KI-Kompetenz im Unternehmen aufbauen: Ein Stufenmodell

Aktualisiert: 07. April 2026

Die meisten Unternehmen behandeln KI-Schulungen als einmalige Veranstaltung: einen Workshop abhalten, ein Häkchen setzen, weitermachen. Sechs Monate später hat sich nichts bewegt. Der Grund liegt auf der Hand. Eine Einheitslösung kann nicht im selben Atemzug einem Lagerleiter erklären, warum KI-Ausgaben eine menschliche Prüfung brauchen, und einem CFO beibringen, wie er den Auftragsverarbeitungsvertrag eines KI-Anbieters beurteilt. Das sind grundverschiedene Kompetenzen, und sie in einen Topf zu werfen, kostet alle Beteiligten nur Zeit.

Ein abgestuftes KI-Kompetenzmodell löst das, indem es vier Stufen festlegt: Bewusstsein (alle Mitarbeiter), Grundkenntnisse (regelmäßige KI-Nutzer), Kompetenz (Abteilungs-Champions) und Expertise (strategische Führung). Jede Stufe ist auf bestimmte Rollen zugeschnitten, bringt konkrete Bewertungskriterien mit und baut auf der darunterliegenden auf. Laut Worklytics führen rollenspezifische KI-Schulungen zu einer dauerhaften Nutzung von 67 % gegenüber nur 23 % bei allgemeinen Programmen. Das bestätigt: Differenzierte Schulung ist kein Luxus, sondern Voraussetzung für Ergebnisse. Das Modell deckt sich zudem unmittelbar mit Artikel 4 des EU AI Act, der ein „ausreichendes Maß an KI-Kompetenz“ im Verhältnis zur Rolle jeder Person verlangt. In der Praxis sind laut Ciscos AI Readiness Index 2024 nur 13 % der Unternehmen vollständig KI-bereit, und 53 % der deutschen Unternehmen nennen fehlendes Know-how als größte Hürde bei der Einführung. Ein strukturierter Kompetenzrahmen ist der Weg, diese Lücke planvoll zu schließen, statt darauf zu hoffen, dass ein einziger Schulungstag genügt.


Warum generische KI-Schulungen scheitern (und was die Forschung zeigt)

Über die meisten betrieblichen KI-Schulungen lässt sich eine unbequeme Wahrheit sagen: Sie wirken nicht. Nicht, weil die Inhalte schlecht wären, sondern weil sie falsch zugeschnitten sind.

Die Harvard Business School und BCG führten ein kontrolliertes Experiment mit 758 Unternehmensberatern durch. Wer GPT-4 nutzte, erledigte 12,2 % mehr Aufgaben, und zwar 25,1 % schneller und mit 40 % höherer Qualität. Doch ein Ergebnis übersehen die meisten: Berater, die KI für Aufgaben jenseits ihrer Leistungsgrenze einsetzten, schnitten 19 % schlechter ab als jene ohne KI. Entscheidend war nicht der Zugang zu Werkzeugen, sondern ob jemand für die konkrete Aufgabe das passende Kompetenzniveau mitbrachte.

Dieses Muster zieht sich durch die gesamte Forschung. Die MIT/Stanford-Studie mit 5.179 Mitarbeitern im Kundenservice fand eine durchschnittliche Produktivitätssteigerung von 14 %, doch unerfahrene Mitarbeiter legten um 34 % zu, während hochqualifizierte kaum profitierten. Die MIT-Schreibstudie mit 453 Fachkräften zeigte eine um 40 % kürzere Bearbeitungszeit, und auch hier fielen die größten Gewinne denen mit schwächerem Ausgangsniveau zu.

Die Schlussfolgerung ist eindeutig: Verschiedene Menschen brauchen unterschiedliche Schulungen auf unterschiedlichem Niveau. Eine allgemeine „Einführung in ChatGPT“ bringt erfahrenen Nutzern nichts Neues, während sie Anfänger mit Möglichkeiten überfrachtet, die diese noch gar nicht einordnen können. Forresters Analyse von Microsoft 365 Copilot ergab, dass rund 60 % der Nutzer ihre Lizenz ohne passende Schulung nicht weiter nutzen. Das ist kein technisches Problem, sondern eine Frage des richtigen Zuschnitts.

