Von KI-Adoption zu KI-Kompetenz

Die KI-Adoption entwickelt sich schneller als die KI-Kompetenz

Die Geschwindigkeit der technologischen Verbreitung ist bemerkenswert. EU-weit war der Anteil der Unternehmen, die KI einsetzen, 2025 etwa 2,5-mal so hoch wie noch 2023. Besonders schnell geht die Entwicklung bei großen Unternehmen voran: 55 % nutzten 2025 mindestens eine KI-Technologie, gegenüber 30,5 % nur zwei Jahre zuvor (Eurostat, 2026).

Gleichzeitig identifiziert die OECD fehlende Kompetenzen als eines der Hindernisse für die weitere Verbreitung von KI. Ihre Analyse von 2026 macht zudem eine wichtige Unterscheidung: Für die Anpassung an KI braucht es mehr als spezialisiertes KI-Fachwissen. Beschäftigte benötigen zunehmend eine Kombination aus grundlegenden und digitalen Kompetenzen sowie Fähigkeiten wie Problemlösung, Autonomie, kreativem Denken, Kommunikation, Zusammenarbeit und kontinuierlichem Lernen (OECD, 2026).

Es gibt Hinweise darauf, dass die Kompetenzentwicklung mit dieser Geschwindigkeit nicht immer Schritt hält.

Eine OECD-Befragung von mehr als 5.000 kleinen und mittleren Unternehmen in sieben Ländern, darunter Deutschland und Österreich, ergab: Von den KMU, die generative KI bereits einsetzten, gaben lediglich 23,6 % an, dass ihre Mitarbeitenden an KI-bezogenen Weiterbildungen teilgenommen hatten. Gleichzeitig berichteten Unternehmen, deren Mitarbeitende an entsprechenden Trainings teilgenommen hatten, häufiger von positiven Ergebnissen beim Einsatz generativer KI. Die Untersuchung bezieht sich auf KMU und basiert auf Befragungsdaten aus dem Jahr 2024. Die Ergebnisse lassen sich daher nicht ohne Weiteres auf Großunternehmen übertragen. Sie verdeutlichen jedoch die grundsätzliche Lücke zwischen der Bereitstellung von KI und der systematischen Befähigung von Menschen, damit zu arbeiten (OECD, 2025).

Für Unternehmen beginnt damit nach der Einführung der Technologie eine zweite Aufgabe. Zugang bereitzustellen, ist vergleichsweise einfach. Deutlich anspruchsvoller ist es, die Kompetenzen zu entwickeln, die Menschen benötigen, um KI in ihre Arbeit zu integrieren, ihre Ergebnisse zu bewerten und sie produktiv einzusetzen. Eine steigende Nutzung führt ohne diese Kompetenzentwicklung nicht automatisch zu besseren Arbeitsweisen.

Entscheidend ist nicht, ob Mitarbeitende KI „nutzen“

Die reine Nutzung ist ein schwacher Indikator für Reife.

Wer gelegentlich einen Chatbot bittet, ein Dokument zusammenzufassen, nutzt KI. Das gilt ebenso für jemanden, der einen wiederkehrenden Arbeitsprozess mithilfe von KI neu gestaltet hat, bewusst entscheidet, welche Aufgaben delegiert werden können, Ergebnisse anhand geeigneter Quellen überprüft und erkennt, wann menschliches Urteilsvermögen Vorrang haben muss.

Diese Verhaltensweisen stehen nicht für dasselbe Niveau oder dieselbe Art von Kompetenz.

Das ist relevant, weil generative KI die Hürde, ein Ergebnis zu produzieren, drastisch senkt. Eine plausibel klingende Antwort, Analyse, Präsentationsstruktur oder Empfehlung kann innerhalb weniger Sekunden entstehen. Die menschliche Aufgabe verlagert sich damit zunehmend darauf, zu wissen, was gefragt werden sollte, welchen Kontext das System benötigt, ob dem Ergebnis vertraut werden kann und was anschließend damit geschehen soll.

Mitarbeitende müssen erkennen können, wo KI eine Aufgabe oder einen Prozess sinnvoll verbessern kann – und wo nicht. Sie müssen entscheiden, was delegiert werden kann und was in menschlicher Verantwortung bleiben sollte. Sie müssen plausibel klingende, aber falsche Ergebnisse erkennen, Informationen verantwortungsvoll einsetzen und einschätzen können, wann Überprüfung, Eskalation oder fachliche Expertise erforderlich sind.

