AI Literacy: Was Unternehmen wissen sollten

Ein Teammitglied lässt einen Bericht zusammenfassen. Ein anderes erstellt Produkttexte mit KI. Die Geschäftsführung bekommt eine automatisch vorbereitete Entscheidungsvorlage. Aber wer prüft, ob Informationen fehlen, Aussagen stimmen und die verwendeten Daten überhaupt in das Tool gehören?

AI Literacy hilft deinem Unternehmen, solche Fragen fundiert zu beantworten. Der Begriff beschreibt die Kompetenz, künstliche Intelligenz zu verstehen, ihre Ergebnisse zu beurteilen und sie verantwortungsvoll einzusetzen. Für Geschäftsführung und HR entsteht daraus eine konkrete Aufgabe: Mitarbeitende passend zu ihren Tätigkeiten befähigen und gemeinsame Arbeitsstandards schaffen.

Hier erfährst du, welche Fähigkeiten dazugehören, wie der AI Act das Thema einordnet und wie du KI-Kompetenz mit praktischen Übungen im Unternehmen aufbaust.

Das Wichtigste in Kürze

AI Literacy bedeutet auf Deutsch KI-Kompetenz. Sie verbindet grundlegendes Verständnis mit Anwendung und kritischer Bewertung. Unternehmen brauchen dafür Lernangebote, die zu ihren KI-Systemen, Aufgaben und Mitarbeitenden passen. Ein sinnvoller Einstieg umfasst eine Bestandsaufnahme, klare Nutzungsregeln und Übungen an echten Arbeitsaufgaben. Gemeinsam geprüfte Prompts und ein konkreter Fahrplan helfen, das Gelernte im Alltag zu verankern.

‍

Was bedeutet AI Literacy?

AI Literacy ist die Fähigkeit, KI sachkundig zu nutzen und ihre Möglichkeiten, Grenzen und Auswirkungen einzuschätzen. Dazu gehört beispielsweise, eine geeignete Aufgabe auszuwählen, hilfreiche Informationen bereitzustellen und ein Ergebnis kritisch zu prüfen. Auch die Entscheidung, eine Aufgabe ohne KI zu bearbeiten, kann Ausdruck dieser Kompetenz sein.

Ein hilfreicher Bezugsrahmen stammt von Digital Promise: Das dort entwickelte Modell verbindet Verstehen, Bewerten und Anwenden. Es macht deutlich, dass die Bedienung eines Tools nur einen Teil der KI-Kompetenz ausmacht. Das AI-Literacy-Modell von Digital Promise erläutert diesen Zusammenhang.

Für dein Unternehmen lässt sich das einfach übersetzen: Wer eine Zusammenfassung erzeugen kann, sollte auch erkennen, ob darin eine wichtige Einschränkung aus dem Original fehlt. Wer eine Produktbeschreibung erstellt, muss prüfen können, ob alle genannten Eigenschaften tatsächlich belegt sind.

AI Literacy umfasst grundsätzlich unterschiedliche KI-Anwendungen. In diesem Leitfaden liegt der Schwerpunkt auf generativer KI im Büroalltag, also Systemen, die beispielsweise Texte, Bilder oder andere Inhalte erzeugen.

‍

Warum ist KI-Kompetenz eine Führungsaufgabe?

Stell dir vor, drei Abteilungen verwenden KI für ähnliche Aufgaben. Jede nutzt andere Vorlagen, bewertet Ergebnisse nach eigenen Maßstäben und legt ihr Wissen anders ab. Dann hängt die Qualität stark davon ab, wer gerade arbeitet.

Gemeinsame KI-Kompetenz schafft eine Grundlage für nachvollziehbare Entscheidungen. Dein Team kann besser beurteilen, welche Aufgaben sich eignen, wann Ergebnisse nachbearbeitet werden müssen und wo Unterstützung notwendig ist.

