Navigation und Service

KI-Fachkräfte und ihre Kompetenzen sind stark nachgefragt. Daher ist es essentiell zu verstehen, wie sich die Situation von Arbeitnehmerinnen und Arbeitnehmern mit KI-Kompetenzen auf dem Arbeitsmarkt darstellt. Wie viele Menschen in Deutschland können KI programmieren, sie nutzen und steuern? Wo steht Deutschland bei den Zahlen zu KI-Fachkräften im internationalen Vergleich? Welche KI-Kompetenzen sind aktuell besonders gefragt – Kenntnisse zu maschinellem Lernen, Deep Learning oder einem anderen Bereich? Erste Antworten auf diese Fragen liefern die in dem Themenfeld „Kompetenzen“ dargestellten Indikatoren.

Maschinelles Lernen: Unangefochtene Nr. 1 bei den KI-Kompetenzen in Deutschland

Welche KI-Kompetenzen sind in Deutschland besonders gefragt und aktuell? Um diese Frage zu beantworten, werden zwei Indikatoren herangezogen. Der erste Indikator zeigt, welche Fähigkeiten in den Jahren 2015-2020 die am häufigsten hinzugefügten KI-Kompetenzen unter LinkedIn-Nutzer*innen in Deutschland waren. Der zweite Indikator gibt für denselben Zeitraum an, bei welchen KI-Kompetenzen der größte prozentuale Zuwachs in der Häufigkeit der Nennung durch LinkedIn-Nutzer*innen zu sehen war (im Jahresvergleich). 

Bei den größten Veränderungen der Nennung der KI-Kompetenzen im Jahresvergleich (zweiter Indikator) fällt auf, dass sich sowohl die Reihenfolge als auch die Kompetenzen so gut wie jedes Jahr vollkommen ändern. Waren die drei wichtigsten KI-Kompetenzen im Jahr 2019 Mustererkennung, Spracherkennung und Convolutional Neural Networks, so waren es im Jahr 2020 Datenstrukturen, Pandas (Software) und Julia (Programmiersprache). 

Dieser Indikator zeichnet ein reiches Bild davon, welche Fähigkeiten sich hinter dem viel gebrauchten Begriff „KI-Kompetenzen“ – insbesondere in Deutschland – verbergen. 

Top KI-Kompetenzen nach Häufigkeit (2015-2020) (Deutschland)

KI-Kompetenzen, die in den Jahren 2015-2020 am häufigsten von LinkedIn-Nutzer*innen in Deutschland hinzugefügt wurden

  1. Maschinelles Lernen
  2. Künstliche Intelligenz (KI)
  3. Deep Learning
  4. Computer Vision
  5. Bildverarbeitung
  6. TensorFlow
  7. Natural Language Processing (NLP)
  8. OpenCV
  9. Keras
  10. Neuronale Netze

LinkedIn Economic Graph, Dezember 2020

Top KI-Kompetenzen bezogen auf den größten Zuwachs im Vergleich zum Vorjahr (2015-2020) (Deutschland)

KI-Kompetenzen, die in den Jahren 2015-2020 den größten Zuwachs im Jahresvergleich durch die Nennung von LinkedIn-Nutzer*innen in Deutschland aufwiesen

LinkedIn Economic Graph, Dezember 2020
Ranking
2016
2017
2018
2019
2020
1
Bestärkendes Lernen
Alexa
Convolutional Neural Networks (CNN)
Mustererkennung
Datenstrukturen
2
RapidMiner
Caffe
Keras
Spracherkennung
Pandas (Software)
3
Algorithmenentwicklung
TensorFlow
Bestärkendes Lernen
Convolutional Neural Networks (CNN)
Julia (Programmiersprache)
4
Künstliche neuronale Netze
Keras
Künstliche Intelligenz (KI)
Resource Description Framework (RDF)
Ontologien
5
Deep Learning
Julia (Programmiersprache)
Sentimentanalyse
Algorithmenentwicklung
PyTorch
6
Weka
Deep Learning
PyTorch
Bestärkendes Lernen
Natural Language Processing (NLP)
7
Klassifizierung
PyTorch
Datenstrukturen
Support Vector Machine (SVM)
Mustererkennung
8
Neuronale Netze
Scikit-Learn
Textanalyse
Datenstrukturen
Künstliche neuronale Netze
9
Support Vector Machine (SVM)
RapidMiner
Algorithmische Geometrie
Textanalyse
Computer Vision
10
3D-Rekonstruktion
Bestärkendes Lernen
OpenCV
Bildverarbeitung
Maschinelles Lernen

