Künstliche Intelligenz erweist sich schnell als Differenzierungsmerkmal für Unternehmen. Hier sind die Schlüsselrollen und Fähigkeiten, die Sie vielleicht bald für Ihr KI A-Team besetzen müssen. [...]
Künstliche Intelligenz steht kurz davor, fast jede Branche umzugestalten, und mit ihr werden sich für viele Aufgabenbereiche bedeutende Veränderungen ergeben. Viele Funktionen in Unternehmen werden in den kommenden Jahren zumindest in gewissem Umfang den Einsatz von Technologien der künstlichen Intelligenz erfordern, wodurch sich für KI-Fachleute unabhängig von ihrer Disziplin neue massive Möglichkeiten ergeben werden.
Parallel zu diesem Wandel, wie viele IT- und Geschäftsmitarbeiter ihre Arbeit verrichten, werden neue Arbeitsplätze entstehen, die darauf abzielen, das Beste aus den KI-Strategien der Unternehmen herauszuholen. Ingenieure im Bereich des maschinellen Lernens haben ihren Platz als unverzichtbare Mitglieder von KI-Teams bereits gefestigt und belegten im vergangenen Jahr den ersten Platz in der Liste der besten Jobs von Indeed. Der KI-Spezialist stand auch an der Spitze des LinkedIn-Berichts 2020 Emerging Jobs, mit einem jährlichen Wachstum von 74 Prozent in den letzten vier Jahren, gefolgt von Roboteringenieur und Datenwissenschaftler.
Tatsächlich könnte selbst während der Pandemie die Zahl der KI-bezogenen Arbeitsplätze weltweit um 13 bis 16 Prozent steigen, so die IDC-Analystin Ritu Jyoti.
„Aufgrund der Pandemie geht IDC davon aus, dass die Ausgaben für KI und die Beschäftigung im Gesundheitswesen, im Bildungswesen, in der Versicherung, bei den Pharmaunternehmen und bei den Bundesregierungen steigen werden“, meint sie.
Wir haben uns an IT-Führungskräfte, KI-Experten und Branchenanalysten gewandt, um ein Gefühl dafür zu bekommen, welche Arten von KI-Funktionen sich ihrer Meinung nach herausbilden werden, wenn die KI das Unternehmen stärker in den Griff nimmt. Einige führende Unternehmen besetzen diese Posten bereits und geben Einblick in die Zusammensetzung der Fähigkeiten, die für den Erfolg in diesen Positionen erforderlich sind.
Chief AI Officer
KI-Führungsrollen fallen unter eine Reihe von Titeln: Vice President of AI and Machine Learning, Chief Innovation Officer, Chief Digital Officer und viele andere.
Wie auch immer der Name genau lautet, diese „Chief AI Officers“ müssen verstehen, wie sich kognitive Technologien auf das Geschäft auswirken, die KI-Strategie des Unternehmens entwickeln und diese dem Vorstand, den Führungskräften, Mitarbeitern und Kunden erklären. Zudem arbeiten sie gemeinsam mit dem CIO an der Umsetzung dieser Strategie, um die Bedürfnisse des Unternehmens und aller Interessengruppen bestmöglich zu erfüllen.
Nicole Eagan, Chief AI Officer bei der Cybersicherheitsfirma Darktrace, teilt ihre Zeit auf, indem sie mit internen Technologieteams arbeitet, mit Kunden spricht und die KI-Strategie des Unternehmens evangelisiert, wozu auch gehört, dass sie herausfindet, wie man die menschlichen Anstrengungen mit KI ergänzen kann, zum Beispiel bei der Erkennung und Untersuchung von Bedrohungen.
„Ich arbeite mit dem CTO und unserem KI-Labor zusammen, um neue Bereiche für Forschung und Entwicklung zu erschließen“, erzählt Eagan, die zuvor in den Reihen der Oracle Strategy Group zum Senior Director of Strategic Marketing aufstieg.
