Personas
Nicht alle brauchen dieselbe Data & AI Literacy. Eine Servicemitarbeiterin, die ein Dashboard liest, ein Marketingmanager, der einen KI-Workflow entwirft, ein Data Engineer, der die Pipeline darunter baut, und eine Direktorin, die über Investitionen entscheidet: Alle brauchen etwas anderes. Unser Data & AI Skills Framework teilt die Belegschaft in vier Personas, damit ein Programm auf echte Aufgaben zielt statt auf alle gleichzeitig.
Hinter den Personas steht unser Data & AI Skills Framework: 21 Kompetenzfelder in vier Kategorien, darunter über 900 definierte Kompetenzen. Damit messen wir, wo jemand wirklich steht, richten einen Trainingspfad auf die Lücke aus und verfolgen, wie die Data & AI Literacy wächst, statt Anwesenheit zu zählen.
Jede der vier Personas hat eigene Kompetenzfelder und Niveaus. Deshalb sieht ein Pfad für einen Data & AI User völlig anders aus als einer für einen Data & AI Specialist. Specialist-Pfade bauen wir nach Maß, statt sie aus einem Katalog zu nehmen: Sprechen Sie mit uns darüber, was Ihr Datenteam braucht.
Drei Gruppen, drei verschiedene Ausgangspunkte und drei verschiedene Momente, in denen der Groschen fiel.
Zuerst dachte ich, es würde sehr technisch, aber es war gut zu folgen und mir wurde klar, dass ich KI öfter nutze, als ich dachte.
Data & AI User
Teilnehmer:in, AI Literacy Fundamentals
Die praktischen Übungen gehörten zum Stärksten am Programm. Sie machen aus dem Training keine reine Lernerfahrung, sondern eine, die einen wirklich befähigt.
Data & AI Builder
Teilnehmende, Data & AI School
Für uns hebt sich Data Booster dadurch ab, dass sich die Trainings vom ersten Tag an anfühlen, als wären sie eigens für Jaarbeurs gebaut, weil sie es sind. Durch die gründliche Discovery-Phase hatten die Inhalte direkt mit dem Alltag unserer Leute zu tun.
Keine Antwort gefunden? Melden Sie sich einfach bei uns.
Über eine Kompetenzmessung zu Beginn des Programms. Stellenbezeichnungen sind ein Anfang, aber keine Antwort: Ein Marketingmanager ist in der einen Organisation ein User und in der anderen ein Builder. Die Messung verortet jede Person im Framework, und weil sie vor dem ersten Tag läuft, können Sie Kohorten nach Niveau bilden statt nach Abteilung.
Menschen entwickeln sich. Ein User, der anfängt, Dashboards zu bauen, wird zum Builder, und Builder, die Führung übernehmen, brauchen die Leader-Kompetenzen. Wir richten einen Pfad darauf aus, wo jemand heute tatsächlich arbeitet, und messen im Lauf des Programms erneut.
Nein. Viele Organisationen fangen mit der User-Gruppe an, weil sie die größte ist und die Grundlage für alles andere. Das skaliert in beide Richtungen: Wir haben das für ein Unternehmen mit 300 Personen gebaut und für eine Academy, die eine Organisation mit 6.000 Personen über mehrere Länder und Sprachen bedient. Was wir raten: Überspringen Sie die Führungskräfte nicht, denn Teams merken schnell, ob Data & AI wirklich zu den Entscheidungen gehören.
Sie sind die vierte Persona in unserem Framework: der Data & AI Specialist. An der technischen Tiefe liegt es selten. Meistens hakt es dabei, eine Geschäftsfrage in eine Analyse zu übersetzen und das Ergebnis zurück in eine Entscheidung. Specialist-Pfade bauen wir nach Maß statt aus dem Katalog. Das beginnt also mit einem Gespräch und nicht mit einem Pfad von der Stange.
Die Methode ist gleich: in Kohorten, praxisnah, mit Übungen an Ihren eigenen Tools und Daten. Der Inhalt ist es nicht. Jede Persona bekommt einen eigenen Pfad, ausgerichtet auf die Kompetenzfelder, die für diese Gruppe zählen.
Ja, und im Moment ist das die Frage, die wir am häufigsten hören. Agenten verschieben die Arbeit vom Ausführen einer Aufgabe hin zum Beschreiben, Prüfen und Verantworten. Das verändert, was User und Builder brauchen, ist aber kein Grund, eine der beiden Gruppen auszulassen. Manche Organisationen betreiben schon Tausende Agenten, andere keinen einzigen. Deshalb legen wir das Niveau der Agenten-Inhalte pro Organisation fest, und wir helfen Führungskräften zu durchdenken, was das für Rollen und Stellenprofile bedeutet.
Mitglied bei
Nominiert
