KI-Kompetenz im Team aufzubauen, klingt nach einer Schulungsaufgabe. Man bucht einen Workshop, zeigt einige Werkzeuge und verteilt eine Sammlung guter Eingaben. Worum es wirklich geht, ist etwas anderes: um die Fähigkeit, Ergebnisse einer Maschine richtig einzuschätzen. Wer nicht beurteilen kann, ob ein Text, ein Bild oder eine Analyse gut ist, wird auch mit dem besten Werkzeug keine guten Ergebnisse erzielen.
Diese Verschiebung wird oft unterschätzt. KI macht viele Arbeitsschritte schneller. Sie verlagert damit das Gewicht von der Herstellung auf die Bewertung. In einer Marketingabteilung, in der Inhalte in großer Zahl entstehen, wird Urteilskraft zur knappsten Ressource. Wer diese Fähigkeit im Team nicht gezielt stärkt, produziert mehr und versteht weniger. Auf Dauer leidet darunter nicht nur die Qualität der Arbeit, sondern auch das Selbstverständnis der Menschen, die sie leisten.
- KI-Kompetenz bedeutet vor allem Urteilskraft, nicht Bedienwissen.
- Die KI-Verordnung der EU verpflichtet Unternehmen, ausreichendes Wissen im Umgang mit KI sicherzustellen.
- Einmalige Schulungen reichen nicht, Kompetenz entsteht im Arbeitsalltag.
- Führungskräfte müssen selbst praktisch mit KI arbeiten, um gute Entscheidungen zu treffen.
- Fachwissen über Marke und Handwerk bleibt die Grundlage jeder guten Bewertung.
Inhaltsverzeichnis
Was KI-Kompetenz im Team wirklich bedeutet
KI-Kompetenz hat mehrere Schichten. Die oberste ist das Bedienwissen: Welche Werkzeuge gibt es, wie formuliert man eine Aufgabe, wie verfeinert man ein Ergebnis? Diese Schicht ist sichtbar und leicht zu schulen. Sie veraltet aber auch schnell, weil sich die Werkzeuge ständig verändern. Was heute als beste Vorgehensweise gilt, kann in wenigen Monaten schon wieder anders aussehen.
Darunter liegt das Verständnis dafür, wie diese Systeme arbeiten und wo ihre Grenzen sind. Wer weiß, dass ein Sprachmodell plausible statt wahre Sätze erzeugt, geht anders mit den Ergebnissen um. Wer versteht, dass Bilder aus Mustern entstehen, prüft genauer, ob Details stimmen. Dieses Wissen schützt vor naivem Vertrauen, aber auch vor übertriebener Skepsis, die nützliche Möglichkeiten vorschnell verwirft.
Die tiefste Schicht ist die fachliche Urteilskraft. Sie entscheidet, ob ein Ergebnis zur Marke passt, ob eine Aussage haltbar ist und ob ein Bild die richtige Haltung zeigt. Diese Fähigkeit entsteht nicht durch KI, sondern durch Erfahrung im eigenen Handwerk. Sie wächst langsam, durch viele gelungene und misslungene Versuche, und lässt sich durch kein Werkzeug abkürzen. Gute KI-Kompetenz verbindet alle drei Schichten und gewichtet sie richtig: das Urteil zuerst, das Bedienwissen zuletzt.
Wie sich Urteilskraft in einem Team entwickelt, habe ich bei der Agentur oddity gelernt. Für dm-drogerie markt habe ich dort zwischen 2013 und 2017 das Kreativteam von 7 auf 22 Art Directors aufgebaut und die Verantwortung für Hiring und Talententwicklung getragen. Dabei hat sich für mich ein Grundsatz gefestigt: Programme lassen sich in wenigen Wochen lernen, ein sicheres Urteil über Qualität braucht Jahre. Deshalb lohnt es sich, Talente vor allem in ihrem Blick für gute Arbeit zu fördern. Diese Gewichtung gilt für KI heute genauso. Werkzeuge wechseln, das Urteil bleibt der Kern der Kompetenz.
Auch der Gesetzgeber sieht das Thema. Die KI-Verordnung der EU verlangt in Artikel 4, dass Anbieter und Betreiber von KI-Systemen Maßnahmen ergreifen, damit ihr Personal über ausreichendes Wissen im Umgang mit diesen Systemen verfügt. Damit ist der Aufbau von Kompetenz keine freiwillige Kür mehr.
Wo der Aufbau von KI-Kompetenz in der Praxis scheitert
Der häufigste Fehler ist die einmalige Schulung. Ein Workshop kann neugierig machen, aber er verändert selten die tägliche Arbeit. Wenige Wochen später nutzen einige Menschen die Werkzeuge intensiv, andere gar nicht, und das Wissen im Team driftet auseinander. Aus einer gemeinsamen Ausgangslage werden so in kurzer Zeit sehr unterschiedliche Arbeitsweisen, die sich kaum noch miteinander vergleichen lassen.
