KI im Unternehmen einführen: Schulung, Use-Cases und die ersten Schritte

KI im Unternehmen einzuführen ist keine reine Technikfrage mehr. Es ist eine Frage von drei Dingen gleichzeitig: konkrete Anwendungsfälle, befähigte Mitarbeiter und ein nachvollziehbarer Rahmen. Wer nur eine Lizenz für ein Sprachmodell kauft und sie an die Belegschaft verteilt, hat KI nicht eingeführt — er hat ein Werkzeug verteilt.

Geschrieben ist dieser Beitrag für die Rolle, die im Unternehmen für Befähigung verantwortlich ist, nicht nur für die Beschaffung. Er ordnet, was „einführen" konkret heißt, welche Pflicht seit Anfang 2025 dahintersteht, warum Use-Cases vor Tools kommen und welche ersten Schritte in welcher Reihenfolge tragen.

Der Stand 2026: Hohe Nutzung, niedrige Befähigung

Die Adoption ist nicht mehr die offene Frage. Laut der Bitkom-Studie „Künstliche Intelligenz in Deutschland" (Erhebung 2025, veröffentlicht 2026, Basis: 604 Unternehmen ab 20 Beschäftigten) setzen 41 Prozent der Unternehmen KI aktiv ein, weitere 48 Prozent planen oder diskutieren den Einsatz. Ein Jahr zuvor lag die aktive Nutzung erst bei 17 Prozent. Die Zahl hat sich also mehr als verdoppelt.

Die Befähigung dagegen hinkt deutlich hinterher. Nur 8 Prozent der Unternehmen bieten KI-Schulungen für alle Beschäftigten an. 21 Prozent schulen einen Großteil, 25 Prozent ausgewählte Mitarbeiter, und 43 Prozent haben gar kein Schulungsangebot. Das ist die eigentliche Lücke: Die Tools sind im Haus, die Kompetenz dahinter fehlt in fast der Hälfte der Unternehmen vollständig.

Diese Lücke kostet doppelt. Sie ist teuer, weil ungeschulte Nutzung selten über das Ausprobieren hinauskommt und der versprochene Produktivitätsgewinn ausbleibt. Und sie ist riskant, weil KI-Kompetenz inzwischen auch eine rechtliche Anforderung ist.

Was „KI im Unternehmen einführen" konkret umfasst

Hinter dem Wort „einführen" stecken vier Bestandteile, die zusammengehören. Sie der Reihe nach zu benennen schärft, wo die Arbeit tatsächlich beginnt:

1. Use-Cases: definierte Aufgaben, bei denen KI einen messbaren Beitrag leistet. Ohne sie bleibt die Einführung ein Lösungsangebot ohne Problem.
2. Befähigung: Mitarbeiter, die wissen, wann ein Tool passt, wie sie es bedienen und wo seine Grenzen liegen. Das ist der Teil, der am häufigsten fehlt.
3. Werkzeuge und Integration: die konkreten Tools, ihre Anbindung an vorhandene Systeme und Daten.
4. Rahmen / Governance: Regeln zum Umgang mit Daten, Freigaben, Dokumentation und Verantwortlichkeiten.

Das sind keine optionalen Stufen, sondern parallele Spuren. Eine Einführung, die nur die dritte bedient, ist die Standardvariante des Scheiterns: Lizenzen laufen, Nutzung versickert. Der Reihenfolge der Wertschöpfung nach beginnt die Arbeit bei Punkt 1 und 2, nicht beim Einkauf.

Die rechtliche Pflicht: Artikel 4 EU AI Act

Seit dem 2. Februar 2025 gilt Artikel 4 der KI-Verordnung (EU AI Act). Er verpflichtet Anbieter und Betreiber von KI-Systemen, ein „ausreichendes Maß an KI-Kompetenz" ihres Personals sicherzustellen. Die Vorschrift wird oft ungenau wiedergegeben, deshalb hier die Präzisierung an drei Punkten.

Erstens gilt die Pflicht risikoklassenunabhängig. Sie greift nicht nur bei Hochrisiko-Systemen, sondern bei jedem betrieblichen KI-Einsatz, vom Sprachmodell in der Kundenkommunikation bis zur internen Datenanalyse. KI-Kompetenz meint dabei die Fähigkeiten, Kenntnisse und das Verständnis, KI sachkundig einzusetzen und sich ihrer Chancen, Risiken und möglichen Schäden bewusst zu sein.

Zweitens schreibt der Artikel kein bestimmtes Schulungsformat vor. Die EU-Kommission hat klargestellt, dass eine Zertifizierung nicht verpflichtend ist. Gefordert ist ausreichendes Wissen, nicht ein bestimmtes Zertifikat. Empfohlen wird allerdings, Zeitpunkt und Teilnehmer von Schulungen zu dokumentieren; das ist relevant für den Fall von Haftungsfragen.

Drittens, zur Einordnung der Konsequenzen ohne Dramatik: Für einen Verstoß gegen Artikel 4 selbst ist kein eigenständiges Bußgeld vorgesehen. Das Risiko ist mittelbar. Entsteht durch mangelnde KI-Kompetenz ein Schaden, fällt die fehlende Befähigung auf das Unternehmen zurück. Die Schulung ist damit kein „Nice-to-have", sondern eine dokumentierbare Sorgfaltspflicht.

Use-Cases zuerst, Tools danach

Die häufigste Reihenfolge in der Praxis ist falsch herum: erst ein Tool auswählen, dann nach Einsatzzwecken suchen. Sinnvoll ist die Umkehrung. Ein Use-Case taugt als Einstieg, wenn drei Bedingungen zutreffen. Die Aufgabe ist wiederkehrend, ihr Aufwand ist messbar, und ein Fehler ist in seinen Folgen überschaubar oder gut kontrollierbar.

