KI im Unternehmen5 Min. Lesezeit

KI-Lizenzen schaffen noch keine KI-Kompetenz

Wenn jedes Teammitglied ein KI-Konto erhält, ist der Zugang geklärt. Es lernt dadurch aber noch nicht, was es delegieren kann, wie es Ergebnisse beurteilt oder wie es durch Übung besser wird.

Bokili Editorial· Geprüft am 8. August 2026
TeilenX
A glowing access key sits at the foot of a staircase built from practice blocks while a diverse team climbs upward.

Ein Unternehmen kauft Hunderte KI-Lizenzen. Der Rollout wird angekündigt, die Konten werden freigeschaltet und die Nutzungsquote im Dashboard steigt. Das fühlt sich nach Fortschritt an. Einen Monat später verwenden die meisten Mitarbeitenden KI jedoch noch immer für dieselben zwei Dinge: E-Mails umformulieren und Dokumente zusammenfassen. Eine kleinere Gruppe gestaltet im Hintergrund ganze Arbeitsabläufe neu. Eine andere hat das Tool einmal ausprobiert, eine mittelmäßige Antwort erhalten und KI daraufhin für überschätzt erklärt.

Der Unterschied liegt selten im Zugang. Er liegt in der Kompetenz. Eine Lizenz ist ein Beschaffungsvorgang; Kompetenz ist eine erlernte Fähigkeit. Sie entsteht, wenn Menschen wiederholt üben, die richtige Aufgabe auszuwählen, den passenden Kontext zu liefern, das Ergebnis zu steuern, es zu prüfen und in die echte Arbeit zu integrieren.

23,6 %
der befragten KMU, die generative KI nutzen, berichten von KI-bezogenen Schulungen ihrer Mitarbeitenden

Diese Zahl stammt aus einer 2025 veröffentlichten OECD-Erhebung. Die Lücke ist relevant, denn die OECD kam in ihrer Synthese von 2026 außerdem zu dem Ergebnis, dass geschulte Beschäftigte häufiger von besserer Arbeitsleistung und besseren Arbeitsbedingungen berichteten. Zugang kann die Nutzung anstoßen. Produktiv wird sie durch Übung.

Zugang ist binär. Kompetenz entsteht schrittweise.

Jemand hat ein Konto oder hat keines. Kompetenz entwickelt sich anders: ungleichmäßig und Aufgabe für Aufgabe. Ein Mitarbeiter kann KI hervorragend zur Ideenfindung einsetzen und zugleich Schwierigkeiten haben, Fakten zu überprüfen. Eine Marketingfachkraft kann einen starken Rechercheprozess aufbauen, aber Mühe haben, die Ergebnisse in ein brauchbares Briefing zu überführen. Eine Person im Finanzbereich kann genau wissen, wo KI helfen würde, sie aber trotzdem meiden, weil die Datenregeln des Unternehmens unklar sind.

KI-ZugangKI-Kompetenz
ErfolgssignalEin Konto wird freigeschaltetDie Qualität der Arbeit verbessert sich wiederholt
NutzungsverhaltenÖffnet KI, wenn der Anwendungsfall offensichtlich istErkennt, wo KI helfen kann und wo nicht
EingabeStellt eine schnelle AnfrageRahmt die Aufgabe mit Kontext, Grenzen und einem nützlichen Ausgabeformat
QualitätskontrolleAkzeptiert eine plausible AntwortPrüft Aussagen und passt die Kontrolle an das Risiko an
DauerhaftigkeitIst von einer Oberfläche oder einem Prompt abhängigÜberträgt die zugrunde liegende Methode auf andere Aufgaben und Tools
MessungLizenzen und aktive NutzerNachgewiesene Kompetenz und bessere Arbeit

Deshalb ist Nutzung eine sinnvolle Produktkennzahl, aber eine unvollständige Lernkennzahl. Jemand kann viele Nachrichten erzeugen, ohne kompetenter zu werden. Eine andere Person nutzt KI vielleicht nur wenige Male pro Woche und schafft dennoch erheblichen Wert, weil der Arbeitsablauf gut gewählt und sorgfältig geprüft ist.

Fünf Schritte, die KI-Kompetenz ausmachen

Der Kompetenzkreislauf

1

1. Auswählen

Eine Aufgabe erkennen, bei der KI Wirkung entfalten kann, und wissen, wann menschliche Expertise oder ein anderes Werkzeug besser geeignet ist.