Die Geschäftsführung legt dafür Ziele, Ressourcen und Verantwortlichkeiten fest. HR organisiert passende Lernangebote und begleitet den Transfer. Fachverantwortliche bringen reale Aufgaben und Qualitätsmaßstäbe ein. IT und Datenschutzverantwortliche klären die für ihren Bereich relevanten Rahmenbedingungen.

Ein gemeinsamer Standard braucht klare Zuständigkeiten. Die Kollegin mit den meisten KI-Erfahrungen kann viel beitragen. Sie sollte jedoch nicht nebenbei sämtliche fachlichen, organisatorischen und technischen Fragen allein lösen müssen.

‍

Was bedeutet der AI Act für AI Literacy?

Artikel 4 der europäischen KI-Verordnung adressiert Anbieter und Betreiber von KI-Systemen. Nach der aktuellen Darstellung der Bundesnetzagentur müssen sie Maßnahmen ergreifen, die die Entwicklung von KI-Kompetenz bei den in ihrem Auftrag tätigen Personen unterstützen. Vorkenntnisse und Einsatzkontext sind dabei zu berücksichtigen. Ein bestimmtes Kompetenzniveau einzelner Personen muss nicht garantiert werden. Informationen der Bundesnetzagentur zur KI-Kompetenz

Die aktualisierten Erläuterungen der Europäischen Kommission berücksichtigen Änderungen durch den KI-Omnibus. Ältere Darstellungen mit pauschalen Aussagen über eine bestimmte Schulungspflicht solltest du deshalb anhand aktueller Quellen prüfen. Erläuterungen der EU-Kommission zu AI Literacy

Für die Planung deiner Weiterbildung ist entscheidend: Artikel 4 gibt keinen einheitlichen Kurs und keine Zertifizierungspflicht vor. Maßnahmen können intern oder extern stattfinden. Die Bundesnetzagentur empfiehlt, sie nachvollziehbar zu dokumentieren. Hinweise zu Maßnahmen und Dokumentation

Eine Schulung sollte zu den tatsächlich verwendeten Systemen und Aufgaben passen. Ein Team, das Textentwürfe prüft, hat andere Lernbedürfnisse als Mitarbeitende, die KI-gestützte Prozesse entwickeln.

Die folgenden Vorschläge unterstützen die praktische Planung. Welche weiteren Anforderungen für einen konkreten KI-Einsatz gelten, muss gesondert geprüft werden.

‍

Welche KI-Kompetenzen brauchen Mitarbeitende?

Für den Arbeitsalltag empfehlen wir fünf miteinander verbundene Kompetenzbereiche. Sie greifen zentrale Inhalte der trepcademy-Seminarunterlagen auf und übersetzen sie in konkrete Fähigkeiten.

Grundlagen und Grenzen verstehen

Dein Team sollte einordnen können, welche Art von KI es verwendet. Ein System zur Erkennung von Mustern erfüllt andere Aufgaben als eine Anwendung, die neue Inhalte erzeugt.

Für die Arbeit mit einem Large Language Model, kurz LLM, ist besonders wichtig: Eine überzeugend formulierte Antwort kann sachlich falsch sein. Solche erfundenen oder fehlerhaften Ausgaben werden häufig als Halluzinationen bezeichnet. Auch das US-amerikanische NIST beschreibt dieses Risiko in seinem Risikoprofil für generative KI.

Ein sinnvoller Lernnachweis wäre deshalb, dass Mitarbeitende einen fehlerhaften KI-Text erkennen und erklären können, wie sie die fraglichen Aussagen überprüfen.

Geeignete Aufgaben und Werkzeuge auswählen

KI-Kompetenz beginnt bereits vor der Eingabe. Was soll die Anwendung erledigen? Welche Informationen benötigt sie? Und wie lässt sich das Ergebnis kontrollieren?

Nutze dafür eine einfache Tool-Übersicht nach Aufgaben: Texte entwerfen, Informationen recherchieren, Dokumente auswerten oder Bilder entwickeln. Ergänze die im Unternehmen freigegebenen Werkzeuge und ihre vorgesehenen Einsatzbereiche.

