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.

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.
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-Zugang | KI-Kompetenz | |
|---|---|---|
| Erfolgssignal | Ein Konto wird freigeschaltet | Die Qualität der Arbeit verbessert sich wiederholt |
| Nutzungsverhalten | Öffnet KI, wenn der Anwendungsfall offensichtlich ist | Erkennt, wo KI helfen kann und wo nicht |
| Eingabe | Stellt eine schnelle Anfrage | Rahmt die Aufgabe mit Kontext, Grenzen und einem nützlichen Ausgabeformat |
| Qualitätskontrolle | Akzeptiert eine plausible Antwort | Prüft Aussagen und passt die Kontrolle an das Risiko an |
| Dauerhaftigkeit | Ist von einer Oberfläche oder einem Prompt abhängig | Überträgt die zugrunde liegende Methode auf andere Aufgaben und Tools |
| Messung | Lizenzen und aktive Nutzer | Nachgewiesene 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. Auswählen
Eine Aufgabe erkennen, bei der KI Wirkung entfalten kann, und wissen, wann menschliche Expertise oder ein anderes Werkzeug besser geeignet ist.
2. Rahmen setzen
Ziel, Zielgruppe, Kontext, Grenzen und gewünschtes Ausgabeformat so klar beschreiben, dass sinnvolle Arbeit beginnen kann.
3. Gestalten
Komplexe Arbeit in Schritte zerlegen, Beispiele geben, Alternativen anfordern und das Ergebnis steuern, statt die erste Antwort als endgültig zu behandeln.
4. Beurteilen
Relevanz, Argumentation, faktische Richtigkeit, Ton und Risiko bewerten. Wissen, was wie überprüft werden muss.
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 startenKI-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
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
Gemeinsame Grundlagen aufbauen
Trainieren Sie Aufgabenrahmung, Iteration, Verifikation, Datenschutz und Urteilsvermögen, bevor alle zu fortgeschrittenen Funktionen gedrängt werden.
- 3
Rollen- und toolspezifisch üben
Vertrieb, Einkauf und Finanzanalyse brauchen unterschiedliche Abläufe. Auch ChatGPT, Claude, Gemini und andere Tools erfordern unterschiedliches praktisches Wissen.
- 4
Wiederholung schaffen
Verteilen Sie kurze Missionen über einen längeren Zeitraum, jeweils mit einem klaren Verhalten pro Einheit und regelmäßigen Möglichkeiten zur Anwendung.
- 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
Woche 1
Ermitteln Sie mit einigen repräsentativen Aufgaben den Ausgangspunkt und machen Sie die KI-Regeln des Unternehmens leicht auffindbar.
Woche 2
Üben Sie die gemeinsamen Grundlagen: Aufgabenrahmung, Iteration, Verifikation und sichere Nutzung.
Woche 3
Führen Sie rollen- und toolspezifische Abläufe ein, die erkennbare Arbeitsprobleme lösen.
Woche 4
Testen Sie mit unbekannten Aufgaben erneut, erkennen Sie Lücken und empfehlen Sie die nächsten Übungsmissionen.
Machen Sie den Lizenz-zu-Kompetenz-Test
- Wählen Sie eine realistische Aufgabe, die mehrere Kolleginnen und Kollegen erledigen, etwa aus Besprechungsnotizen einen Aktionsplan zu erstellen.
- Bitten Sie drei Personen mit Zugang zum gleichen KI-Tool, die Aufgabe unabhängig voneinander zu bearbeiten.
- Vergleichen Sie, wie sie die Aufgabe gerahmt, die erste Antwort weiterentwickelt und das Ergebnis geprüft haben.
- Bewerten Sie die Ergebnisse nach Nutzen, Richtigkeit und Einsatzbereitschaft für die reale Arbeit.
- 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
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 startenWeiterlesen

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.

Generierung und Entscheidung trennen: Eine Zwei-Phasen-KI-Vorlage
Nutzen Sie KI, um Optionen zu erweitern und zu hinterfragen. Treffen und dokumentieren Sie dann die verantwortliche menschliche Entscheidung in einem separaten Schritt.

KI-Training für Mitarbeitende im Schichtdienst: Praxisleitfaden
Gestalten Sie KI-Training für Schichtteams mit kurzen Übungen, sicheren Beispielen, schnellem Feedback und Transfer in die nächste Anwendung.