AI Literacy-Pflicht nach Art. 4 EU AI Act

Lernziele

• Sie können den Inhalt und die Bedeutung von Art. 4 EU AI Act (AI-Literacy-Pflicht) in eigenen Worten erläutern.
• Sie kennen das DigComp-Framework und können die fünf Kompetenzdimensionen für KI-Kompetenz beschreiben.
• Sie sind in der Lage, die drei Niveaustufen der AI Literacy (Foundation / Intermediate / Advanced) zu unterscheiden und zuzuordnen.
• Sie verstehen, welche Dokumentationspflichten für Schulungsmaßnahmen nach Art. 4 bestehen und wie diese in Ihrer Organisation umgesetzt werden können.
• Sie können den Zusammenhang zwischen Art. 4 (AI Literacy) und Art. 26 Abs. 5 (Deployer-Schulungspflicht) erläutern.

Auf einen Blick

Worum geht es? — Der didaktische Einstieg

Art. 4 EU AI Act ist seit dem 2. Februar 2025 geltendes Recht. Er verpflichtet Anbieter und Deployer von KI-Systemen, sicherzustellen, dass ihre Mitarbeitenden über ausreichende AI Literacy verfügen. Das klingt vage — und ist es in gewisser Weise auch. Der Gesetzgeber hat bewusst keine starren Curricula oder Mindeststundenzahlen festgelegt, sondern einen prinzipienbasierten Ansatz gewählt.

Diese UE macht den Begriff AI Literacy greifbar: Was bedeutet er, wie misst man ihn, und was müssen Unternehmen konkret tun? Dabei stützt sich das auf das DigComp-Framework der EU-Kommission, das einen klaren Kompetenz-Rahmen bietet. Außerdem werden die Dokumentationspflichten geklärt — denn ohne Nachweis gilt Schulung als nicht stattgefunden.

Diese 120-UE-Schulungsmaßnahme ist ein konkretes Instrument, mit dem Ihre Organisation Art.-4-Pflichten dokumentiert nachweisen kann.

Lerntext — Theorie und Konzepte

Abb. 18.1 — AI-Literacy-Kompetenzdimensionen nach Art. 4 EU AI Act

Art. 4 EU AI Act im Wortlaut (sinngemäß)

Art. 4 EU AI Act verpflichtet Anbieter und Deployer, nach besten Kräften sicherzustellen, dass ihr Personal und alle weiteren Personen, die in ihrem Auftrag mit KI-Systemen arbeiten, über ausreichende AI-Literacy-Kompetenzen verfügen. Diese Kompetenzen sollen sich am jeweiligen Aufgabenbereich, dem Risikoniveau der genutzten KI-Systeme und dem technischen Entwicklungsstand orientieren.

Wichtige Punkte:

• Gilt seit 2. Februar 2025 — kein Aufschub, keine Übergangsregelung für Art. 4.
• Gilt für alle Mitarbeitenden, die mit KI-Systemen arbeiten — nicht nur für IT- oder Compliance-Abteilungen.
• Kein starres Curriculum — aber der Kompetenzstand muss nachweisbar sein.
• Risikoabhängig — Mitarbeitende, die Hochrisiko-Systeme bedienen, benötigen höhere Literacy als solche, die nur Minimal-Risiko-Tools nutzen.

Merksatz

Art. 4 EU AI Act gilt seit dem 2. Februar 2025. Wer keine dokumentierten Schulungsmaßnahmen zur AI Literacy vorweisen kann, riskiert, bei regulatorischen Prüfungen als non-compliant eingestuft zu werden — auch wenn die genutzten KI-Systeme selbst alle Anforderungen erfüllen.

Das DigComp-Framework als Grundlage

Die EU-Kommission hat das DigComp-Framework (Digital Competence Framework for Citizens) entwickelt, das als Referenzrahmen für die Umsetzung von Art. 4 gilt. DigComp definiert fünf Kompetenzdimensionen:

Dimension 1 — Information und Datenkompetenz: Fähigkeit, digitale Informationen zu suchen, zu bewerten, zu verwalten und zu teilen. Im KI-Kontext: Verstehen, wie KI-Systeme Daten verarbeiten, welche Daten sie nutzen und welche Daten man ihnen geben darf.

Dimension 2 — Kommunikation und Zusammenarbeit: Fähigkeit, digital zu kommunizieren und zu kollaborieren. Im KI-Kontext: KI-Assistenten sinnvoll in Kommunikationsprozesse integrieren, Ergebnisse richtig einordnen und kommunizieren.

Dimension 3 — Erstellung digitaler Inhalte: Fähigkeit, digitale Inhalte zu erstellen und zu bearbeiten. Im KI-Kontext: Prompts formulieren, KI-generierte Inhalte bearbeiten, Urheberrechtsfragen verstehen (vgl. UE 19).

Dimension 4 — Sicherheit: Fähigkeit, sich selbst, Geräte und Daten zu schützen. Im KI-Kontext: Keine vertraulichen Daten in externe KI-Tools einspeisen, Phishing durch KI-generierte Inhalte erkennen, Datenschutzgrundsätze anwenden (vgl. UE 13–14).

Dimension 5 — Problemlösung: Fähigkeit, digitale Werkzeuge zur Problemlösung einzusetzen und technische Probleme zu handhaben. Im KI-Kontext: KI-Outputs kritisch evaluieren, Halluzinationen erkennen, KI-Fehler korrekt eskalieren.

Drei Niveaustufen der AI Literacy

Für die praktische Umsetzung hat sich eine Drei-Niveaustufen-Struktur etabliert:

Niveau 1 — Foundation (Grundkompetenz): Für alle Mitarbeitenden, die KI-Tools nutzen — unabhängig vom Risikoniveau. Inhalte: Was ist KI? Wie funktioniert sie grundsätzlich? Welche Grenzen hat sie? Wie erkenne ich Fehler und Halluzinationen? Datenschutzgrundsätze bei KI-Nutzung.

Niveau 2 — Intermediate (Anwenderkompetenz): Für Mitarbeitende, die KI-Systeme regelmäßig in ihrer Arbeit nutzen, insbesondere in sensiblen Kontexten. Inhalte: Promptgestaltung und -optimierung, kritische Bewertung von KI-Outputs, rechtliche Grundlagen (DSGVO, AI Act Überblick), Meldeprozesse bei Problemen.

