AI Act: KI-Kompetenz nachweisen

Was Art. 4 praktisch bedeutet

Der AI Act verlangt, dass Anbieter und Betreiber von KI-Systemen nach bestem Vermögen ein ausreichendes KI-Kompetenzniveau ihres Personals und anderer Personen sicherstellen, die in ihrem Auftrag mit KI arbeiten. Wie hoch dieses Niveau ausfallen muss, hängt vom technischen Wissen, von der Erfahrung, von Ausbildung und Schulung, vom konkreten Einsatzkontext und von den betroffenen Personen oder Personengruppen ab. Die Pflicht ist also bewusst relativ formuliert: Sie skaliert mit dem Risiko und der Verantwortung der jeweiligen Rolle.

Eine Standard-Folie für alle reicht deshalb nicht. Eine Buchhaltung, die KI für Texte und Belegprüfung nutzt, hat andere Fragen als ein Support-Team, das Kundenmails halbautomatisch beantwortet, und beide unterscheiden sich von einem Entwicklerteam, das mit Coding-Agenten arbeitet. Wer dieselbe Schulung an alle ausrollt, erreicht entweder die einen nicht oder langweilt die anderen. Sinnvoller ist, vom konkreten Arbeitsplatz auszugehen: Welche KI taucht dort heute schon auf, welche Entscheidungen hängen daran, und wo kann ein Fehler teuer oder rechtlich heikel werden?

Wichtig ist auch die Abgrenzung: Art. 4 ist keine Pflicht zur Zertifizierung einzelner Personen und kein bestandener Test mit Punktzahl. Es geht um nachweisbar angemessene Kompetenz im Betrieb, nicht um ein Prüfungssiegel. Genau deshalb führt die Fixierung auf ein einzelnes Zertifikat oft in die Irre.

Woran ihr anfangt: eine Bestandsaufnahme

Bevor geschult wird, lohnt sich eine ehrliche Inventur. In vielen Unternehmen ist längst mehr KI im Einsatz, als die Geschäftsführung annimmt – über Browser-Plugins, Office-Funktionen, Chatbots oder eigenmächtig genutzte Tools. Eine schlanke Bestandsaufnahme schafft die Grundlage für alles Weitere:

• Welche KI-Systeme nutzen wir? Chatassistenten, Übersetzung, Texthilfen, Bildgeneratoren, Coding-Agenten, Funktionen in bestehender Software.
• Wer arbeitet damit? Abteilung, Rolle, Häufigkeit und ob die Nutzung offiziell freigegeben oder nur geduldet ist.
• Welche Daten fließen hinein? Insbesondere personenbezogene Daten, Kundendaten, Geschäftsgeheimnisse oder vertrauliche Dokumente.
• Welche Entscheidungen hängen daran? Reine Vorschläge mit menschlicher Prüfung sind unkritischer als automatisierte Schritte ohne Kontrolle.
• Wo entsteht das größte Risiko? Falschauskünfte an Kunden, fehlerhafte Rechnungen, unsichere Code-Änderungen, Datenschutzverstöße.

Aus dieser Liste ergibt sich fast von selbst, welche Rollen welche Schulungstiefe brauchen und wo zusätzlich technische oder organisatorische Grenzen nötig sind.

Warum Dokumentation wichtig ist

Ein Teilnahmezertifikat kann belegen, dass eine Schulung stattgefunden hat. Es ersetzt aber keine internen Regeln, keine Datenschutzprüfung und keine technische Risikoanalyse. Wenn eine Aufsichtsbehörde oder ein Kunde später fragt, wie ihr KI-Kompetenz sicherstellt, hilft ein einzelnes PDF wenig – gefragt ist ein nachvollziehbares Gesamtbild.

Sinnvoll ist deshalb eine Kombination aus Modulplan, Teilnehmerliste, Datum und Dauer, den verwendeten Praxisbeispielen sowie einer laufenden Aktualisierung. Hilfreich sind außerdem schriftliche Nutzungsregeln, die festhalten, welche Tools freigegeben sind, welche Daten eingegeben werden dürfen und wer im Zweifel entscheidet. Weil sich KI-Werkzeuge schnell ändern, ist Dokumentation kein einmaliges Projekt, sondern ein wiederkehrender Termin – etwa jährlich oder bei jeder größeren Tool-Einführung.

Häufige Fehler bei der Umsetzung

In Gesprächen mit Unternehmen begegnen uns immer wieder dieselben Muster, die viel Aufwand verursachen, ohne echte Kompetenz aufzubauen:

• Einmal-Schulung als Haken auf der Liste. Ein Webinar im Frühjahr, danach passiert nichts mehr – während sich die eingesetzten Tools monatlich verändern.
• Zertifikat ohne Praxisregeln. Mitarbeitende wissen abstrakt, was ein LLM ist, aber nicht, ob sie eine Kundenliste in einen Chatbot kopieren dürfen.
• Schatten-KI ignorieren. Verbote auf dem Papier, während im Alltag längst private Accounts genutzt werden, weil offizielle Werkzeuge fehlen.
• Datenschutz und Kompetenz getrennt behandeln. Beide Themen gehören zusammen, sonst entstehen Lücken zwischen „darf ich“ und „kann ich“.
• Keine klare Verantwortlichkeit. Niemand fühlt sich zuständig, KI-Regeln zu pflegen und Fragen aus den Teams zu beantworten.

Der gemeinsame Nenner: KI-Kompetenz wird als Formalie behandelt statt als fortlaufende Arbeitsfähigkeit. Genau das wollen wir umdrehen.

Wie wir das verpacken

Unsere KI-Kompetenz-Schulung verbindet Grundlagen, Prompting, ein realistisches Verständnis davon, was Sprachmodelle können und wo sie scheitern, mit konkreten Office-Workflows, dem Einsatz von Codex und Launchpad, klaren Datenschutzgrenzen und nachvollziehbaren Automatisierungsbeispielen. Statt abstrakter Theorie arbeiten wir mit Szenarien aus dem jeweiligen Arbeitsalltag der Teilnehmenden.

Damit wird aus der Pflicht nicht nur Compliance, sondern ein produktiver Einstieg in sichere KI-Arbeit: Die Belegschaft versteht, wofür KI taugt, wo Vorsicht geboten ist und an welchen Stellen ein Mensch prüfen muss. Die begleitende Dokumentation entsteht dabei als Nebenprodukt, nicht als zusätzliche Last.

Quellen und Weiterlesen

• EUR-Lex: Verordnung (EU) 2024/1689
• EU-Kommission: AI Literacy Q&A
• Datenschutzkonferenz: KI und Datenschutz