Wie man ein Curriculum für KI-Kompetenz baut

Die meisten KI-Schulungen, die ich sehe, sind nach Werkzeugen gebaut. Eine Einheit zu ChatGPT, eine zu Copilot, eine zum internen Assistenten. Das ist verständlich, denn die Werkzeuge sind das Sichtbare. Es ist trotzdem der falsche Ausgangspunkt, und zwar aus einem einfachen Grund: Die Oberfläche, die ich heute erkläre, sieht in sechs Monaten anders aus. Die Aufgabe, für die jemand sie benutzt, bleibt.

Ein Curriculum ist keine Sammlung von Modulen. Es ist eine Begründungskette: von der Arbeitsaufgabe über das Risiko zum Lernziel und von dort zur Prüfung. Wenn diese Kette nicht trägt, entsteht ein Kursprogramm, das gut aussieht und nichts verändert.

Ich beschreibe hier den Weg, den ich gehe, wenn ich so etwas aufbaue.

Schritt 1: Aufgaben erheben, nicht Abteilungen

Der erste Fehler passiert meist schon bei der Zielgruppe. Es wird nach Abteilungen geschnitten: Marketing, Vertrieb, Verwaltung, Technik. Das erzeugt Gruppen, die wenig gemeinsam haben, außer dass sie im selben Organigrammkasten stehen.

Sinnvoll ist der Schnitt nach Aufgaben, in denen generative Systeme überhaupt vorkommen. Texte entwerfen, die nach außen gehen. Anfragen beantworten, die Rechtsfolgen haben. Daten zusammenfassen, aus denen jemand eine Entscheidung ableitet. Code schreiben, den niemand sonst liest. Bewerbungen sichten.

Diese Liste entsteht nicht am Schreibtisch. Sie entsteht, indem man fragt, an welcher Stelle in der Woche jemand tatsächlich ein Modell benutzt oder benutzen würde. Die Antworten überraschen regelmäßig, weil die intensivste Nutzung oft dort stattfindet, wo sie niemand vermutet hat, und weil ganze Bereiche, für die eine Schulung geplant war, gar keinen Anlass haben.

Schritt 2: Das Risiko je Aufgabe bestimmen

Nicht jede Aufgabe braucht dasselbe Maß an Kompetenz. Wer eine interne Besprechungsnotiz zusammenfassen lässt, braucht anderes als jemand, der einen Bescheid vorbereitet.

Ich bestimme das Risiko an drei Fragen.

Welche Daten gehen hinein? Das ist die Frage nach der Datenklasse. Öffentliche Inhalte, interne Inhalte, personenbezogene Daten, besondere Kategorien: Der Unterschied entscheidet über den Weg, über das erlaubte System und über die Frage, ob jemand überhaupt selbst entscheiden darf. Wer die Klassen nicht unterscheiden kann, kann die eigene Nutzung nicht beurteilen. Dazu habe ich die Reihe über Datenklassen geschrieben.

Wie nah ist die Ausgabe an einer Entscheidung? Ein Textentwurf, den drei Menschen überarbeiten, ist etwas anderes als eine Einschätzung, die ungeprüft in eine Akte wandert.

Wer sieht das Ergebnis? Nach außen wirkende Inhalte tragen ein Risiko, das intern nicht besteht: Kennzeichnung, Haftung, Ruf.

Aus diesen drei Antworten entsteht eine grobe Stufung. Mehr als drei Stufen braucht es selten, und mehr als drei Stufen hält kein Betrieb durch.

Schritt 3: Lernziele formulieren, die ein Verhalten beschreiben

Das ist die Stelle, an der die meisten Konzepte weich werden. Typische Formulierungen lauten: Die Teilnehmenden kennen die Grundlagen generativer KI. Die Teilnehmenden verstehen die Funktionsweise von Sprachmodellen.

Solche Sätze lassen sich nicht prüfen, weil sie kein beobachtbares Verhalten benennen. Kennen und verstehen sind Zustände im Kopf.

Brauchbare Lernziele beschreiben eine Handlung in einer Situation. Die Teilnehmenden ordnen einen konkreten Arbeitsfall der richtigen Datenklasse zu und begründen die Zuordnung. Die Teilnehmenden erkennen in einem vorgelegten Modellergebnis die Stellen, die vor der Weitergabe geprüft werden müssen. Die Teilnehmenden formulieren eine Nachfrage, die eine unbelegte Aussage im Ergebnis aufdeckt.

Der Unterschied klingt nach Formulierungskosmetik. Er ist die Weiche zwischen einem Kurs, der bewertet werden kann, und einem, der nur stattfindet.

Schritt 4: Eine Progression bauen, die nicht bei der Bedienung stehenbleibt

Ein Curriculum braucht eine Richtung. Ich arbeite mit vier Stufen, die aufeinander aufbauen.

