KI-Kompetenz – Chancen nutzen, Heraus­forde­run­gen bewältigen

Der Begriff "KI-Alphabetisierung" ist in diesem Kontext präziser als "KI-Kompetenz", weil er die grundlegende Fähigkeit beschreibt, KI-Technologien zu verstehen, zu hinterfragen und sicher zu nutzen – ähnlich wie bei der "Alphabetisierung" im klassischen Sinne.

Ausgehend von dem u.a. im Originalwortlaut von Art. 4 des AI Act (KI-Verordnung) verwendeten Begriff “AI Literacy” beschreibt “Literacy” in der Bildungspädagogik die Fähigkeit, Informationen zu verstehen, zu analysieren und zu bewerten. "Alphabetisierung" wird häufig für Basiskompetenzen in einem bestimmten Bereich verwendet, z. B. "Datenalphabetisierung" (Data Literacy) oder "Finanzalphabetisierung" (Financial Literacy).

Der AI Act fordert zudem keine tiefgehende "Kompetenz" im Sinne von technischer Expertise, sondern ein ausreichendes Verständnis für den sicheren und ethischen Umgang mit KI. "KI-Alphabetisierung" beschreibt genau dieses Ziel: eine grundlegende Befähigung, Risiken zu erkennen, Entscheidungen auf Basis von KI-Ergebnissen zu hinterfragen und den Einsatz von KI kritisch zu reflektieren.

Führend im deutschsprachigen Markt ist nach unserer Wahrnehmung jedoch der Begriff „KI-Kompetenz“.

Die KI-Verordnung (AI Act) definiert nach Art. 3 Nr. 56 und 4 KI-Kompetenz als Kombination von Fähigkeiten, Kenntnissen und Verständnis, um KI-Systeme sachkundig zu nutzen, einschließlich des Bewusstseins für Chancen, Risiken und mögliche Schäden.
Der jeweilige Kompetenzbedarf hängt vom Zweck und Kontext des in Frage stehenden KI-Systems, einschließlich seiner Risikoklasse, sowie dem Vorwissen und den Fähigkeiten der Beteiligten ab.

Der Begriff der "KI-Kompetenz" ist dabei also nicht explizit durch den Wortlaut der KI-Verordnung definiert und lässt Raum zur Auslegung. Diese Möglichkeit nutzen wir, um eure Schulungs- und Trainingsbedarfe möglichst individuell zu gestalten, behalten dabei eine gesetzeskonforme Anwendung für euch aber immer im Blick.

Auch wenn die KI-Verordnung in diesem Zusammenhang unmittelbar keinen Nachweis verlangt, lässt sich eine damit verbundene Pflicht gegebenenfalls aus den Grundsätzen für vertrauensvolle KI ableiten, wie sie in ErwG 27 beschrieben ist. Zudem ist eine Beschwerde nach Art. 85 wegen Verstoßes gegen die KI-Verordnung denkbar. Darüber hinaus wird am Markt diskutiert, eine Nachweispflicht zum Auf- und Ausbau von KI-Kompetenzen könnte sich aus der in der DSGVO allgemein verankerten Rechenschaftspflicht ableiten lassen.

Die KI-Verordnung definiert den Begriff "Betroffene" nicht gesondert. Aus dem Gesetzeskontext ergibt sich jedoch, dass damit natürliche Personen gemeint sind, deren personenbezogene Daten von KI-Systemen verarbeitet werden (vgl. ErwG 10) oder die mit KI-Systemen interagieren (vgl. ErwG 27).

Ebenso umfasst der Begriff Personen, auf die KI-gestützte Entscheidungen Auswirkungen haben können (vgl. ErwG 20).

