AI Literacy
KI-Kompetenz umfasst das Wissen und Urteilsvermögen, um KI zu verstehen, kritisch zu hinterfragen und sinnvoll zu nutzen. Behandelt grundlegende Fähigkeiten, schulische Rahmenwerke und Artikel 4 des EU-KI-Gesetzes.
KI-Kompetenz umfasst das Wissen und Urteilsvermögen, das Menschen brauchen, um künstliche Intelligenz sinnvoll einzusetzen: ein grundlegendes Verständnis dafür, wie KI-Systeme Ergebnisse erzeugen, die Gewohnheit, diese Ergebnisse kritisch zu bewerten, und das Gespür dafür, wann man sich auf sie verlassen kann. Wie Lesen oder Rechnen ist sie eine allgemeine Fähigkeit für alle, die bei der Arbeit, in der Schule oder zu Hause mit KI in Berührung kommen. Dafür muss man keine Modelle entwickeln oder programmieren können. Duri Long und Brian Magerko gaben in ihrer viel zitierten CHI-Arbeit von 2020 folgende Definition: Kompetenzen, die es Menschen ermöglichen, KI kritisch zu bewerten, mit ihr zu kommunizieren und zusammenzuarbeiten und sie als Werkzeug zu nutzen.
Eine KI-kompetente Person weiß, dass eine flüssige Antwort eines Chatbots trotzdem falsch sein kann, dass ein Gesichtserkennungssystem manche Gruppen schlechter erkennen kann als andere, dass ein realistisch wirkendes Video ein Deepfake sein kann und dass beim Teilen vertraulicher Dokumente mit einem Online-Assistenten Daten offengelegt werden können. Dahinter stehen einige grundlegende Ideen, die für verschiedene Werkzeuge gleichermaßen gelten.
Was KI-Kompetenz umfasst#
Die meisten Rahmenwerke ordnen KI-Kompetenz drei Fähigkeiten zu. Verstehen bedeutet zu wissen, dass maschinelle Lernsysteme Muster aus Trainingsdaten lernen und ihr Verhalten daher deren Abdeckung und Lücken widerspiegelt. Dazu gehört auch das Wissen, dass generative KI anhand gelernter Muster plausible Texte oder Bilder erzeugt, ohne Fakten zu überprüfen. Bewerten bedeutet, Ergebnisse mit unabhängigen Quellen abzugleichen, Halluzinationen und Verzerrungen in KI zu erkennen und einen Konfidenzwert als eigene Schätzung des Modells zu verstehen, die falsch kalibriert sein kann. Verantwortungsvolle Nutzung bedeutet zu entscheiden, welche Daten man teilt, wer folgenreiche Entscheidungen überprüft, wann man den Einsatz von KI offenlegt und wann eine Aufgabe gar nicht an KI delegiert werden sollte.
Für Schulen legt das 2024 veröffentlichte UNESCO-Kompetenzrahmen für KI für Schülerinnen und Schüler zwölf Kompetenzen in vier Dimensionen fest: eine menschenzentrierte Denkweise, die Ethik der KI, KI-Techniken und -Anwendungen sowie das Design von KI-Systemen. Jede Kompetenz entwickelt sich vom Verständnis von KI über ihre Anwendung bis hin zum Gestalten mit KI. Der Rahmen für KI-Kompetenz der OECD und der Europäischen Kommission, 2026 nach einem Entwurf von 2025 fertiggestellt, fasst Kompetenzen in vier Bereichen zusammen: Umgang mit KI, Gestalten mit KI, Verwalten von KI und Mitgestalten von KI. Er fließt 2029 in die erste PISA-Erhebung zu Medien- und KI-Kompetenz ein. Verwandte Konzepte überschneiden sich: Datenkompetenz umfasst die Interpretation von Daten und Statistiken, digitale Kompetenz den allgemeinen Umgang mit Technologie und Prompt Engineering ist eine praktische Fähigkeit im Bereich der KI-Kompetenz.
