vor 55 Minuten, hellerKopf hat gesagt:

Was verlangen Arbeitgeber im Bereich KI bezüglich Skills von Mitarbeitern und Bewerbern?
Was machen Ausbilder mit dem Thema?

Die Arbeitgeber, die ich kennengelernt habe verlangen erst einmal von den Azubis und Studenten, dass sie die Grundlagen der Softwareentwicklung beherrschen und bilden/schulen daher selber, weil gewisse Dinge eben nicht an den Hochschulen gelehrt werden. Und damit meine ich nicht Buttons in Ticketsystem zu drücken, sondern inhaltliche Aspekte.

• Wie beschreibe ich ein Problem, sodass es jemand anderes versteht?

• Wie formuliere ich Anforderungen, damit sie nicht fehlinterpretiert werden?

• Wie schreibe ich Software damit sie wirklich lesbar, wartbar, erweiterbar und gut testbar ist?

• etc.

Nur wenn du die Grundlagen beherrschst, kannst du auch guten Gewissens verifizieren, ob die KI dir da gerade den größten Müll für total super verkaufen möchte oder nicht.
Außerdem kannst du nur dann gezielt die KI Anfragen formulieren, wenn du entsprechendes Grundwissen hast. Das ist etwas, dass ich jeden Tag erlebe. Es macht so einen großen Unterschied, ob sich eine im Thema unerfahrene Person oder eine erfahrene Person mit einer KI Unterhält. Die Ergebnisse, die dabei heraus kommen liegen Welten auseinander in der Qualität.

Daher meine Empfehlen:

1) Grundlagen des jeweiligen Themas beherrschen
2) Grundlagen beim Verfassen von guten Prompts lernen
3) Dann KI sinnvoll und effektiv einsetzen.

Beste Grüße
Morrigan

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?

Bearbeitet Samstag um 10:312 Tage von hellerKopf

Abwarten? Dass mehr Stellenanzeigen mit KI kommen? Was willst du uns damit sagen?

vor 1 Stunde, Dakta hat gesagt:

Was willst du uns damit sagen?

Ich sag nichts, ich frage

Können wir noch warten, bis wir das Thema in die Ausbildung aufnehmen, oder verpassen wir dann was?

Bearbeitet Samstag um 13:442 Tage von hellerKopf

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.

Bearbeitet Samstag um 14:002 Tage von Schliepi

vor 1 Stunde, hellerKopf hat gesagt:

Können wir noch warten, bis wir das Thema in die Ausbildung aufnehmen, oder verpassen wir dann was?

Ich sage hier ganz klar, das Thema KI/LLMs muss schnellstens in die Fachinformatiker-Ausbildung aufgenommen werden.

Sonst wird hier - wie so oft in Deutschland - der Anschluss an andere Länder verpasst!

vor 5 Stunden, Mysteryland hat gesagt:

Ich sage hier ganz klar, das Thema KI/LLMs muss schnellstens in die Fachinformatiker-Ausbildung aufgenommen werden.

Sonst wird hier - wie so oft in Deutschland - der Anschluss an andere Länder verpasst!

Vermutlich wird es auch hier wie bei anderen Themen der Praxis laufen. du wirst du bestimmte Skills selbst aneignen müssen, weil es das Bildungssystem nicht schnell genug hinbekommt dir die nötigen Fähigkeiten anzueignen...

Bei KI sehe ich da aber zwei voneinander getrennte Fähigkeiten.

1) Der richtige und Mehrwert schaffende Umgang mit KI Werkzeugen insbesondere LLMs. Hier musst du nicht verstehen, wie ein LLM intern funktioniert. Wichtig ist nur, dass du begriffen hast, dass ein LLM kein Mensch ist und die Dinge die es sagt nicht selbst versteht. Es liefert nur auf Basis von Wahrscheinlichkeiten eine zu deiner Anfrage passende Antwort. Da diese aber häufig sehr menschlich ausfallen - darauf wurden sie ja trainiert - besteht die Gefahr in die Antwort mehr hinein zu interpretieren als tatsächlich vorhanden ist.
Damit das LLM dir jetzt aber qualitativ hochwertige Antworten gibt solltest du ein paar Dinge berücksichtigen.

