KI-Kompetenz statt Alibi-Training

Herzlich Willkommen zu den AI FIRST Insights! Dies ist Teil 3 der Serie zum KI-Adoption-Playbook. Die vorherigen Teile findest Du hier.

Wenn Unternehmen über KI-Kompetenz sprechen, entsteht schnell ein Missverständnis: Ein Pflichttraining für alle wird mit echter Befähigung verwechselt. Ein E-Learning ist schnell ausgerollt, gut dokumentiert und schafft ein Gefühl von Sicherheit. Aber die eigentliche Arbeit bleibt gleich.

Genau darin liegt die Alibi-Training-Falle. Organisationen können hohe Trainingsquoten vorweisen und trotzdem kaum echte KI-Adoption sehen, weil Menschen nach dem Training zwar Regeln kennen, aber noch nicht wissen, wie sie ihre eigenen Aufgaben mit KI besser, schneller oder wirksamer erledigen.

In diesem Artikel geht es darum, warum klassische KI-Pflichtschulungen oft zu wenig Wirkung entfalten, was KI-Kompetenz wirklich bedeutet und wie Unternehmen Kompetenz so aufbauen, dass daraus Anwendung im Alltag entsteht. Los geht's!

---

30 Plätze im Collective ab 01. Juli

Wir öffnen das Collective wieder. Start 1. Juli, 30 Plätze, kuratierte Aufnahme. Wer nicht nur zu KI-Adoption lesen, sondern diese mit 100 anderen GFs und KI-Verantwortlichen gemeinsam vorantreiben und eine AI-First Organisation entwickeln will, die ihr Wachstum vom Headcount entkoppelt, ist hier richtig: ai-first.ai/collective.

In den ersten 8 Wochen bauen wir dein KI-Betriebssystem auf. Dann entwickeln wir dein KI-Adoption-Playbook. Monat für Monat gehen wir in die Umsetzung.

---

Warum Alibi-Training nicht reicht

Wenn wir in neue Projekte starten, hören wir sehr oft: „Wir haben schon ein KI-Training für alle Mitarbeitenden gemacht.“ Meistens ist damit ein 60-Minuten-E-Learning gemeint: 45 Minuten rechtliche Einordnung, Datenschutz, Risiken und interne Spielregeln, dazu eine kurze Erklärung zu Prompting und Chatbot-Bedienung. Haken gesetzt, Tools freigeschaltet, Thema formal erledigt.

Für mich ist genau das Alibi-Training. Das Format ist verführerisch, weil es schnell ausgerollt ist, alle erreicht, sich sauber dokumentieren lässt und HR, IT, Legal und Geschäftsführung das Gefühl gibt, die Organisation sei geschult. Gerade im Mittelstand ist das nachvollziehbar: hoher Druck, viel Unsicherheit. Also wird ein Format gebaut, das möglichst wenig Risiko erzeugt.

Das Problem entsteht, wenn dieses Format als Kompetenzaufbau verstanden wird. Nach so einem Training wissen Menschen vielleicht, dass KI halluzinieren kann und welche Daten nicht in offene Tools gehören. Wie sie ihre eigene Arbeit mit KI anders machen oder echte Probleme lösen, wissen sie damit aber noch nicht. Ein Unternehmen kann 90 Prozent Trainingsquote haben und trotzdem kaum echte Adoption sehen. Alibi-Training misst Aktivität, wo eigentlich Wirkung entstehen müsste.

---

Was KI-Kompetenz wirklich bedeutet

Um aus der Alibi-Logik herauszukommen, brauchen Unternehmen ein anderes Verständnis von KI-Kompetenz. Für mich heißt das nicht, dass Menschen einmal verstanden haben, was ein Prompt ist, und auch nicht, dass alle zu KI-Expertinnen oder Automatisierungsbauern werden. Es heißt: Menschen können KI wirksam in ihrer Arbeit einsetzen.

