Viele Unternehmen sind längst ins KI-Zeitalter gestartet. Erste Tools sind im Einsatz, Mitarbeitende experimentieren, Prozesse werden punktuell unterstützt. Und doch bleibt oft ein Gefühl: Da geht noch mehr. Der Grund für dieses Gefühl liegt häufig nicht in der Anwendung der Technologie, sondern im Blickwinkel.
Denn die entscheidende Frage lautet heute nicht mehr: Wie führen wir KI im Unternehmen ein?
Sondern: Wie machen wir aus KI einen produktiven Teil unseres Teams?
KI wird nicht eingeführt, sondern ausgebildet
Während klassische Software einfach genutzt wird, funktioniert KI grundlegend anders. AI-Agenten übernehmen Aufgaben, bereiten Entscheidungen vor und erstellen Inhalte. Damit sie das sinnvoll tun können, müssen sie jedoch „angelernt“ werden. Genau hier entsteht ein neues Spielfeld für Unternehmen. Denn plötzlich geht es nicht mehr um die Nutzung von Tools, sondern um deren Ausbildung.
Und diese Ausbildung basiert auf dem Wissen der Menschen im Unternehmen.
Was ist ein gutes Ergebnis?
Welche Schritte führen dorthin?
Wo passieren typische Fehler?
Und woran erkennt man Qualität?
Das, was erfahrene Mitarbeitende oft intuitiv wissen, wird zur Grundlage für die Schulung und Arbeit der KI.
Wenn Erfahrung zu KI-Fähigkeit wird
In der Praxis zeigt sich schnell, worauf es ankommt.
Ein Beispiel aus dem Einkauf: Ein erfahrener Mitarbeitender erkennt auf einen Blick, ob ein Angebot stimmig ist. Er sieht Unterschiede, bewertet Risiken und weiß, welche Punkte entscheidend sind. Für einen AI-Agenten muss dieses Wissen zugänglich gemacht werden.
Das bedeutet:
Prozesse werden zerlegt, Kriterien werden benannt, Entscheidungen werden nachvollziehbar gemacht.
Aus Erfahrung wird Struktur. Aus Struktur werden Fähigkeiten. Und genau diese Fähigkeiten machen einen AI-Agenten leistungsfähig.
Mensch und KI: Zusammenarbeit 2.0
Spannend wird es dort, wo KI nicht nur unterstützt, sondern Teil des Arbeitsalltags wird. Mitarbeitende übernehmen eine neue Rolle. Sie arbeiten nicht nur mit KI, sie bilden sie aus. Dabei passiert etwas Interessantes:
Prozesse werden bewusster hinterfragt. Qualitätsmaßstäbe werden klarer formuliert. Implizites Wissen wird sichtbar.
Ein Projektleiter brachte es treffend auf den Punkt:
„Früher habe ich Berichte selbst geschrieben. Heute bringe ich der KI bei, wie ein guter Bericht aussieht. Und merke dabei, wie viel klarer ich selbst arbeite.“ KI wird damit nicht nur produktiver. Auch die Menschen werden besser.
Skill-Engineering als Grundlage
Damit ein AI-Agent zuverlässig arbeiten kann, benötigt er klar definierte Fähigkeiten. Diese sogenannten Skills folgen einer festen Struktur. Sie beschreiben, für welchen Zweck der Skill eingesetzt wird, welche Eingaben benötigt werden und wie der Ablauf gestaltet ist. Ergänzt wird dies durch klare Regeln, ein definiertes Ausgabeformat sowie Hinweise, wann Rückfragen notwendig sind. Erst durch diese strukturierte Beschreibung von Ziel, Kontext, Vorgehen und Qualitätskriterien wird aus implizitem Erfahrungswissen eine reproduzierbare Fähigkeit. Genau darin liegt die Grundlage für den Aufbau leistungsfähiger AI-Agenten, die jeder Mitarbeitende im Unternehmen dann auch nutzen kann.
Fazit
AI-Agenten sind keine Software, die man einfach einführt. Sie sind digitale Mitarbeitende, die geschult und entwickelt werden müssen. Unternehmen, die beginnen, ihr Wissen systematisch zu strukturieren und in KI-Fähigkeiten zu übersetzen, schaffen sich einen echten Vorsprung. Denn die zentrale Kompetenz der Zukunft ist nicht nur der Umgang mit KI. Sondern die Fähigkeit, sie sinnvoll auszubilden.
Kathrin Lichius ist Geschäftsführerin des Start-ups KINDERLEICHT.
Das Start-up KINDERLEICHT begleitet deutschlandweit KMU bei der Einführung von KI und der Befähigung der Mitarbeitenden im Umgang mit KI.
Grundstruktur eines KI-Skills (toolunabhängig)
name: workshop-design
description: Erstellt strukturierte Konzepte für KI-Workshops, wenn der Nutzer Trainings, Agenda, Lernziele, Übungen oder Moderationsleitfäden braucht.
Zweck: Wann dieser Skill verwendet wird, welches Problem er löst und was nicht dazugehört.
Eingaben: Welche Infos der Agent idealerweise vom Nutzer haben sollte.
Ablauf
- Kontext klären
- Zielgruppe bestimmen
- Ergebnisformat festlegen
- Entwurf erstellen
- Qualität prüfen
Regeln: Feste Leitplanken, z. B. Stil, Sicherheitsgrenzen, Do/Don'ts.
Ausgabeformat: Wie das Ergebnis strukturiert sein soll.
Eskalation / Rückfragen: Wann der Agent nachfragen muss, statt zu raten.
Verweise: Links auf weitere Dateien wie templates.md, examples.md, checklist.md
- © Canva – KI_Zukunft.jpg
- © Linda Simon – Kathrin_Lichius.jpg
- © KINDERLEICHT – KI_Skill_Entwicklung.jpg