Tiefenthema 1: KI und Arbeitsrecht in Deutschland
Die Einführung von KI-Systemen am Arbeitsplatz berührt Mitbestimmungsrechte des Betriebsrats nach dem Betriebsverfassungsgesetz (BetrVG). Trainer in Organisationen mit Betriebsrat sollten dieses Thema aktiv ansprechen — idealerweise als Ermächtigung, nicht als Bedrohung.
Relevante Beteiligungsrechte des Betriebsrats:
§87 Abs. 1 Nr. 6 BetrVG — Technische Überwachungseinrichtungen: Systeme, die geeignet sind, das Verhalten oder die Leistung von Arbeitnehmern zu überwachen, bedürfen der Zustimmung des Betriebsrats. KI-Systeme, die Arbeitsqualität oder -geschwindigkeit erfassen (auch als Nebeneffekt), können unter diese Regelung fallen.
§80 Abs. 2 BetrVG — Informationsrecht: Der Betriebsrat kann Informationen über geplante KI-Systeme verlangen, um seine Aufgaben erfüllen zu können.
§90 BetrVG — Unterrichtungs- und Beratungsrechte bei Technikgestaltung: Der Betriebsrat muss rechtzeitig über die Planung neuer technischer Anlagen unterrichtet und beraten werden.
Strategische Empfehlung: Betriebsräte frühzeitig in den KI-Strategieprozess einbinden — als Partner bei der Identifikation von Use Cases und bei der Ausgestaltung der Governance-Regeln. Betriebsräte, die als Mit-Gestalter der KI-Strategie agieren, sind weniger wahrscheinlich, spätere Blocking-Positionen einzunehmen. Das Gegenteil — Betriebsräte spät oder gar nicht einzubinden — ist nicht nur rechtlich riskant, sondern auch Change-Management-mäßig kontraproduktiv.
Tiefenthema 2: Nachhaltigkeit und KI
KI-Systeme haben einen erheblichen ökologischen Fußabdruck, der bei der Investitionsentscheidung und im Governance-Handbuch berücksichtigt werden sollte:
Energieverbrauch von KI-Modellen: - Das Training eines großen Sprachmodells (GPT-4-Klasse) verbraucht Schätzungen zufolge so viel Energie wie ein Transatlantikflug für hunderte Passagiere - Die Inferenz (Nutzung des Modells) ist energieeffizienter — aber bei hohem Nutzungsvolumen summiert sich der Verbrauch
Nachhaltigkeits-Implikationen für Use-Case-Entscheidungen: 1. Kleinere Modelle (z.B. Mistral 7B, Llama 3 8B) für einfache Aufgaben bevorzugen — erheblich energieeffizienter als GPT-4-Klasse bei gleicher Leistung für einfache Aufgaben 2. Prompt-Effizienz: Kürzere, präzisere Prompts verbrauchen weniger Tokens = weniger Energie 3. Caching: Häufig gestellte identische Anfragen werden gecacht statt erneut berechnet 4. Rechenzentrum-Standorte: Cloud-Anbieter mit hohem Renewable-Energy-Anteil bevorzugen
CSRD-Relevanz (ab 2024): Unter der Corporate Sustainability Reporting Directive (CSRD) müssen immer mehr Unternehmen über ihre Umweltwirkungen berichten — inklusive IT-bedingter Emissionen. KI-Systeme werden Teil der Scope-3-Berichterstattung. Ein KI-Governance-Handbuch sollte Richtlinien zur Nachhaltigkeitsbewertung von KI-Use-Cases einschließen.
Tiefenthema 3: KI-Kompetenz als strategische Ressource
Die Einführung von KI-Technologie ohne parallelen Kompetenzaufbau bei den Mitarbeitenden ist zum Scheitern verurteilt. Dieser Zusammenhang ist in der Literatur gut belegt — aber in der Praxis wird er systematisch unterschätzt.
Das Kompetenz-Investment-Missverhältnis:
Studien (u.a. Gartner, McKinsey 2024) zeigen konsistent: Unternehmen investieren im Durchschnitt 10–15 % ihres KI-Projektbudgets in Schulung und Kompetenzentwicklung — obwohl Adoption-Probleme (also Kompetenz-Probleme) für 40–60 % der KI-Implementierungsmisserfolge verantwortlich sind. Das optimale Verhältnis liegt bei 25–35 % des Projektbudgets für Schulung und Change Management.
Dreistufiges KI-Kompetenzmodell für Organisationen:
Stufe 1 — KI-Literacy (alle Mitarbeitenden): Grundverständnis, was KI ist und was sie kann; kritischer Umgang mit KI-Outputs; Datenschutz-Grundwissen. Zeitaufwand: 4–8 Stunden (eLearning + Workshop).
Stufe 2 — KI-Praxis (alle KI-Nutzer): Promptingkompetenz für das eigene Tool-Set; Use-Case-Canvas grundlegend; Pilot-Teilnahme. Zeitaufwand: 12–24 Stunden (dieses Modul + Übung).
Stufe 3 — KI-Strategie (KI-Verantwortliche, Management): Use-Case-Identifikation und -priorisierung; Business-Case-Erstellung; Governance-Design; Pilot-Steuerung. Zeitaufwand: 32–48 Stunden (vollständiges Modul 8 + Projektarbeit).
Kompetenzaufbau als kontinuierlicher Prozess:
KI-Kompetenz ist kein einmaliges Schulungsergebnis. Die Technologie entwickelt sich schnell — was heute Best Practice ist, kann in 18 Monaten überholt sein. Nachhaltige KI-Kompetenz erfordert: - Quartalsweise Update-Schulungen (1–2 Stunden, neue Entwicklungen) - Communities of Practice (interne Lerngruppen, die Erfahrungen teilen) - Externe Vernetzung (Branchenverbände, KI-Netzwerke, Konferenzen) - Experimentierkultur (Zeit und Raum für nicht-produktive KI-Experimente)
Merksatz
KI-Kompetenz ist keine Schulungsmaßnahme — es ist eine kulturelle Transformation. Organisationen, die KI-Schulungen als einmalige Investition betrachten, werden in 18 Monaten wieder von vorn beginnen müssen. Organisationen, die KI-Kompetenz als permanentes strategisches Asset pflegen, akkumulieren einen Wissensvorsprung, der schwer einzuholen ist.
Quelle: KI-Wissensbasis von MindsMachines, Edition Juni 2026. Vollständige Fassung als PDF anfordern.