Niveau 3 — Advanced (Expertenkompetenz): Für Mitarbeitende, die Hochrisiko-KI-Systeme beaufsichtigen, KI-Projekte steuern oder für KI-Compliance verantwortlich sind. Inhalte: Vollständige AI-Act-Compliance (alle relevanten Artikel), Bias-Erkennung und -Bewertung, Grundrechtefolgenabschätzung, technische Evaluierung von KI-Systemen.

Merksatz

AI Literacy ist keine Einheitsgröße. Wer die Niveaustufen in Ihrer Organisation nicht differenziert, riskiert entweder Überforderung (zu hohes Niveau für einfache Nutzer) oder Unterforderung (zu geringes Niveau für Verantwortliche).

Dokumentationspflichten

Der Nachweis von AI Literacy ist essenziell. Ohne Dokumentation gilt Schulung als nicht stattgefunden — sowohl für interne Governance als auch für regulatorische Prüfungen. Folgende Dokumente sollten geführt werden:

Schulungsnachweis pro Mitarbeitenden: Name, Datum, Schulungsinhalt, Niveaustufe, Dauer, Trainer/Anbieter. Diese 120-UE-Schulungsmaßnahme bietet als strukturierte Zertifizierung einen vollständigen und nachweisbaren Qualifikationsnachweis.

Kompetenzmatrix der Organisation: Welche Mitarbeitenden haben welches Niveau erreicht? Wer muss noch geschult werden? Wann sind Auffrischungsschulungen fällig?

Risikobasierte Zuordnung: Dokumentation, welches KI-System welches Risikoniveau hat und welches Literacy-Niveau für den Betrieb des Systems erforderlich ist.

Überprüfungsintervall: Empfehlung: jährliche Auffrischung für alle Mitarbeitenden, bei wesentlichen Systemänderungen oder neuen KI-Tools sofortige Schulung.

Verbindung zu Art. 26 Abs. 5 (Deployer-Schulungspflicht)

Art. 4 und Art. 26 Abs. 5 ergänzen sich: Art. 4 ist die allgemeine Kompetenzpflicht für alle KI-Nutzenden. Art. 26 Abs. 5 ist die spezifische Schulungspflicht für Deployer von Hochrisiko-Systemen. In der Praxis bedeutet das: Wer Hochrisiko-KI einsetzt, muss sowohl die allgemeine AI-Literacy-Pflicht erfüllen (Art. 4) als auch nachweisen, dass die Mitarbeitenden spezifisch für das betreffende System geschult wurden (Art. 26 Abs. 5).

Vertiefung — AI Literacy messen und belegen

Warum Messung schwierig ist

Der Begriff „ausreichende AI Literacy” in Art. 4 ist bewusst offen gehalten — das schafft Flexibilität, aber auch Unsicherheit. Wie misst man Kompetenz? Und wer entscheidet, ob eine Kompetenz „ausreichend” ist?

Mögliche Messansätze:

Prüfungen und Tests: Quiz, Multiple-Choice-Tests, praktische Aufgaben. Vorteil: klarer Nachweis. Nachteil: Tests messen theoretisches Wissen, nicht praktische Anwendungskompetenz.

Kompetenzbeobachtung: Vorgesetzte beobachten, wie Mitarbeitende KI-Tools einsetzen, und bewerten die Kompetenz qualitativ. Vorteil: praxisnah. Nachteil: subjektiv und aufwändig.

Portfolio-Methode: Mitarbeitende dokumentieren konkrete Beispiele, wie sie KI eingesetzt haben. Vorteil: zeigt echte Anwendungskompetenz. Nachteil: aufwändig zu standardisieren.

Kombination: In der Praxis empfiehlt sich eine Kombination: formale Schulung mit Wissenstest (Nachweis) + praktische Anwendungsaufgaben (Kompetenzbeleg).

Branchenspezifische Anforderungen

Die AI-Literacy-Anforderungen variieren je nach Branche erheblich:

• Finanzsektor: Regulatoren wie die BaFin erwarten spezifische Kenntnisse zu algorithmischen Entscheidungen und Erklärbarkeit.
• Gesundheitswesen: Hohe Anforderungen an das Verstehen von Limitierungen und Fehlern von medizinischen KI-Systemen.
• Produktion: Fokus auf Sicherheit und das Erkennen von KI-Fehlern in sicherheitskritischen Prozessen.
• Dienstleistung: Fokus auf Datenschutz und die Grenzen von KI in der Kundenkommunikation.

Branchen-Anwendungen

IT-Dienstleistung & Beratung

IT-Dienstleistungsunternehmen sind oft Vorreiter bei KI-Adoption — gleichzeitig müssen sie die höchsten Literacy-Anforderungen erfüllen, da sie mit vielen verschiedenen KI-Systemen für Kunden arbeiten. Empfehlung: Unterscheiden Sie intern zwischen Foundation-Niveau (alle MA), Intermediate (Projektteams) und Advanced (KI-Leads, Compliance-Verantwortliche). Erstellen Sie eine jährlich aktualisierte Kompetenzmatrix und verknüpfen Sie AI-Literacy-Ziele mit Mitarbeitendengesprächen.

Industrie & Fertigung

In Industrieunternehmen ist AI Literacy oft ungleich verteilt: IT-Abteilungen haben hohes Niveau, Produktionsmitarbeitende kaum. Gerade Letztere sind es aber, die KI-Systeme an Maschinen überwachen und eingreifen müssen. Empfehlung: Zielgruppengerechte Schulungen für Schichtarbeiter — kurze, praxisnahe Module (30–60 Min.) statt ganztägiger Seminare. Visuelle Hilfsmittel und konkrete Beispiele aus der eigenen Produktion verwenden.

Finanzdienstleistung & Versicherung

Im Finanzsektor sind AI-Literacy-Anforderungen durch sektorspezifische Regulierung (MaRisk, DORA) noch strenger. Schulungen müssen nachweislich den Umgang mit algorithmischen Entscheidungen, Erklärbarkeit und Bias-Risiken abdecken. Empfehlung: Schulungskonzept mit dem Datenschutzbeauftragten und Compliance-Bereich abstimmen, um alle regulatorischen Anforderungen in einem integrierten Programm abzudecken.

Öffentliche Verwaltung

Behörden stehen vor der besonderen Herausforderung, dass Schulungen oft langwierige Beschaffungs- und Genehmigungsprozesse durchlaufen müssen. Gleichzeitig ist die Bandbreite der Mitarbeitenden groß: von hochqualifizierten Juristen bis zu Sachbearbeitern ohne IT-Affinität. Empfehlung: Modulares Schulungskonzept, das an bestehende Fortbildungsstrukturen anknüpft. E-Learning für Foundation-Niveau, Präsenzschulungen für Advanced-Niveau.