Hinweis: LinkedIn-Daten stellen kein randomisiertes Sample der erwerbstätigen Bevölkerung eines Landes dar. Sie basieren auf den Angaben der LinkedIn-Nutzer*innen und sind deshalb nicht unbedingt repräsentativ für alle Erwerbstätigen eines Landes, auch wenn in vielen Ländern ein hoher Anteil der Erwerbstätigen LinkedIn-Nutzer*innen sind. Die hier vorgestellten Analysen zeigen die Welt aus der Sicht von LinkedIn, d.h. Ergebnisse werden dadurch beeinflusst, wer LinkedIn nutzt und wie LinkedIn genutzt wird. Je nach Land kann dies unterschiedlich sein und hängt u.a. vom professionellen, sozioökonomischen, regionalen oder kulturellen Hintergrund ab. In Deutschland sind weniger als 40% der erwerbstätigen Bevölkerung auf LinkedIn.

KI-Definition: Die hier vorliegende Definition von KI-Kompetenzen umfasst eine Liste von Fähigkeiten, die von LinkedIn als KI-Kompetenzen identifiziert wurden. Zu dieser Liste gehören unter anderem maschinelles Lernen, Natural Language Processing, Data Structures, Artificial Intelligence, Computer Vision, Image Processing, Deep Learning, TensorFlow, Pandas (Software) und OpenCV. Die komplette Liste der KI-Kompetenzen ist Eigentum von LinkedIn und nicht öffentlich verfügbar. Für weitere Informationen zum LinkedIn Kompetenzcluster siehe auch: World Bank Group, LinkedIn (2018), Data insights: Jobs, skills and migration trends methodology & validation results, Appendix F.

Methodik: Top KI-Kompetenzen nach Häufigkeit: Die Daten, die diesem Indikator unterliegen sind die zehn im Durchschnitt meistgenannten KI-Kompetenzen durch LinkedIn-Nutzer*innen in Deutschland in den Jahren 2015-2020. Künstliche Intelligenz ist ebenfalls eine der Kompetenzen die am zweithäufigsten von LinkedIn-Nutzer*innen zwischen 2015 und 2020 zu ihrem Profil hinzugefügt wurden. Auch wenn sich diese Kompetenz mit dem Obergriff der KI-Kompetenzgruppe deckt, existiert sie bei LinkedIn als einzelne Kompetenz, was daran liegt, dass LinkedIn-Nutzer*innen sie auf ihrem Profil als solche angeben. LinkedIns Kompetenz-Taxonomie ergibt sich aus den Kompetenzen, die LinkedIn-Nutzer*innen angeben. Diese werden von LinkedIn überprüft und als tatsächliche Kompetenz verifiziert und dann standardisiert, d.h. die Kompetenz-Taxonomie ist stark durch Nutzer*innen generiert. Top KI-Kompetenzen bezogen auf die größte Veränderung im Jahresvergleich: Die zehn Kompetenzen die in den jeweiligen Jahren den höchsten prozentualen Zuwachs von LinkedIn-Nutzer*innen in Deutschland hatten, die diese Kompetenzen zu ihrem Profil hinzugefügt haben. Weitere Informationen sind in der methodischen Anmerkung des OECD.AI Policy Observatoriums (OECD.AI) zu finden.

Nur 21% der KI-Talente in Deutschland sind Frauen

KI-Expert*innen sind auf dem Arbeitsmarkt hart umkämpft. Qualifizierte Mitarbeiter*innen für offene Stellen im KI-Bereich zu finden stellt Unternehmen, Hochschulen und Forschungseinrichtungen vor große Herausforderungen. Wie viele KI-Talente gibt es in Deutschland und anderen Ländern? Und wie sind Frauen in diesem zukunftsweisenden Bereich repräsentiert? In welchen Branchen arbeiten KI-Talente in Deutschland? Dieser Indikator zeigt die Anzahl von KI-Talenten in Deutschland, den USA, Großbritannien, Frankreich, der Schweiz, den Niederlanden und Dänemark. In Deutschland wurden 143.000 LinkedIn-Nutzer*innen als KI-Talente identifiziert. Die absolute Anzahl von KI-Talenten in den Ländern kann nicht direkt verglichen werden, da die Anzahl der Erwerbstätigen der Länder unterschiedlich groß ist, der Anteil der LinkedIn Nutzer*innen an der erwerbstätigen Bevölkerung variiert und Branchen und Arbeitsmarktbereiche je nach Land unterschiedlich stark auf LinkedIn repräsentiert sind. Auch wenn die Zahlen international nicht direkt vergleichbar sind, geht LinkedIn davon aus, dass KI-Trends auf der Plattform gut abgebildet werden, da Mitglieder eine Affinität zum Digitalbereich haben. Es zeigt sich deutlich, dass noch mehr getan werden muss, um Frauen im Bereich KI zu fördern. Der Anteil von Frauen an den KI-Talenten ist in Deutschland im Vergleich zu den anderen Ländern relativ gering. Nur 21% der KI-Talente in Deutschland sind Frauen. In den USA sind immerhin 28% der KI-Talente Frauen, in Großbritannien 27%. In Deutschland arbeiten die meisten KI-Talente in der IKT-Branche (31% verglichen mit 12% aller LinkedIn-Nutzer*innen in Deutschland).