Im Sinne der Begriffsbestimmung in Art. 3 Nr. 56 der KI-Verordnung (AI Act) umfasst der KI-Kompetenzbegriff vier Dimensionen: 

• Fähigkeiten, also praktisch orientierte Kompetenzen, eine bestimmte Aufgabe zu bewältigen oder eine Handlung auszuführen, die auf Erfahrung und Übung basieren,
• Kenntnisse, also inhaltliches Wissen, das durch (theoretisches) Lernen angeeignet wurde (ohne es zwingend praktisch auch angewendet zu haben),
• Verständnis, also Wissen und Können in einem konkreten Sachverhalt anwenden und anpassen zu können, auch um auf dieser Grundlage Entscheidungen treffen zu können sowie
• Sachkunde; bezeichnet die Fähigkeit, die Kenntnis und das Verständnis, um eine Aufgabe oder Tätigkeit korrekt und verantwortungsvoll auszuführen.

Die Vermittlung von KI-Kompetenzen bezieht sich auf alle einschlägigen Akteure der KI-Wertschöpfungskette, die erforderlich sind, um die angemessene Einhaltung und die ordnungsgemäße Durchsetzung der Verordnung sicherzustellen. Deshalb ist der Adressatenkreis relativ groß und erstreckt sich gleichermaßen auf Funktionsträger der ersten (Fachbereiche, IT) sowie der zweiten Verteidigungslinie (Datenschutz, Informationssicherheit, Recht etc.).

Die europäische KI-Verordnung (AI Act) selbst verwendet den Begriff "KI-Wertschöpfung" nicht direkt, aber er kann aus den Regelungen zur KI-Entwicklung, -Bereitstellung und -Nutzung abgeleitet werden. Das bezieht sich nicht nur auf die Frage, ob und welchen wirtschaftlichen Mehrwert die Nutzung von KI für das Unternehmen stiftet, sondern auch auf dessen rechtlich-ethische Absicherung entlang der gesamten Wertschöpfungskette. 

Um Fortschritt und Erfolg im Auf- und Ausbau eurer KI-Kompetenzen messen zu können, empfehlen wir euch, konkrete Kennzahlen im Sinne “klassischer” Key Performance Indicators (KPIs) zu bestimmen. 
Übertragen auf den KI-Lernerfolg können das beispielsweise Kennzahlen bzw. Indikatoren sein, die im Zusammenhang stehen mit:

• Anteil der Mitarbeitenden mit erfolgreicher KI-Zertifizierung
• Anzahl der durchgeführten KI-Projekte nach Schulungs- und Trainingsteilnahmen
• Wissenstransfer in KI-Projekte
• Anzahl der Mitarbeitenden, die KI im Rahmen ihrer täglichen Arbeit nutzen
• KI-Adoption-Rate
• Reduktion von KI-Fehlanwendungen durch verbesserte Kompetenz
• Bewertung der selbst wahrgenommen KI-Kompetenz der Mitarbeitenden nach erfolgten Schulungs- und Trainingsmaßnahmen
   

Nach Art. 4 der KI-VO (AI Act) "ergreifen die Anbieter und Betreiber von KI-Systemen Maßnahmen, um nach besten Kräften sicherzustellen, dass ihr Personal und andere Personen, die in ihrem Auftrag mit dem Betrieb und der Nutzung von KI-Systemen befasst sind, über ein ausreichendes Maß an KI-Kompetenz verfügen, wobei ihre technischen Kenntnisse, ihre Erfahrung, ihre Ausbildung und Schulung und der Kontext, in dem die KI-Systeme eingesetzt werden sollen, sowie die Personen oder Personengruppen, bei denen die KI-Systeme eingesetzt werden sollen, zu berücksichtigen sind."
Zur Begriffsbestimmung heißt es zudem in Art. 3 Nr. 56 der der KI-VO: “Für die Zwecke dieser Verordnung bezeichnet der Ausdruck (…) KI-Kompetenz die Fähigkeiten, die Kenntnisse und das Verständnis, die es Anbietern, Betreibern und Betroffenen unter Berücksichtigung ihrer jeweiligen Rechte und Pflichten im Rahmen dieser Verordnung ermöglichen, KI-Systeme sachkundig einzusetzen sowie sich der Chancen und Risiken von KI und möglicher Schäden, die sie verursachen kann, bewusst zu werden.”

