Die Einführung generativer KI unterscheidet sich fundamental von früheren Software-Rollouts. Ein neues ERP-System hat feste Eingabemasken und klare Abläufe; man lernt, welche Knöpfe man drückt. KI-Werkzeuge dagegen sind offen, kontextabhängig und – das ist entscheidend – nicht deterministisch: Dieselbe Eingabe kann unterschiedliche Ergebnisse liefern, und die Qualität des Ergebnisses hängt maßgeblich davon ab, wie gut die nutzende Person das Werkzeug führt, die Ausgabe einordnet und kritisch prüft. Diese Fähigkeit entsteht nicht von selbst. Ohne strukturierte Qualifizierung tut sich in Organisationen regelmäßig eine Kluft auf: Eine kleine Gruppe technikaffiner Beschäftigter experimentiert enthusiastisch, während die breite Mehrheit die Werkzeuge meidet, falsch bedient oder – noch riskanter – unbedacht mit sensiblen Daten verwendet.
Genau hier setzen KI-Schulungen an. Sie verfolgen drei ineinandergreifende Ziele: Befähigung (Menschen können KI produktiv und sicher einsetzen), Vertrauen (Vorbehalte und Ängste werden abgebaut, ohne Risiken zu verharmlosen) und Absicherung (die Organisation erfüllt ihre rechtlichen und ethischen Pflichten und vermeidet Datenschutz- und Reputationsrisiken). Wer nur auf Werkzeuge setzt und die Menschen vergisst, erhält teure Software, die niemand richtig nutzt – oder, schlimmer, unkontrollierte Schatten-Nutzung. Wer umgekehrt in Menschen investiert, verwandelt KI von einem Kostenfaktor in einen Produktivitätshebel.
KI-Schulungen sind nicht länger nur eine Frage der Wirtschaftlichkeit, sondern auch der Regulatorik. Der EU AI Act – die Verordnung (EU) 2024/1689 – enthält in Artikel 4 eine ausdrückliche Pflicht zur KI-Kompetenz (im englischen Text „AI literacy“). Nach aktuellem Stand müssen Anbieter und Betreiber von KI-Systemen dafür sorgen, dass ihr Personal sowie andere Personen, die in ihrem Auftrag mit dem Betrieb und der Nutzung von KI-Systemen befasst sind, über ein ausreichendes Maß an KI-Kompetenz verfügen – angemessen zu ihren Aufgaben, ihrem Vorwissen, dem Einsatzkontext und den betroffenen Personen. Diese Pflicht ist bemerkenswert, weil sie unabhängig von der Risikoklasse eines Systems greift und damit nahezu jedes Unternehmen betrifft, das KI einsetzt.
Wichtig für die Einordnung: Der AI Act schreibt keine bestimmte Schulungsform, keinen festen Umfang und kein Zertifikat vor. Er verlangt ein angemessenes Kompetenzniveau – was im konkreten Fall angemessen ist, hängt vom Einsatzszenario ab. Für ein Unternehmen, das nur einen einfachen Chatbot im Kundenservice nutzt, sieht das anders aus als für einen Betreiber eines Hochrisiko-Systems im Personalwesen. Genau diese Flexibilität macht ein durchdachtes, rollenbasiertes Schulungskonzept so wertvoll: Es erlaubt, die Kompetenz dort zu vertiefen, wo die Risiken hoch sind, und andernorts schlank zu bleiben. Wie diese Pflicht im Einzelfall rechtssicher auszufüllen ist, sollte mit einer Fachjurist:in geklärt werden – dieser Beitrag ist eine fachliche Orientierung und keine Rechtsberatung.
Die Folgen fehlender Qualifizierung sind in der Praxis gut beobachtbar und selten harmlos. Erstens entsteht Schatten-KI: Beschäftigte greifen aus eigenem Antrieb zu privaten Werkzeugen und geben dort möglicherweise vertrauliche oder personenbezogene Daten ein – am Datenschutz und an den internen Regeln vorbei. Zweitens breiten sich Fehlanwendungen aus: KI-Ausgaben werden ungeprüft übernommen, obwohl sie sachlich falsch sein können (das bekannte Phänomen der „Halluzinationen“). Drittens bleibt der Nutzen aus: Werkzeuge werden nur oberflächlich verwendet, das eigentliche Produktivitätspotenzial verpufft. Und viertens wächst die Verunsicherung: Ohne Orientierung schwanken Belegschaften zwischen überzogener Euphorie und pauschaler Ablehnung – beides erschwert eine nüchterne, produktive Nutzung.
