Anhang: Belege für den Einsatz in der Schulung

Warum aufgabenspezifische Szenarien?

Die Nutzung von KI wird durch die Lizenzierung eines Tools nicht automatisch Teil des Arbeitsalltags. In der BCG-Umfrage von 2025 unter mehr als 10.600 Beschäftigten in 11 Ländern und Regionen nutzen mehr als drei Viertel der Führungskräfte und Vorgesetzten generative KI mehrmals pro Woche, während die regelmäßige Nutzung bei Mitarbeitenden an der operativen Basis bei 51% bleibt. Nur etwa ein Drittel der Beschäftigten gibt an, ausreichend geschult worden zu sein. Bei Personen, die mindestens fünf Stunden Schulung erhalten haben und Zugang zu Präsenzschulungen und Coaching haben, ist die regelmäßige Nutzung deutlich höher. [1]

Auch zwischen Nutzung und Unternehmenswert besteht eine Skalierungslücke. In der Microsoft-Studie von 2025 unter 31.000 Wissensarbeitenden in 31 Ländern betrachten 82% der Führungskräfte das Jahr als entscheidend, um Strategie und operatives Geschäft neu zu denken; 51% der Vorgesetzten geben an, dass KI-Schulungen oder der Kompetenzaufbau innerhalb von fünf Jahren in die Verantwortung der Teams fallen werden. [192] [193] In der McKinsey-Studie mit 1.993 Teilnehmenden ist die regelmäßige KI-Nutzung in mindestens einem Funktionsbereich auf 88% gestiegen, doch nur etwa ein Drittel skaliert sein Programm unternehmensweit, und 39% berichten von Auswirkungen auf das EBIT des Unternehmens. Unternehmen, die einen hohen Nutzen durch KI melden, geben 2,8-mal häufiger als andere an, ihre Arbeitsabläufe grundlegend neu zu gestalten. [2]

Deshalb sollte sich die Schulung nicht auf eine allgemeine Einführung „Was ist KI?“ beschränken. Beschäftigte müssen sehen, wie sie die Eingaben für ihre eigene Rolle vorbereiten, in welchem Schritt sie KI einsetzen, anhand welcher Kriterien sie die Ausgabe prüfen und wann sie an einen Menschen übergeben sollten. Der Bericht von MIT NANDA aus dem Jahr 2025 untersucht mehr als 300 öffentlich bekannt gegebene Initiativen, 52 Gespräche mit Organisationen und 153 Antworten von hochrangigen Führungskräften gemeinsam und hält fest, dass 95% der Organisationen keinen messbaren Ertrag melden; nur 5% der integrierten KI-Pilotprojekte erzielen einen Nutzen. Als Hauptprobleme bei den meisten maßgeschneiderten Unternehmenstools nennt der Bericht störanfällige Arbeitsabläufe, fehlendes kontextbezogenes Lernen und mangelnde Abstimmung auf das Tagesgeschäft; außerdem weist er darauf hin, dass die Ergebnisse als Orientierung dienen, da die Stichproben je Kategorie und die Erfolgsdefinitionen variieren. [194]

Dieser Ansatz ist auch aus rechtlicher Sicht sinnvoll. Artikel 4 der EU-KI-Verordnung verlangt von Anbietern und Betreiberorganisationen, Maßnahmen zur Förderung der KI-Kompetenz ihrer Beschäftigten und der Personen zu ergreifen, die das System in ihrem Auftrag betreiben. Die Europäische Kommission erläutert, dass die Verpflichtung seit dem 2. Februar 2025 gilt; dass Schulungen nach Rolle, Risiko, technischen Kenntnissen, Erfahrung und Nutzungskontext differenziert werden müssen; und dass es in den meisten Fällen nicht ausreicht, lediglich die Gebrauchsanweisung lesen zu lassen. [195] [4] Ein aufgabenspezifisches Szenario ist daher eine praktische Schulungseinheit, die sowohl die Akzeptanz als auch eine messbare und verantwortungsvolle Nutzung unterstützt.

