Visual Workflow ©KNIME

Der produktive Einsatz von Künstlicher Intelligenz scheitert in vielen Unternehmen nicht an der Technik – sondern am fehlenden Know-how. Laut einer aktuellen Studie des Mittelstand-Digital Zentrums liegt die größte Herausforderung für Mittelständler aller Branchen beim KI-Einsatz in der Qualifikation ihrer Mitarbeitenden. 35 Prozent der Unternehmen nennen fehlende Kompetenzen als eines der größten Hindernisse – gleichauf mit Risikomanagement und Datenqualität. Diese Wissenslücke wird durch den EU AI Act zusätzlich verschärft: Seit dem 1. August 2024 gelten klare Anforderungen an die Fachkenntnisse von Mitarbeitenden, die mit KI-Systemen arbeiten. Ab Februar 2025 müssen Unternehmen dies verbindlich nachweisen. Diese Pflicht betrifft den gesamten Mittelstand und reicht weit über IT-Abteilungen hinaus. Damit wird aus der bisherigen Kompetenzlücke eine akute Umsetzungsverpflichtung. Doch das Problem ist lösbar, mit einer klaren Strategie und geeigneten Werkzeugen. Die Datenexperten von KNIME haben fünf Handlungsempfehlungen formuliert, wie Unternehmen richtig in die KI-Kompetenzen ihrer Mitarbeiter investieren:

1. KI-Nutzung nicht verbieten, sondern kompetent gestalten 

Viele Unternehmen schwanken heute zwischen Freigabe und einem Verbot von KI-Tools wie ChatGPT, DeepSeek, Meta AI, und Gemini. Doch ein generelles Nutzungsverbot ist keine Lösung, ganz im Gegenteil. Es droht das Risiko einer sogenannten Schatten-KI, also dass Mitarbeitende KI-Tools heimlich verwenden, ohne Kontrolle oder Sicherheitsvorkehrungen. Das birgt massive Risiken für Datenschutz, Unternehmenssicherheit und Compliance. Für Unternehmen ist es daher ratsam, stattdessen klare Richtlinien und eine offene Lernkultur für KI einzuführen. Mitarbeitende müssen verstehen, wie KI funktioniert, welche Daten sie nutzen dürfen und welche Verantwortung sie tragen, gerade auch im Hinblick auf KI-Halluzinationen. Aufgrund möglicher negativer Auswirkungen sollte den Mitarbeitenden klar gemacht werden, dass KI-Ergebnisse in sensiblen Bereichen besonders streng überprüft werden müssen. 

2. Datenqualität und menschliche Kontrolle rücken in den Fokus 

 Der verantwortungsvolle Einsatz von Künstlicher Intelligenz beginnt nicht bei der Technologie selbst, sondern bei den Grundlagen, insbesondere bei der Qualität der Daten. Nur wer vollständige, konsistente und aktuelle Daten nutzt, kann KI-Modelle entwickeln, die verlässlich und vertrauenswürdig sind. Gleichzeitig ist das beste Modell nur so nützlich wie die Fragen, die Menschen ihm stellen. Um KI wirksam nutzen zu können, brauchen Mitarbeitende ein Verständnis dafür, wie sie präzise und kontextreiche Fragen formulieren – denn je detaillierter die Eingabe, desto besser die Antwort.  

Doch selbst eine hervorragende Datenbasis und gut geschulte Mitarbeitende reichen nicht aus, wenn es um sensible Entscheidungen geht. Hier muss der Mensch als Kontrollinstanz eingebunden bleiben für Akzeptanz und letztlich auch, um Verantwortung zu übernehmen. Um Entscheidungswege nachvollziehbar zu machen und KI-Systeme aus ihrer Black Box herauszuholen, bieten sich benutzerfreundliche Plattformen mit grafischen Oberflächen an. Sie helfen dabei, KI-basierte Prozesse verständlich zu gestalten und Vertrauen in die Technologie zu stärken.  