Anzahl der KI-Talente nach Ländern und Anteil nach Gender (Dezember 2020)

LinkedIn Economic Graph, Dezember 2020, KI-Definition und Methodik: siehe Indikator KI-Talente nach Branche (Deutschland)
Land
Anzahl der KI-Talente
Weiblich
Männlich
Deutschland
143.000
21%
79%
Schweiz
30.000
23%
77%
Vereinigte Staaten von Amerika
970.000
28%
72%
Dänemark
17.000
25%
75%
Niederlande
44.000
26%
74%
Großbritannien
147.000
27%
73%
Frankreich
106.000
27%
73%

Hinweis: LinkedIn-Daten stellen kein randomisiertes Sample der erwerbstätigen Bevölkerung eines Landes dar. Sie basieren auf den Angaben der LinkedIn-Nutzer*innen und sind deshalb nicht unbedingt repräsentativ für alle Erwerbstätigen eines Landes, auch wenn in vielen Ländern ein hoher Anteil der Erwerbstätigen LinkedIn-Nutzer*innen sind. Die hier vorgestellten Analysen zeigen die Welt aus der Sicht von LinkedIn, d.h. Ergebnisse werden dadurch beeinflusst, wer LinkedIn nutzt und wie LinkedIn genutzt wird. Je nach Land kann dies unterschiedlich sein und hängt u.a. vom professionellen, sozioökonomischen, regionalen oder kulturellen Hintergrund ab. 

KI-Definition: Als KI-Talent definiert wird jede/r LinkedIn-Nutzer*in, die/der auf ihrem/seinem LinkedIn-Profil explizit eine der von LinkedIn identifizierten KI-Kompetenzen aufgelistet hat oder einen von LinkedIn als KI-Beruf definierten Jobtitel angibt. Beispiele für die von LinkedIn als KI-Kompetenzen identifizierten Kompetenzen sind unter anderem maschinelles Lernen, Natural Language Processing, Data Structures, Artificial Intelligence, Computer Vision, Image Processing, Deep Learning, TensorFlow, Pandas (software) and OpenCV. Beispiele von KI-Berufen sind unter anderem Machine Learning Engineer, Artificial Intelligence Engineer, und Computer Vision Engineer. Die komplette Liste an KI-Kompetenzen und KI-Berufen ist Eigentum von LinkedIn und nicht öffentlich verfügbar.

Methodik: Die hier dargestellten Daten repräsentieren den Stand der Daten von LinkedIn zu einem bestimmten Zeitpunkt im Dezember 2020. LinkedIns Economic Graph zufolge repräsentieren die LinkedIn-Nutzer*innen der genannten Länder mindestens 40% der erwerbstätigen Bevölkerung, so dass die Qualität der Daten gewährleistet werden kann. Die Qualität der Daten für Deutschland ist jedoch aufgrund einer geringeren Durchdringung von LinkedIn in der erwerbtätigen Bevölkerung geringer als der Rest der Daten. Die Genderzugehörigkeit wird nicht von LinkedIn-Nutzer*innen angegeben, sondern wird aufgrund der Vornamen der LinkedIn-Nutzer*innen abgeleitet. Die Software, die LinkedIn für diese Identifizierung nutzt, ist von LinkedIn eigens programmiert worden. Die im Indikator 5.2. angebenden Branchen entsprechen der Klassifizierung von LinkedIn. Die Zuordnung der LinkedIn-Branchen auf die europäische statistische Klassifizierung von ökonomischen Aktivitäten (NACE) kann bei der Einordnung der LinkedIn-Branchen hilfreich sein.

