KI-Schulung mit Praxisbeispielen: Wie aus OpenAI Signals wirksames Lernen wird

Wie sollte eine KI-Schulung aussehen, wenn im selben Raum Menschen sitzen, die täglich mit ChatGPT arbeiten, und andere, die gerade erst anfangen? Ein gemeinsamer Vortrag über Funktionen löst diesen Unterschied kaum auf. Eine konkrete Arbeitsaufgabe kann dagegen alle beteiligen: Was ist die Eingabe, welches Ergebnis brauchen wir und woran erkennen wir einen Fehler?

Die neue Veröffentlichung von OpenAI Signals ist dafür eine brauchbare Ideengrundlage. Sie zeigt berufliche Tätigkeitskategorien, die Menschen tatsächlich an ChatGPT herantragen. Für diesen Beitrag habe ich die Deutschland-Daten ausgewertet und sechs fiktive Schulungsfälle entwickelt. Die Beispiele sind didaktische Vorschläge von Consulting Entenmann. Sie dokumentieren keine durchgeführten Tests oder Lernerfolge.

Transparenz zur Texterstellung: Dieser Beitrag wurde mit Unterstützung generativer KI erstellt. Die Originaldaten wurden eigenständig ausgewertet; Quellen und abgeleitete Übungen sind ausgewiesen.

Warum die Daten für Schulungen interessant sind

In Deutschland entfallen im dritten Quartal 2026 beispielsweise 2,647 Prozent der beruflich eingeordneten Nachrichten auf das Vorbereiten von Informations- oder Lernmaterial. Das Vermitteln schulischer oder beruflicher Inhalte erreicht 1,653 Prozent. Bildungsprogramme und Lernpläne entwickeln liegt bei 0,793 Prozent. Die breite Kategorie zur Beratung in Bildungs- oder Berufsfragen kommt auf 3,428 Prozent.

Diese Tätigkeiten liegen nah beieinander, erfüllen aber unterschiedliche Zwecke. Wer Informationsmaterial vorbereitet, hat noch niemanden erfolgreich geschult. Wer einen Lernplan erstellt, hat noch nicht geprüft, ob die Inhalte verständlich sind. Gerade deshalb ist die Aufteilung hilfreich: Sie ermöglicht gezielte Übungen mit passenden Ergebnissen und Bewertungskriterien.

Die Signals-Tätigkeitstabelle betrachtet berufliche Nachrichten aus individuellen ChatGPT-Tarifen. Sie enthält weder Unternehmensnachrichten noch Codex und misst keine Kompetenzzuwächse. Unsere Themenauswahl ist eine redaktionelle Zusammenstellung aus den veröffentlichten IWAs. Einen Überblick über die gesamte Methodik finden Sie im Leitartikel zu OpenAI Signals und Büroarbeit.

Die wichtigste Vorbereitung: Eine Aufgabe statt eines Werkzeugnamens

„Wir möchten ChatGPT kennenlernen“ ist ein verständlicher Einstieg, aber ein ungenaues Lernziel. „Wir möchten aus einer freigegebenen Verfahrensbeschreibung eine korrekte Checkliste vorbereiten“ lässt sich viel besser üben. Am Ende kann jede Person zeigen, welche Informationen sie verwendet, welche Grenzen sie gesetzt und welche Fehler sie gefunden hat.

Für Akademien, Vereine und Geschäftsstellen würde ich deshalb zunächst typische Arbeitsprodukte sammeln: Teilnahmeinformationen, Raumbuchungen, Veranstaltungsprogramme, Einarbeitungsunterlagen oder Sitzungsnachbereitungen. Die Schulung greift einige davon mit künstlichen Daten auf. So bleibt der Bezug zum Alltag konkret, ohne interne Unterlagen für die erste Übung vorauszusetzen.

Der Wissensstand beeinflusst dann die Schwierigkeit, nicht den gemeinsamen Gegenstand. Einsteiger arbeiten mit einer kurzen, eindeutigen Eingabe. Fortgeschrittene erhalten eine widersprüchliche Fassung und sollen eine belastbare Arbeitsanweisung entwickeln. Beide Gruppen können ihre Ergebnisse an denselben fachlichen Kriterien vergleichen.

