Wählen Sie KURIER als bevorzugte Google-Quelle

KI trifft auf Kompetenz: Warum Unternehmen beides brauchen

Warum KI allein nicht reicht: Wie finden Unternehmen die Balance zwischen KI-Tools und der Investition in Mitarbeitenden-Wissen?
Hand einer Person vor Laptop tastet auf transparentem Display mit leuchtendem AI-Symbol.

Künstliche Intelligenz verspricht Effizienz, Kosteneinsparung und Wettbewerbsvorteile, doch viele Unternehmen übersehen: Ohne das richtige Wissen im Team bleiben selbst die besten Tools wirkungslos. Gleichzeitig reicht es nicht aus, nur in Weiterbildung zu investieren und neue Technologien zu ignorieren. Die Zukunft gehört jenen, die beides zusammendenken: KI und Capacity Building (dt. Investition in Kompetenzen).

FH-Prof. Mathias Forjan, PhD, MSc, MBA, Geschäftsführer der Technikum Wien Gmbh, Senior Lecturer und Researcher an der Fachhochschule Technikum Wien, erklärt im Interview in der Technikum Wien Academy, warum KI und die Weiterbildung von Mitarbeitenden einander bedingen – und wie die „Capacity Building AI Curve“ dabei hilft, die richtige Balance zu finden.

KI trifft auf Kompetenz: Warum Unternehmen beides brauchen

KURIER: Herr Forjan, Ihrer Meinung nach gibt es ein Spannungsfeld, in dem sich HR und Führungsebene derzeit befinden. Was genau meinen Sie damit?

Mathias Forjan: Ja, das gibt es. Das Wesentliche ist, dass dieses Spannungsfeld von externen Faktoren stark beeinflusst wird, also von multiplen Krisen, die wir auf der Welt gerade erleben, und genauso in der Wirtschaft. Auf der anderen Seite gibt es einen immer größeren Budgetdruck und gleichzeitig einen steigenden Zuwachs an KI-Tools, die sehr verlockend wirken. Die Versuchung ist groß, schnell das Budget zu straffen und einzusparen. Zudem gibt es auch noch die Möglichkeit, mit KI Effizienz zu schaffen, aber es ist noch nicht so ganz durchgedrungen, wie man das zukunftsorientiert macht. Für HR-Beauftragte und C-Level-Management ist es besonders schwierig, hier zu manövrieren.

Was ist das Problem dabei?

KI ist im Grunde ein Tool oder besser gesagt ein Set an Tools. Und weil sie ein Tool ist, kann sie nicht alleine alles lösen. Es scheint im ersten Augenblick so, dass man durch den Einsatz von KI effizienter arbeiten kann. Kurzfristig mag das auch der Fall sein. Auf der anderen Seite fehlt aber häufig das Personal, das damit umgehen kann und die KI nachhaltig in die Prozesse integriert. Diese scheinbare Effizienz ist vielleicht kurzfristig gegeben, aber in Summe durch das fehlende Domänenwissen schlussendlich nicht effizient. 

Welche typischen Reaktionsmuster in Bezug auf die KI beobachten Sie aktuell in Organisationen?

Wir haben drei extreme Reaktionsarten identifiziert. Erstens: das KI-First-Prinzip. Man bringt möglichst viel KI ins Unternehmen und streicht im Extremfall sogar Juniorpositionen, weil die KI diese Aufgaben übernehmen kann. Zweitens: die komplette Ablehnung. Unternehmen sagen: „Wir brauchen KI nicht oder nutzen sie nur sehr wenig, weil wir gut ausgebildetes Personal haben und auf unsere Erfahrung setzen.“ Die Haltung des Unternehmens dahinter ist Stabilität zu vermitteln. Und drittens: die Mischreaktion, also der punktuelle Einsatz von KI. Man verwendet einzelne Tools für einzelne Aufgaben, um zumindest sagen zu können, man hat ein bisschen eine Ersparnis. Aber das ist nicht ganzheitlich gedacht und stiftet häufig keinen tatsächlichen Mehrwert.

Mathias Forjan sitzt im Büro am Tisch gegenüber einem Laptop und spricht in einem Interview über KI und Weiterbildung.

Alle drei Ansätze blenden etwas Entscheidendes aus. „Die einen ignorieren die Notwendigkeit von Weiterbildung, die anderen die Möglichkeiten neuer Technologien", so Mathias Forjan. „Dabei spielen Tools und Menschen zusammen – das eine funktioniert nicht ohne das andere."

Sie sagen, alle drei Ansätze haben einen „blinden Fleck“. Welchen?