Hoher Bedarf an KI-Talenten in Deutschland

Der Nachfrage nach mehr KI-Talenten und KI-Kompetenzen wird oft thematisiert. So auch in einer Studie aus dem Jahr 2019, die vom Bundesministerium für Wirtschaft und Energie beauftragt wurde und vom Leibniz-Zentrum für Europäische Wirtschaftsforschung durchgeführt wurde. Die Studie bestätigt, dass es einen hohen Bedarf an KI-Expert*innen gibt: 30% der KI-einsetzenden Unternehmen in Deutschland hatten im Jahr 2019 offene Stellen in diesem Bereich zu besetzen.

Welches Bild zeichnet sich hinsichtlich der Einstellungsraten von KI-Talenten in anderen OECD-Ländern ab? Dieser Indikator zeigt, dass die Einstellungsrate von KI-Expert*innen in Deutschland im Jahr 2020 1,58-mal höher war als im Jahr 2016. Die größten Veränderungen der KI-Einstellungsraten können in Chile und in der Türkei beobachtet werden (was an einer niedrigeren Ausgangsrate liegen kann). In Slowenien ist die KI-Einstellungsrate in 2020 geringer als in 2016.

Hinweis: LinkedIn-Daten stellen kein randomisiertes Sample der erwerbstätigen Bevölkerung eines Landes dar. Sie basieren auf den Angaben der LinkedIn-Nutzer*innen und sind deshalb nicht unbedingt repräsentativ für alle Erwerbstätigen eines Landes, auch wenn in vielen Ländern ein hoher Anteil der Erwerbstätigen LinkedIn-Nutzer*innen sind. Die hier vorgestellten Analysen zeigen die Welt aus der Sicht von LinkedIn, d.h. Ergebnisse werden dadurch beeinflusst, wer LinkedIn nutzt und wie LinkedIn genutzt wird. Je nach Land kann dies unterschiedlich sein und hängt u.a. vom professionellen, sozioökonomischen, regionalen oder kulturellen Hintergrund ab. In diesem Indikator sind nur OECD-Länder mit 100.000 LinkedIn-Mitgliedern oder mehr dargestellt.

KI-Definition: KI-Talent ist hier definiert als jede/r LinkedIn-Nutzer*in, der/die auf seinem/ihrem LinkedIn-Profil explizit eine der von LinkedIn identifizierten KI-Kompetenzen aufgelistet hat oder der/die einen von LinkedIn definierten KI-Beruf im Lebenslauf genannt hat. Beispiele für die von LinkedIn als KI-Kompetenzen identifizierten Kompetenzen sind unter anderem maschinelles Lernen, Natural Language Processing, Data Structures, Artificial Intelligence, Computer Vision, Image Processing, Deep Learning, TensorFlow, Pandas (Software) und OpenCV. Beispiele, die von LinkedIn als KI-Berufe klassifiziert werden, sind unter anderem Machine Learning Engineer, Artificial Intelligence Engineer, Computer Vision Engineer. Die komplette Liste an KI-Kompetenzen und KI-Berufen ist Eigentum von LinkedIn und nicht öffentlich verfügbar.

Methodik: Die Einstellungsrate von KI-Talenten wird von LinkedIn für jedes Land wie folgt berechnet: Die Anzahl von KI-Talenten, die im Jahr 2020 in ihrem LinkedIn-Profil in einem Monat sowohl einen neuen Arbeitsplatz als auch eine/n neue/n Arbeitgeber*in angegeben haben, dividiert durch die Anzahl aller LinkedIn-Nutzer*innen in einem Land. Weitere Informationen sind in der methodischen Anmerkung des OECD.AI Policy Observatoriums (OECD.AI) zu finden.

Kontinuierlicher Anstieg der Einstellungsrate von KI-Talenten in Deutschland

Wie bereits mit Indikator „Einstellungsraten von KI-Talenten in ausgewählten OECD-Ländern“ deutlich wird, werden KI-Talente stark nachgefragt: Ihre Fähigkeiten und Kompetenzen sind für Anwendungen Künstlicher Intelligenz erforderlich, zugleich gibt es auf dem Arbeitsmarkt jedoch zu wenige von ihnen. Vor diesem Hintergrund stellt sich die Frage, wie sich die Nachfrage nach Arbeitnehmer*innen mit KI-Kompetenzen in den letzten Jahren verändert hat. Daher zeigt dieser Indikator, mit welcher Rate KI-Talente in Deutschland eingestellt werden. Das Ergebnis: Im Zeitverlauf ist zu sehen, dass sie seit 2017 vermehrt eingestellt wurden, was die starke Nachfrage nach KI-Talenten verdeutlicht.

