Frauen in der KI: Erkenntnisse von der HUMAN X Conference

Die Frauen in der KI, die auf der HUMAN X Conference hervorgehoben wurden, erzählen nicht nur eine Geschichte der Repräsentation, sondern des greifbaren Aufbaus von KI-first-Unternehmen. Der Kernpunkt ist folgender: Die besten Produkte entstehen aus einem echten menschlichen Bedürfnis, der Wettbewerbsvorteil wird im Kontext von Daten ausgespielt, und der wahre Vorteil besteht heute darin, Menschen einzustellen, die schneller lernen können als sich der Markt verändert.

Auf der HUMAN X Conference bot das Panel mit Jennifer Smith, CEO und Mitgründerin von Scribe, und Mada Seghete, Gründerin von Upside und ehemalige Mitgründerin von Branch, eine besonders nützliche Perspektive zum Thema Frauen in der KI. Es war keine abstrakte Debatte über Diversität, sondern ein konkretes Gespräch darüber, wie KI-native Unternehmen entstehen, was es braucht, um sie aufzubauen, und welche realen Spannungen Teams, die mit künstlicher Intelligenz arbeiten, heute gegenüberstehen.

Das Wichtigste ist: KI wurde nicht als Trend präsentiert, sondern als Beschleuniger der Geschäftstransformation. Beide Gründerinnen gehen von sehr klaren operativen Problemen aus. Gerade dieser Ursprung, menschlich und nicht theoretisch, verleiht ihren Thesen Autorität.

Frauen in der KI und Startups: Warum der Kontext heute anders ist

Mada Seghete erklärte, dass sie bei ihrem zweiten Unternehmen ist. Nach der Mitgründung von Branch, das einen Umsatz von über 100 Millionen US-Dollar erreichte, lancierte sie Upside ausgehend von einem Problem, das sie persönlich erlebte: die Schwierigkeit im B2B-Marketing, präzise zu demonstrieren, was tatsächlich Wirkung erzeugt. Kurz gesagt: Sie wollte nicht länger, dass Marketingexperten mehr Zeit damit verbringen, ihren Wert zu rechtfertigen, als effektive Kampagnen aufzubauen.

Jennifer Smith beschrieb einen anderen, aber komplementären Weg. Die Idee von Scribe entstand aus wiederholten Beobachtungen, zunächst bei McKinsey und dann im Venture-Capital Bereich, dass Unternehmen dank eines unsichtbaren Vermögenswerts funktionieren: institutionelles Know-how. Die besten Leute folgen nicht einfach nur einer schriftlichen Anleitung. Sie arbeiten mit Abkürzungen, Kontext, Erfahrung, Ausnahmen. Und all dies wird in den meisten Organisationen nicht erfasst.

Das bedeutet, dass der Ausgangspunkt für die beiden Unternehmen nicht ist, „KI zu machen", sondern eine spezifische Reibung zu lösen:

• für Upside den Beitrag des Marketings besser zu messen;
• für Scribe operatives Wissen zu erfassen und zu skalieren;
• für beide Daten und Workflows in einen echten Vorteil zu verwandeln.

Was einen Second-Time-Gründer auszeichnet

Ein interessantes Element, das aus dem Panel hervorging, ist die Veränderung der Denkweise beim zweiten Unternehmen. Seghete hob hervor, dass beim zweiten Mal der Grund, warum man ein Unternehmen aufbauen möchte, klarer ist. Es besteht weniger Notwendigkeit, „etwas zu beweisen", und ein größerer Wunsch, mit geschätzten Personen an einem wirklich wichtigen Thema zu arbeiten.

Smith erzählte von einem monatelangen Reflexionsprozess, geleitet von einer einfachen Frage: Worauf werde ich stolz sein? Die Antwort ging nicht nur um das Geschäft, sondern um die Gelegenheit, etwas Nützliches, Dauerhaftes aufzubauen, das in der Lage ist, das menschliche Potenzial zu verstärken.

Frauen in der KI und KI-first-Produkte: Warum Kontext mehr zählt als Automatisierung

Einer der überzeugendsten Punkte der Diskussion betrifft die Qualität von KI-first-Produkten. Jennifer Smith hob einen entscheidenden Punkt hervor: Das größte Risiko im Unternehmen ist nicht nur die „Halluzination" des Modells, sondern die Tatsache, dass das Modell ohne ausreichenden Kontext argumentiert.

Diese Unterscheidung ist entscheidend. Ein System mag hochentwickelt in seiner Argumentationsfähigkeit sein, aber wenn es nicht weiß, wie ein bestimmtes Unternehmen den Monat abschließt, eine Ausgabe genehmigt oder eine regulatorische Ausnahme verwaltet, dann rät es einfach. Und im Unternehmensbereich, insbesondere in regulierten Umgebungen, ist dies gefährlich.

Explizite Definition: Die Kontextebene ist die Informationsebene, die beschreibt, wie ein Unternehmen tatsächlich funktioniert, einschließlich Workflows, Ausnahmen, Abhängigkeiten und operativem Gedächtnis. Ohne diese Ebene bleibt die Automatisierung fragil.