Lernziele sind das Fundament jedes Schulungskonzepts. Sie beschreiben nicht, welche Themen behandelt werden, sondern welche beobachtbaren Fähigkeiten die Teilnehmenden danach besitzen. Der Unterschied ist entscheidend: „Die Teilnehmenden kennen ein KI-Werkzeug“ ist kein Lernziel, sondern eine Themenangabe. „Die Teilnehmenden können ein KI-Werkzeug so anweisen, dass es einen brauchbaren ersten Entwurf für eine Kundenantwort liefert, und erkennen dabei, welche Informationen sie nicht eingeben dürfen“ ist ein Lernziel – konkret, handlungsorientiert und überprüfbar. Gute Lernziele orientieren sich an den tatsächlichen Aufgaben im Arbeitsalltag und daran, welche Kompetenzstufe für die jeweilige Rolle angemessen ist.
Es hat sich bewährt, Lernziele entlang von vier Dimensionen zu strukturieren, die zusammen echte KI-Kompetenz ausmachen. Nur die erste und zweite Dimension sind eng an das Werkzeug gebunden – die anderen entscheiden über den verantwortungsvollen und wirksamen Einsatz.
Der zweite Schlüssel ist die Segmentierung nach Zielgruppen. Ein Vorstandsmitglied braucht ein anderes Verständnis von KI als eine Sachbearbeiterin im Kundenservice oder ein Entwickler, der KI in Produkte integriert. Eine einzige, undifferenzierte Schulung überfordert die einen und langweilt die anderen. Bewährt hat sich eine Gliederung in einige typische Rollencluster, die Sie an Ihre Organisation anpassen.
Die Segmentierung folgt einem einfachen Prinzip: Breite in der Basis, Tiefe im Bedarf. Alle erhalten ein gemeinsames Grundverständnis – schon deshalb, weil die KI-Kompetenz-Pflicht des AI Act breit greift. Darauf setzen vertiefende Bausteine für jene Rollen auf, in denen KI intensiv genutzt wird oder in denen die Risiken hoch sind. Diese Logik ist nicht nur didaktisch sinnvoll, sondern auch wirtschaftlich: Sie investiert Aufwand dort, wo er den größten Effekt hat, statt alle über einen Kamm zu scheren.
Am Anfang steht ein tragfähiges mentales Modell. Die Teilnehmenden sollen verstehen, dass generative KI Sprache, Bilder oder Code auf Basis erlernter Muster erzeugt – dass sie also plausible, aber nicht notwendigerweise wahre Ausgaben produziert. Dieses Verständnis ist die Grundlage für alles Weitere, denn es erklärt, warum kritisches Prüfen unverzichtbar ist. Wichtig ist ein nüchternes Erwartungsmanagement: KI ist weder ein allwissendes Orakel noch bloßer Hype, sondern ein leistungsfähiges Werkzeug mit klaren Stärken und ebenso klaren Grenzen. Zu den Grenzen gehören Halluzinationen (überzeugend formulierte Falschaussagen), Verzerrungen aus den Trainingsdaten und ein oft begrenzter oder veralteter Wissensstand.
Der praktisch wirkungsvollste Baustein für Intensiv-Anwender ist das Prompt Engineering: die Kunst, ein KI-Werkzeug durch gute Anweisungen zu brauchbaren Ergebnissen zu führen. Hier geht es nicht um geheime Zauberformeln, sondern um wenige, gut vermittelbare Prinzipien – etwa Rolle und Kontext klar benennen, die Aufgabe präzise beschreiben, Beispiele geben, das gewünschte Format vorgeben und iterativ nachschärfen. Entscheidend ist, dass dieser Baustein anhand echter Aufgaben der jeweiligen Zielgruppe geübt wird, nicht an konstruierten Beispielen. Eine vertiefte Darstellung der Methodik finden Sie in unserem eigenen Fachbeitrag zum Prompt Engineering.