Genau deshalb zählt die Forschung von Larridin: Formale, strukturierte KI-Schulung führt zu 2,7-mal höherer Kompetenz und 4,1-mal höherer Zufriedenheit als das Erkunden auf eigene Faust. Menschen brauchen nicht einfach Informationen über KI. Sie brauchen die für ihre Rolle richtigen Informationen, in der passenden Tiefe vermittelt, mit Übungen, die ihrer tatsächlichen Arbeit entsprechen.


Die vier Kompetenzstufen

Das folgende Modell ist nicht bloß Theorie. Es beruht auf der Forschung der oben genannten Organisationen, verbunden mit dem, was sich in meiner Praxis mit deutschen Mittelständlern als wirksam erwiesen hat. Die vier Stufen schaffen genug Differenzierung, um nützlich zu sein, ohne unnötige Bürokratie zu erzeugen.

Stufe 1: Bewusstsein (alle Mitarbeiter)

Jeder Mitarbeiter im Unternehmen braucht ein Grundverständnis von KI, ganz gleich, ob er je einen Prompt eingibt. Diese Stufe vermittelt, was KI kann und was nicht, die KI-Nutzungsrichtlinie Ihres Unternehmens, ein grundlegendes Bewusstsein für Datenschutz und die Tatsache, dass KI-Kompetenz nach dem EU AI Act inzwischen gesetzlich vorgeschrieben ist.

Das ist keine vertiefte technische Ausbildung. Sehen Sie es als Gegenstück zum grundlegenden Bewusstsein für IT-Sicherheit. Niemand muss neuronale Netze durchdringen. Aber jeder soll verstehen, warum KI-Ausgaben eine menschliche Prüfung erfordern, warum man niemals vertrauliche Daten in ein öffentliches KI-Werkzeug eingibt und welche Regeln im Unternehmen für die Nutzung dieser Systeme gelten.

Die Cedefop-Studie ergab, dass 40–60 % der europäischen Arbeitnehmer ein schwaches KI-Verständnis haben. Gallup formuliert es noch deutlicher: Nur 6 % der Arbeitnehmer fühlen sich beim Einsatz von KI „sehr wohl“. Stufe 1 schließt genau diese Lücke.

Format: halbtägiger interaktiver Workshop (kein Webinar; die Teilnehmer müssen Fragen stellen und Vorführungen sehen können). Bewertung: kurzes Quiz zu Konzepten, Unternehmensrichtlinie und Risikoszenarien. Auffrischung: jährlich oder sobald sich Ihre KI-Richtlinie wesentlich ändert.

Stufe 2: Grundkenntnisse (regelmäßige KI-Nutzer)

Hier sollten 40 bis 60 % Ihrer Belegschaft ankommen. Nutzer mit Grundkenntnissen können wirksame Prompts schreiben, KI-Ausgaben an bekannten Fakten prüfen, KI in ihre konkreten Arbeitsabläufe einbinden, Daten in verschiedenen Werkzeugen angemessen behandeln und Halluzinationen erkennen, bevor sie Schaden anrichten.

Das Schlüsselwort lautet „konkret“. Ein Buchhalter prüft KI-Ausgaben anders als ein Marketingleiter, ein Projektmanager bindet KI in andere Abläufe ein als ein HR-Spezialist. Deshalb wiegt das Ergebnis von Worklytics so schwer: 67 % dauerhafte Nutzung bei rollenspezifischer Schulung gegenüber 23 % bei allgemeinen Sitzungen. Kompetenz auf Stufe 2 muss auf die Rolle zugeschnitten sein, weshalb pauschale „Wie nutze ich ChatGPT“-Kurse am eigentlichen Bedarf vorbeigehen.

Die BCG-Studie „AI at Work“, die 13.102 Mitarbeiter in 15 Ländern befragte, ergab, dass rund 50 % der KI-Nutzer etwa 5 Stunden pro Woche einsparen. Doch dieser Durchschnitt verdeckt enorme Unterschiede. Das Copilot-Experiment der britischen Regierung mit 20.000 Mitarbeitern zeigte Einsparungen von 26 Minuten pro Person und Tag, während 17 % gar keine klaren Einsparungen sahen. Der Unterschied zwischen denen, die profitierten, und den anderen lag mit großer Sicherheit an der Kompetenz, nicht am Zugang zur Technik.

