Wer KI-Kompetenz im Sommer 2026 noch am perfekten Prompt misst, beschreibt im Wesentlichen eine Fähigkeit aus der ersten Phase der generativen KI. Seitdem hat sich die Aufgabe für Menschen mehrfach verschoben. Die meisten Gespräche über KI-Kompetenz sind dabei nicht falsch. Sie sind nur auf einer früheren Entwicklungsstufe stehen geblieben.
Diese Entwicklung ist keine saubere Treppe. Die Stufen überlagern sich. Viele Menschen verwenden KI noch immer ausschließlich für einzelne Texte, während andere bereits mehrere agentische Systeme steuern. Auch innerhalb eines Unternehmens kann die Nutzung gleichzeitig auf verschiedenen Stufen liegen. Entscheidend ist deshalb nicht, wo eine Person insgesamt steht, sondern was eine konkrete Aufgabe inzwischen verlangt.
Also durchatmen und mit ruhigem Blick auf das Geschehen blicken.
Stufe 1: Die KI antwortet
Ende 2022 genügt es, eine Frage oder Anweisung in ein Chatfenster einzugeben. Man bekommt einen Text, eine Erklärung oder eine Idee zurück. Der Mensch formuliert die Aufgabe, die KI erzeugt einen Vorschlag, der Mensch entscheidet, was er damit macht.
Der Irrtum dieser Stufe hält sich bis heute: Wer den perfekten Prompt kennt, beherrscht KI. Dabei lernt man hier zunächst nur, das eigene Anliegen so klar zu formulieren, dass ein Sprachmodell daraus einen brauchbaren Output berechnen kann.
Das ist nützlich. Aber es ist noch keine umfassende KI-Kompetenz.
Schon auf dieser ersten Stufe braucht es ein Grundverständnis dafür, dass ein Sprachmodell keine Wahrheit abruft und auch keinen Dialog im sozialwissenschaftlichen Sinn führt. Es verarbeitet Eingaben, berechnet statistisch wahrscheinliche Fortsetzungen und kann dabei überzeugend formulieren, ohne zu wissen, ob das Ergebnis wahr, vollständig oder angemessen ist.
Die entsprechende menschliche Fähigkeit lautet deshalb nicht nur Prompting, sondern elementare Prüfkompetenz: Was davon stimmt? Was fehlt? Welche Quelle trägt die Aussage? Was muss ich selbst beurteilen?
Stufe 2: Die KI verarbeitet mehr als Text
Ab 2023 und verstärkt 2024 wird aus der Textmaschine ein multimodales System. KI verarbeitet Bilder, Sprache, Audio, Video, Code, Tabellen und umfangreiche Dokumentbestände. Gleichzeitig entstehen immer bessere Systeme zur Erzeugung von Bildern, Stimmen und Bewegtbild. Runway entwickelte beispielsweise konsistente generative Videowelten, Google verband in Gemini unterschiedliche Medienformen und Meta veröffentlichte multimodale Modelle mit offenen Gewichten. Runway: Gen-4, Google: Gemini 2.0, Meta: Llama 4
Damit verändert sich nicht nur die Menge des produzierbaren Materials. Auch die Wahrnehmungsschnittstelle wird breiter. Eine KI kann einen Bildschirm auswerten, eine Grafik erklären, ein Gespräch transkribieren, ein Video untersuchen oder unterschiedliche Dokumente miteinander abgleichen.
Wer jetzt nur noch Material eingibt und Ergebnisse übernimmt, produziert mehr, verliert aber leicht den Überblick darüber, woher Aussagen, Bilder und Interpretationen eigentlich stammen.
Gebraucht wird deshalb mehr Fachwissen, nicht weniger. Nur wer ein Thema selbst versteht, erkennt, wo die KI plausibel klingt und trotzdem danebenliegt. Hinzu kommen Daten- und Medienkompetenz: Welche Materialien darf das System verarbeiten? Was wurde verändert? Welche Quelle ist noch erkennbar? Ist ein Bild dokumentarisch oder synthetisch? Kann ich die Entstehung eines Ergebnisses nachvollziehen?