2

2. Rahmen setzen

Ziel, Zielgruppe, Kontext, Grenzen und gewünschtes Ausgabeformat so klar beschreiben, dass sinnvolle Arbeit beginnen kann.

3

3. Gestalten

Komplexe Arbeit in Schritte zerlegen, Beispiele geben, Alternativen anfordern und das Ergebnis steuern, statt die erste Antwort als endgültig zu behandeln.

4

4. Beurteilen

Relevanz, Argumentation, faktische Richtigkeit, Ton und Risiko bewerten. Wissen, was wie überprüft werden muss.

5

5. Übertragen

Aus einer erfolgreichen Interaktion einen wiederholbaren Ablauf machen und die Methode anschließend auf eine andere Aufgabe, Rolle oder ein anderes KI-Tool übertragen.

Der eigentliche Engpass bei der Einführung

Die meisten Mitarbeitenden brauchen keine weiteren Gründe, von KI beeindruckt zu sein. Sie brauchen genug angeleitete Übung, um einen sinnvollen Moment zu erkennen, zu handeln und dem eigenen Urteil zu vertrauen.

Warum der einmalige Workshop verpufft

Ein Einführungsworkshop ist hilfreich, um einen gemeinsamen Ausgangspunkt zu schaffen. Er kann Unternehmensregeln erklären, Möglichkeiten zeigen und Unsicherheit abbauen. Häufig werden jedoch zu viele Ideen in einen einzigen Termin gepackt, weit entfernt von der nächsten realen Aufgabe. Die Oberfläche wirkt einfach, deshalb überschätzen Menschen, wie viel sie gelernt haben. Dann verändert sich das Tool, die Beispiele passen nicht mehr zur eigenen Rolle und das Wissen verblasst, bevor es zur Gewohnheit wird.

Lesen ist der Anfang. Üben macht den Unterschied.

Jetzt starten

KI-Training funktioniert besser, wenn es weniger wie ein Jahreskurs und mehr wie bewusstes Üben gestaltet ist: kurz, fokussiert, regelmäßig und mit der Arbeit verbunden. Die Lerneinheit sollte nicht „generative KI verstehen“ heißen, sondern ein beobachtbares Verhalten trainieren: einen schwachen Prompt durch Kontext verbessern, drei Aussagen in einer Antwort prüfen, zwei Wege zur Dokumentenanalyse vergleichen oder eine wiederkehrende Aufgabe in einen wiederverwendbaren Ablauf verwandeln.

Ein praktisches Modell für Unternehmen

Von Lizenzen zu Kompetenz

  1. 1

    Eine echte Ausgangsbasis schaffen

    Geben Sie Mitarbeitenden einige realitätsnahe Aufgaben und beobachten Sie, was sie tatsächlich können. Verlassen Sie sich nicht nur auf Selbsteinschätzungen.

  2. 2

    Gemeinsame Grundlagen aufbauen

    Trainieren Sie Aufgabenrahmung, Iteration, Verifikation, Datenschutz und Urteilsvermögen, bevor alle zu fortgeschrittenen Funktionen gedrängt werden.

  3. 3

    Rollen- und toolspezifisch üben

    Vertrieb, Einkauf und Finanzanalyse brauchen unterschiedliche Abläufe. Auch ChatGPT, Claude, Gemini und andere Tools erfordern unterschiedliches praktisches Wissen.

  4. 4

    Wiederholung schaffen

    Verteilen Sie kurze Missionen über einen längeren Zeitraum, jeweils mit einem klaren Verhalten pro Einheit und regelmäßigen Möglichkeiten zur Anwendung.

  5. 5

    Fortschritt messen

    Erfassen Sie nachgewiesene Kompetenz, Übertragung auf neue Aufgaben und die Qualität des Urteils – nicht nur Teilnahme, Abschlüsse oder Nachrichtenvolumen.

Dieses Modell vermeidet auch die falsche Wahl zwischen allgemeinem und spezialisiertem Training. Menschen brauchen übertragbare Grundlagen und danach Übungen, die zu ihrer Rolle und den tatsächlich genutzten Tools passen. Die Reihenfolge zählt: Spezifische Arbeitsabläufe werden wertvoller, wenn sie auf solidem Urteilsvermögen aufbauen.