Für den Einstieg eignet sich eine überschaubare Aufgabe mit gut prüfbarem Ergebnis. Beispielsweise lässt sich ein Textentwurf anhand einer vorliegenden Produktbeschreibung kontrollieren. Eine komplexe Entscheidung mit schwer erkennbaren Folgen verlangt wesentlich mehr Fachkenntnis und Absicherung.

Aufgaben klar formulieren

In den trepcademy-Unterlagen strukturiert das 4-Säulen-Modell einen Prompt, also die Arbeitsanweisung an die KI:

• Rolle: Aus welcher fachlichen Perspektive soll die Aufgabe bearbeitet werden?
• Aufgabe: Was soll konkret entstehen?
• Kontext: Welche Informationen, Zielgruppen und Einschränkungen sind relevant?
• Output: In welchem Format und Umfang wird das Ergebnis benötigt?

Diese Struktur dient als Arbeitshilfe. Sie garantiert keine korrekten Ergebnisse. Eine Rollenbeschreibung wie „Du bist Experte“ ersetzt beispielsweise keine belastbaren Fachinformationen.

Entscheidend ist, dass Mitarbeitende fehlenden Kontext erkennen und ihre Anweisung gezielt verbessern können.

Ergebnisse systematisch prüfen

Eine brauchbare Qualitätsprüfung betrachtet Inhalt und Verwendungszweck. Stimmen Fakten, Zahlen und Quellen? Fehlen Einschränkungen? Passt die Sprache zur Zielgruppe? Erfüllt das Ergebnis die Aufgabe?

Das in den Seminarunterlagen behandelte Sense-Checking verbindet diese Fragen mit einer fachlichen Plausibilitätsprüfung. Bei belegpflichtigen Aussagen gehört der Abgleich mit geeigneten Quellen dazu. NIST empfiehlt ausdrücklich, Quellen und Zitate in KI-Ausgaben zu überprüfen. Empfehlungen zur Prüfung generativer KI

Eine zusätzliche Selbstkritik der KI kann Hinweise liefern. Sie ersetzt keine unabhängige Prüfung. Auch eine zweite Antwort kann denselben Fehler wiederholen.

Daten und Verantwortung bewusst handhaben

Mitarbeitende brauchen verständliche interne Regeln: Welche Werkzeuge dürfen sie für welche Aufgaben verwenden? Welche Informationen dürfen sie eingeben? Wer entscheidet bei Unsicherheit?

Lege für Übungen möglichst unkritische, eigens vorbereitete Beispieldaten bereit. Reale Kundeninformationen oder vertrauliche Dokumente sollten erst dann Teil eines Arbeitsablaufs werden, wenn die zuständigen Stellen den konkreten Einsatz geklärt haben.

Definiere außerdem, wer Ergebnisse prüft und freigibt. Der Begriff Human-in-the-Loop beschreibt die Einbindung eines Menschen in einen KI-gestützten Ablauf. Für den Alltag muss daraus eine konkrete Zuständigkeit mit nachvollziehbaren Prüfkriterien werden.

‍

Wie sieht AI Literacy im Arbeitsalltag aus?

Die folgenden Situationen sind beispielhafte Lernaufgaben. Du kannst sie an eure Abteilungen und verwendeten Werkzeuge anpassen.

Marketing: Einen Textentwurf fachlich bewerten

Eine Mitarbeiterin erstellt einen Social-Media-Beitrag aus freigegebenen Produktinformationen. Die KI ergänzt ein Leistungsversprechen, das in den Angaben nicht vorkommt.

KI-Kompetenz zeigt sich darin, dass die Mitarbeiterin diese Ergänzung erkennt, entfernt und den Prompt verbessert. Anschließend prüft sie, ob der neue Entwurf die tatsächlichen Vorteile verständlich erklärt.

Weitere Einsatzmöglichkeiten findest du im Beitrag KI im Marketing: Beispiele, Chancen und Grenzen.

