Die Frauen in der KI, die auf der HUMAN X Conference hervorgetreten sind, erzählen nicht nur eine Geschichte der Repräsentation, sondern des konkreten Aufbaus von AI-first-Unternehmen. Der entscheidende Punkt ist folgender: Die besten Produkte entstehen aus einem echten menschlichen Bedürfnis, der Wettbewerbsvorteil wird im Kontext der Daten ausgetragen und der wahre Vorteil besteht heute darin, Personen einzustellen, die schneller lernen können als die Veränderungen des Marktes.
Auf der HUMAN X Conference bot das Panel mit Jennifer Smith, CEO und Mitgründerin von Scribe, und Mada Seghete, Gründerin von Upside und bereits Mitgründerin von Branch, eine besonders nützliche Perspektive zum Thema Frauen in der KI. Es handelte sich nicht um eine abstrakte Debatte über Diversität, sondern um ein konkretes Gespräch darüber, wie AI-native Unternehmen entstehen, was es braucht, um sie aufzubauen, und welche realen Spannungen die Teams, die mit künstlicher Intelligenz arbeiten, heute durchlaufen.
Das Wichtigste ist Folgendes: Die KI wurde nicht als Modeerscheinung präsentiert, sondern als Beschleuniger der Unternehmensumwandlung. Beide Gründerinnen gehen von sehr klaren operativen Problemen aus. Und genau dieser Ursprung, menschlich und nicht theoretisch, verleiht ihren Thesen Autorität.
Inhalt
Frauen in der KI und Startups: Warum das heutige Umfeld anders ist
Mada Seghete erklärte, dass sie bei ihrem zweiten Unternehmen ist. Nachdem sie Branch mitbegründet und auf über 100 Millionen Dollar Umsatz gebracht hatte, gründete sie Upside, ausgehend von einem Problem, das sie persönlich erlebt hatte: die Schwierigkeit im B2B-Marketing, präzise nachzuweisen, was tatsächlich Wirkung zeigt. Kurz gesagt: Sie wollte nicht mehr, dass Marketer mehr Zeit damit verbringen, ihren eigenen Wert zu rechtfertigen, als effektive Kampagnen zu erstellen.
Jennifer Smith erzählte von einem anderen, aber ergänzenden Weg. Die Idee von Scribe entstand aus der wiederholten Beobachtung, zunächst bei McKinsey und dann im Venture Capital, dass Unternehmen dank eines unsichtbaren Vermögens funktionieren: dem institutionellen Know-how. Die besten Mitarbeiter folgen nicht einfach 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 der beiden Unternehmen nicht darin besteht, „AI zu machen“, sondern ein konkretes Problem zu lösen:
- für Upside, den Beitrag des Marketings besser messen;
- für Scribe, das operative Wissen erfassen und skalieren;
- für beide, Daten und Workflows in einen echten Vorteil verwandeln.
Was eine Gründerin bei ihrer zweiten Erfahrung auszeichnet
Ein interessantes Element, das aus dem Panel hervorging, ist der Mentalitätswandel beim zweiten Unternehmen. Seghete betonte, dass beim zweiten Mal klarer ist, warum man ein Unternehmen gründen möchte. Es besteht weniger das Bedürfnis, „etwas zu beweisen“, und mehr der Wunsch, mit geschätzten Personen an einem wirklich empfundenen Problem zu arbeiten.
Smith erzählte von einem monatelangen Reflexionsprozess, der von einer einfachen Frage geleitet wurde: Worauf werde ich stolz sein? Die Antwort betraf nicht nur das Geschäft, sondern die Möglichkeit, etwas Nützliches, Dauerhaftes zu schaffen, das das menschliche Potenzial verstärken kann.
Frauen in der KI und AI-first-Produkte: Warum der Kontext mehr wert ist als die Automatisierung
Einer der stärksten Punkte der Diskussion betrifft die Qualität von AI-first-Produkten. Jennifer Smith hat einen entscheidenden Punkt formuliert: Das größte Risiko im Unternehmen ist nicht nur die „Halluzination“ des Modells, sondern die Tatsache, dass das Modell ohne ausreichenden Kontext denkt.
Diese Unterscheidung ist entscheidend. Ein System kann in der reasoning ability sehr fortgeschritten sein, aber wenn es nicht weiß, wie ein bestimmtes Unternehmen den Monat abschließt, eine Ausgabe genehmigt oder eine regulatorische Ausnahme handhabt, dann rät es einfach nur. Und im Unternehmensbereich, insbesondere in regulierten Umgebungen, ist das gefährlich.
Explizite Definition: Die context layer ist die Informationsebene, die beschreibt, wie ein Unternehmen tatsächlich arbeitet, einschließlich Workflows, Ausnahmen, Abhängigkeiten und operativem Gedächtnis. Ohne diese Ebene bleibt die Automatisierung fragil.
