Suchen

Kommentar Darauf kommt es bei Weiterbildungen im Bereich Data Science und KI an

| Autor / Redakteur: Frank Moritz* / Nico Litzel

Die Nutzbarmachung von Daten, etwa mittels KI, ist Herausforderungen und Chance zugleich. Gut ausgebildetes Personal ist hier daher enorm wertvoll. Um das benötigte Wissen aufzubauen, kann nebenberufliche Weiterbildung ein wichtiger Hebel sein.

Firma zum Thema

Die Weiterbildungsmöglichkeiten in den Bereichen KI und Data Science reichen von digitalen Onlinekursen oder -Plattformen bis hin zu analogen Schulungen.
Die Weiterbildungsmöglichkeiten in den Bereichen KI und Data Science reichen von digitalen Onlinekursen oder -Plattformen bis hin zu analogen Schulungen.
(Bild: gemeinfrei / Unsplash)

Die Digitalisierung prägt die Geschäftswelt und den branchenübergreifenden Arbeitsalltag schon seit einigen Jahren. Manche Unternehmen stehen den Möglichkeiten von Data Science und künstlicher Intelligenz aber immer noch kritisch gegenüber. Das trifft insbesondere auf Deutschland zu: Nur 15 Prozent bewerten laut einer YouGov-Umfrage den Nutzen von KI höher als die Risiken. Deshalb haben, anders als beispielsweise in den USA und China, deutsche Unternehmen lange die Handbremse angezogen, wenn es um die Entwicklung und Implementierung von strategischen Datenanalysen ging, und legen eine gewisse Technikskepsis an den Tag.

Diese Skepsis wird häufig mit der deutschen Mentalität in Verbindung gebracht. Die „German Angst“ führt zu einer Abwehrhaltung gegenüber Vielem, was neu und unbekannt ist. Doch diese Behauptung alleine wäre zu eindimensional. Vielmehr hat die starke Wirtschaftskraft der Bundesrepublik auch dazu beigetragen, dass die Notwendigkeit für einen Wandel im Sinne der digitalen Transformation lange nicht gesehen wurde – insbesondere von den Mitarbeitern selbst.

Digitale Transformation muss auch die Mitarbeiter erreichen

Diese Haltung gehört allerdings bereits der Vergangenheit an. Laut einer Deloitte-Studie von 2019 haben Unternehmen in Deutschland die Bedeutung von KI erkannt und wissen, dass eine übergreifende KI-Strategie unumgänglich ist, um wettbewerbsfähig zu bleiben. Die erfolgreiche Umsetzung scheitert aber häufig an den fehlenden digitalen Fähigkeiten und Datenkompetenzen innerhalb der Belegschaft. Wie dieselbe Studie aufzeigt, nehmen fast zwei Drittel der deutschen Unternehmen den Mangel an KI-Skills wahr, mehr als jedes fünfte sieht sogar erhebliche Schwächen. Die Folgerung? Um wettbewerbsfähig zu bleiben, reicht es für Unternehmen nicht, nur ihre Geschäftsmodelle und Produkte auf „datengetrieben“ umzustellen. Dieser Wandel muss sich vor allem für die Mitarbeiter vollziehen.

Welche Möglichkeiten gibt es, dass Mitarbeiter lernen, digital und in Daten zu denken? Gerade junge Generationen profitieren heute vom Bildungsangebot an deutschen Universitäten. Diese haben sich in den letzten Jahren enorm weiterentwickelt. So bieten mittlerweile viele Hochschulstandorte Bachelor- oder Masterstudiengänge wie Data Science oder künstliche Intelligenz an. Allerdings darf hierbei nicht vergessen werden: Universitäten vermitteln hauptsächlich Theorie. In der Vermittlung von neuester Forschung und Erkenntnissen sind Hochschulen nach wie vor führend. Doch die Problemstellungen aus der Praxis sind in der Theorie nur schwer nachzustellen. Dazu kommt, dass es diese Studienangebote noch nicht lange gibt, weshalb erst jüngere Jahrgänge gelernte Data Scientists oder KI-Anwender sind.

Digitale versus analoge Weiterbildungen

Deshalb und insbesondere auch für Mitarbeiter, die sich während ihres Studiums keine Data-Fähigkeiten aneignen konnten, sind Weiterbildungen neben dem Beruf von hoher Bedeutung. Dafür gibt es eine große Bandbreite an Möglichkeiten: von digitalen Onlinekursen oder

-Plattformen bis hin zu analogen Schulungen. Es hängt vom Mitarbeiter und dessen Wissensstand ab, welche Option sich besser anbietet. Die Vorteile von digitalen Schulungen liegen auf der Hand: Egal, von welchem Ort und zu welcher Zeit – es lässt sich auf die besten Übungen zu einem speziellen Themengebiet zugreifen. Auf den ersten Blick scheinen diese Angebote also die Ideallösung zu sein.

Digitale Skills am besten analog erlernen

Auf den zweiten Blick hat diese Form der Wissensvermittlung aber auch Grenzen. Gerade im Bereich von KI und Data Science ist auffällig, dass unterschiedliche „Sprachen“ gesprochen werden. Supervised und Unsupervised Machine Learning, Deep Learning, Reinforcement Learning, Neuronale Netze, Artificial General Intelligence – der Dschungel an verschiedenen Begrifflichkeiten ist groß. Ohne gemeinsames Grundverständnis kann keine klare Kommunikation zwischen verschiedenen Stakeholdern zustande kommen.

Die Wissensstände von Seminarteilnehmern gehen zudem häufig weit auseinander. Eine unpersönliche digitale Plattform kann darauf nicht genug eingehen. Ist dem Kursteilnehmer beispielsweise ein Begriff nicht klar, geht ihm eine Erklärung zu schnell oder zu wenig ins Detail, verpufft der Lerneffekt. Anders verhält es sich bei analogen Schulungen vor Ort. Denn: Zum einen erlauben sie, die Teilnehmergruppen bereits im Vorhinein anzupassen, um sicherzustellen, dass die Anwesenden ein ähnliches Wissensniveau mitbringen. Zum anderen lässt sich in analogen Schulungen reagieren und interagieren. Da Data Science und KI anspruchsvolle Methoden sind, fordern sie einen permanent engen Austausch zwischen Teilnehmern und Dozenten. Nur durch analoge Schulungen lässt sich bewerkstelligen, dass die leitenden Experten mit Flexibilität auf Fragen, Feedback und Wissenslücken eingehen.

Buchtipp "Data Analytics"

Das Fachbuch bietet einen guten Überblick zu den in Produktion und Logistik anwendbaren Data Mining Algorithmen und stellt konkrete Use Cases vor, die mit diesen Algorithmen umgesetzt werden können.

Mehr erfahren

Ein weiterer Vorteil von analogen Schulungen ist, dass der Praxisanteil in der Regel besser ausgeprägt ist als bei Online-Angeboten. Zwar gibt es auch digitale Wege, um praktisches Vorgehen kennenzulernen und nachzumachen, etwa das Programmieren oder Bauen von Dashboards anhand von Lernvideos. Wirklich effektiv ist dies aber erst, wenn ein Experte zur Seite steht, der auch direkt mögliche Fehler erkennt, Hilfestellung geben kann und Sachverhalte individuell erklärt. Der Transfer der Theorie in die erlebbare Praxis ist der entscheidende Vorteil von lokalen Schulungen.

Die Data Academy der Alexander Thamm GmbH beispielsweise setzt dabei auf Experten des eigenen Unternehmens. Diese beraten, konzipieren und implementieren seit Jahren für nahezu alle Branchen datengetriebene Lösungen und verfügen über jahrelanges Erfahrungswissen. Dieses fließt als Praxisbeispiel in die Schulungen, gestaltet sie lebendig und zeigt auf, worauf es bei Data Science und KI wirklich ankommt. Zudem bietet dieses Format den Teilnehmern die Möglichkeit, eigene Problemstellungen mitzubringen. Dies ist sogar das Optimum einer solchen Schulung – wenn die Teilnehmenden am nächsten Tag an ihren Arbeitsplatz zurückkehren und ein lange vorhandenes Problem plötzlich selbstständig lösen können.

Wie funktioniert die erfolgreiche Implementierung in die Unternehmenspraxis?

Die Umsetzung des Erlernten in den Arbeitsalltag stellt meistens eine große Herausforderung dar. Das ist vergleichbar mit dem Training an Fitnessgeräten. Zwar hilft es, sich zeigen zu lassen, wie einzelne Übungen funktionieren. Um sich langfristig fit zu halten und Muskeln aufzubauen, bedarf es aber kontinuierlichen und wiederkehrenden Einheiten – ergo eine Mitgliedschaft und regelmäßige Besuche im Fitnessstudio. Ähnlich ist es auch beim Aufbau von Data-Science-Kenntnissen. Eine Schulung ist zwar ein erster guter Schritt, doch für nachhaltigen Erfolg müssen die Fähigkeiten trainiert und fortwährend auf den aktuellsten Stand gebracht werden. Deshalb ist es essenziell, nach einer Weiterbildung weitere Fortsetzungskurse im Unternehmen anzubieten. Bei der Auswahl des Schulungsanbieters sollte also die Möglichkeit eines Aufbau- und Folgeprogramms berücksichtigt werden.

Weitere elementare Fragestellungen sind: Kommt der Anbieter aus der Praxis oder wird überwiegend theoretisches Wissen vermittelt? Verfügt der Dozent über relevante und aktuelle Berufserfahrung? Ist auch eine Ausweitung und Individualisierung des Schulungsangebots auf ganze Abteilungen möglich?

Bleibt noch eine Herausforderung bestehen: Woher weiß man, welche Schulung zu einem passt? Die Auswahl des richtigen Schulungsanbieters ist häufig eine Aufgabe der HR-Abteilungen. Sie müssen sich jedoch mit Inhalten auseinandersetzen, von denen sie oft nur vage Vorstellungen haben, um diese Entscheidung zu treffen. Was bisher noch fehlt, ist eine Vergleichbarkeit oder eine Standardisierung. Der KI Bundesverband hat hier eine Vision: Eine Art „KI-Führerschein“, also eine gemeinsame Grundlage, die bei der Einteilung der Wissensstände hilft. Analog zum Verkehrsführerschein könnte hier auch eine Abstufung in Klassen erfolgen. Je nach Scheinklasse sind die Fähigkeiten eines Mitarbeiters klar definiert und somit auch, welche Kompetenzen er oder sie mit dem nächsthöheren Schein erwerben kann. Für jedes Berufsbild lässt sich somit klar festlegen, welche Scheinklasse ein Mitarbeiter erfüllen sollte und wo noch Weiterbildungsbedarf besteht.

Dieser Beitrag ist ursprünglich auf unserem Partnerportal BigData-Insider erschienen.

* Frank Moritz arbeitet als Chief Customer Officer bei der Alexander Thamm GmbH und ist Leiter der Data Academy.

(ID:46491934)