben
• Kreatives Arbeiten mit KI: Verstehen, wie man mit KI-Tools zusammenarbeitet und dabei ethische Aspekte berücksichtigt.
• Verwaltung der Aktionen der KI: Verantwortungsvolles Delegieren von Aufgaben an die KI und Sicherstellung menschlicher Aufsicht
• Entwicklung von KI-Lösungen: Ein Verständnis dafür entwickeln, wie KI funktioniert, um Probleme im Alltag zu lösen

Weitere praktische Formen der KI-Kompetenz könnten beispielsweise sein:

• Verstehen, wie KI funktioniert: In einem konzeptionellen Verständnis von KI weiß ein Benutzer, was KI ist und wie Systeme für maschinelles Lernen aus Daten lernen – sowie die Stärken und Grenzen verschiedener Software und Algorithmen.
• Bewertung von KI: Bei der kritischen Bewertung von KI kann ein Benutzer die KI-Outputs und die Entscheidungsfindung auf Genauigkeit, Verzerrung und Zuverlässigkeit prüfen. Dieser Prozess bedeutet zum Beispiel, dass Sie wissen, wann Sie ein von der KI generiertes Ergebnis verifizieren oder ganz ablehnen müssen.
• Anwendung von KI: Bei der praktischen Anwendung von KI muss man wissen, wie man KI effektiv für bestimmte Aufgaben und Workflows einsetzt.

Nutzung ethischer, sozialer und behördlicher Frameworks für KI: Verantwortungsvolle KI-Kompetenz beinhaltet das Verständnis der Auswirkungen von KI in einem breiten Kontext: Datenschutz, Fairness, Rechenschaftspflicht und Erklärbarkeit. Wirklich KI-kompetente Benutzer verstehen, dass die Bereitstellung von KI nicht nur eine technische Entscheidung ist.

Generative KI-Kompetenz ist ein spezieller Teilbereich der KI-Kompetenz, der sich auf große Sprachmodelle (LLMs) und andere generative Systeme konzentriert. Da generative KI-Tools immer stärker in die Workflows von Unternehmen integriert werden, ist diese Dimension besonders wichtig.

Ein wichtiger Aspekt ist das Verständnis des Konzepts der Halluzination und die Ermutigung der Benutzer, KI-Outputs mit einem gewissen Maß an Skepsis zu begegnen. Eine weitere Priorität ist die verantwortungsvolle Nutzung. Zum Beispiel, um zu verstehen, was nicht mit externen KI-Systemen geteilt werden sollte, oder zu erkennen, wann eine Aufgabe nicht von generativer KI profitiert.

Weitere wichtige Aspekte der Kompetenz im Bereich generative KI umfassen:

• Verstehen von Trainingsdaten
• Berücksichtigung von IP- und Urheberrechtsfragen
• Erkennen von Modellgrenzen
• Aufrechterhaltung des Bewusstseins für den Datenschutz

KI-Kompetenz ist der Eckpfeiler einer robusten digitalen Transformation. „Eine sinnvolle Implementierung erfordert weit mehr als nur die Aktivierung neuer Technologien“, erklärt Kimberly Morick, Partner für HR-Technologie bei IBM Consulting. „Erfolg erfordert ein differenziertes Verständnis davon, wie sich strukturierte und unstrukturierte Daten ergänzen, Erkenntnisse über KI-Lernmechanismen und strategische menschliche Kontrolle an kritischen Entscheidungspunkten.“

„Ohne diese Grundlage“, fügt sie hinzu, „laufen Unternehmen Gefahr, leistungsstarke Tools mit begrenzter Wirkung bereitzustellen.“

Zu einigen Best Practices zur Förderung der KI-Kompetenz in Unternehmen gehören: 

Effektive KI-Kompetenzprogramme beginnen mit einer ehrlichen Bestandsaufnahme des aktuellen Stands eines Unternehmens. Sowohl in Bezug auf das bestehende Niveau der KI-Kompetenz eines Unternehmens als auch in Bezug auf die Art der KI-Kompetenz, die es in Zukunft benötigen wird. Eine aussagekräftige Basisbewertung kann die Lese- und Schreibfähigkeiten in allen Dimensionen messen:

• Welche Tools werden eingesetzt und wie effektiv?
• Welche Kompetenzen und konzeptionellen Kenntnisse sind für bestimmte Rollen am wichtigsten?
• Welche Kompetenzen sind im Unternehmen bereits vorhanden? Wie können sie am besten eingesetzt werden?