Die OECD-Analyse zu Kompetenzen im KI-Zeitalter stützt dieses breitere Verständnis von KI-Kompetenz. Sie nennt neben ICT-Kompetenzen auch ergänzende Fähigkeiten wie Teamarbeit, Autonomie, Problemlösung, kreatives Denken, Kommunikation, Zusammenarbeit und kontinuierliches Lernen als relevant in zunehmend KI-geprägten Arbeitsumgebungen (OECD, 2026).

Prompting ist ein Bestandteil der Arbeit mit generativer KI, deckt aber nur einen kleinen Teil dessen ab, was eine wirksame Nutzung erfordert. Die entscheidenderen Kompetenzen liegen darin, überhaupt zu erkennen, wo KI sinnvoll eingesetzt werden kann, dem System den richtigen Kontext zu geben, Ergebnisse zu bewerten und fundiert zu entscheiden, wie mit ihnen weitergearbeitet wird. Für Unternehmen ist die Entwicklungsaufgabe deshalb deutlich umfassender, als Mitarbeitenden lediglich den Umgang mit einem Chatbot beizubringen.

Der EU AI Act macht die Kompetenzfrage konkreter

Die Diskussion um KI-Kompetenz wird längst nicht mehr nur durch Produktivitätsziele bestimmt. In Europa müssen sich Unternehmen auch damit auseinandersetzen, was ein angemessenes Maß an KI-Kompetenz für diejenigen bedeutet, die mit KI-Systemen arbeiten.

Artikel 4 des EU AI Act verpflichtet Anbieter und Betreiber von KI-Systemen seit Februar 2025 dazu, Maßnahmen zu ergreifen, um bei relevanten Mitarbeitenden ein ausreichendes Maß an KI-Kompetenz sicherzustellen. Wichtig dabei: Die Verordnung definiert dies nicht als standardisierte Trainingsanforderung. Welche Maßnahmen angemessen sind, hängt unter anderem von technischen Kenntnissen, Erfahrung, Ausbildung und Training der jeweiligen Personen sowie vom Kontext ab, in dem ein KI-System eingesetzt wird (Europäische Kommission, 2026).

Dieser Kontext ist entscheidend. Wer generative KI nutzt, um interne Kommunikation zu entwerfen, arbeitet mit anderen Risiken und Entscheidungen als eine Führungskraft, die KI-gestützte Informationen zur Vorbereitung einer Geschäftsentscheidung verwendet. Ein HR-Team, das mit einem KI-gestützten System arbeitet, bewegt sich wiederum in einem anderen Anwendungskontext. Eine allgemeine Einführung in KI kann eine gemeinsame Grundlage schaffen, aber nicht jeden Kompetenzbedarf gleichermaßen abdecken.

Damit wird KI-Kompetenz zum Ausgangspunkt für eine weiterführende L&D-Frage: Was muss eine bestimmte Gruppe von Mitarbeitenden konkret wissen und können, um KI in ihrer Rolle wirksam einzusetzen?

Das Repository der Europäischen Kommission zu AI-Literacy-Maßnahmen enthält bereits Beispiele von Organisationen, die allgemeine KI-Bildung mit Weiterbildungsangeboten kombinieren, die auf bestimmte Rollen, Funktionen oder Wissensstände zugeschnitten sind. Statt die Belegschaft als homogene Gruppe von „KI-Nutzenden“ zu betrachten, deutet dies auf eine Kompetenzentwicklung hin, die berücksichtigt, wie Menschen KI tatsächlich in ihrer Arbeit begegnen (Europäische Kommission, 2026).

Für HR und L&D verschiebt sich die Aufgabe damit von der Bereitstellung eines KI-Kurses hin zur Definition relevanter Kompetenzen. Eine gemeinsame Basis kann für die gesamte Organisation sinnvoll sein. Die erwarteten Verhaltensweisen und Fähigkeiten verschiedener Zielgruppen können sich darüber hinaus jedoch erheblich unterscheiden.

KI-Kompetenz ist auch eine Führungsfrage

Bei der KI-Adoption liegt der Fokus häufig auf der Belegschaft: Mitarbeitende sollen mehr experimentieren, neue Tools erlernen und produktiver werden.