Was Unternehmen statt Lizenzen messen sollten

Signale echter KI-Kompetenz

  • Können Mitarbeitende Aufgaben erkennen, die sich für KI eignen?
  • Können sie genügend Kontext geben, ohne geschützte Informationen offenzulegen?
  • Können sie eine schwache erste Antwort durch gezielte Iteration verbessern?
  • Können sie wichtige Aussagen mit geeigneten Quellen oder Methoden prüfen?
  • Können sie erklären, wann sie sich nicht auf das Ergebnis verlassen dürfen?
  • Können sie aus einer erfolgreichen Interaktion einen wiederholbaren Ablauf machen?
  • Können sie die Methode auf eine neue Aufgabe oder ein anderes Tool übertragen?
  • Verbessert sich ihre nachgewiesene Kompetenz im Laufe der Zeit?

Das Ziel ist nicht, für alle Mitarbeitenden eine perfekte Punktzahl zu erreichen. Es geht darum, Kompetenz sichtbar zu machen. Führungskräfte sollten erkennen können, wo die Organisation stark ist, wo sich Risiken konzentrieren und welche Lernerfahrungen Verhalten tatsächlich verändern.

Die ersten 30 Tage nach dem Rollout

  1. Woche 1

    Ermitteln Sie mit einigen repräsentativen Aufgaben den Ausgangspunkt und machen Sie die KI-Regeln des Unternehmens leicht auffindbar.

  2. Woche 2

    Üben Sie die gemeinsamen Grundlagen: Aufgabenrahmung, Iteration, Verifikation und sichere Nutzung.

  3. Woche 3

    Führen Sie rollen- und toolspezifische Abläufe ein, die erkennbare Arbeitsprobleme lösen.

  4. Woche 4

    Testen Sie mit unbekannten Aufgaben erneut, erkennen Sie Lücken und empfehlen Sie die nächsten Übungsmissionen.

Machen Sie den Lizenz-zu-Kompetenz-Test

Ein 10-Minuten-Experiment im Team
  1. Wählen Sie eine realistische Aufgabe, die mehrere Kolleginnen und Kollegen erledigen, etwa aus Besprechungsnotizen einen Aktionsplan zu erstellen.
  2. Bitten Sie drei Personen mit Zugang zum gleichen KI-Tool, die Aufgabe unabhängig voneinander zu bearbeiten.
  3. Vergleichen Sie, wie sie die Aufgabe gerahmt, die erste Antwort weiterentwickelt und das Ergebnis geprüft haben.
  4. Bewerten Sie die Ergebnisse nach Nutzen, Richtigkeit und Einsatzbereitschaft für die reale Arbeit.
  5. Bestimmen Sie das eine Verhalten, das den nächsten Versuch am stärksten verbessern würde. Genau darin liegt der Trainingsbedarf.

Wenn die Ergebnisse stark auseinanderliegen, ist nicht die Lizenz das Problem. Es ist die Distanz zwischen Zugang und Kompetenz – und diese Distanz lässt sich trainieren.


Bokili beruht auf einer einfachen Idee: KI-Kompetenz wächst durch kurze, fokussierte Missionen, die sich an Niveau, Rolle und Tools einer Person anpassen. Unternehmen sollten ihren Mitarbeitenden unbedingt Zugang zu KI geben. Sie sollten nur aufhören, den Schlüssel mit der Treppe zu verwechseln.

Quellen

  1. Generative AI and the SME WorkforceOECD
  2. AI and skills: What we know so farOECD
TeilenX

Lesen ist der Anfang. Üben macht den Unterschied.

Bokili macht aus solchen Fähigkeiten Zehn-Minuten-Missionen für das ganze Team – mit sofortigem Feedback und sichtbarem Fortschritt.

Jetzt starten

Weiterlesen

Eine Anfängerin durchläuft eine sichere KI-Übung: Aufgabe wählen, Quelle vorbereiten, Entwurf erstellen, prüfen und eine verifizierte Arbeitsprobe sichern.
Umsetzungs-Playbooks5 Min. Lesezeit

KI-Kurs für Anfänger: Eine sichere erste Arbeitsprobe

Wählen Sie eine Aufgabe mit geringen Auswirkungen, schützen Sie die Eingaben, definieren Sie Qualitätskriterien und erstellen Sie eine verifizierte erste KI-Arbeitsprobe.