Format: rollenspezifische Workshops (zwei bis drei halbtägige Sitzungen über zwei Wochen), mit begleiteter Nachbereitung nach 30 und 60 Tagen. Bewertung: aufgabenbezogene Prüfung anhand echter Arbeitsszenarien aus der Rolle des Teilnehmers. Zeit bis zur Kompetenz: 8 bis 16 Stunden strukturiertes Lernen plus 30 bis 60 Tage begleitete Praxis. Forrester veranschlagt 10 Stunden anfängliche Schulung plus 3 Monate für eine Copilot-Grundkompetenz, was zu dieser Stufe passt.

Stufe 3: Kompetenz (Abteilungs-Champions)

Ein bis drei Personen pro Abteilung, die über die tägliche Nutzung hinausgehen. Ihre KI-Champions können neue Anwendungsfälle erkennen, Werkzeuge für ihr Team bewerten, einfache Automatisierungen aufsetzen, Kollegen schulen und Qualitätsstandards für KI-gestützte Arbeit setzen. Sie sind die Brücke zwischen der Technik und den Menschen in ihrer Abteilung, die damit arbeiten sollen.

Kompetente Nutzer setzen KI nicht nur selbst gut ein. Sie überlegen auch, wie andere sie nutzen könnten. Genau dieser Perspektivwechsel, von der eigenen Produktivität hin zur Befähigung des Teams, trennt Stufe 3 von Stufe 2.

Diese Stufe ist wichtiger, als die meisten Unternehmen ahnen. Die Forschung von BCG ergab, dass 70 % der Schwierigkeiten bei der KI-Einführung auf Menschen und Prozesse zurückgehen, nicht auf die Technik. Ein fähiger Champion in jeder Abteilung, der zwischen der Technik und dem Alltag des Teams übersetzt, senkt diese Reibung erheblich.

Format: 24 bis 40 Stunden über 6 bis 8 Wochen, samt eines Abschlussprojekts, in dem der Champion einen bedeutenden KI-Anwendungsfall für seine Abteilung umsetzt. Bewertung: ein Portfolio umgesetzter Anwendungsfälle sowie eine Lehrprobe (denn Champions müssen andere schulen). Zeit bis zur Kompetenz: 2 bis 3 Monate.

Stufe 4: Expertise (strategische Führung)

In der Regel 5 bis 10 Personen im Unternehmen: Geschäftsleitung, Compliance-Beauftragte, Abteilungsleiter und IT-Verantwortliche. Diese Personen müssen nicht zwingend bessere Prompts schreiben. Sie müssen fundiert über KI-Strategie, Anbieterauswahl, Risikosteuerung und die Einhaltung der Vorgaben entscheiden.

Fehlt der Führung diese Kompetenz, kommt es zu teuren Fehlern. McKinseys Umfrage 2024 ergab, dass 71 % der Organisationen eine unreife KI-Risikosteuerung haben. S&P Global berichtete, dass der Anteil der Unternehmen, die KI-Vorhaben wieder aufgeben, zwischen 2024 und 2025 von 17 % auf 42 % sprang, ein Plus von 148 % gegenüber dem Vorjahr. Häufig liegt die Ursache bei einer Führung, die KI-Projekte freigegeben hat, ohne zu verstehen, was für deren Erfolg nötig ist.

Die Wharton AI Initiative stellte fest, dass KI-Governance-Rahmen die Projektergebnisse um 40 % verbessern und KI-bezogene Risiken um 50 % senken. Investitionen in das Veränderungsmanagement gehen mit einer um 70 % höheren Akzeptanz einher. Das sind Führungskompetenzen, keine technischen Fertigkeiten.

Format: Sitzungen für die Geschäftsleitung (8 bis 12 Stunden über 3 bis 4 Termine) mit Fallstudien, Austausch auf Augenhöhe und Szenarioplanung. Bewertung: szenariobasierte Prüfung zu Entscheidungen über Strategie, Beschaffung, Governance und Konformität. Zeit bis zur Kompetenz: 1 bis 2 Monate, mit vierteljährlichen Auffrischungen, da sich das regulatorische und technische Umfeld stetig wandelt.


Wie Sie Ihr aktuelles Niveau bewerten

Eine Schulung lässt sich nicht konzipieren, ohne den Ausgangspunkt zu kennen. Eine praktische Erhebung stützt sich auf drei Quellen und muss nicht kompliziert sein.