Doch was passiert, wenn diejenigen, die diese Transformation steuern sollen, selbst nur wenig praktische Erfahrung damit haben, wie KI die Arbeit verändert?

Die OECD zeigt, dass Führungskräfte und Fachkräfte zu den Berufsgruppen gehören, die besonders stark mit KI in Berührung kommen. Gleichzeitig beruhen diese Tätigkeiten in hohem Maße auf nicht-routinemäßigen kognitiven und sozialen Fähigkeiten. Eine hohe KI-Exposition ist deshalb nicht mit einem einfachen Automatisierungsrisiko gleichzusetzen (OECD, 2026).

Führungskräfte müssen keine KI-Spezialist:innen werden. Sie brauchen jedoch ausreichend praktisches Verständnis, um fundierte Entscheidungen über ihren Einsatz treffen zu können. Sie müssen erkennen, wo KI Reibungsverluste reduzieren kann und wo sie möglicherweise die Qualität beeinträchtigt, welche Arbeitsabläufe angepasst werden sollten, welche Leitplanken notwendig sind und wo Verantwortung ausdrücklich beim Menschen bleiben muss.

Auch das Verhalten von Führungskräften prägt, wie Mitarbeitende mit neuen Technologien umgehen. Menschen zum Experimentieren mit KI aufzufordern, während bestehende Prozesse, Erwartungen und Entscheidungsstrukturen unverändert bleiben, erzeugt einen offensichtlichen Widerspruch. Mitarbeitende können individuelle Abkürzungen und sinnvolle Anwendungsfälle finden. Damit daraus bessere organisationale Arbeitsweisen entstehen, braucht es jedoch Entscheidungen über Prozesse, Rollen, Verantwortlichkeiten und Zusammenarbeit.

KI-Kompetenz betrifft deshalb nicht ausschließlich einzelne Mitarbeitende oder L&D. Sie beeinflusst auch, wie Führungskräfte Arbeit gestalten und steuern.

KI-Kompetenz braucht mehr als Digital Enablement

Bei DeepSkill verstehen wir Digital Enablement Skills als einen Teil einer umfassenderen Business-Critical-Skills-Architektur. Dazu gehören die Kompetenzen, die Menschen benötigen, um digitale Technologien und KI sicher und verantwortungsvoll einzusetzen. Sie stehen jedoch in Wechselwirkung mit zwei weiteren Bereichen: Self Enablement Skills und Collaboration Enablement Skills.

Gerade beim Einsatz von KI wird dieses Zusammenspiel deutlich.

Mitarbeitende können wissen, wie ein KI-System bedient wird, und trotzdem nicht über die kritische Reflexionsfähigkeit verfügen, um eine überzeugend klingende Antwort zu hinterfragen. Eine Führungskraft kann die Technologie verstehen und dennoch Schwierigkeiten haben, ein Team durch veränderte Verantwortlichkeiten und Unsicherheit zu führen. Und ein Team kann aus kompetenten individuellen KI-Nutzenden bestehen, ohne gemeinsame Regeln dafür entwickelt zu haben, wann, wo und wie KI in die Zusammenarbeit integriert werden sollte.

Digital Enablement unterstützt Menschen dabei, KI zu verstehen, sinnvolle Anwendungsmöglichkeiten zu erkennen und digitale Systeme sicher und verantwortungsvoll einzusetzen. Self Enablement wird relevant, wenn Menschen kritisch reflektieren, lernen und umlernen, mit Ambiguität umgehen und ihr eigenes Urteilsvermögen bewahren müssen. Collaboration Enablement spielt eine Rolle, wenn KI Arbeitsabläufe, Verantwortlichkeiten, Kommunikation und Führung in Teams verändert.

Diese Kompetenzen wirken nicht unabhängig voneinander. KI verändert nicht nur die eingesetzten Tools, sondern auch, wie Menschen Entscheidungen treffen, Arbeit organisieren, zusammenarbeiten und lernen. KI-Kompetenz als isoliertes technisches Skillset zu betrachten, bildet deshalb nur einen Teil der Entwicklungsaufgabe ab.

Von „KI für alle“ zu Kompetenzen im jeweiligen Geschäftskontext

Für HR- und L&D-Verantwortliche folgt daraus nicht zwangsläufig, mehr KI-Kurse anzubieten. Vielmehr gilt es, genauer zu definieren, was Menschen tatsächlich können müssen.

