KI-Kompetenz für Führungskräfte: vier Entscheidungen, keine Programmierkenntnisse

KI-Kompetenz für Führungskräfte beginnt mit der richtigen Frage

In fast jeder Führungsrunde zum Thema KI fällt derzeit dieselbe Frage, nur in einem Dutzend Varianten: Sollten wir das einsetzen? Sie klingt wie die eigentliche Entscheidung. In Wahrheit ist sie nur die Oberfläche von vier kleineren. „Sollen wir KI nutzen?” wirkt wie eine Technologiefrage: etwas, das man an die Person weiterreicht, die die Tools verantwortet. Doch sobald Sie danach handeln wollen, zerfällt sie in vier deutlich kleinere, deutlich alltäglichere Entscheidungen. Keine davon ist technisch. Es sind Entscheidungen, die Sie ohnehin jede Woche treffen: über Menschen, Arbeit und Urteilsvermögen.

Genau das verdeckt der Hype. KI-Kompetenz für Führungskräfte (die Fähigkeit, gut mit diesen Werkzeugen zu arbeiten) ist eine Führungskompetenz, keine Programmierfähigkeit. Das meiste davon besitzen Sie bereits; es wurde nur nie als eine Reihe wiedererkennbarer Entscheidungen aufgeschrieben. Dieser Beitrag holt das nach. Er nutzt dafür einen fertigen Rahmen, das 4D AI Fluency Framework: Delegation, Description, Discernment, Diligence, auf Deutsch etwa Delegieren, Beschreiben, Beurteilen, Sorgfalt (entwickelt von Rick Dakan vom Ringling College und Joseph Feller vom University College Cork, gemeinsam mit Anthropic, dessen kostenloser AI-Fluency-Kurs das Framework vollständig vermittelt; hier als Denkrahmen genutzt, nicht als Produktempfehlung), und übersetzt jede der vier Kompetenzen in die eigentliche Frage dahinter.

Jede der vier zeigt auf eine Entscheidung, vor der Sie tatsächlich stehen, und zu jeder gehört ein eigener praktischer Begleitartikel in der Serie, die dieser Text eröffnet: kurze, konkrete Stücke mit Übungen, die Ihnen beibringen, die Entscheidung wirklich zu treffen, statt ihr nur zuzunicken. Lesen Sie diesen Beitrag für das Gesamtbild, und folgen Sie dann den einzelnen Strängen in die Praxis.

Frage eins: Was gebe ich aus der Hand – und was behalte ich?

Das ist Delegation, die erste Entscheidung, weil alles Weitere von ihr abhängt. Denkt man die Software weg, bleibt eine Frage, die Sie ständig beantworten: Welche Arbeit mache ich selbst, welche gebe ich ab, und wovon lasse ich unter keinen Umständen die Finger?

Mit Menschen tun Sie das längst. Wer einer Kollegin eine Aufgabe übergibt, gibt weder das Ziel ab noch das Urteil noch die Verantwortung, sondern das Ausführen, und behält das letzte Wort. Ein KI-Agent ist dieselbe Entscheidung mit einer neuen Variablen: Wie viel Leine gebe ich etwas, das schnell ist, unermüdlich, gelegentlich mit voller Überzeugung falsch – und kein Mensch, den ich zur Verantwortung ziehen kann? Die ehrliche Antwort lautet selten „alles” oder „nichts”. Sie ist eine bewusste Aufteilung: Manches läuft automatisiert, manches entsteht gemeinsam, manches bleibt ausschließlich in menschlicher Hand.

Ich sehe das in meiner eigenen Arbeit. Bei einem regulierten Unternehmen, das ich berate, holte nicht die technisch versierteste Person am meisten aus einem Agenten heraus, sondern die Fachkraft, die die Regeln aus dem Effeff kannte. Wir setzten einen Agenten auf die Erstentwürfe routinemäßiger Kundendokumente an, in hoher Stückzahl und mit echten Fristen. Den Unterschied machte eine Expertin, die präzise sagen konnte, welche Vorgabe jeder Entwurf erfüllen muss, und die eine plausibel klingende, aber falsche Antwort auf einen Blick erkannte. Sie hat keine Zeile der Automatisierung geschrieben. Aber ihr gehörte der Maßstab, an dem das Ergebnis gemessen wurde, und dieser Maßstab war die Qualifikation, nicht irgendein Programmieren. Der Agent trug das Volumen; sie behielt das Urteil und die finale Freigabe. Was sich überträgt, ist die Beherrschung der Sache. Das Coden ist es nicht.