Schritt 1: Rollen den Zielstufen zuordnen. Jede Rolle braucht mindestens Stufe 1. Rollen, die KI mindestens wöchentlich nutzen, zielen auf Stufe 2. Abteilungsleiter oder benannte Champions zielen auf Stufe 3, die obere Führungsebene auf Stufe 4. Für ein Unternehmen mit 20 bis 200 Mitarbeitern dauert diese Zuordnung etwa zwei Stunden.

Schritt 2: Einzelne Personen einschätzen. Gehen Sie dabei kombiniert vor:

  • eine Selbsteinschätzung per Fragebogen (15 Minuten): deckt blinde Flecken auf. Wer die eigene Kompetenz überschätzt, ist oft der gefährlichste Nutzer, weil er KI-Ausgaben vertraut, die er hinterfragen sollte.
  • eine praktische KI-Aufgabe (20 bis 30 Minuten): misst die tatsächliche Kompetenz. Geben Sie der Person eine realistische Aufgabe aus ihrer Rolle und beobachten Sie, wie sie mit dem KI-Werkzeug umgeht, welche Prompts sie schreibt und wie sie die Ergebnisse prüft.
  • die Einschätzung der Führungskraft: zeigt Muster, die ein Fragebogen übersieht, etwa welche Teammitglieder KI bereits informell und mit guten Ergebnissen nutzen (Ihre künftigen Champions).

Schritt 3: Lücken benennen. Vergleichen Sie die aktuelle Kompetenz jeder Person mit ihrer Zielstufe. Was sich in meiner Arbeit mit deutschen Unternehmen immer wieder zeigt:

  • Die meisten Mitarbeiter stehen an der oberen Stufe 1 oder der unteren Stufe 2, selbst wenn sie ChatGPT seit einem Jahr auf eigene Faust nutzen.
  • Einige „heimliche Power-User“ sind ohne formale Schulung bereits auf Stufe 3 (spüren Sie sie auf, das sind Ihre künftigen Champions).
  • Führungskräfte stehen oft auf Stufe 1 oder darunter. Das reißt eine gefährliche Lücke zwischen denen, die über KI entscheiden, und denen, die die Möglichkeiten der KI verstehen.

Diese Daten fließen zugleich unmittelbar in Ihre Nachweise zur Konformität mit dem EU AI Act ein. Die Aufsichtsbehörden wollen belegt sehen, dass Sie den Bedarf erhoben haben, bevor Sie die Schulung gestaltet haben.


Rollenspezifische Kompetenzerwartungen

Die vier Stufen bieten Struktur, aber „ausreichende Kompetenz“ sieht je nach Rolle unterschiedlich aus. Die nachstehende Tabelle ordnet gängige Rollenkategorien den Zielstufen und den spezifischen Kompetenzen zu, die jede Gruppe benötigt.

RollenkategorieZielstufeSchlüsselkompetenzenPrioritätsfähigkeiten
C-Suite und VorstandStufe 4Strategische Bewertung, regulatorische Kenntnisse, Anbieterevaluierung, Governance-Frameworks, Risikobereitschaft festlegenKI-Business-Case-Bewertung, Compliance-Aufsicht
AbteilungsleiterStufe 3 bis 4Team-Befähigung, Output-Qualitätsstandards, Change Management, Ressourcenallokation für KI-ProjekteAnwendungsfall-Identifizierung, ROI-Messung
Mittleres ManagementStufe 2 bis 3Workflow-Integration, Team-Coaching, Output-Aufsicht, ProzessneugestaltungPrompt Engineering für Team-Workflows, Qualitätsprüfung
Spezialisten (Finanzen, Recht, HR, Marketing)Stufe 2Rollenspezifische Tool-Kompetenz für 3 bis 5 Kernaufgaben, systematische Überprüfung, messbare EffizienzgewinneDomänenspezifische Prompt-Muster, Fehlererkennung
VerwaltungspersonalStufe 1 bis 2Grundkenntnisse, 1 bis 2 genehmigte Tools für Routineaufgaben, Datenbewusstsein, EskalationswissenDokumentenentwurf, E-Mail-Unterstützung, Dateneingabe
Produktion und BetriebStufe 1KI-Bewusstsein, Unternehmensrichtlinie, Sicherheitsimplikationen KI-gestützter EntscheidungenVerstehen, wo KI ihre Arbeit beeinflusst

Der Microsoft/LinkedIn Work Trend Index ergab, dass 71 % der Führungskräfte jetzt einen weniger erfahrenen Kandidaten mit KI-Kenntnissen einem erfahreneren Kandidaten ohne diese Kenntnisse vorziehen. Diese Statistik zeigt, wie schnell sich der Markt verändert. Eine Kompetenzmatrix zu erstellen, die diese Erwartungen auf Ihre tatsächliche Belegschaft abbildet, ist keine interne Übung, sondern eine Wettbewerbsnotwendigkeit.