KI-Kompetenz am Arbeitsplatz und das EU-Gesetz über künstliche Intelligenz#
KI-Kompetenz am Arbeitsplatz wurde in der Europäischen Union zur Rechtsfrage, als Artikel 4 des EU-KI-Gesetzes am 2. Februar 2025 wirksam wurde. Das Gesetz definiert KI-Kompetenz als Fähigkeiten, Wissen und Verständnis, die Anbietern, Betreibern und betroffenen Personen eine fundierte Einführung von KI-Systemen ermöglichen und ihnen helfen, deren Chancen, Risiken und mögliche Schäden zu erkennen. In der durch das Digital Omnibus zu KI im Juli 2026 geänderten Fassung verpflichtet Artikel 4 Organisationen, die KI-Systeme bereitstellen oder einsetzen, Maßnahmen zur Förderung der KI-Kompetenz ihrer Beschäftigten und anderer Personen zu ergreifen, die diese Systeme in ihrem Auftrag betreiben. Dabei sind technisches Wissen, Erfahrung und Ausbildung sowie der Einsatzkontext des Systems zu berücksichtigen. Ein bestimmtes Kompetenzniveau für Einzelpersonen muss nicht garantiert werden. Die Verpflichtung gilt für jedes KI-System unabhängig von seiner Risikokategorie und gehört damit zu den umfassendsten Anforderungen des Gesetzes.
Artikel 4 schreibt weder Lehrplan noch Zertifikat vor. Deshalb passen Organisationen Schulungen üblicherweise an die jeweilige Rolle an, dokumentieren sie und integrieren sie in ihr KI-Governance-Programm. Eine Supportkraft, die einen Chatbot verwendet, muss wissen, wie sie erfundene Antworten erkennt und welche Kundendaten nicht in Prompts gehören. Das begrenzt zugleich die Schatten-KI. Eine Fachkraft für Qualitätssicherung an einer automatisierten Prüflinie muss falsch-positive und falsch-negative Ergebnisse verstehen und wissen, wie sich die Schwellenwerte zwischen beiden verschieben. Führungskräfte, die den Einsatz von KI genehmigen, brauchen genügend Grundlagenwissen, um nach der Bewertung eines Systems und den dafür verwendeten Daten fragen zu können.
KI-Kompetenz praktisch aufbauen#
Kompetenz entwickelt sich am schnellsten durch direkte Erfahrung damit, dass ein Modell richtig liegt, sich irrt oder unsicher ist. Wenn du ein vortrainiertes Objekterkennungsmodell von Ultralytics YOLO26 auf ein Foto mit zwei Konfidenzschwellenwerten anwendest, wird der Zielkonflikt zwischen Präzision und Trefferquote greifbar:
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
# Run the same image at a permissive and a strict confidence threshold
for conf in (0.1, 0.7):
results = model("https://ultralytics.com/images/bus.jpg", conf=conf)
result = results[0]
print(f"conf={conf}: {result.verbose()}")
result.save(filename=f"bus_conf_{conf}.jpg")Bei einem Schwellenwert von 0,1 meldet das Modell fünf Personen, darunter eine zweite Box mit geringer Konfidenz für denselben teilweise sichtbaren Fußgänger, sowie ein „Stoppschild“, das tatsächlich ein Halteverbotsschild ist. Bei 0,7 erkennt es weiterhin den Bus und die drei klar sichtbaren Personen, übersieht aber den Fußgänger, der am linken Bildrand abgeschnitten ist. Der Vergleich der beiden gespeicherten Bilder zeigt, dass der Schwellenwert bestimmt, welche Art von Fehler ein System macht. Die Konfusionsmatrix zählt Fehlalarme und übersehene Objekte. Welche Einstellung die richtige ist, hängt davon ab, ob in einer bestimmten Anwendung ein übersehenes Objekt oder ein Fehlalarm schwerer wiegt.
Dieselbe Übung funktioniert auch ohne Code mit jüngeren Lernenden in der KI-Bildung: Fotos danach zu sortieren, ob ein Modell sie richtig oder falsch beschriftet hat, und anschließend darüber zu sprechen, warum, fördert die Gewohnheit, nach den Belegen zu fragen, auf denen ein KI-Ergebnis beruht.