Das European AI Office ist das zentrale Kompetenzzentrum der Europäischen Union für Künstliche Intelligenz (KI). Es wurde innerhalb der Europäischen Kommission eingerichtet und spielt eine Schlüsselrolle bei der Umsetzung der KI-VO (AI Act). Zu seinen Hauptaufgaben zählen die Förderung der Entwicklung und des Einsatzes vertrauenswürdiger KI sowie der Schutz vor potenziellen KI-Risiken. Es soll darüber hinaus die Grundlage für ein einheitliches europäisches KI-Governance-System bilden.

Im Kontext der Vermittlung von KI-Kompetenz (AI Literacy) hat das EU AI Office die Aufgabe, Instrumente zur Förderung des öffentlichen Bewusstseins und des Verständnisses für die Vorteile, Risiken, Garantien, Rechte und Pflichten im Zusammenhang mit der Nutzung von KI-Systemen zu entwickeln und zu fördern. Dies umfasst die Unterstützung von Anbietern und Betreibern von KI-Systemen dabei, sicherzustellen, dass ihr Personal über ein ausreichendes Maß an KI-Kompetenz verfügt.

Das EU AI Office hat am 4. Februar 2025 das "Living Repository to foster learning and exchange on AI Literacy" zur Förderung von KI-Kompetenz veröffentlicht: 

• Verpflichtung zur KI-Kompetenz: Das AI Office hebt noch einmal ausdrücklich hervor, dass gemäß Art. 4 der KI-VO (AI Act) Anbieter und Betreiber von KI-Systemen seit dem 2. Februar 2025 verpflichtet, sicherzustellen, dass ihre Mitarbeitenden über ausreichende Kompetenz im Umgang mit KI verfügen.
• Sammlung bewährter Praktiken: Um ein "Living Repository" zu schaffen, das an-hand von Beispielen illustriert, wie vielfältig eine Umsetzung der Anforderung zur Vermittlung von KI-Kompetenz in den Unternehmen aussehen kann, hat das AI Office eine Sammlung laufender Praktiken von Unterzeichnern des AI Pact zusammengestellt. Dieses Repository soll Beispiele für aktuelle Maßnahmen zur Förderung der KI-Kompetenz bieten und soll regelmäßig aktualisiert werden.
• Kategorisierung der Implementierungsstände: Die im Repository aufgeführten Praktiken sind alphabetisch nach ihrem Implementierungsstand geordnet: vollständig umgesetzt, teilweise eingeführt oder geplant.
• Förderung von Lernen und Austausch: Obwohl die Nachahmung der im Repository gesammelten Praktiken nicht „automatisch" die Einhaltung von Art. 4 der KI-VO gewährleistet, zielt das Repository darauf ab, Lernen und Austausch zwischen Anbietern und Betreibern von KI-Systemen zu fördern.
• Teil eines umfassenderen Unterstützungsansatzes: Das "Living Repository" ist Teil eines umfassenderen Ansatzes des EU AI Office, um die Umsetzung von Art. 4 der KI-VO zu unterstützen. 
   

Um KI souverän nutzen und bewerten zu können, brauchst du ein solides Verständnis ihrer technologischen Grundlagen. Dazu gehört das Wissen über Architekturen, Funktionsweisen und die wichtigsten Begriffe von KI-Modellen, -Systemen und -Technologien.
Dazu zählen unter anderem Machine Learning, Deep Learning, Large Language Models, Generative KI, Natural Language Processing (NLP) und neuronale Netze. Ebenso sind Transformermodelle wie GPT oder BERT essenziell, da sie viele moderne KI-Anwendungen antreiben. Auch spezielle Methoden wie Computer Vision für Bild- und Objekterkennung oder Embedding-Techniken zur semantischen Verarbeitung von Texten gehören zu den Kernkompetenzen.

