AI Reality Check 2026: AI-Literacy statt AI-Theater. KI nutzen statt spielen.

Unternehmen stellen Mitarbeitenden die besten KI-Tools am Markt zur Verfügung und beobachten anschließend, dass diese kaum genutzt werden. Genau hier liegt der Ausgangspunkt des Problems. Nicht in der Technologie. Sondern im Umgang damit.

In der neuen Episode der EFS Podcast-Miniserie „AI Reality Check 2026“ sprechen Irene Racher und Ralph Zlabinger über einen Begriff, der oft verwendet, aber selten wirklich verstanden wird: AI Literacy. Sie machen klar: wer heute nur Tools einführt, ohne Kompetenzen aufzubauen, wird weder produktiver noch wettbewerbsfähiger, sondern schafft vor allem eines: Frustration.

Der blinde Fleck der KI-Transformation

Während die Nutzung von KI rasant steigt, bleibt die Kompetenzaufbau der Mitarbeitenden massiv zurück. Viele Organisationen investieren in Lizenzen, aber nicht in Schulungen und Kompetenzen. Das Ergebnis ist ein gefährliches Ungleichgewicht zwischen technologischem Fortschritt und tatsächlicher Anwendung im Job.

Zusätzlich dazu ist seit Februar 2025 AI Literacy durch den EU AI Act nicht mehr optional. Unternehmen sind verpflichtet, sicherzustellen, dass Mitarbeitende KI kompetent einsetzen können. „Wer das ignoriert, handelt nicht nur strategisch fahrlässig, sondern auch rechtswidrig“ - Ralph Zlabinger, EFS AI Program Lead.

Mehr als Prompting: Was echte AI Literacy ausmacht

In dieser Episode wird mit einem zentralen Missverständnis aufgeräumt: AI Literacy ist kein Synonym für „mit ChatGPT umgehen können“; stattdessen beschreibt sie fundamentale Fähigkeiten.

Im Mittelpunkt steht das sogenannte KI-Literacy-Heptagon. Ein Modell mit sieben Dimensionen, die zusammen echte KI-Kompetenz ausmachen. Von technischem Grundverständnis über Anwendungskompetenz und kritisches Denken bis hin zu rechtlichen, ethischen und gesellschaftlichen Fragen. 

Wie AI Literacy aufgebaut wird

Es steht fest: AI Litercy allein reicht nicht aus. 

Irene Racher und Ralph Zlabinger sprechen in dieser Folge bewusst über einen systematischen Ansatz, statt alleinstehende KI-Schulungen. AI Literacy wird als strategisches Fundament verstanden, das alle Bereiche eines Unternehmens betrifft. Aufgrund dessen empfehlen sie eine strukturierte Vorgehensweise, die fünf klare Schritte beinhaltet. Erfolgreiche Beispiele zeigen: Erst wenn Training, Organisation und Technologie zusammenspielen, entsteht echter Mehrwert.

Für wen diese Folge besonders relevant ist

·      Führungskräfte und Entscheidungsträger:innen

·      HR- und Learning-Verantwortliche

·      Transformations- und Innovations-Teams

·      Fachbereiche, die KI praktisch einsetzen wollen

·      Und alle, die KI nicht nur nutzen, sondern verstehen möchten

Wir wünschen viel Freude beim Hören!

 Haben Sie Fragen zum Thema Künstliche Intelligenz? Schreiben Sie uns gerne eine E-Mail an podcast@efs.at

Quellen, Links & Recherche:

https://efs.consulting/insights/podcast/artificial-intelligence/ai-literacy-statt-ai-theater/

Transcript

00;00;00 - 00;00;32 

Stellt euch vor, euer Unternehmen kauft für alle Mitarbeitenden ein hochwertiges Musikinstrument. Jeder bekommt eine Geige. Schönes Gerät. Teuer. In bester Absicht. Aber, es gibt keine Noten. Keinen Unterricht. Keine Erklärung, wozu die Geige eigentlich gut sein soll. Die meisten legen sie in die Ecke. Ein paar Mutige kratzen drauflos. Und eine Handvoll Leute – die vorher zufällig schon Geige gespielt haben – steigern ihre Performance plötzlich enorm. Das ist der aktuelle Stand der KI-Einführung in den meisten Unternehmen.  

00;00;32 - 00;00;48

Genau. Deshalb ist die KI-Nutzung am Arbeitsplatz ist in zwei Jahren um 337 Prozent gestiegen. Aber gleichzeitig sagen fast 80 Prozent der Arbeitnehmer:innen, sie fühlen sich nicht bereit, KI bei der Arbeit einzusetzen. Und über die Hälfte haben von ihren Arbeitgeber:innen noch nie ein KI-Training erhalten.

