Latest / Forschungsimpuls – Der Wissenschaftspodcast / Was Stellenanzeigen über den KI-Reifegrad Deutschlands sagen

Transcript

Was Stellenanzeigen über den KI-Reifegrad Deutschlands sagen · Forschungsimpuls – Der Wissenschaftspodcast

• 0:00
  Speaker 0: Forschungsimpuls, der Wissenschaftspodcast.
• 0:16
  Speaker 0: Herzlich willkommen zu einer neuen Folge vom Forschungsimpuls.
• 0:20
  Speaker 0: und heute machen wir wirklich Big Data und das zweite Mal in Folge nach der letzten Episode, wo wir uns Legal Data Science angeschaut haben und darüber gesprochen haben.
• 0:31
  Speaker 0: Heute geht es auch um Data Science, allerdings im Umfeld des Arbeitsmarktes in Deutschland und nicht weniger als sechzig Millionen Datensätze.
• 0:43
  Speaker 0: Mein neutiger Gast ist Jan Büchel, Economist für Datenwirtschaft am Institut der Deutschen Wirtschaft in Köln.
• 0:49
  Speaker 0: Jan Büchel hat Volkswirtschaftslehre an der Rheinischen Friedrich-Wilhelms-Universität Bonn studiert, dort auch seinen Master in Economics absolviert und forscht am IW zu den Themen Digitalisierung, Strukturwandel und Industrie.
• 1:03
  Speaker 0: Das Institut der deutschen Wirtschaft, man kennt es allgemein eigentlich, ist ein privates Forschungsinstitut, das sich für eine freiheitliche Wirtschafts- und Gesellschaftsordnung einsetzt und regelmäßig wichtige Impulse in den öffentlichen Diskurs einbringt.
• 1:18
  Speaker 0: Also auch eine sehr gute Quelle übrigens für Studien, für Datensätze und Insights in die Situation makroökonomisch in Deutschland.
• 1:29
  Speaker 0: Mit Jan Büchel spreche ich darüber, welche Jobs in Deutschland künstliche Intelligenz besonders tangieren, aber auch darüber, wie KI in Stellenanzeigenden heute auftaucht.
• 1:42
  Speaker 0: Und wir arbeiten das ein oder andere spannende Insight aus der Studie heraus.
• 1:48
  Speaker 0: Und damit würde ich sagen, steigen wir direkt ein in mein Gespräch mit Jan Büchel.
• 2:00
  Speaker 0: Schönen guten Morgen, Herr Büchel.
• 2:02
  Speaker 0: Herzlich willkommen im Forschungsimpuls.
• 2:04
  Speaker 1: Schönen guten Morgen.
• 2:04
  Speaker 1: Vielen Dank für die Einladung.
• 2:06
  Speaker 0: Sehr gerne.
• 2:07
  Speaker 0: Ich bin richtig neugierig, denn Sie haben etwas ganz Spannendes gemacht, nämlich eine sehr umfangreiche Studie herausgebracht, was Sie ja ständig tun tatsächlich, muss man ja sagen.
• 2:17
  Speaker 0: Aber die aktuelle Studie zum Thema KI-Jobs in Deutschland haben Sie vor einigen Wochen publiziert und darüber würde ich gerne mit Ihnen sprechen.
• 2:25
  Speaker 0: Aber bevor wir so richtig reinschatten, würden Sie nochmal sich und die Institut vielleicht auch Ihre Rolle da nochmal ganz kurz vorstellen.
• 2:32
  Speaker 1: Ja, sehr gerne.
• 2:33
  Speaker 1: Also mein Name ist Jan Büchel, ich bin Volkswirt am Institut der Deutschen Wirtschaft und ja, forsche da vor allem zu Themen der Datenwirtschaft, also in großen, großen und ganzen Digitalisierungsthemen, unter anderem auch KI und bin dort im Themenklasse Digitalisierung und Klimawandel aktiv.
• 2:51
  Speaker 1: Genau, und das Institut der Deutschen Wirtschaft ist ein privates Wirtschaftsforschungsinstitut.
• 2:56
  Speaker 1: und Forsche, vor allem aus volktwirtschaftlicher Perspektive zu verschiedensten Themen, die die deutschen Wirtschaft interessieren.
• 3:05
  Speaker 0: Ja, vor allen Dingen ja auch wieder sehr populär bekannt.
• 3:07
  Speaker 0: Letzte Woche mit dem Vorschlag von Michael Hüter zum Thema Rentner und Rentnerin sollen noch ein bisschen länger arbeiten.
• 3:12
  Speaker 0: Ist leider nicht unser Thema heute.
• 3:13
  Speaker 0: Wer glaube ich in einer eigenen Episode wertpasst, vielleicht nicht ganz in das Format hier bei uns.
• 3:18
  Speaker 0: Aber ja, man kennt natürlich das Institut für Deutsche Wirtschaft.
• 3:21
  Speaker 0: Ja, das ist super, dass sie sich die Zeit nimmt.
• 3:23
  Speaker 0: Vielen Dank vorab.
• 3:24
  Speaker 0: Hier steigen wir mal rein in diese Studie.
• 3:26
  Speaker 0: Ich habe sie mit großem Interesse gelesen, natürlich auch aus der Sicht, als jemand, der in der Informatik, in der Lehre tätig ist, in der Forschung tätig ist und natürlich auch auch oft das Gespräch mit jungen Menschen in die Richtung geht.
• 3:37
  Speaker 0: Wie entwickelt sich denn der Jobmarkt aktuell?
• 3:39
  Speaker 0: Und dann hat man immer das Problem so ein bisschen als Professor auch, dass die eigene Evidenz immer so endgleich eins ist.
• 3:46
  Speaker 0: Und nach dem Motto, man spricht mit einer Person, die hat gerade folgende Erfahrungen am Jobmarkt gemacht oder dieses oder jenes Gehaltsangebot bekommen.
• 3:53
  Speaker 0: Und das ist jetzt eigentlich das Tolle in ihrer Studie.
• 3:55
  Speaker 0: Sie haben, Sie müssen das einmal bitte sagen, wie viele Tausend, zigtausend Datensätze Sie dort reingenommen haben.
• 4:00
  Speaker 0: Der Ansatz ist, wenn ich es richtig verstehe, ja Sie screenen großflächig Stellen anzeigen und bauen dann Data Science darauf auf.
• 4:09
  Speaker 0: Ist das so richtig?
• 4:10
  Speaker 1: Genau, das kann man im Groben und Ganzen so sagen.
• 4:14
  Speaker 1: Unser Thema ist KI und die Frage, die uns umtreibt, ist, wie groß sind denn eigentlich die KI-Personalbedarfe der Unternehmen in Deutschland?
• 4:22
  Speaker 1: Und wie Sie schon richtig gesagt haben, ist der Arbeitsmarkt komplex.
• 4:25
  Speaker 1: Es gibt verschiedene Methodiken, wie man sich da nähern kann, beispielsweise unter Unternehmensbefragung, aber den Ansatz, den wir hier gewählt haben, ist, dass wir tatsächlich einen Datensatz zu Online-Stellenanzeigen in Deutschland nutzen.
• 4:37
  Speaker 1: Und da gibt es einen Anbieter-Text-Körnel, mit dem wir zusammenarbeiten und im Großen und Ganzen verfügen wir darüber über einen Datensatz über den Zeitraum von im Jahr twohntausend neunzig bis zweihntausend vierundzwanzig über Ungefähr sechzig Millionen Stellen, Online-Stellenanzeigen, die in Deutschland veröffentlicht werden.
• 4:58
  Speaker 1: Also das sind die Dienstleistungen des Anbieters, das ist dabei, diese verschiedenen Stellenanzeigen zu sammeln, um Bibliokate zu bereinigen und uns dann einen Datensatz zur Verfügung zu stellen, in dem die Online-Stellenanzeigen halt nur einzigartig austrauchen.
• 5:12
  Speaker 1: Und mit diesen riesigen Daten, also das ist tatsächlich wirklich Big Data, kann man dann natürlich sehr viel analysieren, sehr viel analysieren und gerade auch im Bereich Data Science.
• 5:22
  Speaker 1: Weil das ist natürlich unmöglich, solche riesigen Datenmengen manuell durchzugehen.
• 5:26
  Speaker 1: Und dann, das ist auch so ein bisschen Scham der Analyse, dass man dann halt ähnliche Techniken, die auch im KI-Bereich verwendet werden, hier anwenden kann, um diese riesen Datenmengen zu durchforsten.
• 5:38
  Speaker 0: Das ist super, weil ich muss noch gerade schmunzeln.
• 5:41
  Speaker 0: Man sieht das natürlich nicht, wenn man im Podcast hört, aber in der Studie gibt es richtig schön Nerd-Tum, also sowas wie Word-to-Weg und solche Algorithmen werden da genannt.
• 5:50
  Speaker 0: Also wer sich schon mal mit dem Thema Narratologie, Natural Language Processing oder so auseinandergesetzt hat, da strahlen die Augen sozusagen.