Belege für Produktivitätssteigerungen

Im vorregistrierten Onlineexperiment von Noy und Zhang, das in Science veröffentlicht wurde, erhielten 453 Berufstätige mit Hochschulabschluss berufsspezifische Schreibaufgaben mittleren Schwierigkeitsgrads mit Leistungsanreizen. Die Hälfte der Teilnehmenden erhielt nach dem Zufallsprinzip Zugang zu ChatGPT. Der Zugang verringerte die durchschnittliche Bearbeitungszeit um 40% und erhöhte die Qualität der Ergebnisse um 18%. Beschäftigte mit geringeren Fähigkeiten profitierten stärker. Bei denjenigen, die im Experiment Zugang erhielten, war die Wahrscheinlichkeit, über KI-Nutzung in ihrer tatsächlichen Arbeit zu berichten, nach zwei Wochen doppelt und nach zwei Monaten 1,6-mal so hoch. Dies ist ein starker Effekt für diese Art von Schreibaufgabe und die kurzfristigen Versuchsbedingungen; er lässt sich nicht auf sämtliche Büroarbeiten verallgemeinern. [196]

Die 2025 im QJE veröffentlichte Studie von Brynjolfsson, Li und Raymond untersuchte die schrittweise Einführung eines GPT-3-basierten Assistenten bei 5.172 Kundendienstmitarbeitenden eines Fortune 500-Unternehmens, der ihnen in Echtzeit Antworten vorschlug. Die Mitarbeitenden konnten den Vorschlag ablehnen oder bearbeiten. Die KI-Unterstützung erhöhte die Anzahl der pro Stunde gelösten Chat-Anfragen im Durchschnitt um 15%. Bei Mitarbeitenden mit geringeren Fähigkeiten und wenig Erfahrung erreichte der Anstieg etwa 30%, im Fünftel mit den geringsten Fähigkeiten 36%; bei denjenigen mit den höchsten Fähigkeiten zeigte sich kein signifikanter Produktivitätseffekt, und es gab Hinweise auf einen leichten Rückgang der Gesprächsqualität. Das Ergebnis zeigt, dass dasselbe Werkzeug je nach Beschäftigten einen unterschiedlichen Nutzen schaffen kann. [117]

Im Feldexperiment von Dell’Acqua und Kollegen mit BCG wurden 758 Wissensarbeitende nach dem Zufallsprinzip den Bedingungen ohne KI, mit GPT-4 und mit GPT-4 plus einer Erläuterung zum Prompt-Engineering zugewiesen. Bei 18 realistischen Beratungsaufgaben innerhalb der Leistungsgrenze der KI erledigten die Nutzenden 12,2% mehr Aufgaben, schlossen die Aufgaben 25,1% schneller ab und erarbeiteten qualitativ hochwertigere Lösungen. Bei einer komplexen Managementaufgabe außerhalb dieser Grenze war die Wahrscheinlichkeit, eine richtige Lösung zu erarbeiten, bei den KI-Nutzenden jedoch um 19% geringer als in der Kontrollgruppe. In der Schulung sollte nicht „KI hilft bei jeder Arbeit“, sondern die Frage „Bei welcher Aufgabe ist sie zuverlässig?“ im Mittelpunkt stehen. [3]

Im kontrollierten Copilot-Experiment von Peng und Kollegen mit 95 professionellen Programmierenden schrieben die Teilnehmenden einen JavaScript-HTTP-Server; 45 Personen hatten Zugang zu Copilot, 50 Personen gehörten zur Kontrollgruppe. Die Kontrollgruppe durfte das Internet und Stack Overflow nutzen. Unter denjenigen, die die Aufgabe abschlossen, betrug die durchschnittliche Bearbeitungszeit in der Copilot-Gruppe 71,17 Minuten und in der Kontrollgruppe 160,89 Minuten; der Unterschied entsprach einer Zeitersparnis von 55,8%, und das 95%-Konfidenzintervall lag bei 21%-89%. Die Erfolgsquote war in der Interventionsgruppe zwar um 7 Prozentpunkte höher, der Unterschied war jedoch nicht statistisch signifikant. Eine einzelne standardisierte Aufgabe bildet nicht die gesamte reale Softwareentwicklung im Team ab. [197]