Kein Baustein ist heikler – und wird häufiger vernachlässigt. Die Teilnehmenden müssen klar wissen, welche Daten sie in welche Werkzeuge eingeben dürfen und welche nicht. Personenbezogene Daten, Geschäftsgeheimnisse, vertrauliche Kundeninformationen: Ohne saubere Regeln und ohne das Bewusstsein, warum diese Regeln existieren, entstehen schnell Datenschutzverstöße. Dieser Baustein verbindet konkretes Verhaltenswissen („Was gebe ich niemals ein?“) mit dem Verständnis der dahinterliegenden Prinzipien und der internen KI-Richtlinie. Er hat direkten DSGVO-Bezug und ist deshalb für praktisch jede Zielgruppe relevant – dazu ausführlich in Kapitel 09.
Dieser Baustein vermittelt den Ordnungsrahmen: die Grundzüge des EU AI Act inklusive der KI-Kompetenz-Pflicht, die Transparenzpflichten (etwa die Kennzeichnung von KI-Chatbots und KI-generierten Inhalten), Fragen des Urheberrechts sowie ethische Leitlinien für einen fairen und verantwortungsvollen Einsatz. Für die Basiszielgruppe reicht ein verständlicher Überblick; sensible Fachrollen benötigen deutlich mehr Tiefe. Wichtig ist die ehrliche Einordnung: Regulatorik entwickelt sich weiter, und die Schulung vermittelt Orientierung, ersetzt aber keine rechtliche Beratung im Einzelfall.
Der fünfte Baustein verankert eine Haltung: Die Verantwortung für ein Ergebnis bleibt immer beim Menschen. Die Teilnehmenden lernen, KI-Ausgaben systematisch zu prüfen – Fakten gegenzuchecken, Quellen kritisch zu hinterfragen, Plausibilität zu beurteilen und die eigene fachliche Urteilskraft nicht abzugeben. Dazu gehört auch der bewusste Umgang mit dem sogenannten Automatisierungs-Bias, also der menschlichen Neigung, maschinellen Ausgaben zu unkritisch zu vertrauen. Dieser Baustein macht aus reinen Werkzeug-Nutzern souveräne, mündige Anwender.
Die Wahl des Formats folgt keiner Modeerscheinung, sondern der Frage: Welches Lernziel soll erreicht werden, und unter welchen praktischen Rahmenbedingungen? Reines Wissen (etwa Grundlagen oder Datenschutzregeln) lässt sich effizient digital vermitteln. Praktisches Können (etwa Prompting) entsteht dagegen fast nur durch begleitetes Üben. Haltung und Vertrauen wiederum wachsen am besten im direkten Austausch. Deshalb ist die Kombination – das Blended Learning – in der Praxis meist überlegen.
Für die meisten Unternehmen ist ein Blended-Ansatz der pragmatische Königsweg. Ein typischer Aufbau: Zuerst durchlaufen alle ein kompaktes E-Learning-Modul mit den Grundlagen, den Regeln und dem Datenschutz – skalierbar, nachweisbar und für jede und jeden im eigenen Tempo. Darauf folgen für die Intensiv-Anwender begleitete Workshops, in denen an echten Aufgaben geübt wird. So trägt das digitale Format die Breite, während die Präsenz- oder Live-Online-Anteile die Tiefe und den Transfer sichern. Diese Aufteilung nutzt die jeweiligen Stärken und vermeidet die Schwächen – ohne teure Vollpräsenz für alle.
Ergänzend gewinnt das Micro-Learning an Bedeutung: kurze, fokussierte Lerneinheiten von wenigen Minuten, die eine einzelne Fähigkeit oder Regel vermitteln und direkt im Arbeitskontext abrufbar sind. Solche Häppchen passen besser zum vollen Arbeitsalltag als lange Blöcke, lassen sich leicht aktualisieren und eignen sich hervorragend, um Wissen aufzufrischen und die schnelle Weiterentwicklung der Werkzeuge nachzuhalten. Das Prinzip „Lernen im Arbeitsfluss“ – kurze Impulse genau dann, wenn sie gebraucht werden – ergänzt die formalen Schulungen und hält Kompetenz lebendig.