00;00;48 - 00;01;17

Wir kaufen die Instrumente, aber wir geben keine Noten und keinen Unterricht. Und dann wundern wir uns, warum kein Orchester entsteht. Willkommen zu Episode 3 des EFS-Podcasts. Ich bin Irene Racher und ich bin Ralph Zlabinger. Und heute sprechen wir über das Thema, das wir allen Unternehmen wirklich sehr ans Herz legen möchten: AI Literacy. Was es wirklich bedeutet. Und warum es über Wettbewerbsfähigkeit entscheidet. Und auch wie eine konkrete Roadmap dorthin aussehen kann.

00;01;18 - 00;01;57

Bevor wir jetzt in die Tiefe gehen, ein kurzer Reality-Check. Seit dem 2. Februar 2025 ist AI Literacy keine freiwillige Initiative mehr. Sie ist gesetzlich vorgeschrieben. Der EU AI Act - Artikel 4 - verpflichtet Unternehmen ausdrücklich, nur Mitarbeitende mit KI-Systemen arbeiten zu lassen, die nachweislich über ausreichende KI-Kompetenz verfügen. Der Gesetzgeber definiert das so: AI Literacy sind die Fähigkeiten, Kenntnisse und das Verständnis, die es ermöglichen, KI-Systeme sachkundig einzusetzen sowie sich der Risiken und Chancen bewusst zu werden. Praktisch heißt das: Wer Mitarbeitende mit KI-Tools arbeiten lässt, ohne sie dafür zu befähigen, handelt seit Februar 2025 nicht mehr nur strategisch fahrlässig. Er handelt sogar rechtswidrig.

00;01;57 - 00;02;16

Speziell in Österreich nutzen laut einer Studie aus Herbst 2024 nur 13 Prozent der Unternehmen KI regelmäßig. Fast die Hälfte hat keine Absicht, überhaupt damit anzufangen. Wir halten das für eine gefährliche Lücke zwischen dem, was regulatorisch und wirtschaftlich gerade passiert und dem, was in vielen Unternehmen tatsächlich ankommt. 

00;02;16 - 00;02;40

Aber das eigentliche Problem ist nicht die Adoption an sich. Es ist das, was danach kommt… oder eben nicht kommt. Die Nachfrage nach KI-Kompetenz in Stellenanzeigen ist in zwei Jahren um das Siebenfache gestiegen - schneller als jede andere Fähigkeit. Gleichzeitig gibt fast die Hälfte der befragten Führungskräfte an, dass ihre Mitarbeitenden die nötigen Skills schlicht nicht haben. Wir haben ein massives Missverhältnis zwischen dem Tempo der Technologie und dem Tempo des Lernens.

00;02;40  - 00;03;03

Bevor wir aber über Lösungen sprechen, schauen wir uns zuerst an: Was ist AI Literacy überhaupt? Weil die meisten, die den Begriff verwenden, damit unterschiedliche Dinge meinen. Für manche ist es: Kann jemand mit ChatGPT umgehen? Für andere: Hat jemand einen Prompting-Workshop besucht? Für wieder andere: Versteht jemand, wie ein Large Language Model technisch funktioniert? Alle drei Antworten greifen zu kurz.

00;03;03 - 00;03;42

Ein Forschungsteam hat 2026 27 bestehende Studien zu AI Literacy systematisch analysiert und daraus ein Modell destilliert. Das sogenannte KI-Literacy-Heptagon: sieben Dimensionen, die zusammen echte KI-Kompetenz ausmachen. 

Gehen wir das Modell kurz durch: Erstens: Technisches Grundverständnis. Wie funktioniert KI? Was sind ihre Prinzipien? Zweitens: Anwendungskompetenz. Kann ich KI-Tools effektiv in meiner Arbeit einsetzen? Kann ich einen guten Prompt formulieren? Drittens: Kritisches Denken. Kann ich KI-Outputs bewerten? Erkenne ich, wann etwas falsch oder unvollständig ist? Viertens: Integrationskompetenz. Kann ich KI in bestehende Arbeitsabläufe wirklich einbinden und eben nicht nur herumprobieren? 

