KI-Kompetenz im KMU: Mehr als Prompting

Viele KMU haben den Einstieg in die Nutzung von KI bereits gemacht. Erste Texte werden mit Chatbots formuliert, Zusammenfassungen automatisch erstellt oder Mails schneller vorbereitet. Das ist sinnvoll und oft sofort nützlich. Trotzdem zeigt sich in der Praxis schnell: Gute Prompts allein reichen nicht aus, damit KI im Arbeitsalltag verlässlich, produktiv und verantwortungsvoll eingesetzt werden kann.

Genau hier liegt der Unterschied zwischen Toolbedienung und echter KI-Kompetenz im KMU. Wer Mitarbeitende KI sinnvoll nutzen lassen will, braucht mehr als eine kurze Einführung in Eingabetechniken. Entscheidend sind Urteilsfähigkeit, Verständnis für Prozesse, ein sicherer Umgang mit Daten und die Fähigkeit, Resultate kritisch zu prüfen.

Für Schweizer KMU ist das besonders wichtig. Ressourcen sind begrenzt, Rollen oft breit angelegt und Fehler wirken sich direkt auf Kundschaft, Qualität und Effizienz aus. Umso mehr lohnt es sich, KI-Literacy nicht als IT-Thema zu behandeln, sondern als praktische Arbeitskompetenz über verschiedene Funktionen hinweg.

Warum Prompting allein keine KI-Kompetenz ist

Prompting ist ein sinnvoller Einstieg. Wer lernt, Aufgaben klar zu formulieren, Kontext mitzugeben und das gewünschte Ergebnis zu beschreiben, erhält meist bessere Resultate. Im Alltag kann das bereits viel bringen, etwa bei der Erstellung eines Entwurfs für ein Sitzungsprotokoll, einer Stellenausschreibung oder einer internen Mitteilung.

Trotzdem ist Prompting nur ein Teil des Ganzen. Die Qualität einer KI-Ausgabe hängt nicht nur von der Eingabe ab, sondern auch von der Aufgabe selbst, vom fachlichen Kontext, von den verwendeten Informationen und von der anschliessenden Prüfung. Eine gut formulierte Anfrage führt nicht automatisch zu einem korrekten oder brauchbaren Ergebnis.

Ein typisches Beispiel aus dem KMU-Alltag: In der Administration soll KI eine Kundenmail zusammenfassen und eine Antwort vorbereiten. Der Prompt kann sauber formuliert sein. Wenn aber wichtige Hintergründe fehlen, Tonalität und Freigabeprozess nicht klar sind oder sensible Daten unbedacht eingefügt werden, entsteht schnell ein Risiko. Das Resultat wirkt vielleicht plausibel, passt aber nicht zur Situation oder zum Qualitätsanspruch des Unternehmens.

Ähnlich ist es in HR, Operations oder in der Führung. KI kann Texte, Vorschläge und Strukturen liefern. Ob diese brauchbar sind, entscheidet der Mensch. Deshalb greift es zu kurz, KI-Schulung nur als Prompt-Training zu verstehen. Prompting hilft beim Start, ersetzt aber weder Fachwissen noch Verantwortung.

Wer im KMU nachhaltige KI-Kompetenz aufbauen will, sollte Prompting deshalb als Werkzeug betrachten, nicht als Gesamtkompetenz. Erst im Zusammenspiel mit kritischem Denken, Datenverständnis und klaren Abläufen entsteht echter Nutzen.

KI-Literacy als Rollenkompetenz im KMU

KI-Literacy bedeutet vereinfacht gesagt: Mitarbeitende verstehen, wie KI in ihrem Arbeitskontext sinnvoll eingesetzt werden kann, wo ihre Grenzen liegen und welche Verantwortung mit der Nutzung verbunden ist. Es geht also nicht um ein abstraktes Wissen über Modelle, sondern um anwendbare Kompetenzen im jeweiligen Rollenprofil.

Für ein KMU ist das ein wichtiger Punkt. Nicht alle Mitarbeitenden müssen dasselbe wissen, und nicht jede Rolle braucht dieselbe Tiefe. Entscheidend ist, dass jede Funktion die Fähigkeiten aufbaut, die im eigenen Arbeitsbereich relevant sind.