Ein vertieftes Verständnis umfasst zudem, wie KI-Modelle trainiert und optimiert werden. Dabei spielen Supervised Learning, Unsupervised Learning und Reinforcement Learning eine zentrale Rolle. Ebenso wichtig sind Techniken wie Feature Engineering, Hyperparameter-Tuning und Federated Learning, das eine dezentrale KI-Modellentwicklung ermöglicht.
Da KI-Systeme nicht nur entwickelt, sondern auch skaliert, verwaltet und integriert werden müssen, solltest du die Grundlagen von MLOps (Machine Learning Operations) kennen. Diese Disziplin hilft, Modelle effizient bereitzustellen und zu überwachen. Zudem ist das Thema Edge AI spannend – also KI, die direkt auf Geräten (z. B. IoT-Geräten) läuft, anstatt auf zentralen Servern.

Schließlich ist es wichtig zu verstehen, wie Datenqualität und -vorbereitung die Leistungsfähigkeit von KI-Modellen beeinflussen. In diesem Kontext ist die Entscheidung zwischen Cloud- vs. On-Premises-KI essenziell, je nach Anforderungen an Skalierung, Sicherheit und Datenschutz. Ebenso ist die Interoperabilität von KI-Systemen ein zentrales Thema, wenn verschiedene KI-Plattformen zusammenarbeiten müssen. 
 

Anwendungsbezogene Kompetenzen im Umgang mit KI bedeuten, sie gezielt in geschäftlichen und operativen Prozessen einzusetzen und ihre Ergebnisse fundiert zu interpretieren sowie zu bewerten. Dazu gehört das Verständnis, wann und wie KI sinnvoll eingesetzt werden kann, um Effizienz zu steigern, Entscheidungen zu unterstützen oder neue Geschäftsmodelle zu ermöglichen.

Ebenso wichtig ist das Wissen darüber, welche KI-Technologien für spezifische Anwendungsfälle geeignet sind – sei es zur Prozessautomatisierung, Entscheidungsunterstützung, Mustererkennung oder personalisierten Kundeninteraktion. Ein zentraler Aspekt dabei ist die Datenbasis: Welche Daten benötigt werden, wie sie aufbereitet und ausgewählt werden müssen und welche Qualität sie haben sollten, um verlässliche KI-gestützte Ergebnisse zu erhalten.

Wer KI anwendet, muss nicht nur deren technische Möglichkeiten verstehen, sondern auch ihre praktische Umsetzbarkeit im Unternehmen beurteilen können. Dazu gehört die Fähigkeit, Ergebnisse aus KI-Modellen richtig zu interpretieren, Limitationen zu erkennen und sie mit anderen Unternehmensdaten oder menschlichem Fachwissen zu kombinieren.
Mit diesen Kompetenzen gelingt es, KI nicht nur als Technologie zu betrachten, sondern als wertvollen Bestandteil der Wertschöpfung im Unternehmen strategisch und zielgerichtet einzusetzen.

KI entfaltet ihren echten Nutzen erst dann, wenn du sie gezielt zur Steigerung der Wertschöpfung in deinem Unternehmen einsetzt. Das bedeutet, zu verstehen, wie KI Produkte, Dienstleistungen, Geschäftsprozesse und Geschäftsmodelle verändern und neue Möglichkeiten der Monetarisierung eröffnen kann.

Ein zentraler Aspekt ist die Fähigkeit, den wirtschaftlichen Mehrwert von KI-Projekten zu bewerten – sei es durch Effizienzgewinne, Kostenreduktion oder Umsatzsteigerung. Dazu gehört, dass du Kosten-Nutzen-Analysen, Return-on-Investment-Berechnungen (ROI) und den Erfolg von KI-Initiativen messen kannst. Wenn du Wertschöpfung mit KI verstehst, weißt du, wie man datengetriebene Geschäftsmodelle entwickelt, welche Rolle KI in der automatisierten Entscheidungsfindung spielt und wie sie zur Optimierung von Wertschöpfungsketten beiträgt.

Neben finanziellen Vorteilen geht es auch um Wettbewerbsvorteile und Innovationen: Mit KI kannst du schneller auf Marktveränderungen reagieren, deine Produkte individuell an Kundenbedürfnisse anpassen und neue Märkte erschließen. Dazu gehört auch das Wissen um Plattform-Ökosysteme, KI-gestützte Services und die Skalierbarkeit von KI-Lösungen.
Wenn du in diesem Bereich fit bist, siehst du KI nicht nur als technisches Werkzeug, sondern als strategischen Hebel für den Unternehmenserfolg – und kannst ihre Potenziale gezielt für nachhaltige Wertschöpfung ausschöpfen.

