The NeWoS | September 2026

Kuratiert von:  Dr. Anja C. Wagner | FROLLEINFLOW - Institut für kreative Flaneure

Diese Ausgabe steht unter der Frage:
Welche Annahme über KI beeinflusst gerade Deine Arbeit, obwohl sie vielleicht längst überholt ist?

Nach der Sommerpause beginnen wir mit einer Beobachtung aus den Gesprächen der vergangenen Wochen: KI-Werkzeuge sind in fast allen Schreibtischberufen angekommen. Was auffallend oft fehlt, ist die Verbindung zur eigenen Arbeit. An welcher konkreten Aufgabe soll KI helfen? Was genau soll dadurch besser werden? Und woran wäre zu erkennen, dass das Ergebnis brauchbar ist?

Eine verbreitete Annahme trägt dazu bei, dass diese Fragen offenbleiben: Man müsse vor allem lernen, richtig zu prompten.

Wenn die alte Fähigkeit nicht mehr zur Aufgabe passt

In fast jeder Arbeitswoche gibt es diese eine Aufgabe: Jemand öffnet ein Chatfenster, probiert einige Eingaben aus, findet das Ergebnis nur halb brauchbar und denkt: Ich müsste endlich richtig prompten lernen.

Dahinter steckt eine Annahme, die selten ausgesprochen wird: Wie gut man mit KI arbeitet, hängt vor allem davon ab, wie gut man seine Anweisung formuliert. In der frühen ChatGPT-Phase ab Ende 2022 war das eine plausible Vorstellung. Die Arbeit mit KI fand sichtbar im Chatfenster statt. Der Mensch schrieb etwas hinein, die KI antwortete.

Seitdem hat sich die Technik weiterentwickelt. Die Annahme ist trotzdem geblieben. Sie hat kein offizielles Ablaufdatum, niemand erklärt sie für ungültig, und so wirkt sie weiter: bei der Entscheidung, welche Aufgaben man selbst erledigt und welche man an ein System übergibt, bei der Auswahl von Weiterbildungen und bei der Einschätzung, wer im Team „etwas von KI versteht“.

Inzwischen steckt KI in Suchmaschinen, Office-Programmen und internen Wissenssystemen. Bei vielen Anwendungen wird überhaupt kein Prompt mehr geschrieben. Trotzdem entstehen Zusammenfassungen, Empfehlungen oder Vorauswahlen.

Was dabei herauskommt, hängt nicht allein davon ab, was eine einzelne Person eingibt. Entscheidend sind auch die Systemeinstellungen, die verfügbaren Daten, die hinterlegten Regeln und die Zugriffsrechte. Diese Bedingungen wurden häufig Monate zuvor festgelegt, möglicherweise von ganz anderen Personen als denen, die später mit den Ergebnissen arbeiten.

Noch deutlicher wird die Verschiebung, wenn ein KI-System einen Auftrag über mehrere Schritte hinweg bearbeitet. Es recherchiert, vergleicht Quellen, verwirft Zwischenergebnisse und arbeitet selbstständig weiter. Die erste Eingabe ist dann nicht mehr die ganze Anweisung. Sie setzt einen Prozess in Gang.

Damit dieser Prozess sinnvoll verläuft, muss mehr geklärt sein als die Formulierung des Prompts: Was soll am Ende erreicht sein? Welche Quellen darf das System verwenden? Woran lässt sich ein brauchbares Ergebnis erkennen? Welche Fehler wären besonders problematisch? Und an welchem Punkt muss das System abbrechen und einen Menschen hinzuziehen?

Genau hier verschiebt sich die benötigte Fähigkeit. Es geht nicht mehr nur darum, ein System richtig anzusprechen. Es geht darum, einen Auftrag zu gestalten, einen Prozess zu begrenzen und ein Ergebnis prüfen zu können.

Wie gut jemand das beherrscht, lässt sich allerdings nur schwer durch eine allgemeine Selbsteinschätzung erfassen. In einem Feldexperiment mit 776 Fachkräften bei Procter & Gamble erzielten Einzelpersonen mit KI eine ähnlich hohe Ergebnisqualität wie Zweierteams ohne KI. Gleichzeitig schätzten die KI-NutzerInnen die Wahrscheinlichkeit, mit ihrer Lösung zu den besten zehn Prozent zu gehören, um gut neun Prozentpunkte niedriger ein. Ihre Ergebnisse wurden also besser bewertet, als sie selbst vermuteten.