Entwicklungspfade zwischen den Stufen

Menschen springen nicht über Nacht von Stufe 1 auf Stufe 3. Jeder Übergang hat seine eigene Dynamik, und das Verstehen dieser Dynamiken hilft Ihnen, realistische Zeitpläne zu setzen und effektive Entwicklungspfade zu gestalten.

Stufe 1 zu Stufe 2: der größte Sprung für die meisten Mitarbeiter. Dieser Übergang erfordert praktische Übung mit rollenrelevanten Aufgaben. Paaren Sie jede Person mit einem Stufe-3-Kollegen, setzen Sie ein konkretes 30-Tage-Ziel („Sie werden in der Lage sein, Kundenangebote eigenständig mit KI zu entwerfen“) und messen Sie den Fortschritt. Die Forrester/Microsoft-Forschung legt 10 Stunden strukturiertes anfängliches Training gefolgt von 3 Monaten begleiteter Praxis nahe. Ohne diese Praxiskomponente verfallen Schulungsgewinne schnell.

Stufe 2 zu Stufe 3: eher eine Frage der Einstellung als der Fähigkeiten. Achten Sie auf Neugier über persönliche Aufgaben hinaus, Bereitschaft, Kollegen zu helfen, und selbstgesteuerte Experimente. Nicht jeder ist für diese Rolle geeignet, und das ist in Ordnung. Investieren Sie in formale KI-Champion-Entwicklung mit Struktur und Verantwortlichkeit, nicht nur in einen Titel. Das BCG-Ergebnis, dass 70 % der KI-Herausforderungen Menschen- und Prozessprobleme sind, bedeutet, dass Ihre Champions Moderations- und Change-Management-Fähigkeiten neben der technischen Kompetenz benötigen.

Stufe 3 zu Stufe 4: selten und beinhaltet normalerweise einen Rollenwechsel. Dieser Übergang erfordert das Hinzufügen strategischer, regulatorischer und Governance-Kompetenzen zusätzlich zu praktischen Fähigkeiten. Executive-Coaching und funktionsübergreifende Projektleitung funktionieren hier am besten. Die Person muss von „Wie nutze ich KI gut?“ zu „Wie treffe ich Entscheidungen über KI, die die gesamte Organisation betreffen?“ wechseln.

Realistischer Zeitplan für ein Unternehmen mit 50–200 Mitarbeitern:

PhaseDauerErgebnis
Bewertung und Zuordnung2 bis 4 WochenWissen, wer auf welchem Niveau ist; Champions identifizieren
Stufe-1-Rollout (alle Mitarbeiter)4 bis 6 WochenAlle haben grundlegendes Bewusstsein
Stufe-2-Schulung (rollenspezifische Gruppen)8 bis 12 WochenKernnutzer sind produktiv mit KI
Stufe-3-Champion-Entwicklung8 bis 12 Wochen (überlappend)Jede Abteilung hat einen fähigen Champion
Stufe-4-Executive-Sitzungen4 bis 8 Wochen (überlappend)Führung trifft fundierte KI-Entscheidungen
Volles Kompetenzframework in Betrieb4 bis 6 Monate gesamtDokumentierte Compliance, messbare Produktivität

Wie dies mit EU AI Act Artikel 4 zusammenhängt

Artikel 4 des EU AI Acts, gültig seit dem 2. Februar 2025, erfordert Maßnahmen für ein „ausreichendes Maß an KI-Kompetenz“ bei allen Mitarbeitern, proportional zu ihrer Rolle, ihren technischen Kenntnissen und dem Nutzungskontext. Die Fragen und Antworten der Europäischen Kommission klären, dass keine formale Zertifizierung erforderlich ist, aber die Verpflichtung ist rechtsverbindlich. Nichteinhaltung dient als erschwerender Faktor, wenn Ihre Organisation bei anderen KI-Act-Verstößen mit Durchsetzungsmaßnahmen konfrontiert wird.

