Der Giesskannen-Irrtum: Warum Ihre KI-Schulungen ins Leere laufen
Lassen Sie uns mit einer unbequemen Wahrheit starten: Wenn Sie aktuell versuchen, Ihr Unternehmen «KI-ready» zu machen, verbrennen Sie höchstwahrscheinlich gerade einen Grossteil Ihres Weiterbildungsbudgets.
Warum? Weil viele dem sogenannten «Giesskannen-Irrtum» unterliegen. Sie kaufen grossflächig generische ChatGPT-Lizenzen, schicken die gesamte Belegschaft in ein zweistündiges Standard-Webinar und hoffen auf das kollektive Produktivitätswunder. Doch der erhoffte ROI bleibt aus. Die anfängliche Euphorie weicht oft einer tiefen Frustration.
«Warum skalieren unsere KI-Initiativen nicht?»
Die Antwort ist simpel, aber schmerzhaft: Weil echte organisatorische Transformation nicht durch Massenabfertigung entsteht. Und weil wir ein Thema, das fundamentale Auswirkungen auf unsere Wertschöpfung hat, ,teilweise wie ein blosses IT-Update behandeln.
Mein Angebot an Sie
Praxisleitfaden zur Definition von KI-Kompetenzprofilen auf Basis des morphologischen Kastens.
--> Schreiben Sie uns via kontakt@ki-ms.com
Warum das Giesskannen-Prinzip scheitert
KI-Kompetenz oder «AI Literacy» ist kein Zertifikat, das man nach einem Nachmittagskurs abheftet. Der EU AI Act definiert diesen Begriff bewusst als ein dreiteiliges Konzept: Es geht um Fähigkeiten, Wissen und Verständnis.
Dieses Trio baut aufeinander auf: Ohne fachliches Wissen gibt es keine Handlungsfähigkeit (Skills), und ohne diese Fähigkeiten entsteht kein tieferes Verständnis dafür, wie man KI-Ergebnisse in komplexen Situationen richtig interpretiert.
Genau hier versagt die Giesskanne. Der AI Act verzichtet absichtlich auf eine rigide «One-Size-Fits-All»-Vorgabe. Denn was ein ausreichendes Kompetenzniveau ist, hängt massiv von der Rolle, dem System und dem Einsatzkontext ab. Ein Marketing-Manager, der Texte generiert, benötigt ein völlig anderes Skillset als ein Legal-Counsel, der Verträge prüfen lässt, oder der IT-Spezialist, der Modelle trainiert.
Das 2-Ebenen-Kompetenzmodell: Von der Wissenschaft in die Praxis
Wie durchbrechen wir dieses Muster? Indem wir verstehen, dass KI-Kompetenz auf zwei untrennbar miteinander verbundenen Ebenen stattfindet. Wissenschaftliche Modelle unterscheiden hier zwischen individuellen und organisatorischen Dimensionen.
Ebene 1: Der Mitarbeiter-Faktor
Hier geht es um das Fundament des Einzelnen, die sogenannte.
Prozesswissen: Die Fähigkeit, die Kernschritte einer KI zu verstehen, von der Dateneingabe über die Verarbeitung bis zum Output. Mitarbeiter müssen erkennen, wie Datenqualität das Ergebnis beeinflusst und wo Verzerrungen (Bias) entstehen können.
Handlungsfähigkeit: Hier geht es um die Rollenverteilung zwischen Mensch und Maschine. Wer trifft am Ende die Entscheidung? Wer trägt die Verantwortung, wenn etwas schiefgeht?
Interaktionserfahrung: Das ist das tatsächliche, oft implizite Wissen, das man nur durch «Machen» erwirbt, etwa wie man einen Prompt so formuliert, dass die KI exakt das Gewünschte liefert.
Ebene 2: Unternehmens-Skills
Individuelle Genialität verpufft ohne strukturellen Rahmen. Echte organisatorische KI-Kompetenz erfordert mehr. Es braucht ein KI-Management-Wissen, um technische Möglichkeiten in strategische Business-Cases zu übersetzen. Ebenso entscheidend ist die Reflexionskompetenz: Die Fähigkeit von Führungskräften und Teams, ethische, rechtliche und gesellschaftliche Risiken systematisch in Geschäftsentscheidungen einzubinden.
Massanzug statt Konfektionsware
Um Ihr Vorhaben effizient und ressourcenschonend umzusetzen, müssen wir die Komplexität reduzieren und unsere Belegschaft klug segmentieren. Anstatt alle Mitarbeiter durch dasselbe Bootcamp zu schleusen, empfiehlt sich die Einteilung in drei pragmatische Archetypen:
Anwender: Das ist der Grossteil Ihrer Belegschaft. Diese Mitarbeiter nutzen fertige KI-Tools im Arbeitsalltag. Was sie brauchen: Sicheren Umgang mit Standardanwendungen, Fähigkeiten im Prompting, die Fähigkeit zur kritischen Ergebnisinterpretation und absolutes Basiswissen im Datenschutz.
Prozess-Gestalter: Diese Mitarbeiter sind die Brückenbauer. Sie binden KI in bestehende Workflows ein. Was sie zusätzlich brauchen: Wissen über Low-Code/No-Code-Plattformen, ein Grundverständnis von Datenquellen, Schnittstellen (APIs) und die Fähigkeit, einfache Use Cases selbst zu implementieren.
Spezialist: Ihre technischen Schwergewichte. Sie verantworten die technische Architektur, passen Modelle an und skalieren sie. Was sie brauchen: Tiefe algorithmische Expertise, Fähigkeiten in der Modelloptimierung und ein Verständnis für komplexe IT-Architekturen.
Diese Differenzierung erlaubt es Ihnen, Budgets gezielt dort einzusetzen, wo sie den grössten Hebel haben, proportional zur echten Verantwortung der Mitarbeiter.
Fazit
Die Umsetzung des Kompetenzmodells ist keine lästige Pflichtaufgabe für die IT-Abteilung. Es ist eine strategische Führungs- und HR-Aufgabe. Wer den Giesskannen-Irrtum beendet und anfängt, Kompetenzen rollenspezifisch, bedarfsorientiert und kontinuierlich aufzubauen, erfüllt nicht nur ein Gesetz. Er baut das Fundament für eine Organisation, die in der Ära der Künstlichen Intelligenz wirklich skalierbar, resilient und innovationsfähig ist.
Mein Angebot an Sie
Praxisleitfaden zur Definition von KI-Kompetenzprofilen auf Basis des morphologischen Kastens
