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
AI Education Strategist
(c) DAIN Studios
sponsored

Eigentlich ist es nichts neues: Wir leben in einer Dataconomy. Der Begriff Dataconomy ist ein metaphorischer Neologismus, der beschreibt, wie wichtig Daten für unsere Wirtschaft geworden sind. Daten sind der Treiber für vieles und vor allem für den Einsatz von KI. Wer das noch nicht wusste, der hat spätestens mit der Veröffentlichung von OpenAIs ChatGPT verstanden, dass sich KI mittlerweile zu einem mächtigen Werkzeug für uns Menschen entwickelt hat und noch weiterentwickeln wird. 

Generative KIs, wie ChatGPT oder Midjourney, werden immer mehr Schritte in unseren Arbeitsprozessen übernehmen können – insbesondere, wenn man diese miteinander kombiniert und sie so selbstständig Aufgaben erledigen können (siehe AutoGPT). Es ist davon auszugehen, dass wir mehr und mehr sogenannte menschlich-maschinelle Interaktionen in unserer Arbeitswelt erleben werden. Die Rollen, insbesondere die der Knowledge Worker, werden nachhaltig neudefiniert werden müssen. Dabei müssen wir ein besonderes Augenmerk darauf legen, dass sich die digitale Spaltung innerhalb unserer Gesellschaften nicht noch intensiviert.

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.

Tizian Kronsbein | (c) DAIN Studios
Deine ungelesenen Artikel:
24.09.2026

Ex-Google-Designerin Elizabeth Churchill über die Autonomie von KI-Agenten und menschliche Kontrolle

KI wird zunehmend selbstständig handeln – und damit wachsen auch die Risiken. Wenn Maschinen eigenständig Entscheidungen treffen, stellt sich die Frage, wo ihre Autonomie enden muss und der Mensch Kontrolle behalten sollte. Elizabeth F. Churchill, ehemalige Senior Director of User Experience bei Google, erklärt brutkasten gegenüber, welche Prinzipien im Umgang mit agentischer KI künftig entscheidend werden.
/artikel/ex-google-designerin-elizabeth-churchill-ueber-die-autonomie-von-ki-agenten-und-menschliche-kontrolle
24.09.2026

Ex-Google-Designerin Elizabeth Churchill über die Autonomie von KI-Agenten und menschliche Kontrolle

KI wird zunehmend selbstständig handeln – und damit wachsen auch die Risiken. Wenn Maschinen eigenständig Entscheidungen treffen, stellt sich die Frage, wo ihre Autonomie enden muss und der Mensch Kontrolle behalten sollte. Elizabeth F. Churchill, ehemalige Senior Director of User Experience bei Google, erklärt brutkasten gegenüber, welche Prinzipien im Umgang mit agentischer KI künftig entscheidend werden.
/artikel/ex-google-designerin-elizabeth-churchill-ueber-die-autonomie-von-ki-agenten-und-menschliche-kontrolle
KI-Agenten
© Philipp Lipiarski - Elizabeth F. Churchill.

Auf der diesjährigen uxcon hielt Elizabeth F. Churchill eine Keynote über die Zukunft der Mensch-Maschine-Interaktion. Sie ist Professorin sowie Gründungsdirektorin des Fachbereichs für Human-Computer Interaction (HCI) an der MBZUAI in Abu Dhabi und zählt zu den prägenden Stimmen im Bereich Psychologie, Künstliche Intelligenz und Kognitionswissenschaften.

Bei Google, eBay und Yahoo tätig

Im Laufe ihrer Karriere baute sie Forschungsteams für Tech-Giganten wie Google, eBay, Yahoo und PARC auf. Für ihre Führungsrolle und ihren Einfluss auf die Tech-Branche wurde die Wissenschaftlerin vielfach ausgezeichnet, zuletzt unter anderem mit dem SIGCHI Lifetime Practice Award 2024.

In Wien erörterte sie in den Hallen der Hauptuniversität das Zusammenspiel von Mensch und Technologie und erklärte brutkasten gegenüber den fundamentalen Paradigmenwechsel, der aktuell die gesamte Software-Welt erfasst: den Aufstieg agentischer KI-Systeme. Dabei machte sie deutlich, dass dieser Wandel ein neues Verständnis von Kontrolle und Autonomie erfordert.

Vom Werkzeug zum Agenten: Der Unterschied

Die entscheidende Veränderung bei KI sei weniger, dass Systeme „bessere Antworten“ geben, sondern dass sie zunehmend selbstständig handeln könnten. Klassische Software – ob deterministisches Werkzeug oder reaktives KI-System – habe stets auf konkrete Eingaben des Menschen gewartet.