• 5:58
  Speaker 0: Das, was sie gerade erklärt haben, ist hier also im Methodenteil auch super dargelegt.
• 6:03
  Speaker 0: Das sind die klassischen KI-Algorithmen.
• 6:05
  Speaker 0: Ich vermute aber mal, ich weiß nicht, ob man es sagt, kann, sowas wie large-language-Modelle brauchte man da jetzt auch gar nicht, weil diese klassischen Algorithmen jetzt hier erstmal geholfen haben, quasi das Filtern und Clustern dieser Stellenanzeigen zu ermöglichen, oder lieg ich da falsch?
• 6:20
  Speaker 1: Genau, also in dem Bereich gibt es eigentlich zwei verschiedene Methoden, die man anwenden kann.
• 6:24
  Speaker 1: Man kann es tatsächlich auf der hoch komplexen Ebene machen, indem man tatsächlich selbst KI programmiert, also Trading-Daten quasi händig labelled, also man sagt zum Beispiel, Pro-Stellern zeige ich, hier geht es um KI, hier geht es nicht um KI, oder aber man wählt einen sogenannten regelbasierten Ansatz.
• 6:39
  Speaker 1: Da geht es darum, um eigentlich eine Art Wortliste zu erstellen, also dass das der anderen Diversier verfolgt haben, weil er sich bei KI sehr gut angeboten hat thematisch.
• 6:47
  Speaker 1: indem man quasi für KI-Entwicklungen, KI-Anwendung verschiedenste Wörter identifiziert, die aber hinreichend spezifisch sein müssen.
• 6:57
  Speaker 1: Als sonst hat man viel Beifang dabei.
• 6:59
  Speaker 1: Und diese Wortliste wird dann quasi mit dem Datensatz mit den Sechzig Millionen Stellenanzeigen abgeglichen.
• 7:03
  Speaker 1: Und falls es zu Überschleidung kommt, ist unsere Annahme, dass es hier in der Stellenanzeige thematisch um KI geht.
• 7:10
  Speaker 1: Das ist so ganz kurz und knapp quasi der der Ansatz, den wir verfolgt haben.
• 7:14
  Speaker 0: Das ist auch deswegen natürlich super spannend hier als Forschungsimpuls, weil das das kann man ja im Prinzip nicht nachbauen.
• 7:21
  Speaker 0: Also ich sage mal in der Doktorarbeit oder sowas hat man nicht den Zugriff auf, so ein Datenpool.
• 7:25
  Speaker 0: Dann gibt es immer wieder welche, die trifft man dann auf Konferenzen, die haben also ihren Weg gefunden, so in einer wissenschaftlichen Grauz, so ne, so ne, nicht das vielleicht mal ein Datensatz erzeugen.
• 7:34
  Speaker 0: So sie haben diesen wunderbaren Datenschatz gehoben auf eine tolle Art und Weise.
• 7:39
  Speaker 0: Ich glaube, dann sind es zehn Millionen Stellen an Zeigen im Jahr, habe ich gerade hier noch geschaut.
• 7:44
  Speaker 0: Genau.
• 7:44
  Speaker 0: Und dann kommt erstmal so ganz high-levelmäßig einen Cluster raus, was sie gebaut haben.
• 7:49
  Speaker 0: Sie differenzieren dazwischen Anzahlstellen für KI Anwendungen, Anzahlstellen für KI Entwicklung, das kann man verstehen, und dann aber nochmal Anzahlstellen für KI.
• 7:58
  Speaker 0: Könnten Sie das einmal so ein bisschen differenzieren, wie das gemeint ist?
• 8:01
  Speaker 1: Ja, sehr gerne.
• 8:01
  Speaker 1: Also im Prinzip haben wir im Rahmen der Studie vier Fragen untersucht.
• 8:05
  Speaker 1: Also die erste Frage ist generell, wie hoch sind denn die Personalbedarfe der Unternehmen im Bereich KI?
• 8:11
  Speaker 1: Als zweites haben wir uns dann angeschaut, wie entwickeln sich die Bedarfe im Zeitverlauf?
• 8:15
  Speaker 1: Also wie bereits gesagt, wir haben Daten von einem Jahrzehnte bis zum Jahrzehnte, also insgesamt sechs Jahre.
• 8:21
  Speaker 1: Und in einem dritten Schritt haben wir es, wie Sie es genau gesagt haben, angeschaut, welcher Teil entfällt dann thematisch eher auf den KI-Entwicklungsbereich und welcher Teil eher auf den KI-Anwendungsbereich.
• 8:31
  Speaker 1: Also wo werden beispielsweise eher Kompetenzen bei neuen Beschäftigten gesucht, um KI anzuwenden in den Unternehmen und wo beispielsweise um eigene KI-Entwicklungen unternehmensspezifisch zu entwickeln.
• 8:42
  Speaker 1: Und in einem vierten Schritt haben wir uns nochmal angeschaut, welche Berufe denn in den jeweiligen beiden Bereichen, also KI-Anwendungen und KI-Entwicklungen besonders relevant sind und ob es da zu unterschieden einerseits zwischen Anwendungen und Entwicklung kommt und ob es da beispielsweise auch im Zeitverlauf zu unterschieden kommt.
• 8:59
  Speaker 0: Ja, okay.
• 9:00
  Speaker 0: Das ist dann erstmal so die High-Level-Betrachtungsweise.
• 9:03
  Speaker 0: Und was kam raus?
• 9:04
  Speaker 0: Kann man das überhaupt so zusammenfassen?
• 9:07
  Speaker 0: Sonst testen wir uns mal langsam vor.
• 9:09
  Speaker 0: Was sind die ersten Insights, die dann aus dieser Analyse herauskam?
• 9:13
  Speaker 1: Genau.
• 9:13
  Speaker 1: Also auf der High-Level-Ebene sieht man, dass im Durchschnitt über die sechs Jahre etwa einen Prozent der Stellen anzeigen pro Jahr.
• 9:23
  Speaker 1: auf den Bereich KI entfallen, also dass beispielsweise in einem Prozent der Stellen KI Kompetenzen gefordert werden.
• 9:30
  Speaker 1: Das klingt jetzt im ersten Moment erstmal ein wenig wenig.
• 9:34
  Speaker 1: Allerdings muss man dann natürlich auch darüber nachdenken, was dann tatsächlich die Erwartung ist, weil das ist quasi der ganze Arbeitsmarkt und da sind.
• 9:43
  Speaker 1: Wenn man z.B.
• 9:44
  Speaker 1: auf die zehn Millionen Stellen pro Jahr runtermünzt etwa hundertvierzig tausend im Durchschnitt pro Jahr und das ist dann erscheint dann doch schon etwas, etwas viel.
• 9:53
  Speaker 1: Also die Unternehmensbedarfe lassen sich so einerseits quantifizieren und das ist so eher das Kernergebnis.
• 9:58
  Speaker 1: Wenn man sich in einem zweiten Schritt einmal anschaut wie.
• 10:02
  Speaker 1: Entwickelt sich denn, wer entwickeln sich die KI-Bedarfe im Zeitverlauf?
• 10:05
  Speaker 1: Dann gibt es eigentlich zwei verschiedene Farben.
• 10:08
  Speaker 1: In der ersten Phase ist es von zwei Jahrzehnten bis zwei Jahrzehnteinzwanzig, denn da sieht man, dass die KI-Bedarfe kontinuierlich zunehmen, sowohl in dem Anwendungs- als auch im Entwicklungsbereich.
• 10:17
  Speaker 1: Und nach zwei Jahrzehnteinzwanzig geschieht eine Art Bruch, und zwar seit zwei Jahrzehnteinzwanzig, also im Zeitraum von zwei Jahrzehnteinzwanzig bis zwei Jahrzehnteinzwanzig stagenieren die KI-Bedarfe nur noch.
• 10:30
  Speaker 1: Das ist insofern besonders relevant, weil in der Jahr zwentzwanzig JGPT eingeführt wurde und in Anführungszeichen der Hype um KI oder gerade um generative KI-Zunahmen.
• 10:41
  Speaker 1: Und gerade in dieser Phase fällt dann natürlich die Stagnation in den KI bedarfen.
• 10:46
  Speaker 1: Das ist so ein bisschen besonders interessant, was herauskommt.
• 10:50
  Speaker 1: Und wenn man sich das bei den absoluten Zahlen, also den absoluten Stellenanzeigen für KI anschaut, dann nehmen die Bedarfe sogar ab.
• 10:57
  Speaker 1: Was natürlich an der Stelle wichtig ist, zu erwähnen, ist, dass die generelle Konjunkturelle Lage in Deutschland da gerade etwas schwieriger wurde.
• 11:06
  Speaker 1: Und da sieht man auch, dass die generelle Anzahl aller Stellen anzeigen, die sind Zeit vom Abnahmen.
• 11:10
  Speaker 1: Und deswegen sagen wir im Bereich des Anteils, der KI-Stellen an allen Stellen anzeigen, stagniert der Anteil, während die absoluten Zahlen heruntergehen.
• 11:19
  Speaker 1: Das ist so ein bisschen zentrale Erkenntnis diese zwei Phasen der Entwicklung.
