Wen sollten Organisationen umschulen oder einstellen, um im Zeitalter der Künstlichen Intelligenz erfolgreich zu sein, und wie wird man zum KI-Pionier?

von Nitin Kumar

KI-Pionier
In unserem vorherigen Blog-Beitrag sprachen wir über die Notwendigkeit der Umschulung, um im Zeitalter der Künstlichen Intelligenz (KI) erfolgreich zu sein [1]. In diesem Blog werden wir uns nun darauf konzentrieren, wer umgeschult und wer eingestellt werden sollte, wenn eine Organisation ein KI-Pionier werden will. Bevor wir jedoch weiter gehen, wird es den Lesern dieses Blogs helfen, ihre Organisation in das Stadium der KI-Entwicklung einzuordnen, in welchem sie sich aktuell befinden. Zu diesem Zweck halten wir uns an eine vom MIT bereitgestellte Klassifizierung [2].
 
  • KI-Passive - Kaum Adaption der KI und wenig bis gar kein Verständnis der KI-Technologielandschaft.
  • Experimentierer - Organisationen, die KI ohne tiefes Verständnis erproben und übernehmen. Im Grunde genommen: Learning by doing.
  • Ermittler - Organisationen mit Kenntnis im Bereich der KI-Technologien, die aber im Pilotstadium stecken geblieben sind und kaum einen unternehmensweiten Einsatz haben.
  • Pioniere - Organisationen, die die KI verstehen, sie übernommen haben und KI in ihre Angebote und internen Prozesse integrieren.
 
Hoffentlich bist du somit in der Lage, dein Unternehmen in eine der oben genannten Gruppen einzuordnen. Für jede Gruppe werden wir uns jetzt auf die wichtigsten Schulungen und Rekrutierungen konzentrieren, für die sich eine Organisation entscheiden kann, wenn sie sich durch verschiedene Phasen ihrer KI-Reise bewegt.
 

Welche Schulungen und Talente sollten in welcher Phase ins Auge gefasst werden?

Der KI-Passive
 

Schulung: Bei Unternehmen in der passiven KI-Phase sollten vor der Einstellung datenbezogener Mitarbeiter die Führungskräfte der C-Ebene und/oder das Management zu Themen wie KI-Bewusstsein, was KI kann und was nicht, was man tun kann, was man tun muss, um KI-getrieben zu werden, und die Funktionsweise der KI in einer Organisation (Hub vs. Spoke-Modell [3]) geschult werden. Die nächste Schulungsebene sollte Manager und Teamleiter in Themen einbeziehen, die denen für C-Level-Führungskräfte ähnlich sind, sowie datengesteuerte Geschäftsmodelle, wie man KI-Nutzungsfälle identifiziert, wie man KI-Projektplanungen erstellt, welche MVP-Anforderungen (minimum viable product) bestehen und wie man das richtige Team zusammenstellt [4].

Rekrutierung: Datenwissenschaftler (jemand mit genügend Erfahrung in Statistik, maschinellem Lernen, Deployment und etwas Datentechnik) und Dateningenieure (idealerweise 2-5 Dateningenieure pro Datenwissenschaftler).

Der Experimentierfreudige

Schulung: Die erste Schulungsebene für diese Unternehmen sollte auch Führungskräfte der C-Ebene, Manager und Teamleiter einbeziehen - sehr ähnlich wie beim KI-Passiven. Die nächste Schulungsebene sollte sich an Personen richten, die mit Daten arbeiten (einschliesslich IT-Fachleuten) und sich mit Konzepten in den Bereichen Statistik, maschinellem Lernen, Datentechnik und Deployment befassen. Die meisten dieser Unternehmen haben in der Regel Mühe, ein allgemeines Verständnis darüber zu haben, was KI kann und was nicht, und verschwenden ihre Zeit mit Ausprobieren und Scheitern. Die Bereitstellung von Schlüsselschulungen für Personen, die mit Daten arbeiten, kann dazu beitragen, die Zeit zu reduzieren, die mit dem Ausprobieren von Dingen verschwendet wird.