• Gibt möglichst viel und eingrenzenden Kontext zu deiner Anfrage mit

• Weise das LLM an aus mehreren Perspektiven das Problem zu betrachten

• Reasoning Modus nutzen!

• Verlange nicht zu viel auf einmal, sondern unterteile deine Anfrage in kleine Schritte

• Nutze die Online Recherche Funktionen

Das sind so die wichtigsten Aspekte. Ich habe dazu einmal ein Video auf meinem Kanal erstellt, in dem ich die einzelnen Aspekte etwas erkläre:
https://youtu.be/e_9mKTBE1xQ?si=IerAx8QOmYQwspTh

Ich halte diesen Umgang nicht nur für die Informatik, sondern für alle Bereiche extrem wichtig. Nur so kann KI wirklich etwas nützen. Es gibt noch viele weitere Dinge die gute Prompts ausmachen und Techniken, die angewendet werden können...

2) Auf der andere Seite steht die Fähigkeit KI Modelle selbst zu entwickeln. Dazu gehören weitaus mehr Fähigkeiten als nur KI Bibliotheken zusammen zu klicken. Hier Bedarf eines tiefen mathematischen Verständnisses, wie diese Modelle funktionieren. Denn es gibt nicht den einen KI Algorithmus. Vieles davon sind auch klassische Optimierungsverfahren, klassische machine learning Algorithmen, die schon lange vor dem KI Hype existierten und eben die ganzen reinforcment und deep learning Algorithmen zusammen mit den vielen verschiedenen Modellarchitekturen. Das alleine macht es aber nicht vollständig. Denn die Aufbereitung der Daten ist der nächste wesentliche Aspekte, um die Modelle dann auch sauber Trainieren zu können. Die Daten müssen ausgewogen sein, dürfen keinen Bias haben und müssen normalisiert werden. Aus meiner Sicht ist das ein kompletter eigener Studiengang, den ich gerne 2006 gemacht hätte. Das war mein großer Traum als ich Informatik mit dem Nebenfach KI belegt hatte. Aber damals war die KI leider noch nicht so weit ... sehr schade eigentlich, den so bin ich nur normaler Backendentwickler geworden mit Faszination für KI.

Punkt 1) sollte m.E. in der Ausbildung so schnell wie möglich aufgenommen werden und zwar nicht nur in der FIAE. KI wird in allen Bereichen künftig präsent sein und da ist es für jeden - ja wirklich jeden wichtig mit KI richtig umgehen zu können.

Beste Grüße
Morrigan

vor 37 Minuten, Morrigan hat gesagt:

Punkt 1) sollte m.E. in der Ausbildung so schnell wie möglich aufgenommen werden und zwar nicht nur in der FIAE. KI wird in allen Bereichen künftig präsent sein und da ist es für jeden - ja wirklich jeden wichtig mit KI richtig umgehen zu können.

Ja, da bin ich völlig einer Meinung mit Dir und auch @hellerKopf

Es tut mir jetzt schon für die "armen Schweine" leid - sorry für meinen Wortlaut - die sich dafür gegen erzkonservative & rückwärtsgewandte Menschen durchsetzen müssen.

mMn sind diese älteren Menschen zwar mit viel Wissen ausgestattet, was man respektieren sollte. Deren Verweigerungshaltung gegenüber neuen Technologien kann/sollte man nicht akzeptieren. Im internationalen Vergleich zeigt sich deutlich, das wir hier durch die Dominanz der Älteren schon sehr deutlich abgehängt wurden.

vor 8 Stunden, Mysteryland hat gesagt:

mMn sind diese älteren Menschen zwar mit viel Wissen ausgestattet, was man respektieren sollte. Deren Verweigerungshaltung gegenüber neuen Technologien kann/sollte man nicht akzeptieren. Im internationalen Vergleich zeigt sich deutlich, das wir hier durch die Dominanz der Älteren schon sehr deutlich abgehängt wurden.

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.

@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.

