AI Literacy im Mittelstand: KI-Kompetenz praktisch aufbauen

KI-Tools finden ihren Weg in den Arbeitsalltag oft schneller, als Regeln, Zuständigkeiten und gemeinsames Wissen entstehen. Ein Team testet einen Chatbot für Entwürfe, ein anderes fasst damit Besprechungen zusammen, einzelne Mitarbeitende nutzen private Zugänge. Das kann sinnvoll sein – wirft aber Fragen auf: Welche Daten dürfen eingegeben werden? Wann muss ein Ergebnis geprüft werden? Wer entscheidet bei einem kritischen Anwendungsfall? Genau hier beginnt AI Literacy im Mittelstand: die Fähigkeit, KI sachkundig, kritisch und passend zum jeweiligen Kontext zu nutzen.

Für mittelständische Unternehmen geht es dabei nicht darum, jede Person zur KI-Spezialistin oder zum KI-Spezialisten zu machen. Entscheidend ist ein angemessenes gemeinsames Verständnis: Menschen sollen Chancen und Grenzen der eingesetzten Systeme erkennen, ihre Rolle kennen und in der Praxis verlässlich handeln können. Dieser Beitrag bietet eine fachliche Orientierung für den Aufbau von KI-Kompetenz. Er ersetzt keine Rechtsberatung und keine Prüfung des Einzelfalls.

Was AI Literacy im Unternehmen bedeutet

Die Bundesnetzagentur beschreibt KI-Kompetenz mit Fähigkeiten, Kenntnissen und Verständnis für einen sachkundigen Einsatz von KI sowie mit Bewusstsein für Chancen, Risiken und mögliche Schäden. Diese Perspektive ist hilfreicher als die Frage, ob jemand ein bestimmtes Tool bedienen kann. Ein Tool kann sich ändern; die Fähigkeit, Ergebnisse einzuordnen, Daten sorgfältig zu behandeln und bei Unsicherheit nachzufragen, bleibt relevant.

Als praxistaugliches Orientierungsmodell lassen sich drei Perspektiven unterscheiden. Es handelt sich nicht um eine gesetzliche Taxonomie, sondern um eine Hilfe für die interne Planung:

• Grundverständnis: Mitarbeitende wissen, wofür ein eingesetztes KI-System geeignet sein kann und warum Ausgaben fehlerhaft, unvollständig oder verzerrt sein können.
• Risiko- und Qualitätsprüfung: Sie erkennen sensible Daten, prüfen Ergebnisse vor der Weitergabe und kennen Eskalationswege.
• Organisation und Anwendung: Rollen, erlaubte Einsatzfälle, Freigaben und Dokumentation sind für den Arbeitsalltag nachvollziehbar geregelt.

AI Literacy ist damit mehr als Prompting und mehr als eine Einweisung in eine Benutzeroberfläche. Sie verbindet Wissen über das System mit einem verantwortungsvollen Vorgehen im konkreten Prozess.

Warum Kompetenzaufbau im Arbeitsalltag wichtig ist

Viele Fragen entstehen nicht erst in einem großen KI-Projekt. Sie tauchen in kleinen Alltagssituationen auf: Darf ein Kundentext in ein externes System kopiert werden? Ist eine Zusammenfassung vollständig genug für eine Entscheidung? Wie wird kenntlich gemacht, dass ein Entwurf KI-unterstützt entstanden ist? Ohne gemeinsame Leitplanken reagieren Teams unterschiedlich – oder vermeiden ein hilfreiches Werkzeug aus Unsicherheit vollständig.

Die ILO berichtet aus einer Untersuchung zur Arbeitswelt in Polen von einer Lücke zwischen individueller Nutzung generativer KI, offizieller Einführung und betrieblicher Anleitung. Diese Ergebnisse lassen sich nicht einfach auf jedes Unternehmen übertragen und sind kein Produktivitätsnachweis. Sie verdeutlichen jedoch ein praktisches Muster: Nutzung kann entstehen, bevor Orientierung und Verantwortlichkeiten klar sind. Ein angemessener Kompetenzaufbau kann helfen, diese Reihenfolge wieder zusammenzuführen.

