KI-Kompetenz aufbauen: Was Ihr Team beim Texten mit KI können muss

91 Prozent der Unternehmen, die KI einsetzen, schulen ihre Beschäftigten im Umgang damit. Das meldet der Digitalverband Bitkom am 14. September 2026 unter dem Titel „Erstmals nutzt die Mehrheit der Unternehmen KI“. Für die repräsentative Umfrage hat Bitkom Research 603 Unternehmen mit mindestens 20 Beschäftigten interviewt. Aus derselben Befragung stammt eine zweite Zahl: 40 Prozent dieser Unternehmen halten die KI-Kompetenz ihrer Beschäftigten für hoch. Über alle befragten Unternehmen gerechnet sind es 28 Prozent, zwei Drittel schätzen sie als gering ein. Es wird viel geschult und noch wenig gekonnt.

Wer KI-Kompetenz aufbauen möchte, sollte deshalb zunächst klären, welche Kompetenzen überhaupt benötigt werden. Beim Texten mit KI fehlt meiner Erfahrung nach oft das Urteil darüber, ob ein Entwurf fachlich standhält. Wem es fehlt, der erkennt nicht, ob das Sprachmodell (LLM) Content-Qualität geliefert oder einfach nur KI-Slop erbrochen hat: beliebigen Text, der gut klingt und wenig sagt. Dieser Beitrag zeigt, wie weit Unternehmen beim Einsatz von KI den Fähigkeiten ihrer Beschäftigten voraus sind, wo die Lücke beim Texten mit KI tatsächlich sitzt, mit welchen sechs Fragen Sie diese Lücke im eigenen Team identifizieren können und welche Anforderungen Artikel 4 des AI Act seit seiner Neufassung im Sommer stellt.

Unternehmen führen KI schneller ein, als ihre Leute sie beherrschen

Wie groß die Lücke ist, zeigen drei aktuelle Erhebungen. Sie zählen unterschiedlich, deshalb sind sie hier einzeln aufgelistet:

• Bitkom: 57 Prozent der Unternehmen ab 20 Beschäftigten setzen KI ein. Vor einem Jahr waren es 36 Prozent, vor zwei Jahren 20. Befragt wurde im Juli und August 2026.
• IAB: Laut Institut für Arbeitsmarkt- und Berufsforschung stieg der Anteil der Betriebe, die generative KI einsetzen, von 5 Prozent im Jahr 2023 auf knapp 25 Prozent im Jahr 2025. Unter den Betrieben ab 200 Beschäftigten nutzen 48 Prozent generative KI. Von allen Betrieben, die generative KI nutzen, bieten 27 Prozent ihren Beschäftigten Weiterbildung zum professionellen Umgang mit der Technik an. Das IAB zählt alle Betriebsgrößen bis zum Kleinstbetrieb. Neben die Schulungsquote von Bitkom lässt sich die Zahl deshalb nicht legen.
• GWA: In einer Befragung von 78 Führungskräften aus Mitgliedsagenturen des Agenturverbands GWA ist „Fehlende Kompetenzen / Know-how / Talent“ die meistgenannte Antwort auf die Frage nach Herausforderungen bei der Einführung von KI (66,7 Prozent). Repräsentativ ist die Befragung nicht. Bemerkenswert ist der Absender: Die Lücke melden hier Häuser, die Kommunikation als Leistung verkaufen.

Die Lizenz für ChatGPT, Copilot oder Claude ist schnell gebucht. Aber das Können kommt so wenig mit ihr wie der Führerschein mit dem Autoschlüssel. Bitkom-Präsident Ralf Wintergerst sagt: „Kompetenz entsteht mit dem KI-Einsatz, aber sie entsteht nicht von allein.“

Wo die Lücke beim Texten mit KI sitzt

Die Bedienung eines Sprachmodells ist die erste Hürde: Prompt formulieren, Ergebnis lesen und nachschärfen. Die zweite Hürde ist höher. Jemand muss entscheiden, ob der Textentwurf faktisch korrekt ist, ob er die richtigen Leser erreicht und ob er nach dem eigenen Unternehmen klingt. Diese Arbeit bringt kein Tool bereits in seinen Werkseinstellungen mit. Sie ist Redaktionsarbeit.

