Ihr Unternehmen hat Künstliche Intelligenz (KI) in der Auftragsabwicklung eingeführt. Die Lizenzen laufen, die Schulungen waren gut besucht, die Mitarbeitenden wissen, wie man einen Prompt formuliert. Und trotzdem: Die Qualität der Ergebnisse schwankt, die Nutzung der KI durch die Mitarbeitenden ist ungleichmäßig, und das eigentliche Potenzial bleibt weitgehend bisher unausgeschöpft. Der natürliche Reflex lautet jetzt: mehr Training, bessere Tools, neue Features. Aber der eigentliche Engpass sitzt woanders. Er sitzt nicht im System – er sitzt mitten in uns drinnen.
Was wir uns ersparen wollen, wenn wir über Technik reden
In den letzten Monaten habe ich viele KI-Qualifizierungsprogramme beobachtet – in KMU, in öffentlichen Verwaltungen, in mittleren Betrieben, die sich ernsthaft auf den Weg gemacht haben. Der Inhalt ist erstaunlich ähnlich: Prompt-Grundlagen, Tool-Übersichten, vielleicht ein Workshop zu ChatGPT, Gemini oder Copilot, manchmal eine Zertifizierung. Das alles ist nicht falsch. Aber es greift einfach zu kurz.
Kendra Pöhlmann hat in ihrem Beitrag From Augmentation to Agency einen Gedanken formuliert, der stärker in uns nachhallen sollte: Ob Menschen generative KI wirksam einsetzen, entscheidet sich nicht an technischer Literalität, also die Fähigkeit, geschriebene Texte zu lesen, zu verstehen und zu interpretieren. Es entscheidet sich an Fähigkeiten wie emotionaler Selbstregulation, Reflexivität, Ambiguitätstoleranz und ethischem Urteilsvermögen. Diese Kompetenzen sind der Unterschied zwischen Menschen, die mit KI „mitdenken“ – und Menschen, die ihr nur „blind“ folgen. Dieser Unterschied ist keine theoretische Nuance. Er ist die eigentliche Bruchlinie.
Wir reden trotzdem lieber im Alltag über Token-Limits, Modell-Versionen und Prompt-Strukturen. Weil das greifbarer ist für uns und weil es weniger beunruhigt. Weil die Frage „Kann Ihre Organisation kritisch mit KI-Output umgehen?“ eine Antwort verlangt, die unbequem werden kann. Die inneren Kompetenzen, die für einen souveränen Umgang mit KI gebraucht werden, sind genau jene, die wir in Qualifizierungsbudgets seit Jahren am schlechtesten abbilden. Das rächt sich gerade – still, unsichtbar und mit zunehmender Geschwindigkeit.
Warum gut bediente Tools trotzdem zu schlechten Entscheidungen führen
Nehmen Sie einen Bereichsleiter in einer Kommunalverwaltung. Er hat die erforderlichen KI-Schulungen absolviert, prompt-technisch ist er solide. Er gibt der KI nun den Auftrag, einen Bericht zur aktuellen Fachkräftesituation im öffentlichen Dienst zu erstellen. Die KI liefert diesen Bericht – schnell, plausibel, auf den ersten Blick gut formuliert.
Was passiert jetzt? In den meisten Fällen: Der Bericht wird leicht überarbeitet und intern weitergegeben. Was seltener passiert ist eine kritische Auseinandersetzung mit den getroffenen Annahmen, die der Output enthält. Eine Reflexion darüber, welche Datenquellen das Modell priorisiert hat. Eine ehrliche Einschätzung, ob das Ergebnis die eigene Realität trifft – oder nur eine statistische Durchschnittswelt beschreibt, die mit der eigenen Kommunalverwaltung wenig zu tun hat.
Das ist kein Vorwurf, es ist ein systemisches Problem.
Wenn Menschen KI-Output als finales Ergebnis erleben – statt als Brainstorming oder Rohmaterial – fehlt ihnen die Fähigkeit, zwischen der Beschleunigung innezuhalten und zu fragen: Stimmt das wirklich? Für uns, in unserem beruflichen Kontext, mit unserem vorhandenen Wissen? Diese Reflexion ist kein Persönlichkeitsmerkmal. Sie ist eine Kompetenz. Sie kann entwickelt werden – aber nur, wenn wir aufhören so zu tun, als würde eine reine Tool-Bedienung oder ein Prompt sie automatisch mitbringen.
Was kostet es, wenn wir das nicht ändern? Mehr Tempo bei gleichem Urteilsvermögen. Mehr Output bei gleichem Risikopotenzial. Mehr scheinbare Effizienz – und mehr tatsächliche Fehleranfälligkeit, die sich erst zeigt, wenn der Schaden da ist. Nicht jeder Fehler ist gleich sichtbar. Manche kosten Vertrauen. Manche verursachen Kosten. Manche Fehler kosten beides.
Und hier liegt das eigentliche Paradox der derzeitigen KI-Qualifizierungswelle: Wir schulen Menschen darin, schneller zu produzieren – ohne parallel zu schulen, wie sie das Produzierte beurteilen. Wir geben also Tempo ohne Urteilsvermögen.
Emotionale Selbstregulation: Warum KI-Kompetenz auch eine innere Arbeit ist
Ich erlebe in Speaking und Trainings immer wieder zwei Gruppen. Die einen gehen euphorisch in KI-Anwendungen rein – sie nutzen das Tool für alles, vertrauen dem Output fast bedingungslos und laufen damit in eine neue Form des Kontrollverlusts. Die anderen verweigern sich – nicht aus Unwissenheit, sondern aus tief sitzender Verunsicherung: Was bedeutet das für meine Rolle? Bin ich noch der Experte/die Expertin, wenn die Maschine schneller ist?
Beide Reaktionen entspringen der menschlichen Natur. Beide sind problematisch und beide haben dieselbe Wurzel: mangelnde emotionale Selbstregulation im Umgang mit Ambiguität.
KI bringt Unsicherheit mit sich. Sie liefert Antworten, die klug klingen und trotzdem falsch sein können. Sie übernimmt Aufgaben, die bisher menschliche Expertise erfordert haben – und lässt dabei offen, welche Kompetenzen dadurch entwertet werden und welche dringend gebraucht werden. Wer diese Unsicherheit nicht aushalten kann – wer sie durch blindes Vertrauen oder durch Ablehnung auflöst – kann mit KI nicht wirksam arbeiten.
Die entscheidende Fähigkeit ist nicht Begeisterung, aber auch nicht Skepsis alleine. Sie ist die Fähigkeit, beides auszuhalten: das Potenzial zu sehen und gleichzeitig die Grenzen zu kennen. Das klingt nach einer Fähigkeit, die man entweder hat oder nicht hat. Das Gegenteil ist wahr. Emotionale Selbstregulation im Umgang mit technologischer Verunsicherung ist lernbar – durch konkrete Reflexionsanlässe, durch das gemeinsame Benennen der eigenen Reaktionsmuster, durch sichere Räume im Team, in denen man sagen darf: Ich weiß hier gerade nicht weiter.
Ambiguitätstoleranz: Die Kompetenz, die kein Qualifizierungsprogramm ernst nimmt
Führungskräfte und Fachleute, die ihren Beruf richtig gut machen, sind bei der Suche nach einer richtigen Antwort mit einer inneren Erwartung groß geworden: Man findet sie durch Erfahrung, durch Expertise, durch Analyse. Diese Erwartungshaltung hat Jahrzehnte gut funktioniert.
KI verschiebt jetzt in einer wahnsinnigen Geschwindigkeit das komplette Spielfeld. Sie bietet nicht die eine richtige Antwort – sie bietet einen wahrscheinlichen Pfad, der unter anderen Bedingungen anders ausgefallen wäre. Wer nicht gelernt hat, mit dieser prinzipiellen Offenheit zu leben, fragt so lange nach, bis die Maschine das bestätigt, was er ohnehin denkt. Oder er übernimmt kritiklos den Output, weil die Verantwortung damit scheinbar abgegeben ist.
Ambiguitätstoleranz bedeutet: Ich kann mit unfertigen Ergebnissen arbeiten. Ich brauche keine vollständige Gewissheit, um handlungsfähig zu bleiben. Das ist kein Wesenszug. Das ist eine Kompetenz. Und sie ist das Herzstück des souveränen Umgangs mit KI.
Wie lernt man das? Nicht durch Prompt-Training alleine. Sondern durch geeignete Reflexionsprozesse, durch Fall-Analysen mit echten Grenzfällen, durch Lernformate, die bewusst Uneindeutigkeit als Lernanlass gestalten. In Trainings kann man damit experimentieren, z.B. konkrete KI-Outputs auf den Tisch zu legen – gute, schlechte, und solche, bei denen man es schlicht nicht weiß – und dann die Teilnehmenden fragen: Wie entscheiden Sie? Wonach? Diese Frage erzeugt mehr Lernbewegung als zwanzig Folien über Prompt- und Modellarchitekturen.
Ethisches Urteilsvermögen: Die härteste Kompetenz im KI-Zeitalter
Es gibt einen Moment in KI-gestützten Arbeitsprozessen, der regelmäßig unterschätzt wird. Es ist der Moment, in dem ein Mensch entscheidet, ob ein Output veröffentlicht, weitergegeben oder genutzt wird. In diesem Moment liegt die gesamte ethische Verantwortung bei der menschlichen Urteilskraft.
Die KI gibt keine moralischen Hinweise. Sie kennzeichnet nicht, wenn ein generierter Text eine Personengruppe benachteiligt. Sie warnt nicht, wenn eine Formulierung rechtlich fragwürdig ist. Sie eskaliert nicht, wenn eine Entscheidungsvorlage auf lückenhaften Daten basiert. All das ist Aufgabe des Menschen, der den KI-Output in Empfang nimmt – und diesen Menschen müssen wir auf diese Aufgabe vorbereiten.
Ethisches Urteilsvermögen bedeutet nicht, dass Mitarbeitende Philosophie studiert haben müssen. Es bedeutet, dass sie gelernt haben, vor der Weitergabe innezuhalten und drei Fragen zu stellen:
- Wen betrifft dieser Output?
- Was könnte er anrichten?
- Würde ich ihn mit meinem Namen unterschreiben?
Wer diese Fragen nicht stellen kann – oder für den sie im Alltag keinen Platz haben – produziert mit KI nicht effizienter. Er produziert riskanter. Mit mehr Tempo. Und mit weniger Kontrolle über das, was er da in die große weite Welt schickt.
Was gute KI-Qualifizierung wirklich leisten muss
Tool-Kenntnisse sind der erste Einstieg. Ohne sie geht natürlich nichts. Aber sie sind nicht das Ziel. Das Ziel ist Handlungssouveränität – die Fähigkeit, KI-Output einzuordnen, kritisch zu hinterfragen, einzubetten und menschlich zu verantworten.
Vier Kern-Kompetenzen stehen hier im Vordergrund: emotionale Selbstregulation, Reflexivität, Ambiguitätstoleranz, ethisches Urteilsvermögen. Als eigenständige Lernziele mit eigenem Zeitbudget. Gestalten Sie Formate, die diese Kompetenzen herausfordern: Grenzfall-Analysen, bei denen KI-Output bewusst fehlerhaft oder einseitig ist. Reflexionsrunden, in denen Teilnehmende ihre eigenen Reaktionen besprechen – die Irritationen, die Übernahme-Impulse, die Momente des Zweifels. Praxisfälle, in denen ethische Abwägungen durchgespielt werden, mit echten, unbequemen Konsequenzen.
Wie verankert man nun das Gelernte im Arbeitsalltag? Ein Feedbackritual in Teambesprechungen – Welche KI-Outputs haben wir diese Woche genutzt? Was haben wir geprüft, und was haben wir einfach durchgehen lassen? – klingt erstmal komisch. Es verändert dennoch die Kultur des Umgangs. Nachhaltig, ohne Extrabudget, ohne neues Tool.
Schaffen Sie Lernformate, in denen Fehler mit KI offen besprochen werden. Nicht als Versagen, sondern als Lernerfahrung. Wo eine Führungskraft erzählt, dass sie einen KI-generierten Entwurf unreflektiert weitergeschickt hat und was dabei schiefging. Diese Momente sind kostbarer als jede Musterlösung. Weil sie zeigen, dass kritischer Umgang mit KI keine Selbstverständlichkeit ist – und dass das keine Schande ist, sondern ein Ausgangspunkt.
Und hören Sie auf, KI-Kompetenz als reine Einmal-Pflicht-Schulung zu verstehen. Diese Fähigkeiten brauchen Wiederholung, Anwendung, Rückmeldung. Ein Einstiegstraining ist erst der Anfang und noch kein Abschluss.
Der Wendepunkt liegt nicht in der Software – er liegt in uns
Aus über vierzig Jahren Arbeitsmarktpraxis weiß ich: Jede neue Technologiewelle hat zuerst die Frage gestellt, welche Qualifikationen gebraucht werden. Heute in KI-Zeiten ist der Diskurs offen, die Forschung wird klarer, die erlebten Erfahrungen häufen sich. Pöhlmanns Kerngedanke – dass KI-Wirksamkeit an inneren Kompetenzen hängt – ist kein akademisches Statement. Er ist eine Handlungsanweisung. Die Frage ist nur, wer sie annimmt.
In Trainings erlebt man es immer wieder. Sobald der Fokus von Tools zu Kompetenzen verschoben wird, ändert sich die Energie im Raum. Nicht weil das Thema leichter wird – sondern weil es plötzlich wieder um den Menschen geht. Um Haltung. Um das, was Organisationen und Teams wirklich ausmacht. Das ist der Raum, in dem echte Veränderung passiert.
Schauen Sie sich Ihr aktuelles KI-Qualifizierungsprogramm an – nicht die Folien, sondern die Lernziele. Fragen Sie sich ehrlich:
- Welches dieser Ziele adressiert explizit die Fähigkeit, kritisch zu urteilen?
- Und welches dieser Ziele bereitet Menschen darauf vor, Verantwortung zu übernehmen für das, was sie mit KI in die Welt geben?
Wenn die Antwort lautet: keines – dann haben Sie eine klare Aufgabe vor sich. Und wenn Sie diese Aufgabe nicht alleine angehen wollen: Ich freue mich auf den Austausch.
Schreibe einen Kommentar