Der blinde Fleck entsteht durch die extremen Haltungen. Das Unternehmen, das auf KI-First setzt, blendet den Zusammenhang zwischen Mitarbeiter:innenbildung und Weiterbildung aus oder grenzt ihn stark aus. Das andere Extrem blendet die Tool-Landschaft und die Möglichkeiten aus, durch neue Technologien die Effizienz zu steigern. Beides muss zusammenspielen: Die Tools müssen von den Personen bedient werden und die Personen müssen lernen, wie sie die Qualität halten können und wie ihnen die KI dabei helfen kann. Das wird oft ausgeblendet.

Sie haben das Konzept der „Capacity Building AI Curve“ entwickelt. Was steckt dahinter?

Das Konzept kommt eigentlich aus der Medizintechnik, weil es diese Kurve in einer sehr ähnlichen Form bei Defibrillatoren gibt. Dort bedeutet diese Kurve: Wenn ich zu kurz mit zu viel Energie defibrilliere, schade ich dem Körper. Sehr lange mit sehr wenig Energie bringt auch nichts. Es gibt einen bestimmten Abschnitt, in dem Energie, Stromstärke und Zeit im richtigen Verhältnis zueinander stehen. Ich habe dieses Konzept auf die Nutzung von „Capacity Building“ – also dem Wissensaufbau der Mitarbeiter:innen im Unternehmen – und der Nutzung von KI-Tools oder Technologie im Allgemeinen übertragen. Auch dort ist es nicht vernünftig, in sehr kurzer Zeit sehr viele KI-Tools oder Schulungen durchzuführen. Genauso wenig kann ich über einen langen Zeitraum immer nur ein bisschen etwas machen, denn das wird genauso wenig zu einem tatsächlichen Effekt führen. Und so entstand die Idee dieser „Capacity Building AI Curve“, weil es keinen „Sweet Spot“, sondern eher eine „Sweet Area“ gibt, wo sich der eingesetzte Aufwand, die Energie, das Fachwissen der Mitarbeitenden und die Anzahl der genutzten KI-Tools in einem richtigen Verhältnis befinden.

Diagramm der „Capacity Building AI Curve“ mit den Linien für Energie, Wissen und KI-Tools der Technikum Wien Academy.

Und diese Sweet Area ist für jedes Unternehmen anders?

Genau. Sie ist domänen- und unternehmensspezifisch. Ich kann nicht sagen: fünf Tools, drei Mitarbeitende pro Jahr schulen, und das gilt für alle. Ein Tischlereibetrieb hat andere Anforderungen als eine Bank. Aber es wird immer so einen Bereich geben, und den muss man im Unternehmen finden.

Wie findet man als Unternehmen diese Sweet Area?

Das ist eine schwierige Frage, denn dafür gibt es kein allgemeingültiges Kochrezept. Ein gut geführtes Unternehmen muss sich über sich selbst Gedanken machen: Welche Prozesse habe ich? Welche Technologien nutze ich? Welche Personen sind meine Schlüsselakteur:innen, die ein unternehmensspezifisches Wissen haben? Dann braucht es eine Gegenüberstellung: Welche Technologien sind am Markt? Welche entwickeln sich gerade? Welche Personen müsste ich dorthin entwickeln, dass sie diese Technologien anwenden können? Dann muss man eine Art Return-on-Investment-Rechnung machen – aber langfristig denken, nicht nur ans heutige Budget. Und das Wichtigste: Dieser Prozess ist nicht einmalig. Diese Analyse muss immer wieder wiederholt werden, idealerweise jährlich.

Mehrere bunte Puzzleteile mit Begriffen wie Cloud & IT, Datenanalyse und Projektmanagement, daneben Menschen bei einer Präsentation.

Wer sollte diese Analyse am besten durchführen?

Ich glaube nicht, dass man dafür eine neue Abteilung braucht – das wäre automatisch eine neue Kostenstelle. Ich plädiere dafür, dass man Personen im eigenen Unternehmen dafür heranzieht. Es braucht nämlich ein interdisziplinäres Team aus bestehenden Abteilungen: Personen, die sich mit KI auskennen, Personalentwickler:innen und Leute, die Prozessanalysen können. Diese kleine Gruppe muss als Art „Steering Committee“ (dt. Steuerungsgremium) regelmäßig analysieren: Was gibt es Neues? Welche Trends wollen wir aufgreifen? Wie viel Personal brauchen wir in welchen Themenbereichen?

Was bedeutet das konkret für HR-Verantwortliche?