Übung 1 — Kompetenzanalyse

DigComp 2.2 — Das Europäische Kompetenzrahmenwerk im Detail

Der DigComp (Digital Competence Framework) wurde von der Europäischen Kommission entwickelt und ist seit seiner Veröffentlichung (2013, zuletzt aktualisiert 2022 als DigComp 2.2) zum De-facto-Standard für die Beschreibung digitaler Kompetenzen geworden. Die fünf Kompetenzbereiche des DigComp 2.2 sind:

1 — Informations- und Datenkompetenz: Suchen, Bewerten, Verwalten und Speichern von digitalen Informationen und Daten. Im KI-Kontext: Verstehen, welche Daten KI-Systeme nutzen und wie Datenqualität die KI-Outputs beeinflusst.

2 — Kommunikation und Zusammenarbeit: Nutzung digitaler Werkzeuge für die Kommunikation und Kollaboration. Im KI-Kontext: Nutzung von KI-Assistenten für E-Mail, Dokumentenerstellung, Übersetzung; Verständnis der Grenzen und Risiken.

3 — Erstellung digitaler Inhalte: Erstellen, Bearbeiten und Verbessern digitaler Inhalte. Im KI-Kontext: Nutzung von KI zur Inhaltsgenerierung, Bildbearbeitung, Codeerstellung — mit Verständnis für Urheberrecht und Qualitätssicherung.

4 — Sicherheit: Schutz von Geräten, persönlichen Daten und Privatsphäre. Im KI-Kontext: Risiken beim Eingeben sensibler Daten in KI-Systeme, Phishing-Risiken durch KI-gestützte Angriffe.

5 — Problemlösen: Kritische Nutzung digitaler Werkzeuge zur Problemlösung. Im KI-Kontext: Auswahl geeigneter KI-Tools für spezifische Probleme, kritische Bewertung von KI-Outputs, Umgang mit Halluzinationen.

Die drei Niveaustufen der AI Literacy

Art. 4 EU AI Act fordert „angemessene” AI Literacy — was „angemessen” bedeutet, hängt von der Funktion der Person im Unternehmen ab:

Niveaustufe 1 — Grundlegendes Bewusstsein (für alle Mitarbeitenden): Verständnis, was KI-Systeme sind und wie sie sich von klassischer Software unterscheiden. Kenntnis der wichtigsten Risiken (Halluzinationen, Bias, Datenschutz). Fähigkeit, KI-Outputs kritisch zu hinterfragen und nicht blind zu vertrauen. Diese Schulungsmaßnahme deckt Niveaustufe 1 für alle Teilnehmenden ab.

Niveaustufe 2 — Fachliche Anwendungskompetenz (für regelmäßige KI-Nutzer): Tiefes Verständnis der eingesetzten KI-Systeme inklusive ihrer technischen Grundlagen. Fähigkeit, Prompts effektiv zu formulieren und Ausgaben zu validieren. Kenntnisse der rechtlichen Anforderungen für den jeweiligen KI-Einsatzbereich.

Niveaustufe 3 — Experten- und Führungskompetenz (für KI-Verantwortliche): Vollständiges Verständnis der Art.-26-Pflichten als Deployer. Fähigkeit, KI-Governance-Strukturen zu entwerfen und umzusetzen. Kenntnisse der technischen Dokumentationsanforderungen für Hochrisiko-KI.

Merksatz

Art. 4 verlangt nicht, dass alle Mitarbeitenden KI-Experten werden — es verlangt, dass alle ein dem Aufgabengebiet angemessenes Verständnis haben. Der Umfang der Schulungspflicht skaliert mit der Intensität der KI-Nutzung und der Sensitivität der Anwendungsfälle.

Dokumentation der AI Literacy — Nachweispflichten

Die Dokumentation der AI-Literacy-Schulungen ist eine zentrale Compliance-Anforderung. Was muss dokumentiert werden?

• Wer hat an welcher Schulung teilgenommen (Namen, Funktion, Datum)
• Was wurde geschult (Themen, Lernziele, eingesetzte Methoden)
• Wie lange dauerte die Schulung (Nachweis der ausreichenden Intensität)
• Ergebnis (Nachweis über erreichte Kompetenz — z. B. Quizresultat, Zertifikat)

Diese Schulungsmaßnahme erstellt automatisch entsprechende Teilnahmenachweise. Diese Nachweise sind aufzubewahren und im Falle einer Kontrolle durch die zuständige Aufsichtsbehörde vorzulegen.

Refresher-Pflicht: Art. 4 enthält keine explizite Refresher-Pflicht, aber das allgemeine Gebot der „Angemessenheit” impliziert, dass bei wesentlichen Änderungen der eingesetzten KI-Systeme oder bei neuen regulatorischen Anforderungen erneute Schulungen erforderlich sind.

Sektorale AI Literacy-Anforderungen

Über die allgemeine Art.-4-Pflicht hinaus können sektorspezifische Regelungen zusätzliche AI Literacy-Anforderungen begründen:

Finanzsektor (MiFID II, Solvency II): Banken und Versicherungen, die KI für regulatorisch relevante Entscheidungen einsetzen (z. B. Kreditvergabe, Risikomodellierung), müssen sicherstellen, dass die verantwortlichen Mitarbeitenden die KI-Modelle verstehen. Dies ist implizit in den „Fit and Proper”-Anforderungen für Führungskräfte und explizit in den EBA-Leitlinien zu internen Governance-Anforderungen.

Gesundheitssektor (MDR/IVDR): Für KI-Systeme, die als Medizinprodukte klassifiziert sind, gelten die Qualifikationsanforderungen der Medizinprodukte-Regulierung. Anwender müssen nicht nur die Regulierung kennen, sondern auch die spezifischen Eigenschaften und Grenzen des KI-Systems.

Öffentliche Verwaltung: Beamte und Angestellte im öffentlichen Dienst, die KI-Systeme für Verwaltungsentscheidungen nutzen, müssen die rechtlichen Rahmenbedingungen für automatisierte Entscheidungen (Art. 22 DSGVO, Art. 41 EU-Grundrechtecharta) kennen.

Blended Learning und AI Literacy

Die effektivste Methode zur Entwicklung von AI Literacy ist kein einmaliges Seminar — es ist ein kontinuierliches Blended-Learning-Programm:

Phase 1 — Online-Grundlagen (Asynchron, 3–5 Stunden): Konzeptionelle Grundlagen zu KI, Selbstlernmaterialien, kurze Videos, Wissenstests. Kann jederzeit und überall absolviert werden.

