Das Wichtigste auf einen Blick
- Die Nutzung von Tools ist kein Beleg für verantwortungsvollen Umgang damit.
- Miss die Schulungsabdeckung anhand aktiver KI-Nutzender, nicht anhand gekaufter Lizenzen.
- Gliedere die Quote nach Rolle, Datensensibilität und Entscheidungsrisiko.
- Abschlüsse zählen, doch Tests und Verhalten im Arbeitsalltag liefern stärkere Nachweise.
Adoptions-Dashboards können eine Lücke in der Vorbereitung verdecken
Ein Startup kann KI-Lizenzen, wöchentlich aktive Nutzer und die Zahl der Prompts ausweisen und den Rollout dann als Erfolg bezeichnen. Keine dieser Kennzahlen zur KI-Nutzung zeigt, ob Mitarbeitende wissen, welche Daten sie eingeben dürfen, wie sie Ergebnisse prüfen oder wann ein Mensch übernehmen muss. Ab 50 Mitarbeitenden ist diese Lücke nicht mehr informell. Neue Mitarbeitende übernehmen die Gewohnheiten ihres Umfelds, während Führungskräfte je nach Team unterschiedliche Regeln vermitteln.
Dasselbe Muster zeigt sich auch außerhalb des Arbeitsplatzes. Die Umfrage von Instructure vom Juli 2026 ergab, dass 68 % der Lehrkräfte im Schulbereich (K–12) und 61 % der Lehrkräfte im Hochschulbereich zumindest gelegentlich KI im Unterricht nutzten, während 45 % beziehungsweise 41 % keine formale KI-Schulung erhalten hatten. Das ist eine Bildungsstichprobe, kein Maßstab für den Arbeitsplatz. Sie zeigt aber den Messfehler: Aktivität lässt sich leicht zählen, Vorbereitung bleibt oft unsichtbar.
Für Gründerteams liegt das operative Risiko nicht darin, dass alle Mitarbeitenden KI nutzen. Es entsteht, wenn sich die KI-Nutzung verbreitet, bevor es im Unternehmen gemeinsame Regeln für ihren Einsatz gibt. Der Vertrieb kopiert vielleicht Kundenkontext in ein Tool. Der Support verlässt sich auf eine überzeugend klingende, aber falsche Antwort. Das Product-Team nutzt generierte Recherche, ohne Quellen zu prüfen. Das Unternehmen sieht steigende Nutzung, während die Kompetenz ungleich verteilt bleibt.
Eine Quote, die den Rollout auf den Prüfstand stellt
Die Quote für die Schulungsabdeckung ist eine vorgeschlagene KPI dafür, wie gut ein Team für KI vorbereitet ist, kein etablierter Branchenstandard. Sie vergleicht Menschen, die KI aktiv nutzen, mit dem Anteil, für den aktuelle und rollenrelevante Lernnachweise vorliegen.
**Quote für die Schulungsabdeckung = aktive KI-Nutzende mit aktueller, rollenrelevanter Schulung und bestandenem Test ÷ aktive KI-Nutzende**
Definiere aktive KI-Nutzende anhand von Nutzungsdaten aus den Tools und einer klaren Regel, etwa: Jede Person, die in den vergangenen 30 Tagen ein freigegebenes KI-Tool genutzt hat. Als geschult zählt nur, wer den relevanten Lernpfad abgeschlossen, einen kurzen szenariobasierten Test bestanden hat und noch innerhalb des Auffrischungszeitraums liegt. Eine Quote von 0,40 bedeutet, dass 60 % der aktiven Nutzenden ohne nachweislich absolvierte KI-Schulung arbeiten, die zu ihrer Rolle passt.
So vermeidest du einen häufigen Fehler im Reporting. Gekaufte Lizenzen gehören in ein Einkaufsdashboard. Angemeldete Lernende gehören in ein Lerndashboard. Die Quote für die Schulungsabdeckung führt beide Kennzahlen nur dort zusammen, wo sie zählen: bei Menschen, die die Tools bereits nutzen.
Das Risiko bestimmt den Nenner
Eine unternehmensweite Quote ist als Überblick nützlich, für die Steuerung aber zu grob. Teile sie nach Funktion, Anwendungsfall und Risiko auf. Eine Designerin, die KI für Ideen zu internen Workshops nutzt, braucht keinen identischen Lernpfad wie jemand im Recruiting bei der Vorauswahl von Kandidaten oder ein Supportmitarbeiter, der Daten zu Kundenkonten bearbeitet.
Für ein wachsendes Startup reichen zu Beginn oft drei Segmente:
- Interne Aufgaben mit geringem Risiko, etwa Entwürfe, Brainstorming und die Vorbereitung von Meetings.
- Kundennahe Aufgaben wie Sales-Nachrichten, Support-Antworten und veröffentlichte Inhalte.
- Sensible oder folgenreiche Aufgaben mit personenbezogenen Daten, Einstellungen, Finanzen, rechtlichen Ansprüchen oder operativen Entscheidungen.
