Was ist KI-Kompetenz? Definition, Dimensionen, Aufbau

KI-Kompetenz ist seit dem EU AI Act zu einem der meistgenutzten, aber auch am wenigsten verstandenen Begriffe rund um den Einsatz von Künstlicher Intelligenz im Unternehmen geworden. Er klingt nach einer Prüfung, die man einmal besteht — gemeint ist aber etwas anderes. Dieser Beitrag erklärt, was KI-Kompetenz laut Gesetz bedeutet, welche vier Dimensionen sie in der Praxis umfasst und wie Sie sie im Unternehmen aufbauen und sichtbar machen.

Was ist KI-Kompetenz? Eine Definition

Der Begriff taucht seit der Einführung des EU AI Act immer häufiger auf, wird aber selten präzise erklärt. Der AI Act definiert KI-Kompetenz in Artikel 3 Nummer 56: die Fähigkeiten, Kenntnisse und das Verständnis, die es Anbietern, Betreibern und betroffenen Personen ermöglichen, KI-Systeme sachkundig einzusetzen und sich der Chancen und Risiken bewusst zu werden. Artikel 4 macht daraus den Auftrag an Anbieter und Betreiber, diese Kompetenz beim Personal zu fördern.

Für die meisten Unternehmen, die KI-Tools wie Chatbots, Text- oder Bildgeneratoren im Arbeitsalltag nutzen, ist vor allem die Rolle als Betreiber relevant — nicht die als Anbieter, der eigene KI-Systeme entwickelt oder in Verkehr bringt. Wer als Betreiber gilt, unterliegt trotzdem den Vorgaben aus Artikel 4, sobald Mitarbeitende mit KI-Systemen arbeiten.

Die Pflicht gilt seit dem 2. Februar 2025 und ist nicht entfallen — die Digital-Omnibus-Novelle vom 27. Juli 2026 hat sie von „sicherstellen“ auf „fördern“ abgeschwächt; ein bestimmtes Kompetenzniveau je Einzelperson muss niemand mehr garantieren. Ab dem 2. August 2026 können die zuständigen Marktüberwachungsbehörden — in Deutschland die Bundesnetzagentur — Nachweise über entsprechende Fördermaßnahmen verlangen, etwa Schulungsnachweise oder Teilnahmezertifikate.

Wie viel Kompetenz im Einzelfall nötig ist, hängt außerdem vom Risiko der jeweiligen Anwendung ab: Wer KI nutzt, um interne Besprechungsnotizen zusammenzufassen, braucht ein anderes Kompetenzniveau als jemand, der KI-gestützte Ergebnisse in Bewerbungsverfahren oder Kreditentscheidungen einfließen lässt. Der AI Act selbst unterscheidet Anwendungen nach Risikoklassen — und genau an dieser Stelle sollte auch die betriebliche KI-Kompetenz ansetzen: differenziert statt pauschal.

Der Unterschied zwischen Wissen und Kompetenz ist dabei keine Wortklauberei. Wissen lässt sich abfragen — etwa, was ein Sprachmodell ist. Kompetenz zeigt sich erst im Handeln: wenn eine Mitarbeiterin eine KI-generierte E-Mail vor dem Versand noch einmal liest, oder wenn ein Mitarbeiter eine vertrauliche Kundenliste bewusst nicht in ein öffentliches Tool hochlädt. Genau diese Handlungsebene meint der AI Act, wenn er von Fähigkeiten und Verständnis statt von reinem Wissen spricht. KI-Kompetenz ist damit kein einmaliger Wissensstand, den man „hat“ oder „nicht hat“, sondern praktisches Können, das sich mit jedem neuen Tool und jeder neuen Anwendung weiterentwickeln muss.

Die vier Dimensionen praktischer KI-Kompetenz

In der Praxis lässt sich KI-Kompetenz in vier Bereiche gliedern, die aufeinander aufbauen. Sie greifen die im Gesetzestext genannten Elemente auf — Sachkunde im Einsatz, Bewusstsein für Chancen sowie Bewusstsein für Risiken und mögliche Schäden — und übersetzen sie in etwas, das sich im Alltag tatsächlich beobachten und trainieren lässt:

1. Die Funktionsweise verstehen

Wer mit KI-Systemen arbeitet, sollte in Grundzügen wissen, wie sie funktionieren — etwa, dass ein Sprachmodell auf Wahrscheinlichkeiten trainierter Textmuster basiert und keine Datenbank mit geprüftem Wissen ist. Das gilt nicht nur für Sprachmodelle: Auch bildgenerierende oder empfehlende Systeme arbeiten nach ähnlichen Prinzipien und liefern kein absolutes Ergebnis, sondern eine statistisch wahrscheinliche Ausgabe auf Basis der Trainingsdaten. Dieses Grundverständnis erklärt, warum KI-Systeme überzeugend klingende, aber falsche Antworten liefern können.

2. Ergebnisse kritisch prüfen

Aus dem ersten Punkt folgt der zweite: Ergebnisse von KI-Systemen sind ein Ausgangspunkt, kein Endergebnis. Wer KI-Kompetenz besitzt, prüft Fakten gegen, hinterfragt unplausible Aussagen und verlässt sich bei wichtigen Entscheidungen nicht allein auf eine KI-Antwort. Besonders bei Zahlen, Zitaten, Rechtsfragen oder Quellenangaben lohnt sich ein zweiter Blick — genau hier neigen Sprachmodelle dazu, überzeugend klingende, aber frei erfundene Angaben zu produzieren, ohne das selbst kenntlich zu machen.