Phase 2 — Präsenz-/Video-Training (Synchron, wie diese Schulungsmaßnahme): Vertiefung der Grundlagen, Anwendung auf konkrete Use-Cases, Übungen und Gruppenarbeit, Rechtliche und ethische Aspekte. Das ist das Herzstück der Kompetenzentwicklung.

Phase 3 — Praxisübungen im Job (On-the-Job, laufend): Anwendung des Gelernten in realen Arbeitsaufgaben, begleitet durch einen KI-Coach oder internen Champion. Transferkompetenz entsteht nur durch reale Anwendung.

Phase 4 — Refresher und Updates (Regelmäßig, 1–2× jährlich): Weiterentwicklungen in KI und Regulierung, neue Use-Cases, Update-Training bei neuen Tools oder gesetzlichen Änderungen.

Diese Schulungsmaßnahme ist Phase 2 dieses Blended-Learning-Zyklus. Die Transfer-Commitment-Karte schlägt die Brücke zu Phase 3.

Merksatz

AI Literacy ist keine einmalige Maßnahme — sie ist ein Entwicklungsprozess. Die 120 Unterrichtseinheiten dieser Schulungsmaßnahme legen das Fundament; der echte Kompetenzerwerb geschieht in der täglichen Anwendung.

Übung 1 — Kompetenzanalyse für Ihre Organisation

Aufgabe: Erstellen Sie eine vereinfachte AI-Literacy-Kompetenzmatrix für eine fiktive oder reale Abteilung (5–10 Personen). Ordnen Sie jeder Person ein Soll-Niveau (Foundation / Intermediate / Advanced) zu und begründen Sie die Zuordnung anhand der genutzten KI-Systeme und deren Risikoklasse.

Bearbeitungszeit: 15 Minuten, Partnerarbeit.

Musterlösung: (Exemplarisch für eine IT-Consulting-Abteilung)

Übung 2 — Schulungskonzept skizzieren

Übung 2 — Schulungskonzept für Art.-4-Compliance

Aufgabe: Entwerfen Sie ein grobes Schulungskonzept für Ihre Organisation (oder eine fiktive Organisation), das Art.-4-Anforderungen erfüllt. Umfassen Sie: Zielgruppen, Niveaustufen, Formate, Dauer, Frequenz und Dokumentation.

Bearbeitungszeit: 20 Minuten.

Musterlösung:

Art. 4 EU AI Act — Vollständige Normanalyse

Art. 4 EU AI Act lautet in seiner vollständigen relevanten Passage: Anbieter und Betreiber von KI-Systemen treffen Maßnahmen, um nach besten Kräften sicherzustellen, dass ihr Personal und andere Personen, die in ihrem Namen mit dem Betrieb und der Nutzung von KI-Systemen befasst sind, über ein ausreichendes Maß an KI-Kompetenz verfügen, wobei die technischen Kenntnisse, die Erfahrung, die Ausbildung und die Schulung sowie den Kontext, in dem die KI-Systeme eingesetzt werden sollen, und die Personen oder Gruppen von Personen, bei denen die KI-Systeme eingesetzt werden sollen, zu berücksichtigen sind.

Analyse der Schlüsselbegriffe:

„nach besten Kräften”: Dies ist kein absolutes Gebot, sondern ein Bemühensgebot (Best-Effort-Standard). Das reduziert den regulatorischen Druck, schließt aber Untätigkeit aus.

„ausreichendes Maß”: Nicht definiert in der Verordnung selbst. Die Angemessenheit bestimmt sich nach Kontext und Rolle. Ein Sachbearbeiter, der gelegentlich ChatGPT nutzt, braucht weniger KI-Kompetenz als ein Data Scientist, der Hochrisiko-Modelle entwickelt.

„Personal und andere Personen”: Schließt Externe und Freelancer ein. Wenn externe Berater für Ihr Unternehmen KI-Systeme nutzen oder betreiben, sind Sie als Deployer verpflichtet, auch deren AI Literacy sicherzustellen — zumindest im Rahmen vertraglicher Vereinbarungen.

Messung von AI Literacy — Kompetenzassessments

Wie misst man AI Literacy? Folgende Ansätze werden in der Praxis eingesetzt:

Wissenstest (wie dieses Quiz in UE 12): Standardisierter Test von Faktenwissen. Vorteil: Schnell, skalierbar, dokumentierbar. Nachteil: Testet Wissen, nicht Handlungskompetenz.

Situationsbeurteilungs-Tests (Situational Judgment Tests, SJT): Teilnehmende werden mit realistischen KI-Entscheidungssituationen konfrontiert und müssen die beste Handlungsoption wählen. Näher an tatsächlicher Kompetenz als reines Faktenwissen.

Verhaltensbeobachtung: Trainer beobachtet, wie Teilnehmende KI-Tools in der Praxis nutzen. Valide, aber ressourcenintensiv.

Self-Assessment: Teilnehmende schätzen ihre eigene KI-Kompetenz ein. Günstig, aber anfällig für Dunning-Kruger-Effekte (Überschätzung bei geringem Wissen).

Empfehlung für Art.-4-Compliance: Eine Kombination aus Wissenstest (dokumentiert) und Self-Assessment (bildet Lücken ab) ist für die meisten Unternehmen der pragmatische Goldstandard. Die Ergebnisse bilden die Grundlage für die Dokumentation nach Art. 4.

AI Literacy als Wettbewerbsvorteil

Über die Compliance-Pflicht hinaus ist AI Literacy ein handfester Wettbewerbsvorteil. Unternehmen mit hoher kollektiver AI Literacy:

• Adoptieren neue KI-Tools schneller und effektiver
• Machen weniger Fehler bei der KI-Nutzung (weniger Datenschutzvorfälle, weniger qualitativ minderwertige KI-Outputs)
• Entwickeln bessere Prompt-Strategien, die zu besseren Ergebnissen führen
• Erkennen Halluzinationen und andere KI-Fehler früher
• Haben eine realistischere Einschätzung der Möglichkeiten und Grenzen von KI — was zu besseren Investitionsentscheidungen führt

Studien von McKinsey und Accenture zeigen konsistent, dass Unternehmen, die systematisch in digitale Kompetenzen ihrer Mitarbeitenden investieren, höhere ROIs aus Technologieinvestitionen erzielen. AI Literacy ist dabei ein zentraler Faktor.

