Was kommt nach dem Prompting? Die KI-Kompetenzen, die nicht veralten

Auf fast jeder Veranstaltung nimmt mich jemand zur Seite und stellt dieselbe Frage: „Unsere Leute können jetzt prompten. Den Workshop haben wir gemacht. Aber die KI wird immer schlauer und versteht bald von selbst, was wir wollen. Was bringen wir ihnen als Nächstes bei?"

Das ist eine wirklich gute Frage, und Microsoft hat sie letzte Woche dringlicher gemacht. Am 25. September stellte das Unternehmen Autopilot vor, einen Agenten, der eine Rolle und ein Ziel bekommt und die Aufgaben dann selbstständig abarbeitet (TechSpot). Wenn das Werkzeug die Arbeit erledigt, kommt es nicht mehr darauf an, wie man die Anfrage formuliert.

Warum Prompting eine Kompetenz mit Verfallsdatum ist

Prompting ist eine Tool-Kompetenz, und Tool-Kompetenzen veralten schnell. Für KI-Bedienkompetenzen schätze ich die Halbwertszeit auf sechs bis acht Monate. Die Modelle verstehen ungenaue Anweisungen immer besser, die Oberflächen werden einfacher, und die Syntax, die Ihr Team im letzten Quartal gelernt hat, wirkt heute schon veraltet.

Das heißt nicht, dass der Prompting-Workshop umsonst war. Er hat die Leute zum Einstieg bewegt, und für viele war es das erste Mal, dass sie KI für echte Arbeit genutzt haben. Problematisch wird es, wenn er das ganze Curriculum ist, denn ein Programm, das um ein einzelnes Tool gebaut ist, muss bei jedem Update des Anbieters neu gebaut werden.

Die vier Kompetenzen, die über jedes Tool hinweg tragen

Was nicht veraltet, ist das Urteilsvermögen über die Arbeit selbst. In unserem Whitepaper How to Make AI Work for People beschreiben wir vier Fähigkeiten, die von einem Modell und einer Oberfläche zur nächsten mitwandern.

1. Entscheiden, was man an die KI abgibt

Die erste Kompetenz ist die Entscheidung, was man der KI überhaupt überlässt. Manche Aufgaben werden schneller und besser, manche schneller und schlechter, und manche sollten den Schreibtisch eines Menschen nie verlassen. Wer diese Entscheidung schnell treffen kann, profitiert von jedem neuen Release. Wer es nicht kann, meidet das Tool entweder oder nutzt es für alles.

2. Beurteilen, ob das Ergebnis gut ist

Die zweite Kompetenz ist zu erkennen, ob ein Ergebnis wirklich gut ist oder nur gut klingt. KI schreibt flüssig und selbstsicher, auch wenn sie falsch liegt. In einer Studie mit 758 BCG-Beratern fanden Ethan Mollick und Kollegen heraus, dass KI die Teilnehmenden bei Aufgaben innerhalb ihrer Fähigkeiten schneller und besser machte, während die Genauigkeit bei einer ähnlich wirkenden Aufgabe außerhalb dieser Fähigkeiten sank (One Useful Thing). Zu wissen, auf welcher Seite dieser Grenze man steht, ist eine Kompetenz, und das Tool bringt sie einem nicht bei.

3. Den Arbeitsablauf gestalten

Die dritte Kompetenz ist, Arbeitsabläufe so umzugestalten, dass die KI den repetitiven Teil übernimmt und Menschen das Urteil. Hier liegt der größte Teil des Werts. Die 10-20-70-Regel von BCG schreibt 10 % des KI-Erfolgs den Algorithmen zu, 20 % Technologie und Daten und 70 % Menschen und Prozessen (Forbes). Workflow-Design ist die praktische Form dieser 70 %.

4. Wissen, wann man der Maschine vertrauen kann

Die vierte Kompetenz ist kalibriertes Vertrauen. Agenten wie Autopilot handeln in Ihrem Namen, also muss jemand entscheiden, wie viel Prüfung eine Aufgabe braucht, bevor sie rausgeht. Zu wenig Vertrauen verschwendet die Zeit, die der Agent gespart hat. Zu viel Vertrauen bedeutet, dass Fehler mit Ihrem Namen beim Kunden landen.

Was das für Ihr L&D-Programm bedeutet

Für L&D ist die Konsequenz unbequem, aber klar: Hören Sie auf, Programme um Tools herum zu organisieren. „Wie man Copilot nutzt" ist ein Workshop mit Ablaufdatum. „Wie man KI in der täglichen Arbeit bewertet und steuert" ist eine Fähigkeit, die sich aufbaut und jedes Modell-Update überdauert.

In der Praxis ändert das drei Dinge:

Bauen Sie das Curriculum um Aufgaben, nicht um Funktionen. Starten Sie bei der wiederkehrenden Arbeit, die ein Team ohnehin erledigt, und üben Sie die vier Kompetenzen genau daran.
Ändern Sie die Prüffrage. „Kann diese Person Copilot bedienen?" hat ein Ablaufdatum. „Kann diese Person ein KI-Ergebnis kritisch bewerten?" funktioniert heute, nächstes Jahr und 2030.
Schaffen Sie Raum für Unbequemes. Echtes Lernen heißt, sich vor Kolleginnen und Kollegen mit einem Tool abzumühen. Wenn alle eine Session mit fünf Sternen bewerten, sich am Montag danach aber nichts ändert, war es Unterhaltung und kein Training.

Was niemand budgetiert: Zeit

Nichts davon funktioniert ohne Zeit. Der 2026 State of Skills Intelligence Report von Workera zeigt, dass der Anteil der Unternehmen mit KI-Trainingsangeboten innerhalb eines Jahres von 25 % auf 58 % gestiegen ist, während 56 % der Beschäftigten angeben, während der Arbeitszeit keine Zeit für den Kompetenzaufbau zu bekommen (Workera via PR Newswire). Kompetenzen brauchen Übung an echter Arbeit. Das Wertvollste, was eine L&D-Leitung in diesem Quartal verhandeln kann, sind deshalb vielleicht geschützte Stunden statt neuer Inhalte.

Womit Sie diesen Monat anfangen

Wählen Sie ein Team und einen wiederkehrenden Prozess. Listen Sie die Schritte auf, markieren Sie, welche die KI übernehmen könnte, und legen Sie fest, wer das Ergebnis prüft und wann etwas „fertig" ist. Diese eine Übung trainiert Entscheidungsfähigkeit, Qualitätsurteil und Workflow-Design gleichzeitig und liefert Ihnen einen messbaren Vorher-nachher-Vergleich.

Intelligence gets artificial, intention stays human. Die Programme, die bleiben, sind die, die die Absicht trainieren.

FAQ

Lohnt sich Prompting-Training noch?

Ja, als Einstieg. Es bringt Menschen dazu, KI zum ersten Mal für echte Arbeit zu nutzen. Es sollte das erste Modul eines Programms sein, nicht das ganze Programm.

Welche KI-Kompetenzen sollten Beschäftigte nach dem Prompting lernen?

Vier Kompetenzen tragen über alle Tools hinweg: entscheiden, was man an die KI abgibt, die Qualität von KI-Ergebnissen beurteilen, Arbeitsabläufe gestalten, in denen die KI den repetitiven Teil übernimmt, und das Vertrauen in KI-Agenten richtig dosieren.