KI kann Arbeit beschleunigen. Denken sollte sie nicht ersetzen.

Warum KI-Kompetenz nicht beim richtigen Prompt beginnt

Eine Mitarbeiterin soll eine Entscheidungsvorlage erstellen.

Sie gibt die wichtigsten Informationen in ein KI-System ein. Wenige Sekunden später stehen dort drei Handlungsoptionen, sauber strukturiert, professionell formuliert und jeweils mit Vor- und Nachteilen.

Das Ergebnis sieht gut aus.

Vielleicht sogar besser als das, was in derselben Zeit ohne KI entstanden wäre.

Jetzt kommt der interessante Teil.

Welche der drei Optionen ist richtig?

Welche Information fehlt?

Welche Annahmen hat das System getroffen?

Ist eine der genannten Quellen überhaupt belastbar?

Passt die Empfehlung zur konkreten Organisation?

Und wer würde einen Fehler erkennen?

Spätestens hier zeigt sich ein grundlegender Unterschied zwischen Arbeit produzieren und Arbeit beurteilen.

Generative KI kann erstaunlich viel vom ersten Teil übernehmen.

Dadurch wird der zweite nicht unwichtiger.

Er könnte wichtiger werden.

Die eigentliche Revolution ist nicht, dass KI Texte schreibt

Über generative KI wird häufig anhand spektakulärer Fähigkeiten gesprochen.

Sie schreibt Texte. Erstellt Präsentationen. Analysiert Daten. Programmiert. Fasst Dokumente zusammen. Generiert Ideen. Übersetzt. Strukturiert Meetings. Unterstützt Recherche.

Für Unternehmen ist allerdings eine weniger spektakuläre Frage interessanter:

Welche Arbeit wird dadurch tatsächlich besser oder schneller?

Dafür gibt es inzwischen belastbarere Daten als noch vor wenigen Jahren.

In einer groß angelegten randomisierten Feldstudie mit mehr als 6.000 Beschäftigten in 56 Unternehmen untersuchte Microsoft Research den Einsatz eines in Büroanwendungen integrierten generativen KI-Assistenten. Beschäftigte mit Zugang zur Technologie verbrachten unter anderem weniger Zeit mit E-Mails und erledigten Dokumentenaufgaben schneller.

Auch für kleinere und mittlere Unternehmen wird der Einsatz zunehmend relevant. Eine OECD-Erhebung unter mehr als 5.000 KMU in sieben Ländern, darunter Deutschland, ergab für 2024, dass 31 Prozent der befragten Unternehmen generative KI bereits nutzten. Unter den Unternehmen mit Kompetenzengpässen berichtete ein Teil zudem, dass generative KI dabei half, diese Engpässe zumindest teilweise auszugleichen.

Es gibt also wenig Grund, den möglichen Produktivitätsgewinn kleinzureden.

Nur folgt daraus nicht:

Je mehr Denken an KI abgegeben wird, desto produktiver wird ein Unternehmen.

Schnell erzeugt ist nicht automatisch schnell erledigt

Stellen wir uns vor, eine Aufgabe dauerte früher 90 Minuten.

Mit KI entsteht ein erster Entwurf in zehn Minuten.

Zeitersparnis: 80 Minuten.

Zumindest auf dem Papier.

Wenn anschließend niemand prüft, ob der Inhalt stimmt, wurde möglicherweise tatsächlich Zeit gespart.

Bis der Fehler auffällt.

Wenn dagegen 30 Minuten für Prüfung, Einordnung und Überarbeitung notwendig sind, beträgt die tatsächliche Ersparnis nicht 80, sondern 50 Minuten.

Auch das kann hervorragend sein.

Der Unterschied ist nur wichtig.

Denn generative KI verschiebt Arbeit.

Ein Teil der Erstellung wird automatisiert oder beschleunigt. Dafür entstehen andere Anforderungen: Ergebnisse prüfen, Quellen bewerten, Kontext ergänzen, Alternativen vergleichen, Fehler erkennen und entscheiden, wann ein KI-Ergebnis überhaupt verwendet werden darf.