Während der Basisbewertung kann es nützlich sein, die zu erwartenden kurz- und langfristigen Veränderungen der Rollen zu erfassen. Durch die Planung der Neugestaltung von Arbeitsplätzen stellen Unternehmen sicher, dass ihre Mitarbeiter die Fähigkeiten besitzen, die sie für die Zukunft benötigen – und helfen ihnen, die realen Vorteile von KI-Kompetenz zu erkennen.

„Indem jede Workflow-Automatisierung als Potenzial für neue, kreative Arbeit betrachtet wird, erschließt der Planungsprozess potenziellen Wert“, erklärt Sarah Damenti, Associate Partner für HR- und Talent-Transformation bei IBM. 

In großen Unternehmen mit vielen verschiedenen Rollen kann ein einziger Lehrplan manchmal zu kurz greifen. Einheitliche Schulungen oder Webinare, die sich gleichzeitig an Mitarbeiter im Kundenservice und IT-Fachkräfte richten, können kontraproduktiv sein. Erfolgreiche Unternehmen erkennen, dass für verschiedene Rollen unterschiedliche Fähigkeiten erforderlich sind, und passen die Schulungen entsprechend an. Mithilfe von KI können Unternehmen individuelle, rollenspezifische Lernpfade für Mitarbeiter erstellen, die ihr vorhandenes Sprachniveau berücksichtigen. 

Während es wichtig ist, dass alle Mitarbeiter ein grundlegendes Verständnis dafür haben, wie KI funktioniert, bauen effektive KI-Kompetenzprogramme für Unternehmen auf die spezifischen Tools auf, mit denen Mitarbeiter möglicherweise konfrontiert werden. Dieser Ansatz überbrückt die Lücke zwischen dem Wissen über KI und dem Wissen, wie man sie effektiv in einem realen Workflow einsetzt. Ein gut konzipiertes KI-Kompetenz-Modul führt die Mitarbeiter durch konkrete praktische Szenarien, anstatt sie in abstrakten Konzepten oder generischen Tools zu schulen. 

Echte KI-Kompetenz hängt von der Fähigkeit ab, KI-Outputs und potenzielle Fehlinformationen in realen Situationen kritisch zu bewerten. Zukunftsorientierte Unternehmen vermitteln diese Fähigkeit explizit, mit bewussten Übungen und Feedback – Mitarbeiter, die KI-Systeme häufig nutzen, ohne strukturierte Bewertungsübungen durchzuführen, werden mit der Zeit immer abhängiger von diesen Systemen.

Zum Beispiel verfolgt Matt Beane, Associate Professor für Technologiemanagement an der UC Santa Barbara, einen Ansatz, der Benutzer dazu ermutigt, über ihre eigenen Entscheidungen bei KI nachzudenken. Wie Beane gegenüber IBM erklärt, stellt er kleine Teams von Auszubildenden zusammen, die mit älteren Mitarbeitern zusammenarbeiten, die kleine Gruppen durch eine Reihe von Herausforderungen mit KI-Tools coachen. Während einer Nachbesprechung beantworten die Gruppen dann eine Reihe von Fragen, um ihre unbewussten Annahmen aufzudecken oder alternative Lösungen zu finden. 

Eine Grundlage für eine effektive KI-Lernpraxis ist ein Netzwerk von internen Champions. Menschen in verschiedenen Funktionen, die sich für KI begeistern und bereit sind, ihr Wissen und ihre Erfahrung zu teilen. Oft sickert die Begeisterung für KI-Kompetenz von oben nach unten; wichtige Stakeholder sollten fließend KI nutzen und erklären können, wie sie einem Unternehmen von Nutzen sein wird.

Wenn Mitarbeiter vom Potenzial neuer Tools begeistert sind, sind sie eher bereit, sich intensiv mit KI-Kompetenz-Programmen zu beschäftigen.