Typische Fehler bei AI-Literacy-Programmen und wie man sie vermeidet

In der Praxis scheitern AI-Literacy-Programme oft an vermeidbaren Fehlern:

Fehler 1 — Einmalige Schulung ohne Folgeaktivitäten: Eine einzelne Schulung, die nicht in den Arbeitsalltag integriert wird, verpufft innerhalb von Wochen. Gegenmaßnahme: Blended Learning mit regelmäßigen Micro-Learning-Einheiten, Praxisaufgaben und Refreshers.

Fehler 2 — One-Size-Fits-All: Alle Mitarbeitenden erhalten dieselbe Schulung, unabhängig von ihrer Rolle und KI-Nutzungsintensität. Gegenmaßnahme: Rollenbezogene Schulungspfade (Basis für alle, Vertiefung für intensive KI-Nutzer, Experten-Track für KI-Verantwortliche).

Fehler 3 — Fehlende Führungskräfte-Beteiligung: Wenn Führungskräfte nicht an Schulungen teilnehmen (oder sogar freigestellt werden), signalisiert das: Das Thema ist nicht wirklich wichtig. Gegenmaßnahme: Führungskräfte verpflichtend einbeziehen, ggf. mit eigenem Führungskräfte-Format.

Fehler 4 — Schlechte Dokumentation: Schulungen werden durchgeführt, aber nicht systematisch dokumentiert. Gegenmaßnahme: Learning Management System (LMS) oder auch einfache Excelliste mit Datum, Teilnehmer, Thema, Ergebnis.

Fehler 5 — Vernachlässigung des Transfer-Supports: Teilnehmende wissen nach der Schulung, was sie tun sollen — aber nicht, wie sie es in ihrer konkreten Arbeitssituation umsetzen. Gegenmaßnahme: Transfer-Commitment-Karte, KI-Coaches, Follow-up nach 4 Wochen.

Warnung — Compliance-Risiko: AI Literacy ohne Dokumentation

Schulungen ohne schriftlichen Nachweis gelten regulatorisch als nicht stattgefunden. Wenn Marktüberwachungsbehörden oder Datenschutzbehörden prüfen, ob Art. 4 EU AI Act eingehalten wird, reichen mündliche Aussagen nicht aus. Fehlende Dokumentation kann als Indiz für Verletzung der AI-Literacy-Pflicht gewertet werden — mit entsprechenden Sanktionsrisiken (bis zu 15 Mio. € oder 3 % Jahresumsatz für Deployer). Zusätzlich: Wenn ein Mitarbeitender ein KI-System fehlerhaft einsetzt und dabei Schaden entsteht, kann fehlende Schulungsdokumentation die Haftung des Unternehmens verschärfen. Praktische Empfehlung: Für jede Schulungsmaßnahme sofort Teilnahmenachweise ausstellen und in einer zentralen Compliance-Datenbank ablegen.

Cheatsheet — Art. 4 AI Literacy auf einen Blick

AI Literacy Assessment — Selbsteinschätzung

Als Abschluss dieser UE: Eine kurze Selbsteinschätzung der eigenen AI Literacy auf den drei Niveaustufen.

Niveaustufe 1 — Grundlegendes Bewusstsein: Können Sie folgende Fragen beantworten? - Was ist ein Large Language Model? - Was bedeutet Halluzination bei KI-Systemen? - Was ist der Unterschied zwischen DSGVO-relevanten und nicht-relevanten Daten in KI-Prompts? - Welche drei verbotenen KI-Praktiken des EU AI Acts kennen Sie?

Wenn Sie alle vier Fragen beantworten können: Niveaustufe 1 erfüllt.

Niveaustufe 2 — Fachliche Anwendungskompetenz: - Können Sie die Risikoklasse eines konkreten KI-Systems nach EU AI Act bestimmen? - Kennen Sie die Deployer-Pflichten nach Art. 26? - Können Sie einen Prompt formulieren, der DSGVO-konform und gleichzeitig informativ ist? - Können Sie KI-Outputs kritisch auf Halluzinationen prüfen?

Niveaustufe 3 — Experten- und Führungskompetenz: - Können Sie eine KI-Governance-Architektur für Ihre Organisation entwerfen? - Kennen Sie die Anforderungen an technische Dokumentation für Hochrisiko-KI? - Können Sie eine DPIA für ein KI-System durchführen? - Können Sie Bias-Audits für HR-KI-Systeme planen und durchführen?

Diese Schulungsmaßnahme befähigt alle Teilnehmenden zu Niveaustufe 1 und legt die Grundlagen für Niveaustufe 2. Niveaustufe 3 erfordert zusätzliche Spezialisierung.

Prompt-Beispiel: Schulungsplan für AI Literacy nach Art. 4 EU AI Act entwickeln

Rolle: Sie sind ein erfahrener Bildungsplaner mit Spezialisierung auf KI-Kompetenzentwicklung in Unternehmen. Sie kennen die Anforderungen aus Art. 4 EU AI Act und das DigComp-Framework der EU-Kommission.

Aufgabe: Entwickeln Sie einen rollenbezogenen Schulungsplan für AI Literacy für die beschriebene Organisation. Der Plan soll die Anforderungen von Art. 4 EU AI Act erfüllen, das DigComp-Framework als Kompetenzrahmen nutzen und die drei Niveaustufen (Foundation / Intermediate / Advanced) berücksichtigen.

Kontext: Organisation: [Branche, Mitarbeiterzahl, relevante Rollen (z. B. Sachbearbeitung, Führungskräfte, IT, HR), aktuelle KI-Nutzungspraxis, welche KI-Systeme sind im Einsatz oder geplant]

Format: Strukturierter Schulungsplan mit: (1) Rollentabelle (Rolle | Niveaustufe | Pflichtstunden | Inhalte | Format), (2) Kurzmodul-Beschreibungen für jede Niveaustufe (je 5 Sätze), (3) Dokumentationskonzept: wie werden Teilnahmenachweise nach Art. 4 dokumentiert und aufbewahrt? Sachlich, praxistauglich, maximal 500 Wörter.

Branchen-Vignette — Art. 4 AI Literacy-Pflicht im Handwerk

Ein mittelständischer Sanitär-Heizung-Klima-Betrieb (SHK) mit 80 Mitarbeitenden setzt seit Anfang 2026 ein KI-Werkzeug ein, das Aufmaße automatisch in Angebotsdokumente umwandelt und Materialbestellungen vorschlägt. Die Geschäftsführerin fragt: „Müssen meine Monteure auch eine KI-Schulung machen?”