Rekrutierung: Die erste und wichtigste Person, die solche Unternehmen einstellen sollten, ist ein Chief Data Officer, der dem Management bei der Festlegung der Datenstrategie und des KI-Budgets helfen kann. Die nächsten Rekrutierungen hängen von den Problemen ab, mit denen das Unternehmen konfrontiert ist. Wenn du noch keine Datenwissenschaftler eingestellt hast, dann sollte dies deine erste Priorität sein (Profile ähnlich wie beim KI-Passiven). Wenn du Datenwissenschaftler eingestellt hast, jedoch Schwierigkeiten hast, Anwendungsfälle in die Pilotphase zu bringen, solltest du Datenwissenschaftler und Geschäftsleute in der Rolle als KI-Übersetzer schulen [5]. Datenwissenschaftler in solchen Unternehmen sollten über Kenntnisse im Bereich der KI-Bereitstellung verfügen. Da es jedoch sehr schwierig ist, solche Profile zu finden [1], wäre die richtige Vorgehensweise, Datenwissenschaftler und DevOps-Leute in KI-Deployment zu schulen. Neben den Datenwissenschaftlern sollten diese Unternehmen auch Dateningenieure einstellen (auch hier idealerweise 2-5 Dateningenieure pro Datenwissenschaftler). Dateningenieure zu finden, könnte wieder sehr schwierig sein (glaub mir das) und wenn dies bei dir der Fall ist, wäre es besser, die IT-Fachleute in Datentechnik, Cloud und dem Verständnis von maschinellem Lernen auszubilden.

Der Ermittler

Schulung: Die Ermittler weisen gute Kenntnisse in KI-Technologien auf, sind aber im Pilotstadium stecken geblieben. Dies zeigt, dass diese Unternehmen Datenwissenschaftler eingestellt haben, es ihnen jedoch an einer unternehmensweiten KI-Vision und systemischen Kenntnissen in der KI-Bereitstellung mangelt. Ermittler sollten ihr Management darin schulen, zu verstehen, was es braucht, um eine KI-getriebene Strategie zu entwickeln. Die Data Science Manager und Teamleiter sollten in der Rolle eines Analyse-Übersetzers geschult werden, zusammen mit einem Überblick über die Deployment Strategie, z.B. wie man ein richtiges Team zusammenstellt [4]. Zusammen mit den Managern stellen die Business-Analysten ideale Kandidaten dar, die in der Rolle des Übersetzers ausgebildet werden sollten. Im Idealfall sollte allen Datenwissenschaftlern eine vordefinierte, auf den Einsatz bezogene Strategie und Infrastruktur zur Verfügung stehen, und sie sollten in KI-Einsatz bezogenen Technologien geschult werden. Um die Kommunikation zwischen IT-Fachleuten und Datenexperten zu verbessern, sollten IT-Fachleute, einschliesslich DevOps, in Konzepten des maschinellen Lernens und des Einsatzes geschult werden.

Rekrutierung: Ähnlich wie beim Experimentierer sollten Ermittler einen Chief Data Officer einstellen, der die KI über das Pilotstadium hinaus vorantreiben und die KI-Strategie und die wichtigsten Einstellungsbereiche definieren kann. Ein Schwerpunkt sollte auch auf der Einstellung von Ingenieuren für maschinelles Lernen und Datentechnik [6] liegen, um die Piloten in die Deployment-Phase zu bringen.

Der KI-Pionier

Diese Unternehmen sind Spitzenreiter in der KI und stossen nicht auf ähnliche Probleme wie die anderen drei Gruppen. Sie verfügen über gut definierte Use-Case-Priorisierung und Deployment-Strategien.

Schulung: Kontinuierliche Ausbildung auf allen Ebenen, z.B. angestellte Datenwissenschaftler im Deployment, IT-Fachleute im Bereich Maschinelles Lernen, Business-Analysten und Manager in analytischen Übersetzerrollen.

Rekrutierung: Produktmanager und Produkt Owner im KI-Bereich. Wenn es eine Herausforderung ist, solche Leute zu finden, schule Geschäftsfachleute in diesen Rollen. Pioniere sollten auch KI-Forscher einstellen, um ihre laufenden Bemühungen in der KI-Entwicklung fortzusetzen.
 

Halte den Menschen im Mittelpunkt der KI-Reise

Mein Ziel dieses Blogposts ist es, ein Bewusstsein dafür zu schaffen, wie Unternehmen KI-getrieben werden können, indem sie den Menschen im Mittelpunkt ihrer Reise halten. Es gibt kein Patentrezept für den KI-Erfolg, und sich allein auf die Einstellung neuer Mitarbeiter zu verlassen, ist sicherlich keine richtige Strategie (die Talentversorgung arbeitet auch gegen dich). Eine Mischung aus Rekrutierung und Schulung hat dazu geführt, dass Unternehmen von passiven zu KI-Pionieren geworden sind, und wenn dein Ziel wirklich darin besteht, ein KI-Pionier zu werden, sollte sich deine Organisation auf die richtigen Rekrutierungen und die richtigen Schulungen konzentrieren.

Möchtest du mehr über die Constructor Academy und technikbezogene Themen lesen? Dann finde hier weitere spannende Blogbeiträge.

Mehr Infos
Blog