Kürzlich las ich, dass Schulen, Berufsschulen aber auch Universitäten mehr KI Kompetenzen vermitteln sollen. Doch was soll man genau vermitteln, wie weit in die Tiefe, usw.
Diese Fragen sind im Fokus hier.
Sie haben Fragen zur KI?
Melden Sie sich – anklicken!
In diesem Beitrag ist der Fokus auf die KI Kompetenz – Gesamtfähigkeit im Umgang mit KI: Dazu erklären wir (anklicken = sind sie dort)
- GPT steht für Generative Pretrained Transformer
- KI Kompetenz – AI Competence erklärt
- 1. Tabelle – Vergleich AI Fluency vs. AI Skills
- Schlussfolgerung: KI Kompetenz sichern ist eine Herausforderung für uns alle
Dieser Eintrag wird regelmässig aktualisiert: – Update 25-06-14 KI FAQ – Begriffe einfach erklärt Teil 1
Warum wird es GPT genannt?
GPT steht für Generative Pretrained Transformer
– Generative – weil es das nächste Wort generieren kann.
– Pretrained – weil es auf eine Vielzahl von Texten aus dem Internet, Datenbanken und Büchern trainiert wurde und
– Transformer – weil das zugrundeliegende Deep Neural Network eine besondere Art von Netzwerkarchitektur verwendet, die Transformer genannt wird.
Das Video unten zeigt sehr schön, warum GPT gewisse Dinge sehr gut kann und bei anderen Schwierigkeiten hat.
Es macht es auch verständlich, warum z.B. gewisse Antworten von einem Programm vielleicht manchmal keinen Sinn ergeben.
19 Min. die sich lohnen, Vortragender redet schnell auf Englisch, aber sehr strukturiert, klar.
„KI führt keine Logik aus, sondern generiert wahrscheinlich klingende Antworten“
– Urs E. Gattiker, DrKPI
Das bedeutet jedoch auch, dass diese GPT KI Modelle das logische Denken bei einfachen Aufgaben imitieren können.
Jedoch sobald ein Problem Verallgemeinerungen oder echte mehrstufige Logik erfordert, fallen sie auseinander. Mehr dazu vom Apple AI ResearchTeam welches hierzu Tests gemacht hat – Illusions of Thinking (Juni 2025).
KI Kompetenz – AI Competence
Im Deutschen wird meist „KI-Kompetenz“ verwendet – unabhängig davon, ob eine allgemeine Fähigkeit oder konkrete Fertigkeiten gemeint ist.
Auf Englisch gibt es hier eine kleine Nuance.
- AI competence bezieht sich auf die allgemeine Fähigkeit oder Kapazität, mit KI zu arbeiten. Es wird oft in breiteren, strategischen oder pädagogischen Kontexten verwendet
- Commetency bezieht sich oft auf eine bestimmte, messbare Fähigkeit oder ein Fachgebiet im Bereich KI – wird häufig im Personalwesen, in der Ausbildung oder in technischen Rahmenwerken verwendet wie z.B.:
- Applicants should demonstrate hands-on AI skills, particularly in prompt engineering using ChatGPT or similar tools.
Im deutschen Sprachgebrauch wird die Pluralform of mit spezifischen Fähigkeitsbereichen im Umgang mit KI genutzt wie z.B. in Schulungen, Stellenausschreibungen oder bei Lernzielen.
Wir nutzen hier KI-Kompetenz oder AI Competence.
KI Competence bedeutet: KI-Technologien verstehen, anwenden und – je nach Rolle – auch weiterentwickeln zu können.
Sie setzt sich aus drei zentralen Bausteinen zusammen:
- KI-Literacy: Verstehen, was KI kann und nicht kann.
- KI-Fluency: Sicher anwenden – im Beruf und Alltag.
- KI-Skills: Tieferes Können – anpassen, optimieren, entwickeln.
Dies erklären wir im Detail unten.
KI Literacy
Grundverständnis und Wissen zum Thema KI. Beschreibt die Fähigkeit, KI-Begriffe zu verstehen, KI-generierte Inhalte kritisch zu bewerten und sich grundsätzlich im KI-Umfeld orientieren zu können.
Dies beinhaltet Wissen, dass ein Anwender kennen sollte ohne selbst technisch tätig sein zu müssen. Ähnlich wie digitale oder mediale Grundbildung.
KI Verständnis – AI Fluency
AI Fluency | KI Verständnis bezeichnet das grundlegende Verständnis dafür, was KI ist, wie sie funktioniert und welche Auswirkungen sie hat. Die Fähigkeit, mit KI auf effektive, effiziente, ethische und sichere Weise zu arbeiten.
Beispiele: Mitarbeiter:in versteht, warum eine KI manchmal falsche Antworten gibt oder wie Prompting funktioniert.
