Skip to main content
McKinsey Quarterly

Analytics-Akademien – menschliche trifft künstliche Intelligenz

Im Zeitalter von Daten und Hochleistungsanalysen müssen sich Unternehmen neu organisieren. Notwendige Fähigkeiten lassen sich am besten mit internen Schulungszentren aufbauen.

Der Siegeszug der künstlichen Intelligenz (KI) ist für Unternehmen eine der größten Chancen unserer Zeit. Topmanager müssen ihre Belegschaft in die Lage versetzen, diese Chance zu nutzen und das Potenzial der KI voll auszuschöpfen.

Dies bedeutet zunächst, Führungskräfte, Mitarbeiter, Datenanalyseteams und Endnutzer auf neue Denk- und Arbeitsweisen vorzubereiten. Sie müssen nicht nur lernen, KI effektiv einzusetzen, sondern auch Neuerungen wie Datenexploration, Agile Development und das Arbeiten in interdisziplinären Teams annehmen.

Beim Aufbau der notwendigen internen Kapazitäten fehlt vielen Unternehmen jedoch ein übergeordneter Plan. Sie stellen qualifizierte Mitarbeiter ein und verlassen sich bei der Weiterbildung der bestehenden Belegschaft auf E-Learning-Plattformen, Universitäten und externe Führungskräfteprogramme.

Solche punktuellen Lösungen reichen jedoch nicht aus, um eine vollständig KI-getriebene Organisation aufzubauen, die mit dem rasanten Wandel der Technologie und des Wettbewerbs Schritt halten kann. Die Einstellung neuer Mitarbeiter deckt zwar den kurzfristigen Bedarf, um z.B. schnell einen KI-Fachbereich einzurichten, erfüllt aber nicht die Erfordernis, auf allen Ebenen des Unternehmens die nötigen Kompetenzen aufzubauen. Dies funktioniert am besten über die Schulung der bestehenden Mitarbeiter.

Programme externer Anbieter helfen hier nur bedingt, denn sie sind nicht auf eine ganzheitliche, unternehmensspezifische Kompetenzvermittlung ausgelegt. Außerdem schaffen sie keine einheitlichen wiederholbaren Abläufe, die notwendig sind für tiefgreifende und dauerhafte kulturelle Veränderungen, eine agile und funktionsübergreifende Zusammenarbeit und eine schnelle Skalierung.

Schnelle Lösungen reichen nicht aus, um ein Unternehmen in eine vollständig KI-gestützte Organisation zu verwandeln, die in der Lage ist, mit dem rasanten Tempo des Wandels sowohl in der Technologie als auch im Wettbewerb Schritt zu halten.

Interne Analytics-Akademien adressieren diese Punkte. Solche maßgeschneiderten Schulungszentren zu nutzen ist eine relativ neue Entwicklung; sie dürften sich aber zu einem zentralen Element der KI-Transformation entwickeln, die den meisten Unternehmen bevorsteht.

Wir beleuchten im Folgenden, was Analytics-Akademien anderen Ansätzen voraus haben, und stellen Best Practices von Unternehmen vor, die solche internen Schulungszentren für die moderne Datenanalyse eingerichtet haben.

Analytics-Akademien sind momentan vor allem darauf ausgelegt, KI im Unternehmen zu verbreiten. Deshalb steht die Ausbildung von Mitarbeitern im Fokus, die zu diesem Ziel beitragen können, z.B. so genannte Analytics Translators oder Analytics-Übersetzer, die zwischen der geschäftlichen und der analytisch-mathematischen Seite vermitteln. Haben sich KI-Systeme erst einmal auf breiter Front durchgesetzt, werden Unternehmen und die Gesellschaft als Ganzes sich mit der ebenso wichtigen Frage befassen müssen, wie Mitarbeiter umzuschulen sind, wenn intelligente Maschinen ihre frühere Tätigkeit übernehmen. Auch hier könnten interne Schulungszentren eine Rolle spielen. Diese Thematik ist jedoch nicht Gegenstand dieses Artikels.

KI-Kompetenz durch Analytics-Akademien

Wir haben die Erfahrung gemacht, dass sich Analytics-Akademien besonders gut dafür eignen, einer Belegschaft die nötige KI-Kompetenz zu vermitteln. Drei Bausteine sind hier entscheidend:

We strive to provide individuals with disabilities equal access to our website. If you would like information about this content we will be happy to work with you. Please email us at: McKinsey_Website_Accessibility@mckinsey.com
  • Eine gemeinsame Vision, eine einheitliche Sprache und standardisierte Abläufe sorgen dafür, dass alle Interessengruppen – von den Topmanagern über die operativen Analytics-Teams bis hin zum Personal auf ausführender Ebene – sich an den Elementen ausrichten, die notwendig sind, um KI in ihrem Unternehmen zu verankern. Diese Gemeinsamkeiten bewirken außerdem, dass alle die gleichen Methoden anwenden, um Lösungen zu entwickeln, und die Rollen und Zuständigkeiten der anderen kennen. Das führt dazu, dass Erkenntnisse und Wissen aus früheren KI-Anwendungsfällen institutionalisiert werden, Führungskräfte die KI-Entwicklung unterstützen, Teams besser zusammenarbeiten und schneller MVPs (Minimum Viable Products) produzieren.. Das maximiert nicht nur die Kompetenz im gesamten Unternehmen, sondern trägt auch dazu bei, begehrte Experten wie Data Scientists zu halten; denn deren Zufriedenheit hängt oft davon ab, ob sie über ein breites Spektrum an Fragestellungen hinweg dazulernen und sich weiterentwickeln können.
  • Inhalte, die auf die Ziele, die Ausgangslage und den Branchenkontext des jeweiligen Unternehmens zugeschnitten sind, gewährleisten, dass die Weiterbildung auch einen geschäftlichen Mehrwert bringt. Deshalb berücksichtigen interne Analytics-Akademien bei ihren Lernprogrammen sowohl den gesamten Transformationsfahrplan des Unternehmens als auch kulturelle Schwierigkeiten und Kompetenzdefizite. Sie stimmen die Schulungspläne auf die Bedürfnisse des Unternehmens und der Mitarbeiter ab und definieren, wie bestimmte Fähigkeiten gewünschte Ergebnisse ermöglichen. So sorgen die Analytics-Akademien z.B. dafür, dass Führungskräfte über eine hohe KI-Kompetenz verfügen, damit sie eine Strategie entwickeln und umsetzen können, mit der sie sich im Wettbewerb an die Spitze setzen. Sie vermitteln den Mitarbeitern das nötige Fachwissen, um geschäftliche Anforderungen in KI-Lösungen übersetzen zu können. Und sie versetzen Data Scientists, Data Engineers und andere Experten in die Lage, nicht nur bei Innovationen in ihrem Bereich auf dem Laufenden zu bleiben, sondern auch mit operativen Kollegen effektiv zusammenzuarbeiten und sich auf die Themen zu konzentrieren, die den größten Mehrwert bringen. Darüber hinaus bringen diese internen Schulungszentren die Mitarbeiter dazu, sich von vertrauten Methoden und Annahmen zu lösen und sich stärker auf KI-getriebene Erkenntnisse zu stützen.
  • Praxisorientierte Ausbildungen erleichtern den Schritt von der Theorie in die Praxis und die Entwicklung vom theorieorientierten „Lernenden“ über den „Praktiker“ bis hin zum „Experten“, der in seiner Funktion eine Führungsrolle übernehmen kann. In bestimmten Fällen ist diese Praxisarbeit besonders wichtig, z.B. bei der neuen Rolle des Analytics-Übersetzers. Ähnlich wie junge Ärzte nach dem Medizinstudium eine Assistenzzeit brauchen, um unter Anleitung praktische Erfahrung zu sammeln, profitieren auch die Analytics-Übersetzer von einer solchen Phase der angeleiteten Praxisarbeit.

Ein Patentrezept für die Umsetzung dieser Bausteine gibt es nicht. Je nachdem, in welcher Phase der KI-Entwicklung sich ein Unternehmen befindet, strukturiert es seine Akademie etwas anders. Oft bietet es sich an, bei den Topmanagern und Führungskräften anzufangen, damit alle an einem Strang ziehen, gemeinsame Ziele und ein gemeinsames Verständnis entwickeln und bei der breiteren Transformation eine Vorbildrolle übernehmen können.

Ein weltweit agierender Metallproduzent hat z.B. zuerst sein Führungskräfteprogramm entwickelt, um eine effektive Steuerung der KI-Transformation zu gewährleisten. Dies senkte an mehr als 15 Fertigungsstandorten die Betriebskosten. Manager der oberen und mittleren Führungsebenen, die die KI-Initiativen anfangs nicht unterstützt hatten, weil sie technische Zweifel hatten oder sich schlicht nicht aus ihrer Komfortzone herausbewegen wollten, wurden durch das Programm zu überzeugten Verfechtern der Transformation.

Sechs Best Practices für eine effektive Analytics-Akademie

Ein für alle geltendes Muster gibt es zwar nicht, aber erfolgreiche interne Schulungszentren weisen durchaus Gemeinsamkeiten auf: Sie sind auf die strategischen Ziele des Unternehmens abgestimmt und bieten für die einzelnen Interessengruppen maßgeschneiderte Programme (von der obersten bis zur untersten Hierarchieebene). Außerdem setzen sie nicht nur bei fachlichen, sondern auch bei allgemeinen Kompetenzdefiziten an, fördern On-the-Job-Training, wecken Begeisterung und sorgen dafür, dass die Schulungen langfristig wirksam bleiben.

Im Zusammenspiel können die sechs im Folgenden beschriebenen Best Practices Unternehmen in die Lage versetzen, KI-basierte Analysen schneller, tiefgreifender und umfassender zu nutzen. Werden diese Praktiken nicht ganzheitlich betrachtet, kann dies einen negativen Dominoeffekt auslösen. Unternehmen, die ihre Akademie z.B. nicht als Katalysator für die firmenweite Transformation, sondern als isolierte Abteilung betrachten, erkennen oft nicht, wen sie schulen und welche Inhalte sie vermitteln müssen.

Schulungen auf die Transformation ausrichten

Am erfolgreichsten sind Analytics-Akademien, wenn sie die Kompetenzvermittlung auf den KI-Fahrplan des Unternehmens abstimmen. Indem sie klären, wie neue Fähigkeiten die strategischen Ziele des Unternehmens unterstützen, können sie dafür sorgen, dass sie die richtigen Talente und Fähigkeiten haben – dann bringt das Schulungsprogramm einen messbaren Mehrwert.

In einem Industrieunternehmen hat die Akademie Führungskräfte, operative Mitarbeiter und Analytics-Teams darauf vorbereitet, KI in die täglichen Abläufe zu integrieren, um die Effizienz der Produktion zu steigern. Weil die Manager dabei lernten, welches Potenzial zu erwarten ist und wie KI funktioniert, wuchs ihre Unterstützung für unterschiedliche Anwendungen, die auf eine kontinuierliche Verbesserung in der Fertigung abzielten. Gleichzeitig vertieften die Analytics-Teams ihr Wissen über die geschäftlichen Ziele und Herausforderungen. Deshalb konzentrierten sie sich auf die Lösung von Problemen mit dem höchsten geschäftlichen Mehrwert, statt wie früher aus einer rein technischen Sicht zu überlegen, wo sich KI-Innovationen wie neuronale Netze überall einsetzen lassen.

Analytics-Akademien stellen sicher, dass Führungskräfte mit der KI gut vertraut sind, damit sie eine wettbewerbsfähige Strategie entwickeln und umsetzen können.

Das Vorgehen zahlte sich aus. Intern geschulte Teams prognostizieren heute mit KI optimale operative Parameter und klären z.B., wie sie die Einstellung einer Maschine verändern müssen, um Qualitätsmängel zu beheben. Bisher haben diese Teams Initiativen mit einem Ergebnisbeitrag (EBITDA) von 10% umgesetzt. Über einen Zeitraum von 18 Monaten sollen letztlich aber mehrere Millionen an zusätzlichem Gewinn erzielt werden: Knapp ein Dutzend neuer KI-Tools erhöhen die Kapazität und den Durchsatz in mehreren Bereichen des Werks, steigern die Energieeffizienz und senken die Mängelquote.

In einem großen Einzelhandelskonzern etablierte das Topmanagement eine Akademie zur Unterstützung der firmenweiten KI-Transformation, um der existenziellen Bedrohung durch Digital Natives zu begegnen. Die Mitarbeiter hatten zu jenem Zeitpunkt nur begrenzte Analytics-Kenntnisse und setzten sie auch nur vereinzelt ein. Mitarbeiter mit mehr als 20 Jahren Erfahrung in ihrem Bereich waren mit KI oft nicht vertraut, nicht überzeugt davon oder fühlten sich unwohl mit dem Thema. Innerhalb von nur sechs Monaten schulte die Analytics-Akademie mehr als 1.000 Mitarbeiter; heute durchlaufen jede Woche 150 Mitarbeiter das Schulungsprogramm. Mehr als 40 der 100 vorgesehenen KI-Anwendungsfälle laufen inzwischen und wenn alle Anwendungsfälle planmäßig abgeschlossen werden, erwartet das Unternehmen für die nächsten drei Jahre eine Gewinnsteigerung (vor Steuern und Zinsen) von 70%.

Alle Rollen einbeziehen

Eine umfassende Wirkung tritt nur ein, wenn Stakeholder auf allen Ebenen – von Board und Topmanagement über Geschäftsbereiche und betriebliche Funktionen bis zu Expertenteams und Endnutzern – einbezogen werden. Außerdem sind Analytics-Translator-Kenntnisse zu vermitteln: Dahinter verbirgt sich die Fähigkeit, geschäftliche Inhalte in „Datensprech“ zu übersetzen und umgekehrt. Interne Analytics-Akademien bieten eine nachhaltige und effiziente Möglichkeit, diese breit angelegte Entwicklung zu bewerkstelligen. Sie gehen meist in Wellen vor und konzipieren für jeden Adressatenkreis passgenaue Inhalte.

We strive to provide individuals with disabilities equal access to our website. If you would like information about this content we will be happy to work with you. Please email us at: McKinsey_Website_Accessibility@mckinsey.com

Bei dem bereits erwähnten Industrieunternehmen erlernten die Topmanager über einen Zeitraum von zwölf Wochen in sechs zweistündigen Schulungseinheiten die Grundlagen: Grundkenntnisse über KI, das Ermitteln von KI-Gelegenheiten und Möglichkeiten, die Dynamik aufrechtzuerhalten. Gleichzeitig lernten mehr als 150 Analytics Translators, Data Scientists und Data Engineers über einen Zeitraum von zehn bis zwölf Wochen in 50 Schulungsstunden, wie Anwendungsfälle gemeinsam durchgeführt werden.

Endnutzern, z.B. Werksleitern, schickte die Analytics-Akademie zunächst in regelmäßigen Abständen kurze Infomails über den Wert von Daten sowie die Auswirkungen von KI auf ihre täglichen Abläufe und KI-Erfolgsgeschichten.

Außerdem veranstaltete die Akademie Betriebsversammlungen (Town Halls), bei denen die Anwender Fragen stellen konnten. Sobald sie grundsätzlich mit dem Thema vertraut waren, lernten sie in der Akademie in Workshops, KI-getriebene Prognosen in ihrer Arbeit einzusetzen und wie KI-Systeme Empfehlungen entwickeln. Dieses Wissen ist entscheidend, um bei Arbeitern, die sich bisher auf ihre Erfahrung gestützt haben, das Vertrauen in KI-Tools zu stärken.

Die meisten Unternehmen konzentrieren sich bei den Endnutzern auf diejenigen, die KI-Systeme nutzen oder KI-Empfehlungen berücksichtigen sollen. Zu den typischen Schulungskandidaten zählen etwa Filialleiter und Wissensarbeiter. Manche beziehen aber inzwischen auch Mitarbeiter auf ausführender Ebene ein, die selbst vielleicht keine KI-Tools verwenden werden. Der erwähnte Einzelhandelskonzern will die Schulungen der Ananalytics-Akademie mit der Zeit auf alle 40.000 Mitarbeiter ausweiten – bis hin zu den Kassierern. Aus Sicht des CEOs kann eine umfassende Transformation nur so gelingen.

Nicht nur Analytics-Fachwissen vermitteln

Wenn Topmanager zum ersten Mal von Analytics-Akademien hören, denken sie oft nur an die Vermittlung von Fachwissen. Bei den typischen Grundlagenkursen stimmt das auch: Hier erwerben Manager Basiskenntnisse zur KI und Analytics-Teams lernen, wie sie mit dem rasanten technischen Fortschritt mithalten. Erfolgreiche Akademien berücksichtigen aber auch die organisatorischen und kulturellen Veränderungen, die notwendig sind, um KI flächendeckend einzuführen, Wissen zu kodifizieren und Praktiken für wiederholbare Anwendungsfälle zu etablieren – dies sind weitere kritische Erfolgsfaktoren.

We strive to provide individuals with disabilities equal access to our website. If you would like information about this content we will be happy to work with you. Please email us at: McKinsey_Website_Accessibility@mckinsey.com

Ein anderer Einzelhändler entschied zu Beginn seiner KI-Transformation, dass ein Lernprogramm die folgenden Elemente enthalten sollte:

  • Strategie, Kultur, Organisation und Talent. Im Fokus des Führungskräfteprogramms stand die Frage: Was braucht es, um Mehrwert zu generieren, die Organisation neu zu gestalten und eine datengetriebene Kultur zu etablieren?
  • Standardabläufe für die Entwicklung von Anwendungsfällen. Von den Topmanagern bis zu den Übersetzern erlernten alle einen Standardablauf für die Umsetzung von Anwendungsfällen: vom Ermitteln potenzieller Gelegenheiten über die Einschätzung des Vorbereitungsstands eines Anwendungsfall-Teams bis hin zu Best Practices für die Umsetzung von Anwendungsfällen und das Weitergeben von Wissen und Erkenntnissen.
  • Soft Skills und betriebswirtschaftliche Kenntnisse. Im Fokus des Schulungsplans für Experten standen auch Soft Skills wie effektive Kommunikation (die Spezialisten oft abgesprochen wird). Ebenfalls entscheidend waren betriebswirtschaftliche Kenntnisse, etwa im Warengruppenmanagement, damit die Experten geschäftliche Probleme effektiv definieren und priorisieren sowie die Wirksamkeit eines KI-Tools gemeinsam mit der operativen Seite verbessern konnten.
  • Agile Entwicklungsprozesse und funktionsübergreifende Zusammenarbeit. Die Fachteams lernten, wie agile Ansätze im Zusammenhang mit KI funktionieren, und erhielten Tipps für die interdisziplinäre Entwicklung neuer Tools.
  • Change-Management-Fähigkeiten. Den Analytics Translators und Führungskräften wurde auch vermittelt, wie sich Anwendungsfälle schnell umsetzen lassen – von der Einführung auf ausführender Ebene über das Tracking bis hin zur Werterschließung im Lauf der Zeit.

Die Schulungsinitiative zeigte sofort Wirkung: Unter anderem fragten die mehr als 100 teilnehmenden Abteilungsleiter mehr KI-Tools nach und eine reibungslosere Umsetzung der Anwendungsfälle verbesserte den Einsatz und die Akzeptanz von KI drastisch.

Theorie und Praxis verbinden

Erfolgreiche Analytics-Akademien kombinieren den Theorieunterricht mit der Praxis, damit die Teilnehmer in ihrem Arbeitsumfeld lernen und gleichzeitig die Ziele des Unternehmens unterstützen. Dafür gibt es zwei gängige Varianten:

Bei der ersten bearbeiten die Teilnehmer in den Schulungsräumen der Akademie konkrete geschäftliche Fragestellungen. Nachdem die Analytics-Übersetzer bei einem Telekommunikationsunternehmen z.B. theoretisch gelernt hatten, wie sie KI-Gelegenheiten finden, sollten sie in ihrem Bereich drei potenzielle Initiativen ermitteln und sowohl den Wert als auch die Machbarkeit jedes Anwendungsfalls bewerten. Durch die konsequente Ausrichtung auf den geschäftlichen Wert erzielten sie in den ersten 18 Monaten des Programms mehr als 100 Mio. USD an zusätzlichem Gewinn (EBIT).

Analytics-Übersetzer können ihr Handwerk nur beherrschen, wenn sie erfahrene Kollegen bei der Arbeit beobachten und dann unter fachkundiger Anleitung an konkreten Problemen arbeiten.

— Aus "How to train someone to translate business problems into analytics questions", Harvard Business Review, 11. Februar 2019, hbr.org

Bei der zweiten, noch wirkungsvolleren Variante bieten Analytics-Akademien im Arbeitsalltag der Teilnehmer Coaching und On-the-Job-Training für reale Anwendungsfälle an. Mit der Kombination von theoretischer Wissensvermittlung und praktischer Ausbildung helfen die Akademien den Teilnehmern, sich vom Lernenden zum Praktiker zu entwickeln. Bei dem zuvor genannten Metallunternehmen sollten Prozesssteuerungsingenieure die ersten Anwendungsfälle auf den Weg bringen, um die Prozesse in Fertigung und Lieferkette zu optimieren. Die Ingenieure zeigten ihren Teams, welche Probleme anzugehen sind (das größte Potenzial bot eine Optimierung der Rezeptur der wichtigsten Legierungen), und trieben die Konzeption und Einführung neuer Steuerkonsolen für Anlagenbediener samt entsprechenden Schulungen voran.

Begeisterung wecken

Ein Mischkonzern zeigt, wie sich Mitarbeiter motivieren lassen, an Schulungen teilzunehmen und das Gelernte anzuwenden. Erstens positioniert der Konzern die Schulungen für wichtige Rollen wie Analytics Translator und Data Scientist als Privileg. Führungskräfte nominieren die besten Mitarbeiter für eine Translator-Schulung und der Unternehmensleiter, sein Stellvertreter, der Analytics-Chef und der Leiter der Analytics-Akademie müssen die Nominierungen genehmigen. Kandidaten aus Data Science und Data Engineering müssen erst einen fachlichen Test absolvieren, um sich für die Schulung zu qualifizieren.

Zweitens feiert das Unternehmen, wenn Mitarbeiter Kurse erfolgreich abgeschlossen haben, Teams Projekte beendet und Wertpotenzial erschlossen haben und die Organisation als Ganzes Meilensteine wie den Abschluss wichtiger Anwendungsfälle erreicht hat. Die Besten werden bei der jährlichen Betriebsversammlung vor mehr als 100 Führungskräften ausgezeichnet.

Drittens nimmt das Unternehmen Schulungsteilnehmern die Angst vor Fehlschlägen in ihrer praktischen Arbeit. Lernende präsentieren Spezialisten, manchmal sogar dem CEO, Anwendungsfälle, die nicht nach Plan gelaufen sind. Mit konstruktiven Fragen beleuchten dann unterschiedliche Gruppen die Situation und generieren ein breites Spektrum an Erkenntnissen.

Viertens arbeitet das Unternehmen mit sozialen Medien und macht Schulungen zu einem Gemeinschaftsereignis. Teilnehmer drehen zwei- bis dreiminütige Videos, die sie auf eine Community-Website hochladen und in denen sie erzählen, an welchen Projekten sie gearbeitet und was sie dabei gelernt haben. Anwendungsfallteams stellen anderen Programmteilnehmern und Kollegen aus ihrer Sparte die fachlichen Aspekte ihrer Arbeit vor. Zusätzlich organisiert das Unternehmen Versammlungen und Hackathons mit der KI-Community der jeweiligen Region und lädt Lehrpersonal von örtlichen Hochschulen als Gastredner ein. Dies alles weckt Begeisterung für die Weiterbildung.

Relevanz gewährleisten

KI-Technologien entwickeln sich kontinuierlich weiter und die Spezialisten müssen über Methoden, Tools und unterstützende Technologien auf dem Laufenden bleiben. Da Mitarbeiter kommen und gehen, muss Neuzugängen schnell das institutionelle Wissen vermittelt werden. Im Laufe von Transformationen finden funktionsübergreifende Teams heraus, wie sie besser zusammenarbeiten können; diese Erkenntnisse müssen erfasst und in der Organisation des Unternehmens verankert werden.

Deshalb etablieren die meisten Akademien Strukturen, die ihnen erlauben, sich an Veränderungen des Umfelds anzupassen. Dazu gehören die folgenden Maßnahmen:

  • Internes Schulungspersonal aufbauen. Die meisten Unternehmen holen sich für ihre Analytics-Akademien externe Lehrkräfte, manche bauen aber auch einen internen Lehrkörper auf. Bei dem erwähnten Telekommunikationsunternehmen arbeiteten die besten Absolventen der ersten Schulungswelle an den Kursen für die nachfolgenden Wellen mit. Im Lauf der Zeit wurde ihnen immer mehr Verantwortung übertragen und bei der vierten Welle hatten sie sich bereits zu Schulungsleitern entwickelt, die bei Bedarf noch Coaching hinter den Kulissen erhielten. Außerdem wurden Schulungen von erfahrenen Kursleitern aufgezeichnet, an den sich Neuzugänge orientieren können.
  • Führungsteam für die Akademie zusammenstellen. Dieses Team ist für das Wachstum der Analytics-Akademie verantwortlich; es arbeitet kontinuierlich an der Aktualisierung der Schulungspläne, um Praxiserfahrung zu integrieren. Der Metallproduzent will z.B. in seinem Analytics-Exzellenzzentrum ein neues Team aufbauen, das direkt an den Analytics-Chef berichten und das Wachstum der Akademie steuern soll. Diesem Team sollen ein Dekan und ein Content Manager für jeden Lernbereich angehören und die Schulungsplaner aus dem Personalwesen werden das Team unterstützen.
  • Unterstützung der Topmanager organisieren. Um die Bedeutung der Schulungen zu unterstreichen, kommt der CEO des Industrieunternehmens jeweils am Eröffnungstag eines neuen Schulungsprogramms zum gemeinsamen Mittagessen, zeichnet die Absolventen bei Firmenveranstaltungen aus und gewährt den Besten das Vorrecht auf begehrte Projekte. Diese Unterstützung von ganz oben wertet nicht nur die Schulungen an sich auf, sondern rückt auch die Absolventen und ihre Fähigkeiten in den Fokus. So wird sichergestellt, dass diese Mitarbeiter bei der Transformation eine bedeutende Rolle spielen.

In immer mehr Unternehmen weltweit stehen Aus- und Weiterbildung auf der KI-Agenda ganz oben. Sie wissen, dass es beim transformativen Potenzial der KI nicht nur darum geht, Technologieplattformen aufzubauen, Chancen zu erkennen oder Data Scientists einzustellen. Der Schlüssel zum Erfolg besteht darin, alle mit dem nötigen Wissen auszustatten: die Board-Mitglieder über 60 ebenso wie die erfahrenen, aber skeptischen Manager, die neuen Analytics-Teams und schließlich die Anwender auf ausführender Ebene. Sie alle müssen Gelegenheit haben, die nötigen Kompetenzen zu erwerben, um gemeinsam KI im gesamten Unternehmen zu verankern.

Der Aufbau von Kompetenzen auf diesem oft firmenspezifischen Niveau über alle Bereiche der Belegschaft hinweg funktioniert nur mit maßgeschneiderten Schulungsangeboten – und genau darauf sind interne Analytics-Akademien ausgelegt. Schon jetzt wird deutlich, dass Teams, die solche Akademien durchlaufen haben, mit KI größere Fortschritte machen als es in ihren Unternehmen zuvor möglich war. Die Akademien entwickeln sich im Gleichklang mit dem technischen Fortschritt und sorgen so dafür, dass die Arbeitskräfte gerüstet sind – was immer die Zukunft bringen mag.

Über die Autoren

Ali Arat ist Manager of Capabilities bei McKinsey Digital in München, Holger Hürtgen ist Partner in Düsseldorf, Sebastian Kerkhoff ist Senior Expert in Düsseldorf und Akanksha Midha ist Associate Partner in London.

Die Autoren danken Darshit Gandhi, Louise Herring und Ankur Puri für ihren Beitrag zu diesem Artikel.