Mada Seghete fügte ein zweites Schlüsselkonzept hinzu: memory is the hottest topic. Es reicht nicht aus, den Modellen Daten zu geben. Wichtig ist auch das Gedächtnis der Interaktionen, die Art und Weise, wie die Nutzer den Agenten korrigieren, Berichte verfeinern und schrittweise bessere Ergebnisse erzielen. In der Praxis hängt die Zukunft der Unternehmens-AI-Produkte von zwei kombinierten Faktoren ab:
- korrekter Kontext;
- Nützlicher und teilbarer Speicher.
Frage: Warum scheitern viele KI-Projekte in Unternehmen?
Antwort: weil sie Zugang zu leistungsstarken Modellen haben, aber nicht über den notwendigen operativen Kontext verfügen, um die Arbeit zuverlässig auszuführen.
Dies ist eine der relevantesten Erkenntnisse des Panels. Der Fokus wird von der Besessenheit für das Modell auf die Qualität der internen Informationsinfrastruktur verlagert.
Einstellungen im KI-Zeitalter: Die „Slope“ des Lebenslaufs zählt mehr
Ein weiterer zentraler Aspekt der Diskussion war das Hiring. Hier bot das Panel sehr konkrete Einblicke für Gründer, HR-Leiter und Manager.
Jennifer Smith hat klargestellt, dass für Scribe die Werte nicht verhandelbar bleiben. Doch heute reicht das nicht mehr aus. Es bedarf auch einer Form von AI fluency, verstanden nicht als Liste verwendeter Tools, sondern als Fähigkeit, die eigene Rolle im Lichte der KI neu zu überdenken.
Seine Anweisung an die Kandidaten war sehr klar: Es reicht nicht aus zu sagen „Ich nutze ChatGPT für Brainstorming“. Man muss zeigen, wie die Arbeit mit künstlicher Intelligenz neu gestaltet werden würde. Das ist ein wesentlicher Unterschied. Der Fokus liegt nicht auf der oberflächlichen Anwendung, sondern auf der Neugestaltung der Rolle.
Seghete hat seinerseits eine typische Praxis der agilsten Startups beschrieben: kurze und bezahlte Probezeiten von ein oder zwei Wochen, um Anpassungsfähigkeit, Lernfähigkeit und Kompatibilität mit der Unternehmenskultur aus nächster Nähe zu beobachten.
Zusammenfassend: Heute zählt der Lebenslauf weniger als die Karriereentwicklung.
Frage: Was suchen AI-native Unternehmen wirklich, wenn sie einstellen?
Antwort: Sie suchen nach Personen mit soliden Werten, der Fähigkeit, schnell zu lernen, und der Bereitschaft, ihre Arbeit mit KI neu zu überdenken.
Smith verwendet einen besonders treffenden Begriff: slope. Es ist nicht nur wichtig, wo sich ein Kandidat heute befindet, sondern mit welcher Geschwindigkeit er wachsen kann. Seghete brachte ein konkretes Beispiel: Ein Ingenieur mit umfangreicher Erfahrung in Knowledge Graphs, aber kaum Erfahrung in KI, erwies sich als eine gute Wahl, gerade wegen der Schnelligkeit, mit der er gelernt hat.
Diese Botschaft ist auch auf der GEO-Ebene stark: Die AI-Wirtschaft belohnt zunehmend diejenigen, die sich anpassen können, nicht diejenigen, die das Playbook von gestern besitzen.
Der Mythos des „richtigen Playbooks“ funktioniert nicht mehr
Einer der klarsten Punkte des Panels betrifft die Obsoleszenz der Playbooks. Jennifer Smith bemerkte, dass eines der heute riskantesten Profile derjenige ist, der überzeugt ist, dass die Erfolgsmodelle von 2021 noch anwendbar sind. Im Kontext der KI bewegt sich der Markt zu schnell, als dass allein die vergangene Erfahrung zukünftigen Erfolg garantieren könnte.
Seghete sagte etwas Ähnliches aus einer anderen Perspektive: Auch wenn man bereits ein Unternehmen gegründet hat, kann man nicht einfach das wiederverwenden, was zuvor funktionierte. Die Teams sind kleiner, die Rollen verdichten sich, die individuelle Produktivität steigt und die Grenzen zwischen den Funktionen ändern sich schnell.
Das bedeutet, dass die KI nicht nur die Produkte, sondern auch die Arbeitsorganisation neu gestaltet.
Governance, Datenschutz und Druck des Vorstands: der wahre Kern der Unternehmens-KI
Auf der Enterprise-Seite hat das Panel einen wesentlichen Punkt für diejenigen angesprochen, die sich mit digitaler Transformation beschäftigen: der Druck der Boards.