Die entscheidende Verschiebung lautet: Es reicht nicht mehr, gute Texte anzufordern. Menschen müssen Informationsräume kuratieren.
Es gibt nicht mehr „die KI”
Parallel zur technischen Entwicklung ist der Markt vielfältiger geworden. Neben den großen geschlossenen Plattformen von OpenAI, Google und Anthropic entstanden offene oder offen verfügbare Modellfamilien wie Llama, Mistral und DeepSeek. DeepSeek-R1 zeigte Anfang 2025, dass leistungsfähige Reasoning-Modelle nicht ausschließlich aus den großen amerikanischen Plattformunternehmen kommen müssen. Meta brachte kleinere Modelle auf mobile Geräte; Apple verankerte KI-Verarbeitung direkt auf Geräten und in einer besonders geschützten Cloud-Infrastruktur. DeepSeek-R1, Meta: Llama 3.2 für mobile Geräte, Apple: On-Device Processing und Private Cloud Compute
Das ist keine technische Nebensache. Es verändert die Kompetenzfrage. Menschen und Organisationen müssen nicht mehr nur lernen, wie ein System bedient wird. Sie müssen auswählen, welches System für welchen Zweck geeignet ist, wo ihre Daten verarbeitet werden, welche Abhängigkeiten entstehen und ob ein günstigeres, lokales oder offenes Modell für die Aufgabe ausreicht.
Zur Bedienkompetenz kommt Auswahl- und Souveränitätskompetenz.
Stufe 3: Die KI verschwindet in der Arbeitsumgebung
In der nächsten Phase wird KI weniger als eigenständiges Chatfenster sichtbar. Sie steckt in Suchmaschinen, Office-Programmen, Entwicklungsumgebungen, Kreativsoftware, Mobiltelefonen und unternehmensinternen Wissenssystemen. Sie fasst zusammen, sortiert, ergänzt, priorisiert und schlägt vor, ohne dass NutzerInnen für jeden Vorgang bewusst einen Prompt schreiben.
Das verändert den Charakter der Nutzung. Bei einem sichtbaren Chatfenster weiß man wenigstens, dass gerade ein KI-System beteiligt ist. Bei eingebetteter KI wird die maschinelle Vorauswahl schnell zum selbstverständlichen Bestandteil der Arbeitsumgebung.
Die notwendige Kompetenz lautet nun Kontext- und Systemkompetenz: Wo arbeitet hier eigentlich KI mit? Welche Daten erhält sie? Nach welchen Kriterien sortiert sie? Welche Vorschläge werden sichtbar und welche nicht? Was geschieht automatisch, bevor ein Mensch überhaupt entscheidet?
Der perfekte Prompt hilft an dieser Stelle kaum noch. Die entscheidenden Vorgaben liegen häufig nicht in der einzelnen Spracheingabe, sondern in den Systemeinstellungen, Datenzugängen, hinterlegten Regeln und organisatorischen Routinen.
Stufe 4: Die KI bearbeitet mehrstufige Aufträge
Seit 2025 können leistungsfähige Systeme einen Auftrag über mehrere Schritte verfolgen. Sie recherchieren, vergleichen Quellen, analysieren Dateien, schreiben und testen Code, wählen Werkzeuge aus und korrigieren Zwischenergebnisse. Google bezeichnete Gemini 2.0 bereits Ende 2024 ausdrücklich als Modell für eine „agentische Ära”. Anthropic beschreibt Agenten als Systeme, die Werkzeuge, Informationszugriff und Rückkopplungsschleifen eigenständig kombinieren. Google: Gemini 2.0, Anthropic: Building Effective Agents
Man gibt nicht mehr nur eine einzelne Anweisung ein. Man setzt einen Bearbeitungsprozess in Gang.
