Wissenschaftliche Lehrwerke gewinnen an Glaubwürdigkeit, wenn ihre Entstehung transparent dokumentiert ist. Dieses Kapitel beschreibt die Methodik, mit der die vorliegende Wissensbasis konzipiert, erstellt und qualitätsgesichert wurde.
K.1 Konzeptionelle Grundlagen
Die Wissensbasis folgt einem doppelten didaktischen Rahmen: Sie bedient gleichzeitig Selbstlernende ohne Vorkenntnisse, betriebliche Multiplikatorinnen und AI Champions als interne Trainerinnen. Diese heterogene Zielgruppenlogik entspricht dem Prinzip Universal Design for Learning (UDL, CAST 2018) und erforderte eine konsequent mehrschichtige Aufbereitung jeder Unterrichtseinheit:
Pflichtteil (Lerntext) für Bewusstseins- und Anwendungsstufe — alle Lernenden,
Vertiefung I für Anwender mit Erstkontakt — Fach- und Führungskräfte,
Vertiefung II — Strategische Ebene für Gestaltungs- und Verantwortungsstufe — Multiplikatoren und AI Champions.
K.2 Didaktische Methodenbasis
Folgende Methoden wurden bei der Erstellung jeder Unterrichtseinheit angewandt:
| Methode | Quelle | Wirkungsebene |
| Bloom’s Taxonomy (revised) | Anderson/Krathwohl 2001 | Lernziel-Operationalisierung |
| Pyramid Principle | Minto 2009 | Top-Down-Argumentation (Antwort → Beleg) |
| SCQA-Modell | Minto 2009 | Einstiegsdramaturgie (Situation → Komplikation → Frage → Antwort) |
| Cognitive Load Theory | Sweller et al. 2011 | Lerntext-Länge und Box-Dichte |
| Multimedia Learning Principles | Mayer 2009 | Text-Bild-Kombination, Box-Typen |
| Situated Learning | Lave & Wenger 1991 | Branchen-Vignetten, kontextuelle Anwendungen |
K.3 Quellenarbeit
Die Quellenauswahl folgte einem hierarchischen Prinzip:
Erste Priorität: Primärquellen (Rechtstexte, Forschungspaper, offizielle Whitepapers).
Zweite Priorität: Etablierte Forschungsinstitutionen (Stanford HAI, MIT, OECD, Fraunhofer).
Dritte Priorität: Industrie- und Beratungsberichte (McKinsey, BCG, Gartner) — nur wenn keine primäre Quelle verfügbar war.
Vermieden: Anonyme Blog-Beiträge, unbestätigte Marketing-Whitepapers, Quellen ohne nachprüfbare Methodik.
Insgesamt enthält die Wissensbasis rund 880 externe Links, davon rund 200 zu offiziell-institutionellen Quellen.
K.4 Qualitätssicherung
Vor Veröffentlichung wurde das Werk einem mehrstufigen Audit unterzogen:
| Audit-Stufe | Bewertungsebene | Status |
| Strukturelle Konsistenz | UE-Schablone, Box-System, Heading-Hierarchie | bestanden |
| Inhaltliche Tiefe | Quellenqualität, Faktenverifikation, Aktualität | bestanden |
| Didaktische Klarheit | Lernziele, SCQA, Pyramid, Bloom | bestanden |
| Visuelle Klarheit | Layout, Typographie, CI-Konformität | bestanden |
| Heterogene Zugänglichkeit | Drei-Spuren-Lernpfad | bestanden |
| Reproduzierbarkeit | Quellenverzeichnis, Methodenkapitel, Zitierfähigkeit | bestanden |
Das vollständige Audit-Protokoll wird auf Anfrage zur Verfügung gestellt.
K.5 Aktualisierung und Edition
Die Wissensbasis wird jährlich in einer neuen Edition aktualisiert:
Inhaltliche Aktualisierungen: Neue Gesetzesanwendungen, neue Modellgenerationen, neue Use-Cases.
Rechtliche Aktualisierungen: Änderungen am EU AI Act, DSGVO-Auslegung, BSI-Empfehlungen.
Didaktische Optimierung: Auswertung von Trainer-Feedback und Selbstlerner-Surveys.
Zitiervorschlag
MindsMachines AI GmbH (2026): Künstliche Intelligenz im Unternehmen — Experten-Wissensbasis. Edition 2026, Stand Juni 2026. Düsseldorf: MindsMachines AI GmbH.
Quelle: KI-Wissensbasis von MindsMachines, Edition Juni 2026. Vollständige Fassung als PDF anfordern.