KI-Kompetenz aufbauen funktioniert nicht über noch mehr Prompt-Tricks. Sie wächst an den Momenten, in denen etwas schiefgeht. Eine erfundene Quelle, eine falsche Zahl, ein Text, der an der Aufgabe vorbeischreibt. Die meisten zucken dann mit den Schultern und probieren es nochmals. Wer dazulernt, macht etwas anderes. Er oder sie zieht aus dem Fehler eine Regel und baut sie ins eigene Arbeiten ein.
Diese Fähigkeit heisst Metakognition: wissen, was du mit KI gut kannst und was noch nicht. Im KI-Level-Modell ist sie der Motor zwischen den Stufen. Wer Regeln aus Fehlern ableitet und festhält, kommt von Level 2 (Anwenden) zu Level 3 (Strukturiert arbeiten). Wer die Regeln in Vorlagen und Skills ablegt, ist auf dem Weg zu Level 4.
KI-Kompetenz aufbauen beginnt beim Fehler, nicht beim Prompt
Ein Warnsignal kennen wir aus vielen Kursen: «Ich hatte mit KI noch nie Probleme.» Der Satz bedeutet selten, dass alles stimmt. Meist bedeutet er, dass niemand nachgeschaut hat, oder dass die KI nur für Unkritisches im Einsatz ist. Die Selbstüberschätzung bei AI Literacy ist gut belegt.
Das Gegenteil ist genauso eine Fehlkalibrierung: Wer nach einem Fehlgriff der KI gar nicht mehr traut, verschenkt Nutzen. Beide Haltungen haben dieselbe Ursache. Der Fehler wurde nicht ausgewertet. Er blieb ein Gefühl statt eine Erkenntnis.
Das folgende Vorgehen braucht pro Fehler zehn Minuten. Es lohnt sich bei jedem Fehlgriff, der dich Zeit, Nerven oder Glaubwürdigkeit gekostet hat.
Schritt 1: Halte den Fehlgriff fest
Lege ein Fehlerjournal an. Eine Notiz-App reicht, eine Tabelle auch. Pro Eintrag fünf Zeilen:
- Aufgabe: Was wolltest du von der KI?
- Was war falsch: Konkret, nicht «das Ergebnis war schlecht».
- Wie bemerkt: Selbst beim Prüfen, durch eine Kollegin, durch die Kundin?
- Was es gekostet hat: Zehn Minuten Korrektur oder eine peinliche Rückfrage?
- Datum und Tool.
Der dritte Punkt ist der wichtigste. Wenn Fehler regelmässig erst von anderen entdeckt werden, fehlt dir eine Prüfroutine, nicht ein besserer Prompt. Die 2-Minuten-Routine zum Prüfen von KI-Antworten schliesst diese Lücke.
Schritt 2: Finde die Ursache
«Die KI halluziniert halt» ist keine Ursache. Es ist eine Ausrede, mit der du nichts anfangen kannst. Fast jeder Fehlgriff im Büroalltag fällt in eine von vier Kategorien:
| Ursache | Woran du sie erkennst | Typisches Beispiel |
|---|---|---|
| Fehlender Kontext | Das Ergebnis ist generisch oder trifft die Zielgruppe nicht | Newsletter klingt wie jeder andere, weil die KI eure Kundschaft nicht kennt |
| Ungeprüfte Angabe | Zahl, Name, Datum oder Quelle stimmt nicht | Studie im Vortrag existiert nicht |
| Falsches Vorgehen | Aufgabe war zu gross für einen Prompt oder gehörte in eine Recherche | Marktübersicht aus dem Gedächtnis des Modells statt aus aktuellen Quellen |
| Zu wenig Widerstand | Du hast das erste Ergebnis oder das Lob der KI übernommen | Konzept wurde «sehr gut» bewertet, Kundin fand drei Schwächen |
Ordne jeden Journaleintrag einer Kategorie zu. Nach fünf Einträgen siehst du ein Muster. Bei den meisten Menschen dominiert eine einzige Kategorie. Genau dort liegt dein grösster Hebel.
Schritt 3: Formuliere eine Regel, die generalisiert
Eine gute Regel gilt für die nächste ähnliche Situation, nicht nur für diesen einen Fall. Sie beschreibt ein Verhalten, das du prüfen kannst.
Zu allgemein:
Ich muss bei KI besser aufpassen.
Zu eng:
Ich prüfe die Umsatzzahl im Quartalsbericht von Firma X.
Brauchbar:
Zahlen, Namen und Quellen kommen nie aus dem Modell. Ich lasse sie mit Recherche und Link liefern oder prüfe sie selbst an der Quelle, bevor sie in ein Dokument wandern.
Weitere Beispiele für Regeln, die aus den vier Ursachen entstehen:
- Kontext: «Texte für Kundschaft entstehen nur im Projekt mit Zielgruppenbeschreibung und zwei Beispieltexten.»
