Mitarbeitende brauchen keine Sammlung möglichst cleverer Prompts. Sie brauchen ein verständliches Grundmodell, klare Leitplanken und einige verlässliche Routinen für ihre eigene Arbeit.

Eine gute KI-Schulung führt deshalb von der Einordnung zur Anwendung. Sie erklärt Künstliche Intelligenz verständlich, lässt Menschen selbst arbeiten und zeigt, wie Ergebnisse geprüft werden. Training, KI-Workshop, Coaching und Transfer können dabei unterschiedliche Aufgaben übernehmen.

Welche Grundlagen alle Mitarbeitenden benötigen

Unabhängig von Rolle und Vorerfahrung sollte eine KI-Schulung einen gemeinsamen Mindeststand schaffen:

  • Was generative KI und AI-Systeme grundsätzlich leisten
  • warum Ergebnisse falsch oder unvollständig sein können
  • welche Tools im Unternehmen freigegeben sind
  • welche Daten eingegeben werden dürfen
  • wie eine klare Aufgabe formuliert wird
  • wie Ergebnisse geprüft und verbessert werden
  • wo menschliche Verantwortung bleibt

Diese Grundlagen reduzieren sowohl Überhöhung als auch unnötige Unsicherheit. KI kann viel vorbereiten. Sie nimmt Menschen das Denken und Entscheiden nicht ab.

Warum Rollen unterschiedliche Lernwege brauchen

Eine allgemeine Einführung kann Orientierung schaffen. Für Anwendung benötigt jede Zielgruppe einen Bezug zu ihren Aufgaben.

Beispiele:

  • Assistenz: Termine, Korrespondenz und Informationsverdichtung
  • Vertrieb: Gesprächsvorbereitung, Zusammenfassungen und Angebotsentwürfe
  • HR: Stellenprofile, Lernmaterialien und strukturierte Auswertung
  • Führung: Entscheidungsoptionen, Kommunikation und Teamleitplanken
  • Einkauf: Dokumentenvergleich und Vorbereitung von Kriterien

Die KI-Schulung sollte deshalb gemeinsame Grundlagen mit rollenbezogenen Übungen verbinden. Nicht alle müssen dieselben Funktionen in derselben Tiefe lernen.

Prompting als strukturierte Auftragsklärung

Ein Prompt ist kein Zauberspruch. Er ist eine Arbeitsanweisung. Gute Prompts enthalten häufig:

  • ein klares Ziel
  • den relevanten Kontext
  • Material oder Quellen
  • gewünschte Form und Umfang
  • Qualitätskriterien
  • gegebenenfalls Grenzen oder Prüfschritte

Der wichtigste Schritt liegt oft vor dem Schreiben: Was will ich eigentlich erreichen? Wenn die Aufgabe unklar ist, erzeugt auch eine ausführliche Eingabe selten ein verlässliches Ergebnis.

Datenschutz und KI-Richtlinie konkret machen

Hinweise zu Datenschutz und Vertraulichkeit dürfen nicht als abstrakter Pflichtblock am Ende stehen. Sie gehören in die Übungen.

Die Teilnehmenden prüfen bei jedem Use Case: Welche Daten sind enthalten? Ist das Tool freigegeben? Welche Informationen müssen entfernt oder anonymisiert werden? Wer darf das Ergebnis sehen?

Eine verständliche KI-Richtlinie im Unternehmen schafft dafür den Rahmen.

Ergebnisqualität systematisch prüfen

AI-Antworten wirken häufig plausibel. Deshalb brauchen Mitarbeitende eine feste Prüfroutine:

  • Fakten und Zahlen kontrollieren
  • Quellen prüfen
  • Vollständigkeit bewerten
  • fehlenden Kontext ergänzen
  • Sprache und Zielgruppenbezug anpassen
  • mögliche Verzerrungen erkennen

Die Prüfung richtet sich nach dem Risiko. Ein interner Ideenentwurf benötigt eine andere Sorgfalt als eine externe Veröffentlichung oder eine Entscheidung mit Wirkung auf Menschen.

Echte Aufgaben statt glatter Demo-Beispiele

Eine Demonstration kann zeigen, wie eine Funktion arbeitet. Lernen entsteht, wenn Teilnehmende selbst entscheiden und mit Unschärfe umgehen.

In einem KI-Workshop bearbeiten sie deshalb eine reale oder realistische Aufgabe. Sie erstellen einen ersten Prompt, prüfen das Ergebnis, verbessern Kontext und Kriterien und halten eine nutzbare Routine fest.

Das HUMMEL Live-Online-Studio eignet sich für solche Online-KI-Workshops. Prompt, Ergebnis und Überarbeitung werden gemeinsam sichtbar, bevor die Teilnehmenden in der eigenen Anwendung arbeiten.

Training, Workshop und Coaching unterscheiden

Training baut gemeinsames Wissen und Fähigkeiten auf. Workshop bearbeitet konkrete Use Cases, Teamregeln oder Arbeitsabläufe. Coaching unterstützt einzelne Personen, Führungskräfte oder Key User bei komplexen Situationen.

Ein mehrstufiges KI-Enablement kann so aufgebaut sein:

  1. 90-minütiger Online-Impuls für Orientierung
  2. zweistündiger Praxisworkshop mit echten Aufgaben
  3. rollenbezogene Vertiefung in zwei 90-Minuten-Einheiten
  4. Anwendungsphase mit Transferauftrag
  5. Sprechstunde oder Coaching zur Auswertung

Die Dauer ist kein Qualitätsmerkmal. Entscheidend ist die Funktion jedes Schrittes.

Transfer nach der KI-Schulung

Nach dem Training müssen Teilnehmende eine konkrete Anwendungsmöglichkeit sehen. Hilfreich sind kleine Transferaufträge, Promptgerüste, Prüflisten, Beispiel-Use-Cases und ein Termin für Rückfragen.

Teams können gute Anwendungen dokumentieren und teilen. Führungskräfte sollten Zeit für erste Versuche ermöglichen und Ergebnisqualität besprechen.

Mehr dazu: Lerntransfer sicherstellen.

Woran eine wirksame KI-Schulung erkennbar ist

  • Die Sprache ist verständlich und frei von unnötigem Technikjargon.
  • Leitplanken werden an konkreten Fällen geübt.
  • Die Zielgruppe arbeitet an relevanten Aufgaben.
  • Ergebnisprüfung ist genauso wichtig wie Prompting.
  • Unterschiedliche Vorerfahrungen werden berücksichtigt.
  • Ein nächster Anwendungsschritt ist festgelegt.

Von der Schulung zum KI-Enablement

Eine einzelne KI-Schulung kann einen sicheren Einstieg schaffen. Wenn sich Arbeitsroutinen entwickeln und Use Cases verbreiten sollen, braucht es meist eine Verbindung aus Training, Workshops, Coaching, Führung und Transfer.

Diese Lern- und Enablement-Architektur sorgt dafür, dass Künstliche Intelligenz nicht nur verstanden, sondern bei passenden Aufgaben verantwortlich genutzt wird.