Es ist eine neue Aufgabe, mit der sich HR-Verantwortliche beschäftigen müssen. Ausgebildete Fachkräfte für diesen Bereich gibt es so noch nicht, deshalb müssen Personen in dieser Rolle kontinuierlich Erfahrungen sammeln und dazulernen. Und KI kann bei diesem Prozess unterstützen, ihn aber nicht abnehmen. Die Aufgabe muss klar definiert werden und die Personen brauchen gezielte Weiterbildung und technisches Know-how, um das Unternehmen voranzubringen.

Zwei Büroangestellte besprechen am Tablet den Einsatz digitaler Tools und Weiterbildung.

Abteilungsübergreifende Zusammenarbeit statt Silodenken: So entsteht eine zukunftsfähige Balance zwischen KI und Kompetenz.

Und für das C-Level: Wie verändert sich die Rolle der Führung?

Auf C-Level-Ebene ist der wesentliche Punkt, dass man nicht außer Acht lassen darf, dass Technologien, Tools, KI und Personalentwicklung und das dort ansässige Budget miteinander verknüpft sein sollten. Wenn ich isolierte Kostenstellenentscheidungen treffe, kann ich zwar budgetär schnell meinen Plan aufstellen, aber nicht zukunftsorientiert handeln. Man muss über den Tellerrand schauen und abteilungsübergreifend denken. Das ist übrigens einer der großen Vorteile, den der Mensch gegenüber der KI hat: dass das menschliche Gehirn in der Lage ist, unterschiedliche Kontexte miteinander zu verbinden und mögliche Anknüpfungspunkte zu identifizieren.

Was verstehen Sie unter „Capacity Building“ – und warum ist das mehr als klassische Weiterbildung?

Capacity Building ist mehr als klassische Weiterbildung. Es geht darum, Wissen nicht nur zu vermitteln, sondern im Unternehmen nachhaltig aufzubauen – und zwar so, dass Mitarbeiter:innen nicht nur neue Tools benutzen, sondern auch anderen erklären können, wie sie funktionieren. Wenn ich Personen befähige, Probleme zu lösen und dieses Wissen nicht nur theoretisch und um seiner selbst Willen anzuwenden, sondern auch weiterzugeben, entsteht über die Zeit im Unternehmen eine Kapazität, Wissen im Sinne der Unternehmensziele nutzbar zu machen. Das steigert die Resilienz, Innovationsfähigkeit und Anpassungsfähigkeit des Unternehmens.

Können Sie das an einem Beispiel verdeutlichen?

Ein Buddy-System wäre eine Möglichkeit. Oder Job-Shadowing (dt. Hospitation) mit Rotationsprinzip, dass man versucht, mehrere Sichtweisen regelmäßig zu erlernen. Vernünftig ist es, sich dabei auch beraten und begleiten zu lassen. Was wir beobachten, ist, dass Unternehmen weniger in isolierte Einzelschulungen investieren wollen und stärker den Wunsch äußern, von jemandem beraten zu werden, wie sie Wissen nachhaltig im Unternehmen aufbauen. Genau das ist Capacity Building: kontinuierlich Personen ausbilden und das Wissen im Unternehmen stetig erhöhen. Schlecht wäre, wenn die Wissenslinie in der „Capacity Building AI Curve“ sinkt. Das passiert, wenn man nur in Tools investiert. Genauso schlecht wäre, wenn sie gleich bleibt. Dann entsteht keine Innovationsfähigkeit. Heruntergebrochen: Unternehmen müssen schlauer werden. Mehr schlaue Leute können mehr schlaue Dinge tun.

Mann mit grauem Haar und dunklem Sakko gestikuliert während eines Gesprächs an einem Tisch mit Laptop, Notizblock und Smartphone.

Mathias Forjan: „Capacity Building bedeutet, kontinuierlich in Menschen zu investieren – nicht nur in Tools."

Ein häufiges Argument ist: KI kann repetitive Aufgaben übernehmen, also brauchen wir keine Juniors mehr. Was sagen Sie dazu?

Das ist kurzfristig gedacht. Woher kommen dann in fünf Jahren die Seniors? Niemand fällt vom Himmel mit Domänenwissen und Erfahrung. KI wird Rollenbilder ändern, aber nicht vollständig Personen ersetzen. Es wird weiterhin Kontrollinstanzen brauchen, Menschen mit Domänenwissen, die Ergebnisse überprüfen und in den richtigen Kontext setzen. Das kann KI so nicht.

Viele Organisationen stehen unter enormem Handlungsdruck. Wie startet man mit „Capacity Building“ und wie können Unternehmen vermeiden, zu kurzfristig zu denken?