Ein zweiter Fehler ist die Konzentration auf Tricks. Sammlungen von angeblich perfekten Eingaben versprechen schnelle Ergebnisse. Sie trainieren aber eher das Kopieren als das Denken. Wer nicht versteht, warum eine Formulierung funktioniert, kann sie nicht auf neue Aufgaben übertragen. Sobald sich das Werkzeug ändert, ist das mühsam gesammelte Wissen dann oft wertlos.
Drittens fehlt oft das Vorbild der Führung. Wenn Führungskräfte über KI sprechen, sie aber selbst nicht nutzen, entsteht eine merkwürdige Distanz. Sie können dann weder einschätzen, was realistisch ist, noch gute Fragen stellen. Ich habe oft gesehen, dass Teams sehr genau darauf achten, ob ihre Führung selbst lernt.
Und schließlich wird die Angst unterschätzt. Viele Menschen fragen sich, was KI für ihre eigene Rolle bedeutet. Wer diese Frage nicht offen anspricht, erntet Zurückhaltung statt Neugier. Ehrlichkeit hilft hier mehr als Beruhigung, auch wenn nicht jede Antwort schon feststeht.
Was KI-Kompetenz für eine Marke bedeutet
Für eine Marke ist KI-Kompetenz eine Frage der Qualitätssicherung. Jedes Teammitglied, das mit KI arbeitet, wird zu einer Art Torwächter. Es entscheidet, welche Ergebnisse weitergegeben werden und welche nicht. Je besser dieses Urteil ist, desto konsistenter bleibt die Marke, auch wenn die Menge an Inhalten wächst.
Das bedeutet, dass Markenwissen und KI-Wissen zusammengehören. Wer die Markenstimme nicht kennt, kann nicht beurteilen, ob ein generierter Text sie trifft. Wer das visuelle Regelwerk nicht verinnerlicht hat, erkennt nicht, wann ein Bild davon abweicht. Die Erfahrungen mit KI-Bildgenerierung in der Mode zeigen das sehr deutlich.
Es bedeutet auch, dass die Kriterien für gute Arbeit klar sein müssen. Wer im Team Kreativarbeit bewerten soll, braucht einen gemeinsamen Maßstab. Dieser Maßstab gilt für Inhalte von Menschen ebenso wie für Inhalte, die mit KI entstanden sind.
Schließlich schafft KI-Kompetenz Unabhängigkeit. Ein Team, das die Technik versteht, kann besser mit Agenturen, Dienstleistern und Softwareanbietern sprechen und ist weniger auf Versprechen angewiesen. Es kann gezielter einkaufen, realistischer planen und besser erkennen, wann ein Angebot mehr verspricht, als es halten kann.
Was ich anders machen würde
Ich würde KI-Kompetenz nicht als Projekt behandeln, sondern als Teil der normalen Arbeit. Kleine, regelmäßige Formate helfen mehr als große Veranstaltungen: ein kurzer Austausch, in dem jemand zeigt, was funktioniert hat und was nicht, oder eine gemeinsame Besprechung von Ergebnissen, bei der das Team lernt, genau hinzusehen.
Ich würde außerdem bewusst Menschen mit unterschiedlicher Erfahrung zusammenbringen. Jüngere Kolleginnen und Kollegen sind oft schneller im Umgang mit neuen Werkzeugen. Erfahrene Menschen haben das bessere Urteil über Qualität. Wenn beide voneinander lernen, entsteht genau die Mischung, die ein Team braucht. Beim Aufbau einer Inhouse-Agentur gilt dieses Prinzip ohnehin.
Und ich würde klare Regeln schaffen, ohne die Neugier zu ersticken. Welche Daten dürfen verwendet werden, welche Ergebnisse brauchen eine Freigabe, wo liegt die Verantwortung? Innerhalb dieses Rahmens sollte das Team ausprobieren dürfen. KI-Kompetenz wächst dort, wo Menschen sicher genug sind, Fehler zu machen, und klug genug, aus ihnen zu lernen.
Am wichtigsten wäre mir, die Bewertung selbst zum Lernstoff zu machen. Statt nur zu zeigen, wie man ein Ergebnis erzeugt, würde ich mit dem Team regelmäßig darüber sprechen, warum ein Ergebnis gut oder schlecht ist. Was stimmt an diesem Text nicht? Warum wirkt dieses Bild fremd? Solche Gespräche schärfen den Blick schneller als jede Anleitung. Sie machen sichtbar, dass KI-Kompetenz am Ende eine Form von Sorgfalt ist, und Sorgfalt lässt sich üben.