• 11:24
  Speaker 0: Aber wie erklären Sie sich denn, dass nach diesem Launch-Moment von ChatGPT, weil wir nennen denn in einem Paper bei uns auch Ecuclima-Moment, weil viele Menschen so diese Erkenntnis da war, so jetzt ist die KI allgegenwärtig, in der Technologie-Akzeptanzforschung, nennt man das hier so Ubiquität, das ist jetzt überall da, da hätte man jetzt auch so ein bisschen intuitiv erwarten können, dass jetzt andere Unternehmen oder Unternehmen eher reinschreiben, wie wir erwarten eine gewisse Kompetenz im Umgang mit KI-Tools.
• 11:53
  Speaker 0: Das konnte man jetzt aber in den Daten, glaube ich, eher nicht sehen, sondern es hat einfach nur ein bisschen nachgelassen.
• 11:58
  Speaker 0: Wie kann man sich das erklären?
• 11:59
  Speaker 0: oder wie erklären Sie das?
• 12:00
  Speaker 1: Genau, das ist eine sehr, sehr gute Frage und da haben wir es auch sehr lange Gedanken drüber gemacht.
• 12:06
  Speaker 1: Auf der einen Seite könnte man vermuten, dass... Wenn wir das sehen, dass die KI-Bedarfe ja wie gesagt schon über sechs Jahre erfolgen oder Präsenz sind, das Unternehmen, also man könnte die Hypothese vertreten, dass Unternehmen ihre existierenden KI-Bedarfe bereits in den vergangenen Jahren gedeckt haben und quasi jetzt schon in den Unternehmen beschäftigt eingestellt haben mit KI-Kompetenzen, die sie universell auf verschiedenste KI-Kontexte, also beispielsweise auch auf neue Anwängen der generativen KI, anwenden können.
• 12:34
  Speaker 1: Die Hypothese ist allerdings etwas fragwürdig, wenn man sich eine aktuelle Bitkom-Unternehmensbefragung anschaut.
• 12:40
  Speaker 1: Denn da kommt heraus, dass viele Unternehmen, also dies relativ aktuell, ich glaube am Ende des Jahrhunderts und zwanzig ist die die Unternehmensbefragung durchgeführt worden, da kommt heraus, dass viele Unternehmen KI nutzen, also immer mehr Unternehmen KI nutzen oder das Plan für die Zukunft und dass gerade auch viele Unternehmen erst seit einem bis zwei Jahren KI nutzen, also gerade seitdem der Hype um generative KI entstanden ist.
• 13:06
  Speaker 1: Und das entträftet so ein bisschen diese Hypothese.
• 13:08
  Speaker 1: Also das ist eher nicht der Grund, woran es liegt, dass die KI-Bedrags jetzt am aktuellen Rand stagnieren.
• 13:13
  Speaker 1: Danach haben wir, daneben haben wir uns einmal eine Weitungsstudie angeschaut, die eine ähnliche Untersuchung im internationalen Kontext durchgeführt hat.
• 13:21
  Speaker 1: Da sehen wir, interessanterweise, dass dieser Job nach Ende of the year, auch in anderen Ländern der EU, aber auch beispielsweise in den USA zu beobachten ist.
• 13:32
  Speaker 1: Das allein ist allerdings jetzt noch kein Grund, warum das in Deutschland stagniert oder generell im internationalen Umfeld stagniert.
• 13:40
  Speaker 1: Viel mehr sind es eigentlich zwei Aspekte, die aus unserer Perspektive ausschlaggebend sein können.
• 13:46
  Speaker 1: Erstens ist die Art, wie Unternehmen Kompetenzen aufbauen, in gewisser Weise noch etwas eine Art Black Box für uns.
• 13:54
  Speaker 1: Also wir können mit unserer Analyse, können wir sehen, welche neuen Stellenanzeigen Unternehmen ausschreiben.
• 14:00
  Speaker 1: Wir können allerdings nicht sehen, was Unternehmen im Zern über Weiterbildung machen oder beispielsweise auch was in Unternehmen informell geschieht.
• 14:07
  Speaker 1: Also gerade, wenn es um generative Anwendungen wie ChatGPT und so weiter geht, die ja per se sehr benutzerfreundlich und einfach zu bedienen sind.
• 14:16
  Speaker 1: nicht großartige Vorkenntnisse oder technische Expertive voraushetzen sollen, kann es natürlich sein, dass Unternehmen hier eigene Lösungen oder eigene Weiterbildungslösungen anbieten, um bestehende Beschäftigte weiterzubilden.
• 14:28
  Speaker 1: Oder aber gerade auch, dass beispielsweise am Arbeitgeber vorbei, informell am Arbeitsplatz zwischen Kollegen, beispielsweise Kompetenzen, Skills, Erfahrungen vermittelt werden.
• 14:38
  Speaker 1: Oder aber auch dass beispielsweise einzelne Beschäftigte in Unternehmen, die sich mit KI auskennen, als Multiplikatoren agieren.
• 14:45
  Speaker 1: und beispielsweise ihr Wissen mit anderen Beschäftigten teilen.
• 14:48
  Speaker 1: Also das kann ein Faktor sein, dass viel in den Unternehmen passiert, dass wir jetzt nicht Überstellungen zeigen, sehen und aber auch vielleicht ein ganz... Einfacher Grund könnte sein, dass gerade, wie es erwähnt hat, dass die Kompetenzen, die für die Anwendung von generativen Karrierenwendungen notwendig ist, dass diese auf einem R-Basic-Wertel sind, dass es nicht so bedeutend für Unternehmen ist, diese Kompetenzinstellen anzeigen.
• 15:15
  Speaker 1: zu fragen.
• 15:16
  Speaker 1: Um es jetzt zuzuspitzen und ganz plakativ zu machen, ein Unternehmen würde auch in der Vergangenheit vor generativer KI nicht in die Stellenanzeige schreiben, dass Beschäftigte beispielsweise die Google Suchmaschine bedienen sollten, optimalerweise.
• 15:28
  Speaker 1: Also das ist jetzt ein bisschen überspitzt formuliert.
• 15:30
  Speaker 1: Prompten ist nochmal etwas Komplexeres, aber das kann auch ein Grund sein, dass es aus Unternehmensperspektive zu Basics ist.
• 15:36
  Speaker 1: Und das ist vielleicht generell vorausgesetzt und in der Art der Stellenanzeige jetzt nicht gefordert wird.
• 15:42
  Speaker 0: Okay, das sind jetzt drei Argumente, das ist ein Schulungsthema, da möchte ich unbedingt nochmal draufkommen.
• 15:46
  Speaker 0: Das zweite war halt, wie sich Unternehmen auch dann aufstellen sozusagen, da möchte ich gleich einmal reinpixen.
• 15:51
  Speaker 0: Das dritte, merken wir uns für später, ist das vielleicht schon so ein Skill, den ich einfach mitbringen muss.
• 15:57
  Speaker 0: Wo ich ganz kurz mal rein möchte und ich habe hier auf dem anderen Bild schon gerade mal einfach mal einen so eine Jobbörse aufgemacht und ich habe da jetzt mal so einen KI Begriff reingeworfen, einfach so einen technischen Begriff, Longchain, ist völlig egal, hätte jetzt auch MCP oder was anderes sein können, was man also definitiv für die Entwicklung von modernen KI-Applikationen suchen könnt, braucht, was jetzt aber nicht einfach nur als Begriff Chaggivity oder so was ist.
• 16:22
  Speaker 0: So, da kommen jetzt, ich kann das mal vorlesen, ich sage nicht, welche Suchbörse das ist, thirty-five Treffer.
• 16:28
  Speaker 0: Das ist jetzt so fern erstaunlich, dass man an dieser Technologie eigentlich nicht dran vorbeikommt.
• 16:34
  Speaker 0: Jetzt könnte man das also mit ihrem Argument verknüpfen und sagen, vielleicht sind die da intern irgendwie gerade anders aufgestellt.
• 16:42
  Speaker 0: Ich hätte noch eine andere Hypothese, würde mich freuen, wenn Sie das zur Bestellung nehmen können.
• 16:46
  Speaker 0: Vielleicht sind das auch Jobs, die außerhalb von solchen Stellenportalen laufen.
• 16:49
  Speaker 0: Dass das vielleicht eine Expertise ist, die, wo man sich sowieso auf GitHub oder auf LinkedIn oder einer anderen Plattform so der technisch connectet, dass man gar nicht diesen Weg über die klassische Ausschreibung hier geht, was mich zu der Hypothese bringt ist.
• 17:03
  Speaker 0: Einfach das Phänomen, das wir gerade die Zahl thirty-fünf als Häufigkeitsanalyse hier sehen zu dem Begriff, was mich echt verwundert.
• 17:11
  Speaker 0: Und das andere ist halt, dass diese Unternehmen, wie sie ja gerade sagten, die müssen ja irgendwie schon mit KI gearbeitet haben und das zeigt ja auch ihre Studie.
• 17:18
  Speaker 0: Die Kurve ging ja hoch.
