Ressourcen
Fallstudien, Webinare, Artikel und Veranstaltungen zu Data- und AI-Kompetenzen: was funktioniert, was nicht, und was dabei herauskam.

Preisverhandlungen mit Lieferanten datengetriebener führen, mit Einkäuferinnen und Einkäufern, die dem Einsatz von Daten skeptisch gegenüberstanden

Data- und AI-Kompetenz im ganzen Unternehmen aufbauen, damit Daten zum Motor für Wachstum hinter der Vision 2030 von Jaarbeurs werden
Mehr als 1.400 Mitarbeitende weltweit mit praxisnahen Datenkompetenzen ausstatten, damit sie sicher datengetrieben entscheiden

Eine schnell wachsende, weltweite Belegschaft so weiterbilden, dass sie im großen Maßstab datengetrieben entscheidet

Alles, was wir bauen, ist maßgeschneidert, und das verlangt vom Käufer eine Entscheidung, bevor es etwas zu sehen gibt. Vier Trainings lassen sich jetzt direkt aus dem Regal starten, ohne vorheriges Gespräch.

Bei gängigem E-Learning im Unternehmen liegt die Abschlussquote bei rund 12 %. Die Gründe, warum Menschen aufhören, sind langweilig konstant, und die Gegenmittel ebenso.

Eine Partnerschaft, die die Kontrolle über KI-Systeme mit den Kompetenzen der Menschen verbindet, die damit arbeiten.

In diesem Sommer ist die SHV Energy Data & AI School gestartet, unsere bisher größte Partnerschaft. Bis zu 6.000 Mitarbeitende in Ländern wie den Niederlanden, Italien und Brasilien lernen nicht nur, KI-Tools zu bedienen, sondern sie zu verstehen, zu hinterfragen und sicher einzusetzen.

Bei PostNL ist Effective Prompting for Everyone gestartet. In den kommenden Monaten sammeln 4.000 Kolleginnen und Kollegen praktische Erfahrung mit KI und lernen, sie in ihrer täglichen Rolle einzusetzen.

Mit Nanne Veldman als Co-Founder und CEO setzt Data Booster noch stärker auf die menschliche Seite von Data- & AI-Transformationen: Nicht die Tools entscheiden über den Ertrag, sondern ob Menschen sie in der täglichen Arbeit wirklich nutzen.

KI ist längst in Ihrer Organisation. Sie steckt in den Browsern Ihrer Mitarbeitenden, in ihren Arbeitsabläufen und in ihren täglichen Entscheidungen. Die Frage ist nicht mehr, ob Ihre Leute KI nutzen, sondern ob jemand die Kontrolle darüber hat, wie sie es tun. Wir richten heute den Blick auf das, was wir den stillen Killer nennen: die wachsende Lücke zwischen KI-Einsatz und KI-Governance.

Wir waren Co-Gastgeber der DataDinners 2026 in Amsterdam, ein Abend für Führungskräfte aus Data und AI, die über die Foliensätze hinauswollten.

Die Herausforderung ist nicht, etwas über Data & AI zu lernen. Sie besteht darin, es zum Teil der täglichen Arbeit zu machen.

Ob Sie KI einführen, ist nicht mehr die spannende Frage. Ob Ihre Leute sie tatsächlich nutzen können, schon.

Eine Zusammenfassung der GenAI-Kluft aus MITs State of AI in Business 2025

Ein zweiter Platz im niederländischen Halbfinale der GESAwards zählt Data Booster zu den führenden EdTech-Start-ups des Landes.

Data Booster und Ortecha bündeln ihre Kräfte, um Organisationen in komplexen und regulierten Branchen praxisnahes, rollenspezifisches Data- und AI-Upskilling zu bringen.

Besprechung von Humanizing Data Strategy von Tiankai Feng

Vier Dinge entscheiden, ob ein Data- & AI-Literacy-Programm die Arbeit verändert, aus den Programmen, die wir selbst durchführen.

Die Wettbewerbsagenda der EU landet immer wieder bei demselben Befund: Europas Engpass ist nicht der Zugang zu Technologie, sondern das Tempo, in dem Erwachsene im Beruf dazulernen.

Ankündigung zum Data & AI Advisory Board

Ankündigung zum Data & AI Advisory Board

Ankündigung zum Data & AI Advisory Board

Fünf Wege, um zu zeigen, was ein Data-Literacy-Programm wirklich wert ist: von Programmkennzahlen und Tool-Nutzung bis zur Time-to-Insight und dem, was Führungskräfte in der Arbeit bemerken.

Vier Entwicklungen, die Data & AI Literacy prägen: Datenprodukte, KI-Governance, entscheidungsgetriebene Analytik und die Datenerzeuger, die fast jedes Programm vergisst.

Danique erhält den DataIQ Award 2024 für New Talent or Data Apprentice (Enabler)

Auf Basis eines Interviews mit Wouter Neef, Gründer von Data Booster

Drei Begriffe, die durcheinander verwendet werden und Verschiedenes meinen. Der Unterschied wird in dem Moment wichtig, in dem Sie ein Programm entwerfen.

Just Eat Takeaway und Ortecha darüber, wie aus Training dauerhafte Nutzung wird.

Stefano Puntoni von Wharton darüber, wie Sie Analysen direkt an Entscheidungen koppeln.

Jordan Morrow, der „Godfather of Data Literacy“, darüber, warum beides zählt.

Gorkem Koseoglu darüber, wie Sie Budget und Rückhalt für Data- und AI-Weiterbildung gewinnen.

Viktorija Diestelkamp von British Airways darüber, was echte Datenkultur braucht.
© 2026 Data Booster BV. Alle Rechte vorbehalten.