Antwort nach Art. 4 EU AI Act: Ja — aber der Umfang richtet sich nach dem konkreten Nutzungskontext. Art. 4 verlangt „ausreichende AI Literacy” proportional zum Nutzungsumfang. Für Monteure, die das System nur zur Angebotserstellung nutzen, reicht eine Foundation-Level-Schulung (ca. 90 Minuten): Was tut das System? Wann ist der Output zuverlässig, wann nicht? Was muss ich manuell prüfen? Für die Bürosachbearbeiterin, die Systemausgaben in Vertragsunterlagen überführt, ist ein Intermediate-Level-Training angemessen.

Praktische Umsetzung: Die Betriebsleiterin erstellt ein einfaches Schulungsprotokoll (Excel-Tabelle: Name, Datum, Thema, Unterschrift), das als Nachweis nach Art. 4 dient. Das ist rechtlich ausreichend — der Gesetzgeber verlangt keine zertifizierte Schulungseinrichtung, aber einen nachvollziehbaren Nachweis, dass die Pflicht erfüllt wurde.

Zusatzübung — AI-Literacy-Selbstcheck

Aufgabe (10 Minuten, Einzelarbeit): Schätzen Sie Ihre eigene AI Literacy anhand des folgenden vereinfachten Selbst-Assessments ein. Beantworten Sie jede Frage ehrlich mit: „Kann ich sicher” / „Bin mir unsicher” / „Kann ich nicht”:

1. Ich kann erklären, was ein Large Language Model (LLM) ist und wie es Texte generiert.
2. Ich kann drei typische Fehlerquellen von KI-Sprachmodellen (Halluzinationen, Bias, Kontextblindheit) benennen und anhand von Beispielen erläutern.
3. Ich kann beurteilen, ob ein konkretes KI-Tool nach EU AI Act als Hochrisiko-System einzustufen ist.
4. Ich kann einen DSGVO-konformen Prompt formulieren — ohne personenbezogene Daten preiszugeben.
5. Ich weiß, an wen ich mich in meiner Organisation wende, wenn ich unsicher bin, ob eine KI-Nutzung rechtlich zulässig ist.

Auswertung: Zählen Sie die „Kann ich sicher”-Antworten. 4–5: Advanced Level. 2–3: Intermediate Level. 0–1: Foundation Level. Tauschen Sie Ihr Ergebnis mit Ihrer Nachbarperson aus und diskutieren Sie: Was würde Sie am meisten dabei unterstützen, eine Stufe höher zu kommen?

Vertiefung II — AI Literacy dokumentieren und nachweisen

Art. 4 EU AI Act verlangt Maßnahmen zur Sicherstellung ausreichender AI Literacy — aber wie dokumentiert man die Erfüllung dieser Pflicht?

Minimale Dokumentation: Name der Schulungsmaßnahme, Datum, Teilnehmende, Dauer und Inhaltsbeschreibung. Diese vier Elemente reichen für eine Basisdokumentation aus.

Empfohlene Dokumentation: Schulungsnachweise mit Unterschrift der Teilnehmenden oder digitalem Bestätigungsklick, Kompetenz-Assessment vor und nach der Schulung, Rollenbezogene Schulungspfade mit Zertifizierungsnachweisen, Verknüpfung mit dem Personal-/Qualifizierungssystem des Unternehmens.

Was Aufsichtsbehörden erwarten: Die nationalen Aufsichtsbehörden (in Deutschland die Bundesnetzagentur als KI-Marktüberwachungsbehörde nach nationalem Umsetzungsrecht) können die Compliance-Dokumentation anfordern. Eine nicht dokumentierte Schulung gilt im Zweifel als nicht stattgefunden.

Praxishinweis — LMS-Integration: Viele Unternehmen nutzen Learning Management Systeme (LMS) wie SAP SuccessFactors Learning, Moodle oder Cornerstone. AI-Literacy-Schulungen sollten in diese Systeme integriert werden, um automatisch Nachweise zu generieren und einen Überblick über den Schulungsfortschritt zu ermöglichen.

Merksatz

Dokumentation ist keine Bürokratie — sie ist der Beweis der Pflichterfüllung. Im Streitfall trägt das Unternehmen die Beweislast für die Erfüllung von Art. 4 EU AI Act. Wer keine Dokumentation hat, kann nichts beweisen.

Zusammenfassung UE 18

Art. 4 EU AI Act verpflichtet Deployer, nach besten Kräften sicherzustellen, dass alle KI-nutzenden Mitarbeitenden über angemessene AI Literacy verfügen. Die Angemessenheit richtet sich nach Rolle, Kontext und Intensität der KI-Nutzung. Das DigComp-Framework (5 Dimensionen) und die drei Niveaustufen (Grundbewusstsein, fachliche Anwendung, Expertenkompetenz) helfen bei der Strukturierung. Dokumentationspflichten sind der zentrale Compliance-Nachweis nach Art. 4: Wer, was, wann, wie lange, mit welchem Ergebnis geschult. Diese 120-UE-Schulungsmaßnahme erfüllt die Basisanforderungen von Art. 4 für Niveaustufe 1 und legt Grundlagen für Niveaustufe 2. Regelmäßige Refresher bei wesentlichen Systemänderungen oder neuen regulatorischen Anforderungen sind implizit geboten. AI Literacy ist nicht nur eine Compliance-Pflicht — sie ist ein handfester Wettbewerbsvorteil.

Querverweise zu anderen UEs

UE 18 (AI Literacy) verbindet Art. 4 EU AI Act mit der praktischen Schulungsrealität. Diese 120-UE-Schulungsmaßnahme ist selbst der Compliance-Nachweis für Art. 4. Die Verbindung zu Art. 26 Abs. 5 (Deployer-Pflicht zur Schulung) und Art. 29 (Nutzerpflichten) macht AI Literacy zur rechtlichen Grundvoraussetzung für jeden KI-Einsatz. In UE 12 (Lernstandskontrolle) und in der Fallstudie (UE 24) werden die AI-Literacy-Kompetenzen direkt getestet und angewendet.