3. Datenschutz-Grenzen kennen

Nicht jede Information gehört in ein KI-Tool. Personenbezogene Daten, Geschäftsgeheimnisse oder vertrauliche Kundendaten in einen öffentlichen Chatbot einzugeben, kann gegen die DSGVO verstoßen und unternehmerische Risiken schaffen, die weit über die Bequemlichkeit im Einzelfall hinausgehen. Eine einfache Faustregel hilft im Alltag: Was Sie nicht offen in eine Suchmaschine eingeben würden, gehört in der Regel auch nicht ohne Weiteres in ein öffentliches KI-Tool.

4. Den rechtlichen Rahmen einordnen

Dazu gehört ein grobes Verständnis dafür, wo KI-Systeme in die Risikokategorien des AI Act fallen, wann Kennzeichnungspflichten für KI-generierte Inhalte gelten und wie es um Urheberrechte bei KI-Ausgaben steht. Niemand muss dafür Jurist sein — aber niemand sollte diese Fragen komplett ignorieren. Für die betriebliche Praxis reicht meist ein Grundverständnis: welche KI-Anwendungen im eigenen Unternehmen überhaupt zum Einsatz kommen, in welche Risikokategorie sie grob fallen, und wen man im Zweifel intern fragen kann.

KI-Kompetenz im Unternehmen aufbauen

Nicht jede Person im Unternehmen braucht dasselbe Niveau. Sinnvoll ist ein gestuftes Vorgehen:

• Basiskompetenz für alle: Jede Person, die im Arbeitsalltag mit KI-Tools in Berührung kommt — inzwischen die meisten Mitarbeitenden —, sollte die vier oben beschriebenen Dimensionen kennen.
• Vertiefte Kompetenz für Entscheiderinnen und Entscheider: Wer Tools auswählt oder Richtlinien erarbeitet, braucht ein genaueres Verständnis von Datenschutz- und Governance-Fragen.
• Spezialwissen für technische Rollen: Wer KI-Systeme selbst entwickelt oder integriert, benötigt zusätzliches technisches Fachwissen, das über die genannten Grundlagen hinausgeht.

Auch der Zeitpunkt spielt eine Rolle: Wer nur einmal, etwa bei der Einführung eines neuen Tools, schult und danach nicht mehr nachfasst, verliert den Anschluss — neue Mitarbeitende kommen hinzu, bestehende Tools ändern sich, neue Anwendungen kommen dazu. Ein Grundkurs zu Beginn der Beschäftigung, ergänzt um gelegentliche Auffrischung, bildet dafür einen realistischen Rahmen.

Ein sinnvoller erster Schritt ist eine kurze Bestandsaufnahme: Welche KI-Tools werden im Unternehmen bereits genutzt — offiziell freigegeben oder inoffiziell durch einzelne Mitarbeitende? Häufig zeigt sich dabei, dass deutlich mehr Personen KI-Anwendungen im Arbeitsalltag einsetzen, als der Geschäftsleitung bewusst ist. Genau deshalb ist eine breite KI-Kompetenz-Schulung für das gesamte Team meist sinnvoller als ein Angebot nur für einzelne Abteilungen.

Entscheidend ist dabei: dokumentieren statt hoffen. Informelles „Wissen die schon irgendwie“ hält weder einer Behördenanfrage noch einem Kundenaudit stand. Ein strukturierter Einstieg wie unser 90-minütiger Online-Kurs zum KI-Zertifikat deckt die Basiskompetenz für das gesamte Team ab und liefert mit dem PDF-Teilnahmezertifikat samt QR-Verifizierung einen nachvollziehbaren Nachweis — kein amtliches Dokument, aber ein prüfbarer Schulungsnachweis. Das erste Kapitel lässt sich kostenlos testen.

Woran erkennt man KI-Kompetenz?

KI-Kompetenz zeigt sich nicht daran, wie viele Fachbegriffe jemand nennen kann, sondern im täglichen Umgang mit den Systemen. Beobachtbare Anzeichen sind zum Beispiel:

• Mitarbeitende fragen bei einer KI-Antwort routinemäßig nach der Quelle oder prüfen sie anderweitig.
• Sensible oder personenbezogene Daten landen nicht in öffentlichen KI-Tools.
• KI-generierte Inhalte werden dort gekennzeichnet, wo das erforderlich oder üblich ist.
• Unplausible oder überraschende Ergebnisse werden hinterfragt statt unreflektiert übernommen.
• Mitarbeitende können erklären, warum sie ein KI-Ergebnis nutzen oder verwerfen — nicht nur, dass sie es getan haben.
• Es gibt ein Gespür dafür, wann der Einsatz von KI angebracht ist — und wann nicht.

Wer diese Verhaltensweisen im eigenen Team beobachtet, hat mehr über den tatsächlichen Stand der KI-Kompetenz erfahren als durch jede Selbstauskunft in einer Mitarbeiterumfrage. Buzzwords lassen sich auswendig lernen, ein reflektierter Umgang mit einem unerwarteten oder falschen Ergebnis dagegen nicht.

Fazit

KI-Kompetenz ist kein Zertifikat, das man einmal erwirbt und dann abhakt, sondern eine Praxis, die mitwächst, wenn sich Werkzeuge und Anwendungsfälle ändern. Der EU AI Act gibt mit Artikel 4 einen Rahmen vor, in dem Unternehmen diese Kompetenz fördern sollen — ein strukturierter, dokumentierter Einstieg für das gesamte Team ist dafür ein naheliegender erster Schritt, dem im Alltag die kontinuierliche Praxis folgen muss. Unternehmen, die diesen Einstieg früh und nachvollziehbar organisieren, tun sich später leichter — sowohl im Alltag mit den Tools als auch, wenn eine Behörde oder ein Kunde konkret nachfragt.