Schwierig, denn letztlich steht die Wirtschaftlichkeit des Unternehmens immer im Vordergrund. Es klingt in der heutigen Zeit fast „verkehrt“ zu sagen, das funktioniert nur, wenn man neue Leute aufbaut, denn das würde automatisch höhere Personalkosten bedeuten. Aber ich glaube nicht, dass man neues Personal braucht. Ich denke, dass man das bestehende Personal weiterhin gut einsetzen kann. Es empfiehlt sich aber eine Ist-Analyse zu machen: Welche Personen wären in der Lage, durch neues Wissen diesen Prozess zu unterstützen? Dafür kann man sich externe Hilfe holen, mit Weiterbildungsanbieter:innen zusammenarbeiten und im Idealfall brauchen diese Leute nicht ewig, das Wissen im Unternehmen aufzubauen. Sprich: Ich muss vielleicht gar nicht neues Personal aufbauen, es hilft aber sicherlich nicht, kurzfristig Personal abzubauen.

Mathias Forjan spricht mit einer Interviewerin am Tisch im hellen Besprechungsraum der Technikum Wien Academy.

„KI entwickelt sich selbst weiter, deshalb ist Handeln für alle Branchen gleichermaßen wichtig", gibt Forjan zu bedenken.

Gibt es Branchen, für die dieser Ansatz besonders relevant ist?

Eigentlich alle – in Österreich wie in der gesamten EU. Ich glaube nicht, dass eine bestimmte Branche dringender handeln muss als andere. Wir tendieren zu sehr dazu zu sagen: „Wir bleiben bei dem, was funktioniert und dann schauen wir später weiter.“ Dieses Abwarten ist gefährlich, weil sich die Rahmenbedingungen ständig ändern. KI entwickelt sich rasant weiter und dieser Prozess wird immer schneller. Deshalb müssen alle handeln: Dienstleister:innen genauso wie produzierende Firmen, ein Tischlereibetrieb genauso wie eine Bank oder ein Versicherungsunternehmen. Die Sweet Area ist für jeden unterschiedlich, wie wir vorhin schon gesagt haben, aber bewegen müssen sich alle.

Wer sind langfristig die Gewinner:innen?

Die Gewinner:innen werden die sein, die verstanden haben, dass die Investition in Tools mit der Investition in das Wissen und die Kapazitäten des eigenen Teams einhergeht. Und die in der Lage sind, diese Entwicklung über lange Zeit immer wieder iterativ durchlaufen zu lassen. Kontinuierlich in Wissen investieren, genauso wie in die richtigen Tools – und keine Kurzschlussreaktionen machen. Einfach das neueste Tool mit Fünf-Sterne-Bewertung zu kaufen und zu glauben, es löst alles – hilft nicht. Genauso wenig hilft es, 200 Mitarbeiter:innen in eine Schulung zu schicken und zu denken, dann ist das Problem gelöst. Weiterbildung ist grundlegend und wichtig, aber allein nicht ausreichend – genauso wenig wie Tools allein.

Eine letzte Frage: Wie sind Sie von der Medizintechnik zu diesem Thema gekommen?

Ich bin seit über 14 Jahren an der FH Technikum Wien in der Medizintechnik tätig und unterrichte dort immer noch. Vor etwa drei Jahren habe ich die Geschäftsführung der Technikum Wien GmbH übernehmen dürfen. Ich komme aus der Hochschullehre und Forschung, habe aber mit der Zeit und durch etliche Projektleitungsaufgaben und Weiterbildungen auch Managementaufgaben übernommen. Für mich lag es dann Nahe medizintechnische Konzepte, wie die vereinfacht genannte „Defibrillator-Kurve“ auch auf das neue Tätigkeitsfeld umzumünzen. So entstand die Idee der Capacity Building AI Curve.

Herr Forjan, vielen Dank für das Gespräch!

Werbung für 10 % Rabatt auf ausgewählte IT-, AI- und UX-Kurse mit Code TWAKURIER2026.

Fazit

KI verändert die Arbeitswelt rasant – aber ohne kluge Köpfe, die sie einsetzen, bleibt ihr Potenzial ungenutzt. Denn KI und Mensch bedingen einander: Technologie braucht Wissen, Wissen braucht Technologie. Die „Capacity Building AI Curve“ zeigt Unternehmen, dass es essenziell ist, eine Balance zwischen Technologie und Wissen zu finden. 

Wer jetzt handelt und beides zusammendenkt, schafft nachhaltige Wettbewerbsvorteile. Die Gewinner:innen von morgen sind nicht die Unternehmen mit den meisten KI-Tools, sondern jene mit den smartesten Teams, die wissen, wie man die Künstliche Intelligenz effizient nutzt.