Hinzu kommt ein grundlegenderes Problem: Eine Person arbeitet nicht bei jeder Aufgabe auf demselben Niveau. In derselben Woche kann jemand mit KI einen guten Text entwickeln, bei einer Recherche eine überzeugend klingende Falschaussage ungeprüft übernehmen und bei einer dritten Aufgabe einen mehrstufigen Ablauf sinnvoll steuern.

Das bedeutet nicht, dass diese Person gleichzeitig drei Kompetenzstufen hat. Es bedeutet, dass die drei Aufgaben unterschiedliche Fähigkeiten verlangen.

Die übliche Frage greift deshalb zu kurz: „Wie kompetent ist diese Person im Umgang mit KI?“ Ohne die konkrete Aufgabe lässt sie sich kaum sinnvoll beantworten. Zudem verändern sich die Aufgaben und Systeme schneller, als Organisationen ihre Kompetenzprofile aktualisieren können.

„KI-Kompetenz“

Im verbreiteten Verständnis bezeichnet KI-Kompetenz die Fähigkeit einer Person, mit KI-Systemen umzugehen: Werkzeuge kennen, Eingaben formulieren, Ergebnisse beurteilen und weiterverwenden. Diese Kompetenz gilt als persönliche Eigenschaft, die man aufbauen, in Stufen einteilen und mithilfe von Fragebögen oder Kompetenzrastern erfassen kann.

Das Problem an dieser Vorstellung: Sie richtet den Blick auf die Person, obwohl sich erst an der konkreten Aufgabe zeigt, welche Fähigkeiten benötigt werden.

Wer einen Textentwurf erstellen lässt, muss Zielgruppe, Zweck und Qualitätsmaßstab klären. Wer recherchiert, braucht Quellenkritik. Wer einen mehrstufigen Auftrag an ein System übergibt, braucht Prüf- und Abbruchkriterien. Wer einem System Zugriff auf Daten und Anwendungen gibt, muss entscheiden, was es verändern darf und was rückgängig gemacht werden können muss.

Diese Anforderungen bauen nicht sauber aufeinander auf. Sie stehen nebeneinander und werden je nach Aufgabe in unterschiedlicher Kombination gebraucht. Ein Stufenmodell behauptet dagegen eine feste Reihenfolge: Wer Stufe drei erreicht hat, beherrscht auch die Anforderungen der Stufen eins und zwei. Genau diese Reihenfolge gibt es in der tatsächlichen Arbeit häufig nicht.

Wir verwenden den Begriff deshalb enger: KI-Kompetenz zeigt sich in der Fähigkeit, für eine konkrete Aufgabe zu bestimmen,

• was ein System tun soll,
• woran ein brauchbares Ergebnis erkennbar ist,
• wie das Ergebnis geprüft wird
• und was nicht an die Maschine abgegeben werden darf.

KI-Kompetenz ist damit an eine Aufgabe und eine Situation gebunden. Sie lässt sich nicht sinnvoll in einer einzigen Zahl oder Stufe für eine Person zusammenfassen. Was sich leichter erheben lässt, ist etwas anderes: wie häufig jemand bestimmte Werkzeuge nutzt und wie sicher die Person deren Funktionen bedient.

Wir raten davon ab, Personen pauschal einer KI-Kompetenzstufe zuzuordnen.

Der Reiz solcher Stufenmodelle ist offensichtlich. Ein Kompetenzraster mit vier oder fünf Stufen, eine Selbstauskunft der MitarbeiterInnen und ein Balkendiagramm nach Abteilungen: Damit lässt sich ein Weiterbildungsbudget begründen, ein Fortschritt darstellen und im nächsten Jahr eine Verbesserung dokumentieren. Die Verfahren sind bekannt, die Instrumente liegen bereit.

Die eigentliche Arbeit der Organisation bleibt dabei jedoch weitgehend unberührt. Sie muss noch nicht untersuchen, an welchen Stellen KI bereits in Abläufe eingreift, welche Ergebnisse ungeprüft übernommen werden und wo niemand festgelegt hat, was überhaupt als gutes Ergebnis gelten soll.

Aus unserer Sicht sprechen drei Gründe gegen eine pauschale Einstufung.

Erstens misst eine Selbstauskunft nicht zuverlässig die tatsächliche Qualität der Arbeit. Das Feldexperiment bei Procter & Gamble zeigt: Gerade Personen mit guten Ergebnissen können ihre eigene Leistung zurückhaltend einschätzen. Eine niedrige Selbsteinstufung bedeutet daher nicht automatisch geringe Kompetenz.