Eagan erweitert ihre technischen KI-Fähigkeiten kontinuierlich durch Online-Kurse, aber ihre Rolle bei Darktrace ist eher geschäftsorientiert und wendet KI auf Probleme der realen Welt an, anstatt Algorithmen zu entwickeln und Code zu schreiben. „Wir haben über 35 Doktoranden mit fortgeschrittener Mathematik, maschinellem Lernen und KI-Fachkenntnissen, die in unseren Labors arbeiten“, erklärt sie.
Howie Xu, Vice President of AI and Machine Learning bei Zscaler, stieg in den technischen Rängen auf und ergänzte seine Erfahrung durch betriebswirtschaftliche Kenntnisse. Der ehemalige Leiter von Ciscos Geschäftsbereich für Cloud- und Netzwerkdienste verfügt über einen MBA-Abschluss in Stanford und einen fundierten Produkt-Hintergrund.
„Als ich zu Zscaler kam, bestand meine Rolle mehr in der Technologie“, berichtet er. „Aber um die Vorteile von KI und ML voll ausschöpfen zu können, musste ich mich weiterentwickeln und mehr über die Auswirkungen auf das Geschäft nachdenken.“
Er empfiehlt den KI-Chefanwärtern, sich auf Bereiche zu konzentrieren, in denen KI und ML eine zehnfache Verbesserung des Geschäftswerts bringen können. „Seien Sie diszipliniert bei den Geschäftskennzahlen, bevor Sie die Technologie einsetzen“, rät er.
AI Ethics Officer
Eine weitere hochrangige Position, die eine umfangreiche Arbeit mit Interessenvertretern erfordert, ist der Ethikbeauftragte für KI. Die Rolle kann sich auch auf die Bereiche Risiko und Governance erstrecken und muss möglicherweise neben den Technologieteams auch mit Regierungsbehörden, gemeinnützigen Organisationen, Rechtsteams, Anwendern und Datenschutzgruppen koordiniert werden.
Kathy Baxter, Architektin für ethische KI-Praxis bei Salesforce.com, meint, dass KI-Ethikbeauftragte eine Leidenschaft für Technologie, aber auch eine gesunde Skepsis haben müssen. „KI ist keine Magie und nicht für jede Herausforderung geeignet. Man muss häufig nicht nur fragen ‚können wir das tun?‘, sondern auch ’sollten wir das tun?'“, betont Baxter, die zuvor bei Google, eBay und Oracle in der User Experience-Forschung tätig war.
Obwohl technische Kenntnisse äußerst hilfreich sind, müssen KI-Ethikbeauftragte nicht unbedingt Informatiker oder Datenwissenschaftler sein, sagt sie. „Wichtiger ist es, einen humanistischen Hintergrund wie Psychologie, Soziologie, Philosophie oder Mensch-Computer-Interaktion zu haben“, sagt sie. „Es ist entscheidend, sich darauf zu konzentrieren, jeden zu verstehen, der von der Technologie, ihren Bedürfnissen, ihrem Kontext und ihren Werten beeinflusst wird.“
Baxter, die einen Master-Abschluss in Human Factors Engineering und einen Bachelor-Abschluss in Angewandter Psychologie hat, hält auch die Fähigkeit, emotionale Debatten zu deeskalieren, für hilfreich. „Wenn wir über Ethik sprechen, können die Menschen das Gefühl haben, dass ihre Werte in Frage gestellt werden“, meint sie. „Die Fähigkeit, gesunde Debatten in einer integrativen Weise zu führen, kann den Unterschied zwischen Erfolg und Misserfolg ausmachen.“
Unternehmen, die beim Einsatz der KI auf Ethik achten, schaffen sicherere und gerechtere Umgebungen, meint sie. Darüber hinaus sei eine unvoreingenommene KI genauer und führe zu einer besseren Unternehmensleistung.
„Die KI-Regulierung kommt, so dass die Schaffung einer ethischen KI-Praxis Sie jetzt besser auf die Einhaltung der Vorschriften vorbereiten wird“, fügt sie hinzu.
AI Business Analyst
Um aus KI-Modellen Nutzen zu ziehen, müssen Datenwissenschaftler mit Geschäftsanalysten gepaart werden, so Shuman Ghosemajumder, Global Head of Artificial Intelligence bei Shape Security, der bereits jemanden in dieser Funktion eingestellt hat und den Bereich mit der Zeit erweitern wird.
