Verstehen
Funktionsweise und Grenzen
Grundprinzipien moderner KI verstehen, ohne unnötig tief in Mathematik oder Implementierungsdetails einzusteigen.
KI-Kompetenz passend zur tatsächlichen Aufgabe
AI Literacy bedeutet nicht, allen Personen denselben allgemeinen KI-Kurs anzubieten. Entscheidend ist, welche Systeme verwendet werden, welche Entscheidungen dadurch beeinflusst werden und welche Verantwortung die jeweilige Person trägt.
Prüfen
KI-Ausgaben kritisch bewerten
Fehler, Halluzinationen, Unsicherheit und problematische Schlussfolgerungen erkennen und angemessen darauf reagieren.
Anwenden
KI sinnvoll einsetzen
Erkennen, für welche Aufgaben KI hilfreich ist und wann klassische Verfahren oder menschliche Bearbeitung die bessere Lösung darstellen.
Daten
Informationen bewusst behandeln
Sensible Daten, interne Informationen, Eingaben und Ergebnisse mit angemessener Vorsicht behandeln.
Verantwortung
Menschliche Kontrolle behalten
Verstehen, dass technische Unterstützung Verantwortung nicht automatisch auf ein KI-System überträgt.
Transparenz
KI-Nutzung nachvollziehbar machen
Die Verwendung von KI in relevanten Arbeitsprozessen transparent und nachvollziehbar gestalten.
Passt diese Beratung zu Ihrer Situation?
KI wird bereits genutzt oder soll breiter eingesetzt werden. Entscheidend ist dann nicht möglichst viel allgemeines KI-Wissen, sondern die Frage, welche Rolle welche Kompetenz für ihre konkreten Aufgaben und Entscheidungen tatsächlich benötigt.
Typische Ausgangslagen
- Mitarbeitende nutzen generative KI, prüfen Ergebnisse aber unterschiedlich kritisch.
- Führungskräfte erhalten KI-Empfehlungen, können deren Aussagekraft und Grenzen jedoch nur schwer beurteilen.
- Bestehende Schulungen vermitteln Wissen, aber der Transfer in konkrete Arbeitssituationen bleibt unklar.
Was nach der Beratung geklärt sein sollte
Nach der Beratung sollte nachvollziehbar sein, welche Kompetenzen für welche Rolle erforderlich sind und welche Lernziele tatsächlich Priorität haben.
- Rollen und KI-bezogene Entscheidungssituationen sind abgegrenzt.
- Lernziele sind nach Rolle, Risiko und Anwendung priorisiert.
- Transfer- und Überprüfungskriterien für den Arbeitsalltag sind definiert.
Häufige Fragen vor einer Beauftragung
Nicht jeder Einwand spricht gegen eine Beratung. Entscheidend ist, was in der konkreten Situation tatsächlich zutrifft.
Wir haben bereits KI-Schulungen.
Allgemeine Schulungen können ein gemeinsames Grundlagenverständnis schaffen. Sie beantworten jedoch nicht automatisch, welche Kompetenz eine bestimmte Rolle für ihre konkreten Entscheidungen benötigt.
Unsere Mitarbeitenden nutzen KI längst.
Die Bedienung eines KI-Werkzeugs und die Fähigkeit, Ergebnisse, Unsicherheit und Grenzen angemessen zu beurteilen, sind unterschiedliche Kompetenzen.
Wir wissen noch nicht, wo Kompetenzlücken bestehen.
Genau das kann Ausgangspunkt der Beratung sein. Untersucht werden zunächst Rollen, Aufgaben und reale Entscheidungssituationen statt eines vorgefertigten Lehrplans.
Wir wollen kein theoretisches KI-Training.
Die Beratung kann unmittelbar an realen Fällen, Werkzeugen, Fehlermöglichkeiten und Entscheidungen aus dem Arbeitsalltag ansetzen.
Nächster sinnvoller Schritt
Für den Einstieg reichen die relevanten Rollen, bereits genutzte KI-Werkzeuge und einige typische Entscheidungssituationen. Daraus lässt sich klären, ob Assessment, Workshop oder Training sinnvoll sind.
Unterschiedliche Rollen brauchen unterschiedliche KI-Kompetenz
Mitarbeitende und Fachanwender
Sichere Nutzung, Qualitätsprüfung, Umgang mit Daten, Transparenz und praktische Einsatzgrenzen.
Führungskräfte
Verantwortlichkeiten, Freigaben, Kontrollmechanismen, Risiken und organisatorische Konsequenzen.
Entwickler und Data Scientists
Datenqualität, Evaluation, Modellgrenzen, Monitoring, Dokumentation und technische Verantwortung.
Vom allgemeinen KI-Kurs zum passenden Kompetenzkonzept
KI-Nutzung erfassen
Welche Systeme werden verwendet, für welche Aufgaben und von welchen Personengruppen?
Zielgruppen unterscheiden
Welche Kenntnisse benötigen Anwender, Entwickler und Führungskräfte jeweils?
Training durchführen
Inhalte und Beispiele werden möglichst nah am tatsächlichen Arbeitskontext vermittelt.
Kompetenz verankern
Leitlinien, Checklisten und Folgeformate können den Transfer in den Arbeitsalltag unterstützen.
Artikel 4 des EU AI Act verlangt von Anbietern und Betreibern von KI-Systemen Maßnahmen zur Förderung einer angemessenen KI-Kompetenz. Umfang und Ausgestaltung hängen unter anderem von technischem Wissen, Erfahrung, Ausbildung und Nutzungskontext ab.
Verwandte Leistungen
Responsible AI
Verantwortungsvolle KI als technisches und organisatorisches System gestalten.
KI-Assessment
Ein konkretes KI-System technisch und organisatorisch prüfen.
EU AI Act
Technische und organisatorische Vorbereitung auf regulatorische Anforderungen.
Praxisbeispiele
Typische Use Cases für AI Literacy
Konkrete Beratungsfälle werden entlang eines iterativen Problemlösungszyklus strukturiert: Diagnose, Zielformulierung, Analyse, Entscheidungsfindung und anschließende Umsetzungsplanung.
Beispiele: Rollenbezogene Kompetenzlücken, generative KI im Fachbereich und KI-gestützte Managemententscheidungen.
AI-Literacy-Training anfragen
Für eine erste Einschätzung genügt eine kurze Beschreibung der Zielgruppe, der eingesetzten KI-Systeme und des gewünschten Trainingsziels.