Wie die Salzburg AG mit einer neuen Crowdinvesting-Plattform die Energiewende vorantreibt

07.06.2023

Datenkompetenz: Warum jedes Unternehmen einen AI Education Strategist braucht

Tizian Kronsbein von DAIN Studios, erklärt im Gastbeitrag, was es mit der neuen Rolle "AI Education Strategist" auf sich hat.

/artikel/datenkompetenz-ai-education-strategist

Der AI Education Strategist: Brücke zwischen Datenkompetenz und Unternehmensbedürfnissen

Die Rolle des AI Education Strategist bzw. Data Education Strategist (manchmal auch als Daten-Übersetzer:in bezeichnet) hat sich entwickelt, weil weder die akademischen Institutionen noch die Geschäftswelt genügend Menschen mit den entsprechenden Datenkompetenzen hervorbringt.

In der akademischen Welt – auch wenn es einige Beispiele von durchstartenden Führungskräften gibt – erfüllen Universitäten und Hochschulen nicht die Nachfrage nach Daten- und KI-Profis. Oft sind Kurse entweder zu sehr auf das Geschäft ausgerichtet oder zu stark auf Daten bezogen und bieten nicht die hybriden Profile, die der Markt erfordert. In der Geschäftswelt haben viele Unternehmen schlichtweg nicht die Zeit oder das Know-how, um Lern- und Entwicklungsprogramme in die Arbeitsroutinen zu integrieren.

Einige Unternehmen haben versucht, den Mangel an Fähigkeiten durch die Entwicklung eigener Schulungen zu kompensieren. Unternehmen nutzen Online-Kursanbieter wie Coursera, um bei der Weiterbildung zu helfen. Andere Unternehmen entwickeln spezielle interne Schulungsumgebungen für Data Science und Data Engineering. Diese Programme sind jedoch oft sehr technisch und finden in einer Laborumgebung statt, die wenig Bezug zu den alltäglichen Abläufen eines Unternehmens haben.

Generative KIs, die Inhalte jedweder Art mit wenig menschlichem Eingriff erstellen können, haben den Bedarf an Fachleuten, die die Lücke zwischen KI-Technologien und Geschäftsanwendungen schließen können, noch weiter verschärft. Nicht nur verändern sich Rollenbeschreibungen komplett, Mitarbeiter in Unternehmen benötigen auch ein neues Verständnis im Umgang mit diesen Technologien. Sie müssen sattelfest bei Fragen im Umgang mit diesen Werkzeugen sein, aber auch die generierten Inhalte genaustens verstehen können. Themen wie Datenschutz, Datenethik, Neigungen in Daten (Biases), muss spätestens jetzt, jeder nicht nur mal gehört haben, sondern anwenden können.

Mehr als nur Datenvermittler – Navigatoren in einer datengesteuerten Welt

AI Education Strategists überbrücken die oft vorherrschende Kluft zwischen IT-Funktionen (insbesondere Data & AI Teams) und den Geschäftsbereichen. Kurz gesagt, sie entwerfen den Weg zur Datenkompetenz, etablieren eine Datenkultur innerhalb von Organisationen und ermöglichen es den Mitarbeitern, Probleme selbstständig mit Daten zu lösen.

Neben der Mobilisierung technischer Lernprozesse helfen sie dabei, Data Analysts mit den notwendigen technischen Kompetenzen (z.B. Data Analysis mit Python und das Verwenden von Datenplattformen) auszustatten, und sie zu Citizen Data Scientists weiterzubilden.

Andere Elemente werden jedoch immer wichtiger. AI Education Strategists müssen sicherstellen, dass Mitarbeiter die ethischen Implikationen und potenziellen Risiken der Nutzung von Generativer KI verstehen, wie Datenschutzbedenken, Voreingenommenheit in generierten Inhalten und das Potenzial für den Missbrauch in der Verbreitung von Fehlinformationen.

Wie der Wandel zur Datenkompetenz anstoßen werden kann

AI Education Strategists konzentrieren sich auf Lernstrategie und Unterrichtsgestaltung. Sie sitzen zwischen den AI-Teams, HR und dem Leadership. Folgende Tätigkeiten sind elementarer Teil der AI Education Strategists:

Tiefes Verständnis der Daten- und Geschäftsstrategie der Organisation und ihre Bestandteile.
Strukturiertes Erfassen der Data Maturity (Reifegrad der Belegschaft und Organisation als Ganzes): Das bedeutet, dass sie die Plattformen, Anwendungsfälle und Strategien kennen sollten, die entweder vorhanden sind oder in Entwicklung sind, aber auch das Level an Datenkompetenz im Unternehmen.
Sie müssen die übergeordneten Lern- und Transformationsziele verstehen: Welche Fähigkeiten existieren bereits in einer Organisation? Welche Schulungen sind derzeit verfügbar? Und wie viele Mitarbeiter sind beteiligt? Wie werden sich Rollen durch KI verändern und welche essenziellen Kompetenzen fehlen der Organisation?
Einrichten von Programmen zur Sensibilisierung für die Daten-Transformation: Sie entwickeln Lernreisen basierend auf Geschäftsproblemen. Dies beinhaltet die Vermittlung von Kenntnissen über Methoden, Rahmenbedingungen und praktische Erfahrungen, die zu datenbasierten Lösungen führen.
Entwicklung von Schulungsmodulen, die sich auf den verantwortungsvollen Umgang mit Generativer KI konzentrieren und sicherstellen, dass Mitarbeiter sich der potenziellen Fallstricke und der besten Praktiken zur Risikominderung im Zusammenhang mit der Technologie bewusst sind.
Organisation von Veranstaltungen: Dazu gehören Aktivitäten wie Webinare, Workshops und andere Zusammenkünfte, die sich auf Daten, Analytik und KI- Projekte konzentrieren. Diese Events sind enorm wichtig für die Datenkultur im Unternehmen.

AI Education Strategist - Data Education Strategist — (c) DAIN Studios

Nutzen Sie die Auswirkungen von Daten. Setzen Sie Datenbildungs-Strategen ein.

Heutzutage sind Daten- und KI-Kompetenzen eine kostbare Ressource in der Geschäftswelt. Die Umsetzung der digitalen Transformation erfordert neue, spezialisierte Fähigkeiten, aber es besteht ein starker Wettbewerb um Talente – und das Angebot trifft nicht immer auf entsprechende Nachfrage.

Deshalb sehen wir das Aufkommen des AI Education Strategists. Das Profil wurde entwickelt, um die Datenkompetenz zu stärken und den Mangel an Fähigkeiten zu beheben. Sie schaffen eine Unternehmenskultur rund um das Thema Daten und KI und nutzen Schulungsprogramme, damit Unternehmen die Kraft von Daten und KI entfesseln können.

Darüber hinaus werden AI Education Strategists eine entscheidende Rolle spielen, um Organisationen mit dem notwendigen Wissen und den Fähigkeiten auszustatten, um die Kraft von KI-Technologien verantwortungsvoll zu nutzen und gleichzeitig die damit verbundenen Herausforderungen und Limitationen zu meistern.

Zum Autor

Tizian Kronsbein kümmert sich als Head of DAIN Academy bei DAIN Studios für die „menschliche Komponente der Datentransformation“ der Kunden. Er ist einer der Mitbegründer und Tought Leader der Data Thinking Methode und weiß durch seine Erfahrung als Data Strategist, worauf es ankommt um Mitarbeiter auf dem Weg zur Datenkompetenz zu begleiten.

LinktippZur Page von DAIN Studios

Deine ungelesenen Artikel:

Momcilo Nikolic

25.09.2026

Dreifacher Wiener Schulabbrecher forscht in Harvard an virtuellen KI-Fischen

Drei Mal brach Raphael Suchomel die Schule ab, bevor sich sein Weg plötzlich in eine ganz andere Richtung entwickelte. Heute sitzt der 27-jährige Wiener in Harvard und lässt virtuelle Fische lernen – auf der Suche nach Antworten darauf, was Künstliche Intelligenz von der Natur erfassen kann.

/artikel/dreifacher-wiener-schulabbrecher-forscht-in-harvard-an-virtuellen-ki-fischen

Momcilo Nikolic

25.09.2026

Dreifacher Wiener Schulabbrecher forscht in Harvard an virtuellen KI-Fischen

/artikel/dreifacher-wiener-schulabbrecher-forscht-in-harvard-an-virtuellen-ki-fischen

Manche Wege sind direkt und vorgezeichnet – Schule, Bildung, Ausbildung und ein Job in dem Bereich, den man beherrscht. Andere sind von Umwegen gezeichnet, Mühsal und Zeiten, in denen man nicht weiß, wie es genau weitergehen soll. Raphael Suchomels Vita ist eine von den nicht-linearen.

„Plötzlich Mitternacht“

Er hat mit 18 die Schule zum ersten Mal abgebrochen und sich eine Vollzeitstelle gesucht. Der gebürtige Wiener schrieb sich fortan in eine Abendschule ein, brach jene aber – ein mal mit 19 und einmal mit 21 Jahren – wiederholt ab. Doch der Gedanke des endgültigen Aufgebens war keiner und im jungen Mann schlicht nicht vorhanden. So war es dann mit 22 soweit: der vierte Versuch, die Matura nachzuholen, gelang.

„Ich war in einer Abendschule im 21. Bezirk“, erinnert sich der 27-Jährige. „Von neun bis 17 Uhr Vollzeitjob, dann Unterricht bis halb zehn und anschließend noch Training. Und plötzlich war es Mitternacht.“

Zwei Jahre lang bestimmte dieser straffe Rhythmus seinen Alltag. Trotz der Doppelbelastung hielt der heutige Wahl-Hagenberger durch – und schloss die Abendschule schließlich mit ausgezeichnetem Erfolg ab.

Studium in Hagenberg

Es folgte ein Umzug von Wien nach Oberösterreich und der Start des ersten Jahrgangs des damals neu geschaffenen Bachelorstudiums „Artificial Intelligence Solutions“ an der University of Applied Sciences Upper Austria in Hagenberg.