Die Entscheidung, die Sie hier treffen lernen: wo in diesem Quartal die Linie verläuft zwischen dem, was Sie delegieren, und dem, was Sie behalten. Der Begleitartikel zur Delegation, What to hand an agent, and what to keep, arbeitet eine echte, jederzeit umkehrbare Aufgabe von Anfang bis Ende durch, damit Sie am Ende ein Gefühl für diese Linie haben statt nur eine Meinung dazu.

Frage zwei: Wie beschreibe ich die Arbeit, damit das Ergebnis stimmt?

Das ist Description, das Beschreiben, und hier entsteht die meiste Enttäuschung mit KI. Viele behandeln diese Werkzeuge wie eine Suchmaske: ein paar Wörter eintippen, fertige Antwort erwarten. Fällt das Ergebnis dann generisch aus, gilt die Technologie als überschätzt. Diese Werkzeuge sind aber keine Suchmasken. Sie sind Mitarbeitende auf Zeit, die exakt das tun, was Sie beschreiben. Ein vager Auftrag erzeugt vage Arbeit. Jedes Mal.

Die Lösung ist keine clevere Formel und kein Geheim-Prompt. Sie ist die Disziplin, mit der Sie eine fähige neue Mitarbeiterin einarbeiten würden: brillant, aber ohne jede Kenntnis Ihres Geschäfts. Sie sagen ihr drei Dinge: was Sie wollen (das Ergebnis, und woran man „gut” erkennt), wie sie vorgehen soll (die Schritte, die Grenzen, die typischen Fallstricke) und welche Art Partner Sie gerade brauchen (den schnellen ersten Entwurf oder das gründliche Gegenüber, das alles hinterfragt). Stimmen diese drei, ändert sich die Qualität der Arbeit grundlegend.

Diese Klarheit ist zugleich der Teil, den Sie nicht auslagern können. Wer Erfolg nicht so beschreiben kann, dass eine kompetente Vertretung ihn erreichen könnte, den rettet kein Werkzeug. Das ist keine Grenze der Technik, sondern die Führungskompetenz selbst, nur geschärft.

Die Entscheidung, die Sie hier treffen lernen: wie aus einem unscharfen Wunsch ein Auftrag wird, der beim ersten Anlauf brauchbare Arbeit liefert. Der Description-Strang ist der tiefste der Serie, denn hier steckt echtes Handwerk: vom einen guten Briefing über stehende Anweisungen, damit Sie Ihre Konventionen nie wiederholen müssen, bis zur Planung eines großen Arbeitspakets, bevor irgendetwas losläuft.

Frage drei: Woran erkenne ich, ob das Ergebnis etwas taugt?

Das ist Discernment, das Beurteilen, und es schützt Sie vor dem teuersten Fehler: überzeugend, flüssig, falsch. KI-Ergebnisse lesen sich auch dann gut, wenn sie nicht stimmen. Der Schliff ist echt; die Richtigkeit vielleicht nicht. Eine Führungskraft, die den Unterschied nicht erkennt oder sich keinen Prüfweg gebaut hat, delegiert nicht. Sie spielt Vabanque.

Beurteilen heißt hier: Urteilsvermögen an drei Stellen, und auch das spiegelt, wie Sie Arbeit ohnehin abnehmen. Stimmt das Ergebnis (korrekt, schlüssig, passend für die Adressaten)? War der Weg solide, oder drehte er sich im Kreis und schmuggelte still eine Idee zurück, die Sie längst verworfen hatten? Und war der Austausch effizient, weder ein Selbstläufer außer Kontrolle noch ein Werkzeug, das Sie durch jeden Schritt tragen müssen? Dafür müssen Sie keinen Code lesen. Sie lesen die Arbeit, wie Sie den Entwurf eines Berufseinsteigers lesen würden: skeptisch, geprüft gegen das, was Sie sicher wissen.

Der praktische Griff: Akzeptieren Sie nie ein bloßes „Fertig”. Lassen Sie die Arbeit sich beweisen: das Ergebnis zeigen, jede Behauptung ohne Quelle markieren, die Zahlen gegenprüfen. Und geben Sie das Resultat frei, nicht die Aktivität. Noch besser: Bauen Sie die Prüfung so ein, dass sie standardmäßig stattfindet.

Die Entscheidung, die Sie hier treffen lernen: KI-Ergebnisse schnell genug zu prüfen, um ihnen zu vertrauen, und gründlich genug, um Fehler zu fangen. Der Discernment-Strang macht daraus eine wiederholbare Routine, einschließlich des wirksamen Musters, eine zweite Instanz mit frischem Blick die erste prüfen zu lassen.

Frage vier: Wie bleibe ich verantwortlich, während es schnell geht?

Das ist Diligence, die Sorgfalt, und sie wird am ehesten übersprungen. Genau deshalb gehört sie auf die Führungsagenda und nicht ins IT-Backlog. Sorgfalt heißt, die Kontrolle über den Kreislauf zu behalten: Welche Daten gehen hinein, wo liegen sie, wer kann sie sehen? Und passt all das zu Ihren Pflichten gegenüber Kunden, Aufsichtsbehörden und den eigenen Leuten? Im europäischen Kontext, in dem der EU AI Act und das Datenschutzrecht den Rahmen setzen, ist das keine Fußnote. Es ist ein stehender Tagesordnungspunkt.

Und es gibt eine zweite, leisere Hälfte, die selten benannt wird: die Fähigkeit behalten. Wer eine Art des Denkens vollständig delegiert und sie selbst nicht mehr übt, verliert sie – persönlich wie im Team. Kompetenz, die in Abhängigkeit umschlägt, ist keine Stärke mehr, sondern ein Risiko. Führungskräfte, die das gut machen, behandeln KI wie ein Elektrowerkzeug: enorm nützlich, bewusst eingesetzt, während die menschliche Fähigkeit daneben gepflegt wird. Das Ziel ist, Urteilsvermögen aufzubauen, nicht, es auszulagern.

Die Entscheidung, die Sie hier treffen lernen: welche Leitplanken Sie setzen, was Sie protokollieren, was Sie freigabepflichtig machen, und wie die Fähigkeiten Ihres Teams scharf bleiben, während die Werkzeuge mehr übernehmen. Der Diligence-Strang behandelt beide Hälften: die Governance, die Sie absichert, und die Praxis, die verhindert, dass Kompetenz zu bloßer Abhängigkeit verkümmert.

Der Einstieg

Zusammen gelesen sind die vier eine einzige Frage, in Folge gestellt: Was gebe ich ab? Wie beschreibe ich es? Wie beurteile ich, was zurückkommt? Wie bleibe ich verantwortlich? Das ist KI-Kompetenz für Führungskräfte: keine Technologie, die man bewertet, sondern vier Entscheidungen, in denen man gut wird. Keine davon verlangt eine Zeile Code. Alle belohnen, was Sie ohnehin gut können: Arbeit klar definieren, die passende Besetzung wählen, Ergebnisse prüfen und für das Resultat geradestehen.

Dieser Beitrag ist der Rahmen. Die Begleitartikel sind der Ort, an dem Sie ihn in Arbeit übersetzen: ein Strang pro Frage, jeder gebaut um eine echte Aufgabe, die Sie noch diese Woche ausprobieren können.

Beginnen Sie mit Delegation, denn die anderen drei ergeben erst Sinn, wenn entschieden ist, was Sie abgeben. Der zugehörige Begleitartikel ist bereits im AI Leadership Journal erschienen: What to hand an agent, and what to keep. Arbeiten Sie ihn durch, und kommen Sie dann zurück zu Description, wo das eigentliche Handwerk beginnt.

Die Kolumne läuft bereits. Auch Discernment ist erschienen (Don’t trust the benchmark. Judge the work.); Description und Diligence folgen. Kommen Sie für jede Folge hierher zurück; diese Seite bleibt die Referenz.

Das AI Leadership Journal schreibt Claudius Gramse. evonomics ist die unabhängige KI-Beratung, die mittelständischen Unternehmen in Europa hilft, KI in die Arbeit zu bringen, die ihr Geschäft tatsächlich trägt – evonomics.eu.