Das verlangt eine andere Fähigkeit als zuvor: nicht mehr nur gute Fragen stellen, sondern gute Aufträge und Prüfkriterien entwickeln. Was genau soll am Ende erreicht sein? Welche Quellen sind zulässig? Welche Schritte müssen dokumentiert werden? Wann ist ein Ergebnis gut genug? Wann muss das System abbrechen oder eine menschliche Entscheidung anfordern?
Wer diese Fragen nicht beantworten kann, kontrolliert keinen KI-Prozess. Er hofft lediglich, dass am Ende etwas Brauchbares herauskommt.
Hier wird Urteilskraft erstmals zur technischen Voraussetzung. Bevor ein System selbstständig auf ein Ziel hinarbeiten kann, muss jemand bestimmt haben, was als Erfolg, Fehler oder Grenzüberschreitung gilt.
Im Februar 2026 zeigte sich, wie ernst diese Verschiebung gemeint ist. Anthropic veröffentlichte Claude Cowork, das Entwicklungswerkzeuge einer breiteren Berufsgruppe zugänglich machte. Innerhalb weniger Wochen verloren Softwareunternehmen wie Thomson Reuters, Salesforce und Adobe zusammen rund 285 Milliarden Dollar an Börsenwert, weil Lizenzmodelle für einzelne menschliche Arbeitsplätze plötzlich infrage standen. Der Anthropic-Ingenieur Boris Cherny beschrieb seinen Arbeitsalltag zu dieser Zeit so, dass er nicht mehr selbst promptet, sondern Systeme baut, die für ihn prompten: „My job is to write loops.” Das ist die Kurzformel für Stufe 4: nicht mehr einzelne Anweisungen geben, Systeme entwerfen, die selbst wissen, wann sie fertig sind.
Stufe 5: Die KI handelt mit geliehenen Rechten
Aktuell arbeiten agentische Systeme mit Zugriff auf Browser, Dateien, Kalender, Konten und Software. Sie verarbeiten nicht mehr nur Informationen, sondern können Einträge verändern, Dateien anlegen, Anwendungen bedienen und Aktionen auslösen. Anthropic ermöglicht beispielsweise seit 2024 die Computersteuerung über Bildschirm, Maus und Tastatur; 2025 kamen erweiterte Funktionen zur selbstständigen Auswahl und Nutzung von Werkzeugen hinzu. Anthropic: Computer Use, Anthropic: Advanced Tool Use
Wie eng diese Delegation an die Praxis geknüpft ist, zeigt der Agent OpenClaw des österreichischen Entwicklers Peter Steinberger. Das Werkzeug verschickt E-Mails, koordiniert Termine, checkt bei Reisen ein und recherchiert, ohne dass jemand jeden Schritt bestätigt. Im März 2026 stellten sich in Shenzhen tausende Menschen an, um sich das kostenlose, quelloffene Programm installieren zu lassen. Fünf Monate später ist die Ambivalenz der Stufe sichtbar geworden: Chinesische Behörden untersagten Staatsbetrieben den Einsatz, weil die weitreichenden Systemrechte Datenlecks und ungewollte Löschungen ermöglichen, während Lokalregierungen in Shenzhen und Wuxi gleichzeitig Unternehmen fördern, die auf demselben Werkzeug aufbauen.
Autonom bedeutet dabei nicht, dass daraus ein eigenständiges Wesen geworden ist. Es bedeutet zunächst: Zwischen dem, was ein Mensch beauftragt, und dem, was am Ende passiert, liegen viele kleine maschinelle Entscheidungen, die nicht mehr einzeln freigegeben werden.
Die Rechte bleiben geliehen. Menschen und Organisationen entscheiden, auf welche Daten, Werkzeuge und Handlungsmöglichkeiten ein System zugreifen darf. Sie bleiben auch dann verantwortlich, wenn sie nicht mehr jeden Zwischenschritt selbst ausgeführt haben.