Wirksam mit KI arbeiten bedeutet für mich vier unterscheidbare Dinge:

• Aufgabenbezug: KI wird an realen, wiederkehrenden Aufgaben eingesetzt, nicht nur in Übungen.
• Nutzenbeitrag: Die Nutzung verbessert Effizienz, Qualität oder Entscheidungsfähigkeit der Arbeit.
• Qualitätssicherung: Ergebnisse werden fachlich geprüft, bevor sie verwendet oder weitergegeben werden.
• Routinisierung: Erfolgreiche Anwendungen werden zu wiederholbaren Arbeitsweisen, Standards oder Workflows.

Wir haben 4-stufiges Kompetenzmodell definiert, um Fortschritt in der KI-Kompetenz und damit einhergehende Wirkung zu messen: Verstehen, Nutzen, Umsetzen und Transformieren.

1. Verstehen

Ich verstehe, was KI kann, wo sie hilft und wo ihre Grenzen liegen.

Auf der ersten Stufe geht es um Orientierung: Welche Tools sind erlaubt? Welche Daten gehören nicht in offene KI-Systeme? Warum können Ergebnisse falsch sein? Und wo kann KI in der eigenen Arbeit sinnvoll helfen?

• Sichtbar durch: Kann 3 sinnvolle Einsatzfelder im eigenen Arbeitskontext, 3 zentrale Risiken und die erlaubten Tools benennen.
• Aufgebaut durch: Das zuvor angesprochene eLearning oder ein Live-Training
• Wirkung: Sicherheit, gemeinsame Sprache und realistische Erwartungen.

2. Nutzen

Ich nutze KI regelmäßig, um meine eigene Arbeit schneller oder besser zu machen.

Auf der zweiten Stufe wird KI Teil des Arbeitsalltags. Sie wird wiederkehrend für reale Tätigkeiten genutzt: Recherche, Schreiben, Zusammenfassen, Analysieren, Strukturieren. Aus einem Tool, das man kennt, wird ein Arbeitsmodus, der die eigene Produktivität steigert.

• Sichtbar durch: 3 konkrete Arbeitsbeispiele mit erkennbarem Nutzen und wiederkehrender Anwendung. Zum Beispiel: Routinierte KI-gestützte Recherchen.
• Aufgebaut durch: Wir investieren ca. 4 Stunden in eLearning oder Live-Training zu den Funktionen einer KI-Plattform, Prompting, Kontext, horizontale Anwendungsfälle, Ergebniskontrolle und -optimierung. Im Fokus müssen Transfer-Aufgaben stehen!
• Wirkung: Persönliche Produktivität, bessere Qualität und stabilere KI-Nutzung im Alltag.

3. Umsetzen

Ich baue konkrete KI-Lösungen, die auch andere in meinem Team nutzen können.

Auf der dritten Stufe entsteht Nutzen über die eigene Arbeit hinaus. Aus wiederkehrenden Aufgaben werden dokumentierte Prompts, Skills, Agenten oder Workflows, die andere im Team übernehmen und produktiver arbeiten können. Wir nennen diese Rolle KI-Enabler.

• Sichtbar durch: Mindestens einen dokumentierten Skill, Workflow, Agenten oder Prompt-Standard, der mit realen Fällen getestet wurde und im Team nutzbar ist.
• Aufgebaut durch: Wir investieren ca. 20 Stunden in Live-Training (optional eLearning) zu Skills, Agenten und Workflows. Außerdem muss eine Methodik zur Bewertung, Priorisierung und Konzeption von Anwendungsfällen erlernt werden.
• Wirkung: Höhere Gesamtproduktivität im Team, höhere Geschwindigkeit in der Umsetzung von Anwendungsfällen, höhere KI-Adoption im Team. Nach unserer Erfahrung sind KI-Enabler selbst min. 20% produktiver.

4. Transformieren

Ich gestalte Prozesse und Datenstrukturen so, dass KI skalierbar Wirkung erzeugt.

Auf der vierten Stufe werden Prozesse aus KI-Perspektive neu gedacht und zusammengesetzt. Hier entsteht strukturelle Veränderung, die große Effizienzen freisetzt.