Für jedes Segment braucht es andere Nachweise, dass Mitarbeitende gut vorbereitet sind. Das Grundlagentraining kann freigegebene Tools, Grenzen beim Umgang mit Daten, die Prüfung von Ergebnissen und Eskalationswege abdecken. Schulungen für Bereiche mit höherem Risiko sollten realistische Szenarien, die Freigabe durch Führungskräfte und kürzere Auffrischungsintervalle ergänzen. Für Unternehmen, die KI in der EU einsetzen, verpflichtet Artikel 4 des AI Act Anbieter und Betreiber zu KI-Kompetenz, wobei das angemessene Niveau von Personen, Kontext und beabsichtigter Nutzung abhängt.
Good to know
Was zählt als aktiver KI-Nutzer?
Nutze einen einheitlichen Schwellenwert auf Basis der Daten freigegebener Tools, etwa mindestens eine relevante Nutzung in den vergangenen 30 Tagen. Verwende Lizenzen nicht als Nenner, denn eine bereitgestellte Lizenz sagt nichts über die tatsächliche Nutzung aus.
Sollten alle Mitarbeitenden dieselbe KI-Schulung absolvieren?
Alle Mitarbeitenden können ein kurzes Grundlagentraining zu freigegebenen Tools, Datenverarbeitung, Prüfung und Eskalation absolvieren. Ergänze rollenbasierte Module, wenn Menschen KI für kundennahe, sensible oder folgenreiche Aufgaben nutzen.
Kann ein Startup diese KPI ohne L&D-Team nutzen?
Ja. Starte mit drei Rollen- und Risikosegmenten, einem kurzen Grundlagentraining, einfachen Szenario-Checks und einem monatlichen Vergleich aktiver Nutzender mit aktuellen Lernnachweisen. Vertiefe nur dort, wo Nutzung und Risiko es rechtfertigen.
Ist die Quote für die Schulungsabdeckung eine Compliance-Kennzahl?
In erster Linie ist sie eine operative Kennzahl. Sie kann auch Nachweise für KI-Kompetenz unterstützen, besonders dort, wo der EU AI Act Anbieter und Betreiber zu Maßnahmen für ausreichende KI-Kompetenz verpflichtet. Sie ersetzt jedoch keine rechtliche Prüfung oder Governance-Prüfung.
Abschlüsse sind nur das erste Signal
Der Abschluss eines Kurses ist ein notwendiger Nachweis, für sich allein aber wenig aussagekräftig. Menschen können ein Modul abschließen, ohne ihre Arbeitsweise zu ändern. Ein gutes System zur Messung der KI-Schulungsabdeckung kombiniert Abschlüsse deshalb mit Signalen, die das Urteilsvermögen im Kontext prüfen.
- Ergebnisse szenariobasierter Tests zu Datenverarbeitung, Quellenprüfung und menschlicher Kontrolle.
- Abfragen, wie sicher oder unsicher sich Lernende fühlen und wo sie Unterstützung brauchen.
- Beobachtungen durch Führungskräfte oder stichprobenartige Qualitätsprüfungen bei Arbeitsabläufen mit hohem Risiko.
- Muster bei Eskalationen, Korrekturen und Verstößen gegen Richtlinien auf Teamebene.
Mach daraus keine Mitarbeiterüberwachung. Nutze nur die nötigen Daten, werte sie wo möglich aggregiert aus und kommuniziere den Zweck klar: das Lernsystem verbessern und vermeidbare Risiken senken. Produktdaten sollen Kompetenzlücken aufzeigen, nicht Menschen nach der Zahl ihrer Prompts bewerten.
Mach Lernnachweise zur KI mit App-Learning zu einem messbaren Signal dafür, wie gut dein Team vorbereitet ist.
EntdeckenLernnachweise müssen mit Produktdaten verknüpft werden
App-Learning schafft für ein Startup die fehlende Verbindung zwischen KI-Nutzung im Team und der Vorbereitung der Mitarbeitenden. Erstelle kurze, rollenbasierte Lernpfade aus den konkreten KI-Richtlinien und Arbeitsabläufen des Unternehmens. Erfasse Abschlüsse, Testergebnisse und Auffrischungstermine. Anschließend lassen sich diese Nachweise über eine gemeinsame, datenschutzbewusste Kennung mit der Nutzung freigegebener Tools abgleichen.
Damit entsteht ein praktischer Überblick. Steigt die aktive Nutzung, während die Quote für die Schulungsabdeckung sinkt, konzentriere dich auf die Rollen und Arbeitsabläufe, in denen die Lücke größer wird. Sind die Abschlussquoten hoch, die Testergebnisse aber niedrig, richte das Lernen an realen Entscheidungen aus, statt einfach eine weitere Folie zur Richtlinie hinzuzufügen. Ist die Abdeckung hoch, die Nutzung aber niedrig, liegt die Hürde vielleicht eher in der Gestaltung der Arbeitsabläufe, der Unterstützung durch Führungskräfte oder dem Zugriff auf Tools als in fehlenden Fähigkeiten.
Das ist die operative Disziplin, die KI-Rollouts brauchen. KI-Einführung ist kein Zählen von Lizenzen, Prompts oder Experimenten. Sie ist eine kontrolliert aufgebaute Kompetenz, die im Arbeitsalltag verankert ist – mit Nachweisen dafür, dass die Menschen, die die Tools nutzen, gut darauf vorbereitet sind.