• 17:19
  Speaker 0: Also das heißt, die KI-Expertise wurde ja eigentlich auch über die Jahre von immer wachsend noch aufgebaut.
• 17:27
  Speaker 0: Also wenn ich mal davon ausgehe, dass die Organisationen sich entsprechend Kompetenz drauf geschafft haben, professionell in dem Umfeld unterwegs sind, dann ist es ja eigentlich verwunderlich, dass jetzt diese Detailtiefe an Stichworten beispielsweise da drin fehlt.
• 17:42
  Speaker 0: Ich weiß nicht, ist das eine Möglichkeit, dass sie auch in diese Datensätze reingucken?
• 17:46
  Speaker 0: oder ja, was ist ihr Gefühl zu dieser Hypothese?
• 17:49
  Speaker 0: oder die Datenlage noch besser, genau.
• 17:52
  Speaker 1: Also definitiv, die Hypothese kann ich definitiv unterstützen.
• 17:55
  Speaker 1: Vielleicht schon mal ein bisschen vorweg gegriffen in die Analyse der Berufe, wenn man sich das anschaut, wenn wir bestimmt später noch darüber sprechen.
• 18:00
  Speaker 1: Da haben wir jetzt nicht nur die Berufe, sondern auch die Anforderungsniveaus angeschaut.
• 18:04
  Speaker 1: Und da sehen wir das gerade auch in dem Bereich, Karrientwicklung.
• 18:07
  Speaker 1: Also das war jetzt ein super Beispiel, das Stichwort, was Sie eingegeben haben.
• 18:11
  Speaker 1: Das ist so ein Wort, das würde bei uns in der Liste auftauchen für Karrientwicklung.
• 18:16
  Speaker 1: Da sehen wir sehr, sehr oder den Großteil der Jobs auf dem Expertenlevel.
• 18:20
  Speaker 1: Spezialistenlevel, aber sehr, sehr viele auf dem Expertenlevel.
• 18:23
  Speaker 1: Und gerade das ist ein Umfeld, wie Sie sagen, wo sehr, sehr viel Expertise auch, wie gesagt, über andere Formate, also GitHub und so weiter ausgetauscht werden können oder vermittelt werden können.
• 18:34
  Speaker 1: Aber es gibt auch sehr, sehr viele Headhunter in dem Bereich.
• 18:37
  Speaker 1: Also das sind alles so Methoden, um Kompetenzen zu erreichen, die vielleicht an den klassischen Online-Stellenanzeigen vorbeigehen.
• 18:45
  Speaker 1: Es gibt auch eine weitere Charakteristik, in Deutschland, ist ganz interessant.
• 18:51
  Speaker 1: Da gibt es eine Studie zu, die hat einmal LinkedIn-Daten untersucht und die eignen sich ja besonders gut, um Karriereverläufe abzubilden.
• 18:58
  Speaker 1: Und die haben sich einmal angeschaut, wieviel Prozent der KI-Beschäftigten in Deutschland haben denn tatsächlich ihren KI Hochschulabschluss, also das ist das, was ihre Messen konnten, denn in Deutschland gemacht und wieviel Prozent im Ausland.
• 19:09
  Speaker 1: Und da sieht man ungefähr eine shifty-fifty-Austeilung.
• 19:12
  Speaker 1: Also die Hälfte der KI-Beschäftigten in Deutschland hat ihren Ursprung irgendwo im Ausland.
• 19:17
  Speaker 1: Indien ist da sehr stark mit Werten von über zehn Prozent, aber sonst ist es ein bunter Mix aus verschiedenen ausländischen Beschäftigten, die hier im deutschen Arbeitsmarkt KI entwickeln, vor allem KI entwickeln, aber auch KI anwenden.
• 19:31
  Speaker 1: Und das zeigt auch nochmal, wie besonders wertvoll und selten diese Zielgruppe an Beschäftigten eigentlich ist.
• 19:38
  Speaker 1: und da nochmal den Schwenk nochmal zu machen.
• 19:41
  Speaker 1: Wir haben in einer anderen Studie auch mit Stellanzeigen untersucht, Ist den Unternehmen denn das überhaupt bewusst?
• 19:48
  Speaker 1: Und wenn ja, welche Rekrutierungsstrategien verfolgen Sie denn, um gerade gute Karten zu bekommen, um diese wertvollen Beschäftigten für Sichtgewinnen zu können?
• 19:56
  Speaker 1: Und da sehen wir ganz interessanterweise, dass den deutschen Unternehmen das durchaus bewusst ist.
• 20:04
  Speaker 1: Also die bieten zum Beispiel häufiger... Benefits an, also beispielsweise die Möglichkeit, mobil zu arbeiten, bis hin zu full remote, was deutlich häufiger angeboten wird, also beispielsweise auch die Möglichkeit, aus dem Ausland zu arbeiten.
• 20:18
  Speaker 1: Und die sprechen auch explizit dieses internationale Umfeld an Arbeitnehmern an, und zwar sind häufiger Stellenanzeigen komplett auf Englisch formuliert.
• 20:27
  Speaker 1: Es ist weniger häufig, dass deutsche Sprachkenntnisse erforderlich sind.
• 20:31
  Speaker 1: Da könnte man jetzt meinen ja okay das sind vielleicht sowieso die großen Tech-Unternehmen die hier ausschreiben, die formulieren sowieso viel mehr auf Englisch und so weiter, aber genau um diesen Umstand haben wir versucht in der Studie zu kontrollieren und zwar haben wir als Referenzgruppe für die KI-Stellen zeigen.
• 20:47
  Speaker 1: Stellenanzeigen derselben Unternehmen genommen auf einem ähnlichen Antwortungsniveau.
• 20:51
  Speaker 1: Also es sind tatsächlich beispielsweise großes Tech-Unternehmen.
• 20:54
  Speaker 1: Wir schauen uns jetzt die Stellenanzeigen für KI des großen Tech-Unternehmens an und die Stellenanzeigen des gleichen Unternehmens auf dem ähnlichen Antwortungsniveau.
• 21:03
  Speaker 1: Also lange Rede kurzer Sinn.
• 21:04
  Speaker 1: Es ist eine sehr wertvolle Gruppe an potenziellen Arbeitnehmer mit sehr wertvollen KI-Kompetenzen und Da kann natürlich sehr viel auch abseits des Unentstellenmarktes geschehen.
• 21:19
  Speaker 1: Das stimmt.
• 21:20
  Speaker 0: Ich glaube, eine Sache wird nicht, zumindest nicht ausgewiesen in der Studie, das Thema Einstiegsgehälter.
• 21:28
  Speaker 0: Ist das was, was in Ihrem Datensatz, ich weiß nicht, ob Sie sagen dürfen, was Sie mit daraus ziehen oder gibt es da so eine Art Metastudie mit Blick auf den Markt?
• 21:38
  Speaker 0: Weil wir gerade schon beim Thema krasses Expertinnen und Expertenlevel sozusagen in dem Umfeld gerade sprechen.
• 21:44
  Speaker 1: Das ist sehr interessant, dass Sie das ansprechen.
• 21:47
  Speaker 1: Das wollen wir auch schon seit einiger Zeit untersuchen.
• 21:49
  Speaker 1: Wir stoßen da leider immer auf den folgenden Umstand und zwar das ist in Deutschland.
• 21:54
  Speaker 1: eher nicht gebräuchig ist, das in Online-Stellenanzeigen zu anzugeben, wie hoch die Gehaltspanne ist.
• 22:02
  Speaker 1: Andere Länder, z.B.
• 22:03
  Speaker 1: UK, sind da, gehen da anders vor.
• 22:06
  Speaker 1: Das ist gebräuchig, das in Stellenanzeigen zu schreiben.
• 22:08
  Speaker 1: Aber bei uns gibt es leider die Datenlage nicht.
• 22:10
  Speaker 1: Ja, wir würden es das aber sehr gerne anschauen.
• 22:12
  Speaker 1: Es ist leider nicht möglich.
• 22:14
  Speaker 1: Ja, aber wenn es irgendwann möglich ist, werden wir das, glaube ich, direkt machen.
• 22:17
  Speaker 1: Weil da wird es wahrscheinlich auch zu interessanten Erkenntnissen oder zu ähnlichen Erkenntnissen kommen.
• 22:22
  Speaker 1: Also gerade, dass Unternehmen da vielleicht bereit sind, mehr zu zahlen.
• 22:26
  Speaker 1: Also wenn sie bereit sind, mehr Benefits anzubieten, sind sie vielleicht auch bereit, mehr zu zahlen, um gerade diese Beschäftigten für sich zu gewinnen.
• 22:33
  Speaker 0: Ja, auf jeden Fall interessant.
• 22:34
  Speaker 0: Ich kann mir vorstellen, dass sie es natürlich nicht ausweisen können, weil nur manche Stellenportale haben überhaupt was und es ist ja, glaube ich, immer freiwillig für die Unternehmen, ob sie da eine Range angeben oder nicht.
• 22:44
  Speaker 0: Also es wäre auf jeden Fall ja sehr unvollständig in den Daten.
