„KI ersetzt keine Fachkompetenz – sie erhöht den Anspruch daran“
Ob Lehre, Gebäudeplanung oder Teamführung: KI verändert das Ingenieurwesen. Prof. Dr. Michael Simon erklärt, warum Urteilskraft künftig mehr zählt als Software-Wissen und weshalb der Beruf dadurch nicht leichter, sondern anspruchsvoller wird.
Prof. Dr. Michael Simon: KI macht den Ingenieurberuf nicht weniger anspruchsvoll – sie erweitert das Aufgabenspektrum und erhöht die Bedeutung fachlicher Urteilskraft.
Foto: Dr. Simon + Savas Ingenieurgesellschaft mbH
Ob in der Lehre, der Gebäudeplanung oder bei der Führung von Teams: Künstliche Intelligenz verändert das Ingenieurwesen grundlegend. Doch was bedeutet echte KI-Kompetenz jenseits von Prompt-Engineering und Tool-Bedienung?
Prof. Dr. Michael Simon über das Innovator’s Dilemma der Ingenieurkunst, neue Anforderungen an Führungskräfte und warum Urteilskraft künftig wichtiger ist als Software-Wissen.
Inhaltsverzeichnis
KI-Kompetenz wird häufig mit der Beherrschung neuer Tools gleichgesetzt. Was unterscheidet aus Ihrer Sicht echte KI-Kompetenz von reiner Tool-Bedienung – insbesondere für Ingenieurinnen und Ingenieure?
Prof. Dr. Michael Simon: Man muss verstehen, dass der Ingenieurberuf durch KI keineswegs weniger anspruchsvoll wird. Im Gegenteil: Er wird breiter. KI-Kompetenz erweitert das Spektrum und die Aufgabenfelder von Ingenieurinnen und Ingenieuren enorm.
Aus meiner Erfahrung – insbesondere an der Schnittstelle zu Führungsthemen und Projektleitung – ergeben sich vor allem fünf zentrale Kompetenzen, die durch KI neu aktiviert werden:
- Technische Urteilskraft: Die KI liefert keine absolute Wahrheit. Ingenieurinnen und Ingenieure müssen in der Lage sein, die Ergebnisse richtig zu interpretieren. Das ist eine neue Form der digitalen Urteilskraft.
- Datenkompetenz: Wo liegen die Grenzen der Aussagekraft? Ist die Datengrundlage richtig? Früher hat ein klassischer Konstrukteur seine Zeichnungen meist selbst angefertigt. Heute muss man die Grundlagen, die Systeme liefern, kritisch hinterfragen.
- Kommunikationsfähigkeit: Die Übersetzungsleistung zwischen Technik, Management und Verantwortung bleibt menschlich.
- Führungskompetenz im Team: Jede Ingenieurin und jeder Ingenieur arbeitet in Teams oder führt diese. Hier stellt sich die Frage: Wie verändert KI unsere Organisation, unsere Zusammenarbeit und den gesamten Produktlebenszyklus?
- Lern- und Veränderungskompetenz: Ingenieure müssen in der Lage sein, den durch KI angestoßenen Transformationsprozess in ihrem eigenen Arbeitsumfeld aktiv zu adaptieren und mitzugestalten.
Wenn wir über das Hinterfragen sprechen: Auch der Begriff des „kritischen Denkens“ fällt in diesem Kontext oft. Wie ordnen Sie das ein?
Zum einen gibt es eine regulatorische Seite – nehmen Sie etwa den EU AI Act. Er definiert ganz klar, mit welchen KI-Anwendungen ein Unternehmen konfrontiert ist, wer dafür zuständig ist und wer was mit welchem Tool tun darf. Das betrifft klassische Governance-, Datenschutz- und Risikothemen.
Zum anderen berührt kritisches Denken das, was ich als Digital Leadership bezeichne. Digital Leadership bedeutet nicht nur, eine Technologie einzuführen, sondern deren sinnvollen Einsatz aktiv zu gestalten. Man muss das Werkzeug hinterfragen: Verlasse ich mich blind auf das Ergebnis oder verstehe ich den Entstehungsprozess?
