Das bringt Organisationen in eine \u00e4u\u00dferst prek\u00e4re Lage. Wenn sie die Talente, die sie ben\u00f6tigen, um neue Technologieinvestitionen zu nutzen, nicht finden oder entwickeln k\u00f6nnen, wird das Wachstum gebremst und die finanziellen Ertr\u00e4ge werden leiden. <\/p>\n
Schl\u00fcsselkompetenzen f\u00fcr eine Belegschaft der Zukunft<\/h2>\n
In Erwartung des bevorstehenden Wandels am Arbeitsplatz m\u00fcssen Unternehmen Teams mit anderen Kompetenzen aufbauen \u2013 mit der F\u00e4higkeit, sich flexibel anzupassen, w\u00e4hrend die Arbeitsumgebung ihre Metamorphose durchl\u00e4uft.<\/p>\n
Einige dieser Kompetenzen sind vertraut, wurden aber m\u00f6glicherweise erst jetzt st\u00e4rker betont. Kompetenzen wie Data Science und Datenanalyse, einst vor allem in Tech-Kreisen verankert, gewinnen heute enorm an Bedeutung. Soft Skills wie Entscheidungsfindung oder Probleml\u00f6sung werden f\u00fcr die komplexe neue Arbeitsumgebung grundlegend neu definiert. Kreativit\u00e4t und Empathie \u2013 fr\u00fcher \u201enice to have\u201c \u2013 sind heute \u201eneed to know\u201c. <\/p>\n
Dann gibt es Kompetenzen, die \u00fcberraschen m\u00f6gen. Weniger bekannte Eigenschaften wie Essentialismus und Durchhalteverm\u00f6gen (\u201eGrit\u201c) haben sich als Disziplinen etabliert, die erheblich zu Produktivit\u00e4t und zielorientiertem Erfolg beitragen. Vielleicht die wertvollste Kompetenz in der modernen Arbeitswelt ist Lernagilit\u00e4t \u2013 die F\u00e4higkeit, schnell zu lernen und sich anzupassen. Und schlie\u00dflich helfen Contractor-Kompetenzen Organisationen dabei, Talentl\u00fccken bei Bedarf schnell zu schlie\u00dfen. Werfen wir einen genaueren Blick auf diese acht Schl\u00fcsselkompetenzen<\/strong> \u2013 und darauf, warum sie zur DNA der Belegschaft der Zukunft geh\u00f6ren sollten. <\/p>\n Wenn alles wichtig ist, ist nichts wichtig. Es gibt mehr Aktivit\u00e4ten und Chancen, als wir Zeit und Ressourcen haben, um darin zu investieren. Das meiste ist trivial, nur wenig ist wesentlich. Essentialismus ist die F\u00e4higkeit, sich auf das Wesentliche zu konzentrieren und das viele Unwichtige auszublenden. <\/p>\n In seinem Buch Essentialism: The Disciplined Pursuit of Less<\/i> sagt Greg McKeown, der Weg des Essentialisten sei das unerm\u00fcdliche Streben nach weniger, aber besser. Es geht nicht darum, mehr zu schaffen, sondern darum, die richtigen Dinge zu tun. Es geht darum, Zeit und Energie so klug wie m\u00f6glich zu investieren, um den gr\u00f6\u00dftm\u00f6glichen Beitrag zu leisten \u2013 indem man nur das tut, was wesentlich ist. <\/p>\n Indem der Essentialist in weniger Dinge investiert, macht er die befriedigende Erfahrung, bei den Dingen, die am wichtigsten sind, sp\u00fcrbare Fortschritte zu erzielen.<\/p>\n Kompetente Essentialisten sind in der Lage:<\/b><\/p>\n Da Unternehmen zunehmend auf funktions\u00fcbergreifende, teamorientierte Arbeit umstellen, wird Essentialismus zu einer entscheidenden Kompetenz f\u00fcr Teamleiter. Laut Essentialism<\/i> versteht der Essentialist, dass Klarheit gleich Erfolg ist. Nehmen Sie Teambuilding als Beispiel: Der Essentialist ist bei der Einstellung von Talenten selektiv. <\/p>\n Teammitglieder werden entsprechend der jeweils wichtigsten Rolle und Ziele jeder Person bef\u00e4higt: Sie wissen, wof\u00fcr jede Person tats\u00e4chlich verantwortlich ist und wof\u00fcr sie Rechenschaft ablegen muss.