• 22:47
  Speaker 0: Jetzt haben Sie gerade schon das Thema interne Schulungen angesprochen und in der Studie nehmen Sie, das hat mich positive Überraschung zu sagen, mehrfach auch Bezug auf die KI-Verordnung, wie sie halt bei uns in Deutschland heißt oder vielleicht dann später heißen wird, wenn sie so richtig greift beziehungsweise.
• 23:03
  Speaker 0: eben den EU AI Act, der ja voraussetzt, dass, wenn ich als Organisation mit KI auch nur arbeite, das ist auch wirklich ganz toll nochmal in dieser Studie von Ihnen hier auch, wie das rausgearbeitet wurde, dann muss ich mich schon... weiterbilden.
• 23:17
  Speaker 0: Ich muss meine Mitarbeitenden qualifizieren, dass sie mit KI umgehen können, Risiken einschätzen können, vielleicht Compliance beachten.
• 23:24
  Speaker 0: Also so rudimentär bis hin zu natürlich, wenn ich jetzt irgendwie medizinische Daten verarbeite im Hochrisiko-Umfeld bin, muss ich ganz andere Auflagen erfüllen.
• 23:33
  Speaker 0: Und das passt ja vielleicht auch zu dem, was Sie gerade so sagten, dass die Unternehmen verschiedene, ich sag einmal, Qualifizierungsniveaus womöglich haben, wie Sie auf das Thema KI gerade schauen.
• 23:46
  Speaker 0: Könnte man aus ihrer Studie an der Stelle rausziehen?
• 23:48
  Speaker 0: Kann man dazu was sagen?
• 23:50
  Speaker 0: Wie gerade der Reifegrad der Weiterbildung zum Thema KI aus ihrer Datenlage ist?
• 23:57
  Speaker 0: Kann man dazu was sagen?
• 23:58
  Speaker 1: Ja, das ist ein sehr wichtiger Punkt in der Ansprechung, die KI-Verordnung.
• 24:02
  Speaker 1: Also der von Ihnen angesprochene, bekannte Artikel vier, der besagt, ja, Unternehmen sollen jetzt KI-Kompetenzen seit Februar, zweiundzwanzig für ihre Beschäftigten ausbauen.
• 24:12
  Speaker 1: ist natürlich etwas unvollständig in dem Sinne, dass Unternehmen, also beispielsweise wenn man jetzt die Perspektive eines kleinen oder mittelständigen Unternehmen in Deutschland annimmt, ist es etwas undurchsichtig, was das denn jetzt genau bedeutet.
• 24:27
  Speaker 1: Also was definiert denn jetzt KI-Kompetenz, was müssen Unternehmen genau machen, welche Angebote müssen die für ihre Beschäftigten schaffen?
• 24:34
  Speaker 1: und aber auch mit welchen Konsequenzen haben sie dann zu erreichen, wenn sie dies nicht machen?
• 24:37
  Speaker 1: Also das ist noch so ein bisschen ein intransparentes Umfeld.
• 24:42
  Speaker 1: Unternehmen haben dann noch eine gewisse Unsicherheit und das zieht sich allerdings leider noch etwas durch die ganze KI-Verordnung.
• 24:49
  Speaker 1: Also das gerade auch, wie gesagt, die Unternehmen, die vielleicht so im teineren und mittelständischen Bereich sind, die noch sehr, sehr viele Unsicherheiten erfahren derzeit, wie sie denn jetzt genau vorgehen, um komplett mit dem AI-Act zu sein.
• 25:03
  Speaker 1: Und das kann natürlich sich dann auch in ein Hemmnis ummünzen, dass sie tatsächlich dann vielleicht noch von einem KI-Einsatz derzeit absehen oder das in die Zukunft verschieben.
• 25:16
  Speaker 1: Das ist ein spannendes Umfeld, wie sich das weiterentwickeln wird.
• 25:20
  Speaker 1: Nichtsdestotrotz ist der KI die KI-Verordnung oder der AI-Akt natürlich... Total sinnvoll und auch der risikobilisierte Ansatz ist total sinnvoll und vereinbar mit europäischen Werten.
• 25:33
  Speaker 1: Es ist natürlich jetzt allerdings interessant zu sehen, wie er in der nächsten, in der Umsetzungsphase für Unternehmen handhabbar gemacht wird.
• 25:40
  Speaker 1: Und da ist meiner Meinung nach sollte da den Unternehmen noch mehr Unterspitzungsangebote an die Hand gegeben werden, beispielsweise Best Practices.
• 25:49
  Speaker 1: Wie kann ich als kleines oder mittelständiges Unternehmen identifizieren, ob die KI Anwendung, die ich jetzt nutzen will, also noch nicht mal die, die ich selbst entwickelt habe, sondern die, die ich vielleicht eingekauft habe oder die.
• 26:00
  Speaker 1: die mir kostenfrei zur Verfügung steht, die kann ich sie nutzen und dabei keine rechtlichen Risiken oder rechtlichen Fehltritte einzugehen.
• 26:08
  Speaker 1: Und das wird ganz entscheidend sein, wie das jetzt in der Zukunft erfolgt und welche Umsetzungshilfen es da vielleicht auch auf politischer Ebene für die Unternehmen geben wird.
• 26:17
  Speaker 0: Also da kann ich nur beiflichten, da warten so viele drauf.
• 26:21
  Speaker 0: Eine kleine Hilfestellung gibt's mittlerweile von der Bundesnetzagentur, von der man jetzt weiß, dass sie also hier die Aufsichtsinstanz oder diese Rolle wohl einnehmen soll.
• 26:30
  Speaker 0: Da gibt's mittlerweile einen kleinen Compliance-Checker.
• 26:34
  Speaker 0: Der hat ungefähr eine User-Experience gefühlt aus den Neunzigerjahren, aber es hat im Prinzip so diesen Charakter checklistenartiger Fragebogen, sodass ich halt weiß, ich meine, wenn man die KI-Verordnung gelesen hat.
• 26:46
  Speaker 0: dann kann man das auch wieder intellektuell selber einschätzen.
• 26:49
  Speaker 0: Aber im Grunde genommen sind wir jetzt Endanwender, innen von einem KI-Tool, oder sind wir womöglich in den höheren Risikoklassen und müssen uns jetzt dezidiert dort juristisch auch entsprechend aufstellen.
• 27:00
  Speaker 0: Also das, ich kann es mal mit in die Schaunot packen, ist so ein erster Versuch, dann ein bisschen was anzubieten, aber da brauchen wir auf jeden Fall mehr.
• 27:07
  Speaker 0: Ich pique es mal rein in einen Spezialthema, was Sie noch ausgewiesen haben in der Studie.
• 27:11
  Speaker 0: Das finde ich sehr spannend.
• 27:12
  Speaker 0: und zwar haben Sie hier so ja schon fast, glaube ich, nur in einem Diagramm erwähnt.
• 27:17
  Speaker 0: Aufsichtsräte und ja Menschen, die mit Unternehmensorganisationen und Strategie zu tun haben, da müsste man eigentlich ja sich auch anschauen, wie die KI-Kompetenz ist.
• 27:28
  Speaker 0: Es ist hier in diesem Bereich, wo KI-Anwendung in welchen Berufsfeldern sie aufschlägt.
• 27:34
  Speaker 0: Wir würden sie das denn einwerten, ich weiß nicht, ob sie es aus den Daten beantworten können, aber so ganz allgemein Vorstandsposition, Aufsichtsrat, Position, das müsste doch eigentlich auch ein spannendes Analysefeld sein, um da reinzuschauen, ob hier zum Beispiel zum Thema EUAI-Eckne müsste doch heutzutage das eigentlich eine Rolle mit sein, die ich auf der Ebene Aufsichtsrat mitdenken kann.
• 27:57
  Speaker 0: Ich weiß nicht, ob Sie dazu was aus den Daten haben.
• 28:00
  Speaker 1: Definitiv.
• 28:01
  Speaker 1: Also Sie haben vollkommen recht, innertlich.
• 28:04
  Speaker 1: In diesem Position werden die Entscheidungen getroffen, die Entscheidungen getroffen, ob KI-Lösung unternehmen zweit zugekauft, selbst entwickelt werden, ausgerollt werden, das sind die entscheidenden Aspekte.
• 28:16
  Speaker 1: Also gerade auch, wenn wir um Überhandelste sprechen des KI-Einsatzes, dann geht es nicht nur um das Mindset der Beschäftigten, tatsächlich KI im Arbeitsalltag operativ zu nutzen, sondern es geht auch auf der übergelagerten strategischen Ebene.
• 28:30
  Speaker 1: Sind davor Behalte gegenüber KI oder ist man da offen gegenüber KI und erkennt die Potenziale, die KI einsetzen können.
• 28:38
  Speaker 1: In unserer Analyse haben wir, ja, wir haben uns Berufe angeschaut, genau, und diese Berufsgruppe gibt es.
• 28:44
  Speaker 1: Und da sehen wir auch tatsächlich eine Zunahme der KI-Kompetenz.