Ein abgestuftes Modell entspricht diesen Anforderungen direkt:

  • Stufe 1 erfüllt die grundlegende Verpflichtung für alle Mitarbeiter
  • Stufe 2 demonstriert rollenspezifische Kompetenz für regelmäßige KI-Nutzer
  • Stufe 3 bietet abteilungsbezogene Expertise, die die laufende Compliance unterstützt
  • Stufe 4 stellt sicher, dass die Führung KI verantwortungsvoll steuern und verhältnismäßige Entscheidungen treffen kann

Der kritische Punkt ist die Dokumentation. Seit dem 2. August 2026 setzen die nationalen Behörden den EU AI Act mit Bußgeldern durch. Strafen können bei Hochrisikosystem-Verstößen 15 Millionen Euro oder 3 % des globalen Umsatzes und bei verbotenen Praktiken 35 Millionen Euro oder 7 % des globalen Umsatzes erreichen. Die Bundesnetzagentur wurde als nationale KI-Behörde Deutschlands für die Durchsetzung bestimmt.

Ein dokumentiertes Stufensystem bietet Ihren Nachweisrahmen: Sie haben den Bedarf bewertet, verhältnismäßige Schulungen konzipiert, diese durchgeführt, die Kompetenz bewertet und regelmäßige Überprüfungen vorgenommen. Regulatoren schreiben kein spezifisches Modell vor, aber sie wollen Nachweise für einen systematischen, kontextgerechten Ansatz. Das Stufenmodell ist die praktischste Struktur, die ich für genau diesen Nachweis gesehen habe.


Risiken und Einschränkungen des Stufenansatzes

Kein Framework ist perfekt, und es wäre unehrlich, dieses so darzustellen, als hätte es keine Nachteile.

Die Stufen können starr werden, wenn Sie sie so behandeln. Wenn Sie sie als permanente Etiketten statt als Entwicklungsstufen betrachten, stagnieren Menschen. Das Modell sollte ein Entwicklungsrahmen sein, kein Kastensystem. Überprüfen Sie Stufenzuordnungen mindestens jährlich und immer wenn sich die Rolle einer Person wesentlich ändert.

Bewertung ist inhärent unvollkommen. Selbstbewertungen tendieren dazu, Kompetenz zu überschätzen (die Gallup-Daten, die zeigen, dass nur 6 % sich mit KI „sehr wohl“ fühlen, legen nahe, dass die meisten Menschen wissen, dass sie keine Experten sind, aber einige werden sich überbewerten). Praktische Aufgaben testen einen Schnappschuss, keine nachhaltige Fähigkeit. Verwenden Sie mehrere Bewertungsmethoden und aktualisieren Sie regelmäßig.

Champions können zu Engpässen werden. Wenn Stufe-3-Personen die einzigen werden, die „KI verstehen“, schaffen Sie einen Single Point of Failure statt organisationaler Fähigkeit aufzubauen. Das Ziel ist, dass Champions sich schrittweise weniger notwendig machen, nicht mehr.

Schulung ohne Praxis ist verschwendet. Die Upwork/CSIRO-Forschung ergab, dass 77 % der Mitarbeiter sagten, KI habe ihre Arbeitsbelastung tatsächlich erhöht. Die wahrscheinliche Erklärung: Ohne strukturierte Praxis und klare Prozesse verbringen Menschen mehr Zeit damit, KI-Tools zu verstehen, als sie durch deren Einsatz einsparen. Jede Stufe benötigt laufenden Zugang zu Tools und dedizierte Übungszeit, nicht nur Stunden im Schulungsraum.

Das Modell erfordert Wartung. KI-Fähigkeiten verändern sich schnell. Das Weltwirtschaftsforum schätzt, dass KI-spezifische Fähigkeiten in 12 bis 18 Monaten veralten. Ihre Kompetenzerwartungen und Schulungsinhalte müssen regelmäßig aktualisiert werden, was bedeutet, dass jemand diesen Prozess dauerhaft verantworten muss.


Häufig gestellte Fragen

Wie viele Stufen sollte ein KI-Kompetenzmodell haben?

Vier Stufen funktionieren gut für die meisten mittelgroßen Organisationen mit 20 bis 200 Mitarbeitern: Bewusstsein, Grundkenntnisse, Kompetenz und Expertise. Einige größere Organisationen fügen eine fünfte technische Stufe für Data Scientists oder Machine-Learning-Ingenieure hinzu, aber für das typische deutsche Mittelstandsunternehmen bieten vier Stufen genug Differenzierung ohne unnötige Komplexität. Der praktische Test: Wenn zwei Stufen im Wesentlichen dieselben Kompetenzerwartungen für Ihre Organisation haben, fusionieren Sie sie. Wenn eine Stufe Personen mit sehr unterschiedlichen Schulungsbedürfnissen umfasst, teilen Sie sie.