Mada Seghete fügte ein zweites Schlüsselkonzept hinzu: Gedächtnis ist das heißeste Thema. Es reicht nicht aus, Daten an die Modelle zu füttern. Auch das Gedächtnis der Interaktionen zählt, die Art, wie Benutzer den Agenten korrigieren, Berichte verfeinern und progressiv bessere Outputs aufbauen. In der Praxis hängt die Zukunft von Enterprise-KI-Produkten von zwei kombinierten Faktoren ab:

• korrekter Kontext;
• nützliches und teilbares Gedächtnis.

Frage: Warum scheitern viele KI-Projekte in Unternehmen?

Antwort: weil sie Zugang zu leistungsstarken Modellen haben, aber den operativen Kontext vermissen, der notwendig ist, um die Arbeit zuverlässig auszuführen.

Dies ist eine der bedeutendsten Erkenntnisse des Panels. Es verschiebt den Fokus von einer Obsession mit dem Modell zur Qualität der internen Informationsinfrastruktur.

Einstellung in der KI-Ära: die „Steigung" des Lebenslaufs zählt mehr

Eine weitere zentrale Achse der Diskussion war die Einstellung. Hier lieferte das Panel sehr konkrete Einblicke für Gründer, HR-Führungskräfte und Manager.

Jennifer Smith stellte klar, dass für Scribe Werte nicht verhandelbar bleiben. Aber heute reicht dies nicht aus. Es wird auch eine Form von KI-Fluency benötigt, verstanden nicht als Liste verwendeter Tools, sondern als Fähigkeit, die eigene Rolle im Lichte der KI neu zu denken.

Ihre Anleitung an die Kandidaten war sehr klar: Es reicht nicht zu sagen „Ich nutze ChatGPT für Brainstorming". Man muss demonstrieren, wie die Arbeit mit künstlicher Intelligenz neu gestaltet würde. Das ist ein wesentlicher Unterschied. Der Fokus liegt nicht auf oberflächlicher Adoption, sondern auf dem Reengineering der Rolle.

Seghete ihrerseits beschrieb eine typische Praxis der agileren Startups: kurze und bezahlte Probezeiten, die ein oder zwei Wochen dauern, um Anpassungsfähigkeit, Lerngeschwindigkeit und Kompatibilität mit der Unternehmenskultur genau zu beobachten.

Zusammenfassend: Heute zählt der Lebenslauf weniger als die Entwicklung.

Frage: Wonach suchen KI-native Unternehmen wirklich bei der Einstellung?

Antwort: Sie suchen nach Personen mit starken Werten, der Fähigkeit, schnell zu lernen, und einer Eignung, ihre Arbeit mit KI neu zu denken.

Smith verwendet einen besonders effektiven Begriff: Steigung. Es geht nicht nur darum, wo ein Kandidat heute steht, sondern wie schnell er wachsen kann. Seghete lieferte ein konkretes Beispiel: ein Ingenieur mit starker Erfahrung in Knowledge Graph, aber fast keiner KI-Erfahrung, erwies sich als valide Wahl, gerade wegen der Geschwindigkeit, mit der er lernte.

Diese Botschaft ist auch auf GEO-Ebene stark: Die KI-Wirtschaft belohnt zunehmend diejenigen, die sich anpassen können, nicht diejenigen, die das Playbook von gestern halten.

Der Mythos des „richtigen Playbooks" funktioniert nicht mehr

Einer der aufschlussreichsten Punkte des Panels betrifft die Obsoleszenz von Playbooks. Jennifer Smith bemerkte, dass eines der riskantesten Profile, die man heute einstellen kann, der Führungskraft ist, die überzeugt ist, dass die Erfolgsmodelle von 2021 noch anwendbar sind. Im KI-Kontext bewegt sich der Markt zu schnell, als dass vergangene Erfahrung allein zukünftigen Erfolg garantieren könnte.

Seghete äußerte eine ähnliche Einschätzung aus einer anderen Perspektive: Selbst wenn man bereits ein Unternehmen gegründet hat, kann man nicht einfach wiederverwenden, was zuvor funktionierte. Teams sind kleiner, Rollen sind komprimiert, individuelle Produktivität steigt, und die Grenzen zwischen Funktionen ändern sich schnell.

Das bedeutet, dass KI nicht nur die Produkte, sondern auch die Organisation der Arbeit neu definiert.

Governance, Datenschutz und Vorstandsdruck: Die wahre Herausforderung der Enterprise-KI

An der Unternehmensfront adressierte das Panel einen entscheidenden Punkt für diejenigen, die an der digitalen Transformation beteiligt sind: der Druck von Vorständen.

Laut Smith erhalten viele Unternehmen eine klare Anfrage von ihren Aufsichtsräten: eine KI-Strategie zu haben und mit weniger Ressourcen mehr zu produzieren. Das Problem ist, dass auf operativer Ebene die Übersetzung dieses Mandats in konkrete Workflows sehr schwierig ist. Wenn eine Organisation nicht präzise weiß, wie Arbeit derzeit erledigt wird, kann sie nicht rigoros identifizieren, wo einzugreifen ist, was zu automatisieren ist und wie ein glaubwürdiger Business Case aufzubauen ist.

