Interview mit Marc-David Rompf, dla digital leaders advisory "Wer in diesem Wettbewerb bestehen möchte, muss intern AI-Skills aufbauen"

Marc-David Rompf: Die Nachfrage ist definitiv größer als das Angebot. 10.000 Experten für Künstliche Intelligenz (AI Thought Leader, weniger klassische Data Scientisten) weltweit bezifferte eine Recherche der New York Times Ende 2017. Selbst wenn sich diese Zahl inzwischen verdoppelt oder vervielfacht haben sollte – angesichts des Bedarfes auf dem US-amerikanischen, chinesischen und europäischem Arbeitsmarkt bleibt sie überschaubar. In fast allen Stellenanzeigen wird ein abgeschlossenes Studium als Grundvoraussetzung gesetzt.

Allerdings gehört mehr als Informatik-Fachwissen zu den Fähigkeiten von Datenexperten. Kommunikationsstärke, analytische Fähigkeiten und Kreativität werden häufiger in Anforderungsprofilen verlangt als beispielsweise bestimmte Programmiersprachen. Die Erklärung dafür lässt sich im Berufsbild finden, denn ein Data Scientist muss Daten verständlich aufbereiten und visualisieren können, um sie für Unternehmen zu erschließen. Er sollte somit mit unterschiedlichen Datenquellen gleichermaßen klar kommen. Laut einer Studie von joblift.de waren das im Jahr 2018 innerhalb von 24 Monaten ca. 65.000 Vakanzen. Im Vergleich zum Vorjahr wuchs diese Nachfrage in den letzten zwölf Monaten um 23 Prozent an.

Wirft man einen Blick auf den verlangten Ausbildungsgrad der Bewerber, so fällt besonders das hohe Akademisierungsniveau auf: 93 Prozent der Inserate nennen einen Hochschulabschluss als Grundvoraussetzung. Dabei wird in 69 Prozent der Anforderungsprofile explizit ein Masterabschluss gefordert, während in 20 Prozent der Fälle ein Bachelorabschluss genügt. Das ist wohl auch der Tatsache geschuldet, dass das Berufsbild zum einen noch nicht so ausdifferenziert ist und zum anderen die Zahl der Bewerber nicht allzu hoch. Eine Dissertation wird in 4 Prozent der Stellenanzeigen verlangt.

Es gibt eine Vielzahl von Berufen, die in Zukunft wichtiger sein werden als heute. Programmierer mit bestimmten Qualifikationen in Richtung künstliche Intelligenz werden sicher dazu gehören, aber auch andere Job-Profile wie etwa der Data Scientist. Angesichts wachsender Datenmengen geraten Unternehmen nämlich zunehmend unter Druck, ihre Daten auszuwerten und nutzbar zu machen, um wettbewerbsfähig zu bleiben. Data Scientists sind in vielen Berufsfeldern gefragt: In Marketing, Werbung und Produktmanagement, im E-Commerce sowieso. Sie sind gesuchte Fachkräfte in nahezu allen Branchen, vor allem aber dort, wo Kunden große Menge an Daten hinterlassen - und hier reihen sich ganz vorne auch Unternehmen der Banken- und Versicherungswirtschaft ein.

Wird sich dieser Trend irgendwann umdrehen? Wann strömen gut ausgebildete Scharen von KI-Experten aus den Hörsälen und fluten den Arbeitsmarkt?

Marc-David Rompf: Qualifikationen, wie Data Science, AI Research und AI-Projektmanagement sind aktuell besonders gefragt und langfristig unverzichtbar. Wer in diesem Wettbewerb bestehen möchte, muss intern AI-Skills aufbauen. Ich glaube nicht daran, dass gut ausgebildete Scharen von KI-Experten aus den Hörsälen strömen und den Arbeitsmarkt fluten werden. In Deutschland gibt es einige interessante Initiativen (bspw. mit der TU München und applied AI) und allen voran die Universität des Saarlandes mit dem ausgelagerten Arm des DFKI (Deutsches Forschungszentrum Künstliche Intelligenz). Dennoch ist die Anforderung an KI-Experten auf einem akademischen Level sehr hoch (Informatik, Datenwissenschaften, Mathematik, Ökonomie, etc.). In Deutschland studieren zwar immer mehr Menschen an einer Hochschule, allerdings überwiegen nach wie vor nicht die Absolventen in den MINT Studiengängen.

KI-Nerds sind hart umkämpft. Welche Maßnahmen kann ich als Arbeitgeber und Personalsuchender ergreifen, um mich im Wettkampf um menschliches Wissen über künstliche Intelligenz von meinen Mitbewerbern abzuheben? Wieso wählen KI-Expertinnen den Arbeitgeber, den sie wählen?

Marc-David Rompf: Wir haben 2020 in einer umfassenden Expertenbefragung Recruiting-Strategien für Unternehmen ausgearbeitet.

TOP 1: Realisiere eine KI-Roadmap

• Wie wird KI gelebt? Viele deutsche Unternehmen experimentieren auf Abteilungsebene mit KI, aber nur eine Minderheit verfolgt eine einheitliche und firmenweite KI-Strategie. Genau dies ist für die A-Garde der KI-Talente aber ein wichtiger Pluspunkt bei US-Konzernen oder Start-ups. Ein Anfang ist, Silos abzuschaffen und den KI-Mehrwert abteilungsübergreifend darzustellen. Dafür benötigen die Unternehmen neben KI- und IT-Skills auch Teamkompetenzen in den Bereichen Change-Management und Transformation.
• Purpose = sinnvolle und herausfordernde Aufgaben sind essentiell. KI-Talente wollen für eine Organisation arbeiten, die sich positiv auf die Welt auswirkt und in der sie ihre Potenziale entfalten und eine Wirkung erzielen können