Hinweis: LinkedIn-Daten stellen kein randomisiertes Sample der erwerbstätigen Bevölkerung eines Landes dar. Sie basieren auf den Angaben der LinkedIn-Nutzer*innen und sind deshalb nicht unbedingt repräsentativ für alle Erwerbstätigen eines Landes, auch wenn in vielen Ländern ein hoher Anteil der Erwerbstätigen LinkedIn-Nutzer*innen sind. Die hier vorgestellten Analysen zeigen die Welt aus der Sicht von LinkedIn, d.h. Ergebnisse werden dadurch beeinflusst, wer LinkedIn nutzt und wie LinkedIn genutzt wird. Je nach Land kann dies unterschiedlich sein und hängt u.a. vom professionellen, sozioökonomischen, regionalen oder kulturellen Hintergrund ab. In Deutschland sind weniger als 40% der erwerbstätigen Bevölkerung auf LinkedIn.

KI-Definition: KI-Talent ist hier definiert als jede/r LinkedIn-Nutzer*in, der/die auf seinem/ihrem LinkedIn-Profil explizit eine der von LinkedIn identifizierten KI-Kompetenzen aufgelistet hat oder der/die einen von LinkedIn definierten KI-Beruf im Lebenslauf genannt hat. Beispiele für die von LinkedIn als KI-Kompetenzen identifizierten Kompetenzen sind unter anderem maschinelles Lernen, Natural Language Processing, Data Structures, Artificial Intelligence, Computer Vision, Image Processing, Deep Learning, TensorFlow, Pandas (Software) und OpenCV. Beispiele, die von LinkedIn als KI-Berufe klassifiziert werden, sind unter anderem Machine Learning Engineer, Artificial Intelligence Engineer, Computer Vision Engineer. Die komplette Liste an KI-Kompetenzen und KI-Berufen ist Eigentum von LinkedIn und nicht öffentlich verfügbar.

Methodik: Die Einstellungsrate von KI-Talenten wird von LinkedIn für jedes Land wie folgt berechnet: Die Anzahl von KI-Talenten, die für 2020 in ihrem LinkedIn-Profil im selben Monat einen neuen Arbeitsplatz und eine/n neue/n Arbeitgeber*in angegeben haben, dividiert durch die Anzahl aller LinkedIn-Nutzer*innen in einem Land. Der KI-Einstellungsraten-Index ist als gleitender Durchschnitt über zwölf Monate berechnet, um die Kurve zu glätten. Weitere Informationen sind in der methodischen Anmerkung des OECD.AI Policy Observatoriums (OECD.AI) zu finden.

KI-Kompetenzen: Deutschland international auf Platz 2

Wie verbreitet sind KI-Kompetenzen in Deutschland im Vergleich zu anderen OECD-Ländern? Der Indikator „Relative Durchdringung von KI-Kompetenzen in OECD-Ländern“ – von LinkedIn entwickelt und vom OECD.AI Policy Observatorium genutzt – zeigt, dass LinkedIn-Nutzer*innen in Deutschland 1,58-mal so häufig KI-Kompetenzen angeben, wie der OECD-Durchschnitt. Im Vergleich zu anderen OECD-Ländern steht Deutschland damit auf dem zweiten Platz hinter den USA sowie vor Israel, Kanada, Südkorea, Japan, Großbritannien und Frankreich. Das zeigt, dass Deutschland hinsichtlich KI-Kompetenzen international relativ gut aufgestellt ist, jedoch im Vergleich zu den USA noch etwas Aufholbedarf hat.

Hinweis: LinkedIn-Daten stellen kein randomisiertes Sample der erwerbstätigen Bevölkerung eines Landes dar. LinkedIn-Daten basieren auf den Angaben der LinkedIn-Nutzer*innen und sind deshalb nicht unbedingt repräsentativ für alle Erwerbstätigen eines Landes, auch wenn in vielen Ländern ein hoher Anteil der Erwerbstätigen LinkedIn-Nutzer*innen sind. Die hier vorgestellten Analysen präsentieren die Welt aus der Sicht von LinkedIn und diese wird dadurch beeinflusst, wie die LinkedIn-Nutzer*innen LinkedIn verwenden. Dies kann sehr vom professionellen, sozioökonomischen, regionalen oder kulturellen Hintergrund abhängen sowie von der Verfügbarkeit und Zugänglichkeit der LinkedIn-Webseite.