„Ein KI-Geschäftsanalyst sollte ein ausgeprägtes Verständnis für das Unternehmen, sein Geschäftsmodell und die Geschäftsprozesse oder das Produkt haben, für das er KI-Lösungen entwickeln möchte“, erklärt er und fügt hinzu, dass er auch technisch versiert sein muss, um mit Datenwissenschaftlern und Dateningenieuren zusammenarbeiten zu können.
Eine verwandte Rolle, der AI Business Operations Manager, arbeitet auf der Geschäftsseite, um Geschäftsprozesse, die KI verwenden, zu verwalten und zu verbessern. „Ein KI-Betriebsleiter sollte über grundlegende Kenntnisse der Betriebsabläufe und Erfahrung in den besonderen Geschäftsprozessen verfügen, die durch KI automatisiert werden“, meint Ghosemajumder. Er sollte auch in der Lage sein, die von diesen Vorgängen erzeugten Daten zu analysieren.
Leute zu finden, die geschäftsorientierte KI-Rollen übernehmen, kann schwieriger sein, als es klingt, findet Anand Rao, Partner und globaler KI-Leiter bei PricewaterhouseCoopers.
„Universitäten und andere Berufsbildungseinrichtungen konkurrieren um die Ausbildung einer Reihe von technischen Einstiegsberufen“, erklärt er. „Die Geschäfts- und Führungspositionen müssen jedoch innerhalb des Unternehmens wachsen und gepflegt werden und stellen eine große Herausforderung dar, die es zu besetzen gilt“.
Chief Data Scientist
Typischerweise ist die oberste Position der technischen KI in einem Unternehmen die Rolle des Chefdatenwissenschaftlers, die sich dahingehend entwickelt hat, dass sie mehr technische und geschäftliche Fähigkeiten umfasst.
„Vor fünf Jahren waren Datenwissenschaftler noch Statistiker“, so Brian McCarthy, Leiter des Bereichs Analytics Transformation bei McKinsey & Co. „Heute sehen wir, dass Datenwissenschaftler eher einen technologischen Hintergrund haben“.
Datenwissenschaftler wissen, welche Daten sie verwenden und welche Algorithmen sie einsetzen müssen, um die besten Ergebnisse zu erzielen. Sie arbeiten mit Dateningenieuren und Softwareentwicklern zusammen, um dieses Know-how in funktionierende Anwendungen zu verwandeln – und mit Geschäftsbereichen, um sicherzustellen, dass die Technologie den Geschäftsanforderungen entspricht.
Michael Roytman, leitender Datenwissenschaftler bei Kenna Security, erhielt 2012 seinen Master in Operations Research am Georgia Institute of Technology, wo er sich mit stochastischen Prozessen und Optimierungen beschäftigte. Danach wechselte er als Datenwissenschaftler zu Kenna Security, wo er schließlich zum Chief Data Scientist befördert wurde.
„Die Chefdatenwissenschaftler sind dabei, ihre Fähigkeiten einzusetzen, um die Analysefähigkeiten in der gesamten Organisation zu verbessern“, sagt er.
AI Architect
KI-Architekten – auch als KI- oder ML-Ingenieure bekannt – sind für die Erstellung der Systeme zum Betrieb und zur Verwaltung von KI- und ML-Projekten verantwortlich.
„Das sind Leute, die KI-Projekte im großen Maßstab betrachten können“, betont Steve Whittaker, Leiter der strategischen akademischen Forschungspartnerschaften in den USA bei BT und Leiter der Forschungspartnerschaft mit dem MIT. IT-Architekten, die sich KI- und ML-Kenntnisse aneignen, sind gute Kandidaten für diese Stellen, meint er.
„Wenn Sie eine KI-Ingenieurs-Plattform aufbauen, brauchen Sie DevOps-Kenntnisse“, sagt er. „Sie müssen wissen, wie man in großem Maßstab arbeitet, agile Entwicklung verstehen und ein Gespür für Prozesse und Daten haben.“
Der KI-Architekt kann auch für die Neuerstellung von Geschäftsprozessen verantwortlich sein und sie so näher am Unternehmen ausrichten.
Jedes Unternehmen, das seine eigene KI- oder ML-Infrastruktur aufbaut, wird KI-Architekten oder KI-Plattform-Ingenieure benötigen. „Es sind nicht nur die Googles, Facebooks und Amazons“, sagt er und fügt hinzu, dass die Neuheit der Rolle bedeutet, dass die Hintergründe sehr unterschiedlich sind, von neuen Absolventen mit neuen Ideen bis hin zu Leuten mit 40 Jahren praktischer Projektmanagement-Erfahrung.
Dustin Hillard, CTO von eSentire, erwartet, dass ML-Ingenieure mehrere Jahre Erfahrung im Umgang mit großen Datensätzen und Cloud-Datenverarbeitungs-Frameworks haben und in der Lage sein sollten, komplexe KI-Systeme zu entwerfen, zu bauen und zu implementieren.
AI Data Engineer
Sowohl die künstliche Intelligenz als auch das maschinelle Lernen leben und sterben von Daten. Die erforderlichen Daten können sich jedoch in Art und Umfang von denen anderer Systeme unterscheiden, so dass jede Organisation, die fortgeschrittene Analysen, ML oder KI durchführen möchte, einen KI-Dateningenieur benötigt.
„Große Unternehmen sind das, was einem natürlich in den Sinn kommt“, erklärt Kevin Brown, Managing Director of Security bei BT, die Art von Unternehmen, die sich für diese aufstrebende Rolle engagieren sollten. „Aber auch andere Unternehmen, die über riesige Datenmengen verfügen. Das Gesundheitswesen beispielsweise verzeichnet als Folge der Pandemie ein exponentielles Datenwachstum“.
Bei BT zum Beispiel ist die Menge der verarbeiteten Daten schwindelerregend. Im Bereich der Cybersicherheit gibt es zum Beispiel Millionen von Ereignissen pro Sekunde und etwa 4.000 Cyberattacken pro Tag. Das Unternehmen beschäftigt einen Geschäftsführer, der sich ausschließlich auf KI und Strategie konzentriert, so Brown, sowie KI-Entwickler, Forscher, Datenwissenschaftler – eine breite Palette von KI-Funktionen.
„Wir haben eine riesige Datenmenge, die wir schnell durchforsten müssen, um die Anomalien zu finden“, meint er, und hier kommen KI-Dateningenieure ins Spiel. „Wir suchen immer nach der Nadel im Heuhaufen.“
Data Manufacturing Architect
Unternehmen in der Datenbranche bieten noch stärker spezialisierte Rollen an. Beispielsweise hat Bloomberg kürzlich jemanden eingestellt, der eine neue Rolle als Data Manufacturing Architect in seinem CTO Data Science-Team übernehmen soll.
Der Data Manufacturing Architect unterstützt Bloomberg bei der Erstellung qualitativ hochwertiger strukturierter Daten für seine Finanzdienstleistungskunden, darunter mehr als 325.000 Bloomberg Terminal-Kunden. Die Daten stammen aus unstrukturierten, verrauschten Quellen, erklärt Gideon Mann, Leiter der Datenwissenschaft, in Bloombergs Büro der CTO.
„Diese Zahlen müssen präzise und genau sein, mit Standards, die über denen der meisten Branchen und Akademiker liegen“, sagt er.
Der Data Manufacturing Architect arbeitet als Deep-Domain-Spezialist in der globalen Datenabteilung von Bloomberg, berichtet er. Bloomberg stellt derzeit auch eine Reihe anderer spezialisierter KI-Jobs ein, darunter KI-Forschungswissenschaftler, KI-Wissenschaftler für quantitative Forschung, Human Computing Architect, Senior ML Engineer für Mediendatenwissenschaft und Senior Software Engineer für verteilte Systeme.
Diese Positionen erfordern Erfahrung in KI, ML, Verarbeitung natürlicher Sprache, Information Retrieval und quantitativer Finanzwirtschaft, erläutert Anju Kambadur, Leiter des KI-Engineering bei Bloomberg, und sie sollten über Fachwissen in Programmiersprachen wie Python, Java und C++ verfügen. Aber auch Kommunikations-, Kollaborations- und Produktentwicklungsfähigkeiten sind wichtig, fügt er hinzu, „insbesondere die Fähigkeit, über organisatorische und disziplinübergreifende Grenzen hinweg zu arbeiten und zu kommunizieren“.
Leiter der KI-Qualitätssicherung
Es entstehen zusätzliche Arbeitsplätze im Zusammenhang mit der KI, um die Bedürfnisse der Unternehmen zu befriedigen, die versuchen herauszufinden, wie die Verantwortlichkeiten für die neu entstehenden KI-Praktiken verteilt werden können. Einige dieser Stellen gibt es noch nicht wirklich auf dem Arbeitsmarkt, und die meisten werden keinen standardisierten Lehrplan oder einen typischen Karrierepfad haben.
Nehmen wir zum Beispiel die neu entstehende Rolle des KI-Qualitätssicherungsmanagers, die man als Weiterentwicklung einer traditionellen Software-Qualitätssicherungsarbeit betrachten könnte, aber die Qualitätssicherung für KI-Projekte unterscheidet sich dramatisch. Der Code selbst ist nur selten das Thema, obwohl eine Firma vielleicht den falschen Algorithmus für das vorliegende Projekt wählt. Wichtiger sind unvollständige, veraltete oder verzerrte Schulungsdatensätze.
Verzerrte Daten sind ein besonders heikles Problem, das nicht nur zu schlechten Ergebnissen, sondern auch zu regulatorischen Auswirkungen, schlechter Publicity, Bußgeldern oder Klagen führen kann.
„Niemand versteht wirklich, wie Verzerrungen in die Daten gelangen und wie man versuchen kann, sie aus den Daten herauszuholen“, berichtet John O’Neil, leitender Datenwissenschaftler bei Edgewise Networks, das kürzlich von Zscaler übernommen wurde. „Es ist ein aktives Forschungsgebiet. Soweit ich weiß, gibt es keinen Ort, an den man sich begeben und sagen kann: Hier sind die Regeln, und wenn man sich an die Regeln hält, wird es einem gut gehen.“
Citizen Data Scientist
Laut Gartner werden KI-Power-User bis 2024 die Talentlücke für Datenwissenschaftler füllen. Diese „Bürgerdaten-Wissenschaftler“, wie Gartner sie nennt, werden in der Lage sein, KI-bezogene Aufgaben zu erfüllen, weil die Werkzeuge, die für den Einsatz von fortgeschrittener Analytik, maschinellem Lernen und künstlicher Intelligenz benötigt werden, immer einfacher zu bedienen sein werden.
Suchen Sie dies jedoch nicht als Berufsbezeichnung. Stattdessen wird die Erfahrung mit „Bürgerdaten-Wissenschaftler“-Tools, wie z.B. Auto ML, Teil der Stellenbeschreibungen für eine Reihe von Aufgaben sein.
„Die traditionellen Datenwissenschaftler sind teuer in der Einstellung, Skalierung und Ausbildung“, so Ryohei Fujimaki, CEO und Gründer von DotData, einem KI-Plattform-Unternehmen.
Doch rund 28 Prozent der KI- und maschinellen Lerninitiativen sind laut der IDC-Umfrage vom März gescheitert, was zum großen Teil auf einen Mangel an Fachkräften zurückzuführen ist. „Der Mangel an Personal mit den erforderlichen Fachkenntnissen wird als einer der Hauptgründe für das Scheitern genannt“, so Jyoti von IDC.
Das bedeutet, dass es einen Nachholbedarf bei der Umschulung von Arbeitnehmern für KI- und ML-Fähigkeiten gibt, sagt sie.
Und es besteht immer mehr Bedarf an „Bürgerdaten-Wissenschaftlern“, fügt Fujimaki von DotData hinzu.
*Maria Korolov hat in den letzten 20 Jahren über aufstrebende Technologien und aufstrebende Märkte berichtet.
Be the first to comment