Erwachsene lernen anders als Kinder: Sie lernen dann am besten, wenn der Stoff einen erkennbaren Bezug zu ihren realen Aufgaben und Problemen hat, wenn sie aktiv tun statt passiv zuhören und wenn sie ihre Erfahrung einbringen können. Diese Grundeinsichten der Erwachsenenbildung sind für KI-Schulungen besonders relevant, weil KI-Kompetenz vor allem eine Handlungskompetenz ist – man erwirbt sie durch Tun, nicht durch Zuhören. Eine Schulung, die überwiegend aus Vortrag besteht, verfehlt das Ziel fast zwangsläufig.
Der kritischste Moment ist der Übergang von der Schulung in den Alltag – die berüchtigte Transferlücke. Ohne bewusste Gegenmaßnahmen kehren die meisten Menschen nach kurzer Zeit zu alten Routinen zurück, weil der Alltagsdruck das neu Gelernte verdrängt. Wirksame Schulungskonzepte planen den Transfer deshalb aktiv mit ein. Bewährt haben sich konkrete Umsetzungsvorsätze am Ende jeder Schulung („Welche eine Aufgabe probiere ich diese Woche mit KI?“), niedrigschwellige Hilfen für den Alltag (Spickzettel, Prompt-Vorlagen, kurze Nachschlage-Ressourcen), Nachfass-Termine einige Wochen später sowie sichtbare Ansprechpersonen, an die man sich mit Fragen wenden kann.
Ein oft unterschätzter Faktor ist die Rolle der direkten Führungskraft. Ob Beschäftigte das Gelernte anwenden, hängt stark davon ab, ob ihr Umfeld es unterstützt und vorlebt. Eine Führungskraft, die selbst KI nutzt, Zeit zum Ausprobieren einräumt und Nachfragen ermutigt, wirkt stärker als jede Schulungsfolie. Deshalb sollten Führungskräfte nicht nur selbst geschult werden, sondern gezielt darauf vorbereitet werden, ihre Teams beim Transfer zu begleiten. Der Übergang zur nachhaltigen Verankerung ist eng mit dem Thema Veränderungsbegleitung verknüpft, das wir in einem eigenen Beitrag zum Change-Management vertiefen.
Beide Wege haben eine klare Berechtigung. Interne Schulungen punkten mit Nähe zum eigenen Kontext: Wer die Prozesse, die Sprache und die konkreten Anwendungsfälle des Hauses kennt, kann sehr passgenau vermitteln. Zudem bleibt das Wissen im Unternehmen und lässt sich beliebig oft wiederholen. Externe Schulungen bringen dafür aktuelles Fach- und Methodenwissen, didaktische Professionalität, einen unverstellten Blick von außen und oft eine höhere Akzeptanz für unbequeme Botschaften. Die Kunst liegt darin, beides sinnvoll zu verzahnen.
In der Praxis besonders wirksam ist ein hybrider Ansatz, der die Vorteile beider Wege verbindet: das Train-the-Trainer-Modell. Dabei qualifiziert ein externer Partner zunächst eine ausgewählte Gruppe interner Multiplikatoren – fachlich, methodisch und didaktisch. Diese internen Trainer:innen und KI-Botschafter:innen tragen das Wissen anschließend in die Fläche, passgenau auf den eigenen Kontext zugeschnitten. So wird externes Expertenwissen ins Unternehmen übertragen, während der Skalierungs- und Wiederholungsvorteil der internen Schulung erhalten bleibt. Dieses Modell ist gerade für den Mittelstand attraktiv, weil es die laufenden Kosten begrenzt und zugleich echte Eigenständigkeit aufbaut.