• 28:49
  Speaker 1: Und das ist ganz interessant, weil genau aus dem Aspekt, den ich genannt habe, braucht diese organisatorische Ebene, beispielsweise Unternehmen, als Beispiel ein generatives KI-Tool einsetzen will, also eine geschlossene Lösung, die mit Unternehmensdaten trainiert wird, beispielsweise im Bereich des Wissenmanagement.
• 29:08
  Speaker 1: Dann braucht es natürlich auf einer strategischen Ebene da gewisse Entscheidungen, die getroffen werden, gewisse Kompetenz auch, was die Anwendung können sollen, inwieweit sie profitabel für das Unternehmen sind, in die wir die Effizienzsteigerungen auslösen, als brauchen Grund um Verständnis.
• 29:27
  Speaker 1: Und deswegen ist es umso interessanter, dass man das sogar jetzt hier bei uns in dem Stellanzeigendatenplatz sieht, dass hier auch Kompetenzen auf dieser oberen Ebene voraus gehört zu werden.
• 29:37
  Speaker 0: Also wenn ich sehe jetzt hier quasi so als Suchmaschine quasi missbrauchen darf, ist es nämlich super spannend, dass man hier solche Fragen stellen kann.
• 29:44
  Speaker 0: Gibt es das auch für Behörden?
• 29:45
  Speaker 0: Ich komme ja eben von der Hochschule, wo wir uns natürlich hauptsächlich mit dem Thema Staat und Verwaltung auseinandersetzen, beziehungsweise das auch so der Outcome an Studierenden nachher ist.
• 29:55
  Speaker 0: Gibt es dazu auch eine Erkenntnis?
• 29:57
  Speaker 0: Das würde mich extrem interessieren, weil wir haben das natürlich auch versucht, schon mal so ein bisschen in ersten Studien anzuskizzieren, aber natürlich bei Weitem nicht mit so einem Datensatz wie Sie den haben.
• 30:08
  Speaker 0: Gibt es das auch ein Subset?
• 30:11
  Speaker 1: Da müsste man sich vermutlich die Branchen eher anschauen und nicht die Berufe, weil die Berufe, die wir jetzt sehen, also beispielsweise auch Informatikberufe, die können natürlich auch... je nach Ausschreiben Unternehmen auch in Verwaltungs, also im Behörden gefragt werden.
• 30:28
  Speaker 1: Also da kann ich Ihnen jetzt keine genauen Zahlen nennen oder keine genauen Entwicklungen nennen, weil wir uns da die Branche Perspektive anschauen müssten.
• 30:34
  Speaker 1: Allerdings gebe ich Ihnen vor, kommen rechts Potenziales in Behörden natürlich vorhanden, vielleicht sogar noch einen Ticken höher als in Unternehmen.
• 30:45
  Speaker 1: Ja, aber da... Ja, da kann ich jetzt keine ausführliche Antwort leider zu liefern.
• 30:50
  Speaker 1: Das müsste man sich im nächsten Schritt mal anschauen.
• 30:52
  Speaker 1: Genau,
• 30:53
  Speaker 0: wir machen dann gerne eine gemeinsame Studie, weil meine Othese dabei ist, ob man auch vorher sagen kann, wie der digitale Reifegrad ist.
• 30:59
  Speaker 0: Also wenn man in solchen Reifegradmodellen denkt, wie wir das in der Technologie ja oft gerne machen, dann kann man ja möglicherweise daraus auch ableiten, wie, wie intensiv beschäftigt sich jetzt eine Organisation mit KI?
• 31:11
  Speaker 0: Also kommt da jetzt sowas wie vorhin hatten hier so ein Deep Tech Begriff vor sozusagen oder schreiben die.
• 31:16
  Speaker 0: Sie können ChatGPT bedienen.
• 31:18
  Speaker 0: So nach dem Motto mal ganz stark vereinfacht gesagt.
• 31:20
  Speaker 0: Und damit könnte man ja schon auch so ein Gefühl dafür kriegen, an welcher Stelle entwickeln sich gerade in verschiedenen branchen Technologien.
• 31:27
  Speaker 0: Das wäre so die Forschungsidee dabei, sozusagen.
• 31:31
  Speaker 1: Ja, also das ist ein total interessanter Punkt.
• 31:33
  Speaker 1: und das ist auch, wenn man darüber nachdenkt, das haben wir auch am Ende der Studie gemacht, wenn man überlegt, was sollte denn jetzt geschehen, damit Deutschland hier vielleicht wieder auf den Wachstumsfahrt bei den KI bedarfen kommt.
• 31:45
  Speaker 1: Dann ist eigentlich der Punkt, der auf gar keinen Fall vernachlässigt werden darf, ist, dass Unternehmen selbst die digitalen Voraussetzungen in den Unternehmen schaffen müssen, um KI-Bord einsetzen zu können.
• 31:57
  Speaker 1: Also, man neigt vor allem, gerade wenn man sich intensiv aus Forschungssicht mit dem Thema KI beschäftigt dazu, dass die Unternehmen jetzt eigentlich alle loslegen könnten und KI direkt einsetzen könnten.
• 32:11
  Speaker 1: Tatsächlich ist in vielen Unternehmen in Deutschland auch der Fall, dass diese digitalen Voraussetzungen noch gar nicht vorhanden sind.
• 32:17
  Speaker 1: Wir hatten jetzt vor ein paar Jahren einmal eine Studie zur sogenannten Beta Economy Readiness durchgeführt.
• 32:23
  Speaker 1: Also da haben wir uns mal angeschaut, umfragebasiert, also eine Unternehmensumfrage über drei Jahre durchgeführt und uns angeschaut, inwieweit speichern die Unternehmen überhaupt ihre Daten umfangreich, inwieweit Managen oder verarbeiten sie unter Unternehmensdaten strukturiert und inwieweit nutzen sie ihre Daten.
• 32:42
  Speaker 1: und aus diesen drei kompetenten aus diesen drei Komponenten haben wir so eine Art Modell sollen Modell gebaut.
• 32:48
  Speaker 1: Und was daraus kommt, ist, dass gerade mal ein Drittel der Unternehmen die Raussetzung erfüllt, um ihre Daten effizient bewirtschaften zu können.
• 32:55
  Speaker 1: Also, manchmal muss man vielleicht noch einen Schritt zurückgehen und sagen, die Unternehmen müssten hier vielleicht noch so die Grundlage schaffen, damit die KI-Anwendungen sehr, sehr effizient bei ihnen eingesetzt werden.
• 33:06
  Speaker 1: Natürlich darf man nicht alle KI-Anwendungen über einen Camp sharen.
• 33:09
  Speaker 1: Also, wie gesagt, generative KI-Anwendungen sind deutlich... Ja, leichter, benutzerfreundlicher, aber auch leichter zugänglicher.
• 33:17
  Speaker 1: Also da müssen vielleicht nicht die high-end Datenmanagementstrategien im Unternehmen verfolgt werden, sondern die können vielleicht auch leichter durchgeführt werden.
• 33:28
  Speaker 1: Allerdings, wenn es darum geht, eigene Unternehmensdaten strukturiert in die Karriereinwendung einfließen zu lassen, dann ist das natürlich bunt Voraussetzung.
• 33:36
  Speaker 0: Ja, da hätte ich vielleicht dann auch ein Datensatz zu, denn was ich da immer ganz witzig finde und was ihre Hypothese nochmal bestätigt ist, wenn man sich Abschlussarbeitstitel anschaut von Studierenden in solchen Unternehmen, dann gibt es die, die halt wirklich da einsteigen und was Konkretes machen.
• 33:51
  Speaker 0: Ich sage jetzt keine Titel und keine Unternehmen und dann gibt es welche.
• 33:54
  Speaker 0: Das schicke ich die Studierenden immer zurück und sage, das waren die Digitalisierungs-Hausaufgaben der neunziger Jahren.
• 33:59
  Speaker 0: Das ist sicherlich interessant für das Unternehmen, das jetzt umzusetzen, aber aus Akademischem Anspruch für eine Abschlussarbeit müsste man vielleicht nochmal das Thema reflektieren.
• 34:08
  Speaker 0: Das ist ja genau das, also auch als weiterer Datenpunkt nochmal.
• 34:12
  Speaker 0: Also stimm mich total zu.
• 34:13
  Speaker 0: jetzt nochmal was kontroverses.
• 34:14
  Speaker 0: Ich weiß nicht, inwieweit hier das Thema Patente mit eingeflossen ist in die Studie.
• 34:19
  Speaker 0: Es wird auf jeden Fall mal hier noch gesagt.
• 34:22
  Speaker 0: dass sie sich angeschaut haben, wie viele KI-basierte Patente es in Deutschland gibt.
• 34:27
  Speaker 0: Und da möchte ich immer zur Diskussion stellen, dass wir eigentlich, so kenne ich es zumindest aus meiner Industrie-Historie und aus der universitären Welt, Nicht unbedingt den Anspruch an Deutschland haben, codende Personen, also Coderinnen und Coder, in Richtung von Patenten zu schubsen, weil das einfach in Deutschland relativ schwierig ist, hoffferbasierte Patente zu bekommen.