Erkennen. Woran sehe ich, dass hier ein generatives System im Spiel ist, im eigenen Werkzeug und im fremden Material?

Bedienen. Wie formuliere ich eine Aufgabe so, dass ein brauchbares Ergebnis entstehen kann? Das ist die Stufe, auf der die meisten Schulungen anfangen und aufhören.

Beurteilen. Woran erkenne ich, dass ein Ergebnis nicht trägt? Das ist die eigentliche Kompetenzstufe, und sie ist fachlich, nicht technisch. Wer den Gegenstand nicht beurteilen kann, kann auch die Ausgabe nicht beurteilen.

Verantworten. Wer entscheidet, wer haftet, wer dokumentiert, wann höre ich auf und frage einen Menschen?

Die dritte Stufe ist die teuerste und wird am häufigsten übersprungen. Sie lässt sich nicht durch Erklären erreichen, sondern nur durch Üben an Fällen, bei denen das Ergebnis falsch ist.

Schritt 5: Lernaufgaben aus echten Fällen bauen

Hier trennt sich ein Curriculum von einer Präsentation. Für jede Stufe braucht es Aufgaben, die aus dem eigenen Haus stammen.

Der wirksamste Aufgabentyp ist der fehlerhafte Fall: ein echtes Modellergebnis, in dem etwas nicht stimmt. Eine erfundene Quelle. Eine Zahl, die im Ausgangsmaterial nicht steht. Eine Formulierung, die eine Zusage macht, die so nicht gilt. Die Aufgabe lautet nicht, das Ergebnis zu verbessern, sondern zu benennen, was daran nicht trägt und woran man es sieht.

Solche Fälle sammelt man im Betrieb ein. Das dauert ein paar Wochen und ist der Teil der Arbeit, den kein fertiges Kursprodukt liefern kann, weil er dem Haus gehört.

Schritt 6: Vorher festlegen, wie geprüft wird

Wenn die Prüfung erst am Ende entworfen wird, passt sie zum Kurs statt zum Ziel. Deshalb gehört sie an den Anfang: Woran wird man nach dem Kurs sehen, dass sich etwas geändert hat, und zwar an der Arbeit, nicht im Feedbackbogen. Wie sich das prüfen lässt, habe ich in einem eigenen Beitrag beschrieben.

Schritt 7: Die Pflege mitplanen

Ein Curriculum, das an konkrete Systeme gebunden ist, veraltet mit ihnen. Ich trenne deshalb, was stabil ist, von dem, was sich ändert. Datenklassen, Beurteilungskriterien und Verantwortungsfragen sind stabil. Oberflächen, Modellnamen, Fähigkeiten und Preise sind es nicht. Wer beides in dieselbe Folie schreibt, muss jedes halbe Jahr alles anfassen.

Was Artikel 4 der KI-Verordnung damit zu tun hat, und was nicht

Seit dem 2. Februar 2025 gilt Artikel 4 der KI-Verordnung. Anbieter und Betreiber müssen Maßnahmen ergreifen, damit ihr Personal über ein ausreichendes Maß an KI-Kompetenz verfügt. Das ist der Grund, warum viele Häuser gerade Schulungen einkaufen.

Zwei Dinge sind dabei wichtig. Erstens: Die Vorschrift benennt kein Format, keine Stundenzahl und kein Zertifikat. Wer etwas anderes behauptet, verkauft in der Regel genau das Format, das angeblich verlangt wird. Zweitens: Artikel 4 hat keinen eigenen Bußgeldtatbestand. Der Sanktionsartikel der Verordnung zählt ihn nicht auf, und das deutsche Durchführungsgesetz ebenfalls nicht. Das ändert nichts an der Pflicht, aber es ändert die Geschichte, mit der Schulungen verkauft werden.

Für den Aufbau eines Curriculums folgt daraus etwas Praktisches: Der Nachweis liegt nicht in einer Teilnahmeliste, sondern in einem nachvollziehbaren Konzept. Wer beschreiben kann, welche Rollen welches Risiko tragen, welche Ziele daraus folgen und wie geprüft wurde, hat etwas in der Hand. Ein Gerüst dafür liegt in meinem Schulungskonzept nach Artikel 4, im Volltext und ohne Formular.

Der Fehler, den ich am häufigsten sehe

Das Curriculum wird für die gebaut, die ohnehin interessiert sind. Es entsteht ein anspruchsvolles Programm für zwanzig Freiwillige, während die Mehrheit weiter tut, was sie vorher tat, nur mit einem zusätzlichen Werkzeug im Browser.

Ein Curriculum, das wirkt, ist an der Stelle anspruchsvoll, an der das Risiko sitzt, und an allen anderen Stellen so knapp wie möglich. Das ist unbequem, weil es bedeutet, weniger Inhalt zu vermitteln, als man könnte. Es ist aber die einzige Form, die einen Betrieb tatsächlich erreicht.