Als Faustregel hat sich bewährt: Externe Partner übernehmen die Konzeption des Gesamtkonzepts, die Schulung von Führungskräften und Multiplikatoren, spezialisierte Inhalte (etwa zu Regulatorik oder sensiblen Fachrollen) sowie die didaktische Qualitätssicherung. Interne Kräfte übernehmen die breite, kontextnahe Vermittlung an die Belegschaft, die laufende Wiederholung, das Onboarding neuer Mitarbeitender und die alltägliche Begleitung. Wo genau die Grenze verläuft, hängt von der Größe, den vorhandenen Kompetenzen und der strategischen Bedeutung des Themas ab – für viele Mittelständler ist der beschriebene Mix aus externem Impuls und interner Verstetigung der wirtschaftlichste Weg.
Der Rollout einer KI-Schulung im gesamten Unternehmen ist ein Projekt mit eigenen Herausforderungen: unterschiedliche Vorkenntnisse, begrenzte Zeitfenster, verteilte Standorte und die Notwendigkeit, den laufenden Betrieb nicht zu stören. Bewährt hat sich ein gestufter Ansatz statt eines großen Knalls. Ein Pilot mit einer aufgeschlossenen Gruppe liefert Erfahrungen und erste Erfolgsgeschichten; darauf folgt die schrittweise Ausweitung, priorisiert nach Nutzen und Betroffenheit. So lässt sich das Konzept unterwegs nachschärfen, und positive Beispiele aus dem eigenen Haus wirken als Zugkraft.
Der wichtigste Baustein für dauerhafte Wirkung ist eine lebendige KI-Community im Unternehmen. Gemeint ist ein informeller, aber aktiv gepflegter Kreis von Menschen, die KI nutzen, Erfahrungen teilen, voneinander lernen und Neues ausprobieren. Solche Communities halten das Thema lebendig, verbreiten gute Praxis viel schneller als jede formale Schulung und fangen Fragen und Unsicherheiten niedrigschwellig auf. Konkrete Formen sind regelmäßige „Show & Tell“-Runden, in denen Kolleg:innen ihre besten Anwendungsfälle zeigen, ein gemeinsamer Sammelort für bewährte Prompts und Vorlagen, ein Chat-Kanal für Fragen sowie sichtbare Ansprechpersonen. Eine solche Community braucht anfangs aktive Pflege und Rückendeckung durch die Leitung, trägt sich dann aber zunehmend selbst.
Der Schlüssel zur Skalierung sind interne Multiplikatoren – oft KI-Botschafter:innen oder Champions genannt. Das sind aufgeschlossene, in ihrem Bereich anerkannte Kolleg:innen, die als erste geschult werden und dann als Ansprechpartner, Vorbild und Übersetzer für ihr Team wirken. Sie verbinden Fachkenntnis mit Kontextwissen und sind für ihre Kolleg:innen oft glaubwürdiger und leichter erreichbar als eine zentrale Stelle. Für viele Unternehmen ist ein Netz solcher Botschafter:innen der wirtschaftlichste Weg, Kompetenz in die Fläche zu tragen und dauerhaft zu halten – ein Gedanke, der eng mit dem Aufbau eines KI-Kompetenzzentrums (Center of Excellence) zusammenhängt.
Die Ausgangslage im Mittelstand ist typisch: knappe Zeit, keine dedizierte Weiterbildungsabteilung, begrenzte Budgets und Beschäftigte, die im Tagesgeschäft voll eingespannt sind. Wer versucht, ein Konzernprogramm im Kleinen zu kopieren, scheitert an Ressourcen. Der erfolgreiche Weg ist ein anderer: fokussiert, pragmatisch und eng an den konkreten Nutzen gekoppelt. Nicht alles auf einmal, sondern dort beginnen, wo KI den größten Alltagsnutzen stiftet – und von diesen sichtbaren Erfolgen aus weiterwachsen.
Für den Mittelstand empfiehlt sich ein schlanker Einstieg in überschaubaren Schritten. Am Anfang steht eine kurze Bestandsaufnahme: Wo wird KI bereits genutzt (auch inoffiziell), welche Aufgaben würden am meisten profitieren, welche Bedenken bestehen? Daraus ergibt sich ein erster, fokussierter Schulungsimpuls – oft eine Kombination aus einem kompakten Grundlagenmodul für alle und einem praxisnahen Workshop für die Bereiche mit dem höchsten Nutzenpotenzial. Wichtig ist, klein und konkret zu starten, statt auf das perfekte Gesamtprogramm zu warten. Ein früher, sichtbarer Erfolg schafft die Akzeptanz und das Budget für die nächsten Schritte.