<\/p>\n Der Essentialist definiert eine Strategie klar, indem er die Frage beantwortet: \u201eWenn wir nur eine Sache tun k\u00f6nnten, welche w\u00e4re das?\u201c Alle im Team sind auf ein gemeinsames Ziel ausgerichtet. Wenn Teams geeint sind, haben sie die Kraft, auf die n\u00e4chste Ebene des Beitrags durchzubrechen. Fehlt die Klarheit des Zwecks, wird es schwierig \u2013 wenn nicht unm\u00f6glich \u2013, aus der Vielzahl an M\u00f6glichkeiten zu erkennen, welche wirklich wesentlich sind. <\/p>\n In einer Welt voller konkurrierender Ablenkungen ben\u00f6tigen Organisationen Mitarbeitende, die wissen, wie sie sich auf das Wesentliche konzentrieren und das viele Nicht-Wesentliche ausblenden.<\/p>\n Wie oft basieren Einstellungsentscheidungen auf dem Lebenslauf, Qualifikationen oder einer computergest\u00fctzten Pers\u00f6nlichkeitsanalyse? Diese Qualifikationen sind zwar ein Teil der Gleichung, m\u00fcssen jedoch mit Leidenschaft, Ausdauer und dem Willen zum Erfolg ausbalanciert werden \u2013 zusammengefasst als \u201eGrit\u201c. <\/p>\n Angela Duckworth, Autorin von Grit<\/i>, definiert diese Kompetenz als Leidenschaft und Beharrlichkeit f\u00fcr sehr langfristige Ziele. Menschen mit Grit sind tendenziell ausdauernd und treiben sich selbst voran. <\/p>\n Personen, die bei neuen Herausforderungen aufgeben und die harte Arbeit des Wandels eher vermeiden, werden ein Unternehmen ausbremsen. Doch laut Duckworth gehen Menschen mit Grit \u201edas Leben an wie einen Marathon, nicht wie einen Sprint\u201c. <\/p>\n Menschen mit Grit sind auf lange Sicht dabei und verf\u00fcgen \u00fcber eine leidenschaftliche Arbeitsethik, die Folgendes umfasst<\/b>:<\/p>\n Die Eigenschaften von Grit k\u00f6nnen den Erfolg einer Person tats\u00e4chlich st\u00e4rker bestimmen als der IQ \u2013 und machen sie damit zu wertvollen Ressourcen in der sich wandelnden Arbeitswelt.<\/p>\n Betrachten Sie Unternehmen mit dezentralen Belegschaften. Eine verteilte Belegschaft ver\u00e4ndert nicht nur die Art, wie Teams zusammenarbeiten, sie erfordert auch, dass Mitarbeitende diszipliniert und eigenst\u00e4ndig produktiv sind. Die Produktivit\u00e4t von Remote-Mitarbeitenden zu messen, ist oft schwierig; Menschen mit Grit k\u00f6nnen jedoch autonom arbeiten und sind ergebnisorientiert \u2013 und damit f\u00fcr diese Art von Arbeitswelt besonders geeignet. <\/p>\n Eine weitere Herausforderung f\u00fcr heutige Organisationen ist eine selbstzufriedene Haltung gegen\u00fcber Probleml\u00f6sung. Viele haben die F\u00e4higkeit verloren, einen Sachverhalt klar und \u00fcberzeugend darzustellen. Sie widersetzen sich Ver\u00e4nderungen und verlassen sich auf Vorlagenl\u00f6sungen und fr\u00fchere Praktiken \u2013 und vermeiden die Anstrengung, selbst eine bessere L\u00f6sung zu finden. Mitarbeitende mit Grit k\u00f6nnen Probleme identifizieren, Antworten suchen und \u00fcberzeugend f\u00fcr das eintreten, woran sie glauben \u2013 auch wenn es au\u00dferhalb ihrer Stellenbeschreibung liegt. <\/p>\n Bevor Sie bei Mitarbeitenden einen IQ-Test einsetzen, sollten Sie stattdessen eine Bewertung auf der Grit-Skala in Betracht ziehen. Mitarbeitende mit Grit helfen Unternehmen, sich an eine Zukunft im Wandel anzupassen. <\/p>\n Die Geschwindigkeit des Wandels nimmt stetig zu \u2013 und die Halbwertszeit von Wissen wird k\u00fcrzer. Mitarbeitende m\u00fcssen ihre Wissensbasis kontinuierlich weiterentwickeln, um relevant zu bleiben \u2013 und zwar so, dass es die Arbeit in neuen Umgebungen