Wie Daten vom Stellenmarkt die KI-Lehrpläne verändern

Wie Daten vom Stellenmarkt die KI-Lehrpläne verändern

Zwei Nachfragetrends, unterschiedliche Vergleichsgrundlagen

In seiner Mitteilung vom 5. Oktober 2026 (investor.workday.com) berichtete Workday, dass die Nachfrage nach grundlegenden KI-Kenntnissen nach ihrem Höchststand im Januar 2026 um 25 % gesunken sei. Die Nachfrage nach Fähigkeiten für die praktische Tool-Entwicklung, die Automatisierung von Arbeitsabläufen und das KI-Engineering stieg zwischen September 2025 und Juli 2026 um 51 %. Die Analyse erfasste Stellenanforderungen von mehr als 550 Arbeitgebern, die Workday Recruiting nutzen.

Die Zahlen beziehen sich auf unterschiedliche Kompetenzgruppen und Vergleichszeiträume. Sie beschreiben keine gegenläufigen Veränderungen derselben Kennzahl. Stellenanforderungen zeigen die Nachfrage der Arbeitgeber, nicht die tatsächlich nachgewiesenen Kompetenzen der Beschäftigten. Bevor Verantwortliche für den Einkauf von Weiterbildung daraus eine Prognose für den gesamten Markt ableiten, sollten sie die Kompetenzdefinitionen und Bezugsgrößen anfordern. Außerdem sollten sie klären, wie Veränderungen in der Zusammensetzung der Arbeitgeber und Rollen berücksichtigt wurden.

Am 29. Oktober 2026 berichtete Axios über Finanzierungszusagen von mehr als 735 Millionen US-Dollar für RAISE US (axios.com). Finanzierung belegt jedoch weder Schulungsergebnisse noch kausale Zusammenhänge.

Bei der Auswahl zählen zunehmend Arbeitsproben

Die wichtige Schlussfolgerung für die KI-Weiterbildung in Unternehmen lautet: Es braucht einen Weg von den Grundlagen zur Praxis – keinen Verzicht auf Grundwissen. Ein KI-Lehrplan sollte klar unterscheiden, ob jemand ein Tool versteht oder damit einen verlässlichen Arbeitsablauf aufbauen kann. Für Fintech- und Krypto-Scaleups bietet sich eine dreistufige Akademie an, die diesen Unterschied deutlich macht.

Stufe 1: Urteilsvermögen für den sicheren KI-Einsatz

Die Governance-Leitlinien des NIST (airc.nist.gov) verknüpfen Schulungen zu KI-Risiken mit den Aufgaben der Beschäftigten und den Richtlinien der Organisation. Die Grundlagenstufe sollte freigegebene Tools, Grenzen der Datennutzung, das Formulieren von Prompts, die Prüfung von Ergebnissen und Eskalationswege abdecken. Szenariobasierte Prüfungen können zeigen, ob Beschäftigte das unzulässige Hochladen einer Kundendatei ablehnen und einen erfundenen Verweis auf eine Richtlinie erkennen. Eine bestandene Prüfung belegt Urteilsvermögen, berechtigt aber nicht zum produktiven Einsatz.

Stufe 2: Aus Anweisungen werden getestete Arbeitsabläufe

Eine Schulung zur KI-gestützten Automatisierung von Arbeitsabläufen sollte sich auf eine klar abgegrenzte Aufgabe konzentrieren. Teilnehmende aus dem operativen Finanzbereich könnten beispielsweise mit synthetischen Datensätzen und freigegebenen Tools eine Zusammenfassung von Abweichungen bei der Kontenabstimmung erstellen. Der Zugriff bleibt auf die für die Aufgabe nötigen Berechtigungen beschränkt. Zur Arbeitsprobe gehören der Arbeitsablauf, Testfälle und Notizen zur Fehlersuche. Geprüft wird der Umgang mit fehlenden Feldern, widersprüchlichen Datensätzen und Tool-Ausfällen – nicht nur die erfolgreiche Vorführung.

Stufe 3: Einsatz unter Aufsicht und Übergabe

In der fortgeschrittenen Stufe sollte ein rollenspezifischer Arbeitsablauf in einem kontrollierten Pilotbetrieb erprobt werden. Zuvor müssen die fachlich Verantwortlichen sowie die Zuständigen für Sicherheit und Compliance zustimmen. Die Lernenden dokumentieren Zuständigkeiten, Protokollierung, Überwachung, Rücksetzverfahren und die Prüfung durch Menschen. Autonome Zahlungen oder kundenbezogene Entscheidungen sind zunächst ausgeschlossen. Für die Übergabe muss eine andere Person den Arbeitsablauf ausführen und erklären können, wann er gestoppt werden muss.

Zertifikate brauchen klare Bestehenskriterien

Der Leitfaden zur Messung des NIST empfiehlt Tests unter realitätsnahen Einsatzbedingungen und dokumentierte Leistungskriterien (airc.nist.gov). Die Akademie kann diesen Ansatz übernehmen, ohne die Leistung eines Systems mit der Kompetenz der Lernenden gleichzusetzen.

Ein glaubwürdiges Zertifikat für praktische KI-Kompetenz sollte Aufgabe, Tool-Version, Arbeitsprobe, prüfende Person und Prüfdatum festhalten. Lernende sollten vorab festgelegte Qualitätsanforderungen erfüllen, gezielt eingebaute kritische Ausnahmefälle bewältigen und ihre Entscheidungen bei der Entwicklung erklären können. Ein unsicherer Umgang mit Daten muss zum Nichtbestehen führen. Vergleichbare Aufgaben, die einmal manuell und einmal mit KI-Unterstützung bearbeitet werden, können zeigen, wie gut die abgenommenen Ergebnisse sind, wie viel Nacharbeit anfällt und wie viel Prüfzeit insgesamt nötig ist – nicht nur, wie schnell die Ergebnisse entstehen.

Für die Auswahl einer Akademie braucht es nachvollziehbare Nachweise

Die Checkliste für die Auswahl sollte klären, ob die vorgeschlagene Akademie Folgendes bietet:

• Aufgabenbezogene Lernpfade mit klar definierten Tool-Berechtigungen.
• Versionierte Inhalte mit namentlich genannten Verantwortlichen für die Freigabe.
• Die Möglichkeit, Arbeitsproben einzureichen, und aufeinander abgestimmte Bewertungsraster für die Prüfenden.
• Exportierbare Nachweise, die zeigen, ob jemand für die Aufgaben seiner Rolle bereit ist.
• Berichte, die mehr als absolvierte Kurse und Quizergebnisse erfassen.

Bei einer Umsetzung mit App-Learning könnten kurze Lerneinheiten, szenariobasierte Quizfragen und individuell angepasste Zertifikate die Lernfortschritte sichtbar machen. In Praxisübungen würden die Arbeitsproben entstehen. Qualifizierte Prüfende würden entscheiden, ob diese den Anforderungen entsprechen.

Daten vom Stellenmarkt können den Lehrplan prägen. Einen Kompetenznachweis für einzelne Beschäftigte ersetzen sie nicht. Entscheidend ist eine klar abgegrenzte Aufgabe, die sicher erledigt und von der richtigen Person geprüft wird – gestützt auf Nachweise, die andere einsehen können.