Stellen Sie sich vor, Ihre Mitarbeitenden würden morgen mit völlig neuen Werkzeugen arbeiten müssen, die ihre bisherigen Arbeitsweisen grundlegend verändern. Genau diese Situation erleben derzeit unzählige Unternehmen, weil intelligente Systeme nahezu jeden Geschäftsbereich durchdringen und transformieren. Der AI Skills Boost ist dabei kein Luxus mehr, sondern eine strategische Notwendigkeit für jede Organisation, die auch in den kommenden Jahren wettbewerbsfähig bleiben möchte. Viele Führungskräfte kommen mit genau dieser Herausforderung zu mir, weil sie spüren, dass traditionelle Weiterbildungskonzepte nicht mehr ausreichen. Die gute Nachricht lautet: Es gibt bewährte Ansätze, die Teams systematisch auf diese neue Arbeitswelt vorbereiten können.
Warum klassische Schulungskonzepte heute nicht mehr funktionieren
Die Geschwindigkeit technologischer Veränderungen hat ein Tempo erreicht, das traditionelle Lernmethoden schlicht überfordert. Früher reichte es aus, Mitarbeitende alle paar Jahre in neue Software einzuführen. Heute verändern sich die Anforderungen jedoch nahezu wöchentlich. Ein Beispiel aus dem Finanzsektor verdeutlicht dies eindrücklich: Kundenberater müssen inzwischen verstehen, wie automatisierte Analyse-Systeme Portfolioempfehlungen generieren. Sie benötigen dieses Wissen, weil sie die Ergebnisse interpretieren und gegenüber Kunden erklären müssen. Gleichzeitig erwarten Kunden eine persönliche Beratung, die über maschinelle Auswertungen hinausgeht.
Im Gesundheitswesen zeigt sich eine ähnliche Dynamik, wobei medizinisches Personal lernen muss, mit diagnostischen Unterstützungssystemen zusammenzuarbeiten. Radiologen etwa nutzen zunehmend intelligente Bilderkennungssoftware, die Anomalien markiert. Die eigentliche Kompetenz liegt jedoch darin, diese Markierungen kritisch zu bewerten und in den klinischen Kontext einzuordnen. Ein drittes Beispiel stammt aus der Logistikbranche, wo Disponenten mit prädiktiven Systemen arbeiten, die Lieferketten optimieren. Diese Fachkräfte müssen verstehen, welche Daten die Algorithmen nutzen und wo deren Grenzen liegen.
The AI competency boost begins with an honest assessment.
Bevor Unternehmen in Schulungsmaßnahmen investieren, sollten sie zunächst den aktuellen Wissensstand ihrer Belegschaft ermitteln. Häufig berichten Klient:innen, dass sie überrascht sind, wie unterschiedlich die Vorkenntnisse innerhalb eines Teams ausfallen. Manche Mitarbeitende experimentieren bereits privat mit Sprachmodellen und Bildgeneratoren. Andere hingegen haben noch nie bewusst mit solchen Technologien interagiert. Diese Heterogenität erfordert differenzierte Lernpfade, die jeden Einzelnen dort abholen, wo er steht.
Im Einzelhandel etwa unterscheiden sich die Anforderungen je nach Abteilung erheblich voneinander. Mitarbeitende im Einkauf benötigen Kompetenzen in der Analyse von Nachfrageprognosen. Das Verkaufspersonal hingegen profitiert von einem Verständnis für personalisierte Produktempfehlungen. Die Marketingabteilung wiederum muss lernen, automatisiert erstellte Inhalte zu prüfen und anzupassen. Eine einheitliche Schulung für alle Bereiche würde diese spezifischen Bedürfnisse nicht berücksichtigen können.