Dass sich fachliche Erfahrung bei der Arbeit mit KI auszahlt, hat Anthropic an rund 400.000 Sitzungen seines Programmierwerkzeugs Claude Code gemessen. Eingeordnet haben wir die Auswertung im Beitrag Urteil schlägt Technik. Umso auffälliger ist, wo Unternehmen sparen. In den USA fließen laut The CMO Survey 3,8 Prozent des Marketingbudgets in Training und Entwicklung. Der Höchstwert vor der Pandemie lag bei 5,8 Prozent, gemessen im August 2019. Befragt wurden 308 Marketingverantwortliche im Januar 2026. Geschrumpft ist ausgerechnet der Posten, der Urteil aufbaut.

Ich habe mein Handwerk in Zeitungsredaktionen gelernt, in Uni-Seminaren, in Sommerakademien der Studienstiftung des Deutschen Volkes, während meines Traineeships und bei der Arbeit für die AFK Akademie Führung und Kommunikation: Recherchieren, Strukturieren, Faktenchecken, zielgruppenspezifisches Schreiben verschiedener Textarten und Redigieren. Und das, bevor das erste Sprachmodell überhaupt wusste, was Journalismus ist. Genau dieses Handwerk hilft mir heute dabei, jeden KI-Entwurf fachlich beurteilen zu können. Ohne diese Kompetenz wäre ich nur ein Kontrollpunkt, der nichts kontrolliert. Denn ein menschliches Gate hilft nur, wenn der Mensch dort den Fehler auch erkennt. Wie ein echtes Gate gebaut ist, habe ich im Beitrag zum Human in the Loop beschrieben.

Meine Einschätzung: Professionell mit KI zusammenarbeiten kann nur, wer die Grundlagen der jeweiligen Aufgabe selbst beherrscht. Er muss wissen, wie der Output aufgebaut sein sollte und was er inhaltlich leisten muss: ob er den Informationsbedarf der Zielgruppe deckt, ob die Tonalität stimmt und ob die Informationstiefe zum Kommunikationsziel passt. Wer das nicht beurteilen kann, produziert Slop, und kein Gate im Haus bemerkt es.

Kann KI fehlendes Fachwissen ausgleichen?

Zum Teil. Das zeigt ein Feldexperiment, das ein Forscherteam um Fabrizio Dell’Acqua bei Procter & Gamble durchgeführt hat. 776 Beschäftigte arbeiteten an echten Aufgaben der Produktentwicklung, per Zufall verteilt: allein oder zu zweit, mit oder ohne KI. Einzelne mit KI erreichten die Leistung von Zweierteams ohne KI. Ohne KI schlugen Leute aus Forschung und Entwicklung eher technische Lösungen vor, Leute mit kaufmännischem Hintergrund eher kommerzielle. Mit KI lieferten beide Gruppen ausgewogene Lösungen. Die Studie ist 2026 in der Fachzeitschrift Organization Science erschienen.

Ich lese das als Rückenwind für die Arbeit mit KI. Die LLMs erweitern, was ein Mensch über sein eigenes Fach hinaus beitragen kann. Eine Entwarnung für die Kompetenzfrage ist das Experiment trotzdem nicht. Wer im Alltag entscheidet, ob ein Entwurf das Unternehmen verlassen darf, braucht einen Maßstab. Den liefert das Modell nicht mit.