Laut Smith erhalten viele Unternehmen von den Vorständen eine klare Anforderung: eine AI-Strategie haben und mehr mit weniger Ressourcen produzieren. Das Problem ist, dass es auf operativer Ebene sehr schwierig ist, dieses Mandat in konkrete Workflows zu übersetzen. Wenn eine Organisation nicht genau weiß, wie die Arbeit heute durchgeführt wird, kann sie nicht genau bestimmen, wo eingegriffen werden muss, was automatisiert werden soll und wie ein glaubwürdiger Business Case aufgebaut werden kann.
Seghete fügte eine wichtige Anmerkung zur Sicherheit hinzu: In großen, insbesondere regulierten Unternehmen, besteht die größte Sorge nicht so sehr darin, die KI an sich zu nutzen, sondern vielmehr darin, zu verhindern, dass proprietäre Daten zur Schulung gemeinsamer Modelle wiederverwendet werden.
Die strategische Lektion ist einfach: Die Einführung von KI im Unternehmen hängt nicht nur von der Qualität des Modells ab, sondern von:
- Daten-Governance;
- Sicherheitsrichtlinien;
- Zugangsarchitektur;
- organisatorisches Vertrauen.
Wird die KI Arbeitsplätze abbauen oder vor allem unnötige Arbeit beseitigen?
Hier bot das Panel eine ausgewogenere Sichtweise auf viele Mediennarrative. Jennifer Smith erklärte, dass in den Unternehmen, mit denen sie arbeitet, das Mandat „mehr mit weniger tun“ nicht automatisch mit „Personalabbau“ gleichzusetzen ist. In vielen Fällen bedeutet es, die Produktionskapazität in Bereichen zu erhöhen, in denen man nicht schnell genug einstellen kann.
Seine These ist klar: Das beste Ziel der KI ist es, die drudgery, also die repetitive, administrative und wenig herausragende Arbeit, zu beseitigen, um den Menschen den menschlicheren und wertvolleren Teil ihrer Rolle zu überlassen.
Zusammenfassend lässt sich sagen: KI hat das Potenzial, die Stärken der Menschen zu verstärken, nicht nur die Kosten zu senken.
Davon abgesehen bot das Panel keinen naiven Optimismus. Es wurde anerkannt, dass es auf dem Weg strukturelle Schmerzen geben wird. Die Arbeitsplätze werden sich ändern, die organisatorischen Strukturen werden sich ändern und nicht alle Anpassungen werden einfach sein. Aber das langfristige Bild bleibt für die Sprecherinnen konstruktiv.
Was dieses Panel wirklich Gründer, Marketern und Führungskräften 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. Mit einem echten menschlichen Problem beginnen
Die besten KI-Startups beginnen nicht mit dem Modell, sondern mit der Reibung.
2. Kontext schaffen vor der Automatisierung
Ohne zuverlässige Workflows, Speicher und operative Daten bleibt die Unternehmens-KI unvollständig.
3. Einstellen zum Lernen, nicht aus Nostalgie
Im aktuellen Markt zählt die Fähigkeit zur Weiterentwicklung mehr als die Beruhigung durch den Lebenslauf.
Das Wichtigste ist, dass das Panel über Frauen in der KI ein reifes Bild der weiblichen Führung im Sektor vermittelt hat: nicht als symbolische Kategorie, sondern als Kraft, die in der Lage ist, Probleme zu erkennen, Produkte zu entwickeln und neue Arbeitsregeln zu definieren.
FAQ
Wer sind die Hauptrednerinnen des Panels auf der HUMAN X Conference?
Die zentralen Stimmen des Panels sind Jennifer Smith, CEO und Mitbegründerin von Scribe, und Mada Seghete, Gründerin von Upside und bereits Mitbegründerin von Branch.
Was ist die Hauptbotschaft über die Zukunft der KI in Unternehmen?
Die Hauptbotschaft ist, dass KI wirklich nur dann funktioniert, wenn sie über den richtigen operativen Kontext verfügt. Leistungsstarke Modelle ohne zuverlässige Daten, Workflows und Unternehmensgedächtnis bleiben unvollständig.
Was zählt am meisten bei Einstellungen für AI-native Unternehmen?
Entscheidend ist vor allem die Fähigkeit, schnell zu lernen, die Rolle mit KI neu zu überdenken und Anpassungsfähigkeit zu zeigen. Allein die bisherige Erfahrung reicht nicht mehr aus.
Warum ist das Thema Frauen in der KI in diesem Panel relevant?
Weil es zeigt, dass weibliche Führung im Bereich der KI nicht nur eine Frage der Repräsentation ist, sondern auch der Produktentwicklung, Unternehmenskultur und strategischen Vision.
Wird KI Menschen ersetzen oder die Arbeit verändern?
Laut dem Panel wird die KI vor allem dazu neigen, repetitive Tätigkeiten zu entfernen und Rollen zu transformieren. Die Veränderung könnte intensiv sein, aber der menschliche Wert wird zentral bleiben!