Damit du KI gezielt und verantwortungsvoll einsetzen kannst, brauchst du ein klares Verständnis der Rollen und Verantwortlichkeiten entlang der KI-Wertschöpfungskette. Dazu gehört zu wissen, welche Pflichten deine Organisation als Anbieter, Betreiber oder Nutzer von KI-Systemen hat – insbesondere im Kontext der KI-Verordnung (AI Act). Die Unterscheidung zwischen “Anbieter” und “Betreiber” ist essenziell.

Ein zentrales Element der Risikokontrolle ist außerdem die Fähigkeit, Chancen, Risiken und mögliche Schäden durch den Einsatz von KI frühzeitig zu erkennen. Dazu gehört das Bewusstsein für technische, wirtschaftliche, regulatorische und ethische Risiken, beispielsweise:

• Technische Risiken: Fehlerhafte Modelle, mangelnde Robustheit oder Sicherheitslücken.
• Wirtschaftliche Risiken: Fehlinvestitionen oder Abhängigkeiten von Anbietern.
• Gesetzliche Risiken: Verstöße beispielsweise gegen KI-Verordnung oder Datenschutz-Grundverordnung
• Ethische Risiken: Diskriminierende oder intransparente Entscheidungen durch KI.

Darüber hinaus umfasst Risikokontrolle auch Methoden zur Bewertung und Steuerung von Risiken, darunter Risikobewertungsmodelle, Audits, Testverfahren und Kontrollmechanismen für KI-Systeme. Wer diese Kompetenzen beherrscht, kann nicht nur Risiken minimieren, sondern auch die Resilienz und Verlässlichkeit von KI-Systemen sicherstellen.
Mit fundiertem Wissen zur Risikokontrolle sorgst du dafür, dass KI nicht nur innovativ, sondern auch sicher, regelkonform und verantwortungsvoll eingesetzt wird.

Damit du KI sicher und verantwortungsvoll einsetzen kannst, brauchst du ein solides Verständnis der rechtlichen und ethischen Rahmenbedingungen. Dazu gehört, die führenden Begriffe und zentralen Regelungen der KI-Verordnung (AI Act) zu kennen, zu verstehen und anzuwenden. Du solltest wissen, welche KI-Systeme als niedrig, hoch oder inakzeptabel risikobehaftet eingestuft werden und welche Pflichten sich daraus für Unternehmen ergeben.

Ein wichtiger Aspekt ist das Bewusstsein für potenzielle Diskriminierungen und Manipulationen, die durch KI entstehen können – etwa durch fehlerhafte Trainingsdaten, verzerrte Algorithmen oder unfaire Entscheidungsprozesse. Du solltest erkennen, wann Bias in KI-Systemen auftritt, wie du ihn minimierst und wie du für Transparenz, Fairness und Erklärbarkeit sorgst.

Auch der Umgang mit personenbezogenen Daten ist essenziell. Du musst verstehen, wann und wie Daten im Einklang mit der DSGVO verarbeitet werden dürfen, welche Datenschutzprinzipien gelten und wie du KI so einsetzt, dass sie den Anforderungen an Privacy by Design gerecht wird.

Neben regulatorischen Vorgaben gehört zur rechtlich-ethischen Kompetenz auch die Fähigkeit, KI im Einklang mit unternehmenseigenen Compliance- und Ethikrichtlinien zu nutzen. Das bedeutet, du kannst beurteilen, wann eine KI-gestützte Entscheidung nicht nur rechtlich zulässig, sondern auch gesellschaftlich und moralisch vertretbar ist.
Mit diesen Kompetenzen stellst du sicher, dass KI nicht nur leistungsfähig, sondern auch vertrauenswürdig, fair und gesetzeskonform eingesetzt wird.