unterst\u00fctzt. <\/p>\n Lernagilit\u00e4t ist die F\u00e4higkeit, sich schnell und wirksam weiterzuentwickeln, indem man sich an einen ver\u00e4nderten Kontext oder eine ver\u00e4nderte Umgebung anpasst. Agilit\u00e4t ist eine handlungsorientierte Denkweise, die von einem \u00fcbergeordneten Zweck oder Ziel geleitet wird, um konkrete Ergebnisse zu erzielen. <\/p>\n Menschen mit Lernagilit\u00e4t sind in der Lage:<\/b><\/p>\n Agile Lernende suchen nach M\u00f6glichkeiten, Lernen durch Handeln iterativ zu \u00fcben \u2013 so realit\u00e4tsnah wie m\u00f6glich und mit minimalen potenziellen Auswirkungen, falls es nicht wie geplant l\u00e4uft. Kurze Iterationen von Lernen und Anwendung verk\u00fcrzen den Feedback-Zyklus und verwandeln Wissen in F\u00e4higkeit. <\/p>\n Eine Testanwendung kann ein Projekt, eine Arbeitsaufgabe oder eine Simulation sein. So f\u00fchren Mitarbeitende einer gro\u00dfen Bank einmal pro Woche eine Incident-\u201eSimulation\u201c auf Basis eines realen Szenarios aus der Incident-Queue der Vorwoche durch \u2013 wobei einige Mitarbeitende die Rolle des Kunden \u00fcbernehmen. <\/p>\n Ein weiterer Ansatz ist \u201elearn-and-do\u201c. Das sind kurze Lern-Sprints mit anschlie\u00dfender sofortiger Anwendung auf eine Aufgabe oder ein Projekt in kurzen Abschnitten. Das schnelle Hin und Her zwischen Theorie und Praxis stellt sicher, dass neues Wissen unmittelbar angewendet wird \u2013 was zu h\u00f6heren Behaltensraten und gr\u00f6\u00dferer Relevanz f\u00fchrt. <\/p>\n Da sich die Gesch\u00e4ftswelt in atemberaubendem Tempo ver\u00e4ndert, k\u00f6nnen es sich nur wenige Organisationen leisten, dass ihre Mitarbeitenden f\u00fcr Trainings wochenlang oder auch nur mehrere Tage am St\u00fcck ausfallen. Sie suchen nach Wegen, Lernen zu einem integralen Bestandteil der t\u00e4glichen Arbeit zu machen. Das erfordert agiles Lernen. Ohne dieses steht das Gesch\u00e4ft still. <\/p>\n Big Data ist heute ein gro\u00dfes Gesch\u00e4ft, weil Organisationen dadurch wertvolle Erkenntnisse gewinnen k\u00f6nnen, um ihre Kunden besser zu verstehen, neue Produkte und Services zu lancieren, Ausgaben zu optimieren und ihre Abl\u00e4ufe zu maximieren.<\/p>\n Die Erstellung solcher Datens\u00e4tze erfordert jedoch ein Verst\u00e4ndnis daf\u00fcr, wie Daten gesammelt und anschlie\u00dfend ausgewertet werden, um die richtigen Informationen herauszufiltern. Deshalb sind die Bereiche Data Science und Datenanalyse zu integralen Bestandteilen von Business und der neuen Arbeitswelt geworden. <\/p>\n Obwohl Data Science und Datenanalyse miteinander verbunden sind, liefern sie unterschiedliche Ergebnisse. W\u00e4hrend das Ziel beider darin besteht, aus gro\u00dfen Informationsmengen Wissen zu erzeugen, \u00fcbernehmen sie unterschiedliche Rollen. Vereinfacht gesagt: Ein Data Scientist formuliert Fragen, w\u00e4hrend ein Data Analyst Antworten auf den bestehenden Fragenkatalog findet. Anders ausgedr\u00fcckt: Data Science liefert Informationen, die f\u00fcr die Datenanalyse genutzt werden k\u00f6nnen. <\/p>\n Sowohl Data Scientists als auch Data Analysts m\u00fcssen:<\/b><\/p>\n Data Scientists m\u00fcssen au\u00dferdem mit Mehrdeutigkeit umgehen k\u00f6nnen, da sie versuchen, unstrukturierte Daten aus verschiedenen Quellen zu interpretieren. Data Analysts ben\u00f6tigen analytische F\u00e4higkeiten, um zu bestimmen, welche Daten f\u00fcr die Fragestellung und die L\u00f6sung relevant sind. Zudem brauchen sie \u201eData-Wrangling\u201c-Kompetenzen, um Erkenntnisse aus Rohdaten f\u00fcr ein nicht-technisches Publikum in einem umfassenden, zug\u00e4nglichen Format aufzubereiten. <\/p>\n Sowohl Data Science als auch Datenanalyse sind wichtige Elemente der Zukunft der Arbeit, weil Unternehmen Menschen ben\u00f6tigen, die Informationen in Wissen verwandeln k\u00f6nnen. Den Unterschied zwischen beiden zu kennen, kann gro\u00dfen Einfluss darauf haben, wie ein Unternehmen gef\u00fchrt wird \u2013 insbesondere, da die Menge verf\u00fcgbarer Daten w\u00e4chst und zu einem gr\u00f6\u00dferen Teil unseres Alltags wird. <\/p>\n In jeder Organisation m\u00fcssen Entscheidungen getroffen und Ma\u00dfnahmen ergriffen werden. H\u00e4ufig werden Entscheidungen \u2013 selbst auf h\u00f6chster Ebene \u2013 mithilfe von Intuition getroffen, die durch Wissen und Erfahrungen gepr\u00e4gt ist. <\/p>\n Doch die neue Arbeitswelt stellt die Art und Weise, wie Entscheidungen getroffen werden, infrage. Mitarbeitende arbeiten nicht mehr am selben Standort, Online-Kollaborationstools haben die Zusammensetzung des Meetingraums ver\u00e4ndert, Menschen werden mit Informationen \u00fcberflutet, die on demand bereitgestellt werden, und die beschleunigte Geschwindigkeit, mit der wir Kommunikation und Ideen erwarten, macht wichtige Entscheidungen schwierig und riskant. <\/p>\n Bauchgef\u00fchl und Erfahrung m\u00f6gen f\u00fcr Entscheidungen im Alltag ausreichen; kritische Entscheidungen m\u00fcssen jedoch auf fundierter Analyse und Daten basieren \u2013 unter Einbeziehung zentraler Stakeholder \u2013, um zu einer Entscheidung zu gelangen, die alle mittragen k\u00f6nnen.<\/p>\n Nehmen Sie den Fall eines Werksleiters, der die Montagelinie neu konfigurieren soll, um Verschwendung zu reduzieren. Der Werksleiter arbeitet nicht an der Linie und verf\u00fcgt daher nicht \u00fcber die notwendigen Einblicke, um eine Entscheidung zu treffen. Er wendet sich an ein Team von Mitarbeitenden, die direkt an der Linie arbeiten. Das Team wird \u00fcber Ziele, Budget und Zeitrahmen informiert. Es f\u00fchrt Recherchen durch, macht Beobachtungen am Arbeitsplatz, identifiziert Optionen und die damit verbundenen Risiken und pr\u00e4sentiert dem Werksleiter seine Ergebnisse samt Empfehlungen zur abschlie\u00dfenden Analyse. Nach sorgf\u00e4ltiger Pr\u00fcfung wird die bestm\u00f6glich ausgewogene Entscheidung getroffen. <\/p>\n Ein hervorragender Entscheider ist in der Lage:<\/b><\/p>\n Die Arbeitswelt wird sich weiterentwickeln und neue Themen hervorbringen, die adressiert werden m\u00fcssen, sowie Entscheidungen auf F\u00fchrungsebene, die zu treffen sind. Im Kern starker Entscheidungsfindung stehen F\u00fchrungskr\u00e4fte, die wissen, wie sie einen strukturierten Prozess einsetzen, um unabh\u00e4ngig von der Situation die bestm\u00f6glich ausgewogene Entscheidung zu treffen \u2013 und mit voller \u00dcberzeugung wissen, dass es die richtige ist. <\/p>\n1. Essentialismus \u2013 Fokus auf das Wesentliche<\/h3>\n
\n
![\"Essentialismus:](\"https:\/\/kepner-tregoe.com\/wp-content\/uploads\/2019\/10\/Essentialism-focusing-on-the-vital-few.jpg\")
<\/p>\n2. Grit \u2013 die Summe aus Ausdauer und Leidenschaft<\/h3>\n
\n
3. Lernagilit\u00e4t \u2013 Lernen, testen und wiederholen<\/h3>\n
\n
4. Data Science\/Datenanalyse \u2013 Wissen aus Big Data gewinnen<\/h3>\n
\n
5. Entscheidungsfindung \u2013 Entscheidungen auf Basis fundierter Analysen treffen<\/h3>\n
\n