KI Fertigkeiten – AI Skills
AI Skills | KI Fertigkeiten fokussiert auf Praxis und Technik.
Es beinhaltet konkrete Fähigkeiten mit KI. Dies sind sowohl technische (z. B. Programmieren mit Python) als auch Anwendungen der Systeme (z. B. effektives Prompting, Datenanalyse mit KI-Tools).
Beispiele: Gute Prompts schreiben, KI-Modelle trainieren, Python nutzen, KI-Ergebnisse interpretieren.
Tabelle 1 – AI Fluency vs. AI Skills
Je nach Arbeit wie Marketing oder Produktion, sind die Anforderungen an das KI Verständnis und die KI Kompetenzen natürlich unterschiedlich. Eine Markforscher:in oder Werkzeugmacher:in brauchen unterschiedliche Niveaus oder Tiefgang in Sachen AI Fluency vs. AI Skills.
Ein gewisses Verständnis z.B. wie GPT arbeitet werden aber wohl alle benötigen (siehe Video oben).
| AI Fluency| KI Verständnis | AI Skills | KI Kompetenzen |
|---|---|
| Tieferes Verständnis, um KI kritisch einzusetzen und Entscheidungen zu treffen | Konkrete Nutzung oder Entwicklung von KI Applikationen |
| Kritische Einordnung von Vor- und Nachteilen | Technische und/oder praktische Anwendung wie Guardrailing, Programmierung, usw. |
| Erfordert Einführung in die Konzepte und Methodik wie Machine-Learning | Wird mit Hilfe von Workshops / Training vermittelt |
| Anwendung im Kontext wie z.B. als Marktforscher:in oder Recruiter | Praxis und Technik als Entwickler:in oder Data Scientist |
Notiz. Vergleich von AI Skills mit AI Fluency – die wichtigsten Unterschiede.
KI-Kompetenzen im Überblick: Erklärt am Beispiel Auto
Wenn wir dabei sind zu lernen wie wir ein Auto nutzen oder fahren können dann bedeutet:
- AI Literacy – primär Wissen: Die Mitarbeiter wissen was ein Auto (KI) ist, wozu man es braucht und welche Risiken es gibt wie z.B. Unfallgefahr (falsche Resultate, KI Hallucination) inkl. Ethik/Klima, etc.
- AI Fluency – Nutzung im Job Kontext: Mitarbeiter:innen können den Unterschied zwischen verschiedenen Auto- oder KI-Modellen erkennen, entscheiden welches Modell (ChatGPT oder Mistral) hier gut passt und wie man es sicher fährt (oder nutzt im Falle von KI wie Qwen).
- AI Skills – Anwendung und Entwicklung: Sehr gute AI Skills bedeuten mehr als Prompting oder Tools nutzen. Es geht darum, KI-Modelle anzupassen, zu optimieren – und bei Bedarf sogar neu zu entwickeln. Wie bei einem Auto: nicht nur fahren, sondern auch reparieren – am besten so gut wie die Mechanikerin, die den Motor auseinander- und wieder zusammenbauen kann.
KI Kompetenz feit nicht vor kleinen Fehlern
Auch wenn die Mitarbeiterin KI Kompetenz hat, garantiert dies noch nicht, dass keine Flüchtigkeitsfehler passieren.
KI Flüchtigkeitsfehler vermeiden: VZ Vermögenszentrum
Ein Beispiel vom VZ: Vermögenszentrum – Christoph Sax – Chief Investment Officer zeigt, wie leicht Fehler passieren: Der erste und letzte Absatz im Screenshot sind versehentlich identisch.
Solche Irrtümer geschehen – gerade mit KI – wenn man zu viel auf einmal erledigt und am Ende nicht mehr genau hinsieht.
KI Kompetenz – Flüchtigkeitsfehler: 2025-05-26 aktualisierter Blogeintrag bei VZ, von Christoph Sax, Chief Investment Officer, erster und letzter Paragraph sind genau gleich. Solche Patzer findet der Autor, wenn er den Beitrag gegenliest. Aber das hat er wohl nicht gemacht?
Verwunderlich ist nur: Der Fehler ist auch drei Wochen nach Publikation nicht korrigiert.
Liest da niemand mit? Einfach auf den Fehler hinweisen indem man ein Kommentar hinterlässt oder eine E-Mail schreibt gibt es leider auch nicht.
Komisch, denn mit dem Social Web sollte ja der Leser die Möglichkeit haben zu kommentieren… Bei VZ nicht möglich, auch sie wollen nur Senden/Broadcasten aber nicht zuhören was die Kunden zu sagen hätten.
Doch nicht verwunderliich, kaum eine Seite lässt heute noch Kommentare zu – obwohl das einst eine der Ideen des Social Web war.
Wir selbst tun es – und laden Sie ein:
Hinterlassen Sie gerne einen Kommentar!
