Welche Kompetenzen braucht euer Team für KI?

Evidenz

Einordnung

Wille ist nicht Fähigkeit

Die Dimension Internal Assets fasst AI Talent, Collaborative Culture und Innovativeness zusammen. Der hohe Mittelwert von 3,38 entsteht vor allem durch die Offenheit. Ohne Q6 lägen die beiden anderen Faktoren auf dem Niveau der Führungs- und Datenfragen.[Probst 2026, Tabelle 4]

Die Forschungsarbeit weist auf eine Besonderheit hin: Q6 hat mit 0,32 die zweittiefste Item-Rest-Korrelation aller Fragen. Die Offenheit hängt nur schwach mit Talent und Zusammenarbeit zusammen. Organisationen können also offen sein, ohne die Fähigkeiten zu haben, und umgekehrt. Das erklärt auch die vergleichsweise niedrige Reliabilität der Dimension (α = 0,677, ω = 0,702).[Probst 2026, Anhang B]

Die europäische Umfrage bestätigt die Offenheit mit 4,01 von 5 (n = 165).[AI Monitor 2026, Europa]

Wie die Stufen aussehen

Bei Q4 beschreibt Stufe 4 «interdisziplinäre Produktteams (PM, UX, KI), die komplexe KI-Produkte weitgehend intern bauen». Bei Q5 heisst Stufe 4 «integrierte Produktteams: Product Management führt cross-funktionale Teams, strukturierter Austausch von der Idee bis zum Go-live». Beide Stufen erreicht im Median nur die Hälfte der Organisationen nicht.[Probst 2026, Anhang A]

Teklens-Einordnung

Für euer Produktteam

Die Studie beschreibt Organisationen über Branchen hinweg. Die Übertragung auf Software-Produktteams ist unsere Interpretation, kein empirischer Befund für Produktteams.

Unsere Empfehlung, wenn die Offenheit da ist und die Fähigkeiten fehlen.

• Kompetenz an einer echten Aufgabe aufbauen

  Statt eines allgemeinen Schulungsprogramms: eine konkrete Activity, von der Aufgabe bis zur Freigabe, mit den Menschen, die sie später verantworten.

• Gemeinsames Gedächtnis statt Übergaben

  Ein Schnittstellenmodell (Stufe 3 bei Q5) übergibt Anforderungen sequenziell. Ein gemeinsamer Kontext, in dem Entscheide, Tickets und Code verbunden bleiben, macht viele Übergaben überflüssig. Genau dafür bauen wir das Product Brain, ein gemeinsames Gedächtnis für Menschen und Agents.

• Offenheit nicht überschätzen

  Ein offenes Team ist eine gute Ausgangslage, aber kein Beleg für Readiness. Prüft Talent und Zusammenarbeit an Ergebnissen, nicht an der Stimmung.

Einordnung & Grenzen

• Die Offenheit wird von Führungskräften über ihre Mitarbeitenden eingeschätzt, nicht von den Mitarbeitenden selbst.
• Q6 misst Einstellung, nicht Verhalten. Ein hoher Wert sagt nichts darüber, ob KI im Alltag tatsächlich genutzt wird.
• Die Dimension hat die zweittiefste Reliabilität; ihre drei Faktoren messen nicht dasselbe.

Fragen & Antworten

Quellen

Die DACH-Analyse stammt aus der Masterarbeit von Felix Probst (Universität St.Gallen, 2026), die sich auf Deutschland und die Schweiz konzentriert und in Zusammenarbeit mit Studyond und Teklens entstand. Die europäische Erhebung führten Teklens und readyai.one als Vorstudie für den Swiss AI Monitor durch; Teklens ordnet die Befunde als Herausgeber ein. Vollständige Zitate und Stellenverzeichnis: Methodik & Quellen.

1. Probst 2026 · Probst, F. (2026). Capturing AI's Potential: How Ready Are Organisations in the DACH Region? Masterarbeit, Universität St.Gallen, in Kooperation mit Teklens. Deutschland und Schweiz, n = 64, Reifeskala 1–5, Selbsteinschätzung, explorativ.Verwendete Stellen: Tabelle 3, Tabelle 4 und Abbildung 4, Tabelle 5 und Abbildung 7, Anhang A, Anhang B
2. AI Monitor 2026, Europa · Teklens & readyai.one (2026). AI Monitor 2026 – European survey on organisational AI readiness (pre-study for the Swiss AI Monitor), raw export of 19 August 2026. Research partners: ETH Zürich and University of St.Gallen. Internal aggregate, published on teklens.ai/ai-monitor.

Methodik & Quellen