KI-Definition: Die hier vorliegende Definition von KI-Kompetenzen umfasst eine Liste von Fähigkeiten, die von LinkedIn als KI-Kompetenzen identifiziert wurden. Zu dieser Liste gehören unter anderem maschinelles Lernen, Natural Language Processing, Data Structures, Artificial Intelligence, Computer Vision, Image Processing, Deep Learning, TensorFlow, Pandas (Software) und OpenCV. Die komplette Liste an KI-Kompetenzen ist Eigentum von LinkedIn und nicht öffentlich verfügbar. Für weitere Informationen zu LinkedIn Kompetenzcluster siehe auch: World Bank Group, LinkedIn (2018), Data insights: Jobs, skills and migration trends methodology & validation results, Appendix F.

Methodik: Der Indikator „Relative Durchdringung von KI-Kompetenzen“ beruht auf dem von LinkedIn entwickelten Skills-Genom-Index, der die Top 50 für einen Jobtitel „sowohl einzigartigen und repräsentativen“ Kompetenzen erfasst und dann den Anteil der von LinkedIn als KI-Kompetenzen klassifizierten Kompetenzen an diesen errechnet. 
Die Durchdringung mit KI-Kompetenzen in einem Land ist definiert als der durchschnittliche Anteil, den KI Kompetenzen in den Skills-Genomen aller Jobtitel in diesem Land darstellen. Da die Liste der Jobtitel von Land zu Land variieren kann, ist der Indikator nicht direkt über alle Länder hinweg vergleichbar. Um einen internationalen Vergleich des Indikators zu ermöglichen, ist die relative Durchdringung mit KI-Kompetenzen definiert als Verhältnis zwischen der Durchdringung mit KI-Kompetenzen in einem Land und der durchschnittlichen Durchdringung mit KI-Kompetenzen in allen Ländern. Dabei werden nur die Jobtitel einbezogen, die in allen Ländern vorkommen. In diesem Indikator werden nur Länder mit mehr als 100.000 LinkedIn Nutzer*Innen dargestellt. Es ist davon auszugehen, dass digitale Kompetenzen in den entwickelten Volkswirtschaften relativ gut auf LinkedIn aufgeführt werden. Weitere Informationen sind in der methodischen Anmerkung des OECD.AI Policy Observatoriums (OECD.AI) zu finden.

Über LinkedIn

Das berufliche Netzwerk LinkedIn vernetzt Arbeitnehmer*innen und Arbeitgeber*innen und bietet eine Plattform zum Informationsaustausch, zur Jobsuche sowie zur Weiterbildung und Vernetzung. Alle LinkedIn-Mitglieder haben die Möglichkeit, auf ihrem Profil ihre Fähigkeiten anzugeben. Den Profilen der Mitglieder stehen Stellenanzeigen gegenüber, die von Unternehmen über die Plattform veröffentlicht werden. Weltweit gibt es derzeit etwa 740 Millionen LinkedIn-Mitglieder und es wird über elf Millionen offene Stellen informiert.

Alle LinkedIn-Mitglieder haben die Möglichkeit, auf ihrem Profil ihre Kompetenzen anzugeben. Die genannten Fähigkeiten der Mitglieder stellen Selbsteinschätzungen dar, können aber durch das persönliche Netzwerk bestätigt werden. Aktuell gibt es mehr als 35.000 unterschiedliche, standardisierte Kompetenzen, die von LinkedIn klassifiziert wurden. Diese werden ständig aktualisiert, indem neu aufkommende Fähigkeiten der Mitglieder durch Algorithmen erfasst werden. Die angegebenen Kompetenzen der Mitglieder werden von LinkedIn in eine Taxonomie von 249 Kompetenzclustern gruppiert, die auf anonymisierte Weise statistisch für diesen Datensatz ausgewertet wurden.

Die Daten des Karrierenetzwerks umfassen die unterschiedlichen Bereiche des deutschen Arbeitsmarkts nicht im gleichen Maße. Einige Branchen und Regionen sind stärker vertreten als andere. Vor allem die Wirtschaftszweige „Industrie“, „freiberufliche, wissenschaftliche, technische Dienstleistungen“ und „Information und Kommunikation“ sind gut vertreten. Im Gegensatz zur amtlichen Statistik sind die Teilnahme am LinkedIn-Netzwerk und die Angaben der Mitglieder freiwillig.

Hat Ihnen dieser Artikel gefallen? Dann teilen Sie ihn doch mit anderen: