KI-Kompetenz entsteht im Projekt, nicht in der Schulung

Ich sehe dieses Muster in fast jedem Projekt. Ein Team bekommt einen halben Tag Schulung, alle sind begeistert, drei Wochen später ist im Alltag nichts davon übrig. Die Bitkom-Zahlen vom September 2026 zeigen dieselbe Lücke auf Marktebene: 70 % der Unternehmen schulen ihre Beschäftigten im Umgang mit KI, gleichzeitig bewerten 66 % die KI-Kompetenz ihrer Beschäftigten als gering. Nur 28 % sehen sie als hoch.

Daraus lässt sich nicht ableiten, dass Schulungen nutzlos sind. Das wäre ein Kausalschluss, den die Daten nicht hergeben. Wahrscheinlicher ist: Viele Schulungen sind zu kurz, zu allgemein und zu weit weg von der Arbeit, die die Leute am Montag wirklich machen.

Warum bleiben klassische KI-Schulungen so oft folgenlos?

Eine Schulung vermittelt Orientierung. Was ist ein Sprachmodell, was ein Agent, wo liegen die Grenzen, welche Daten gehören nicht in ein Chatfenster. Das ist wertvoll und lässt sich in wenigen Stunden abdecken. Was eine Schulung nicht leisten kann: die Entscheidung, ob eine konkrete Aufgabe überhaupt für KI geeignet ist. Genau diese Entscheidung ist der eigentliche Kompetenzkern.

Dazu kommt ein Effekt, den ich immer wieder beobachte. Nach der Schulung fehlt der Anlass zur Wiederholung. Niemand hat eine Aufgabe, bei der er das Gelernte am nächsten Tag einsetzen muss. Ohne Wiederholung verblasst alles, was neu war. Interessant ist an dieser Stelle die Bitkom-Beobachtung, dass Unternehmen, die KI tatsächlich einsetzen, die Kompetenz ihrer Mitarbeitenden häufiger als hoch bewerten, nämlich zu 40 % gegenüber 14 % bei Unternehmen ohne KI-Einsatz. Das ist eine Korrelation, kein Beweis für eine Wirkungsrichtung. Aber es passt zu dem, was ich in Projekten sehe.

Welche Aufgabe eignet sich als Lernprojekt für dein Team?

Ich suche nach Aufgaben, die drei Eigenschaften haben: Sie kommen oft vor, sie haben ein überprüfbares Ergebnis, und ein Fehler ist ärgerlich, aber nicht existenzbedrohend. Das klingt unspektakulär, ist aber genau der richtige Lernraum.

• Eingehende Anfragen aus einem Postfach vorsortieren und einer Kategorie zuordnen
• Gesprächsnotizen in ein einheitliches Format bringen und im CRM ablegen
• Wiederkehrende Berichte aus vorhandenen Daten vorbereiten, Freigabe bleibt beim Menschen
• Angebotstexte auf Basis eines Bausteinkatalogs entwerfen
• Längere Dokumente für interne Zwecke zusammenfassen, mit Quellenverweis auf die Originalstelle

Ungeeignet sind Aufgaben ohne klares Richtig und Falsch. Wenn niemand im Team sagen kann, ob ein Ergebnis gut ist, lernt auch niemand etwas. Ebenfalls ungeeignet: Prozesse, die parallel gerade organisatorisch umgebaut werden. Dann diskutierst du über den Prozess statt über die KI.

Wie viel Toolwissen braucht das Team vor dem Start?

Weniger, als die meisten denken. Fachwissen über den eigenen Prozess ist wichtiger als Toolwissen. Wer weiß, wie eine gute Gesprächsnotiz aussieht, erkennt sofort, wenn das Modell daneben liegt. Wer das nicht weiß, übernimmt den Output ungeprüft.

Für den Einstieg reicht aus meiner Erfahrung eine kurze Basis: Was ist ein Prompt, warum erfinden Modelle Inhalte, welche Daten dürfen rein, wo liegt die Freigabegrenze. Alles Weitere lernt das Team an der Aufgabe. Wenn ihr Workflows baut, hilft ein gemeinsamer Zugang zu den Werkzeugen. n8n beschreibt dafür zum Beispiel einen Chat Hub als zentrale Oberfläche für verschiedene Modelle und eigene Agenten, dazu einen MCP-Zugang mit sogenannten Skills. Das sind Produktbeschreibungen des Anbieters, keine Garantie für Lernerfolg. Sie senken aber die Einstiegshürde, weil nicht jeder im Team eine eigene Toolkette aufsetzen muss.

Wie sieht eine Lernschleife über acht Wochen aus?

1. Woche 1: Halber Tag Orientierung plus Auswahl des Lernprojekts. Ergebnis ist eine Seite: Aufgabe, Zielzustand, Abnahmekriterium, Verantwortliche.
2. Woche 2 bis 3: Manueller Testlauf. Das Team löst zwanzig echte Fälle mit KI-Unterstützung und notiert, wo das Ergebnis trug und wo nicht.
3. Woche 4: Auswertung im Team. Welche Fälle funktionieren zuverlässig, welche braucht ihr gar nicht zu automatisieren.
4. Woche 5 bis 6: Die tragfähigen Fälle in einen Workflow überführen. Hier lernt das Team Fehlerbehandlung. n8n dokumentiert dafür Fehler-Workflows, die bei fehlgeschlagenen Abläufen automatisch ausgelöst werden.
5. Woche 7: Parallelbetrieb. Der Workflow läuft, ein Mensch prüft jedes Ergebnis stichprobenartig.
6. Woche 8: Abnahme oder Abbruch. Beides ist ein gültiges Ergebnis. Ein sauber begründeter Abbruch ist mehr Kompetenz als ein Workflow, den keiner nutzt.

Der Takt ist wichtiger als die exakte Wochenzahl. Ein fester Termin pro Woche, dreißig bis sechzig Minuten, mit denselben Leuten. Ohne diesen Takt verläuft sich das Projekt zwischen Tagesgeschäft und Urlaubszeit.

Woran erkennst du, dass echte Kompetenz entstanden ist?

Nicht daran, dass jemand ein Tool bedienen kann. Die Signale, auf die ich achte, sind andere:

• Jemand schlägt von sich aus vor, eine Aufgabe nicht mit KI zu lösen, und kann begründen warum.
• Das Team prüft Ergebnisse systematisch, statt sie zu übernehmen oder pauschal abzulehnen.
• Es gibt eine schriftliche Regel, welche Daten wo verarbeitet werden dürfen, und alle kennen sie.
• Jemand erkennt an einem schlechten Output, woran es liegt: fehlender Kontext, unklare Aufgabe, falsche Datenquelle.
• Neue Kollegen können den Ablauf aus der Dokumentation nachvollziehen, ohne dass jemand danebensitzt.

Wie baust du Prüfschritte ein, ohne alles zu bremsen?

Ich staffle die Prüftiefe nach Risiko. Interne Zusammenfassungen brauchen keine Freigabe. Alles, was nach außen geht oder in ein führendes System schreibt, braucht einen Menschen davor. Dazwischen liegt die Stichprobe: Zehn Prozent der Fälle werden geprüft, die Quote sinkt, wenn die Fehlerrate über mehrere Wochen stabil niedrig bleibt.

Technisch hilft es, Fehler nicht stillschweigend laufen zu lassen. Ein dedizierter Fehler-Workflow, der bei fehlgeschlagenen Abläufen anspringt und ins Team meldet, kostet wenig Aufwand und verhindert, dass ein defekter Prozess wochenlang unbemerkt läuft.

Was heißt das für deinen nächsten Workshop?

Plane den Workshop nicht als Abschluss, sondern als Startpunkt. Am Ende des Tages sollte nicht ein zufriedenes Team stehen, sondern ein benanntes Vorhaben mit Verantwortlichem, Termin und Abnahmekriterium. Der Anteil der Unternehmen ohne jedes KI-Schulungsangebot ist laut Bitkom von 43 % auf 25 % gefallen. Schulung ist also nicht mehr der Engpass. Der Engpass ist die Übersetzung in echte Arbeit.

Wenn du unsicher bist, welcher Prozess bei euch als Lernprojekt taugt, schau ihn dir mit mir an. Im KI-Audit gehen wir deine wiederkehrenden Abläufe durch und suchen den einen, der sich als Einstieg eignet. KI-Audit buchen.