Die entscheidende Kompetenz lautet deshalb nicht:

Kann jemand mit KI etwas erzeugen?

Sondern:

Kann jemand beurteilen, was die KI erzeugt hat?

Ein überzeugender Text kann trotzdem falsch sein

Menschen sind daran gewöhnt, Unsicherheit an bestimmten Signalen zu erkennen.

Jemand stockt.

Eine Antwort bleibt vage.

Eine Person sagt: „Da bin ich mir nicht sicher.“

Generative KI funktioniert anders.

Eine sprachlich flüssige Antwort kann falsch sein. Eine sauber strukturierte Analyse kann auf einer falschen Annahme beruhen. Eine plausibel klingende Quelle kann ungeeignet sein oder gar nicht existieren.

Die Qualität der Darstellung und die Qualität des Inhalts sind zwei unterschiedliche Dinge.

Das ist im Arbeitskontext besonders relevant, weil professionell formulierte Ergebnisse leicht Kompetenz signalisieren.

Ein mittelmäßiger menschlicher Entwurf sieht häufig mittelmäßig aus.

Ein problematischer KI-Entwurf kann hervorragend aussehen.

Deshalb verändert KI nicht nur die Produktion von Informationen.

Sie verändert auch die Anforderungen an deren Bewertung.

Was passiert mit kritischem Denken?

Eine 2025 auf der CHI-Konferenz veröffentlichte Studie von Lee und Kollegen untersuchte genau diese Frage. 319 Wissensarbeiter berichteten über insgesamt 936 konkrete Situationen, in denen sie generative KI bei beruflichen Aufgaben eingesetzt hatten.

Die Ergebnisse sind interessant, aber sie sollten nicht überinterpretiert werden.

Die Studie beweist nicht, dass KI Menschen das Denken abgewöhnt. Sie basiert wesentlich auf Selbstauskünften und untersucht Zusammenhänge und wahrgenommene kognitive Anstrengung.

Gefunden wurde unter anderem: Je größer das Vertrauen der Befragten in die KI war, desto weniger kritisches Denken berichteten sie. Höheres Vertrauen in die eigene Fähigkeit war dagegen mit mehr kritischer Auseinandersetzung verbunden.

Noch interessanter ist ein zweiter Befund.

Kritisches Denken verschwand nicht einfach.

Es veränderte sich.

Die Befragten beschrieben stärker Tätigkeiten wie das Überprüfen von Informationen, das Integrieren von KI-Ergebnissen in die eigene Arbeit und die übergeordnete Steuerung einer Aufgabe.

Das passt zu dem, was Unternehmen bei sinnvoller KI-Nutzung eigentlich brauchen:

weniger mechanische Produktion,

mehr Beurteilung.

Wer nichts vom Thema versteht, kann auch den Output schlecht prüfen

Hier liegt ein Problem, das in manchen KI-Debatten unterschätzt wird.

Wenn KI Aufgaben übernehmen kann, wozu muss ein Mensch die zugrunde liegende Kompetenz noch besitzen?

Weil Kontrolle Fachwissen braucht.

Wer keine Ahnung von Arbeitsrecht hat, kann einen arbeitsrechtlichen KI-Text nicht zuverlässig beurteilen.

Wer eine Kennzahl nicht versteht, erkennt nicht automatisch eine falsche Interpretation.

Wer keine gute Geschäftskorrespondenz schreiben kann, kann zwar zwischen zwei KI-Formulierungen wählen. Ob die gewählte Fassung fachlich, strategisch und kommunikativ richtig ist, ist eine andere Frage.

Und wer eine Branche nicht kennt, erkennt möglicherweise nicht, dass eine überzeugend klingende Empfehlung in diesem konkreten Markt vollkommen unpraktikabel ist.

KI kann Kompetenz ergänzen.

Sie kann fehlende Kompetenz in manchen Aufgaben teilweise kompensieren.