Ein KI-Agent dagegen bekommt ein Ziel und bestimmte Rahmenbedingungen und kann daraus einen adaptiven Ausführungsplan ableiten, Werkzeuge und APIs nutzen sowie mehrere Schritte selbstständig ausführen. Bei Multi-Agenten-Systemen arbeiteten mehrere solcher Agenten zusammen, oft als sich selbst korrigierende „Schwärme“, die asynchron im Hintergrund laufen.

Damit verändert sich auch die Rolle des Menschen „dramatisch“: Menschen bedienen das System nicht mehr zwangsläufig Schritt für Schritt, sondern würden zu einer Art „Flugdirektor“ (Supervisory UX), der Ergebnisse definiere und den Weg dorthin überwache. Diese Entwicklung bringe, Churchill zufolge, bisherige, starre Benutzeroberflächen an ihre Grenzen.

Ghost-State-Dilemma

Wenn Agenten im Hintergrund arbeiteten, drohe Nutzer:innen der Verlust des Kontexts – ein sogenanntes „Ghost-State-Dilemma“, bei dem nicht mehr nachvollziehbar sei, in welchem Zustand sich Prozesse aktuell befänden. Ein Kernrisiko dabei ist die unterschiedliche Entscheidungsarchitektur (Choice Architecture) von Mensch und Maschine: Während der Mensch bei Aufgaben – wie etwa einer Hotelbuchung – intuitive, visuelle und kontextuelle Nuancen (Größe des Zimmers, Lage) abwäge, operierten Agenten rein deterministisch anhand von API-Vorgaben.

Diese Diskrepanz kann dazu führen, dass Agenten durch kumulative Fehler vom eigentlichen Ziel abwichen oder APIs auf unerwartete Weise ausnutzten. Achtsam mit agentischen Systemen zu arbeiten, erfordere deshalb ein völlig neues Design-Paradigma: Autonomie müsse bewusst begrenzt und Kontrolle sichtbar gehalten werden, meint Churchill.

Kill Switches

Aus diesem Rollenwechsel leitet die Expertin konkrete Gestaltungsmechanismen ab: Vor kritischen Aktionen sollte der Mensch geplante Schritte in sogenannten „Trockenläufen“ (Plan Dry Runs) prüfen und freigeben können. Zudem brauche es klare und vor allem transparente Zusammenfassungen, sobald sich ein Prozess plötzlich ändert, sowie „Circuit Breaker“ (Kill Switches), um laufende Prozesse sofort zu unterbrechen, falls sie aus dem Ruder laufen.

Die zentrale Frage lautet somit für Churchill nicht mehr nur: „Was kann die KI?“, sondern: „Wie gestalten wir die Sichtbarkeit ihrer autonomen Entscheidungen – und wo muss der Mensch zwingend die Kontrolle behalten?“

„Je höher die Tragweite des Kontexts, desto weniger Autonomie sollte das KI-System bei kritischen Entscheidungen haben“, sagt sie. Wo genau diese Grenze verläuft, müssten KI-Designer für jeden Anwendungsfall neu bestimmen.

Die Falle der heimlichen Entmächtigung

Aus Churchills Sicht sei ein entscheidender Punkt, dass Unternehmen die Falle der „heimlichen Entmächtigung“ vermeiden müssten, also der stillen Einschränkung menschlicher Handlungsfähigkeit unter dem „Deckmantel der Bequemlichkeit“. Systeme sollten keine „undurchsichtigen Blackboxen“ sein, die allein Entscheidungen treffen.

Co-Governance als Notwendigkeit

Über einzelne Sicherheitsmechanismen hinaus brauche es laut Churchill zudem ein grundsätzliches Governance-Prinzip: Menschen gewöhnten sich zunehmend daran, mit Systemen über Gespräche einfache Aufgaben zu erledigen. Wenn es jedoch um wichtige oder emotionale Entscheidungen gehe, stießen sie schnell an ihre Grenzen. Deshalb müssten sie im Sinne von Co-Governance weiterhin informiert und in den Entscheidungsprozess eingebunden bleiben.

Churchills Erfahrung nach konzentriert sich die Industrie vor allem auf Leistungstests, gute Sprache und die Fähigkeiten von KI-Modellen. Dabei würde die langfristige Wirkung auf Menschen und Gesellschaft oft zu wenig berücksichtigt.

„Menschliche Erfahrung bleibt chaotisch, kulturell vielfältig und in gelebten Umgebungen verankert“, sagt sie. „Wir müssen den Fokus vom Bau von Generalisten-Modellen, die plausible Antworten produzieren, hin zur Entwicklung kulturell kontextualisierter und resilienter Werkzeuge verschieben, die echtes menschliches Aufblühen (human flourishing) und kritisches Denken unterstützen.“

Ratschläge für Startups

Laut Churchill sei es ein großer Fehler, generative KI als Ersatz für Fachwissen zu sehen. Sie sollte vielmehr dazu dienen, vorhandenes Fachwissen zu unterstützen und zu erweitern. Startups würden dabei oft ein zentrales Problem übersehen: Sie würden Foundation-Modelle in „Thin Wrappers“ verpacken (wie automatisierte Bewerber-Screenings oder Kundensupport-Bots), ohne robuste Schutzmechanismen einzubauen.

