Wen stellt man ein, wenn die Maschinen einziehen?
Lesen Sie mit mir eine Stellenanzeige. Sie ist keine echte – ich habe sie aus vielen zusammengesetzt, die mir in den letzten Monaten begegnet sind. Aber Sie werden sie wiedererkennen. „Head of AI. Ihre Aufgabe: Sie treiben die KI-Transformation im gesamten Unternehmen voran. Ihr Profil: MINT-Studium mit Top-Abschluss, tiefe Kenntnisse in Machine Learning, idealerweise Promotion. Kommunikationsstärke rundet Ihr Profil ab.”
Der letzte Satz ist mein Lieblingssatz. Die Fähigkeit, Menschen mitzunehmen, rundet ab. Wie eine Garnitur.
Ich verstehe den Gedanken dahinter. Er ist naheliegend. In vielen Köpfen steckt: KI ist Software, Software ist Technik, Technik ist schwierig.
Aber ich glaube, das greift zu kurz.
Die Zahlen zeigen woanders hin
Prosci hat 1.107 Fach- und Führungskräfte nach den größten Hürden bei der KI-Einführung gefragt. Das Ergebnis: 63 Prozent der Hürden sind menschlicher Natur – allein 38 Prozent entfallen auf fehlende Anwenderkompetenz und Training. Technische Probleme? 16 Prozent. Eine Anbieter-Studie, das gehört dazugesagt. Aber die Größenordnung deckt sich mit dem, was ich aus vielen Gesprächen kenne.
Und wenn die Hürden zu fast zwei Dritteln menschlich sind, sollte das Anforderungsprofil das eigentlich spiegeln.
Zwei Bedürfnisse, die man trennen muss
Das eine ist Inhouse-Entwicklung. Eigene Modelle, eigene Daten, tiefe Integration. Hier braucht es technische Tiefe – Menschen, die das schon gemacht haben. Der Haken: Wer das wirklich kann, wird vom Markt weggekauft. Europa bildet diese Leute aus und verliert viele von ihnen an die großen Labs, vor allem in die USA. Wer diese Stelle ausschreibt, konkurriert mit San Francisco.
Das andere ist: bestehende KI-Werkzeuge einführen und im Unternehmen zur Wirkung bringen. Hier braucht es IT-Perspektive. Aber die lässt sich oft mit bestehenden Strukturen abbilden.
Das eigentliche Problem steht in keiner Anzeige
In vielen Organisationen wollen die Leute schlicht nicht. Es gibt Ressentiments: Mitarbeiterinnen und Mitarbeiter, die KI ablehnen, ignorieren, umgehen. Und es gibt die andere Seite – die, die sie längst nutzen, nur still, Stichwort Shadow-Use. Beides höre ich quer durch Branchen und Berufsgruppen. Nicht aus einem Haus – aus vielen. Und beides läuft unter „KI-Transformation”. Aber in den Stellenprofilen suchen wir dafür fast nie jemanden.
Wir suchen Software-Skills. Wir suchen ML-Kenntnisse. Wir suchen Abschlüsse. Wir suchen selten jemanden, der eine Organisation wirklich mitnehmen kann. Verständlich – ein Adoptions-Score ist nicht so griffig wie ein fertiges, nutzbares Ergebnis. Nur: Es sollte auch jemanden interessieren, der es am Ende nutzen soll.
Die Frage, die sich lohnt
Technische Skills lassen sich in einem Team bis zu einem gewissen Grad aufbauen. Kulturwandel lässt sich nicht nachkaufen. Er ist langsamer, schwerer zu messen, und er steht in keinem Lebenslauf als Zertifikat.
Aber genau deshalb lohnt sich die Frage, bevor die nächste Stelle ausgeschrieben wird. Wen braucht man da wirklich?