TOP 2: Sei authentisch

1. • Ist es ein Match zwischen Talent und Team? Das hängt vom KI-Reifegrad ab - hier müssen aber beide Seiten ehrlich sein. Als Unternehmen sollte man transparent machen, was im Bereich KI bislang geleistet wurde und auf welche Daten zugegriffen werden kann. Im Job Interview sollten also genau die Experten mit am Tisch sitzen, die bereits Teil dieses Prozesses sind und Auskunft geben können: Was ist im Einsatz? Welche Mittel stehen zur Verfügung? Gibt es ein Empowerment, um die Themen weiter zu forcieren?
   • Spitzenkräfte ziehen gute Leute an: Führungskräfte mit technischem Knowhow haben nicht nur Vorbildfunktion in den Teams Sie können auch das Potenzial der Lösungen, die KI-Talente entwickeln, richtig beurteilen, wertschätzen und hervorheben.

TOP 3: Sorge für stabile Beziehungen

1. • Emotionale Bindungen zum Produkt oder zur Firma und dem KI-Vorhaben schaffen: ist ein direkter Bezug zwischen der Arbeit des KI-Experten und zum Endprodukt erfahrbar (bspw. Anwendungen im Fahrzeug, Tools im Kundendienst), stärkt das die Identifizierung mit dem Unternehmen.
   • Am richtigen Platz angelangt? Das entscheidet sich laut unserer Gesprächspartner an einem neuralgischen Punkt: wenn der KI-Experte sicher ist, dass sein Unternehmen eine echte = ernsthafte, datengetriebene KI-Strategie und einen wahrnehmbaren kulturellen Wandel verfolgt. Etwa, wenn die traditionelle Top-Down-Entscheidungsfindung tatsächlich durch Empfehlungen von KI-Tools wie neuronalen Netzen neu gestaltet wird.

TOP 4: Biete Entwicklungsperspektiven

1. • KI-Talente sind keine Einzelkämpfer: es sollte ein Umfeld vorhanden sein, in dem sich der Bereich und die Person(en) weiterentwickeln. Daher sollte die Umsetzung einer KI-Roadmap auch stets als Team Hiring angegangen werden Startet man mit ein oder zwei Positionen, sollten diese die Freiheit haben, um ein Ökosystem zu bespielen oder sich dort zu bewegen. Abschottung ist ein Kardinalfehler, der KI-Talente schnell aus dem Unternehmen treibt.
   • Austausch in der KI-Community: alle Gesprächspartner des dla Researches betonten die große Bedeutung dieses Aspektes. Formate sind zahlreich vorhanden, angefangen bei Messen und Veranstaltungen mit herausragenden Referenten, Hackathons bis hin zu Kooperationen mit der globalen Community, insb. Open Source Development und zweckgebundene Kooperationen mit Universitäten und Forschungsinstituten.
   • Eine ganz andere Herausforderung haben sie beispielsweise, wenn sie eine Frau für eine Data & Analytics, KI oder Data Science Rolle besetzen wollen. Nach unserer Erfahrung kommt relativ früh die "Diversity Frage" zum Unternehmen. Wie ist die Balance, wie wird das gelebt, welche Klischees oder Hürden bestehen, welche Rollenmodelle/Leuchttürme gibt es im Unternehmen. Wenn ein Unternehmen da bei Null anfängt, dann wird das extrem schwierig, weil der "Pull Faktor" für weibliche KI Talente oftmals fehlt. Wenn man das klassische Recruiting überstülpt, dann wird das oftmals nichts mit einer Einstellung.

Täglicher Newsletter der Insightsbranche

News +++ Jobs +++ Whitepaper +++ Webinare

Newsletter abonnieren

Wir beliefern täglich mehr als 9.000 Abonnenten

Datenschutz

Ich habe Glück und finde eine Expertin für das, was ich brauche. Jetzt will ich Sie auch behalten. Unterscheiden sich die Maßnahmen zur Mitarbeiterbindung von Nicht-KI-Nerds zu KI-Nerds? Oder reicht es schon, wenn man sich überhaupt darum kümmert, dass sie oder er nicht geht?

Marc-David Rompf: Ja, die Nicht-KI-Nerds und KI-Nerds unterscheiden sich sogar sehr! Viel wichtiger als Obst und Kicker sind meiner Meinung die Aufgaben. Wenn Sie den Talenten eine herausfordernde Challenge geben, die sogar noch etwas Positives bewirkt - etwa bei Energieeinsparung, Co 2 Reduktion, Verkehrsoptimierung, Cybersecurity - dann laufen Ihnen die Talente zu. Wenn sie dann noch genug Freiraum bekommen, um kreative Lösungen für die Probleme zu finden, neue Methoden auszuprobieren und gemeinsam mit den Fachbereichen sichtbare Verbesserungen zu schaffen - das motiviert langfristig.

Ich bin ein durchschnittlich qualifizierter Geschäftsführer eines durchschnittlich digitalisierten KMUs. Wie finde ich im Bewerbungsgespräch heraus, ob jemand wirklich der KI-Experte für den Bereich ist, den ich gerne besetzt hätte, wenn ich selbst schon Schwierigkeiten mit dem Mailclient habe?

Marc-David Rompf: Als Unternehmen sollte man Antworten zu folgenden Fragen haben, bzw. intern schauen welche Person diese Art von Fragen beantworten könnte:

• Welche Use Cases wurden umgesetzt, woran wird aktuell gearbeitet?
• Wie werden neue Use Cases definiert - und wie sieht ein typisches Projekt im Zusammenspiel zwischen F&E und Fachbereichen aus?
• Was ist die langfristige Vision für KI im Unternehmen und was sind mittelfristige Fokusbereiche, um diese Vision zu erreichen?

Zur Marc-David Rompf

/cb