Diese internen Vorreiter können auch neue Anwendungsfälle für KI aufdecken, mit denen Mitarbeiter experimentieren, oder unerwartete Fehlschläge. Diese Feedback-Schleife kann entscheidend sein, um die Richtlinien und Lernprogramme mit der Realität der KI-Nutzung im Unternehmen in Verbindung zu bringen und so weitere Schulungen zu ermöglichen. 

KI-Kompetenz ist ohne eine fundierte Governance-Bildung unvollständig. Effektive KI-Kompetenz-Programme für Unternehmen werden zusammen mit einem klaren Framework entwickelt. Dieser Ansatz bedeutet, explizite Richtlinien für die akzeptable Nutzung festzulegen und den Benutzern beizubringen, welche Arten von Daten in KI-Systeme eingegeben werden sollten und wie KI-generierte Ausgaben vor der Verwendung zugeordnet werden sollten. Programme zur Vermittlung von KI-Kompetenz sollten auch die Sicherheitsvorkehrungen der Unternehmensführung für Mitarbeiter auf allen Ebenen sichtbar machen und so eine Kultur der Compliance fördern.

Lernen erfordert Experimentieren durch Ausprobieren, und um KI wirklich sicher zu beherrschen, muss eine Kultur gepflegt werden, in der iteratives Vorgehen geschätzt wird. In der Praxis bedeutet dieser Ansatz, dass wir Zeit und Ressourcen für Experimente bereitstellen, z. B. in Form von internen Hackathons. Morick bezeichnet diese Denkweise als„Denken wie ein Start-up“.

„KI ist eine Initiative für alle“, erklärt sie. „Jeder muss Verantwortung übernehmen und sich fragen: Wie kann ich meine Arbeit effektiver erledigen? Wie werde ich durch meine Arbeit schnellere und wertvollere Ergebnisse für das Unternehmen liefern?“ Indem sie absichtlich sichere Räume für Experimente schaffen, können Unternehmen langfristig die KI-Kompetenz fördern und die Leidenschaft für neue Ideen wecken.

Unternehmen, die KI-Kompetenz als permanente Unternehmenspriorität betrachten und nicht als einmalige Initiative, haben eine höhere Erfolgswahrscheinlichkeit. Diese Priorität ist dringend geboten, da in den kommenden Jahren bis zu einem Drittel der Arbeitsstunden automatisiert werden können. Unternehmen, die KI-Kompetenz als einmalige Aufgabe betrachten, werden feststellen, dass ihre Belegschaft innerhalb weniger Monate ins Hintertreffen gerät. Sie verpassen dadurch auch die Chance, die Fähigkeiten ihrer Mitarbeiter zu entwickeln und deren zukünftiges Wohlbefinden zu fördern.

Die kontinuierliche Priorisierung von KI-Erfahrungen erfordert strukturelles Engagement und die Integration in bestehende Prozesse der Talententwicklung. Das bedeutet auch, die Entwicklung von Fähigkeiten langfristig anders zu betrachten.

Einige Unternehmen verdoppeln zum Beispiel die Zahl der Einstellungen von Nachwuchskräften und konzentrieren sich dabei auf die Förderung einer anderen Art von Fähigkeiten. Ab 2026 glauben 67 % der CEOs, dass KI zu einem Anstieg der Zahl der Nachwuchskräfte führen wird, und IBM hat kürzlich angekündigt, die Zahl der Neueinstellungen in diesem Jahr zu verdreifachen. Diese Rollen wurden jedoch neu gestaltet, um der kritischen Analyse und der menschlichen Überwachung von KI Vorrang vor routinemäßigen manuellen Aufgaben zu geben.

„Wenn wir nicht weiterhin in Nachwuchskräfte investieren, was passiert dann in drei bis fünf Jahren?“, fragt Pillay-Bemath. „Es gibt keinen Nachwuchs; die Quelle versiegt einfach.“

Priorisierung von KI-Kompetenz bedeutet nicht nur, erfahrenen Mitarbeitern berufliche Weiterentwicklung zu bieten. Es geht darum, die Entwicklung von Kompetenzen innerhalb eines Unternehmens neu zu gestalten, um nachhaltigen Erfolg zu erzielen.