Im randomisierten Experiment von METR aus dem Jahr 2025 arbeiteten 16 erfahrene Open-Source-Entwickelnde an 246 echten Issues in großen Repositories, zu denen sie regelmäßig Beiträge leisten. Die Aufgaben dauerten im Durchschnitt zwei Stunden, und die KI-Nutzung wurde nach dem Zufallsprinzip erlaubt oder untersagt. In diesem Kontext, in dem überwiegend Cursor Pro mit Claude 3.5/3.7 Sonnet eingesetzt wurde, verlängerte die Erlaubnis zur KI-Nutzung die Bearbeitungszeit um 19%. Die Entwickelnden erwarteten vorab eine Beschleunigung um 24% und nach dem Experiment eine Beschleunigung um 20%. METR betont ausdrücklich, dass dieses Ergebnis für erfahrene Entwickelnde, vertraute Repositories und die Werkzeuge von Anfang 2025 gilt und nicht auf andere Bereiche verallgemeinert werden kann. [198]

Die Aktualisierung von METR aus dem Jahr 2026 berichtet, dass die Messung bei neueren Werkzeugen durch Selektionseffekte verzerrt wird. In der nachfolgenden Studie mit 57 Entwickelnden, 143 Repositories und mehr als 800 Aufgaben wollten einige Entwickelnde keine Aufgaben ohne KI bearbeiten; 30%-50% gaben an, deshalb bestimmte Aufgaben nicht eingereicht zu haben. In der Teilgruppe der früheren Teilnehmenden betrug die geschätzte Beschleunigung -18%, bei neuen Teilnehmenden -4%; beide Konfidenzintervalle schlossen null ein. Dieses Ergebnis erinnert daran, dass sich die Werkzeuge im Laufe der Zeit verändern und die Aufgabenauswahl die Messung beeinflusst. [199]

Risiken und Grenzen

Im Risikoprofil von NIST für generative KI wird „confabulation“ als Irreführung der Nutzenden durch selbstsicher präsentierte, aber falsche oder fehlerhafte Inhalte definiert. Dasselbe Profil nennt beim Datenschutz die Risiken des Abflusses, der unbefugten Nutzung oder Offenlegung personenbezogener oder sensibler Daten sowie des Versagens der De-Identifizierung. Es empfiehlt, Aussagen vor dem Einsatz mit empirischen Methoden zu prüfen, die Quellen in den Ausgaben zu verifizieren und das System regelmäßig unter Bedingungen zu bewerten, die den tatsächlichen Nutzungsbedingungen ähneln. Deshalb sollten Alltagsszenarien eine Quellenprüfung, das Vier-Augen-Prinzip und bei Entscheidungen mit weitreichenden Auswirkungen eine menschliche Freigabe vorsehen. [12]

Laut dem Leitfaden von KVKK vom November 2025 gilt das Gesetz Nr. 6698, wenn in irgendeiner Phase des Lebenszyklus generativer KI personenbezogene Daten verarbeitet werden. Auch wenn die Nutzereingabe keine personenbezogenen Daten enthält, können Informationen aus dem Modelltraining dazu führen, dass die Ausgabe personenbezogene Daten enthält. KVKK betont außerdem gesonderte Verarbeitungsbedingungen und Risiken für besondere Kategorien personenbezogener Daten. Die Mitteilung zum Arbeitsplatz vom März 2026 stellt fest, dass die Nutzung öffentlich zugänglicher Drittanbieterwerkzeuge ohne klare interne Richtlinie die Überwachung und Verwaltung erschwert. [200] [201]

HBR definiert „workslop“ als KI-generierte Arbeit, die oberflächlich ausgefeilt wirkt, aber mit geringem Aufwand erstellt wurde und die kognitive Arbeit auf die empfangende Person verlagert, wodurch diese Zeit und Mühe aufwenden muss. Dass ein Text flüssig formuliert ist, bedeutet nicht, dass er die Aufgabe voranbringt oder richtig ist. Schulungsszenarien sollten nicht nur vermitteln, wie sich schnell Ergebnisse erzeugen lassen, sondern auch, wie sich die Nacharbeit für die empfangende Person verringern und der Qualitätsmaßstab erfüllen lässt. [202]