P.S.: Nein, wir haben den Autor nicht kontaktiert – es war uns schlicht zu umständlich.
KI Flüchtigkeitsfehler vermeiden: Swiss Life
Aber auch bei Übersetzungen mit Machine Translation können kleine Fehler passieren wie das Beispiel von Swiss Life zeigt.
Angaben zur Senkung des Leitzinses der Schweizerischen Nationalbank (SNB) wurde auf der deutschsprachigen Seite gemacht (siehe unten).
Der neue Satz von 0.25 % wurde korrekt notiert.
Swiss Life – Corporate Website: Eintrag wegen Fall des CH Leitzinses im März 2025. Angaben stimmen.
Dann wurde diese deutschsprachige Version wohl in mehrere Sprachen übersetzt.
Französische wie auch die italienische Version zeigen die korrekte Prozentzahl.
Doch hat sich bei der englischen Version ein Fehler eingeschlichen.
Swiss Life Leitzins Schweiz: Key Interest Rate ist mit 1.25% auf der englischen Blogseite angegeben. Korrekt wäre 0.25% wie auf dem gleichen Eintrag, aber auf DE, IT und FR anstatt den korrekten 0.25% wie im Beitrag auf Deutsch.
Im Dokument auf English ist die Zahl 1.25 % statt 0.25 %. Die Überschrift des Beitrages hat die korrekte Angabe zum Leitzinssatz.
Leider kann man Melanie Schell – die Verfasserin – nicht einfach kontaktieren. Das würde man gerne um auf diesen kleinen aber unglücklichen Fehler hinzuweisen.
Auf der Webseite sollte es eine Möglichkeit geben, zumindest über ein Kontaktformular oder via E-Mail, die Redakteurin kontaktieren zu können. Warum wohl nicht?
Google Suchresultate: In organischen Suchresultaten sind die Angaben der Swiss Life zum CH Leitzinssatz falsch. 1.25% statt 0.25%.
Mehr als 6 Wochen nach der Veröffentlichung falscher Daten (Leitzinssatz Schweiz: 1,25 % statt 0,25 %) zeigt Google den Fehler am 15. Juni 2025 auch weiterhin prominent in den Suchergebnissen an (siehe oben).
Scheint, auch hier wie beim VZ Vermögenswerwaltungszentrum haben die Kollegen diesen Fehler nicht bemerkt.
Scheint als liest intern bei der Swiss Life niemand solche Webinhalte.
Was erstaunt ist auch, das keine Erklärung für die Sorgfaltspflicht beim Text unten aufgeführt ist. Sicherlich wurde Machine Machine Translation genutzt um diesen Text vom Original in mehrere Sprachen zu übersetzen.
Doch der EU AI Act will Transparenz, d.h. eine solche Erklärung ist Pflichtprogramm, wenn KI irgendwie genutzt wurde. Da diesen Text auch Leser aus der EU konsumieren, ist eine solche Erklärung Pflicht gemäss den Swiss Life KI Richtlinien (wenn es dann eine solche überhaupt gibt).
Sie haben Fragen zur KI Kompetenzen, Workshops oder Kurse zum Thema AI?
Melden Sie sich!
Fazit: KI-Kompetenz? Geht nur mit Literacy, Fluency und Skills
AI entwickelt sich rasant und wird zunehmend unverzichtbar. Doch niemand kann genau sagen, wohin die Reise geht.
Eines ist jedoch klar: KI-Kompetenz entsteht nicht von allein. Sie braucht:
✔️ Verständnis (KI-Literacy),
✔️ Anwendung im Job Kontext (KI-Fluency) und
✔️ praktische Fähigkeiten (KI-Skills).
Gibt es bereits KI-Kompetenzen, die im Beruf nicht mehr wegzudenken sind? Laut einiger Stimmen ja – ohne AI Skills geht es nicht mehr.
Mitarbeiter:innen, Fachkräfte und Führungskräfte benötigen heute grundlegendes Wissen über KI – kurz: KI-Literacy.
Auch Bildungseinrichtungen kommen nicht umhin, KI zu thematisieren. Der Kommentar unten auf LinkedIn verdeutlicht allerdings einen verbreiteten Irrtum:
KI-Fluency bedeutet nicht, dass nur ChatGPT-Nutzer:innen qualifiziert sind.
Diese Diskussion kennen wir schon vom Umgang mit Textverarbeitung und Tabellenkalkulation: Wer eines der Programme verstand, fand sich rasch in anderen zurecht – egal ob Word, Excel oder StarOffice.
Wer heute mit Mistral oder Qwen arbeitet, kommt auch in ChatGPT schnell an.