Sechs Praxisbeispiele für KI-Schulungen

1. Aus einer Verfahrensbeschreibung eine Einarbeitungshilfe erstellen

Fiktives Beispiel: Ein Verband hat einen schriftlichen Ablauf zur Bearbeitung von Fortbildungsanmeldungen. Das Übungsdokument enthält Eingang, Bestätigung, Warteliste und Rückfragen. ChatGPT erstellt daraus eine einseitige Einarbeitungshilfe für eine neue Person. Jeder Schritt erhält einen Verweis auf den entsprechenden Abschnitt.

Die zusätzliche Aufgabe lautet: Was lässt sich aus dem Dokument nicht beantworten? Im Text ist beispielsweise keine Zuständigkeit für Erstattungen genannt. Eine gute Ausgabe führt diesen Punkt als offene Frage auf. Sie ergänzt keine vermeintlich übliche Regel. Die Gruppe lernt so, einen erklärenden Text von einer verbindlichen Arbeitsanweisung zu unterscheiden.

Die IWA-Bezüge sind Informationsmaterial vorbereiten und Arbeitsabläufe vermitteln. Bewertet werden Vollständigkeit, richtige Reihenfolge und nachvollziehbare Quellen. Eine anschließende Probe kann eine Person durchführen, die den künstlichen Ablauf zuvor nicht kennt: Kann sie den Vorgang anhand der Hilfe korrekt beschreiben?

2. Dieselbe Fachinformation für unterschiedliche Kenntnisstände erklären

Eine fiktive Geschäftsstelle möchte verstehen, was eine zentrale Dateiablage von einem lokalen Ordner unterscheidet. Die Übung stellt einen kurzen, fachlich geprüften Ausgangstext bereit. Die KI soll daraus eine Erklärung für Einsteiger und eine vertiefte Fassung für erfahrene Beschäftigte erstellen. Beide müssen denselben sachlichen Kern erhalten.

Als Fehlerfall wird eine verbreitete, aber falsche Vereinfachung eingebaut: „In der Cloud können automatisch alle alles sehen.“ Die Teilnehmenden müssen erkennen, dass Berechtigungen und konkrete Einrichtung entscheidend sind. Die einfache Erklärung darf den Unterschied nicht verschlucken. Die vertiefte Fassung soll dafür keine Funktionen erfinden, die im Ausgangsmaterial nicht stehen.

Das Beispiel zeigt, wie KI beim Vermitteln beruflicher Inhalte helfen kann. Ob Menschen es anschließend verstanden haben, wird mit einer kleinen Anwendungsaufgabe geprüft. Sie sollen beispielsweise drei konkrete Zugriffsfragen zu einer fiktiven Ordnerstruktur beantworten. Die Eleganz der Erklärung allein ist kein Lernnachweis.

3. Einen Wissenstest aus einer freigegebenen Grundlage entwickeln

Ein fiktiver Sportverband bereitet eine Einführung in seine Veranstaltungsorganisation vor. ChatGPT erhält einen künstlichen Leitfaden und soll sechs Fragen mit Musterantworten erstellen. Jede Frage nennt das Lernziel und die Textstelle, aus der sich die richtige Antwort ergibt. Mindestens zwei Fragen sollen eine Anwendung auf einen neuen Fall verlangen.

Ein Beispiel fragt, wie mit einer Anmeldung nach Ablauf der Frist umzugehen ist. Der Leitfaden sieht eine Prüfung durch die zuständige Person vor. Eine Antwortoption „immer automatisch ablehnen“ wäre daher unzutreffend. Der Trainer prüft Fragen und Lösungsschlüssel, bevor Teilnehmende damit arbeiten.

Die Tätigkeit passt zur Entwicklung von Lernmaterial. Die Bewertung von Lernenden ist ein eigener, sensiblerer Schritt. Diese Übung erzeugt zunächst Material zur menschlichen Prüfung. Für Entscheidungen mit Folgen für Personen müsste der konkrete Einsatz gesondert betrachtet werden. Ein automatisch erzeugter Test ist nicht von sich aus fair oder fachlich korrekt.

4. Ein schwieriges Gespräch mit einer fiktiven Rolle üben

Eine fiktive Akademie möchte Servicegespräche trainieren. Eine Teilnehmerin ist verärgert, weil sie auf einer Warteliste steht. ChatGPT übernimmt in der Übung diese Rolle auf Grundlage eines festen Szenarios. Die Beschäftigten üben, verständlich zu erklären, offene Punkte zu erfragen und keine unzulässige Zusage zu machen.

