Konzept zur zielgerichteten Kompetenzentwicklung für Initiativen des Maschinellen Lernens

Author:

Panusch Thorben,Büscher Jan,Wöstmann René,Deuse Jochen

Abstract

ZusammenfassungDurch die fortschreitende Digitalisierung und Automatisierung sind Unternehmen einem stetigen Transformationsprozess ausgesetzt. Dadurch entfallen alte Berufsbilder und gleichzeitig entstehen völlig neue Berufe mit veränderlichen und digitalen Kompetenzanforderungen. Um zu verhindern, dass der technologische Wandel mit einem Talentmangel, Massenarbeitslosigkeit und wachsender Ungleichheit einhergeht, müssen Unternehmen eine aktive Rolle bei der Unterstützung ihrer bestehenden Belegschaft durch Weiterbildung und Höherqualifizierung übernehmen. Dies ist besonders wichtig, da es einen positiven Kreislauf zwischen neuen Technologien und Weiterbildungen gibt. Die Einführung neuer Technologien fördert das Unternehmenswachstum, die Schaffung neuer Arbeitsplätze und den Ausbau bestehender Arbeitsplätze. Voraussetzung dafür ist, dass Mitarbeiter durch kontinuierliche Umschulung und Weiterbildung mit zukunftssicheren Fähigkeiten ausgestattet sind, um neue Chancen wahrzunehmen. Hierzu zählen besonders Kompetenzen im Bereich des Maschinellen Lernens (ML), das bisher ungeahnte Potenziale zur Wissensgewinnung eröffnet und so einen entscheidenden Erfolgsfaktor für Unternehmen bilden kann. Der Aufbau von digitalen Kompetenzen stellt jedoch für Unternehmen eine signifikante Herausforderung dar, besonders für kleine und mittlere Unternehmen. Oft fehlen für Weiterbildungen die zeitlichen und finanziellen Freiräume oder das notwendige Know-how. Zudem ist der Weiterbildungsmarkt äußerst unübersichtlich, was die Identifikation geeigneter Weiterbildungen erschwert. Um diese Problematik zu adressieren, wird in diesem Beitrag ein Konzept vorgestellt, das Unternehmen unterstützen soll, geeignete Maßnahmen zum zielgerichteten Aufbau von ML-Kompetenzen abzuleiten. Dies eröffnet Unternehmen einen Überblick über erforderliche Kompetenzen und Rollen, die mit den vorhandenen Kompetenzen im Unternehmen abgeglichen werden können. Ferner werden aktuelle Weiterbildungsmöglichkeiten vorgestellt, auf deren Grundlage ein Schulungskatalog aufgebaut wird. Dieser erlaubt es, die identifizierten Kompetenzlücken mit geeigneten Weiterbildungen zu adressieren.

Publisher

Springer Berlin Heidelberg

Reference41 articles.

1. acatech: Kompetenzentwicklungsstudie Industrie 4.0. Erste Ergebnisse und Schlussfolgerungen. (Hrsg.) v. acatech – DEUTSCHE AKADEMIE DER TECHNIKWISSENSCHAFTEN, Fraunhofer-Institut für Materialfluss und Logistik IML und equeo GmbH. München (2016)

2. Bauer, N., Stankiewicz, L., Jastrow, M., Horn, D., Teubner, J., Kersting, K. et al.: Industrial data science. Developing a qualification concept for machine learning in industrial production. In: European Conference on Data Analysis (ECDA). Paderborn, 04.‒06.07.2018 (2018)

3. Bertelsmann Stiftung: Zukunft der Arbeit in deutschen KMU (2018)

4. bfw – Unternehmen für Bildung: Leitfaden für die Erstellung von passgenauen Qualifizierungen. Erstellt im Rahmen des vom BMBF geförderten Projekts Prokom-4.0. Berufsfortbildungswerk Gemeinnützige Bildungseinrichtung des DGB GmbH (bfw). Erkrath (2014)

5. Bloom, B.S., Engelhart, M.D. (Hrsg.): Taxonomie von Lernzielen im kognitiven Bereich. 35Beltz-Studienbuch, 5. Aufl., Bd. 35. (17. – 21. Tsd.). Beltz, Weinheim (1976)

Cited by 2 articles. 订阅此论文施引文献 订阅此论文施引文献,注册后可以免费订阅5篇论文的施引文献,订阅后可以查看论文全部施引文献

1. Digital Work in Smart Production Systems;New Digital Work;2023

2. Towards a Layer Model for Digital Sovereignty: A Holistic Approach;Critical Information Infrastructures Security;2023

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3