Wenn freiwillige KI-Weiterbildungen die Kompetenzlücke vergrößern

Der Selektionsbias hinter einer gut laufenden Akademie

Eine freiwillige KI-Akademie kann auf jedem üblichen LMS-Dashboard wie ein Erfolg aussehen. Die Anmeldungen steigen. Lernende schließen Module ab. Die Kommentare sind positiv. Doch diese Ergebnisse beschreiben die Menschen, die am Programm teilnehmen – nicht die Belegschaft, die sich verändern muss. Mitarbeitende mit Zeit, Selbstvertrauen, Unterstützung durch ihre Führungskraft und einem vorherigen Interesse an KI nehmen eine Einladung eher wahr und melden sich an. Das führt zu einem Selektionsbias: ein positives Engagement-Signal, das unzureichenden Zugang zu KI-Weiterbildungen verdecken kann.

Im Finanz- und Kryptobereich ist das besonders relevant. KI hält Einzug in Kundenprozesse, Product, Risiko, Engineering und Support, während Compliance-Anforderungen klare Grenzen für akzeptierte Tools und den Umgang mit Daten setzen. Ein freiwilliges Angebot zur KI-Weiterbildung ist für Experimente sinnvoll. Als Strategie zur Qualifizierung der gesamten Belegschaft reicht es allein nicht aus.

Das operative Rückgrat darf nicht zu kurz kommen

PwC befragte im Mai und Juni 2026 49.364 Beschäftigte in 48 Ländern und Regionen. Die Ergebnisse teilen die Belegschaft in vier Gruppen. Die größte, das „operative Rückgrat“, umfasst 56 % der Beschäftigten und steht auf der KI-Lernkurve noch vergleichsweise am Anfang. Nur etwa zwei von fünf in dieser Gruppe sagen, dass ihnen die benötigten Lernressourcen zur Verfügung stehen, obwohl sie einen Großteil der täglichen Arbeit tragen. Die PwC-Veröffentlichung macht das operative Risiko deutlich: KI-Kompetenz kann sich bei Vorreitern weiter verstärken, während die Mehrheit zurückfällt.

Diese KI-Kompetenzlücke machen Abschlussquoten nicht sichtbar. Erreicht ein Programm die neugierigsten zehn Prozent, kann es kompetente Multiplikatoren hervorbringen. Es zeigt aber nicht, ob Operations, Kontrollfunktionen oder kundennah arbeitende Teams sicher und wirksam mit KI arbeiten können.

Neben Engagement-Kennzahlen braucht es Kennzahlen zur Abdeckung

Abschlüsse bleiben nützlich, sind aber eine Kennzahl am Ende des Funnels. L&D-Teams brauchen eine Sicht auf Kohorten, die beginnt, bevor jemand ein Modul öffnet. Werten Sie den Funnel nach Rolle, Hierarchiestufe, Standort, Geschäftsbereich und Führungskraft aus.

1. Mitarbeitende, für die der Lernpfad erforderlich oder sinnvoll ist
2. Mitarbeitende, die nach einer klaren Verteilungsregel eingeladen wurden
3. Mitarbeitende, die durch eine erste Lernaktivität aktiviert wurden
4. Mitarbeitende, die in realistischen Arbeitssituationen üben
5. Mitarbeitende, deren Kompetenzen am erforderlichen Mindestniveau bewertet werden
6. Mitarbeitende, die nie in den Funnel gelangen – mit dokumentiertem Grund

Diese Trennung verändert das Gespräch mit der Führungsebene. Niedrige Abschlussquoten können auf Probleme mit Inhalten oder Lernerlebnis hindeuten. Wenige Einladungen oder Aktivierungen weisen auf ein Problem bei Verteilung, Führung oder Lernzeit hin. Beides als mangelndes Engagement der Lernenden zu behandeln, führt zur falschen Lösung.

Vier Lernwege statt eines Curriculums für alle

KI-Lernen für alle heißt nicht, jedem Mitarbeitenden denselben Kurs zu geben. Es heißt, den erwarteten Lernweg klar zu machen und ihn dem Rollenrisiko anzupassen. Ein praxistaugliches Modell unterscheidet Grundlagenwissen, rollenrelevante Anwendung, Kontrollen für hohe Risiken und vertiefte Erprobung.

• Grundlagenpfad für alle relevanten Mitarbeitenden mit freigegebenen Tools, Datenvorgaben, Prüfung und Eskalation.
• Rollenrelevanter Lernpfad für Teams, deren Arbeitsabläufe, Entscheidungen oder Kundenkontakte sich verändern.
• Verbindlicher Kontrollpfad für Risiko, Compliance, Recht, Sicherheit und andere Rollen mit hoher Wirkung.
• Freiwilliger Aufbaupfad für Vorreiter, die innerhalb klarer Leitplanken Anwendungsfälle, Prompt-Muster und Verbesserungen von Arbeitsabläufen testen können.

Die ersten drei Lernwege schaffen dort Abdeckung, wo das Unternehmen einen Mindeststandard braucht. Der vierte erhält Selbstbestimmung und belohnt Neugier, ohne dass Early Adopters die Einzigen bleiben, die praktische KI-Kompetenz aufbauen.

Die richtige Zuordnung schließt Lücken, die Inhalte allein nicht schließen können

Ein langes KI-Curriculum löst ungleichen Zugang nicht. Starten Sie mit einem kurzen Check zu Selbstvertrauen, aktueller Tool-Nutzung und Rollenbetroffenheit. Leiten Sie Lernende anhand des Ergebnisses zur nächsten sinnvollen Aufgabe statt in eine allgemeine Bibliothek. Von Führungskräften zugewiesene Lernpfade sollten risikoreiche Verantwortlichkeiten abdecken. Kurze mobile Lerneinheiten erleichtern es, Grundlagenwissen zwischen operativen Aufgaben zu beginnen. Führungskräfte brauchen dennoch geschützte Lernzeit, klare Erwartungen und Erinnerungen zur Nachverfolgung – sonst bleiben gerade die Teams mit der geringsten Unterstützung außen vor.

App-Learning unterstützt dieses Modell mit kurzen, rollenspezifischen Lerneinheiten, Kurzdiagnosen, zugewiesenen Lernpfaden und Kohorten-Dashboards. Es geht nicht darum, alle Mitarbeitenden zu vertiefter KI-Arbeit zu zwingen. Es geht darum, zu erkennen, wo der Zugang abreißt, die passende Maßnahme zu setzen und zu prüfen, ob Kompetenz über die üblichen Freiwilligen hinaus ankommt.

Selbstbestimmung funktioniert am besten innerhalb klarer Leitplanken

Lassen Sie vertiefte KI-Weiterbildung freiwillig. Machen Sie Grundlagen verbindlich, wo Tätigkeit, Risiko und Kundenergebnisse es erfordern. Bewerten Sie das Programm dann genauso aufmerksam anhand derer, die nie starten, wie anhand derer, die abschließen. Wenn Einladungen, Aktivierungen, Übung und Bewertung über Kohorten hinweg sichtbar sind, wird aus einer KI-Akademie kein Beliebtheitswettbewerb mehr. Sie wird zu einem steuerbaren System, das Kompetenz in der gesamten Belegschaft aufbaut.