E-Commerce: Fehlende Produktdaten erkennen

Ein Shop-Team lässt eine Beschreibung aus Artikelattributen erstellen. Angaben zur Pflege fehlen. Statt diese Lücke mit einer plausibel klingenden Empfehlung zu füllen, soll die KI sie ausdrücklich benennen.

Das Lernziel lautet: Mitarbeitende unterscheiden vorhandene Informationen von ergänzten Annahmen. Die Beschreibung wird erst fertiggestellt, wenn die fehlenden Angaben geklärt sind.

HR: Informationen korrekt zusammenfassen

Eine HR-Mitarbeiterin erstellt aus einer freigegebenen Weiterbildungsrichtlinie eine kurze Orientierung für Führungskräfte. Dabei prüft sie, ob Voraussetzungen und Ausnahmen erhalten geblieben sind.

Die Übung betrifft Dokumentenarbeit. Sie sollte nicht unbemerkt zu einem Experiment mit sensiblen Personalakten oder automatisierter Bewerberbewertung werden. Der gewählte Anwendungsfall und seine Grenzen gehören ausdrücklich zum Briefing.

‍

Wie baust du KI-Kompetenz im Unternehmen auf?

Ein sinnvoller Aufbau verbindet Lernziele mit euren Arbeitsaufgaben. Die folgenden Schritte kannst du als Planungsgrundlage nutzen.

1. Ausgangslage und Bedarf erfassen

Beginne mit einer Bestandsaufnahme: Welche KI-Anwendungen kommen bereits zum Einsatz? Für welche Aufgaben? Wo fühlen sich Mitarbeitende sicher, und an welchen Stellen fehlt Orientierung?

Ergänze Selbsteinschätzungen durch eine kleine Arbeitsprobe. Bitte beispielsweise um die Prüfung einer KI-Zusammenfassung mit einer absichtlich eingebauten Auslassung. So erkennst du, ob Unsicherheit beim Formulieren, beim Quellenabgleich oder beim Verständnis der Aufgabe liegt.

Besprich Ergebnisse als Lernbedarf. Eine offene Fehlerkultur erleichtert es, Fragen und problematische Ausgaben früh sichtbar zu machen.

2. Lernziele nach Rollen festlegen

Formuliere Ziele als beobachtbare Fähigkeiten. „Das Team kennt KI“ ist schwer zu überprüfen. Konkreter wäre: „Das Team kann aus freigegebenen Informationen einen Textentwurf erstellen und unbelegte Aussagen markieren.“

Für Führungskräfte kann das Ziel darin bestehen, einen Anwendungsfall mit Nutzen, Aufwand und Verantwortlichkeit zu bewerten. Operative Mitarbeitende benötigen mehr Übung an ihren täglichen Aufgaben. Personen, die Workflows betreuen, brauchen zusätzlich Verständnis für Übergaben und Fehlerfälle.

Ein gemeinsamer Einstieg schafft die Grundlage. Die anschließende Vertiefung orientiert sich an der jeweiligen Verantwortung.

3. Mit einer echten Aufgabe üben

Wähle eine Aufgabe, die regelmäßig vorkommt und deren Ergebnis dein Team fachlich beurteilen kann. Verwende dafür das 4-Säulen-Modell und arbeite mit freigegebenem Ausgangsmaterial.

Ein beispielhafter Prompt für die Zusammenfassung einer Weiterbildungsrichtlinie lautet:

„Du unterstützt unsere interne Kommunikation. Fasse die beigefügte, freigegebene Weiterbildungsrichtlinie für Führungskräfte zusammen. Verwende ausschließlich die Angaben aus dem Dokument. Erhalte Voraussetzungen, Ausnahmen und Zuständigkeiten. Kennzeichne unklare Stellen als offene Fragen. Liefere maximal 200 Wörter und anschließend eine Liste der Punkte, die vor der internen Veröffentlichung geprüft werden müssen.“

Lass das Ergebnis mit dem Original vergleichen. Welche Information fehlt? Welche Aussage wurde verändert? Was war im Prompt unklar?