Dafür braucht es Delegations- und Überwachungskompetenz. Welche Aufgabe darf das System übernehmen? Welche Rechte sind notwendig? Was muss reversibel bleiben? Bei welchen Handlungen ist eine Freigabe notwendig? Wo braucht es Protokolle, Kontrollen und einen eindeutigen Eskalationsweg?
Interessant ist dabei: Erfahrene NutzerInnen geben Agenten nicht einfach immer mehr Freiheit. Nach einer Anthropic-Auswertung realer Mensch-Agenten-Interaktionen steigt mit der Erfahrung sowohl die gewährte Autonomie als auch die Häufigkeit gezielter Eingriffe. Kompetente Nutzung bedeutet also nicht weniger Kontrolle, sondern eine andere Kontrolle: weniger Absegnen jedes Handgriffs, mehr bewusstes Eingreifen an kritischen Stellen. Anthropic: Measuring AI Agent Autonomy in Practice
Diese Entwicklung betrifft bisher nur einen begrenzten Teil der Arbeitswelt. In der Deutschen Social Collaboration Studie 2026 setzte weniger als ein Drittel der untersuchten Organisationen überhaupt KI-Agenten ein. Der Einsatz konzentrierte sich auf IT-Support, Kundenservice und Projektmanagement; in Produktion und eigentlicher Wertschöpfung war er selten. Die Untersuchung basiert allerdings auf einer begrenzten Führungskräftebefragung und erlaubt keine Aussage über sämtliche deutschen Betriebe.
Die Technik ist trotzdem weiter als viele Organisationen, die sie künftig einsetzen sollen. Wer kontrollierte Delegation heute praktisch erprobt, baut eine Fähigkeit auf, deren Bedeutung mit der Verbreitung agentischer Systeme wachsen dürfte.
Stufe 6: Die KI wird zur Infrastruktur
Die wahrscheinliche nächste Verschiebung besteht nicht einfach in einem noch leistungsfähigeren Chatbot. KI wird zur Hintergrundinfrastruktur von Organisationen. Mehrere Systeme bearbeiten unterschiedliche Teilaufgaben, greifen auf gemeinsame Datenbestände zu und übergeben einander Ergebnisse. MitarbeiterInnen arbeiten dann nicht mehr nur mit einer einzelnen KI-Anwendung, sondern innerhalb einer technisch-organisatorischen Umgebung, in der menschliche und maschinelle Beiträge ineinandergreifen.
Das ist eine plausible Entwicklungslinie, keine sichere Prognose. Offen ist, wie zuverlässig solche Systeme werden, wie schnell Unternehmen ihre Daten und Prozesse dafür vorbereiten und welche regulatorischen Grenzen entstehen.
Die Kompetenzfrage verschiebt sich aber bereits jetzt von der einzelnen NutzerIn zur Organisation. Es geht dann um Rollen, Verantwortlichkeiten, Datenzugänge, Qualitätsmaßstäbe, Lernwege und Macht. Wer darf Ziele setzen? Wer kontrolliert Ergebnisse? Wer haftet für Fehler? Welche menschlichen Fähigkeiten müssen erhalten bleiben? Welche Tätigkeiten können entfallen, und welche dürfen gerade nicht verschwinden?
Auf dieser Stufe reicht individuelle KI-Kompetenz grundsätzlich nicht mehr aus. Benötigt wird organisationale Systemkompetenz.
Der Haken, der die ganze Zeit mitläuft
Hier steckt der Teil, den die meisten Fortschrittserzählungen übergehen. Jede Stufe verlangt mehr Urteilsvermögen als die vorherige. Urteilsvermögen entsteht aber nicht am Reißbrett. Es entsteht durch genau die Arbeit, die auf den unteren Stufen anfällt: einen ersten Entwurf selbst schreiben, eine Recherche selbst durchführen, einen eigenen Fehler selbst finden, eine schwierige Situation mehrfach erleben.
Wird diese Arbeit von Anfang an an KI abgegeben, fehlt später möglicherweise die Erfahrung, um ein KI-Ergebnis überhaupt beurteilen zu können.