Reflexionsfragen

1. Welche der fünf DigComp-Dimensionen halten Sie für die Mitarbeitenden in Ihrer Organisation aktuell für am schwächsten ausgeprägt?
2. Wie würden Sie sicherstellen, dass auch Mitarbeitende ohne IT-Affinität eine sinnvolle AI-Literacy-Schulung erhalten?
3. Was passiert, wenn ein Mitarbeitender die Schulung abgelehnt hat — und später einen Datenschutzverstoß mit einem KI-Tool verursacht?
4. Wie häufig sollte AI-Literacy-Schulung aufgefrischt werden, und welche Ereignisse sollten eine sofortige Nachschulung auslösen?
5. Wie könnten Sie als Trainer nachweisen, dass Schulungsteilnehmende tatsächlich Kompetenz erworben haben — nicht nur Anwesenheit nachgewiesen?
6. Art. 4 EU AI Act spricht von „ausreichender” AI Literacy. Was bedeutet „ausreichend” konkret für Ihre Rolle und Ihre typische KI-Nutzung? Würden Sie sagen, Sie erfüllen diesen Standard bereits?
7. Können freiwillige AI-Literacy-Schulungen in Unternehmen je denselben Effekt erzielen wie verpflichtende? Was spricht für und gegen Pflichtschulungen aus Arbeitgebersicht und aus Arbeitnehmersicht?

AI Literacy in verschiedenen Organisationskulturen

Die Implementierung von AI Literacy-Programmen ist stark von der Organisationskultur abhängig:

In hierarchischen Organisationen (häufig in der Industrie und öffentlichen Verwaltung): Top-Down-Commitment der Führungsebene ist entscheidend. Wenn die Geschäftsführung AI Literacy als Priorität kommuniziert und selbst sichtbar an Schulungen teilnimmt, steigt die Beteiligung dramatisch.

In flachen, agilen Organisationen (häufig in IT und Beratung): Bottom-Up-Initiativen funktionieren besser. KI-Champions in Teams treiben Schulungsinitiativen voran; formale Pflichtschulungen stoßen auf Widerstand.

In regulierten Industrien (Finanzdienstleistung, Gesundheit, Pharma): Der Compliance-Aspekt dominiert die Kommunikation. „Art. 4 AI Act verlangt dies” ist ein stärkeres Argument als „das macht uns effizienter”.

In KMUs: Ressourcenknappheit ist die größte Herausforderung. Online-Self-Learning-Formate, kollaborative Branchentrainings und Verbands-Schulungsangebote bieten Lösungen, die den Aufwand minimieren.

Das Wissen um die Organisationskultur ist für Trainer besonders wichtig: Dieselben Inhalte müssen unterschiedlich kommuniziert werden, um Wirkung zu entfalten.

AI Literacy und Führungskräfte-Entwicklung

Führungskräfte haben eine besondere Rolle bei der Entwicklung von AI Literacy in der Organisation: Sie sind Vorbilder, Entscheidungsträger und Ressourcen-Genehmiger zugleich. Führungskräfte, die selbst AI Literacy zeigen, senden ein klares Signal: Dies ist wichtig.

Gleichzeitig haben viele Führungskräfte eine Wissenslücke: Sie treffen Entscheidungen über KI-Investitionen und -Governance, ohne die technischen und rechtlichen Grundlagen ausreichend zu kennen. Ein dediziertes „KI-Basics für Führungskräfte”-Format (2–4 Stunden, fokussiert auf strategische und rechtliche Implikationen) ist oft wirksamer als das Einbeziehen von Führungskräften in die regulären Schulungsmaßnahmen.

Merksatz zu UE 18: Art. 4 AI Act ist die rechtliche Formulierung einer pragmatischen Weisheit: KI-Systeme sind so mächtig und so fehleranfällig, dass alle, die mit ihnen arbeiten, sie verstehen müssen — nicht perfekt, aber ausreichend.

Quellen & Weiterlesen

Ergänzung: AI Literacy in der Unternehmenskultur

Art. 4 EU AI Act ist eine rechtliche Mindestanforderung — nachhaltige AI Literacy erfordert mehr als ein jährliches Pflichttraining. Organisationen, die AI Literacy in ihre Unternehmenskultur integrieren, berichten von:

• Reduktion von DSGVO-Verstößen durch informierte Mitarbeitende, die Risiken selbst erkennen
• Besserer Qualität von KI-Outputs, weil Mitarbeitende Prompts präziser formulieren und Halluzinationen schneller erkennen
• Höherem Vertrauen in KI-Tools, weil Mitarbeitende deren Grenzen verstehen
• Stärkerer Compliance-Kultur insgesamt

Praxisempfehlung — AI Literacy Assessment:

Dokumentationsminimum nach Art. 4: Name der Maßnahme, Datum, Teilnehmende, Dauer, Inhaltsübersicht. Diese vier Elemente reichen für eine rechtssichere Basisdokumentation.

Merksatz

Dokumentation ist keine Bürokratie — sie ist der Beweis der Pflichterfüllung. Im Streitfall trägt das Unternehmen die Beweislast für die Erfüllung von Art. 4 EU AI Act.

Trainer-Hinweise

Operationalisierung von Art. 4 — Schritt-für-Schritt für Deployer

Wie setzen Deployer die Art.-4-Pflicht konkret um? Ein strukturierter Ansatz:

Schritt 1 — Rollen und Funktionen kartieren: Welche Mitarbeitenden nutzen welche KI-Systeme in welcher Intensität? Ein Sachbearbeiter, der einmal täglich ChatGPT nutzt, braucht weniger Schulung als ein Data Analyst, der täglich mit KI-Modellen arbeitet.

Schritt 2 — Schulungslücken identifizieren: Befragen Sie die Mitarbeitenden zu ihrem aktuellen KI-Wissen (Self-Assessment oder strukturierter Test). Vergleichen Sie mit dem erforderlichen Niveau für ihre Rolle.

Schritt 3 — Schulungsplan erstellen: Definieren Sie für jede Rollengruppe ein Schulungsformat und einen Zeitplan. Diese 120-UE-Schulungsmaßnahme deckt die Grundlagen für alle Rollengruppen ab.

Schritt 4 — Schulungen durchführen und dokumentieren: Führen Sie die Schulungen durch und dokumentieren Sie Teilnahme, Inhalte, Dauer und Ergebnis (z. B. Quiz-Ergebnis). Die Dokumentation ist der zentrale Compliance-Nachweis für Art. 4.

Schritt 5 — Regelmäßige Überprüfung: Planen Sie jährliche Refresher-Assessments. Bei wesentlichen Systemänderungen oder neuen regulatorischen Anforderungen: anlassbezogene Nachschulungen.

Schritt 6 — Dokumentation archivieren: Die Schulungsdokumentation sollte mindestens 5 Jahre aufbewahrt werden (Verjährungsfristen für Compliance-Verstöße).