• Sichtbar durch: Mindestens einen AI-First Prozess mit optimierten Prozessschritten, Neuverteilung der Verantwortlichkeiten (zwischen Mensch und KI), definierte Qualitätstore und Entscheidungslogik und passender Datenstrutkur.
• Aufgebaut durch: Strategische Prozess- und Datenworkshops, in denen End-to-End-Prozesse aus KI-Perspektive neu entworfen werden. Dazu gehören Prozessmapping, Rollen- und Entscheidungslogik, Datenmodellierung, Qualitätstore, Automatisierungsdesign und Governance. Wichtig ist: Diese Stufe entsteht nicht durch Tool-Training, sondern durch gemeinsame Arbeit von Fachbereich, Prozessverantwortlichen, IT/Data und KI-Team an konkreten High-Impact-Prozessen.
• Wirkung: Prozesswirkung, Skalierbarkeit, Standards und KI als Teil der Arbeitsweise der Organisation.

Eine Pyramide, keine Karriereleiter

Dieses Modell ist keine Karriereleiter, auf der alle ganz nach oben müssen, sondern eine Kompetenz-Pyramide für die Organisation. Unten braucht jede Person ein gemeinsames Verstehen. Für alle, die am PC arbeiten, sollte das Ziel Nutzen sein. Darüber braucht es eine kleinere Gruppe, die dezentral in den Teams Anwendungsfälle umsetzt. Und an der Spitze Menschen, die Transformieren und Arbeit, Prozesse und Standards für das gesamte Unternehmen neu denken.

In einem Unternehmen mit 5.000 Mitarbeitenden kann das zum Beispiel so aussehen: Alle 5.000 sollten ein solides Verstehen haben. Etwa 3.000 davon arbeiten täglich am Rechner und sollten KI auf dem Level Nutzen in ihren Alltag einbauen. 50 KI-Enabler aus den Fachbereichen kommen auf das Level Umsetzen und bauen wiederverwendbare Lösungen. Und eine kleinere Gruppe, oft das interne KI-Team, wirkt auf der Stufe Transformieren und gestaltet Prozesse, Datenstrukturen und Standards neu.

---

Was wir aus hunderten KI-Trainings gelernt haben

Wir haben in den letzten Jahren hunderte KI-Trainings durchgeführt und wahrscheinlich alle Fehler gemacht, die man so machen kann. Ich erinnere mich noch gut, wie ich in meinen ersten Trainings die armen Menschen viel zu lange mit theoretischen Grundlagen erschlagen habe: KI-Geschichte, Modelllogik, LLM-Funktionsweise, Prompting-Frameworks etc. Heute weiß ich: Ein gutes KI-Training muss viel schneller an die Arbeit ran. Menschen lernen KI nicht, indem sie lange über KI sprechen, sondern indem sie KI für ihre eigenen Probleme nutzen, selbstwirksam werden und vor allem lernen “KI zu nutzen, um KI besser zu nutzen” - das ist das wichtigste Prinzip.

1. Die C-Level müssen die ersten Trainees sein

KI-Adoption startet nicht bei den Mitarbeitenden, sondern oben. Ich habe einmal mit dem CEO eines Milliardenunternehmens ein Einzeltraining gemacht. Ganz praktisch: gemeinsam gebaut, eigene Aufgaben analysiert, KI-Agenten aufgesetzt. Danach konnte er die Transformation in seinem Unternehmen anders steuern, weil er selbst erlebt hatte, was heute möglich ist.

Wenn das C-Level selbst mit KI arbeitet, verändert sich die Energie im Unternehmen. KI ist dann nicht mehr „ein Tool, das die Mitarbeitenden lernen sollen“, sondern ein Thema, das die Führung sichtbar ernst nimmt. Ab diesem Moment gibt es weniger Ausreden.

2. Danach sind die Führungskräfte dran

Jede Führungskraft muss als glaubwürdiges Vorbild im eigenen Team vorangehen. Die Adoption steigt spürbar, wenn eine Führungskraft nicht sagt „Ihr müsst dieses Training machen“, sondern „Ich weiß auch nicht wie das geht, aber ich lerne das mit euch.“

Damit wird KI nicht als zusätzliche Aufgabe abgeladen, sondern zum gemeinsamen Lernprozess. Die Führungskraft kann Prioritäten setzen, Zeit freiräumen und nachhalten, welche Routinen wirklich übernommen werden. Ohne diese Führung bleibt Training ein einmaliges Event, das wieder verpufft.