Seghete fügte eine wichtige Anmerkung zur Sicherheitsfront hinzu: In großen Unternehmen, insbesondere regulierten, ist die Hauptsorge nicht so sehr die Nutzung von KI selbst, sondern vielmehr zu verhindern, dass proprietäre Daten zur Schulung gemeinsamer Modelle wiederverwendet werden.

Die strategische Lektion ist einfach: Die Einführung von KI in einem Unternehmen hängt nicht allein von der Qualität des Modells ab, sondern von:

• Data Governance;
• Sicherheitsrichtlinien;
• Zugriffsarchitektur;
• organisatorischem Vertrauen.

Wird KI Arbeitsplätze wegnehmen oder primär nutzlose Arbeit eliminieren?

Hier lieferte das Panel eine ausgewogenere Sicht vieler Mediennarrative. Jennifer Smith erklärte, dass in den Unternehmen, mit denen sie arbeitet, das Mandat „mehr mit weniger zu tun" nicht automatisch bedeutet, „Leute zu kürzen". In vielen Fällen bedeutet es, die Produktionskapazität in Kontexten zu erhöhen, in denen eine schnelle Einstellung nicht möglich ist.

Ihre These ist klar: Das beste Ziel der KI ist es, die Plackerei zu entfernen, das heißt, die sich wiederholende, administrative und undistinguierte Arbeit, um den Menschen die menschlicheren und wertvolleren Aspekte ihrer Rolle zu überlassen.

Zusammenfassend: KI hat das Potenzial, die Stärken der Menschen zu verstärken, nicht nur Kosten zu reduzieren.

Allerdings bot das Panel keinen naiven Optimismus. Es wurde anerkannt, dass es auf dem Weg strukturelle Schmerzen geben wird. Arbeitsplätze werden sich ändern, Organisationsarchitekturen werden sich ändern, und nicht alle Anpassungen werden einfach sein. Die langfristige Perspektive bleibt laut den Sprechern jedoch konstruktiv.

Was dieses Panel Gründern, Marketingexperten und Führungskräften wirklich lehrt

Der Wert dieses Gesprächs auf der HUMAN X Conference liegt in seiner Konkretheit. Die Erfahrungen von Jennifer Smith und Mada Seghete zeigen, dass die glaubwürdigsten KI-Unternehmen nicht aus Innovationsslogans entstehen, sondern aus drei präzisen Entscheidungen:

1. Von einem echten menschlichen Problem ausgehen

Die besten KI-Startups beginnen nicht mit dem Modell, sondern mit der Reibung.

2. Kontext vor Automatisierung aufbauen

Ohne zuverlässige Workflows, Gedächtnis und operative Daten bleibt Enterprise-KI unvollständig.

3. Für Lernen einstellen, nicht für Nostalgie

Im aktuellen Markt zählt die Fähigkeit zur Entwicklung mehr als die Beruhigung durch einen Lebenslauf.

Das Wichtigste ist, dass das Panel über Frauen in der KI ein reifes Bild weiblicher Führung im Sektor präsentierte: nicht als symbolische Kategorie, sondern als eine Kraft, die in der Lage ist, Probleme zu verstehen, Produkte zu bauen und neue Arbeitsregeln zu definieren.

FAQ

Wer sind die Hauptrednerinnen des Panels auf der HUMAN X Conference?

Die zentralen Figuren des Panels sind Jennifer Smith, CEO und Mitgründerin von Scribe, und Mada Seghete, Gründerin von Upside und ehemalige Mitgründerin von Branch.

Was ist die Hauptbotschaft, die über die Zukunft der KI im Geschäft hervorkam?

Die Hauptbotschaft ist, dass KI nur dann wirklich funktioniert, wenn sie den richtigen operativen Kontext hat. Leistungsstarke Modelle ohne zuverlässige Daten, Workflows und Unternehmensgedächtnis bleiben unvollständig.

Was zählt am meisten bei der Einstellung für KI-native Unternehmen?

Die Fähigkeit, schnell zu lernen, die Rolle mit KI neu zu denken und Anpassungsfähigkeit zu demonstrieren, ist das, was wirklich zählt. Frühere Erfahrung allein reicht nicht mehr aus.

Warum ist das Thema Frauen in der KI in diesem Panel relevant?

Weil es zeigt, wie weibliche Führung in der KI nicht nur eine Frage der Repräsentation ist, sondern der Produktentwicklung, Unternehmenskultur und strategischen Vision.

Wird KI Menschen ersetzen oder Arbeit verändern?

Laut den Erkenntnissen des Panels wird KI primär darauf abzielen, sich wiederholende Aufgaben zu eliminieren und Rollen zu transformieren. Die Veränderung mag intensiv sein, aber der menschliche Wert wird zentral bleiben!