Künftig wird es in Stellenausschreibungen nicht mehr primär darum gehen, wer den besten Prompt schreiben kann. Das wird nachrangig sein. Die Kernkompetenz liegt darin, Ergebnisse zu interpretieren und den Weg der Ergebnisgewinnung durch die KI nachvollziehbar zu machen.
Lesen Sie auch: KI im Klassenzimmer: Verlernen künftige Ingenieure das Denken?
KI erweitert das Ingenieurspektrum
Sie erwähnten, dass das Ingenieurspektrum breiter wird. Können Sie dafür konkrete Beispiele nennen?
Die einfachen Anwendungsfälle liegen auf der Hand: Generative KI ist hervorragend darin, Dokumente zu strukturieren, große Datenmengen durchzuarbeiten oder Protokolle zu erstellen – wie wir es auch in diesem Gespräch tun. Die Verantwortung dafür, was inhaltlich richtig ist, verbleibt jedoch beim Menschen. KI leidet bekanntlich nach wie vor unter Halluzinationen.
Spannender wird es bei der Entwicklung von Produkten sowie der Neu- und Weiterentwicklung von Prozessen. In meinem Metier, dem immobilienbezogenen Ingenieurwesen, setzt die KI beispielsweise den Ist-Zustand eines Gebäudes mit Soll-Zuständen in Beziehung. Sie kann Sanierungsvarianten oder anlagentechnische Optimierungen deutlich schneller, detaillierter und kostengünstiger in verschiedenen Szenarien durchspielen als bisher.
Das betrifft die gesamte Entwurfs- und Konstruktionsebene bis hinein in die Forschung. KI unterstützt dabei, in kürzester Zeit Zusammenhänge zu erkennen, Kollisionen in Planungen aufzudecken und Optimierungspotenziale aufzuzeigen.
Und schließlich betrifft es die Lehre und Weiterbildung an den Hochschulen. Studierende lernen bereits, KI-gestützt Kollisionsprüfungen an technischen Anlagen durchzuführen. Die KI gibt den Impuls: „Hier stimmt etwas nicht.“ Der Studierende muss diesen Hinweis interpretieren und der Ingenieur muss ihn am Ende fachlich bewerten.
Am Ende haftet nicht die KI, sondern der Mensch. Ein Erwerber oder Richter wird sich nicht damit zufriedengeben, dass man sich voll und ganz auf die KI verlassen hat.
Besteht in der Lehre nicht auch die Gefahr, dass Studierende, die von Anfang an mit KI groß werden, verlernen – oder nie erfahren –, wie man ohne KI arbeitet?
Das ist ein extrem wichtiger Punkt. Mein Kredo lautet: KI ersetzt keine Fachkompetenz, sondern sie erhöht den Anspruch an die Fachkompetenz.
Das wertet den Ingenieurberuf letztlich auf. Studierende müssen sich heute neben dem klassischen Fachwissen auch noch Transformations- und KI-Skills aneignen. Denn am Ende des Tages – zumindest ist das auf absehbare Zeit so – trägt kein Algorithmus die juristische oder fachliche Verantwortung. Ein Erwerber, ein Eigentümer oder ein Richter wird sich nie damit zufriedengeben, dass man sich „voll und ganz auf die KI verlassen hat“.
Der Ingenieur haftet mit seinem Spezialwissen dafür, dass ein Produkt oder Verfahren sicher und korrekt ist. Weil diese Verantwortung stets beim Menschen bleibt, braucht es in der Ausbildung die Balance: fundierte technische Fachkompetenz auf der einen Seite und die Fähigkeit zur kritischen Interpretation von KI-Ergebnissen auf der anderen.
Lesen Sie auch: OpenAI-Analyse: Warum Engineering-Aufgaben auch außerhalb technischer Berufe auftauchen
Blicken wir auf die ältere Generation im Berufsleben: Wie erleben Sie den Umgang mit diesen neuen Kompetenzen?
Das unterscheidet sich im Grunde nicht von früheren technologischen Innovationen. Als das Automobil aufkam, sagte selbst der deutsche Kaiser, es werde sich nie durchsetzen, weil es stinke und qualme – die Kutsche bleibe. Wir wissen alle, wie das ausging.