Nicht alle Rollen brauchen dasselbe Wissen

Ein einheitliches Training für alle kann ein guter Einstieg sein. Für die dauerhafte Praxis reicht es häufig nicht aus, weil Rolle, System, Daten und Risiko unterschiedlich sind. Die aktuelle FAQ der Europäischen Kommission zu Art. 4 nennt genau diese Kontextfaktoren als relevant. Eine einfache Rollenmatrix schafft deshalb Klarheit, ohne unnötige Bürokratie aufzubauen.

• Gelegentliche Nutzende benötigen verständliche Regeln zu erlaubten Werkzeugen, Daten und der Prüfung von Ergebnissen.
• Fachbereiche brauchen zusätzlich konkrete Beispiele aus ihren Prozessen: Welche Vorarbeit ist zulässig, wer trägt die fachliche Verantwortung und wo endet der Einsatz?
• Führungskräfte sollten Nutzen, Grenzen und Entscheidungswege einordnen können, damit sie keine unklaren Erwartungen in die Teams geben.
• HR, Compliance und Datenschutz benötigen einen Blick auf Rollen, Vorgaben, Dokumentation und interne Kommunikation.
• IT und technische Verantwortliche befassen sich darüber hinaus mit Systemauswahl, Berechtigungen, Schnittstellen und sicheren Betriebsbedingungen.

Die Einteilung ist keine starre Hierarchie. In einem kleinen Unternehmen können mehrere Aufgaben bei wenigen Personen liegen. Wichtig ist nur, dass Anforderungen nicht pauschal verteilt, sondern begründet festgelegt werden.

KI-Kompetenz praktisch aufbauen: ein Plan in fünf Schritten

1. Tatsächliche KI-Einsätze sichtbar machen

Starten Sie nicht mit einem abstrakten Schulungskatalog. Sammeln Sie zunächst die heute genutzten oder geplanten Systeme und Anwendungsfälle. Fragen Sie: Wer nutzt das System? Welche Informationen fließen hinein? Entsteht daraus ein Entwurf, eine Empfehlung oder eine Entscheidung? Bereits diese Bestandsaufnahme macht Unterschiede zwischen unkritischen Ideensammlungen und sensibleren Einsätzen sichtbar.

2. Rollen und Kontexte clustern

Ordnen Sie die Anwendungsfälle nicht nur nach Abteilungen, sondern nach ähnlichen Risiken und Aufgaben. Wer Texte vorbereitet, braucht andere Leitplanken als jemand, der mit personenbezogenen Informationen arbeitet oder KI-Ausgaben als Grundlage für fachliche Entscheidungen verwendet. So vermeiden Sie sowohl überladene Pflichtprogramme als auch blinde Flecken.

3. Konkreten Kompetenzbedarf formulieren

Übersetzen Sie die Cluster in beobachtbare Praxisfragen. Können Mitarbeitende erklären, warum ein Ergebnis geprüft werden muss? Wissen sie, welche Daten nicht in ein bestimmtes Tool gehören? Kennen sie die zuständige Ansprechperson? Kompetenzziele werden besser, wenn sie an Arbeitsabläufe statt an Schlagworte gebunden sind.

4. Maßnahmen, Regeln und Übungen verbinden

Die Kommission schreibt kein einheitliches Trainingsformat vor. Je nach Bedarf können kurze Grundlagenmodule, moderierte Fallbesprechungen, Leitfäden, Übungen mit echten – aber datenschutzgerecht aufbereiteten – Beispielen oder regelmäßige Sprechstunden zusammenwirken. Entscheidend ist die Verbindung zur Arbeitsrealität: Eine Regel zu vertraulichen Daten wird verständlicher, wenn sie an einer typischen Anfrage aus dem eigenen Unternehmen erläutert wird.