In der Administration kann KI-Literacy zum Beispiel bedeuten, Entwürfe effizient vorzubereiten, Informationen zu strukturieren und gleichzeitig Ergebnisse sauber zu prüfen. In HR geht es eher um den sorgfältigen Umgang mit sensiblen Personendaten, um faire Formulierungen und um Zurückhaltung bei automatisierten Beurteilungen. In Operations stehen oft Prozessverständnis, Standardisierung und die Qualität von Arbeitsanweisungen im Vordergrund. Teamleitungen brauchen zusätzlich die Fähigkeit, Nutzungsszenarien zu priorisieren, Regeln festzulegen und Qualität im Team sicherzustellen.

Auch auf Führungsstufe ist KI-Kompetenz relevant. Gerade in Geschäftsleitung und CEO-Office geht es nicht nur darum, KI selbst zu nutzen, sondern Entscheidungen über Einsatzbereiche, Risiken, Zuständigkeiten und Schulungsbedarf zu treffen. Wer hier nur auf Tool-Demos schaut, verpasst die eigentliche Führungsaufgabe.

KI-Literacy im KMU ist daher keine Spezialkompetenz für einzelne Fachpersonen. Sie ist eine rollenbezogene Befähigung, die sich am Arbeitsalltag orientiert. Das macht sie greifbar, realistisch und umsetzbar.

Welche Fähigkeiten Mitarbeitende neben Prompting brauchen

Wenn Prompting nur ein Baustein ist, welche Fähigkeiten gehören dann zur eigentlichen KI-Kompetenz im KMU? Die wichtigsten Elemente lassen sich praxisnah beschreiben.

Kritisches Denken

KI liefert oft überzeugend formulierte Antworten. Gerade deshalb ist kritisches Denken zentral. Mitarbeitende müssen einschätzen können, ob eine Aussage fachlich sinnvoll ist, ob etwas fehlt oder ob ein Vorschlag nur oberflächlich plausibel wirkt. In der Kundenkommunikation, bei internen Konzepten oder bei Entscheidungsvorlagen ist das unverzichtbar.

Kontextverständnis

KI kennt den betrieblichen Hintergrund nicht automatisch. Sie weiss nicht, welche Kundengruppe gemeint ist, welche internen Regeln gelten oder welche Formulierung kulturell und fachlich passt. Mitarbeitende müssen diesen Kontext mitdenken und bei Bedarf mitgeben. Ohne Kontext entstehen Ergebnisse, die formal korrekt, aber praktisch unbrauchbar sind.

Data Literacy

Data Literacy bedeutet im KMU nicht komplexe Statistik, sondern einen sauberen Umgang mit Informationen. Welche Daten liegen vor? Sind sie vollständig, aktuell und geeignet? Dürfen sie verwendet werden? Wer KI mit unklaren oder schlechten Daten füttert, erhält keine verlässliche Unterstützung. Das gilt für Personaldaten genauso wie für Betriebszahlen, Kundendaten oder Dokumentvorlagen.

Prozessverständnis

KI funktioniert am besten dort, wo Abläufe klar sind. Mitarbeitende sollten verstehen, an welcher Stelle eines Prozesses KI helfen kann, wo Prüfungen nötig sind und wo menschliche Freigaben bleiben müssen. Wer den Prozess nicht versteht, setzt KI schnell an der falschen Stelle ein oder schafft zusätzliche Fehlerquellen.

Qualitätsprüfung

Ein KI-Ergebnis ist selten direkt fertig. Es braucht Kontrolle auf Inhalt, Ton, Vollständigkeit, Aktualität und Zweckmässigkeit. In einem KMU kann das heissen: Stimmen die Zahlen? Passt die Formulierung zum Kunden? Entspricht der Entwurf den internen Standards? Ist die Empfehlung operativ umsetzbar?

Ethisches Bewusstsein

Nicht alles, was technisch möglich ist, ist im Arbeitsalltag auch sinnvoll. Mitarbeitende sollten erkennen, wann automatisierte Inhalte heikel werden, etwa bei Bewerbungsunterlagen, Leistungsbeurteilungen, Kundendaten oder sensibler Kommunikation. Ethisches Bewusstsein heisst im KMU vor allem: Auswirkungen mitdenken und Verantwortung nicht an die Maschine abgeben.