• 34:48
  Speaker 0: Und ich habe mir diese Schöpfungshöhe, ich habe es vorhin noch mal nach den Lesen, ich weiß nicht, wie sich auf Vieristen Deutsch sich richtig ausdrücken muss, aber halt ich muss irgendwie eine technologische Implikation haben, also unterm Strich, wenn ich Robert Bosch bin und danach irgendeine Maschine was mit der KI tut, dann ist gut, aber wehe ich habe irgendwie einen tollen Algorithmen, entwickelt oder womöglich sowas wie die Touch-Oberfläche von Apple, also das ist bei Weitem nicht die deutsche Schöpfungshöhe, ist jetzt stark vereinfacht juristisch falsch.
• 35:13
  Speaker 0: Aber deshalb gucke ich das so kritisch an, dass man sich die Patente anschaut.
• 35:16
  Speaker 0: Ist das ein guter Indikator, um diesen KI-Reifegrad hier mit einzumischen?
• 35:21
  Speaker 0: Warum haben sich dafür entschieden?
• 35:24
  Speaker 1: Ich bin da auch mal etwas zwiespalten, dann danke das jetzt ansprechen, das ist genau der Grund.
• 35:28
  Speaker 1: Also das ich los da auch immer auf die, ich glaube die Aussage, die mir vermittelt würde, ist, dass Patente in Deutschland oder in Europa eine gewisse Technizität benötigen.
• 35:36
  Speaker 1: Was auch immer das bedeutet.
• 35:37
  Speaker 0: Okay.
• 35:39
  Speaker 1: Also wir haben uns das mal angeschaut, wir haben beim Institut auch da einen eigenen Bereich, die sich gerade auch intensiv mit Patenten beschäftigen und da haben wir dann auch mal versucht, KI-Patente zu analysieren, auszuwerten in Deutschland.
• 35:51
  Speaker 1: Was kommt daraus, wenn man sich das regional anschaut, der Großteil entfällt auf die Automobilstandorte und die Zulieferer?
• 35:59
  Speaker 1: Weil sie einfach technologisch sehr, sehr weit sind und halt diese Technikität mitbringen.
• 36:04
  Speaker 1: Das ist aber vollkommen richtig, was Sie sagen.
• 36:07
  Speaker 1: Es gibt einzelne KI-Hoffnungen in Deutschland, beispielsweise die DL aus dem Kölner Bereich.
• 36:15
  Speaker 1: Ich glaube nicht, dass die in solchen Datenbanken auftauchen würden mit ihrem Algorithmus, den Sie schreiben.
• 36:20
  Speaker 1: Und das ist halt klar so ein bisschen schwierig.
• 36:22
  Speaker 1: Aber nicht dazu trotz, kann man... Wir haben es jetzt so als Art Unterstützung der unserer regionalen Analyse genutzt.
• 36:31
  Speaker 1: Und was dabei gleich rauskommt, ist, dass wir, wie gesagt, die KI-Bedarf einmal regional in Deutschland angeschaut haben.
• 36:37
  Speaker 1: Da sehen wir, dass gerade die Großstädte da herausstechen, generell aber auch der Südwesten Deutschlands, in dem viele Unternehmen mit KI-Kompetenzen fordern.
• 36:45
  Speaker 1: Und daneben haben wir einmal gelegt, wie sieht es denn mit der KI-Forschung-Klandschaft aus?
• 36:50
  Speaker 1: Also beispielsweise Hochschulen, die KI-Spürlinggänge anbieten, also beispielsweise Absolventzinnen und Absolventen ausbilden, die dann vielleicht auch in der unmittelbaren Nähe einen Arbeitsplatz suchen, aber auch zum Beispiel, wie sieht die Verteilung der KI-Startups in Deutschland aus?
• 37:04
  Speaker 1: Da sehen wir auch, dass die vor allem in Großstädten angesiedelt sind, München, Berlinstechen hier heraus.
• 37:10
  Speaker 1: Aber... dritter Faktor natürlich auch die KI-Patente.
• 37:13
  Speaker 1: Und da sehen wir halt schon, dass es zwischen all diesen Bereichen hohe Übersteidung regional gibt und dass sich so Art kraster Netzwerke bilden.
• 37:21
  Speaker 1: Interessanterweise auch mit Ausstrahleeffekten auf die umliegenden eher Landkreise in der Großstädte in Deutschland, also beispielsweise um Stuttgart, beispielsweise um München, beispielsweise um Berlin.
• 37:33
  Speaker 1: Das ist ganz interessant und es ist vermutlich so ein Zusammenspiel aus diesen ganzen Komponenten, wenn gleich, wie gesagt.
• 37:40
  Speaker 1: KI-Patente jetzt vielleicht nicht die beste Messgröße sind.
• 37:43
  Speaker 1: Da gibt es ihn vorkommen.
• 37:45
  Speaker 0: Aber wenn man noch mal ein bisschen rauszoomt, wie ist denn dann Ihre Gesamteinschätzung?
• 37:50
  Speaker 0: Also in der Studie klingt es tatsächlich einigermaßen pessimistisch.
• 37:53
  Speaker 0: Ich lese mal kurz vor.
• 37:54
  Speaker 0: Insgesamt deutet die Analyse darauf hin, dass Deutschland Gefahr läuft, beim Zukunftszimmer KI viel Potenzial ungenutzt zu lassen.
• 38:02
  Speaker 0: Gut, jetzt ist die Studie schon wieder ein paar Wochen her.
• 38:04
  Speaker 0: Die Daten sind auch natürlich schon entsprechend älter, bis sie da reingelaufen sind.
• 38:08
  Speaker 0: Wie würden Sie das jetzt, August Ende, August, fast September, guten Blick quasi auf die gesamte Situation so in Deutschland.
• 38:19
  Speaker 1: Ja, also weiterhin sehr ähnlich.
• 38:21
  Speaker 1: Also das hat uns der Techt auch ein bisschen überrascht, dass jetzt die stagnierende Entwicklung zwei, drei, zwanzig und zwei, vier, zwanzig erfolgt.
• 38:27
  Speaker 1: Es werden als erste Gedanken natürlich auch gedacht.
• 38:31
  Speaker 1: Generative KI beflügelt das Ganze.
• 38:33
  Speaker 1: Also wenn man sich auch mal, das haben wir in einer kurzen Analyse uns mal angeschaut, wenn man sich nur die die Skills, erforderlichen Skills für Generative KI oder aber auch für ChatGPT anschaut, dann sieht man auch, dass es so eine Art steigender, am Ende ein bisschen abflachender Verlauf ist.
• 38:47
  Speaker 1: Also wir hätten gedacht, dass es mehr ist.
• 38:49
  Speaker 1: Und da sehen wir halt auch, dass Unternehmen gewisse Hemmnisse hier auch haben, um stärker.
• 38:55
  Speaker 1: oder das Hemm ist einfach dafür, dass dieser Wachstumstrend bei den KI bedarf und fortnimmt.
• 38:59
  Speaker 1: Das fanden wir etwas ja einerseits bemerkenswert auf der anderen Seite natürlich auch.
• 39:04
  Speaker 1: ein wenig bedrohlich, vielleicht nicht bedrohlich, aber ein bisschen vielleicht ärgerlich, weil wenn man sich anschaut, wie die deutsche Gesamtsituation aussieht, sieht man doch, dass Deutschland eine exzellente KI-Forschungslandschaft hat, dass Deutschland auch gerade die deutsche Industrie einen Riesendatenschatz hat, der sich sehr gut für KI-Anwendung eignen würde.
• 39:25
  Speaker 1: Und da ist jetzt gerade die Frage, gerade durch die hohen Innovationszyklen bei KI, also gerade generative KI, wem gelingt es als erstes oder welcher Nation oder welchen Unternehmen gelingt es als erstes, hier diese Anwendung wertschöpfungsrelevant in die Produktion oder in die Unternehmen hineinzubringen.
• 39:46
  Speaker 1: Das ist ein sehr spannendes Fall gerade.
• 39:48
  Speaker 1: Und da hätten wir jetzt eigentlich erwartet oder wäre unsere Hoffnung, dass die KI-Bedarfe in Zukunft wieder zunehmen werden.
• 39:56
  Speaker 1: Verlauf der nächsten Jahre.
• 40:00
  Speaker 0: Bevor ich zu meiner letzten Frage komme, wag ich da tatsächlich eine Prognose.
• 40:04
  Speaker 0: Denn eine Sache, die ich beobachte, gerade wenn Sie das Thema Forschung ansprechen und man in die Spitzenforschung reinschaut, ich glaube, Wenn man also die Daten da auch sicher einfach dann nimmt, wie viele Studiengänger haben wir da, was haben wir da für Errungenschaften, Zitationen in der Forschung, da sind wir richtig stark.
• 40:23
  Speaker 0: Und jetzt breche ich meine Lanze für die Hochschulen angewandter Wissenschaften.
• 40:26
  Speaker 0: Denn es muss ja, was Sie gerade sagten, es muss jetzt in die Organisation reingehen.