3. Minimale Theorie, maximale Anwendung

Niemand muss im ersten Training die hundertjährige KI-Geschichte kennen oder 30 Minuten lang Paragrafen zum Urheberrecht hören. Grundlagen, Risiken und Regeln lassen sich schlank vermitteln: Welche Tools sind erlaubt? Welche Daten sind kritisch? Warum müssen Ergebnisse geprüft werden?

In unseren heutigen Trainings sind maximal 10 Minuten Rahmen und Spielregeln. 90% der Zeit sitzen die Teilnehmenden mit eigenen Aufgaben vor dem Tool.

4. Das eigene Problem muss gelöst werden

Der größte Hebel im Training entsteht, wenn Menschen nicht mit Demo-Beispielen arbeiten, sondern mit ihren eigenen Problemen. Sobald jemand merkt, dass KI eine konkrete Aufgabe aus dem Alltag besser, schneller oder klarer macht, entsteht Relevanz. Eine Vertriebsleiterin aus einem unserer letzten Trainings hat ihre wöchentliche Pipeline-Vorbereitung mit KI durchgespielt und sie von drei Stunden auf rund 25 Minuten reduziert. Ab diesem Moment musste niemand sie mehr für das Thema gewinnen. Jeder Mensch, der am PC arbeitet, hat mehr als genug solcher Anwendungsfälle.

Deshalb müssen Trainings sehr früh an die persönliche Arbeit gehen, entlang von Fragen wie:

• Welche Aufgabe kostet dich jede Woche unnötig Zeit?
• Welche Arbeit bereitest du immer wieder ähnlich vor?
• Wo brauchst du bessere Struktur oder bessere erste Entwürfe?
• Was würdest du an einen Praktikanten abgeben, wenn du einen einstellst?

5. Die wichtigste Kompetenz: KI nutzen, um KI besser zu nutzen

Wenn ich nur ein Prinzip in jedes Training einbauen dürfte, wäre es dieses: Nutze KI, um KI besser zu nutzen. Niemand muss allein lernen, perfekte Prompts zu schreiben oder Workflows zu strukturieren. KI kann bei beidem helfen und auch sagen, welche Informationen für ein besseres Ergebnis noch fehlen.

Wenn Menschen das verstanden haben, entsteht ein Flywheel. Sie nutzen KI, um:

• bessere Prompts zu schreiben
• Agenten oder Assistenten zu entwerfen
• Daten und Informationen zu strukturieren
• sich bessere Fragen stellen zu lassen
• Schwachstellen in Ergebnissen zu finden
• Workflows in klare Schritte zu zerlegen

Mit jedem dieser Schritte werden sie wieder besser darin, KI zu nutzen. Dann macht’s Klick :)

6. KI-Training hört nie auf

Viele KI-Trainings von vor 12 oder 24 Monaten sind heute praktisch veraltet, weil sich die Technologie so brutal schnell weiterentwickelt hat. Modelle können mehr, Tools werden agentischer, neue Modalitäten kommen dazu.

Deshalb braucht es stabile Grundlagen (siehe “Verstehen”), die einmal aufgebaut werden, und darauf ein Lernsystem, das fortlaufend aktualisiert wird. Wenn sich die Technologie weiterentwickelt, muss sich auch Kompetenz weiterentwickeln. Zu viele KI-Trainings sind heute einmalige Veranstaltungen.

7. Verhaltensänderung ist wichtiger als Methoden

Viele Trainings zielen auf Methodenkompetenz: bessere Prompts, neue Tools, eigene Agenten. Neben diesen Methoden muss sich aber insbesondere das eigene Arbeitsverhalten verändern. Menschen müssen anfangen, KI selbstverständlich in ihre Arbeit einzubauen. Wir brauchen neue Routinen.