Internationale AI Literacy-Initiativen und Best Practices

AI Literacy ist ein globales Thema — und es gibt internationale Best Practices, von denen Unternehmen lernen können:

Singapur — AI for Everyone: Die singapurische Regierung hat ein landesweites AI-Literacy-Programm eingeführt, das sich an alle Bürger richtet — nicht nur an Technologiefachleute. Das Programm kombiniert Online-Kurse, Community-Workshops und betriebliche Schulungszuschüsse.

Finnland — Elements of AI: Ein freies Online-Kurs-Programm, das 2018 gestartet wurde und mittlerweile in über 60 Ländern verfügbar ist (auch auf Deutsch). Fokus: Konzeptionelles Grundverständnis von KI für Nicht-Techniker. Über 1 Million Teilnehmer weltweit.

UK — Digital Skills Bootcamps: Staatlich gefördertes Programm, das Berufsbegleitende Kurzschulungen zu digitalen Kompetenzen inklusive KI finanziert.

Deutschland — KI-Strategie des BMBF: Das Bundesministerium für Bildung und Forschung fördert KI-Bildungsinitiativen in Schulen, Hochschulen und der beruflichen Weiterbildung. Der AI Campus (https://ki-campus.org) bietet kostenfreie Online-Kurse zu KI.

Lehre für Unternehmen: Staatliche Initiativen allein reichen nicht — Unternehmen müssen eigene AI-Literacy-Programme entwickeln, die auf ihren spezifischen KI-Einsatz und ihre Mitarbeitenden-Zielgruppe zugeschnitten sind.

Messen und Reporten von AI Literacy

Wie berichten Unternehmen intern und extern über ihre AI-Literacy-Maßnahmen?

Intern: Ein jährliches AI-Literacy-Dashboard zeigt: Schulungsquote (Anteil der Mitarbeitenden mit abgeschlossener Basisschulung), Schulungstiefe (Anteil mit Fachschulungen und Expertenschulungen), Kompetenzentwicklung (Vergleich von Pre- und Post-Quiz-Ergebnissen), offene Schulungsbedarfe (Gruppen oder Abteilungen mit Lücken).

Extern (ESG-Reporting): Zunehmend fordern Investoren und Ratingagenturen Informationen über digitale Kompetenzentwicklung als Teil des Human Capital Managements. AI-Literacy-Metriken können in den Nachhaltigkeitsbericht integriert werden.

Praxishinweis: Erstellen Sie eine einfache Lernpfad-Uebersicht fuer Ihre Mitarbeitenden: Welche Schulungen sind fuer welche Rolle erforderlich? Welche sind optional? Diese Uebersicht erleichtert das Onboarding und die jaehrliche Kompetenzplanung.

Hinweise für AI Champions — So vermitteln Sie das Thema UE 18

Timing: 45 Minuten — 15 Min. Art. 4 + DigComp, 15 Min. Niveaustufen + Dokumentation, 15 Min. Übungen.

Methodik: DigComp-Dimensionen als Mindmap auf dem Flipchart visualisieren. Niveaustufen als Pyramide darstellen. Dokumentationspflicht mit konkretem Beispiel (Checkliste) greifbar machen.

Stolpersteine: Teilnehmende fragen oft: „Welche Stundenzahl reicht?” — Die ehrliche Antwort: Art. 4 gibt keine Stundenzahl vor. Orientierung bieten: Diese Maßnahme mit 120 UE entspricht einem soliden Intermediate-bis-Advanced-Niveau. Für einfache Nutzer kann Foundation mit 4–8 Stunden ausreichend sein.

Diskussionsfragen: Was ist, wenn ein Unternehmen keine Ressourcen für aufwändige Schulungen hat? (Antwort: Skalierbare E-Learning-Lösungen, keine Ausrede für Null-Schulung.) Wie misst man, ob Schulung tatsächlich Kompetenz erzeugt?

Tafelbild: DigComp-Rad mit 5 Dimensionen + Niveaupyramide + Dokumentationscheckliste.

Differenzierung: Für Gruppen mit HR-Hintergrund: Verbindung zu bestehenden Kompetenzmanagement-Systemen und Mitarbeitendengesprächen. Für IT-Gruppen: Technische Möglichkeiten zur Kompetenz-Messung (LMS, Tests, Zertifizierungen).

Materialliste: Flipchart, DigComp-Poster (wenn vorhanden), Handout, Kompetenzmatrix-Template.

Übergang zu UE 19: „Wir haben jetzt die Rechtsgrundlagen für KI-Einsatz im Unternehmen durchgearbeitet. In UE 19 wechseln wir die Perspektive: Was passiert mit den Ergebnissen, die KI produziert? Wem gehören KI-generierte Texte, Bilder, Code?”

Branchenauswahl-Tipp: Für Verwaltungsgruppen: Die Verbindung zu bestehenden Fortbildungspflichten im öffentlichen Dienst betonen. Für Industriegruppen: Fokus auf schichtgerechte, kurze Formate.

AI Literacy und der demografische Wandel

Der demografische Wandel trifft auf die KI-Revolution. In vielen Organisationen arbeiten Mitarbeitende aus sehr unterschiedlichen Generationen zusammen — und die AI-Literacy-Anforderungen unterscheiden sich:

Ältere Mitarbeitende (50+): Oft skeptisch gegenüber KI, haben aber wertvolles Domänenwissen. Schulungsansatz: Anknüpfung an Erfahrungen, praktische Übungen, keine Infantilisierung. Betonung: KI als Assistenz-Tool, das Domänenwissen ergänzt — nicht ersetzt.

Mittlere Generation (35–50): Oft pragmatisch und lernbereit, wenn der Nutzen klar ist. Schulungsansatz: Effizienzgewinne demonstrieren, konkrete Anwendungsfälle aus dem eigenen Arbeitsbereich.

Jüngere Mitarbeitende (unter 35): Oft hohe KI-Affinität und eigenständige Tool-Erfahrung (ChatGPT, Copilot), aber möglicherweise geringes Verständnis der rechtlichen Rahmenbedingungen. Schulungsansatz: Rechtliche und ethische Aspekte betonen; technische Grundlagen können kürzer gehalten werden.

Eine wirksame AI-Literacy-Schulung spricht alle drei Gruppen an — ohne die Jüngeren zu langweilen und die Älteren zu überfordern. Diese Schulungsmaßnahme ist so konzipiert, dass sie alle drei Generationen adressiert.

Quelle: KI-Wissensbasis von MindsMachines, Edition Juni 2026. Vollständige Fassung mit Anhängen und Musterlösungen: als PDF anfordern.