KI Kompetenz: Egal ob ein Honda oder Skoda – Autofahrer wissen wie man diese fährt. Gleich bei KI, egal ob ChatGPT, DeepSeek, Mistral, usw. meistert man ein AI Modell, sollte man auch in der Lage sein mit den anderen arbeiten zu können.
Lese mehr zu dieser Diskussion oben auf LinkedIn.
Wieviel KI Kompetenzen sollen Schulen, Berufsschulen und Universitäten vermitteln?
Neben Ki-Literacy (Grundwissen) und KI-Fluency (weiss wie und kann es im Job anwenden) sind auch KI-Skills wichtig.
Dabei gibt es natürlich bei der Anwendung und Entwicklung der KI um unterschiedliches Können und Fähigheiten.
Für die Volkschule – Primarschule – Klassen 1-6 ➡️ Webseite vom Volsschulamt Zürich hat keine Inhalte zum Thema AI Kompetenz. Ebenfalls keine Links zu mehr Hilfestellungen von anderen Kantonen oder Unis. Peinlich.
Aber wenn schon die Fachstelle Bildung und ICT vom Volksschulamt nicht schafft hier eine Hilfestellung zu bieten, ist das eine Herausforderung für auf sich allein gestellte Lehrer:innen.
Zwar haben hier die Fachhochschulen eine Bieldungslücke entdeckt und versuchen hier was zu bieten wie z.B.:
Doch inwiefern diese Angebote einem Schüler in der 2. Klasse, 6. oder in der 8. Oberstufe hilft ist nicht klar. Nicht nur müssen die Angebote für Unterstufe, Mittelstufe und Oberstufe angepasst sein, auch nur eine Einführung für ChatGPT in einem Weiterbildungsnachmittag anbieten vermittelt nicht viel KI Kompetenz. .
Es geht bei KI Kompetenz um viel mehr (siehe auch LinkedIn) als das eine Schülerin aber auch ihre Lehrerin ein Modell wie ChatGPT nutzen kann.
Auch bei den Berufsschulen bringt eine Online Suche viele Vorschläge für die Weiterbildung und KI für diverse Berufe. Doch im Curriculum der Berufsschulen für die Lehrberufe wie Elektriker oder KV ist oft noch gähnende Lehre was KI Kompetenzen betrifft.
Es gibt hier noch viel zu tun und zwar desto schneller desto besser.
KI Guardrails: Sicherheit und Kontrolle in der KI Nutzung
KI-Leitplanken (AI Guardrails) sorgen dafür, dass KI-Modelle sicher und verlässlich arbeiten – wie echte Leitplanken auf der Straße.
Berater wie McKinsey definieren AI Guardrails als Rahmen, der sicherstellt, dass KI-Anwendungen Unternehmenswerte und -richtlinien einhalten. Doch das klingt oft zu abstrakt.
Leitplanken helfen beispielsweise in der Bildung: Statt direkt die Lösung für eine Mathematik Aufgabe zu liefern, gibt die KI – dank einem Guardrail – Hinweise und stellt der Schülerin Fragen. Diese basieren auf dem Lösungsweg des Schülers. Dies sichert, dass der Schüler besser lernt und bei Prüfungen z.B. auch bessere Leistungen liefert.
Auch bei der Entwicklung von KI-Anwendungen spielen Leitplanken eine zentrale Rolle. Guardrails in der Programmiersprache Python sind dabei ein Framework, welche zwei Dinge leisten:
- Risikofrüherkennung: Sie erkennen, messen und reduzieren Risiken im Input und Output.
- Strukturierte Ergebnisse: Sie sorgen für klar formatierte Ausgaben aus LLMs – etwa in Tabellen oder spezifischen Formaten.
Hier noch eine Grafik von Cal AI-Dhubaib, welche AI Guardrails und deren Funktion als „AI Polizistin“ sehr gut illustriert.
Kurz: KI-Leitplanken (Guardrails) sind Protokolle und Werkzeuge, die sicherstellen, dass AI Systeme oder Modelle innerhalb ethischer, rechtlicher und technischer Grenzen arbeiten.
Bei der Entwicklung mit Python und Large Language Models (LLMs) sorgen Guardrails dafür, dass z.B. unerwünschte Inhalte erkannt und blockiert werden. Dies können beispielsweise beleidigende Antworten sein.
Abonnieren Sie den DrKPI Blog. Erhalten Sie Beiträge, Tipps, Tricks und Inspirationen per E-Mail
Sorgfaltspflicht-Erklärung Bei der Erstellung dieses Dokuments wurden KI-Tools wie Mistral und Qwen zur Textverfeinerung eingesetzt. Die Autor:in bestätigt, dass alle KI-bearbeiteten Inhalte geprüft, bearbeitet und inhaltlich verantwortet wurden. Das Dokument spiegelt das eigene Fachwissen und die beabsichtigte Aussage wider. Lesen Sie unsere KI Richtlinie hier.