Sechs Fragen, mit denen Sie die KI-Kompetenz beim Texten prüfen

Das folgende Raster leite ich aus der Redaktionsarbeit ab, eine Studie steht nicht dahinter. Gehen Sie es mit Ihrem Team durch und schreiben Sie hinter jede Frage einen Namen:

1. Aufgabe: Wer formuliert Ziel und Auftrag so, dass sich das Ergebnis daran messen lässt? Warnsignal: Der Auftrag an die KI lautet „Schreib einen Blogbeitrag über …“. Ihm fehlen Kontext, Ziel, Leser, Kernaussage, Umfang und Quellen. Jede fehlende Angabe ergänzt das Modell mit dem Naheliegenden. Heraus kommt ein Text, der zu jedem Unternehmen passen könnte. Und das ist logisch: LLMs lernen aus riesigen Textmengen, Metas Modell Llama 3 etwa aus mehr als 15 Billionen Token, also Wortbausteinen. Wenn sie ohne Kontext Content erstellen, produzieren sie statistisches Mittelmaß, und das, obwohl sie es besser könn(t)en.
2. Struktur: Wer weiß, wie der Text aufgebaut sein muss, und merkt, wenn die KI davon abweicht? Warnsignal: Meldung, Fachbeitrag und Newsletter sehen gleich aus, mit Einleitung, drei Zwischenüberschriften und Fazit. Ohne Vorgabe greift das Modell zu seinem Standardaufbau. Eine Meldung braucht das Wichtigste zuerst, ein Fachbeitrag eine These, die den ganzen Text trägt.
3. Substanz: Wer erkennt, ob ein Absatz etwas Neues sagt oder nur gut klingt? Warnsignal: Nach dem Lesen kann niemand die Kernaussage in einem Satz wiedergeben. LLMs berechnen die Wahrscheinlichkeit des nächsten Tokens. Das bedeutet: Die Wörter, die sie schreiben, bauen statistisch aufeinander auf. Aber nur weil die Rechnung hinterher stimmt, muss das Ergebnis, trotz wohlklingender Worte, nicht automatisch Sinn ergeben.
4. Zielgruppe: Wer kennt die Leser gut genug, um zu entscheiden, ob der Text ihre Frage beantwortet? Warnsignal: Niemand kann sagen, welche Frage des Lesers dieser Text beantwortet. Um das zu wissen, muss schon vor dem ersten Content-Asset fundiert konzeptionell gearbeitet worden sein. Und ganz wichtig: Dieser Punkt ist absolut erfolgskritisch. Wenn wir an den Fragen, Interessen oder Ansprüchen der Zielgruppe vorbei produzieren, haben wir vielleicht ein PR-preisverdächtiges Stück erstellt, aber die Zielgruppe wird es niemals rezipieren. Weil sie das Thema langweilt. Wie man die Zielgruppe in KI-Zeiten definiert, welche KI-Unterstützung es gibt und wie man über das gleiche Thema für unterschiedliche Zielgruppen in spezifischer Form schreibt, habe ich an einem Praxisbeispiel für das Onlinemagazin ZIELBAR beschrieben: So definiert man die Zielgruppe fürs Content-Marketing.
5. Ton: Wer hört, ob der Text nach Ihrem Unternehmen klingt, und kennt die typischen Marotten der Modelle? Warnsignal: Der Text könnte genauso auf der Website eines Wettbewerbers stehen. Wie man die Formulierungsmarotten (und holy moly, davon gibt es viele) erkennt, steht im Beitrag KI-Einheitstext vermeiden.
6. Fakten: Wer prüft jede Zahl an der Originalquelle, bevor sie veröffentlicht wird? Fehlen dem Modell Fakten, erfindet es welche, damit der Text rund wirkt. Fachleute nennen das Halluzination. Warnsignal: Die Quelle ist ein anderer Blogbeitrag und die Originalquelle lässt sich auch nach einer tiefen Recherche nicht finden. Dann lieber Finger weg und ganz schnell laufen.

Steht hinter jeder Frage ein Name? Dann sind die Grundlagen gelegt. Den Abschnitt zu Artikel 4 sollten Sie trotzdem lesen, denn die Pflicht gilt unabhängig davon.

Jede Frage ohne Namen markiert eine Lücke. Mit einem reinen Werkzeugkurs schließen Sie keine davon, denn alle sechs verlangen Wissen über das Fach, die Leser und das eigene Unternehmen. Genau dieses Wissen muss ein Training vermitteln, wenn es KI-Kompetenz aufbauen soll.