Best practice with a KIROI customer
Ein mittelständisches Produktionsunternehmen stand vor der Herausforderung, seine Qualitätskontrolle zu modernisieren. Die Geschäftsführung hatte in ein bildbasiertes Erkennungssystem investiert, das Produktfehler automatisch identifizieren sollte. Die langjährigen Mitarbeitenden der Qualitätssicherung reagierten zunächst skeptisch auf diese Neuerung. Sie befürchteten, dass ihre Erfahrung und ihr Fachwissen künftig nicht mehr gefragt sein würden. Im Rahmen eines transruptions-Coaching-Prozesses begleiteten wir das Unternehmen bei der Einführung eines strukturierten Kompetenzaufbaus. Zunächst führten wir Einzelgespräche mit den betroffenen Mitarbeitenden, um ihre Bedenken ernst zu nehmen. Anschließend entwickelten wir gemeinsam ein Schulungskonzept, das technisches Verständnis mit praktischer Anwendung verband. Die Mitarbeitenden lernten, wie das System trainiert wird und welche Daten es benötigt. Sie verstanden dadurch auch, wo das System Unterstützung durch menschliche Expertise braucht. Nach sechs Monaten berichteten die Teammitglieder, dass sie ihre Arbeit als wertvoller empfinden, weil sie nun als Trainer und Prüfer des Systems fungieren. Die Fehlerquote sank gleichzeitig um etwa dreißig Prozent, weil Mensch und Maschine sich gegenseitig ergänzten.
Strategische Kompetenzfelder für die Arbeitswelt von morgen
An effective AI Skills Boost umfasst mehrere Dimensionen, die über rein technisches Wissen hinausgehen. Die erste Dimension betrifft das grundlegende Verständnis dafür, wie lernende Systeme funktionieren. Mitarbeitende müssen nicht programmieren können, aber sie sollten die Logik hinter automatisierten Entscheidungen nachvollziehen können. Im Versicherungswesen beispielsweise nutzen Sachbearbeiter zunehmend Systeme, die Schadenfälle vorprüfen. Wenn diese Fachkräfte verstehen, nach welchen Kriterien das System Fälle kategorisiert, können sie dessen Empfehlungen besser einordnen.
Die zweite Dimension umfasst die Fähigkeit zur kritischen Bewertung maschinell generierter Ergebnisse. In der Rechtsbranche unterstützen intelligente Systeme bereits bei der Analyse von Vertragsdokumenten. Juristen müssen jedoch erkennen können, wenn ein System relevante Klauseln übersieht oder falsch interpretiert. Diese kritische Kompetenz entwickelt sich nicht durch theoretisches Lernen allein. Sie entsteht durch praktische Übungen mit realen Anwendungsfällen und durch den Austausch mit erfahrenen Kollegen.
Die dritte Dimension betrifft die ethische Reflexionsfähigkeit im Umgang mit automatisierten Systemen. Im Personalwesen etwa werden zunehmend Systeme eingesetzt, die Bewerbungsunterlagen vorsortieren. Recruiter müssen verstehen, welche Verzerrungen solche Systeme aufweisen können und wie sie diese ausgleichen. Sie tragen weiterhin die Verantwortung für faire Auswahlprozesse, auch wenn Algorithmen vorselektieren.
Praktische Lernformate für nachhaltige Kompetenzentwicklung
Die Erfahrung zeigt, dass klassische Seminarformate für den Aufbau technologiebezogener Kompetenzen oft nicht ausreichen. Stattdessen bewähren sich Formate, die Lernen und Arbeiten miteinander verbinden [1]. Im Bankensektor haben sich beispielsweise sogenannte Lernzirkel etabliert, in denen Mitarbeitende wöchentlich neue Anwendungsfälle diskutieren. Diese kurzen, regelmäßigen Formate ermöglichen es, aktuelle Entwicklungen zeitnah aufzugreifen. Gleichzeitig fördern sie den Erfahrungsaustausch zwischen verschiedenen Abteilungen.
Im Bereich der öffentlichen Verwaltung zeigen Pilotprojekte, dass Tandems aus technisch versierten und erfahrenen Mitarbeitenden besonders wirksam sind. Die jüngeren Kollegen bringen oft Affinität zu neuen Technologien mit. Die erfahrenen Mitarbeitenden hingegen kennen die fachlichen Anforderungen und Prozesse genau. Durch die Zusammenarbeit lernen beide Seiten voneinander und entwickeln gemeinsam praktikable Lösungen.
Ein drittes bewährtes Format sind sogenannte Experimentierräume, in denen Teams neue Werkzeuge risikofrei ausprobieren können. In der Medienbranche haben mehrere Verlage solche Räume eingerichtet, um automatisierte Textgenerierung zu erproben. Redakteure können dort experimentieren, ohne dass fehlerhafte Ergebnisse direkt veröffentlicht werden. Diese geschützte Umgebung reduziert Ängste und fördert eine offene Lernkultur.