3. Rollenbilder weiterentwickeln – insbesondere bei Datenberufen 

Gerade auch mit dem rasanten Aufstieg autonomer KI-Agenten entsteht nicht nur eine technologische Neuerung, sondern ein tiefgreifender Wandel in der betrieblichen Organisation. Deutschland liegt laut aktueller Studie weltweit an zweiter Stelle beim Interesse an dieser Technologie. Doch anders als bei den oberflächlichen Fähigkeiten von GenAI, sieht es bei agentenbasierten KI-Systemen aus, die nicht nur reagieren, sondern aktiv handeln. Solche KI-Agenten können Entscheidungen treffen, Tools bedienen, in verschiedenen Systemen gleichzeitig arbeiten und Aufgaben automatisieren, die früher manuell erledigt wurden. Sie übernehmen nicht nur Kommunikation, sondern auch konkrete Ausführung. Für Geschäftsführungen bedeutet das: Bestehende Rollenbilder reichen nicht mehr aus. Gefragt ist nicht mehr nur Modelltraining, sondern Systemverständnis, Architekturwissen und Tool-Orchestrierung. Dadurch entstehen neue Jobprofile, wie etwa der AI Agent Orchestrator, der für die Auswahl, Steuerung und ethische Absicherung autonomer Systeme verantwortlich ist, sowie AI Product Owner, die fachlich getriebene Agentenanwendungen mitgestalten. Und auch Data Citizens gewinnen an Bedeutung, die in Fachabteilungen datengestützte Entscheidungen mit voranbringen. Statt darauf zu warten, dass sich neue Tätigkeiten informell herausbilden, sollten Unternehmen gezielt Rollenprofile entwickeln und entsprechende Schulungen dazu anbieten.   

Dabei ist es nicht notwendig, komplett neue KI-Teams aufzubauen. Vielmehr sollten Unternehmen auf bestehende Data-Teams zurückgreifen, die bereits über viele relevante Qualifikationen verfügen, und diese gezielt für den Einsatz von KI-Agenten weiterbilden. So lassen sich vorhandene Kompetenzen effektiv nutzen und zukunftsorientiert erweitern. 

4. KI-Schulungen und Weiterbildung organisieren 

Unternehmen sollten Schulungsformate anbieten, die über reine Tool-Einführung hinausgehen. So verzeichnete das KNIME Learning Center etwa bei neu eingeführten Kursen rund um das Thema „Nutzung von KI in der Datenarbeit“ im Jahr 2024 eine um 73 % höhere Nachfrage im Vergleich zum Durchschnitt aller genutzten Lernangebote– ein deutliches Zeichen für den wachsenden Qualifizierungsbedarf und die hohe Relevanz des Themenfelds. Gefragt sind praxisnahe Lernumgebungen, in denen Mitarbeitende KI-Werkzeuge kombinieren, in bestehende Prozesse integrieren und situationsgerecht einsetzen können, wie etwa interaktive Kurse mit realen Use Cases, direkt einsetzbare Slides, Materialien für interne GenAI-Learnathons und Trainings in jeder Sprache. Diese Materialien können direkt in interne Lernplattformen oder als Selfservice-Produkte für Mitarbeiter zur Verfügung gestellt werden.    

5. Lernräume schaffen – mit Freiraum zum Experimentieren 

Lernen benötigt Freiräume. Gerade bei einem disruptiven Thema wie KI sollten Unternehmen daher geschützte Experimentierräume schaffen, in denen Mitarbeitende neue Tools ausprobieren, Erfahrungen sammeln und sich austauschen können. Auf der KNIME-Plattform können Mitarbeitende mit den KI basierten Nodes beispielsweise eigenständig Technologien kombinieren, testen, vergleichen und so ganz praktisch herausfinden, was für ihr Unternehmen oder ihre Daten funktioniert. Dies erleichtert das Experimentieren mit KI-Anwendungen und fördert das selbstbestimmte Lernen mit einer hohen Lernkurve.  

„Unternehmen kommen heute gar nicht mehr drumherum, in KI-Kompetenzen investieren. Hilfreich ist, dass sie oftmals bereits über einen Großteil der dafür nötigen Ressourcen verfügen: Daten-Teams – etwa in den Bereichen Analytik, Data Science oder Business Intelligence – haben über Jahre hinweg die Infrastruktur, das Fachwissen und die Datenbestände aufgebaut, die nun auch für den Einsatz moderner KI-Lösungen relevant sind. Dieses vorhandene Know-how lässt sich gezielt weiterentwickeln – beispielsweise für die zunehmend relevante Arbeit mit KI-Agenten, die immer mehr eigenständig Aufgaben übernehmen und komplexe Prozesse steuern können”, erklärt Daten- und KI-Expertin Rosaria Silipo, VP of Data Science Evangelism bei KNIME.  

Weitere Informationen zum Thema, sowie das AI Teaching Package, gibt es auch unter https://www.knime.com 

Disclaimer:
„Für den oben stehenden Beitrag sowie für das angezeigte Bild- und Tonmaterial ist allein der jeweils angegebene Nutzer verantwortlich. Eine inhaltliche Kontrolle des Beitrags seitens der Seitenbetreiberin erfolgt weder vor noch nach der Veröffentlichung. Die Seitenbetreiberin macht sich den Inhalt insbesondere nicht zu eigen.“