• 40:30
  Speaker 0: Und wenn ich jetzt Exzellenzuniversität bin und ganz nah am Thema Grundlagenforschung, KI, entwickeln, dann ist das super spannend eben für die Forschung und für Dinge.
• 40:41
  Speaker 0: die daraus entstehen, aber das hat halt quasi mit dem deutschen Mittelstand im Zweifelsfall gar nichts zu tun oder mit einer mittelgroßen Behörde.
• 40:49
  Speaker 0: Sondern da brauche ich halt diese ganz klassischen Transformationsthemen und Projekte, wo man sich sozusagen nicht zu feines mal die Hände schmutzig zu machen und dann mal eine Modellfein zu tunen, Agenten aufzubauen, eher basierend auf Language-Modellen und so weiter, was natürlich dann wiederum für die Gruppe, die in der Exzellenzforschung unterwegs sein möchte oder da drin ihre Karriere aufgebaut hat, dann wieder total uninteressant ist, weil ist zu Praxis nach.
• 41:16
  Speaker 0: Also da, glaube ich, haben wir auch eine Chance eigentlich, dass wir mit den ganzen Business-Schools, die wir haben und Universities of Applied Science, da eigentlich die Stärke, die müssten wir eigentlich spielen aus meiner Sicht.
• 41:26
  Speaker 0: Das wäre wunderbar.
• 41:28
  Speaker 0: Okay, was ich zum Schluss immer frage ist, was wäre denn jetzt so mit den ganzen Daten, die wir besprochen haben, die ganze Studie, ihre Erfahrung, was wäre denn so ihr Appell an junge Menschen, die jetzt ihr Studium absolvieren, vielleicht auch gewisse technische Affinitäten mitbringen.
• 41:42
  Speaker 0: Wie müssten die sich jetzt für so einen Jobmarkt, den wir jetzt hier besprochen haben, die letzte Dreiviertelstunde grüsten?
• 41:48
  Speaker 0: Was wäre ihr Appell?
• 41:51
  Speaker 1: Ja, also ganz wichtig, wie Sie sagen, wenn man jetzt nicht konkret die Personen anspricht, sondern mal überklagert sich anschaut, was dann geschehen muss, ist KI-Kompetenz muss aufgebaut werden.
• 42:04
  Speaker 1: Die Frage ist natürlich, wie geschieht das?
• 42:05
  Speaker 1: Wir hatten jetzt einige Aspekte schon angesprochen.
• 42:09
  Speaker 1: Was wichtig ist, Menschen müssen für KI begeistert werden.
• 42:12
  Speaker 1: Das fängt in der Schule an, das fängt in den Studium an, das fängt in der Ausbildung, aber auch in Weiterbildung in den Unternehmen.
• 42:17
  Speaker 1: Also bereits ausgelernte Beschäftigte, die kontinuierlich am Arbeitsplatz weitergebildet werden.
• 42:22
  Speaker 1: Also in all diese Bereiche muss Begeisterung für KI hineinkommen.
• 42:26
  Speaker 1: Die Beschäftigten oder wie gesagt, jegliche Personen, die da Ankündigepunkte haben, sollten dafür begeistert werden.
• 42:34
  Speaker 1: Es geht andererseits auch um Zuwanderung ausländischer Beschäftigter, das hatte ich eben angesprochen, ein Riesenerfolgsfaktor, bis jetzt der KI-Beschäftigung in Deutschland, das muss weitergeschehen, das muss gut organisiert werden, dass die Möglichkeiten müssen da sein.
• 42:49
  Speaker 1: Da geht es um Visa-Unterspitzung, beispielsweise, wenn es um außereuropäische Beschäftigte geht.
• 42:55
  Speaker 1: Und es geht natürlich auch darum, dass Einerseits auch die digitale Infrastruktur mithalten muss.
• 43:01
  Speaker 1: Also das ist jetzt noch mal abgesehen von dem Kompetenzthemen, aber da haben wir jetzt auch gar nichts übergesprochen.
• 43:05
  Speaker 1: Es geht um Rechenzentren, es geht um Glasfaserausbau.
• 43:07
  Speaker 1: Das ist eine wichtige Aspekte, die hier mit hineinkommen müssten.
• 43:14
  Speaker 1: Wenn Sie jetzt gezählt darauf ansprechen, es ist natürlich etwas schwierig, gerade auch in dem KI-Entwicklungsbereich, vielleicht auch, wenn man überlegt, als Querentsteiger jetzt in die KI-Entwicklung hineinzubekommen, da haben Sie gesagt, das ist das Expertenwissen sehr, sehr hoch.
• 43:29
  Speaker 1: Aber ich finde auch gerade dieser KI-Anwendungsbereich, auch vielleicht, wenn man aus anderen Disziplinen kommen, bieten gerade die neuen Möglichkeiten von generative KI doch auch die Chance für Beschäftigte hier KI in verschiedensten, vielleicht auch in ihren Disziplinen anwenden zu können.
• 43:45
  Speaker 1: Also da kann man dann natürlich nur für eine Offenheit zu sensibilisieren.
• 43:49
  Speaker 1: und wie Sie es gerade eben auch gesagt haben, diese Brücke zwischen Forschung, also Exzellenzforschung und auch Anwendung in mittelständischen Unternehmen, die ist ganz schwierig zu begehen.
• 44:00
  Speaker 1: Da geht es um Mindset, da geht es um Mindset der Beschäftigten, Unternehmensführung, da geht es auch um Vorbehalte gegenüber KI, die tatsächlich häufig vertreten sind.
• 44:10
  Speaker 1: Und da geht es darum, dass diese Lösung dann, wie gesagt, aus der anderen Richtung auch vermittelt werden müsste.
• 44:16
  Speaker 1: Also insgesamt alles, was man sensibilisieren kann, um Beschäftigte oder Solventin, Schülerinnen und Schüler für das Thema KI zu begeistern sollte.
• 44:27
  Speaker 1: sollte möglich gemacht werden.
• 44:29
  Speaker 1: Da steckt sehr, sehr viel Potenzial.
• 44:30
  Speaker 1: Es gibt, glaube ich, Auswertungen zu weiblichen Studierenden in Informatikstudiengängen, die, ich glaube, da gibt es, ich habe die Zahlen nicht mehr ganz im Kopf, aber ich glaube, das sind einen Anteil von zwanzig Prozent ungefähr.
• 44:42
  Speaker 0: Das wäre wahrscheinlich hoch.
• 44:43
  Speaker 1: Ja, genau.
• 44:44
  Speaker 1: Und da sieht man allein, welches Potenzial da gerade auch noch bei weiblichen Schülerinnen und Schüler steckt, die Interesse an KI haben.
• 44:51
  Speaker 1: Und wenn das frühzeitig vermittelt wird, auch schon in der Schule, dann ... Ja, kann man da noch viel, viel mehr schaffen.
• 44:58
  Speaker 0: Jede Menge Impulse.
• 44:59
  Speaker 0: Herr Büchel, ich danke Ihnen für Ihre Zeit und das Gespräch und all die Studien, natürlich die Kernstudie, über die wir gesprochen haben, aber auch die weiteren, die Sie erwähnt haben, versuche ich, in den Shownotes nachzutragen.
• 45:09
  Speaker 0: Super spannend.
• 45:10
  Speaker 0: Ich danke Ihnen ganz herzlich.
• 45:12
  Speaker 1: Vielen Dank auch von meiner Seite.
• 45:21
  Speaker 0: So weit also mein Gespräch mit Jan Büchel vom Institut der Deutschen Wirtschaft.
• 45:25
  Speaker 0: Und damit endet diese Forschungsimpulsfolge.
• 45:29
  Speaker 0: In den Show-Notes sind natürlich die entsprechenden Studien noch mal verlinkt.
• 45:33
  Speaker 0: Ich kann nur dafür Werbung machen, sich dort ein bisschen einzunörden und auch nicht nur diesen Studien, sondern auch den Folgestudien vom IW einmal zu folgen und einen Blick darauf zu haben.
• 45:46
  Speaker 0: Denn das Thema EUAI-Act und die entsprechenden Kompetenzanforderungen Anorganisationen, die KI nutzen, werden faktisch mehr und mehr in unsere Alltagsrealität hineintauchen.
• 45:58
  Speaker 0: Und neben dieser Perspektive in Wirtschaft und Organisation hinein hat das natürlich auch jede Menge Auswirkungen auf die Forschung.
• 46:06
  Speaker 0: Und auch da sind diese Studien vom IW unheimlich interessant, denn sie haben einfach einen grandiosen Datensatz, ja mit zehn Millionen Datensätzen pro Jahr, was jetzt nur das Thema Stellenanzeigen angeht, wo man aus ganz vielen Forschungsperspektiven einfach etwas mit anfangen kann.
• 46:25
  Speaker 0: Insofern hoffe ich, euch und Ihnen hat diese Folge Forschungsempuls nicht nur gefallen, sondern sie vielleicht auch weitergebracht und wir hören uns dann wieder in der nächsten Episode vom Forschungsempuls.