Danach überarbeitet das Team die Anweisung und testet sie erneut. So wird iteratives Prompting zu einem nachvollziehbaren Lernprozess.

4. Wissen gemeinsam nutzbar machen

Lege erprobte Prompts mit Beispielen und Prüfkriterien an einem gemeinsamen Ort ab. Eine Prompt-Bibliothek sollte erkennen lassen, für welche Aufgabe eine Vorlage gedacht ist und wann sie zuletzt getestet wurde.

Dokumentiere außerdem, welche Eingaben benötigt werden, welche Einschränkungen gelten und wer die Vorlage betreut. Das erleichtert die Nutzung durch neue Teammitglieder.

Wie du Weiterbildung grundsätzlich mit Aufgaben und Wissenstransfer verbindest, zeigt der Beitrag Marketing-Know-how intern aufbauen.

5. Fortschritt anhand der Arbeit prüfen

Bewerte nach einer Übungsphase vergleichbare Aufgaben erneut. Kann das Team unbelegte Aussagen zuverlässiger erkennen? Werden Rückfragen konkreter? Funktioniert der Ablauf auch bei einer anderen Person?

Wenn ihr Zeitersparnis betrachtet, zählt die gesamte Bearbeitung: Vorbereitung, KI-Nutzung, Kontrolle und Nacharbeit. Ein schnell erzeugter Entwurf kann trotzdem viel Korrektur benötigen.

Ein brauchbarer Lernerfolg zeigt sich in der eigenständigen Anwendung. Dafür empfehlen wir eine praktische Arbeitsprobe zusätzlich zur Teilnahmebestätigung. Das ist eine didaktische Empfehlung, kein vorgeschriebenes gesetzliches Prüfverfahren.

‍

Ein KI-Fahrplan für die ersten 30 und 90 Tage

Die trepcademy-Seminarunterlagen verbinden ein persönliches Prompt-Set mit einem 30-/90-Tage-Fahrplan. Für ein Unternehmen lässt sich dieser Ansatz folgendermaßen anpassen.

Die ersten 30 Tage: Einen Arbeitsablauf erproben

Wähle einen klar begrenzten Anwendungsfall und benenne eine verantwortliche Person. Kläre Werkzeug, Eingaben und Qualitätskriterien. Anschließend entwickelt das Team erste Prompts und testet die Ergebnisse gemeinsam.

Plane kurze Übungszeiten und eine regelmäßige Besprechung ein. Zum Monatsende sollte ein dokumentierter Ablauf vorliegen: mit einer verwendbaren Vorlage, einem geprüften Beispiel und einer Liste offener Fragen.

Diese Zeitplanung ist ein Vorschlag. Umfang und Lerntempo hängen von euren Aufgaben und Vorkenntnissen ab.

Bis Tag 90: Bewährte Abläufe im Team verankern

Lass weitere Mitarbeitende den Ablauf mit neuen Beispielen anwenden. Prüfe, welche Erklärungen oder Vorlagen noch fehlen. Ergänze das Onboarding und vereinbare, wer Änderungen an Werkzeugen und Arbeitsweisen verfolgt.

Entscheide erst nach dieser Erprobung, welche zusätzlichen Schritte sinnvoll sind. Eine weitergehende Automatisierung braucht auch Regeln für fehlerhafte Ergebnisse und notwendige Freigaben.

Das Ziel ist ein Arbeitsablauf, den dein Team versteht, anwenden und bei Bedarf korrigieren kann.

‍

Woran erkennst du eine passende KI-Schulung?

Eine passende KI-Schulung für Mitarbeitende beginnt mit euren Lernzielen und konkreten Aufgaben. Frage bei der Auswahl, wie Vorkenntnisse berücksichtigt werden, welche Übungen vorgesehen sind und wie die Ergebnisse gemeinsam bewertet werden.