Der Schutz von Unternehmensdaten unterscheidet sich von Werkzeug zu Werkzeug. OpenAI erklärt, Unternehmensdaten standardmäßig nicht für das Modelltraining zu verwenden und Kontrollmöglichkeiten für Zugriff, Aufbewahrung und Verschlüsselung anzubieten; dies ist keine allgemeine Garantie für alle Anbieter. Eine Organisation sollte keine Beschäftigtendaten in ein öffentlich zugängliches Werkzeug eingeben, ohne den Vertrag, die Datenübermittlung, die Aufbewahrungsdauer, die Zugriffsrollen und die Administratoreinstellungen geprüft zu haben. [203]

Belege

• In der BCG-Umfrage 2025 liegt die regelmäßige GenAI-Nutzung bei Mitarbeitenden an der operativen Basis bei 51 %. [1]
• Bei BCG stehen mindestens fünf Stunden Schulung und Zugang zu Coaching mit regelmäßiger Nutzung in Zusammenhang. [1]
• Der Microsoft 2025 Work Trend Index umfasst 31.000 Wissensarbeitende in 31 Ländern. [193]
• In der Microsoft-Studie betrachten 82 % der Führungskräfte 2025 als entscheidend, um Strategie und operative Abläufe neu zu denken. [192]
• Im Microsoft-Bericht sehen 51 % der Führungskräfte KI-Schulungen innerhalb von fünf Jahren als Verantwortung des Teams. [193]
• Bei McKinsey 2025 liegt die regelmäßige KI-Nutzung in mindestens einem Funktionsbereich bei 88 %. [2]
• Bei McKinsey 2025 beträgt der Anteil derjenigen, die unternehmensweite Auswirkungen auf das EBIT melden, 39 %. [2]
• Laut Stanford AI Index stieg die KI-Nutzung in Organisationen von 55 % im Jahr 2023 auf 78 % im Jahr 2024. [204]
• Der MIT NANDA-Bericht schreibt, dass 95 % der Organisationen keinen messbaren Ertrag melden, weist aber auch darauf hin, dass die Ergebnisse als Orientierung dienen. [194]
• Bei Noy und Zhang sank die Bearbeitungszeit für Schreibaufgaben um 40 %, während die Qualität um 18 % stieg. [196]
• Bei Brynjolfsson, Li und Raymond stieg die Produktivität im Kundensupport durchschnittlich um 15 %. [117]
• Im Feldexperiment von Dell’Acqua wurden bei Aufgaben innerhalb der Leistungsgrenzen 12,2 % mehr Aufgaben und eine um 25,1 % kürzere Bearbeitungszeit beobachtet. [3]
• Im Experiment von Dell’Acqua sank bei einer Managementaufgabe außerhalb der Leistungsgrenzen die Wahrscheinlichkeit einer korrekten Lösung um 19 %. [3]
• Am Copilot-Experiment von Peng und Kollegen nahmen 95 Programmierer teil; die Zeitbasis betrug 71,17 Minuten gegenüber 160,89 Minuten. [197]
• Bei METR 2025 verlängerte sich die Bearbeitungszeit bei 16 erfahrenen Entwicklern und 246 realen Aufgaben um 19 %. [198]
• In der METR-Aktualisierung 2026 wurde berichtet, dass die neuere Messung aufgrund von Selektionseffekten unzuverlässig sei. [199]
• Artikel 4 des EU AI Act schreibt seit dem 2. Februar 2025 Maßnahmen zur KI-Kompetenz vor. [195] [4]
• KVKK weist darauf hin, dass bei der Verarbeitung personenbezogener Daten das Gesetz Nr. 6698 in allen Phasen des Lebenszyklus generativer KI gilt. [201]
• NIST klassifiziert falsche, aber selbstsicher formulierte KI-Ausgaben als Konfabulation. [12]