Ähnlich war es beim Smartphone. Am Anfang gab es noch Unsicherheiten bezüglich der Bedienung, der Tastaturgröße oder der Lesbarkeit für Ältere. Erst mit den ersten Touchscreens verschwanden diese physischen Barrieren schlagartig.
Bei der KI erleben wir derzeit noch eine kleine Bruchkante beim Zugang. Sobald wir aber vollends bei interaktiven, natürlichen Sprachmodellen angekommen sind, löst sich diese Hürde auf. Die Interaktion wird dann für jeden barrierefrei möglich sein – unabhängig von Alter oder Sprachhintergrund.
Das Innovator’s Dilemma und die Rolle der Führungskräfte
Viele technologische Umbrüche wurden in der Geschichte von Unternehmen zunächst unterschätzt. Warum erkennen Manager und Führungskräfte solche Systemveränderungen oft erst spät?
Dafür gibt es ein sehr bekanntes ökonomisches Prinzip: das Innovator’s Dilemma. Ein klassisches Beispiel dafür ist Kodak: Das Unternehmen hatte die Digitalkamera jahrelang in der Schublade liegen, verließ sich aber auf den enormen Erfolg seines bestehenden analogen Geschäftsmodells – bis es von asiatischen Wettbewerbern überholt wurde.
Gleiches sahen wir historisch beim Übergang von der Segel- zur Dampfschifffahrt Ende des 19. Jahrhunderts oder später bei der Einführung der Motorschifffahrt um 1920: Die etablierten Marktführer investierten bis zum Schluss Unsummen in die veraltete Technologie, weil sie aus einer Position der Stärke heraus keinen Veränderungsdruck verspürten. Ein Großteil dieser Reedereien ging schlicht bankrott.
Genau das darf unseren Ingenieurinnen und Ingenieuren nicht passieren. Man darf nicht dem Irrglauben verfallen, dass die Technologie, die uns in der Vergangenheit erfolgreich getragen hat, automatisch auch die Zukunft sichert.
Digital Leadership: Warum alte Erfolgsmodelle im KI-Zeitalter nicht mehr reichen
Wie können Führungskräfte verhindern, dass ihre eigenen Erfolgsmodelle der Vergangenheit den Blick auf die Zukunft verstellen?
Zunächst braucht es eine klare Orientierung und einen ethischen Rahmen. Die Nutzung von KI berührt immer auch Fragen der Governance und Ethik – man denke an Fake-Bilder oder den missbräuchlichen Umgang mit sensiblen Daten. Führungskräfte müssen hier als Kompass agieren.
Veränderungsprozesse im Rahmen von KI erfordern von Führungskräften vor allem konkrete Steuerung:
- Einsatzszenarien klären: Welche KI-Anwendungsfälle schaffen in meinem spezifischen Wirkungsfeld überhaupt einen echten Mehrwert?
- Risiken und Ängste adressieren: Welche Ängste entstehen bei den Mitarbeitenden? Wie fängt man Befürchtungen bezüglich Fehlerhaftigkeit oder Arbeitsplatzverlust ab?
- Prüfprozesse definieren: Wer kontrolliert die von der KI generierten Ergebnisse nach welchen Standards?
- Transparenz schaffen: Wie werden Entscheidungen, die auf KI-Grundlagen beruhen, dokumentiert? Früher galt meist das RACI-Prinzip mit klarer menschlicher Zuordnung. Das muss nun für die digitale Welt neu aufgesetzt werden.
Führungskräfte müssen ihr Team befähigen, sich angstfrei in diesem neuen Kosmos zu bewegen.
Angst vor KI ist das eine, aber wer unterstützt die Führungskräfte dabei, diese Entscheidungen fundiert zu treffen?
Das ist genau der Kern von Digital Leadership. Es geht darum, KI nicht als rein technisches IT-Projekt zu begreifen, sondern als Querschnittsdisziplin aus Change Management, Unternehmenskultur und Risikobewertung.
Hier entsteht derzeit ein großer Markt für Weiterqualifikation. Akademien und Hochschulen – ich engagiere mich hier beispielsweise auch als Beirat und Dozent in der ZIA Akademie für den „KI Real Estate Manager“ – entwickeln maßgeschneiderte Programme, die sich gezielt an Führungskräfte richten.
Bisher lag der Fokus viel zu sehr auf dem reinen Anwenden von Tools. Das ist zu kurz gedacht, denn moderne KI-Anwendungen leiten den Nutzer ohnehin intuitiv an. Die eigentliche Führungsaufgabe besteht darin zu entscheiden, was diese Führung durch die KI für die Mitarbeitenden bedeutet, und den strategischen Rahmen vorzugeben.
Strategien für den Arbeitsmarkt der Zukunft
Welche Personalstrategien brauchen Unternehmen und Ingenieurbüros, damit KI tatsächlich Wert schafft und nicht nur ein weiteres Werkzeug bleibt?
Schaut man sich klassische Stellenausschreibungen an, liest man dort meist Voraussetzungen wie „MS Project-Kenntnisse“ oder „Revit-Erfahrung“. Das sind reine Tool-Kompetenzen. Wir müssen weg von diesem Fokus auf Tools und hin zur Beurteilungskompetenz.
Anders als Microsoft 365, das über Jahrzehnte hinweg ein weitgehend statischer Standard war, verändert sich die KI-Landschaft rasant. Deshalb bringt es wenig, nur den Umgang mit einem spezifischen Software-Tool abzufragen.
In den Anforderungsprofilen der Zukunft muss neben dem ingenieurwissenschaftlichen Fachwissen die Affinität zur Entwicklung und Bewertung digitaler Modelle stehen. Es muss erkennbar sein, ob jemand bereits Erfahrungen damit gesammelt hat, KI-generierte Entwürfe zu bewerten und daraus belastbare Entscheidungsgrundlagen abzuleiten.
Was raten Sie Ingenieurinnen und Ingenieuren, die aktuell auf Jobsuche sind? Wie stellt man diese Kompetenzen am besten im Lebenslauf dar?
Es gibt zwei Wege:
- Über Zertifikate: Wer eine gezielte Zusatzqualifikation absolviert hat, führt das Zertifikat als Nachweis in den Bewerbungsunterlagen an – vergleichbar mit Nachweisen im Brandschutz oder für spezielle Maschinenanforderungen.
- Über inhaltliche Schwerpunkte im Lebenslauf: Wenn kein formelles Zertifikat vorliegt, sollte man bei den bisherigen Stationen im Studium oder Beruf genau die Schnittstellen betonen, an denen man mit KI gearbeitet hat.
Wichtig ist mir auch hier: Stellen Sie nicht die Anwendung des Tools in den Vordergrund. Schreiben Sie nicht primär darüber, dass Sie eine spezifische Software genutzt haben, sondern wie Sie in der Lage waren, die Herausforderungen der KI zu bewältigen, deren Ergebnisse zu interpretieren und fachlich abzusichern. Es geht immer um die Urteilskompetenz.
Gibt es abschließend einen Rat, den Sie der Ingenieurbranche für den Umgang mit KI mitgeben möchten?
Man sollte schlichtweg keine Scheu vor der Technologie haben. Innovationen lösen oft Vorbehalte oder Sorgen aus. Aber jede Innovation hat einen evolutionären Charakter – sie kommt sowieso.
Ingenieure, die in ihrem Umfeld erfolgreich bleiben wollen, dürfen sich nicht zu lange mit der Kutsche beschäftigen. Sie müssen sich mit dem Automobil der Zukunft auseinandersetzen.
Der falsche Ansatz wäre zu sagen: „Bisher haben wir es immer so gemacht, das ist erst einmal richtig – und vielleicht können wir an einer Stelle KI nutzen.“
Der richtige Ansatz lautet: Hinterfragen Sie Ihr Aufgabenfeld grundsätzlich. Fragen Sie sich an jeder Stelle: „Kann ich hier mit KI einen echten Vorteil erlangen?“ Erst danach prüfen Sie Legalität und Rahmenbedingungen. Das ist die Denkweise, die die Ingenieurkunst von morgen prägen wird.
Lesen Sie auch: Head of AI bei Ferchau: „Nicht die Technologie ist die Hürde, sondern die Organisation“
Ein Beitrag von:
