Arbeit im Wandel:
Skills der Zukunft verstehen und entwickeln
Organisationen stehen heute unter einem doppelten Veränderungsdruck: Die Arbeitswelt wandelt sich schneller als je zuvor – getrieben durch technologische Innovationen, neue Geschäftsmodelle, demografische Entwicklungen und globale Dynamiken. Dieser Wandel verändert nicht nur Prozesse, sondern vor allem die Kompetenzen, die Mitarbeitende benötigen, um erfolgreich zu sein.
Damit verbinden sich zwei zentrale Fragen: Wie können wir frühzeitig erkennen, welche Kompetenzen für Wirtschaft, Wissenschaft und Gesellschaft künftig entscheidend sein werden? Und wie gelingt es, Menschen beim nachhaltigen Aufbau neuer Kompetenzen zu unterstützen? Besonders sichtbar wird diese Herausforderung am Beispiel Künstliche Intelligenz. KI-Kompetenz ist heute eine zentrale Schlüsselqualifikation für viele Wissensberufe. Gleichzeitig bleibt die tatsächliche Nutzung häufig hinter den Erwartungen zurück: Trotz verfügbarer KI-Tools zeigt sich in vielen Organisationen eine Lücke zwischen technologischem Potenzial und gelebter Praxis.
CORE nutzt wissenschaftliche Erkenntnisse, um zu verstehen,
-
wie Organisationen relevante Future Skills identifizieren können,
-
wie Menschen Motivation und Selbstwirksamkeit für Neues entwickeln,
-
und wie Lern- und Adoptionsprozesse gestaltet sein müssen, damit sie nachhaltig wirksam sind.
Unser Ziel ist es, Menschen und Organisationen auf die Zukunft vorzubereiten und zu befähigen, neue Technologien nicht nur einzuführen, sondern sie kompetent, selbstbewusst und sinnstiftend einzusetzen.
Round Table zu Skills & AI Adoption
Im März 2026 veranstalten wir mit ausgewählten Partnerorganisationen einen exklusiven Round Table zum Austausch über die Herausforderungen von heute, um die Belegschaft fit für die Skill-Anforderungen von morgen zu machen.
Diskutierte Fragen beinhalten unter anderem
-
Wie Organisationen heute ihre bestehende Skill-Landschaft erheben, Vorhersagen über künftige Anforderungen treffen und Skill Gaps identifizieren
-
Wie sich diese Analyse datengestützt angehen lässt, welche Daten benötigt werden und wie man sie erheben kann
-
Wie effektive Weiterbildungs- und Qualifizierungsmaßnahmen aussehen können, um die relevanten Skills aufzubauen
-
Wie sich die Skill-Landschaft und Angebot und Nachfrage verändern, und welche Rolle KI dabei spielt
-
Wie Organisationen KI effektiv einsetzen und ihre Mitarbeitenden motivieren können, die Angebote auch zu nutzen (AI Adoption)
Mehrwert für Praxis und Forschung
Unser Round Table bietet den Organisationen eine Plattform zum offenen Austausch, Best-Practice-Sharing und Netzwerken. Wir liefern außerdem wissenschaftliche Impulse, um die eigenen Herausforderungen evidenzbasiert und datengetrieben anzugehen.
Gleichzeitig gewinnen wir Erkenntnisse über aktuelle Herausforderungen, die in der Literatur noch nicht hinreichend beleuchtet werden, und können so vielversprechende Ansätze für neue Forschungskollaborationen identfizieren.
Case Study
Gen-AI wirksam einsetzen – Erkenntnisse aus der Wissenschaft
Ein systematischer Ansatz zur Erprobung von Generativer KI
Der größte Engpass bei Generativer KI ist nicht die Technologie selbst, sondern ihre organisatorisch sinnvolle Nutzung. Viele Unternehmen implementieren Tools, ohne systematisch zu prüfen, wo sie wirklich Wert schaffen. Die Forschung zeigt jedoch: Entscheidend ist nicht die Technologie selbst, sondern wie strukturiert Organisationen ihren Einsatz testen, evaluieren und weiterentwickeln.
Ein wissenschaftlich fundierter Ansatz überträgt Prinzipien aus der experimentellen Forschung auf die Praxis: KI-Anwendungen werden gezielt getestet, mit klaren Hypothesen, definierten Erfolgsmetriken und strukturiertem Vergleich von Ergebnissen. So lässt sich belastbar erkennen, wo KI Produktivität, Qualität oder Innovation tatsächlich verbessert.
Kernaussagen
-
Der Nutzen von Gen-AI ist stark kontextabhängig – er variiert je nach Aufgabe, Prozess und Erfahrungsniveau der Mitarbeitenden.
-
Messbarer Mehrwert entsteht häufig erst, wenn Arbeitsprozesse, Rollen und Kompetenzen parallel weiterentwickelt werden.
-
Organisationen, die KI als kontinuierlichen Lern- und Experimentierprozess verstehen, können Unsicherheit reduzieren und Innovation gezielter skalieren.
Erkenntnisgewinn für Praxis und Forschung
Der systematische Umgang mit Gen-AI ist damit weniger ein Technologieprojekt als eine organisationale Lernaufgabe. Die enge Zusammenarbeit von Praxis und Forschung macht es möglich, diesen Prozess systematisch zu verstehen, evidenzbasiert zu gestalten und Erkenntnisse zu generieren, die über einzelne Organisationen hinaus nutzbar sind.
Case Study
Training und KI-Adoption: Unerwartete Effekte
Viele Organisationen gehen davon aus, dass Trainingsangebote automatisch zu mehr Nutzung neuer Technologien führen. Unsere Ergebnisse zeigen, dass das nicht immer der Fall ist. In einem randomisierten Feldexperiment nutzten Mitarbeitende, denen ein Training für ein neues KI-Tool angeboten wurde, das Tool insgesamt seltener als Mitarbeitende ohne Trainingsangebot.
Treiber dieses Effekts waren vor allem jene Mitarbeitenden, die zwar eingeladen wurden, aber nicht am Training teilnahmen. Für diese Gruppe könnte die Einladung als Hinweis auf den eigenen Lern- oder Kompetenzstand interpretiert worden sein. Eine solche Interpretation kann mit geringerer wahrgenommener Einsatzbereitschaft einhergehen und so die Nutzung des Tools reduzieren.
Die zentrale Erkenntnis: Maßnahmen zur Kompetenzentwicklung wirken nicht nur über den Aufbau von Wissen, sondern auch über die Signale, die sie über Erwartungen, Status und Zugehörigkeit senden.
Was das für Organisationen bedeutet
-
Trainingsmaßnahmen sollten nicht nur didaktisch, sondern auch signaltheoretisch gedacht werden.
-
Kommunikation rund um Trainings kann Adoption fördern – oder unbeabsichtigt hemmen.
-
Besonders kritisch ist die Phase vor der ersten Nutzung: Hier können kleine Signale große Verhaltenseffekte auslösen.
Methodischer Hintergrund
Die Ergebnisse basieren auf einem randomisierten Feldexperiment sowie ergänzenden Clusteranalysen zur Identifikation von Nutzungsmustern.