Zweitens behandelt die Erhebung Kompetenz als stabile Eigenschaft einer Person. Dieselbe Person kann je nach Aufgabe sehr sicher, nachlässig oder überfordert arbeiten. Ein einziger Wert macht diese Unterschiede unsichtbar.

Drittens veraltet der Maßstab schnell. Ein Raster, das im Frühjahr vor allem die Qualität von Prompts abfragt, misst im Herbst möglicherweise nur noch einen kleinen Teil dessen, was in der Arbeit mit KI benötigt wird.

Der eigentliche Preis liegt deshalb nicht in der ungenauen Zahl. Er liegt darin, dass die Zahl den Eindruck erzeugt, die Lage sei geklärt. Eine Organisation erfährt viel über die Selbstbilder ihrer MitarbeiterInnen, aber wenig darüber, wie in ihr mit KI gearbeitet wird.

Die entscheidende Frage bleibt unbeantwortet: An welchen Stellen werden gerade Ergebnisse übernommen oder Prozesse ausgelöst, ohne dass jemand festgelegt hat, woran ein brauchbares Ergebnis zu erkennen ist?

Das Kompetenzraster beantwortet diese Frage nicht. Es verdeckt sie mit einem Dokument, das nach Klärung aussieht.

Ab dieser Ausgabe steht hier eine Annahme, ihr vermuteter Gültigkeitszeitraum und das Ergebnis der Prüfung.

Annahme: KI-Kompetenz bedeutet vor allem, gut prompten zu können.

Gültig: als hinreichende Beschreibung ungefähr von Ende 2022 bis 2024.

Prüfung: abgelaufen. Nicht vollständig falsch, aber zu klein. Prompting bleibt eine Grundfähigkeit, die Anforderungen daneben sind gewachsen.

Offen, Prüfung folgt: Wer Einstiegsarbeit automatisiert, spart Kosten.

Fabrizio Dell'Acqua u. a., The Cybernetic Teammate, NBER Working Paper 33641 (2025).

Untersucht wurden 776 Fachkräfte von Procter & Gamble bei realen Produktentwicklungsaufgaben, im kontrollierten Vergleich von Einzelpersonen und Zweierteams, mit und ohne KI. Die vielzitierte Schlagzeile ist, dass eine Einzelperson mit KI das Qualitätsniveau eines Zweierteams ohne erreicht. Für diese Ausgabe zählt der unauffälligere Befund im Abschnitt zur Kalibrierung: Die KI-NutzerInnen lieferten die besseren Ergebnisse und trauten sich weniger zu. Wer Kompetenz per Selbstauskunft erhebt, sollte diesen Abschnitt gelesen haben.

Der ausführliche Durchgang steht im Blog: Der perfekte Prompt reicht nicht mehr. Sechs Stufen, von der ersten Eingabe im Chatfenster bis zur Organisation, in der mehrere Systeme zusammenarbeiten.

Wer die Frage dieser Ausgabe an einer eigenen Aufgabe durchspielen will: Unser KI-Orientierungsprogramm läuft vom 18. September bis zum 2. Oktober. Kein Lehrplan, alle bringen eine eigene Aufgabe mit, zwei Wochen wird daran gearbeitet.

Info-Termin: Mittwoch, 2. September 2026, 19 Uhr, online, kostenlos. Zum Info-Termin →

Anmeldung: bis 11. September, 6 bis 12 Personen, 299 € zzgl. MwSt. Zur Programmseite →

Zur Transparenz: Unsere Texte werden nicht von KI geschrieben. Aber mit ihr gedacht.

Diese Mail weitergeleitet bekommen?

Der NeWoS entsteht bei FROLLEINFLOW — seit 2011 unbequem, konsequent unangepasst, und in eurer Inbox, weil es sonst niemand schreibt.

Wir beschäftigen uns mit der Frage, die die meisten Organisationen umtreiben: Wie bleibt man urteilsfähig, wenn Systeme das Urteilen abtrainieren?

Wer nicht nur lesen, sondern denken will - antwortet einfach auf diese Mail.

Schreibt uns gerne

frolleinflow@gmail.com

Copyright © 2026 FROLLEINFLOW, All rights reserved. | Ihr mögt diese E-Mails nicht mehr? Hier abbestellen