Die 11 gefragtesten KI-Berufe

Generative AI (GenAIGenAI) verändert die Geschäftswelt rasant und findet in fast allen Branchen raschen Anklang. Unternehmen nutzen die Technologie, um Geschäftsprozesse zu rationalisieren, eigene Lösungen zu entwickeln und ihre Mitarbeiter dazu zu befähigen, sich auf wertschöpfende Tasks zu konzentrieren. Alles zu Generative AI auf CIO.de

Eine aktuelle Studie von Foundry gibt (unter anderem) Aufschluss darüber, welche KI-Anwendungsfälle die befragten Unternehmen dabei für die nächsten zwölf Monate als besonders relevant ansehen:

1. Data Analytics (53 Prozent der Nennungen)

2. Prozessautomatisierung (51 Prozent)

3. Business Insights (51 Prozent)

4. Interner Kundensupport (45 Prozent)

5. IT-Sicherheit (42 Prozent)

6. Content Creation (42 Prozent)

7. Softwareentwicklung (41 Prozent)

Mit der Nachfrage nach Generative-AI-Funktionen steigt auch der Bedarf an entsprechenden Fachkräften, die die Technologie konzeptionieren, entwickeln, implementieren und/oder warten können. Welche JobsJobs respektive Job-Rollen die Unternehmen aktuell oder in naher Zukunft besetzen wollen, damit ihre jeweilige KI-Strategie aufgeht, hat die Foundry-KI-Studie ebenfalls identifiziert. Im Folgenden lesen Sie, welche das sind. Alles zu Jobsuche auf CIO.de

1. Datenwissenschaftler

Um mit Hilfe von Analytics und KI werthaltige Insights aus großen Kunden- und Geschäftsdatensätzen extrahieren zu können, brauchen Unternehmen Data Scientists. Zu deren Aufgaben gehört es:

• prädiktive Modelle zu entwickeln, die Kunden- und Geschäftserfordernisse erfüllen,

• analytische Modelle zu implementieren und

• ihre Organisation bei der Umstellung von traditioneller auf KI-basierte Software zu unterstützen.

Diese Rolle erfordert Erfahrung in den Bereichen Softwareentwicklung/Programmiersprachen, Statistik, Natural Language Processing (NLP) sowie Large Language Models (LLMs). In der Foundry-Studie geben 28 Prozent der Befragten an, dass sie Datenwissenschaftler eingestellt haben, um GenAI-Initiativen zu unterstützen - 30 Prozent planen, entsprechende Spezialisten zu verpflichten.

2. Machine Learning Engineer

Ingenieuren im Bereich maschinelles Lernen (ML) kommt die Aufgabe zu, Geschäftsanforderungen in klar definierte Machine-Learning-Projekte umzuwandeln und entsprechende Lösungen zu gestalten und zu implementieren. Machine Learning Engineers sind dafür verantwortlich, skalierbare Machine-Learning-Lösungen:

• zu entwickeln,

• bereitzustellen,

• zu planen,

• zu überwachen,

• zu optimieren und

• über entsprechende Schulungen den Mitarbeitern näherzubringen.

Diese Rolle erfordert ein breites Spektrum an Fähigkeiten - dazu zählen etwa Skills in den Bereichen Modellarchitektur, Daten- und ML-Pipelines, Softwareentwicklung oder MLOps.

ML-Engineers sind letztendlich dafür zuständig, Machine Learning im gesamten Unternehmen zugänglicher zu machen und alle Mitarbeiter dazu zu befähigen, von der Technologie zu profitieren. 22 Prozent der Studienteilnehmer haben bereits ML-Engineers eingestellt - 28 Prozent haben das für die Zukunft fest eingeplant.

3. KI-Forscher

KI ist kein brandneues Feld - dennoch gibt es bezüglich der Technologie noch jede Menge zu explorieren. KI-Forscher können dabei unterstützen, die optimalen Anwendungsfälle für künstliche Intelligenz innerhalb einer Organisation zu ermitteln. AI Researcher helfen dabei:

• neue, effizientere KI-Modelle und -Algorithmen zu entwickeln und

• aktuelle KI-Tools zu optimieren.

Dazu müssen sich KI-Forscher insbesondere mit Daten- und Automatisierungsinfrastrukturen, ML-Modellen, KI-Tools und -Algorithmen, Data Science und Softwareentwicklung auskennen und in der Lage sein, KI-Modelle von Grund auf neu zu erstellen. KI-Forscher für den Support von Generative-AI-Systemen haben bereits 31 Prozent der Studienteilnehmer eingestellt. Weitere 19 Prozent haben das in naher Zukunft vor.

4. Algorithmusentwickler

Algorithmus-Ingenieuren oder -Entwicklern kommt die Aufgabe zu, Algorithmen für Software und Computersysteme zu entwickeln und zu implementieren. Das erfordert Programmiersprachenkenntnisse sowie Knowhow in Testing und Fehlersuche, Dokumentation und Algorithmen. Diese Spezialisten sind dafür verantwortlich:

• komplexe Rechenprobleme zu lösen und arbeiten oft mit großen Datensätzen, um zu diesem Zweck komplexe Algorithmen zu entwerfen, die die Geschäftsanforderungen erfüllen.

• skalierbare Lösungen zu entwickeln, die mit allen ethischen und rechtlichen Anforderungen in Einklang stehen.

Algorithmusentwickler sind für Unternehmen essenziell, wenn es darum geht, die KI-Technologie zu navigieren. Laut der Foundry-Studie haben 16 Prozent der Befragten bereits Algorithmusentwickler an Bord, während 31 Prozent planen, entsprechende Fachkräfte an Bord zu holen.

5. Deep Learning Engineer

Technologien wie Chatbots, virtuelle Assistenten, Gesichtserkennung und selbstfahrende Autos fußen auf Deep Learning - einem Teilgebiet der künstlichen Intelligenz. Ingenieure in diesem Bereich sind dafür zuständig, KI-Algorithmen zu erforschen, zu entwickeln und zu warten. Diese Spezialisten sind essenziell, um

• KI-Tools und -Ressourcen im Unternehmen aufzubauen,

• Datenanforderungen zu ermitteln und

• Prozessautomatisierungsmöglichkeiten zu identifizieren.

Das macht Deep-Learning-Ingenieure für Unternehmen unverzichtbar, die KI nutzen und in ihre Geschäftsprozesse, Services und Produkte integrieren wollen. Laut der Foundry-Umfrage verlassen sich bereits 16 Prozent der Teilnehmer auf Deep Learning Engineers - 28 Prozent planen, sie einzustellen.

6. NLP Engineer

Generative AI stützt sich im Wesentlichen auf Natural Language Processing (NLP), um unabhängig von der Anfrage effektiv mit den Nutzern in Echtzeit zu kommunizieren. NLP Engineers sind dafür verantwortlich:

• NLP-Systeme zu trainieren,

• entsprechende Modelle zu entwickeln,

• geeignete Tools und Algorithmen zu identifizieren, sowie

• die Modelle auf regelmäßiger Basis zu warten und zu analysieren.

NLP-Spezialisten bringen in der Regel unter anderem Erfahrung in den Bereichen Big Data, Softwareentwicklung, KI-Modelle und Sprachmodellierung mit. Erst 15 Prozent der Studienteilnehmer verlassen sich auf NLP Engineers. Allerdings planen 27 Prozent für die Zukunft, solche Spezialisten an Bord zu holen.

7. Chatbot-Entwickler

Eine der frühen und häufigsten Anwendungsfälle für generative KI im Business-Umfeld: Chatbots. Sie helfen zum Beispiel dabei, die Kunden an die richtigen Mitarbeiter weiterzuleiten, verbinden Benutzer mit wichtigen Unterlagen und können den Customer Support so teilweise entlasten. Mit dem Aufkommen von ChatGPT, Bard, Replika und Co. werden die Chatbots zunehmend ausgefeilter.

Die Technologie ist in sämtlichen Branchen gefragt: Die Unternehmen sind bestrebt, ihre eigenen Chatbot-Lösungen zu entwickeln, um diverse Bereiche neben dem Kundenservice zu optimieren - zum Beispiel Social-Media-Aktivitäten oder Marketing und Werbung. Dazu sind entsprechende Entwickler nötig. Die haben 15 Prozent der Studienteilnehmer bereits eingestellt - weitere 27 Prozent haben das für die Zukunft fest eingeplant.