Lernfähigkeit und Zusammenarbeit mit KI

KI verändert sich laufend. Deshalb ist Lernfähigkeit ein wichtiger Teil der Kompetenz. Mitarbeitende müssen Erfahrungen auswerten, gute Anwendungsfälle weiterentwickeln und Grenzen akzeptieren. Produktive Zusammenarbeit mit KI bedeutet nicht blinde Automatisierung, sondern ein iteratives Arbeiten: anweisen, prüfen, anpassen, verbessern.

Diese KI-Fähigkeiten sind für KMU besonders relevant, weil sie direkt an den Arbeitsalltag anschliessen. Sie helfen nicht nur beim Einsatz einzelner Tools, sondern stärken die Fähigkeit, KI als Unterstützung in bestehende Aufgaben zu integrieren.

Kritisch prüfen statt blind übernehmen

Eine der häufigsten Fehlannahmen im Alltag lautet: Wenn die Antwort gut klingt, wird sie schon stimmen. Genau das ist bei KI riskant. Sprachmodelle können überzeugend formulieren, obwohl Inhalte ungenau, veraltet oder schlicht falsch sind. Sie erzeugen sprachliche Plausibilität, aber keine automatische fachliche Verlässlichkeit.

Darum braucht es im Team einfache und klare Prüfprinzipien. Diese müssen nicht kompliziert sein, sollten aber bewusst angewendet werden.

Ein erster Schritt ist der Plausibilitätscheck. Passt die Antwort zur Aufgabe, zur Situation und zum bekannten Sachverhalt? Wenn ein KI-Entwurf für eine Offerte wichtige Lieferbedingungen auslässt oder eine interne Weisung zu allgemein formuliert ist, muss das auffallen.

Der zweite Schritt ist die Quellenprüfung. Wenn KI mit Fakten, Zahlen, rechtlichen Aussagen oder Marktinformationen arbeitet, braucht es eine Rückprüfung an verlässlichen Quellen. Besonders bei Kundendokumenten, Richtlinien, Verträgen oder HR-Kommunikation sollte nichts ungeprüft übernommen werden.

Drittens ist die fachliche Freigabe wichtig. Je sensibler der Inhalt, desto klarer muss geregelt sein, wer ihn vor der Verwendung prüft. Ein automatisiert erstellter Vorschlag für eine Kundenantwort kann in manchen Fällen direkt weiterbearbeitet werden. Eine Empfehlung mit rechtlichen, finanziellen oder personellen Auswirkungen braucht dagegen eine fachlich zuständige Person.

Für den KMU-Alltag lassen sich daraus einfache Fragen ableiten:

• Ist der Inhalt vollständig?
• Ist er fachlich korrekt?
• Ist die Aussage aktuell?
• Passt die Formulierung zum Empfänger?
• Darf dieser Inhalt überhaupt mit KI bearbeitet werden?
• Wer gibt das Ergebnis frei?

Solche Prüfmechanismen stärken die Qualität, ohne den Nutzen von KI zu blockieren. Sie helfen Teams, KI produktiv zu nutzen und gleichzeitig die Verantwortung dort zu belassen, wo sie hingehört.

Daten- und Prozessverständnis als Grundlage für sinnvollen KI-Einsatz

Viele Probleme bei der KI-Nutzung entstehen nicht wegen schlechter Prompts, sondern wegen unklarer Daten und unstrukturierter Abläufe. Wer KI sinnvoll einsetzen will, braucht deshalb ein Grundverständnis für die eigenen Informationen und Prozesse.

Data Literacy im KMU bedeutet vor allem, Daten im Arbeitskontext einordnen zu können. Welche Informationen sind zuverlässig? Welche liegen in guter Qualität vor? Welche sind geschützt? Welche sind für eine Aufgabe überhaupt relevant? Schon bei einfachen Anwendungen zeigt sich, wie wichtig das ist. Wenn Vorlagen veraltet sind, Kundendaten uneinheitlich gepflegt werden oder Dokumente keine klare Struktur haben, sinkt auch die Qualität der KI-Unterstützung.

Ein typisches Beispiel aus der Administration: Es sollen Standardantworten für häufige Anfragen vorbereitet werden. Wenn bestehende Antworten widersprüchlich sind, Zuständigkeiten nicht klar definiert sind oder Formulierungen je nach Mitarbeitenden stark variieren, wird KI diese Unschärfen übernehmen oder verstärken. Das Problem liegt dann nicht primär beim Tool, sondern im Prozess.

Dasselbe gilt in operativen Abläufen. Wenn Arbeitsanweisungen nicht standardisiert sind, Übergaben zwischen Teams informell laufen oder Daten mehrfach manuell erfasst werden, kann KI zwar Teilaufgaben beschleunigen, aber keine grundlegende Prozessschwäche ausgleichen. KI ersetzt keine klaren Abläufe, sondern funktioniert auf klaren Abläufen besser.

Für KMU heisst das konkret:

• Eingaben sollten möglichst sauber und vollständig sein.
• Wiederkehrende Aufgaben brauchen klare Zielbilder.
• Verantwortlichkeiten und Freigaben müssen bekannt sein.
• Daten sollten strukturiert statt zufällig verteilt vorliegen.
• Anwendungsfälle sollten dort starten, wo Prozesse bereits nachvollziehbar sind.

Das macht KI nicht komplizierter, sondern wirksamer. Teams, die ihre Prozesse verstehen, erkennen schneller, wo KI tatsächlich hilft und wo zuerst Ordnung geschaffen werden muss.

Verantwortung, Ethik und sichere Anwendung im Arbeitsalltag

Zur KI-Kompetenz im KMU gehört auch die Frage, wo die Nutzung sinnvoll ist und wo Zurückhaltung nötig ist. Dabei geht es nicht nur um Technik, sondern um Datenschutz, Vertraulichkeit, Transparenz und Zuständigkeiten.

Ein zentrales Thema ist der Umgang mit sensiblen Daten. Mitarbeitende sollten wissen, welche Informationen nicht ungeprüft in externe Systeme eingegeben werden dürfen. Dazu gehören je nach Fall Personaldaten, vertrauliche Kundendaten, Vertragsinhalte, interne Finanzinformationen oder nicht freigegebene Strategiepapiere. Ohne klare Leitplanken entsteht schnell Unsicherheit oder ein riskanter Gewöhnungseffekt.

Ebenso wichtig ist Transparenz. Wenn Inhalte mit KI vorbereitet oder stark beeinflusst wurden, sollte intern nachvollziehbar bleiben, wie das Ergebnis entstanden ist und wer die Verantwortung trägt. Gerade bei internen Dokumenten, Beurteilungen oder Kommunikation gegen aussen muss klar sein: Die Verantwortung bleibt beim Unternehmen und bei den zuständigen Personen.

Ethische Fragen werden im KMU oft sehr konkret. Darf KI einen ersten Entwurf für ein Mitarbeitergespräch liefern? Unter welchen Bedingungen darf sie bei der Formulierung von Absagen helfen? Soll eine Kundenantwort automatisiert vorbereitet werden, wenn der Sachverhalt emotional oder konfliktbehaftet ist? Solche Fragen lassen sich nicht allein technisch beantworten. Sie brauchen einfache Regeln und situatives Urteilsvermögen.

Sinnvolle Leitplanken für KMU können zum Beispiel so aussehen:

• Keine sensiblen Daten ohne klare Freigabe in KI-Systeme eingeben.
• Keine automatisierten Entscheidungen bei personellen oder heiklen Kundenthemen ohne menschliche Prüfung.
• KI-Ergebnisse in sensiblen Bereichen nie direkt übernehmen.
• Zuständigkeiten für Prüfung und Freigabe definieren.
• Erlaubte und nicht erlaubte Einsatzbereiche dokumentieren.
• Mitarbeitende regelmässig auf typische Risiken hinweisen.

Solche Regeln müssen nicht juristisch überladen sein, damit sie wirken. Entscheidend ist, dass sie alltagstauglich sind und im Team verstanden werden. Verantwortung im Umgang mit KI entsteht nicht durch ein Dokument allein, sondern durch klare Erwartungen und geübte Anwendung.

Wie KMU KI-Kompetenz pragmatisch aufbauen können

Viele Unternehmen wissen, dass sie Mitarbeitende KI befähigen sollten, schrecken aber vor grossen Programmen zurück. Das ist nachvollziehbar und meist auch nicht nötig. Für KMU funktioniert Kompetenzaufbau dann gut, wenn er klein, fokussiert und nah an echten Aufgaben bleibt.

Ein sinnvoller Startpunkt sind kurze Lernformate. Statt umfassender Theorieblöcke helfen kompakte Einheiten zu konkreten Fragen: Wo bringt KI im eigenen Bereich Nutzen? Welche Aufgaben eignen sich? Was darf eingegeben werden? Wie werden Ergebnisse geprüft? Solche Schulungen sind deutlich wirksamer als reine Tool-Demos.