Das trifft zuerst die, die gerade erst anfangen. Wer als BerufseinsteigerIn nie selbst recherchiert, weil das bereits die KI erledigt, lernt auch nicht ohne Weiteres, eine schlechte Recherche zu erkennen. Wer keinen ersten Entwurf mehr selbst entwickelt, bekommt weniger Gelegenheit zu verstehen, warum ein Text trägt oder nicht. Wer nie einen einfachen Fehler suchen musste, kann einen komplizierten Fehler schlechter einordnen.
Wer heute Einstiegsarbeit wegautomatisiert, entscheidet deshalb auch über die Zahl der Menschen, die in zehn Jahren noch fähig sein werden, automatisierte Ergebnisse fachlich zu prüfen. Meistens, ohne das als Entscheidung zu behandeln.
Das ist das eigentliche Urteilskraft-Paradox: Dieselbe Technik, die menschliches Urteilsvermögen wertvoller macht, kann die Erfahrungswege abbauen, auf denen dieses Urteilsvermögen bisher entstanden ist.
Was das für die eigene Standortbestimmung bedeutet
Die naheliegende Reaktion auf diese Stufen wäre, sich selbst irgendwo einzuordnen und dort stehen zu bleiben. Genau das wäre der falsche Schluss.
Eine Person befindet sich nicht insgesamt auf „Stufe drei”. Sie kann bei der Texterstellung bereits agentische Abläufe nutzen, in der Recherche aber noch einzelne Antworten ungeprüft übernehmen. Ein Unternehmen kann im IT-Support mit Agenten arbeiten und seine Personalprozesse vollständig manuell organisieren. Die Stufen beschreiben Aufgaben, nicht Menschen.
Die entscheidende Frage lautet deshalb nicht nur: Nutze ich KI?
Sie lautet: Entspricht meine Vorstellung von KI-Kompetenz noch dem, was meine konkreten Aufgaben inzwischen verlangen?
Wer bei Stufe eins perfekte Prompts übt, während die eigenen Aufgaben längst Stufe vier verlangen, arbeitet mit viel Fleiß an der falschen Fähigkeit. Wer dagegen sofort Aufgaben delegiert, ohne die unteren Stufen selbst durchdrungen zu haben, baut auf Urteil, das möglicherweise nie entstanden ist.
Prompting war die erste sichtbare KI-Kompetenz. Danach kommen Fachwissen, Quellenkritik, Kontextgestaltung, Systemauswahl, Prozessdesign, Delegation, Überwachung und organisationale Verantwortung.
Der perfekte Prompt reicht nicht mehr. Aber auch der perfekte Agent wird das Problem nicht lösen. Die knappe Ressource bleibt der Mensch, der begründet entscheiden kann, was das System tun soll, woran ein gutes Ergebnis erkennbar ist und was nicht an Maschinen abgegeben werden darf.
Quellenprüfung durch Claude (22.08.2026)
Alle technischen Zitate/Daten gegen Primärquellen verifiziert: Runway Gen-4 (31.03.2025), Meta Llama 4 (05.04.2025), DeepSeek-R1 (20.01.2025), Meta Llama 3.2 (25.09.2024), Apple On-Device/Private Cloud Compute (WWDC 2024), Google Gemini 2.0 „agentic era” (11.12.2024), Anthropic Computer Use (22.10.2024), Anthropic Advanced Tool Use (24.11.2025), Anthropic „Measuring AI Agent Autonomy” (Auto-Approval ~20→40%+, Interrupt-Rate ~5→9%), Deutsche Social Collaboration Studie 2026 (TU Darmstadt/Buxmann + Campana & Schott, >200 Führungskräfte), OpenClaw/Steinberger (März 2026 Shenzhen-Hype, seither Teil-Verbot für Staatsbetriebe bei gleichzeitiger Förderung durch Lokalregierungen), Claude Cowork/SaaSpocalypse (Release Ende Januar 2026, ~285 Mrd. $ Marktverlust).