Best practice with a KIROI customer
Eine große Einzelhandelskette wollte ihre Filialleiter befähigen, datengestützte Entscheidungen zu treffen. Die Zentrale hatte ein Dashboard eingeführt, das Verkaufsprognosen und Personalbedarfe automatisch berechnet. Die Filialleiter nutzten dieses Werkzeug jedoch kaum, weil sie den Empfehlungen nicht vertrauten. Im Rahmen unserer Begleitung entwickelten wir ein mehrstufiges Programm zur Kompetenzentwicklung. In der ersten Phase luden wir die Filialleiter zu Workshops ein, in denen sie die Berechnungslogik des Systems kennenlernten. Sie verstanden dadurch, welche historischen Daten einfließen und wie Saisoneffekte berücksichtigt werden. In der zweiten Phase bildeten wir regionale Lerngruppen, die sich monatlich trafen und ihre Erfahrungen austauschten. Ein Filialleiter berichtete beispielsweise, wie er eine offensichtlich fehlerhafte Prognose erkannt und korrigiert hatte. Seine Kollegen lernten aus diesem Beispiel, worauf sie achten mussten. In der dritten Phase etablierten wir einen Feedback-Kanal zur Zentrale, über den die Filialleiter Verbesserungsvorschläge einreichen konnten. Diese Einbindung steigerte das Vertrauen in das System erheblich, weil die Mitarbeitenden sich als aktive Gestalter erlebten. Nach einem Jahr nutzten über achtzig Prozent der Filialleiter das Dashboard regelmäßig für ihre Planungen.
The role of leaders in boosting AI competence
Führungskräfte spielen eine entscheidende Rolle bei der Kompetenzentwicklung ihrer Teams. Sie prägen durch ihr eigenes Verhalten die Lernkultur der gesamten Organisation maßgeblich [2]. Wenn Führungskräfte selbst offen über ihre Lernprozesse sprechen, ermutigt dies auch ihre Mitarbeitenden. Im Consulting-Bereich berichten Klient:innen häufig, dass Partner sich zunächst scheuten, eigene Wissenslücken einzugestehen. Sobald sie jedoch begannen, ihre Lernerfahrungen zu teilen, veränderte sich die Atmosphäre im gesamten Team.
In der Automobilindustrie zeigen sich interessante Entwicklungen bei der Führungskräfteentwicklung. Werksleiter lernen dort zunehmend, wie prädiktive Wartungssysteme funktionieren und welche Daten sie liefern. Dieses Wissen befähigt sie, fundierte Entscheidungen über Investitionen und Personalentwicklung zu treffen. Gleichzeitig können sie ihren Teams besser vermitteln, warum bestimmte Veränderungen notwendig sind.
Im Gesundheitssektor stehen Chefärzte vor der Herausforderung, klinische Entscheidungsunterstützungssysteme in ihre Abteilungen zu integrieren. Sie müssen dabei sowohl die medizinische Qualität sicherstellen als auch ihr Personal mitnehmen. Viele suchen deshalb Begleitung bei der Entwicklung einer Strategie, die beide Aspekte berücksichtigt. Das transruptions-Coaching unterstützt sie dabei, eine Balance zwischen technologischer Innovation und menschlicher Expertise zu finden.
Widerstände verstehen und konstruktiv aufgreifen
Veränderungswiderstände sind bei technologischen Transformationen völlig normal und oft sogar konstruktiv. Sie weisen häufig auf reale Probleme hin, die bei der Planung übersehen wurden [3]. Im Bankwesen etwa äußerten erfahrene Kundenberater Bedenken gegenüber automatisierten Anlageempfehlungen. Bei genauerer Betrachtung zeigte sich, dass diese Bedenken berechtigt waren. Die Systeme berücksichtigten bestimmte Kundenbedürfnisse nicht ausreichend, die langjährige Berater aus Erfahrung kannten.
In der Steuerberatung berichteten Fachkräfte von Unbehagen gegenüber Systemen, die Steuererklärungen automatisch prüfen. Ihre Sorge galt weniger dem eigenen Arbeitsplatz als vielmehr der Qualität der Beratung. Sie befürchteten, dass Standardisierung zu oberflächlichen Ergebnissen führen könnte. Diese Rückmeldungen führten zu einer Anpassung der Implementierungsstrategie mit mehr Spielraum für individuelle Prüfungen.
Im Bildungswesen zeigen sich ähnliche Muster bei der Einführung adaptiver Lernsysteme. Lehrkräfte sorgen sich um die Qualität der pädagogischen Beziehung zu ihren Schülern. Diese Sorge verdient ernst genommen zu werden, weil sie auf einen wichtigen Aspekt hinweist. Technologie kann Lernen unterstützen, aber sie ersetzt nicht die menschliche Dimension der Bildung.
Langfristige Perspektiven für zukunftssichere Teams
A sustainable AI Skills Boost ist kein einmaliges Projekt, sondern ein fortlaufender Prozess. Unternehmen sollten Strukturen schaffen, die kontinuierliches Lernen ermöglichen und fördern. Im Pharmasektor haben einige Konzerne interne Akademien eingerichtet, die regelmäßig aktualisierte Lernangebote bereitstellen. Diese Akademien arbeiten eng mit den Fachabteilungen zusammen, um relevante Inhalte zu identifizieren.
In der Energiebranche zeigt sich, dass Partnerschaften mit Hochschulen wertvolle Impulse liefern können. Ingenieure bei Netzbetreibern lernen dort beispielsweise, wie intelligente Netze gesteuert werden. Gleichzeitig bringen sie praktische Erfahrungen ein, die für die Forschung relevant sind. Diese Kooperationen schaffen einen Wissenskreislauf, von dem beide Seiten profitieren.
Im Handwerk entwickeln sich interessante Modelle für den überbetrieblichen Kompetenzaustausch. Innungen und Verbände organisieren Erfahrungsrunden, in denen Betriebe ihre Digitalisierungsprojekte vorstellen. Ein Tischlermeister berichtete kürzlich, wie er computergestützte Fertigungssysteme erfolgreich eingeführt hat. Seine Kollegen aus anderen Betrieben konnten von seinen Erfahrungen lernen und Fehler vermeiden.
My KIROI Analysis
Die Analyse zahlreicher Transformationsprojekte zeigt eindeutig, dass technologische Investitionen ohne begleitende Kompetenzentwicklung selten ihr volles Potenzial entfalten. Unternehmen, die frühzeitig in die Befähigung ihrer Mitarbeitenden investieren, erzielen nachweislich bessere Ergebnisse bei der Implementierung neuer Systeme. Der entscheidende Erfolgsfaktor liegt dabei nicht in der Menge der Schulungsstunden, sondern in der Qualität der Lernformate und deren Verknüpfung mit der täglichen Arbeit. Organisationen profitieren besonders dann, wenn sie ihre Mitarbeitenden als aktive Gestalter der Veränderung einbeziehen, anstatt sie lediglich als Anwender neuer Werkzeuge zu betrachten. Die Erfahrung aus der Begleitung verschiedener Branchen zeigt zudem, dass heterogene Teams mit unterschiedlichen Vorkenntnissen und Perspektiven oft innovativere Lösungen entwickeln als homogene Expertengruppen. Führungskräfte spielen eine Schlüsselrolle, indem sie eine Lernkultur vorleben, die Neugier fördert und Fehler als Lernchancen versteht. Der AI Skills Boost ist letztlich eine Investition in die Resilienz der gesamten Organisation, weil befähigte Mitarbeitende flexibler auf künftige Veränderungen reagieren können. Unternehmen sollten diese Entwicklung nicht als Kostenfaktor, sondern als strategische Investition in ihre Zukunftsfähigkeit betrachten. Die Begleitung durch erfahrene Partner kann dabei helfen, typische Fallstricke zu vermeiden und bewährte Ansätze auf die eigene Situation anzupassen. Letztlich geht es darum, Mensch und Technologie so zusammenzubringen, dass beide ihre jeweiligen Stärken optimal einbringen können.
Further links from the text above:
[1] McKinsey – Building workforce skills at scale
[2] Harvard Business Review – Leadership Insights
[3] World Economic Forum – Future of Work
For more information and if you have any questions, please contact Contact us or read more blog posts on the topic Artificial intelligence here.
Deutsch 
English (UK)