Die wichtigsten Punkte
- Allgemeine KI-Kompetenz verliert an Wert, wenn sie von realen Arbeitsabläufen losgelöst ist.
- Fachwissen ist die Grundlage, um KI-Ergebnisse und Risiken beurteilen zu können.
- Jede Rolle braucht freigegebene KI-Aufgaben, Prüfschritte und klare Eskalationsgrenzen.
- Prüfungen sollten reale Arbeitsaufgaben abbilden und nachvollziehbar begründete menschliche Entscheidungen verlangen.
- Kleine Ergänzungsmodule für einzelne Rollen halten KI-Weiterbildung aktuell, ohne die gesamte Akademie neu aufzubauen.
KI wird Teil des Berufs
Am 1. September 2026 gab Siemens bekannt, dass KI in allen deutschen Ausbildungs- und dualen Studiengängen fester Bestandteil der Lern- und Arbeitsprozesse geworden ist. Das Unternehmen präsentiert KI nicht als eigenständiges Fach. Stattdessen integriert es sie in bestehende berufliche Lernformate und behält Fachwissen als Grundlage für einen verantwortungsvollen Einsatz bei.
Daraus ergibt sich ein nützlicher Ansatz für die betriebliche Weiterbildung: Richte KI-Lernen an der jeweiligen Arbeit aus. Ein Zahlungsverkehrsanalyst, ein AML-Ermittler, ein Supportmitarbeiter und ein Engineering Manager nutzen vielleicht ähnliche Tools. Ihre Entscheidungen, Datenbeschränkungen und Qualitätsanforderungen unterscheiden sich jedoch ebenso wie die Folgen eines Fehlers.
Allgemeines KI-Wissen braucht einen Bezug zur Praxis
Ein allgemeiner KI-Kurs schafft gemeinsame Grundlagen: zentrale Konzepte, freigegebene Tools, gute Prompts, Vertraulichkeit und bekannte Fehlermuster. Damit ist die Basis gelegt. Die Fähigkeit, KI in der eigenen Rolle sicher einzusetzen, muss anschließend praktisch entwickelt werden.
Die entscheidenden Fragen ergeben sich an den Schnittstellen im Arbeitsablauf. Darf ein Kundenberater KI für Kundenunterlagen nutzen? Darf ein Analyst eine Richtlinienänderung zusammenfassen lassen? Darf das Betrugspräventionsteam eine Fallbeschreibung mit KI entwerfen? Die Antwort hängt von Ausgangsdaten, freigegebenen Systemen, Nachweisen, Prüfpflichten und der Verantwortung für die abschließende Entscheidung ab.
Für Unternehmen mit EU-Bezug entspricht diese Unterscheidung auch der derzeitigen Fassung von Artikel 4 der EU-KI-Verordnung. Sie fordert Anbieter und Betreiber dazu auf, KI-Kompetenz unter Berücksichtigung von Kenntnissen, Erfahrungen, Ausbildung und dem Nutzungskontext der Systeme zu fördern. Kontext ist kein Umsetzungsdetail. Er ist eine Designvorgabe.
KI-Kompetenz zeigt sich an konkreten Aufgaben
Beginne rollenspezifische KI-Weiterbildung mit einer Übersicht der tatsächlichen Aufgaben. Suche für priorisierte Rollen nach wiederkehrenden Tätigkeiten, bei denen KI Tempo, Klarheit oder Konsistenz verbessern kann. Bewerte jede Aufgabe nach ihrem Risiko und ihrem Einfluss auf Entscheidungen. Daraus ergeben sich die benötigten Lerninhalte.
- Benenne Rolle, Schritt im Arbeitsablauf und Geschäftsergebnis.
- Definiere den freigegebenen KI-Anwendungsfall sowie das freigegebene Tool oder die Umgebung.
- Lege fest, welche Eingaben erlaubt, verboten oder zu schwärzen sind.
- Definiere die Nachweise, die zur Prüfung eines Ergebnisses nötig sind.
- Lege fest, wer die Entscheidung verantwortet und wann eskaliert wird.
So wird KI-Weiterbildung zu einer konkreten Grundlage für Kontrollen. Compliance-, Risiko- und Sicherheitsteams können anhand der vorgesehenen Aufgaben prüfen, was zulässig ist. Sie bewerten einen klar definierten Anwendungsfall und den zugehörigen Arbeitsablauf, bevor sie ihn erlauben oder einschränken.
Fachwissen ist die Kontrollinstanz
KI kann Entwürfe erstellen, zusammenfassen, klassifizieren und Vorschläge machen. Die berufliche Verantwortung bleibt beim Menschen. Lernende brauchen deshalb genug Fachwissen, um fehlende Nachweise, unbegründete Sicherheit, unpassende Formulierungen und Widersprüche zu Richtlinien oder Kundenkontext zu erkennen.