Ausgangspunkt sollte der Geschäftskontext sein. Wo soll KI einen konkreten Mehrwert schaffen? Welche Prozesse, Entscheidungen oder Tätigkeiten könnten durch ihren Einsatz sinnvoll verbessert werden?

Darauf aufbauend können Unternehmen definieren, welche Verhaltensweisen sich verändern sollen. „KI stärker nutzen“ ist zu unspezifisch, um Kompetenzentwicklung sinnvoll zu steuern. Eine bestimmte Zielgruppe muss vielleicht bessere Anwendungsfälle identifizieren, Ergebnisse systematischer validieren, wiederkehrende Arbeitsabläufe neu gestalten oder schneller entscheiden können, ohne dabei Verantwortung abzugeben.

Erst dann wird die Skill-Frage konkret. Unterschiedliche Zielgruppen benötigen möglicherweise unterschiedliche Kombinationen aus KI-Wissen, Anwendungskompetenz, kritischem Denken, Kommunikation, Selbstführung oder Veränderungskompetenz.

Auch die Lernarchitektur sollte diese Unterschiede berücksichtigen und Kompetenzentwicklung mit den Situationen verbinden, in denen Menschen das Gelernte tatsächlich anwenden sollen. Und bei der Messung reicht es nicht, ausschließlich Aktivitätskennzahlen zu betrachten. Aktivierte Lizenzen, Logins oder abgeschlossene Kurse zeigen, ob ein Tool oder Lernangebot genutzt wird. Sie belegen für sich genommen jedoch nicht, dass Menschen die Kompetenzen entwickelt haben, die sie für einen wirksamen Umgang mit KI benötigen.

Dieser Logik folgt auch der Business-Critical-Skills-Ansatz von DeepSkill: Ausgangspunkt sind die geschäftliche Herausforderung und das gewünschte Zielverhalten. Darauf aufbauend werden die für unterschiedliche Zielgruppen relevanten Kompetenzen identifiziert, in passende Learning Journeys übersetzt und ihre Entwicklung messbar gemacht.

Über den Zugang hinausdenken

Die erste Phase der generativen KI in Unternehmen war stark vom Zugang geprägt: Tools einführen, Pilotprojekte starten, Richtlinien entwickeln und Mitarbeitende zum Experimentieren ermutigen.

Mit zunehmender Verbreitung werden die Fragen anspruchsvoller.

Wo verbessert KI die Arbeit tatsächlich? Welche Kompetenzen brauchen Mitarbeitende, um sie sinnvoll einzusetzen? Wie unterscheiden sich diese Anforderungen je nach Rolle? Was muss sich in Führung und Zusammenarbeit verändern? Und wie können Unternehmen erkennen, ob ihre Mitarbeitenden tatsächlich kompetenter werden – statt lediglich aktivere Nutzer:innen zu sein?

Für HR und L&D erweitert sich damit der Rahmen von KI-Enablement erheblich. Technisches Verständnis bleibt wichtig. Ebenso entscheidend sind Urteilsvermögen, Lernfähigkeit, Kommunikation, Führung und die Fähigkeit, eine neue Technologie in bessere Arbeitsweisen zu übersetzen.

Menschen Zugang zu KI zu geben, wird zunehmend selbstverständlich. Eine Organisation aufzubauen, die weiß, was sie damit anfangen soll, ist eine andere Aufgabe.

‍

Quellen

Europäische Kommission. (2026). AI literacy – Questions & answers. Shaping Europe’s Digital Future.
https://digital-strategy.ec.europa.eu/en/faqs/ai-literacy-questions-answers

Europäische Kommission. (2026). Repository of AI literacy practices. Shaping Europe’s Digital Future.
https://digital-strategy.ec.europa.eu/en/policies/ai-literacy-practices

Eurostat. (2026). The use of artificial intelligence technologies in the European Union – Key results – 2026 edition. Publications Office of the European Union.
https://ec.europa.eu/eurostat/web/products-statistical-reports/w/ks-01-26-009

OECD. (2025). Generative AI and the SME workforce: New survey evidence. OECD Publishing.
https://doi.org/10.1787/2d08b99d-en

OECD. (2026). Skills in the AI age. OECD Artificial Intelligence Papers, No. 60. OECD Publishing.
https://doi.org/10.1787/972bd15e-en

‍