Skip to main content
Top
Published in: Wirtschaftsinformatik & Management 2/2022

Open Access 25-03-2022 | Spektrum

AI Literacy für EntscheidungsträgerInnen im strategischen Management

Authors: Assoc.-Prof. Dr. Viktoria Pammer-Schindler, Univ.-Prof. Dr. Stefanie Lindstaedt

Published in: Wirtschaftsinformatik & Management | Issue 2/2022

Activate our intelligent search to find suitable subject content or patents.

search-config
download
DOWNLOAD
print
PRINT
insite
SEARCH
loading …
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.
Open Access Dieser Artikel wird unter der Creative Commons Namensnennung 4.0 International Lizenz veröffentlicht, welche die Nutzung, Vervielfältigung, Bearbeitung, Verbreitung und Wiedergabe in jeglichem Medium und Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle ordnungsgemäß nennen, einen Link zur Creative Commons Lizenz beifügen und angeben, ob Änderungen vorgenommen wurden.
Die in diesem Artikel enthaltenen Bilder und sonstiges Drittmaterial unterliegen ebenfalls der genannten Creative Commons Lizenz, sofern sich aus der Abbildungslegende nichts anderes ergibt. Sofern das betreffende Material nicht unter der genannten Creative Commons Lizenz steht und die betreffende Handlung nicht nach gesetzlichen Vorschriften erlaubt ist, ist für die oben aufgeführten Weiterverwendungen des Materials die Einwilligung des jeweiligen Rechteinhabers einzuholen.
Weitere Details zur Lizenz entnehmen Sie bitte der Lizenzinformation auf http://​creativecommons.​org/​licenses/​by/​4.​0/​deed.​de.

Our product recommendations

WIRTSCHAFTSINFORMATIK

WI – WIRTSCHAFTSINFORMATIK – ist das Kommunikations-, Präsentations- und Diskussionsforum für alle Wirtschaftsinformatiker im deutschsprachigen Raum. Über 30 Herausgeber garantieren das hohe redaktionelle Niveau und den praktischen Nutzen für den Leser.

Business & Information Systems Engineering

BISE (Business & Information Systems Engineering) is an international scholarly and double-blind peer-reviewed journal that publishes scientific research on the effective and efficient design and utilization of information systems by individuals, groups, enterprises, and society for the improvement of social welfare.

Wirtschaftsinformatik & Management

Texte auf dem Stand der wissenschaftlichen Forschung, für Praktiker verständlich aufbereitet. Diese Idee ist die Basis von „Wirtschaftsinformatik & Management“ kurz WuM. So soll der Wissenstransfer von Universität zu Unternehmen gefördert werden.

Literature
2.
go back to reference Hoberg, P., Krcmar, H., & Wely, B. (2017). Skills for digital transformation. Research report by technical university Munich and SAP. Hoberg, P., Krcmar, H., & Wely, B. (2017). Skills for digital transformation. Research report by technical university Munich and SAP.
6.
go back to reference Eraut, M. (2004). Transfer of knowledge between education and workplace settings. In A. Fuller, A. Munro & H. Rainbird (Hrsg.), Workplace learning in context (S. 201–221). : Routledge. Eraut, M. (2004). Transfer of knowledge between education and workplace settings. In A. Fuller, A. Munro & H. Rainbird (Hrsg.), Workplace learning in context (S. 201–221). : Routledge.
8.
go back to reference Kaiser, R., Thalmann, St , & Pammer-Schindler, V. (2020). An investigation of knowledge protection practices in inter-organisational collaboration: Protecting specialised engineering knowledge with a practice based on grey-box modelling. VINE Journal of Information and Knowledge Management Systems. https://doi.org/10.1108/VJIKMS-11-2019-0180.CrossRef Kaiser, R., Thalmann, St , & Pammer-Schindler, V. (2020). An investigation of knowledge protection practices in inter-organisational collaboration: Protecting specialised engineering knowledge with a practice based on grey-box modelling. VINE Journal of Information and Knowledge Management Systems. https://​doi.​org/​10.​1108/​VJIKMS-11-2019-0180.CrossRef
9.
go back to reference Fruhwirth, M., Pammer-Schindler, V., & Thalmann, St (2021). A network-based tool for identifying knowledge risks in data-driven business models. To appear. In Hawaii international conference on system sciences (HICSS). : in. Fruhwirth, M., Pammer-Schindler, V., & Thalmann, St (2021). A network-based tool for identifying knowledge risks in data-driven business models. To appear. In Hawaii international conference on system sciences (HICSS). : in.
10.
go back to reference Breitfuss, G., Fruhwirth, M., Pammer-Schindler, V., Stern, H., & Dennerlein, S. (2019). The data-driven business value matrix—A classification scheme for data-driven business models. 32ndBled eConference.CrossRef Breitfuss, G., Fruhwirth, M., Pammer-Schindler, V., Stern, H., & Dennerlein, S. (2019). The data-driven business value matrix—A classification scheme for data-driven business models. 32ndBled eConference.CrossRef
12.
go back to reference Thalmann, S., Fessl, A., & Pammer-Schindler, V. (2020). How large manufacturing firms understand the impact of digitization: a learning perspective. Hawaii International Conference on System Sciences (HICSS). http://hdl.handle.net/10125/64332 Thalmann, S., Fessl, A., & Pammer-Schindler, V. (2020). How large manufacturing firms understand the impact of digitization: a learning perspective. Hawaii International Conference on System Sciences (HICSS). http://​hdl.​handle.​net/​10125/​64332
Metadata
Title
AI Literacy für EntscheidungsträgerInnen im strategischen Management
Authors
Assoc.-Prof. Dr. Viktoria Pammer-Schindler
Univ.-Prof. Dr. Stefanie Lindstaedt
Publication date
25-03-2022
Publisher
Springer Fachmedien Wiesbaden
Published in
Wirtschaftsinformatik & Management / Issue 2/2022
Print ISSN: 1867-5905
Electronic ISSN: 1867-5913
DOI
https://doi.org/10.1365/s35764-022-00399-2

Other articles of this Issue 2/2022

Wirtschaftsinformatik & Management 2/2022 Go to the issue

Editorial

Gesunde IT?

Premium Partner