5. Dokumentieren, prüfen und auffrischen

Halten Sie fest, welche Maßnahmen für welche Rollen vorgesehen sind und wie sie vermittelt wurden. Prüfen Sie anschließend mit kurzen Rückmeldungen, Fallfragen oder Teamgesprächen, ob die Regeln im Alltag ankommen. Wenn Systeme, Prozesse oder Risiken sich ändern, gehört auch die Kompetenzplanung auf den Prüfstand. Auffrischung bedeutet nicht automatisch ein großes neues Programm; manchmal genügt eine gezielte Aktualisierung einer Leitlinie oder eines Praxisbeispiels.

Art. 4 des EU AI Act sachlich einordnen

Stand dieser redaktionellen Einordnung: August 2026. Die Europäische Kommission erläutert in ihrer aktuellen FAQ zu Art. 4, dass Anbieter und Betreiber Maßnahmen zur Entwicklung von KI-Kompetenz bei Personal und weiteren Personen treffen sollen, die in ihrem Auftrag KI-Systeme betreiben oder nutzen. Kenntnisse, Erfahrung, Ausbildung, Training und Nutzungskontext sind dabei zu berücksichtigen. Daraus folgt keine universelle Kurs-, Zertifikats- oder Prüfpflicht für jede Person.

Die offiziellen Hinweise betonen, dass Maßnahmen kontextbezogen ausgestaltet werden sollen und kein einheitliches Schulungs- oder Zertifikatsformat vorgegeben ist. Für eine konkrete rechtliche Bewertung sollten Unternehmen daher stets die konsolidierte Rechtslage und ihren Einzelfall prüfen lassen. Fachlich sinnvoll bleibt die praktische Frage: Können die betroffenen Personen mit dem eingesetzten System und seinen Risiken angemessen umgehen?

Wenn Sie die Umsetzung von Art. 4 vertiefen möchten, finden Sie dazu den Beitrag KI-Kompetenz nach Art. 4 EU AI Act praktisch umsetzen. Dieser Artikel bleibt bewusst bei der allgemeineren Frage, wie ein Unternehmen KI-Kompetenz aufbauen kann.

Checkliste für den internen Start

• Welche KI-Systeme werden bereits genutzt oder erprobt?
• Welche Rollen arbeiten damit und welche Entscheidungen oder Texte entstehen daraus?
• Welche Daten dürfen eingegeben werden – und welche nicht?
• Wo ist eine menschliche Prüfung erforderlich, bevor Ergebnisse verwendet oder weitergegeben werden?
• Wer beantwortet Rückfragen und entscheidet bei Unsicherheit?
• Wie werden Regeln, Maßnahmen und Aktualisierungen nachvollziehbar dokumentiert?

Mit diesen Fragen entsteht keine fertige KI-Strategie. Sie schaffen aber eine belastbare Gesprächsgrundlage zwischen Fachbereichen, Führung, IT und den zuständigen Stellen. Der nächste sinnvolle Schritt ist meist ein kleiner, klar abgegrenzter Anwendungsfall, an dem Regeln und Lernformate gemeinsam getestet werden.

KI-Schulung als gemeinsamer Einstieg

Ein guter Einstieg verbindet Grundlagen mit den konkreten Fragen aus Ihrem Arbeitsalltag: Welche Nutzung ist erwünscht, wie werden Ergebnisse geprüft und wie gehen Teams mit Unsicherheit um? Die KI-Schulung von Consulting Entenmann kann als Anlass dienen, diese Themen strukturiert zu besprechen. Consulting Entenmann verbindet praxisnahe KI-Schulungen und KI-Beratung mit klaren Leitplanken für sichere KI-Nutzung. Dieser Beitrag dient der fachlichen Orientierung und ersetzt keine Rechtsberatung.

Quellen und weiterführende Informationen

• Europäische Kommission / AI Office: AI Literacy – Questions & Answers
• Europäische Kommission / AI Office: Repository of AI literacy practices
• Bundesnetzagentur: KI-Kompetenz
• International Labour Organization: Generative AI at work
• UK Government: AI Skills for Life and Work – Rapid Evidence Review

AI Literacy im Mittelstand als gemeinsame Kompetenz

Autor: Niklas Entenmann