Zur Erinnerung: Selbst unter den Unternehmen mit KI-Einsatz hält nicht einmal jedes zweite die Kompetenz der eigenen Leute für hoch. Der Hebel bleibt Weiterbildung, die genau diese sechs Fähigkeiten trainiert. Und sie sollte bald kommen. Fast jede Woche erscheinen neue Modelle, Funktionen und Werkzeuge, und wer mit KI professionell arbeiten will, muss auf Stand bleiben.

Das fällt selbst mir schwer. Dabei arbeite ich jeden Tag mit KI an Content-Strategien und Content-Assets für Kunden, habe mit der Content Pipeline ein eigenes automatisiertes Content-System gebaut und teste nach Feierabend neue Werkzeuge aus den USA, Europa und China.

Deshalb habe ich gemeinsam mit Susanne Czernick, Direktorin der AFK Akademie Führung und Kommunikation, ein Training entwickelt, das an genau diesen sechs Fragen ansetzt. Es richtet sich an alle, die in PR, Content-Marketing oder Social Media mit KI texten.

Was Artikel 4 des AI Act heute verlangt

Ab dem 2. Februar 2025 verpflichtete Artikel 4 des AI Act Anbieter und Betreiber von KI-Systemen, nach besten Kräften sicherzustellen, dass ihr Personal über ein ausreichendes Maß an KI-Kompetenz verfügt. Mit dem Digital Omnibus zur KI hat die EU die Vorschrift neu gefasst, in der Verordnung (EU) 2026/1744 vom 8. Juli 2026, in Kraft seit Ende Juli. Seitdem gilt: Anbieter und Betreiber ergreifen „Maßnahmen, um die Entwicklung der KI-Kompetenz ihres Personals […] zu unterstützen“. Ein bestimmtes Kompetenzniveau müssen sie ausdrücklich nicht garantieren. Die EU-Kommission hatte im November 2025 vorgeschlagen, die Pflicht der Unternehmen ganz zu streichen. Durchgesetzt hat sich das nicht.

Die Norm verlangt also Maßnahmen. Ein Zertifikat schreibt sie nicht vor, es kann aber dokumentieren, dass Sie eine Maßnahme ergriffen haben. Ob Ihre Content-Assets danach besser werden, prüft sie nicht. Das bleibt Ihre Aufgabe.

KI-Kompetenz aufbauen oder dazuholen

Für jede Lücke im Kompetenz-Raster gibt es zwei Wege. Sie bauen die Kompetenz im Team auf, mit Training in den Grundlagen: Aufgaben stellen, recherchieren, redigieren, Fakten prüfen. Oder Sie holen sie sich von außen, bei einem Dienstleister, der genau diese Schritte als feste Prüfstationen fährt. Beide Wege setzen dieselben Grundlagen voraus. Beim zweiten sitzen die Content-Spezialisten nur in einem anderen Büro.

In Unternehmen mit KI wird fast überall geschult. Die bessere Frage an die nächste Schulung lautet deshalb: Kommt Ihr Team danach mit sechs Namen aus dem Raum? Dann hat sie gewirkt.

Quellen: Bitkom, „Erstmals nutzt die Mehrheit der Unternehmen KI“, Pressemitteilung, 14.09.2026 · IAB-Kurzbericht 8/2026, Friedrich/Kagerl, „Künstliche Intelligenz in deutschen Betrieben“, 05.05.2026 · GWA KI-Whitepaper 2026, „Der neue Wert“, September 2026, S. 17 · The CMO Survey, Highlights and Insights Report, Spring 2026 · Anthropic, „Agentic coding and persistent returns to expertise“, 16.06.2026 · Dell’Acqua u. a., „The Cybernetic Teammate“, NBER Working Paper 33641, veröffentlicht in Organization Science 2026 · Meta, „Introducing Meta Llama 3“, 18.04.2024 · Verordnung (EU) 2026/1744, Amtsblatt vom 24.07.2026