Die Rolle erhält klare Grenzen: keine persönlichen Daten, keine beleidigenden Eskalationen und keine neuen Tatsachen außerhalb des Szenarios. Nach dem Gespräch folgt eine Auswertung anhand vereinbarter Kriterien. Wurde die Regel verständlich erklärt? Wurde das Anliegen aufgenommen? Wurde eine Entscheidung versprochen, die die Person nicht treffen darf?

Die KI kann Hinweise zum Gespräch liefern. Die fachliche und pädagogische Bewertung bleibt beim Trainer und der Gruppe. Der Tätigkeitsbezug liegt bei Coaching und dem Üben von Beratung. Das Szenario zeigt zugleich eine Grenze: Die Reaktion einer KI-Rolle belegt nicht, wie ein echter Mensch auf dieselbe Formulierung reagieren würde.

5. Aus einer Recherche ein überprüfbares Wissensblatt machen

Ein fiktives Team möchte sich zu einem neuen Fachthema orientieren. Für die Übung werden drei öffentliche, tatsächlich zugängliche Quellen ausgewählt oder drei eigens erstellte Quelltexte bereitgestellt. ChatGPT soll die Aussagen gegenüberstellen und ein Wissensblatt mit Quelle, Stand und offenen Fragen vorbereiten. Diese Aufgabe bezieht sich auf das Aktualisieren von Fachwissen und das Lesen von Arbeitsmaterial.

Eine Quelle ist absichtlich älter und beschreibt einen anderen Geltungsbereich. Die Gruppe muss erkennen, ob die Zusammenfassung diese Unterschiede ausweist. Eine gemeinsame Formulierung aller Quellen kann sonst den Eindruck erwecken, widersprüchliche Aussagen seien geklärt. Das Modell soll Unsicherheit sichtbar machen und keine zusätzlichen Belege erfinden.

Für eine Einsteigerrunde ist ein geschlossenes Quellenpaket sinnvoll. Für Fortgeschrittene kann die Recherche selbst Teil der Aufgabe werden. Dann müssen Suchweg, Quellenauswahl und Aktualität mitbewertet werden. Der Aufwand für die Quellenprüfung gehört zum späteren Nutzenvergleich.

6. Einen Lernplan für eine konkrete Rolle entwickeln

Eine fiktive Geschäftsstelle möchte neue Beschäftigte in die digitale Veranstaltungsbearbeitung einarbeiten. Die KI bekommt Aufgabenbeschreibung, verfügbare Lernzeit und geprüfte Unterlagen. Sie erstellt einen Plan für drei kurze Lerneinheiten. Jede Einheit benennt eine Aufgabe, eine Übung und einen überprüfbaren Abschluss.

Das erste Lernziel könnte lauten: Eine vollständige Anmeldung von einer unvollständigen unterscheiden. Das zweite: Eine Antwort anhand des freigegebenen FAQ vorbereiten. Das dritte: Einen unklaren Fall an die zuständige Person übergeben. Die Reihenfolge folgt der Tätigkeit. Sie hängt nicht davon ab, welches Werkzeug gerade die meisten Funktionen anbietet.

Die Kontrolle prüft auch die Machbarkeit: Passen Materialumfang und Bearbeitungszeit zusammen? Sind Voraussetzungen erklärt? Gibt es Gelegenheit zur Rückfrage? Ein Vorschlag für zwölf Themen in 30 Minuten ist kein realistischer Lernplan. Der Bezug zur IWA „Bildungsprogramme und Lernpläne entwickeln“ wird dadurch konkret.

Ein Prompt für eine belastbare Schulungsübung

Entwickle eine Übung für neue Beschäftigte einer fiktiven Geschäftsstelle.
Grundlage ist ausschließlich der unten stehende künstliche Leitfaden.
Lernziel: Eine unvollständige Anmeldung erkennen und eine Rückfrage vorbereiten.
Erstelle: Ausgangsfall, Arbeitsauftrag, erwartetes Ergebnis und Musterlösung.
Nenne für jede Vorgabe die passende Stelle im Leitfaden.
Baue einen eindeutigen und einen unklaren Fall ein.
Fehlende Regeln müssen als offene Punkte erscheinen.
Schlage drei Kriterien vor, anhand derer ein Trainer die Lösung prüfen kann.
Leitfaden: [künstlichen Text einsetzen]

Ein Trainer prüft anschließend den gesamten Übungsaufbau. Ist die Musterlösung tatsächlich aus dem Leitfaden ableitbar? Ist der unklare Fall beabsichtigt und sinnvoll? Gibt es eine faire Lösung für Menschen, die das Verfahren noch nicht kennen? Auch KI-generiertes Lernmaterial benötigt diese didaktische Kontrolle.