Achte besonders auf den Praxistransfer: Was können Teilnehmende danach selbst bearbeiten? Welche Vorlagen entstehen? Wie lässt sich das Gelernte im Team weiterverwenden?

Im KI-Seminar für Unternehmen von trepcademy werden Inhalte und Übungen auf eure Aufgaben abgestimmt. Zu den möglichen Schwerpunkten gehören Grundlagen, die Auswahl geeigneter Werkzeuge, Prompt Engineering und ein individuelles Prompt-Set mit KI-Fahrplan.

Ein solches Training kann den Kompetenzaufbau gezielt unterstützen. Die Anwendung und Weiterentwicklung im Unternehmen solltest du bereits bei der Planung mitdenken.

‍

FAQ zu AI Literacy

Was heißt AI Literacy auf Deutsch?

AI Literacy bedeutet KI-Kompetenz. Gemeint sind Kenntnisse und Fähigkeiten, mit denen Menschen KI verstehen, ihre Ergebnisse kritisch bewerten und sie bewusst für geeignete Aufgaben einsetzen können.

Ist AI Literacy dasselbe wie Prompt Engineering?

Prompt Engineering ist ein Teilbereich der KI-Kompetenz. AI Literacy umfasst zusätzlich unter anderem die Auswahl geeigneter Anwendungen, den Umgang mit Daten, die Bewertung von Ergebnissen und das Verständnis möglicher Auswirkungen.

Müssen alle Mitarbeitenden denselben KI-Kurs besuchen?

Artikel 4 schreibt keinen einheitlichen Kurs für alle Mitarbeitenden vor. Maßnahmen sollen zum Einsatzkontext und den jeweiligen Voraussetzungen passen. Für die Weiterbildung sind deshalb gemeinsame Grundlagen mit rollenspezifischen Übungen sinnvoll. EU-Kommission zu Trainingsansätzen

Ist ein AI-Literacy-Zertifikat vorgeschrieben?

Nach den Erläuterungen der Europäischen Kommission ist für Artikel 4 kein Zertifikat erforderlich. Eine Teilnahmebescheinigung kann eure Dokumentation ergänzen. Sie belegt für sich genommen jedoch nicht, dass ein konkreter KI-Einsatz sämtliche Anforderungen erfüllt. EU-Kommission zu Zertifikaten und Dokumentation

Wie lässt sich KI-Kompetenz praktisch überprüfen?

Mit einer Aufgabe und vorher festgelegten Bewertungskriterien. Lass Mitarbeitende beispielsweise einen Prompt formulieren, den erzeugten Text mit einer Quelle vergleichen und ihre Korrekturen begründen. So wird sichtbar, was bereits gelingt und wo weitere Übung hilft.

Reicht eine einmalige KI-Schulung aus?

Eine Schulung kann Grundlagen schaffen und konkrete Lücken bearbeiten. Für den dauerhaften Einsatz empfehlen wir ergänzende Übung, Feedback und die Überprüfung bestehender Vorlagen bei relevanten Änderungen. Entscheidend ist, ob dein Team die jeweiligen Aufgaben selbstständig bewältigen kann.

‍

Fazit: KI-Kompetenz entsteht in der Anwendung

AI Literacy gibt deinem Team die Grundlage, KI bewusst einzusetzen und Ergebnisse fachlich zu beurteilen. Dafür brauchst du passende Lernziele, klare Zuständigkeiten und Arbeitsaufgaben, an denen sich das Gelernte erproben lässt.

Beginne mit einem überschaubaren Anwendungsfall. Prüfe die Ergebnisse gemeinsam und halte fest, was funktioniert. Daraus können wiederverwendbare Prompts und verlässliche Arbeitsabläufe entstehen.

Wenn du diesen Kompetenzaufbau mit deinem Team praktisch angehen möchtest, kannst du bei trepcademy ein individuelles Inhouse-Seminar anfragen. Gemeinsam klären wir, welche Inhalte zu euren Aufgaben, Erfahrungen und Zielen passen.