- Vorgehen: «Aufgaben mit mehr als drei Teilschritten zerlege ich zuerst, bevor ich die KI beauftrage.» Wie das geht, zeigt der Guide zu komplexen Aufgaben mit KI.
- Widerstand: «Bevor ich ein Konzept freigebe, lasse ich die KI in der Rolle einer kritischen Einkäuferin die drei grössten Schwächen nennen.»
Eine Regel pro Fehler. Nicht zehn. Sonst hältst du dich an keine.
Schritt 4: Lege die Regel ins System, nicht ins Gedächtnis
Hier entscheidet sich, ob aus der Erkenntnis Kompetenz wird. Eine Regel im Kopf hält zwei Wochen. Eine Regel im Werkzeug hält so lange, wie du das Werkzeug nutzt. Drei Orte kommen infrage:
- Persönliche Anweisungen des Tools: Regeln, die für alle deine Chats gelten. Etwa: «Kennzeichne jede Zahl, die du nicht aus einer verlinkten Quelle hast.»
- Projekt oder Skill: Regeln für eine wiederkehrende Aufgabe. Die Stilregel gehört ins Newsletter-Projekt, die Prüfregel in den Offerten-Skill. Das Entscheidungsraster Prompt, Projekt oder Skill hilft bei der Wahl.
- Checkliste vor dem Versand: Regeln, die dich selbst betreffen, nicht die KI. Drei Punkte, die du vor jeder Freigabe abhakst.
Damit machst du den Sprung, den das Level-Modell beschreibt: Deine Erfahrung steckt nicht mehr nur in dir, sondern in einem Ablauf, der auch dann funktioniert, wenn du müde bist.
Schritt 5: Erzähle den Fehler weiter
Ein Fehler, der im Journal bleibt, hilft dir. Ein Fehler, der im Teammeeting erzählt wird, hilft zehn Personen. Die Hürde ist die Scham. Deshalb funktioniert es am besten, wenn Führungskräfte anfangen und ihren eigenen Fehlgriff zuerst erzählen.
Praktisch: fünf Minuten pro Teamsitzung, eine Person, ein Fehlgriff, eine Regel. Die Regel landet in der gemeinsamen Prompt-Bibliothek. So entsteht aus Einzelwissen eine Teampraxis. Das ist auch die Rolle, die KI-Champions im Team übernehmen können.
Ein Beispiel, durchgespielt
Stell dir vor, du bereitest eine Präsentation vor und lässt die KI eine Einleitung mit Marktzahlen schreiben. Sie liefert: «Laut einer aktuellen Studie nutzen 73 Prozent der Schweizer KMU KI im Alltag.» Klingt gut, steht so im Foliensatz, und in der Sitzung fragt jemand nach der Quelle. Es gibt keine.
- Journal: Aufgabe Einleitung, Fehler erfundene Zahl mit erfundener Studie, bemerkt durch Nachfrage in der Sitzung, Kosten ein peinlicher Moment und Glaubwürdigkeit.
- Ursache: ungeprüfte Angabe.
- Regel: «Zahlen kommen nie aus dem Modell, sondern nur aus einer Recherche mit Link, den ich geöffnet habe.»
- System: Regel in die persönlichen Anweisungen, plus im Präsentations-Projekt die Anweisung, Platzhalter statt Zahlen zu setzen, wenn keine Quelle vorliegt.
- Teilen: Der Fall wird im nächsten Teammeeting erzählt, die Regel wandert in die Prompt-Bibliothek.
Zehn Minuten Arbeit. Der Fehler passiert dir nicht mehr, und deinem Team seltener.
Häufige Fehler beim Lernen aus Fehlern
- Die Regel bleibt vage. «Besser aufpassen» ist keine Regel. Prüfe: Könnte eine andere Person sie befolgen, ohne dich zu fragen?
- Das Tool bekommt die Schuld. Wer nach einem Fehlgriff zu einem anderen Tool wechselt, nimmt die Ursache mit. Fehlender Kontext bleibt fehlender Kontext.
- Überkorrektur. Ein Fehler führt dazu, dass KI für diese Aufgabe verboten wird. Damit verlierst du den Nutzen, statt die Prüfung zu verbessern.
- Journal ohne Rückblick. Einträge sammeln reicht nicht. Einmal im Monat durchlesen, Muster erkennen, eine Regel schärfen.
- Nur eigene Fehler zählen. Auch der Fehlgriff einer Kollegin ist eine Regel wert. Du musst ihn nicht selbst erlebt haben.
Dein nächster Schritt
Denk an den letzten Moment, in dem dich KI in die Irre geführt hat. Wenn dir keiner einfällt, ist das dein erster Journaleintrag: Dann prüfst du entweder zu wenig oder nutzt KI nur für Unkritisches. Wenn dir einer einfällt, schreib ihn heute in fünf Zeilen auf und formuliere die Regel.
Der KI-Level-Check zeigt dir danach in fünf Minuten, auf welcher Stufe du stehst und ob deine nächste Regel eher ins Prüfen, in den Kontext oder in einen Skill gehört.