Aber je weniger der Mensch selbst versteht, desto schwieriger wird es für ihn zu erkennen, wann die Maschine danebenliegt.

Das ist kein Argument gegen KI.

Es ist ein Argument gegen die Vorstellung, Nutzungskompetenz bestehe hauptsächlich aus Prompttechnik.

Prompt Engineering ist nicht dasselbe wie KI-Kompetenz

„Wie schreibe ich den perfekten Prompt?“

Diese Frage hat in den vergangenen Jahren erstaunlich viel Aufmerksamkeit bekommen.

Natürlich beeinflusst eine gute Aufgabenstellung die Qualität eines Ergebnisses.

Aber Unternehmen brauchen keine Belegschaft aus professionellen Promptformulierern.

Sie brauchen Menschen, die verstehen:

Welche Aufgabe eignet sich überhaupt für KI?

Welche Informationen dürfen verwendet werden?

Wie hoch ist das Risiko eines falschen Ergebnisses?

Welche Teile müssen überprüft werden?

Welche Quellen sind belastbar?

Wo braucht es menschliches Fachwissen?

Wer trägt die Verantwortung für das Ergebnis?

Und ebenso wichtig:

Wann ist es schneller, die Aufgabe einfach selbst zu erledigen?

Wer für eine dreizeilige E-Mail zwölf Minuten an einem Prompt arbeitet, hat KI genutzt.

Produktivität ist dadurch noch nicht nachgewiesen.

Nicht jede Aufgabe braucht dieselbe Kontrolle

Es macht einen erheblichen Unterschied, ob KI fünf alternative Überschriften für einen internen Workshop erzeugt oder eine fachliche Entscheidungsgrundlage vorbereitet.

Bei der Überschrift kann ein Fehler nahezu folgenlos sein.

Bei einer rechtlichen, finanziellen, technischen oder sicherheitsrelevanten Aussage sieht das anders aus.

Unternehmen brauchen deshalb nicht nur Regeln darüber, ob KI verwendet werden darf.

Sie brauchen ein Verständnis dafür, wie kritisch eine Aufgabe ist.

Eine einfache interne Formulierungshilfe kann vielleicht nach kurzem Gegenlesen verwendet werden.

Eine Marktanalyse braucht Quellenprüfung.

Eine strategische Empfehlung braucht zusätzlich fachliche Einordnung.

Ein Ergebnis mit rechtlichen oder sicherheitsrelevanten Konsequenzen benötigt möglicherweise eine vollständig andere Form menschlicher Kontrolle.

Das ist keine Bürokratie um der Bürokratie willen.

Es ist Risikosteuerung.

Zeitdruck ist ein schlechter Qualitätsmanager

Ausgerechnet dort, wo KI besonders attraktiv ist, entsteht ein weiteres Problem.

Zeitdruck.

Wenn Menschen wenig Zeit haben, ist die Versuchung groß, ein brauchbar wirkendes Ergebnis schnell zu übernehmen. Genau darauf weisen auch die Ergebnisse der Studie von Lee und Kollegen hin: Bei Routineaufgaben mit geringerem wahrgenommenem Risiko und unter Zeitdruck berichteten Beschäftigte tendenziell weniger kognitive Anstrengung bei der kritischen Prüfung.

Das ist menschlich.

Es ist aber organisational relevant.

Denn wenn KI eingeführt wird, um Zeit zu sparen, und gleichzeitig jede eingesparte Minute sofort mit zusätzlicher Arbeit gefüllt wird, entsteht ein merkwürdiger Effekt:

Theoretisch bleibt mehr Zeit für Prüfung.

Praktisch bleibt weniger.

Unternehmen sollten deshalb vorsichtig sein, wenn Produktivität ausschließlich daran gemessen wird, wie viel Output in welcher Zeit entsteht. Bei KI-gestützter Wissensarbeit gehört zur Qualität auch die Frage, wie verlässlich dieser Output beurteilt wurde.

KI-Kompetenz ist auch Führungskompetenz

Es wäre bequem, das Thema an die IT-Abteilung zu delegieren.