Erfüllt ein abgestuftes Kompetenzmodell den EU AI Act Artikel 4?

Ein abgestuftes Modell ist einer der effektivsten Wege, die Einhaltung von Artikel 4 nachzuweisen, weil die Verordnung ausdrücklich verlangt, dass KI-Kompetenz „proportional“ zur Rolle und zum Kontext der Person ist. Das Modell allein reicht jedoch nicht aus. Sie benötigen auch dokumentierte Schulungsnachweise, Kompetenzbewertungsergebnisse und regelmäßige Überprüfungszyklen. Der Leitfaden der Europäischen Kommission bestätigt, dass keine formale Zertifizierung erforderlich ist, aber die Verpflichtung ist rechtsverbindlich. Ein Stufensystem bietet den Rahmen; Ihre Dokumentation beweist, dass Sie es umgesetzt haben.

Wie lange dauert es, KI-Kompetenz in einer Organisation aufzubauen?

Für ein Unternehmen mit 50 bis 200 Mitarbeitern sind 4 bis 6 Monate zu erwarten, bis das vollständige Framework in Betrieb ist. Das Bewusstseinstraining auf Stufe 1 dauert einen halben Tag pro Gruppe. Der Übergang von Stufe 1 zu Stufe 2 erfordert typischerweise 2 bis 4 Wochen strukturiertes Training plus 1 bis 2 Monate begleitete Praxis. Forrester schätzt 10 Stunden anfängliches Training und 3 Monate für Copilot-Grundkompetenz, was den Stufe-2-Erwartungen entspricht. Von Stufe 2 zu Stufe 3 ist eine 2- bis 3-monatige Entwicklungsreise. Diese Zeitpläne setzen regelmäßigen Zugang zu KI-Tools und dedizierte Übungszeit voraus. Ohne Praxis verfallen Schulungsgewinne schnell.

Kann ein kleines Unternehmen mit 20 bis 50 Mitarbeitern dieses Modell nutzen?

Das Modell lässt sich gut verkleinern. Ein kleineres Unternehmen könnte alle Mitarbeiter auf Stufe 1 haben, die meisten auf Stufe 2 voranschreiten, einen oder zwei Power-User als KI-Champions für das gesamte Unternehmen statt je Abteilung (Stufe 3) und den Geschäftsführer auf Stufe 4. Die Stufen bleiben gleich; die Anzahl der Personen auf jeder Stufe schrumpft. Was wichtig ist: Kompetenzerwartungen sind dokumentiert und die Schulung entspricht der Rolle. Kleinere Unternehmen haben hier sogar einen Vorteil: Weniger Personen bedeutet schnelleren Rollout und einfachere Koordination.

Was ist der größte Fehler, den Unternehmen bei KI-Schulungen machen?

Sie als einmalige Veranstaltung zu behandeln. Das Weltwirtschaftsforum schätzt, dass 44 % der Arbeitnehmer-Fähigkeiten bis 2027 disrupted werden, wobei KI-spezifische Fähigkeiten in 12 bis 18 Monaten veralten. Ein Unternehmen, das einen einzigen KI-Workshop durchführt und das Thema als erledigt betrachtet, wird feststellen, dass seine Kompetenzniveaus innerhalb eines Jahres verfallen sind. Erstellen Sie einen wiederkehrenden Schulungskalender mit jährlichen Auffrischungen für Stufe 1, vierteljährlichem Mikro-Lernen für Stufe 2, monatlichen Champion-Sitzungen für Stufe 3 und vierteljährlichen strategischen Updates für Stufe 4.

Wo kann mein Team KI-Kompetenztraining erhalten, das für deutsche Unternehmen konzipiert ist?