Bearbeitet Gestern um 07:191 Tag von hellerKopf

Anknüpfend an das, was @Schliepi gesagt hat: Ich bin mir immer noch nicht sicher, worüber hier eigentlich diskutiert wird. Geht es hier um Prompting (was man an einem Nachmittag erlernen kann), KI & Ethik (ein Riesenfass, was ich eigentlich nicht aufmachen möchte), das Einordnen und Evaluieren von LLM-Antworten (was automatisch mit Erfahrung kommt), oder das Entwicklen und verstehen von datengetriebenen Systemen (was auch immer das bedeuten mag)? Was ist "KI" in dem Kontext überhaupt? LLMs?

vor 5 Stunden, hellerKopf hat gesagt:

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

Ich weiß ehrlich gesagt nicht, wie konzeptionelles Verständnis ohne mathematische Herleitungen auf Hochschulniveau erfolgen soll. Warum ein Modell funktioniert, wo es scheitert und wann ich es einsetzen darf ist ein Riesenfass. In der Ökonomie (anderes Thema, ich weiß), gibt es eine Menge aktive Forschung, die nur untersucht, warum ich auf ein gegebenes Problem ein gewisses statistisches Modell anwenden kann.
Alleine so etwas einfaches wie lineare Regression, was ja jeder mal in der Schule gehabt hat ("Wie lege ich eine Gerade möglichst akkurat durch ein paar Messpunkte"), erfordert relativ schnell mal mindestens Grundlagen in Linearer Algebra und Statistik, wenn man über Regularisierung oder Multicollinearity reden will. Von komplexeren Modellen wie Gradient-Boosting Verfahren, SVMs, oder neuronalen Netzen in diskreter oder kontinuierlicher Zeit mal abgesehen.

Ich bekomme über zwei Ecken immer mal wieder mit, wie bei uns an der Uni an der Data Science Bachelor PO geschraubt wird, habe selber auch entsprechende Veranstaltungen tutoriert, und ich finde ehrlich gesagt 3 Jahre Studium schon relativ knapp bemessen für das Thema. Wahl des Modells und anschließendes Training ist auch keine Trivialität.

Wenn es aber nur um das Einbinden von Agents und Aufbauen von Pipelines geht - sorry, aber dafür braucht es kein Hintergrundwissen in Data Science. Da reichen absolut grundlegende Fähigkeiten im Bereich Anwendungsentwicklung und Netzwerktechnik. API-Calls sind API-Calls, ob es jetzt an eine Datenbank, einen Webserver, einen MQTT-Broker, oder einen Agent geht ist doch völlig egal.

Bei dem hier

vor 5 Stunden, hellerKopf hat gesagt:

LF 3 – Clients in Netzwerke einbinden

• KI-Bezug:

  • Netzwerkabhängigkeit KI-basierter Systeme

  Inhalte:

  • Datenfluss:

    • Client → Cloud-KI → Rückgabe

  • Sicherheitsaspekte:

    • API-Keys

    • Logging

  • Latenz, Verfügbarkeit

sehe ich ehrlich gesagt nicht die Notwendigkeit, da KI als Thema mit reinzubringen. Das System funktioniert genau gleich, ob da eine KI oder ein anderer Netzwerkdienst dahintersteht. Wenn überhaupt, dann sind mMn solche Themen eher interessant, weil sie spannende Fragestellungen in verteilten Systemen mit sich bringen - und nicht weil da eine KI dahinterhängt.

Insofern bin ich nicht von der Notwendigkeit KI in die Ausbildung zu integrieren überzeugt. Ich denke den Fokus darauf zu legen, den angehenden Fachinformatikern solides Handwerkszeug beizubringen (Programmieren, Softwareentwicklung, Netzwerktechnik, Betriebssysteme, ...), bringt ihnen mehr. Alles andere ist entweder bei soliden Grundlagen schnell selber gelernt, oder erfordert so viel Zeit, dass es schlichtweg die anderen Themen komplett verdrängen würde.

vor 15 Minuten, 0x00 hat gesagt:

Insofern bin ich nicht von der Notwendigkeit KI in die Ausbildung zu integrieren überzeugt. Ich denke den Fokus darauf zu legen, den angehenden Fachinformatikern solides Handwerkszeug beizubringen

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.