Die kümmert sich um Tools, Zugänge, Datenschutz und technische Infrastruktur.

Das ist wichtig.

Aber die entscheidenden Fragen sind häufig keine technischen.

Welche Tätigkeiten sollen durch KI unterstützt werden?

Welche Fähigkeiten müssen Beschäftigte trotzdem selbst beherrschen?

Wie verändert sich eine Rolle, wenn Teile ihrer bisherigen Arbeit automatisiert werden?

Wie wird Qualität kontrolliert?

Was passiert mit Berufseinsteigern, wenn genau die Aufgaben wegfallen, an denen früher Erfahrung aufgebaut wurde?

Wie verhindern wir, dass erfahrene Beschäftigte KI grundsätzlich ablehnen?

Und wie verhindern wir gleichzeitig, dass andere ihr zu viel zutrauen?

Das sind Fragen von Arbeitsgestaltung, Personalentwicklung und Führung.

Auch die OECD betont in aktuellen Arbeiten zu KI und Arbeit, dass neben technischen Fähigkeiten weiterhin Problemlösung, kritisches Denken, Managementfähigkeiten sowie weitere menschliche Kompetenzen relevant bleiben.

KI-Kompetenz ist deshalb keine Zusatzqualifikation für ein paar technikaffine Mitarbeiter.

Sie wird zunehmend Teil professioneller Handlungskompetenz.

Der gefährlichste Satz könnte künftig anders klingen

Im ersten Beitrag dieser Reihe ging es um:

„Das haben wir immer so gemacht.“

Bei KI könnte das Gegenstück lauten:

„Das hat die KI so gesagt.“

Beide Sätze haben mehr gemeinsam, als es zunächst scheint.

Sie beenden eine Begründung.

Im ersten Fall wird eine Entscheidung durch Tradition legitimiert.

Im zweiten durch Technologie.

Beides kann richtig sein.

Beides ist allein noch kein Argument.

Die relevante Frage bleibt:

Warum halten wir dieses Ergebnis für richtig?

Wenn darauf niemand mehr eine Antwort geben kann, hat das Unternehmen möglicherweise einen Prozess beschleunigt.

Aber einen Teil seiner Urteilskompetenz verloren.

Gute KI-Nutzung beginnt nicht mit maximaler Automatisierung

Die interessanteste Frage für Unternehmen lautet deshalb nicht:

Was können wir alles mit KI machen?

Technisch wird die Antwort darauf ohnehin ständig größer.

Interessanter ist:

Welche Kombination aus menschlicher und maschineller Arbeit liefert für diese konkrete Aufgabe das beste Ergebnis?

Manchmal wird die KI fast die gesamte Vorarbeit übernehmen.

Manchmal dient sie als Sparringspartner.

Manchmal liefert sie Alternativen.

Manchmal prüft der Mensch ein Ergebnis sehr gründlich.

Und manchmal ist die vernünftigste Entscheidung, KI überhaupt nicht einzusetzen.

Reife KI-Nutzung zeigt sich nicht daran, dass ein Unternehmen für möglichst viele Prozesse ein KI-Tool gefunden hat.

Sie zeigt sich daran, dass Menschen wissen, wofür sie es einsetzen, was sie ihm überlassen und was ausdrücklich nicht.

Denn Arbeit schneller zu machen, ist wertvoll.

Nur sollte am Ende noch jemand verstehen, was dabei herausgekommen ist.

Quellen

Lee, H.-P. et al. (2025). The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems, Article 1121, 1–22. DOI: 10.1145/3706598.3713778.

Dillon, E., Jaffe, S., Peng, S. & Cambon, A. (2025). Early Impacts of M365 Copilot. Microsoft Research Technical Report MSR-TR-2025-18.

OECD (2025). Generative AI and the SME Workforce: New Survey Evidence. OECD Publishing, Paris. DOI: 10.1787/2d08b99d-en.

OECD (2025). Is generative AI a General Purpose Technology? OECD Artificial Intelligence Papers.