„So sahen sich beispielsweise Unternehmen wie die ‚National Eating Disorders Association‚ (NEDA) unmittelbar mit Gegenreaktionen konfrontiert, nachdem sie geschulte menschliche Mitarbeiter der Helpline durch einen KI-Chatbot ersetzt hatten, der innerhalb weniger Tage begann, schädliche Ratschläge zum Thema Diäten zu geben“, nennt sie ein warnendes Beispiel. „Unternehmen können erfolgreich sein, wenn sie KI direkt in spezifische, professionelle Arbeitsabläufe einbetten, beispielsweise indem sie das Modell als fachkundiges kollaboratives Gerüst behandeln, anstatt zu versuchen, die Fachkraft vollständig zu automatisieren bzw. überflüssig zu machen.“

„Ich vermeide gerne utopische und dystopische Visionen“

Neben der Gefahr, dass Menschen aus der Kontrolle gedrängt werden, sieht Churchill ein zweites Problem: die Eskalation des Wettbewerbs der Tech-Giganten rund um KI, die sie als berechtigte Krise innerhalb der Spitzenforschung bezeichnet.

„Leider übertreffen wettbewerbsorientierte Marktanreize die Governance-Mechanismen immer wieder“, sagt sie. „Es ist enttäuschend, dass dies der Fall ist. Aber das Problem als ein spekulatives Science-Fiction-Szenario des Aussterbens zu rahmen, kann von systemischen Schäden ablenken, die in Echtzeit stattfinden. Persönlich vermeide ich gerne utopische und dystopische Visionen. Daher bin ich weniger besorgt über eine sich selbst verbessernde Superintelligenz, die außer Kontrolle gerät, als vielmehr über den schleichenden Zusammenbruch institutioneller Verantwortlichkeit und die Übertragung lebensverändernder Entscheidungen an fragile, nicht nachvollziehbare statistische Systeme.“

Florieren kleiner Volkswirtschaften

Für Europa sieht Churchill in diesem „Rennen“ mit den USA und Asien „nicht alles verloren“, vielmehr bestehe der Fehler darin, die hochzentralisierten, rechenintensiven Foundation-Modelle aus Silicon Valley oder Shenzhen zu kopieren.

„Ich glaube, dass die Zukunft der KI auf Vertrauen, Präzisionstechnik, eingebetteter industrieller Automatisierung, souveräner Dateninfrastruktur und strikter regulatorischer Compliance (EU AI Act) beruht“, betont sie. „Kleine Volkswirtschaften mit hohem Vertrauen wie Österreich werden florieren, indem sie spezialisierte Nischen fördern. Wie etwa verifizierbare industrielle KI, menschenzentrierte Fertigungsautomatisierung, hochzuverlässige biomedizinische Werkzeuge und vertrauenswürdige Systeme des öffentlichen Sektors.“

Die Welt in fünf Jahren

Churchill wagt einen – wenn auch schwierigen – Blick in die Zukunft: „In fünf Jahren wird die Neuartigkeit von Konversationen hoffentlich nicht mehr so sehr im Mittelpunkt der Aufmerksamkeit stehen“, meint sie. „Hoffentlich werden wir erkennen, dass der generative Hype eine Infrastrukturphase für eine Ära hybrider kollektiver Intelligenz war. Die dominante Herausforderung wird nicht die technische Skalierung sein, sondern soziotechnische kognitive Architekturen. Und die Frage, wie wir das Bauen, Managen, Ausbilden, Kurskorrigieren und Steuern navigieren, wenn hybride menschlich-synthetische Agentenlogik in die grundlegende Struktur der täglichen Arbeit und des gesellschaftlichen Lebens eingewoben ist?“

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

AI Summaries

Datenkompetenz: Warum jedes Unternehmen einen AI Education Strategist braucht

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Datenkompetenz: Warum jedes Unternehmen einen AI Education Strategist braucht

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Datenkompetenz: Warum jedes Unternehmen einen AI Education Strategist braucht

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Datenkompetenz: Warum jedes Unternehmen einen AI Education Strategist braucht

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Datenkompetenz: Warum jedes Unternehmen einen AI Education Strategist braucht

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Datenkompetenz: Warum jedes Unternehmen einen AI Education Strategist braucht

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Datenkompetenz: Warum jedes Unternehmen einen AI Education Strategist braucht

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Datenkompetenz: Warum jedes Unternehmen einen AI Education Strategist braucht

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Datenkompetenz: Warum jedes Unternehmen einen AI Education Strategist braucht