Drei Beispiele, die diese Kriterien typischerweise erfüllen:

• Kundensupport: Vorformulierte Antwortentwürfe auf Standardanfragen, die ein Mitarbeiter prüft und freigibt. Wiederkehrend, messbar über die Bearbeitungszeit pro Ticket, Fehler durch die Freigabe abgefangen.
• Vertrieb und Angebot: Erstentwürfe für Angebotstexte oder Zusammenfassungen langer Ausschreibungen. Spart Vorbereitungszeit, die Entscheidung bleibt beim Menschen.
• Interne Dokumentation: Recherche in internen Wissensdatenbanken über einen Chatbot statt manueller Suche. Hier ist die Datenanbindung der kritische Faktor, nicht das Modell.

Was sich als Einstieg nicht eignet, ist genauso wichtig zu benennen: Aufgaben mit hohem Schadenspotenzial bei Fehlern, rechtlich heikle Entscheidungen oder Prozesse ohne klar messbares Ergebnis. Wer dort beginnt, riskiert ein teures Lehrstück und verbrennt die interne Akzeptanz für die nächste Runde.

Die ersten Schritte in der richtigen Reihenfolge

Ein strukturierter Einstieg folgt einer Sequenz, weil spätere Schritte auf früheren aufbauen. Die folgenden fünf Schritte sind als Reihenfolge gemeint, nicht als Checkliste zum beliebigen Abhaken:

1. Bestandsaufnahme. Wo wird KI bereits genutzt, auch inoffiziell über private Accounts für Arbeitszwecke (Schatten-KI)? Das ist der reale Ausgangspunkt, nicht die grüne Wiese.
2. Use-Cases priorisieren. Zwei bis drei Anwendungsfälle nach den oben genannten Kriterien auswählen. Lieber wenige, die tragen, als ein breiter Katalog, der niemanden bindet.
3. Rahmen festlegen. Bevor breit ausgerollt wird: Welche Daten dürfen in welche Tools? Wer gibt frei? Wie wird die Nutzung dokumentiert? Dieser Schritt erfüllt zugleich einen Teil der Artikel-4-Pflicht.
4. Zielgruppengerecht schulen. Nicht alle brauchen dasselbe (dazu der nächste Abschnitt). Die Schulung sollte am priorisierten Use-Case ansetzen, nicht an abstrakter KI-Theorie.
5. Messen und nachsteuern. Ein Use-Case ohne definierte Messgröße lässt sich nicht bewerten. Nach einer festgelegten Frist prüfen: Trägt er, oder wird er ersetzt?

Der häufigste Fehler in dieser Sequenz ist das Überspringen von Schritt 3. Wer ohne Rahmen ausrollt, produziert genau die unkontrollierte Nutzung, die Artikel 4 adressiert, und verschiebt das Governance-Problem nur nach hinten.

Was eine KI-Schulung leisten muss

Eine wirksame KI-Schulung ist kein einmaliger Vortrag mit dem Titel „Was ist KI". Sie deckt drei Kompetenzebenen ab, und nicht jede Rolle braucht alle drei in derselben Tiefe:

• Technisches Grundverständnis: Was ein Sprachmodell kann und was nicht, warum es Fehler (Halluzinationen) produziert und was einen guten Prompt von einem schlechten unterscheidet. Diese Ebene brauchen alle, die KI bedienen.
• Rechtlicher und organisatorischer Rahmen: Welche Daten verarbeitet werden dürfen, was der interne Rahmen vorgibt und wann ein Mensch in der Verantwortung bleibt. Diese Ebene brauchen alle, die KI im Arbeitskontext einsetzen.
• Anwendungstiefe im Use-Case: Die konkrete Bedienung im priorisierten Anwendungsfall. Diese Ebene ist rollenspezifisch und gehört zur Einführung selbst, nicht in ein allgemeines Webinar.

Ob eine Schulung wirkt oder nur abgehakt wird, entscheidet sich fast immer in der dritten Ebene. Allgemeines KI-Wissen ist schnell vermittelt und ebenso schnell vergessen. Befähigung entsteht am konkreten Anwendungsfall, mit den Daten und Tools, mit denen die Mitarbeiter am nächsten Tag arbeiten.

Fazit

KI im Unternehmen zu etablieren heißt, vier Dinge zusammenzubringen: Use-Cases, Befähigung, Werkzeuge und Rahmen, in dieser Prioritätsreihenfolge und nicht in der umgekehrten. Der Stand 2026 ist eindeutig. Die Nutzung ist da, ein Schulungsangebot fehlt in fast der Hälfte der Unternehmen, und seit Februar 2025 ist KI-Kompetenz mit Artikel 4 EU AI Act eine dokumentierbare Pflicht.

Der pragmatische Einstieg ist klein und strukturiert: Bestand aufnehmen, zwei bis drei Use-Cases priorisieren, einen Rahmen setzen, gezielt am Use-Case schulen, messen. Wer in dieser Reihenfolge vorgeht, vermeidet die teuerste Variante: Tools ohne Befähigung.

Ein konkreter erster Schritt, wenn du am Anfang stehst: die Bestandsaufnahme. Wer schon weiter ist und die Use-Case-Auswahl strukturieren will, findet in der Prozessanalyse und KI-Strategie den passenden Rahmen dafür. Für die Befähigung der Teams sind KI-Workshops und Team-Enablement der direkte Hebel, und einen Überblick über das Vorgehen gibt unsere KI-Beratung.