Wichtig ist zudem der Rollenbezug. Administration, HR, Teamleitung, Operations und Geschäftsleitung haben unterschiedliche Anforderungen. Entsprechend sollte eine KI-Schulung nicht alle mit denselben Beispielen bedienen. Wer mit echten Anwendungsfällen aus dem eigenen Arbeitsumfeld arbeitet, schafft Verständnis und Akzeptanz deutlich schneller.

Besonders wirksam sind Praxisübungen mit realen Aufgaben. Ein Team kann zum Beispiel testen, wie KI bei Protokollen, internen Zusammenfassungen, Standardkommunikation oder Prozessdokumentation unterstützt. Dabei geht es nicht darum, möglichst viele Funktionen zu zeigen, sondern den sinnvollen Einsatz im Kontext zu trainieren.

Ergänzend dazu braucht es interne Leitlinien. Diese müssen nicht lang sein. Oft reichen klare Vorgaben zu erlaubten Einsatzbereichen, Datenschutz, Prüfung und Freigabe. Entscheidend ist, dass sie im Alltag anwendbar sind und nicht nur auf dem Papier bestehen.

Für viele KMU ist es sinnvoll, mit einer Pilotgruppe zu starten. So lassen sich Erfahrungen sammeln, Risiken erkennen und gute Praktiken entwickeln, bevor der Einsatz breiter ausgerollt wird. Pilotgruppen können aus Bereichen bestehen, in denen wiederkehrende Wissensarbeit anfällt und Prozesse bereits einigermassen klar sind.

Wer Unterstützung bei Schulung und Enablement sucht, sollte darauf achten, dass nicht nur Tools erklärt werden. Entscheidend ist die Verbindung von Rollenverständnis, Arbeitsprozess und Anwendungspraxis. Genau dort entsteht nachhaltige KI-Kompetenz im KMU.

Häufig gestellte Fragen

Was bedeutet KI-Literacy für ein KMU konkret?

KI-Literacy bedeutet im KMU, dass Mitarbeitende KI im eigenen Arbeitskontext sinnvoll, kritisch und sicher einsetzen können. Dazu gehört zu verstehen, wofür KI geeignet ist, wo Grenzen liegen, wie Ergebnisse geprüft werden und welche Regeln beim Umgang mit Daten und sensiblen Inhalten gelten.

Reicht es, wenn Mitarbeitende gute Prompts schreiben können?

Nein. Gute Prompts helfen, bessere Ergebnisse zu erhalten, sind aber nur ein Teil der Kompetenz. Ohne Fachwissen, Kontextverständnis, Qualitätsprüfung und klare Regeln besteht das Risiko, dass plausible, aber unpassende oder fehlerhafte Inhalte übernommen werden.

Welche Teams im KMU sollten KI-Kompetenz aufbauen?

Nicht nur IT oder Management. Relevant ist KI-Kompetenz überall dort, wo Informationen verarbeitet, Texte erstellt, Entscheidungen vorbereitet oder Prozesse dokumentiert werden. Typische Bereiche sind Administration, HR, Teamleitungen, Operations und die Geschäftsleitung.

Wie kann ein KMU KI-Schulungen ohne grossen Aufwand umsetzen?

Am besten mit kurzen, rollenbezogenen Formaten und echten Anwendungsfällen aus dem Arbeitsalltag. Statt eines grossen Schulungsprogramms ist ein pragmatischer Start mit Pilotgruppen, klaren Leitlinien und begleiteter Anwendung oft wirksamer und realistischer.

Wie erkennt man, ob KI-Ergebnisse im Alltag verlässlich genug sind?

Durch einfache Prüfprinzipien: Plausibilität prüfen, relevante Quellen abgleichen, fachliche Verantwortung klären und sensible Inhalte nie ungeprüft übernehmen. Je grösser die Auswirkungen eines Ergebnisses, desto wichtiger ist eine klare fachliche Freigabe.

Welche Regeln braucht es für den sicheren Einsatz von KI im Team?

Wichtig sind einfache Leitplanken zu Datenschutz, Vertraulichkeit, erlaubten Einsatzbereichen, Prüfpflichten und Zuständigkeiten. Das Team sollte wissen, welche Daten nicht eingegeben werden dürfen, wann menschliche Freigaben nötig sind und wer für Ergebnisse verantwortlich bleibt.