Data Booster
4 Min. Lesezeit
October 5, 2022
Fragen Sie fünf Organisationen, was sie unter Data Literacy verstehen, und Sie bekommen fünf Antworten, von denen mindestens zwei Data Fluency beschreiben. Sobald Sie ein Programm schreiben, ist der Unterschied nicht mehr akademisch: Er entscheidet, wen Sie ausbilden, bis zu welchem Niveau, und woran Sie erkennen, ob es funktioniert hat.
Nehmen Sie den Vergleich mit einer Sprache. Literacy heißt lesen und schreiben können. Fluency heißt, das mühelos, korrekt und schnell zu tun. Auf Daten übertragen: Data Literacy ist die Fähigkeit, Daten zu lesen, zu schreiben, darüber zu sprechen und mit ihnen zu argumentieren. Data Fluency ist die Fähigkeit, all das ohne Reibung im täglichen Arbeitsfluss zu tun. Fluency ist keine andere Kompetenz, sondern dieselbe Kompetenz auf einem höheren Niveau.
Das zählt, denn die meisten Organisationen brauchen nicht alle auf Fluency-Niveau. Sie brauchen eine große Gruppe, die Daten liest und schreibt, eine kleinere Gruppe, die das flüssig tut, und eine Handvoll Fachleute, die tiefer gehen als beide.
Dann kam GenAI und brachte einen dritten Begriff mit. AI Literacy ist nicht Data Literacy mit neuem Etikett. Es gibt Überschneidungen, aber es kommen Kompetenzen dazu, die in den älteren Definitionen nicht vorkamen: erkennen, wann ein Modell wahrscheinlich falschliegt, Ergebnisse beurteilen, die man nicht nachvollziehen kann, verstehen, was mit den Daten passiert, die man in einen Prompt kopiert, und sehen, wo ein Tool gar nicht eingesetzt werden sollte.
Mit dem EU AI Act ist diese letzte Gruppe von Kompetenzen nicht mehr nur gute Praxis. Organisationen, die KI einsetzen, müssen dafür sorgen, dass ihre Mitarbeitenden über ein ausreichendes Maß an AI Literacy verfügen, und damit wird aus einem Weiterbildungsziel etwas, das Sie nachweisen können müssen.
Praktische Folge: Data Literacy und AI Literacy bauen nicht aufeinander auf. Sie schließen nicht das eine ab und beginnen dann das andere. Wer ein Diagramm nicht lesen kann, erkennt auch die plausibel klingende Falschantwort eines KI-Assistenten nicht, und genau deshalb gehören beide in ein Programm statt in zwei konkurrierende.
Beginnen Sie bei den Fähigkeiten, die die Organisation braucht, und arbeiten Sie zurück zu den Kompetenzen, die jede Gruppe tatsächlich einsetzt. Verschiedene Rollen brauchen wirklich verschiedene Lernpfade: Der Pfad für jemanden, der Dashboards liest, sieht völlig anders aus als der für jemanden, der sie baut.
Wir arbeiten mit vier großen Gruppen: Users, die mit Dashboards, Berichten und Assistenten arbeiten; Builders, die ein Fachgebiet genau kennen und Daten nutzen, um danach zu handeln; Specialists, die die Daten und die Modelle bauen und pflegen; und Leaders, die entscheiden, wo KI Wert schafft und wie Risiken gesteuert werden.
In jeder Gruppe zählen fachliche und persönliche Kompetenzen. Daten zu schreiben stützt sich auf fachliche Kompetenz in Tools wie SQL und Tableau. Über Daten zu kommunizieren ist vor allem eine persönliche Kompetenz: die richtige Frage stellen und aus einer Antwort etwas machen, mit dem eine Kollegin oder ein Kollege arbeiten kann. Beides ist lernbar, und keines davon ist optional.
Kompetenzniveaus sind nützlicher als Etiketten. Ein Balkendiagramm richtig zu lesen ist ein Grundniveau. Aus einem Experiment eine belastbare kausale Schlussfolgerung zu ziehen ist Expertenniveau. Pro Rolle das Niveau zu benennen und mit einer Messung vorher und nachher daran zu messen, sagt Ihnen weit mehr als die Entscheidung, ob das Programm „Literacy“ oder „Fluency“ heißt.
Ein Vorbehalt, der uns oft begegnet: Wenn in der Ausgangsmessung schon vor dem Start alle hoch abschneiden, ist die Messung zu leicht. Es liegt nicht daran, dass die Organisation bereits kompetent ist. Eine Ausgangsmessung ohne Luft nach oben kann nichts beweisen.
Und wie Sie es auch nennen: Es hört nicht auf. Tools ändern sich, Modelle ändern sich, und das Niveau, das vor zwei Jahren als fluent galt, ist heute die Untergrenze. Die nützliche Frage ist nicht, welchen Begriff Sie verwenden, sondern ob Sie die Latte weiter höher legen.
Mitglied bei
Nominiert