Deshalb sollten integrierte KI-Kompetenzen neben Fachmodulen stehen, nicht an ihre Stelle treten. Im Finanzbereich erfordert eine mit KI erstellte Zusammenfassung einer Warnmeldung weiterhin, dass ein Ermittler den Transaktionskontext bewertet, die Begründung dokumentiert und Eskalationsregeln befolgt. Im Kryptobereich muss ein Entwurf für eine Kundenantwort weiterhin mit Produktvorgaben, Sanktionsrisiken und Kommunikationsrichtlinien abgeglichen werden. Lernende müssen wissen, wann ein Ergebnis nützlich ist, wann es unvollständig ist und wann es nicht verwendet werden darf.
Good to know
Sollten alle Mitarbeitenden denselben KI-Grundkurs absolvieren?
Ja, aber halte ihn kurz. Nutze ihn für gemeinsame Regeln, freigegebene Tools und grundlegendes Risikobewusstsein. Anschließend wechseln die Lernenden in die rollenspezifische Praxis.
Welche Rollen sollten zuerst KI-Ergänzungsmodule erhalten?
Beginne dort, wo die Arbeit häufig, strukturiert und messbar ist, die finale Entscheidung aber bereits bei einem Menschen liegt. Priorisiere Arbeitsabläufe mit klaren Nachweisstandards und bekannten Prüfschritten.
Wie kann L&D integrierte KI-Kompetenzen messen?
Miss die Leistung bei realitätsnahen Aufgaben. Erfasse, ob Lernende freigegebene Anwendungsfälle wählen, Ergebnisse korrekt prüfen, sensible Daten sicher behandeln und bei Bedarf eskalieren.
Prüfungen müssen begründete Entscheidungen verlangen
Ein Kursabschluss allein zeigt nicht, ob jemand KI im Arbeitsalltag sicher nutzt. Eine aussagekräftige Prüfung bildet eine realistische Aufgabe ab: einen Kundenfall, eine Richtlinienänderung, einen Ausnahmebericht oder verdächtige Aktivitäten. Lernende verwenden einen freigegebenen KI-Ablauf, gleichen das Ergebnis mit Nachweisen ab, dokumentieren Korrekturen und begründen ihre Entscheidung.
Das Bewertungsraster sollte mehr als die Qualität von Prompts bewerten. Es sollte die Auswahl von Quellen, den Umgang mit eingeschränkten Informationen, die Faktenprüfung, die Einhaltung von Richtlinien, Eskalationen und die Qualität der menschlichen Begründung prüfen. So entstehen messbare Kompetenznachweise, ohne das Modellergebnis selbst als Kompetenznachweis zu behandeln.
Modulare Ergänzungen halten mit Tool-Änderungen Schritt
Baue nicht die ganze Akademie neu auf, wenn sich ein Modell, eine Richtlinie oder ein freigegebener Anwendungsfall ändert. Behalte dauerhaft relevantes Fachwissen im Kernpfad. Ergänze kleine KI-Module für bestimmte Rollen und Aufgaben. Jedes Modul kann eine Kurzbeschreibung des Anwendungsfalls, ein kurzes Praxisszenario, ein Prüfraster und eine Nachweisdokumentation enthalten.
App-Learning kann diese Struktur in einer bestehenden Lernakademie für Mitarbeitende unterstützen. Aufgabenbezogene, freigegebene KI-Module lassen sich an Onboarding, Compliance-Auffrischungen und Rollenpfade anbinden. Dadurch können Teams Inhalte gezielt aktualisieren und L&D kann die Leistung nach Rolle und Anwendungsfall besser beurteilen.
Mach aus freigegebener KI-Arbeit messbares Lernen.
Sprich mit unsLernprozesse stärker an Kompetenznachweisen ausrichten
Für L&D ist die praktische Veränderung erheblich. Verantwortliche für Lerninhalte müssen mit Operations, Risiko, Compliance und Experten aus der Praxis zusammenarbeiten, um eine stets aktuelle Übersicht freigegebener Aufgaben zu pflegen. Führungskräfte brauchen Einblick, wo Lernende KI eigenständig einsetzen können und wo eine Prüfung verpflichtend bleibt. Auswertungen sollten Aufgabenleistung, Fehler bei der Prüfung, Eskalationsmuster und fehlende Sicherheit zeigen – nicht nur Anmeldungen und Abschlüsse.
Entscheidend ist, ob jemand ein freigegebenes Tool auf eine reale Aufgabe anwenden, das Ergebnis fachlich prüfen und die Verantwortung für die Entscheidung übernehmen kann. An diesem Maßstab sollte sich Lernen orientieren. Dann ist KI kein separater Kurs mehr, sondern Teil kompetenter Arbeit.