Ein möglicher Ablauf für einen dreistündigen Workshop

Die folgende Zeitplanung ist ein Vorschlag für eine praktische Schulung, kein von der Studie vorgegebenes Format. In den ersten 20 Minuten klärt die Gruppe Aufgaben, Vorkenntnisse und die erlaubten Übungsdaten. Danach bearbeiten die Teilnehmenden 30 Minuten lang denselben überschaubaren Fall zunächst anhand des Ausgangsmaterials und anschließend mit KI.

Für den gemeinsamen Ergebnisvergleich folgen 25 Minuten. Dabei werden Fehler ausdrücklich gesammelt: fehlende Ausnahme, erfundene Zuständigkeit, unklare Quelle oder falsche Frist. Nach zehn Minuten Pause arbeiten Kleingruppen 45 Minuten an einer zu ihrem Bereich passenden Aufgabe. Sie entwickeln eine Vorlage und testen sie mit einem schwierigeren Gegenbeispiel.

Die nächsten 30 Minuten dienen der Übertragung auf den Arbeitsalltag. Was müsste vor echten Daten geklärt werden? Wer pflegt die Vorlage? Wer gibt Ergebnisse frei? Die letzten 20 Minuten halten einen konkreten nächsten Versuch und eine zuständige Person fest. So ergibt sich ein dreistündiger Ablauf mit einem greifbaren Ergebnis.

Für einen kurzen KI-Vortrag bei einem Verband oder einer Akademie würde ich nur ein bis zwei Fälle auswählen und die Denkweise daran erklären. Ein Praxistraining kann mehr Zeit für eigene Aufgaben und wiederholtes Testen einplanen. Ein Vortrag und ein Implementierungsworkshop haben damit unterschiedliche Arbeitsziele.

Woran sich der Transfer nach der Schulung erkennen lässt

Eine zufriedene Abschlussrunde ist erfreulich, sagt aber wenig über den späteren Einsatz aus. Für einen begrenzten Nachversuch kann das Team beispielsweise zwei Wochen lang eine freigegebene Antwortvorlage nutzen. Erfasst werden angenommene Entwürfe, Korrekturen und ungeklärte Fälle. Die Nutzungshäufigkeit allein reicht dabei nicht als Qualitätsmerkmal.

Eine Person sollte außerdem ohne Unterstützung erklären können, welche Angaben aus der Quelle stammen und welche Entscheidung noch offen ist. Das zeigt mehr als das Wiederholen eines vorbereiteten Prompts. Für die Lernkontrolle eignet sich ein neuer, ähnlicher Fall. Wenn die Vorlage nur mit dem bekannten Demonstrationstext funktioniert, ist der Transfer noch nicht belegt.

Ich würde pro Rolle ein kleines Arbeitsergebnis vereinbaren: eine geprüfte Vorlage, ein dokumentiertes Fehlerbeispiel und ein klarer Anfrageweg für offene Fragen. Für eine KI-Schulung in Aachen, eine Schulung in Düsseldorf oder ein digitales Format bleibt dieses Prinzip gleich. Die Beispiele richten sich nach der tatsächlichen Arbeit der Teilnehmenden.

Häufige Fragen zu KI-Schulungen mit Praxisbeispielen

Können wir die Tätigkeiten aus Signals als Seminarkatalog nutzen?

Sie eignen sich als Ausgangspunkt. Für einen brauchbaren Seminarkatalog sollten daraus passende Lernziele, Übungsdaten und Bewertungskriterien für den jeweiligen Teilnehmerkreis entstehen. Eine Tätigkeitsliste allein ist noch kein Schulungskonzept.

Wie gehen wir mit skeptischen Beschäftigten um?

Geben Sie ihnen eine verständliche Aufgabe und die Möglichkeit, Fehler zu finden. Ein Vergleich mit dem bisherigen Arbeitsweg lässt konkrete Vor- und Nachteile sichtbar werden. Die Teilnahme sollte keine Begeisterung für ein bestimmtes Werkzeug voraussetzen.

Passt das zur Vermittlung betrieblicher KI-Kompetenz?

Die Übungen vermitteln praktische Fähigkeiten zur Anwendung und Prüfung. Welche zusätzlichen Inhalte Ihre Organisation braucht, hängt von Rollen und Einsatzkontext ab. Dazu finden Sie das Angebot zur KI-Kompetenz im betrieblichen Kontext und die Datenschutzschulung für KI.