Deshalb arbeiten wir zum Beispiel mit 30-Tage-Challenges. Ähnlich wie bei Duolingo will man eine einmal laufende Streak nicht mehr brechen. In den Gruppen, die wir nach Tag 30 begleitet haben, ist die KI-Nutzung im Schnitt deutlich gestiegen: Aus „zwei, drei Mal pro Woche“ wird täglich, oft mehrfach. Und vor allem fragen die Teilnehmenden danach nicht mehr „Wann nutze ich KI?“, sondern „Welche meiner Aufgaben gehe ich heute mit KI an?“

8. Effektives Training braucht gutes Werkzeug

Man kann Menschen nicht für KI begeistern, wenn die Werkzeuge schlecht sind. Letzte Woche kam wieder eine Anfrage für ein Führungskräfte-Training ohne interne KI-Plattform; nur kostenlose Tools ohne Login, ohne eigene Daten. Genauso schwierig wird es, wenn ein „CompanyGPT“ intern auf einem veralteten Modell läuft, das nicht zeigt, was moderne KI heute kann.

Gutes Training braucht gute Infrastruktur: leistungsfähige Tools, state-of-the-art Modelle, Zugriff auf relevante Daten und genug Freiheit, mit eigenen Aufgaben zu arbeiten.

9. „Was ist für mich drin?“ muss beantwortet sein

Dieser Punkt wird massiv unterschätzt. „Mit KI könnt ihr einen Tag pro Woche sparen“ klingt aus Unternehmenssicht großartig. Aus Sicht vieler Mitarbeitender entsteht sofort eine andere Frage: Und was passiert mit diesem Tag? Wer das Gefühl hat, sich durch gute KI-Nutzung selbst überflüssiger zu machen, geht nicht mit voller Energie in die Anwendung.

Die Antwort darauf muss spezifischer sein als “wertstiftendere Tätigkeiten” - da weiß meist niemand, was das genau sein soll. Auf Rollen-Ebene kann definiert werden, wie das konkret aussieht. Hier schließt sich der Kreis zum KI-Zielbild. KI-Kompetenz funktioniert nur, wenn Menschen verstehen, wofür sie diese Kompetenz aufbauen.

---

Fazit

KI-Kompetenz entsteht nicht, wenn Menschen einmal ein Training absolvieren. Sie entsteht, wenn Menschen verstehen, wofür sie KI nutzen sollen, an konkreten Aufgaben arbeiten und daraus neue Routinen im Arbeitsalltag entwickeln.

Was du aus diesem Artikel mitnehmen kannst:

• Verstehen ist die Grundlage. Menschen brauchen Sicherheit, gemeinsame Sprache und klare Regeln.
• Nutzen ist der breite Zielzustand. Alle, die viel am PC arbeiten, sollten KI regelmäßig im Alltag einsetzen können.
• Umsetzen braucht Enabler, die wiederverwendbare Lösungen bauen.
• Transformieren darf nicht fehlen, sonst wird nur bestehende Arbeit beschleunigt.
• Training muss Verhalten verändern. Entscheidend ist, was Menschen danach regelmäßig anders machen.

Wenn du gerade KI-Kompetenz in deinem Unternehmen aufbaust, würde ich nicht zuerst auf die Trainingsquote schauen, sondern eine andere Frage stellen: Welche Arbeit sieht nach dem Training wirklich anders aus?

Im nächsten Teil des AI FIRST Adoption Playbooks geht es um die alte Use-Case-Denke: warum viele Unternehmen KI-Ideen sammeln, priorisieren und verwalten, und trotzdem zu wenig echte Umsetzung entsteht.

Bis nächsten Sonntag,

Felix

P.S. Wir öffnen das Collective wieder. Start 1. Juli, 30 Plätze, kuratierte Aufnahme. Wer nicht nur zu KI-Adoption lesen, sondern diese mit 100 anderen GFs und KI-Verantwortlichen gemeinsam vorantreiben und eine AI-First Organisation entwickeln will, die ihr Wachstum vom Headcount entkoppelt, ist hier richtig: ai-first.ai/collective.