Bearbeitet Gestern um 13:271 Tag von hellerKopf

vor 17 Minuten, hellerKopf hat gesagt:

Vielleicht mache ich hier daraus auch nochmal eine Umfrage.

Das ist eine wirklich gute Idee 👍

Mich interessiert hier echt, wie viele der angehenden Fachinformatiker:innen (egal ob Ausbildung/Umschulung) das mit Daumen runter beantworten würden.

Den ganzen Thread lese ich vielleicht später, aber mal meine Perspektive:

Ich nutze seit bald 2 Jahren KI immer intensiver im Entwicklungsprozess. Angefangen bei "ich kopiere ein Snippet nach ChatGPT und stelle Fragen", mit Supermaven zum ersten Mal im Code-Editor als "Autovervollständigung auf Steroiden", parallel kam Copilot. Anfang letzten Jahres der Switch zu Cursor, dort erst im Chatmodus, der Agent wurde mir dann erst einmal zu viel und ich hatte andere Projekte. Seit letzten Herbst dann Claude Code CLI. Über Weihnachten die Zeit genutzt viel Workflow auszuprobieren und mir eigene Helfer-Tools zu schreiben. Inzwischen nutze ich Claude Code CLI und Codex CLI im Tandem. Das eine kann der eine besser, das andere der andere,

Nun habe ich seit 2024 eine Auszubildende zur FIAE. Meine Haltung war von Anfang an, unabhängig von KI, dass bei ihr die Grundlagen bombenfest sitzen müssen und sie verstanden haben muss was sie da tut. Deshalb haben wir bspw. auch nicht mit irgendwelchen Frameworks angefangen, sondern erst einmal mit JS das DOM "von Hand" manipuliert. (Nur ein Beispiel von ganz ganz vielen). Und genau das ist das was ich auch "unter KI" beibehalten werde. Denn wer verstanden hat was er da tut kann die KI am effektivsten einsetzen. Deshalb macht sie auch weiter ihre Aufgaben "ohne KI". Aber: gleichzeitig führe ich sie immer wieder an solche Themen heran, sage ihr aber, dass sie aus genannten Gründen das erstmal alles weiter "von Hand" machen soll. Als Auszubildende hat sie ja auch Zeit.

Ich stelle nur eine problematische Sache fest: Ihrem Vorgänger habe ich sehr oft kleine Aufgaben gegeben, bspw. kleine Tools oder einfach Refactorings für die ich keine Zeit hatte, oder auf die ich keine Lust hatte. Heute sage ich einfach Claude Code, dass es mir das kurz machen soll. Ich muss muss mir jetzt also noch gezielter "Lernaufgaben" überlegen.

vor 5 Stunden, afo hat gesagt:

Nun habe ich seit 2024 eine Auszubildende zur FIAE. Meine Haltung war von Anfang an, unabhängig von KI, dass bei ihr die Grundlagen bombenfest sitzen müssen und sie verstanden haben muss was sie da tut. Deshalb haben wir bspw. auch nicht mit irgendwelchen Frameworks angefangen, sondern erst einmal mit JS das DOM "von Hand" manipuliert. (Nur ein Beispiel von ganz ganz vielen). Und genau das ist das was ich auch "unter KI" beibehalten werde. Denn wer verstanden hat was er da tut kann die KI am effektivsten einsetzen. Deshalb macht sie auch weiter ihre Aufgaben "ohne KI". Aber: gleichzeitig führe ich sie immer wieder an solche Themen heran, sage ihr aber, dass sie aus genannten Gründen das erstmal alles weiter "von Hand" machen soll. Als Auszubildende hat sie ja auch Zeit.

Sehr guter Beitrag, danke Dir.

Da hast Du in einen paar sehr klaren Sätzen zusammengefasst, wie ich auch vorgehen möchte.

Die Rolle als Ausbildungsbetreuer im Bereich der Fachinformatik ist für mich neu, aber die Vorgehensweisen haben sich im Vergleich zu der Rolle in meinem ehemaligen Beruf nicht geändert.