IoT-Belegschaft 2024: Skills Gap schließen mit KI, ML und Data Science

Data Scientists werden häufig als Herzschlag von IoT-Initiativen beschrieben, die als Gatekeeper fungieren, die umsetzbare Erkenntnisse aus Daten freisetzen.

Ihre Expertise liegt darin, rohe Daten in klare, handlungsleitende Intelligenz zu verwandeln – eine vitale Funktion, vergleichbar mit dem Betanken eines Autos für eine reibungslose Fahrt.

Data Scientists sind hoch gefragt

Laut Gartner werden bis 2020 über die Hälfte neuer major Business-Prozesse und -Systeme IoT einbeziehen. Um diese Lösungen erfolgreich zu deployen, müssen Unternehmen Teams mit den richtigen Skillsets ausstatten. Bei aktuellem Data-Scientist-Mangel bietet KI einen Pfad, IoT-Deployments zu automatisieren und zu reifen.

Wir müssen Training in KI und IoT verbreitern, um den Skills Gap zu schließen. KI kann Projekte skalieren, menschliches Talent für Aufgaben freizusetzen, die Technologie nicht ersetzen kann, während sie repetitive Arbeit übernimmt.

Studien zeigen, dass Personalmangel und Skill-Defizite die größten Barrieren für IoT-Adoption bleiben. Immersat Research Programme fand, dass 33 % der Firmen von zusätzlichen Skills profitieren würden, und 47 % fühlen, dass ihnen das richtige Talent gänzlich fehlt. Die Top-3-Lücken sind Datensicherheit, Data Science und technischer Support.

Einfach mehr Data Scientists einzustellen, ist unzureichend. Unternehmen müssen verstehen, wie KI und Machine Learning IoT-Projekte befähigen und in Training der nächsten Generation investieren.

Eine kollaborativere Wirtschaft

Die vorherrschende Vorstellung, dass nur Data Scientists IoT-Herausforderungen lösen können, ist veraltet. Das Ziel ist, jeden Mitarbeiter zu befähigen, IoT-Daten zu interpretieren.

Millennials, gewöhnt an ständige Konnektivität, sind ideal, um weitere Integration voranzutreiben. Indem man sie mit KI, ML und Deep Learning Skills ausstattet, können Firmen Analytik auf Streaming-Daten anwenden, tiefere Insights ableiten und prädiktive Entscheidungen treffen – spiegelnd die Rolle eines Data Scientists.

Daher müssen wir Fokus auf Implementierung von mehr Training in Tools legen, die Rollen automatisieren und erweitern können durch:

1. Mehr Training implementieren – Um den aktuellen Skills Gap zu schließen, brauchen wir umfassende Kurse in KI, ML und DL. Dies ermöglicht breitere Analytik und prädiktive Entscheidungsfindung und upskillt die Belegschaft.
2. STEM ist nicht die einzige Antwort – Ausschließlich auf STEM zu vertrauen, ist limitierend. Wir müssen auch Design Thinking und Business Strategy Skills nähren, die Data Scientists befähigen, zukünftige Modelle zu formen.
3. Es gibt keine einzelne erforderliche Skill – Die zukünftige Belegschaft operiert in hochvernetzter Umgebung. IoT und Digital Transformation verlangen einen Blend aus KI, DL, ML und Data Analytics; ein einzelnes Skillset reicht nicht mehr.

Die Belegschaft der Zukunft muss mit KI, DL, ML und Data Analytics Technologien arbeiten. Nur so können wir den wahren Wert unserer Daten freisetzen, um IoT-Projekte voranzutreiben. Deshalb müssen wir jetzt handeln.

Der Autor ist Anthony Sayers, IoT Evangelist bei Software AG.