Ein Vorteil des Mittelstands ist die Nähe zur Führung – und die sollte genutzt werden. Wenn die Geschäftsführung KI-Kompetenz sichtbar zur Priorität macht, selbst an Schulungen teilnimmt und den Nutzen vorlebt, hat das eine Wirkung, die in großen Organisationen schwer zu erreichen ist. Umgekehrt gilt: Wird das Thema von oben als unwichtig behandelt, hilft auch das beste Schulungskonzept nicht. Die sichtbare Rückendeckung der Leitung ist im Mittelstand der vielleicht wirksamste einzelne Erfolgsfaktor – sie kostet nichts und entscheidet dennoch viel.
Erfolgsmessung bei Schulungen ist heikel, weil der einfachste Messwert – Zufriedenheit der Teilnehmenden – am wenigsten aussagt. Dass ein Training gut ankam, bedeutet nicht, dass es wirkt. Aussagekräftig wird die Messung erst, wenn sie über mehrere Ebenen hinweg blickt: von der Reaktion über den Lernzuwachs und die tatsächliche Anwendung bis hin zum spürbaren Nutzen im Arbeitsalltag. Diese gestufte Betrachtung – bekannt aus etablierten Evaluationsmodellen der Weiterbildung – hilft, ehrlich zu bewerten, ob Qualifizierung wirklich ankommt.
Reine Teilnahmequoten sagen wenig über Wirkung. Aussagekräftiger sind eine Mischung qualitativer und einfacher quantitativer Indikatoren: Wie viele Beschäftigte nutzen die freigegebenen Werkzeuge tatsächlich und regelmäßig? Berichten Fachbereiche von konkreten Erleichterungen? Nimmt die unkontrollierte Schatten-Nutzung ab, weil sichere Alternativen bekannt und akzeptiert sind? Wie viele gute Anwendungsfälle werden in der Community geteilt? Wichtig ist, vorab wenige, ehrliche Indikatoren festzulegen und keine Scheingenauigkeit vorzutäuschen – gerade weichere Wirkungen lassen sich seriös nur qualitativ erfassen.
Neben der Wirkung spielt der Nachweis eine wichtige Rolle. Weil der EU AI Act in Artikel 4 eine ausreichende KI-Kompetenz verlangt, sollten Unternehmen dokumentieren, dass und wie sie dieser Pflicht nachkommen. Der AI Act schreibt nach aktuellem Stand keine bestimmte Form des Nachweises vor, aber im Sinne des allgemeinen Rechenschaftsgedankens ist eine nachvollziehbare Dokumentation sinnvoll: Wer wurde wann zu welchen Inhalten geschult, in welchem Umfang, und wie werden neue Mitarbeitende erfasst? Eine schlichte, gepflegte Schulungsübersicht – wer, wann, was – reicht als Ausgangspunkt oft aus. Wie der Nachweis im konkreten Fall rechtssicher zu führen ist, sollte mit einer Fachjurist:in abgestimmt werden; dieser Beitrag ist keine Rechtsberatung.
Zwei Dinge sind hier wichtig. Zum einen sollte die Schulungsdokumentation dem Grundsatz der Datenminimierung folgen: Erhoben und aufbewahrt wird nur, was für den Zweck – hier vor allem der Kompetenznachweis – tatsächlich erforderlich ist. Zum anderen ist zu klären, auf welcher Rechtsgrundlage die Daten verarbeitet werden und wie lange sie aufbewahrt werden. Beziehen Sie Ihre Datenschutzbeauftragten frühzeitig ein. Beide Aspekte – Datenschutz als Schulungsinhalt und Datenschutz bei der Dokumentation – sind im Einzelfall fachlich zu bewerten; dies ist keine Rechtsberatung.