Suchomel gehörte zudem zu den Mitgründern der Young AI Leaders Linz, einer lokalen Community innerhalb der AI-for-Good-Initiative der International Telecommunication Union der Vereinten Nationen. Die Gruppe bringt junge Menschen aus Forschung und Technologie zusammen und organisiert unter anderem Hackathons und Diskussionsveranstaltungen rund um Künstliche Intelligenz.

© Harvard/zVg – Eine 3D-Simulation eines schwach elektrischen Fisches.

Nach rund 100 verschickten Mails – die meisten davon blieben unbeantwortet – gelang es Suchomel schließlich, einen Forschungsaufenthalt als Praktikant an der Harvard Medical School zu ergattern. Dort befindet er sich auch heute und forscht an der Schnittstelle von Künstlicher Intelligenz und Neurowissenschaften.

Im Mittelpunkt seiner Arbeit stehen biologisch fundierte künstliche Agenten. Vereinfacht gesagt, bauen die Forschenden in Harvard virtuelle Tiere im Computer. Diese Tiere bekommen künstliche neuronale Netze und bestimmte Sinneswahrnehmungen und Bewegungsmöglichkeiten, die sich an echten Tieren orientieren. Anschließend lernen sie mit einer Methode namens „Reinforcement Learning“. Dabei wird ihnen nicht jede Handlung vorgegeben. Sie probieren unterschiedliche Verhaltensweisen aus und lernen über Belohnungen und Nachteile selbst, welche Strategien erfolgreich sind.

„Schauen wie sich Agent verhält“

„Wir kennen aus der Biologie die körperlichen Einschränkungen von Fischen“, erklärt Suchomel. „Wir wissen, wie sich Augen im Winkel bewegen, wie schnell sie sind und welche anderen biologischen Einschränkungen es gibt. Und wir statten einen ‚Reinforcement-Learning‘-Agenten mit diesem Wissen aus: Wir simulieren den Körper eines Fisches, sodass er über diesen Körper mit der Umwelt und mit anderen Fischen kommuniziert. Das schicken wir durch eine ‚Reinforcement-Learning‘-Umgebung, simulieren Trajektorien und schauen, wie sich der Agent verhält.“

Die Simulation funktioniert wie ein virtuelles Labor. Forscher können einzelne Sinneskanäle ausschalten, Kommunikationssignale verändern oder die Umwelt der Agenten manipulieren und beobachten, wie sich ihr Verhalten verändert. Damit sollen Hypothesen darüber entwickelt werden, warum bestimmte Verhaltensweisen entstehen und welche Mechanismen dahinterstecken. Solche Hypothesen sollen anschließend gezielter in Experimenten mit echten Tieren überprüft werden können.

Der Vorteil hierbei sei, dass man nicht jedes Verhalten explizit programmieren müsse, sondern durch die Kombination aus Körper, biologischen Einschränkungen, Umwelt und „Reinforcement Learning“ Verhalten entstehen lassen könne, das möglicherweise dem Verhalten echter Fische ähnelt. So soll — und das ist das Ziel — Forschung günstiger und schneller werden, sagt Suchomel. Man könne zudem Variablen besser isolieren und kontrollieren und neuronale Netze viel genauer analysieren. Das wäre bei echten Fischen teilweise sogar viel schwieriger, vor allem wenn man ihr Zusammenspiel mit anderen Fischen untersuchen möchte.

Künstliche und natürliche Intelligenz

Die Harvard Medical School und andere Institute verfolgen seit Längerem das Ziel, KI zu nutzen, um natürliche Intelligenz besser zu verstehen – und umgekehrt auch natürliche Intelligenz für die Entwicklung von KI zu nutzen.

„Dafür gibt es im KI-Bereich viele verschiedene Methoden und Ansätze, die sich an Beobachtungen aus der Natur orientieren. Gleichzeitig gibt es immer mehr Forschung an der Schnittstelle von KI und Biologie, bei der KI-Forscher und Biologen zusammenarbeiten“, sagt Suchomel. „Wenn man beispielsweise genau weiß, wie die Umgebung aussieht, und gleichzeitig die Kommunikation eines Fisches beobachtet, könnte man künftig elektrische Signale interpretieren. So lässt sich etwa erkennen, dass ein bestimmtes Signal ausgesendet wird, weil sich der Fisch bedroht fühlt. Dadurch könnte man nicht nur einzelne Fische, sondern auch die Gruppendynamik analysieren – und besser verstehen, wie sich die Tiere untereinander und in ihrer Umwelt verhalten.“

Suchomels Praktikum in Harvard reicht noch bis Februar, danach führt ihn den Weg nach Belgien an die KU Leuven – eine, wie er sagt „der besten Unis in Europa wenn es um KI geht“. Anschließend möchte er in einen „starken Master“ reinkommen und weiter an KI forschen. Wo das sein wird, sei erstmal zweitrangig: „Hauptsache starke Labs.“

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag