Digitale Kompetenzen sind im Bereich des strategischen Managements selbstverständlich, AI Literacy allerdings nicht. In diesem Artikel diskutieren wir, welches grundlegende Verständnis über künstliche Intelligenz (Artificial Intelligence – AI) für Entscheidungsträger:Innen im strategischen Management wichtig ist und welches darüber hinausgehende kontextspezifische und strategische Wissen.

Digitale Kompetenzen für einen Großteil von beruflichen Tätigkeitsgruppen sind in aller Munde, zu Recht. Auf der Ebene von Entscheidungsträger:Innen im strategischen Management allerdings greifen diese zu kurz; sie sind größtenteils selbstverständlich im notwendigen Ausmaß: digitales Informationsmanagement, die Fähigkeit zur Kommunikation und Zusammenarbeit im Digitalen wie auch die Fähigkeiten, digitale Technologien zum Wissenserwerb und Lernen und zur Unterstützung bei kreativen Prozessen einzusetzen (Liste dieser typischen digitalen Kompetenzen aus [1]).

Anders stellt sich die Sache dar, wenn es um spezialisiertes Wissen über moderne Computertechnologien geht, wie Methoden der automatischen Datenauswertung (Data Analytics) und der künstlichen Intelligenz, Internet of Things, Blockchainverfahren etc. (Auflistung in Anlehnung an Abb. 3 in [2]). Dieses Wissen wird in der Literatur durchaus als in Organisationen notwendiges Wissen behandelt [2]; allerdings üblicherweise mit dem Fokus darauf, dass dieses von Spezialist:Innen abgedeckt werden soll.

Zusätzlich, und das ist die erste Hauptthese in diesem Kommentar, argumentieren wir, dass Entscheidungsträger:Innen im strategischen Management Grundlagenwissen in diesen technischen Bereichen brauchen, um in der Lage zu sein, diese Technologien in Bezug auf ihre Auswirkungen auf das eigene Unternehmen bzw. dessen Geschäftsumfeld einschätzen zu können. In diesem Artikel wird genauer das nötige Grundlagenwissen in Bezug auf künstliche Intelligenz (Artificial Intelligence – AI) betrachtet, das wir hier als „AI Literacy“ bezeichnen.

Was ist AI Literacy?

In Anlehnung an „Literacy“ im Sinn der Beherrschung des sinnerfassenden Lesens als grundlegende Kulturtechnik, die gesellschaftliche Partizipation und Erfolg ermöglicht, wird „AI Literacy“ mittlerweile als Begriff verwendet, um die grundlegende Fähigkeit zu beschreiben, AI in Bezug auf die eigene Umgebung zu verstehen und mit AI umgehen zu können (z. B. [3]). Gleichzeitig weist dieser Begriff darauf hin, dass diese Fähigkeit auch notwendig ist, um überhaupt erfolgreich in der gegenwärtigen Welt mündig partizipieren zu können.

Das Konzept der AI Literacy wird derzeit vor allem für den Schulbereich diskutiert, im Sinn der Frage: Was sollen in Zukunft 18-jährige Schulabsolvent:Innen über künstliche Intelligenz wissen? [3, 4].

Aus dieser wissenschaftlichen Diskussion sollen zwei Dimensionen herausgegriffen werden: Erstens, was sind grundlegende Prinzipien von künstlicher Intelligenz? Zweitens, welche Verständnisebenen in Bezug auf künstliche Intelligenz sollten KI-kundige Erwachsene aufweisen?

Im Folgenden diskutieren wir die entsprechenden Konzeptionalisierungen besonders basierend auf zwei Artikeln [4, 5]. Als fundamentales Verständnis über Funktionsprinzipien von künstlicher Intelligenz kann zusammengefasst aus diesen beiden Artikeln Folgendes gesagt werden: i) Computer nehmen die Welt durch Sensoren wahr, ii) Computer bilden die Welt in Form von Modellen bzw. anderen Formen von Wissensrepräsentation ab, iii) Computer verwenden Daten, um zu lernen, in dem Sinn, dass sie besser passende Modelle bzw. Wissensrepräsentationen erstellen. Long & Magerko [5] ergänzen diese Sichtweise durch die Argumentation, dass es hier darum geht zu verstehen, welche Arten von Fragestellungen mit KI beantwortet werden können. Die Frage, welche davon ausgehenden Verständnisebenen nun insgesamt relevant sind, lässt sich dann zusammengefasst, ausgehend von [4, 5], so beantworten, dass es erstens natürlich um die obige, technische Ebene geht. Zweitens geht es in der Folge darum zu verstehen, dass i) menschliche Kommunikation und menschliches Verhalten für Computer schwer zu verstehen sind; das beeinträchtigt die Mensch-Maschine-Interaktion/-Kommunikation und muss Auswirkungen auf den Einsatz von KI-Technologien haben. ii) Ist es relevant, das Wesen von KI zu verstehen und diskutieren zu können (konzeptionelle-philosophische Ebene), iii) sich Verwendungen für KI vorstellen und ausdenken zu können (kreative Ebene), iv) diskutieren zu können, wie die Einbettung von Technologie in den menschlichen Alltag und die Gesellschaft geschehen sollte bzw. was mögliche ethische Problemfelder bei der Verwendung von KI sind (praktische und ethische Ebene). Aus heutiger Sicht, zu einer Zeit, in der entsprechend umfassende AI Literacy nicht gegeben ist, ist es v) relevant zu verstehen, welches Wissen über KI aufseiten von Benutzer:Innen und Entscheidungsträger:Innen notwendig, aber nicht vorhanden ist, und daher gesondert kommuniziert werden muss, um eine sinnvolle Verwendung von und Entscheidung über KI-basierte Technologie zu ermöglichen.

AI Literacy ist jetzt schon wichtig für EntscheidungsträgerInnen im strategischen Management

Natürlich müssen allerdings schon jetzt Entscheidungsträger:Innen im strategischen Management diese AI Literacy besitzen: Wenn gefragt wird „Wie müssen Geschäftsprozesse, Produkte oder Geschäftsmodelle angepasst werden aufgrund neuer Methoden aus Data Analytics oder AI?“ [5], dann muss zuallererst natürlich ein Grundverständnis für die entsprechenden Technologien bestehen. Erst dieses ermöglicht informiertes Einschätzen des Potenzials neuer Technologien.

Obige Konzeptionalisierungen [3, 4] können dabei auch für diese Zielgruppe als Kernpunkte des notwendigen Wissens über Data Analytics und AI betrachtet werden.

Zusätzlich gibt es natürlich Bedarf an Kontextualisierung von derartigem Grundverständnis im jeweiligen persönlichen Arbeitsumfeld [6] sowie Spezialwissen, das an der Schnittstelle von Technologie und Themen des strategischen Managements liegt. Beispiele sind grundsätzliche Patterns und Möglichkeiten zur Geschäftsmodellinnovation in Bezug auf neue Technologien [7], oder noch spezialisierter, die Einschätzung von Wissensrisiken in datenorientierten Kooperationen [8] oder Geschäftsmodellen [9].

Ausblick: Interviewstudie mit EntscheidungsträgerInnen

Dieser Kommentar basiert auf wissenschaftlicher Literatur sowie auf Erfahrungen aus eigenen Forschungsarbeiten sowohl im Bereich datengetriebener Geschäftsmodelle [5, 10], im Bereich des organisationalen Lernens in der digitalen Transformation [11, 12] sowie eigenen Arbeiten an der Schnittstelle dieser Bereiche, die Spezialwissen herausarbeiten, das notwendig ist, um kritische strategische Entscheidungen treffen zu können [8, 9]. Im Moment läuft auch eine Interviewstudie sowohl mit Expert:Innen als auch mit Entscheidungsträger:Innen, die sich mit AI aus beruflichen Gründen auseinandersetzen (müssen). Die Autorinnen freuen sich über eine Kontaktaufnahme.