AI Hub Landau bietet Workshops an, die speziell für jede Kompetenzstufe entwickelt wurden. Vom 90-minütigen EU AI Act Compliance Express (297 Euro/Person) bis zur 2-tägigen C-Suite AI Leadership Transformation (3.997 Euro/Person) umfasst jedes Programm praktische Übungen mit ChatGPT, Claude und Copilot unter Verwendung der tatsächlichen Workflows Ihres Teams. Geleitet von Nick Skillicorn, der über 20 Jahre Managementberatungserfahrung mitbringt, darunter ein Jahrzehnt bei Deloitte und Projekte mit Fortune-500-Unternehmen wie Shell, Roche und Klarna. Er ist außerdem Autor des meistverkauften Buches „The AI Project Advantage.“ Alle Workshops umfassen EU AI Act Artikel 4 Compliance-Zertifikate, ein digitales Arbeitsbuch und 30-tägigen E-Mail-Support nach dem Training. Buchen Sie eine kostenlose 30-minütige Beratung, um zu besprechen, welche Kompetenzstufen Ihre Organisation ansprechen muss.


Quellen

  1. Dell’Acqua, F. et al., „Navigating the Jagged Technological Frontier,“ Harvard Business School Working Paper 24-013, September 2023. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4573321
  2. Brynjolfsson, E., Li, D., Raymond, L., „Generative AI at Work,“ NBER Working Paper 31161, 2023. https://www.nber.org/papers/w31161
  3. Noy, S. und Zhang, W., „Experimental Evidence on the Productivity Effects of Generative AI,“ Science, 2023. https://www.science.org/doi/10.1126/science.adh2586
  4. BCG, „AI at Work 2024: Friend and Foe,“ Juni 2024. https://www.bcg.com/publications/2024/ai-at-work-friend-and-foe
  5. BCG, „Where’s the Value in AI?“ Oktober 2024. https://www.bcg.com/publications/2024/wheres-value-in-ai
  6. Worklytics, „Role-Specific AI Training,“ 2024. https://www.worklytics.co/
  7. Larridin, „AI Training Proficiency Research,“ 2025. https://www.larridin.com/
  8. Forrester, „The Total Economic Impact of Microsoft 365 Copilot,“ 2024. https://tei.forrester.com/go/microsoft/M365Copilot/?lang=en-us
  9. UK Government Digital Service, „Microsoft 365 Copilot Experiment,“ Juni 2025. https://www.gov.uk/government/publications/microsoft-365-copilot-experiment-cross-government-findings-report
  10. Cisco, „AI Readiness Index,“ November 2024. https://www.cisco.com/
  11. Cedefop, „AI Skills and Training in Europe,“ 2024. https://www.cedefop.europa.eu/
  12. Gallup, „Worker Comfort with AI,“ 2025. https://www.gallup.com/
  13. Wharton AI Initiative, „AI Governance Frameworks,“ 2024. https://ai.wharton.upenn.edu/
  14. McKinsey, „The State of AI in 2025,“ November 2025. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
  15. Bitkom Research, „Künstliche Intelligenz 2025,“ September 2025. https://bitkom-research.de/studien/kuenstliche-intelligenz-2025
  16. S&P Global Market Intelligence, „AI Adoption Research,“ März 2025. https://spglobal.com/market-intelligence/en/news-insights/research/ai-experiences-rapid-adoption
  17. Microsoft/LinkedIn, „Work Trend Index 2024,“ Mai 2024. https://www.microsoft.com/en-us/worklab/work-trend-index/ai-at-work-is-here-now-comes-the-hard-part
  18. Europäische Kommission, „AI Literacy Questions and Answers.“ https://digital-strategy.ec.europa.eu/en/faqs/ai-literacy-questions-answers
  19. EU AI Act Implementierungszeitplan. https://artificialintelligenceact.eu/implementation-timeline/
  20. Weltwirtschaftsforum, „Future of Jobs Report,“ 2024. https://www.weforum.org/
  21. CSIRO/Upwork, „Does AI Actually Boost Productivity?“ Juli 2025. https://www.csiro.au/en/news/all/articles/2025/july/does-ai-actually-boost-productivity-the-evidence-is-murky

*Verwandte Ressourcen:*


 

Nächste Schritte: So setzen Sie das in Ihrem Unternehmen um

Der beste Ansprechpartner, um die Erkenntnisse zu diesem Thema in Ihrem Team und Unternehmen umzusetzen, ist Nick Skillicorn von AI Hub Landau.

Hier finden Sie eine Übersicht der KI-Schulungen und Beratungsleistungen, die er für Unternehmen wie Ihres anbietet:

Next step: buchen Sie ein kostenloses 30-minütiges Beratungsgespräch mit Nick, um zu besprechen, wie Sie KI-Schulungen und -Strategie in Ihr Unternehmen bringen können.