00;03;42 - 00;04;09

Fünftens: Und das ist der überraschende Befund der Studie: Rechtliches und regulatorisches Wissen. EU AI Act, DSGVO, Urheberrecht im KI-Kontext. Diese Dimension tauchte in nur 2 von 27 analysierten Studien auf - obwohl sie längst gelebte Realität ist. Sechstens: Ethisches Bewusstsein. Welche Verantwortung trage ich beim Einsatz? Und siebtens: Verständnis gesellschaftlicher Auswirkungen. Was macht KI mit Arbeitswelt, Demokratie, Ungleichheit?

00;04;09 - 00;04;26

Das Heptagon definiert vier Kompetenzstufen - von „nicht bewusst" über „Einsteiger:innen" und „Fortgeschrittene" bis zu „Expert:innen". Und die relevante Frage für Unternehmen ist nicht: haben wir AI Literacy oder nicht? Sondern: auf welcher Stufe steht welche Rolle und wo müssen wir hin?

00;04;26 - 00;04;35

Das ist auch der Grund, warum ein zweistündiger Prompting-Workshop keine AI Literacy erzeugt. Er ist vielleicht, wenn gut gemacht, Stufe eins. Ein Einstieg, aber mehr auch nicht.

00;04;35 - 00;04;57

Erinnert euch an das Solow-Paradoxon aus Episode 1. KI ist überall, nur nicht in den Produktivitätsdaten. Wir haben jetzt einen Namen dafür, warum das so ist. Es heißt der Deployment Gap. Die Lücke zwischen dem, was eine Technologie in der Isolation kann und dem, was sie tatsächlich leistet, wenn sie in reale Workflows, Genehmigungsketten, Berichtsstrukturen und Anreizsysteme eingebettet wird.  

00;04;57 - 00;05;30

Computer haben die Produktivität von Büros nicht verbessert, bis Organisationen ihre Prozesse rund um das neu designt haben, was Computer möglich machen. Der Widerstand kam nicht von Mitarbeitenden, die die Technologie nicht lernen konnten. Er kam von Managementstrukturen, die keinen Anreiz hatten, sich zu verändern - also Entscheidungen zu dezentralisieren, Bürokratie zu reduzieren, Management-Instrumente anzupassen. 

Die Schreibkraft konnte Textverarbeitung in einer Woche lernen. Den Schreibpool abzuschaffen und die Arbeit neu zu verteilen? Das dauerte ein Jahrzehnt, bis die PCs in den Händen der Mitarbeiter:innen ihr Potenzial wirklich entfalten konnten.

00;05;30 - 00;06;05

Und etwas können wir auch vom letzten großen Transformations-Hype lernen, der mittlerweile an Fahrt verloren hat: die Agile-Transformation. Organisationen haben viel investiert. Tools eingeführt: Jira, Sprints, Daily Standups. Aber ohne die Machtstrukturen, Entscheidungsrechte oder Anreizsysteme zu verändern, die bestimmten, wie Arbeit wirklich floss. Das Ergebnis: oft unbeabsichtigt verstärkte Bürokratie und ein agiles Theater. Hauptsache die Rituale werden durchgeführt, aber die Organisation arbeitet exakt so weiter wie vorher. Deshalb jetzt – Vorsicht vor dem AI-Theater.

00;06;05 - 00;06;29

Auf der anderen Seite zeigen die Daten sehr deutlich, was möglich ist, wenn man es richtig macht. Laut dem State of AI-Report 2025 sind Unternehmen, die tatsächlich Gewinne durch KI verzeichnen, dreimal häufiger jene, die Workflows fundamental neu gestaltet haben - statt KI einfach auf bestehende Prozesse draufzulegen. Von den sogenannten AI High Performers gestalten 55 Prozent ihre Workflows grundlegend um. Bei allen anderen sind es nur 20 Prozent. 

00;06;29 - 00;06;53

Was heißt das jetzt „Prozesse neu zu gestalten“?  Das ist wie bei der Transformation in der Automobilindustrie. Zuerst hat man gesagt: Jetzt bauen wir elektrische Autos. Wir nehmen einfach einen Verbrenner Motor und ersetzen ihn mit einem elektrischen Motor. Aber natürlich ist es der viel bessere Weg ein Auto gleich grundlegend darauf hinzuoptimieren elektrisch zu sein. Dann ist die ganze innere Architektur anders. Das ist eine schöne Metapher, um zu erklären, wie man auch die Prozesse im Unternehmen umgestalten muss. 

00;06;53 - 00;07;14

Die kritische Variable ist also nicht Zugang zu KI. Es ist das Training, kombiniert mit der organisationalen Erlaubnis, Workflows wirklich zu verändern. Und das bringt uns zur vielleicht wichtigsten These dieser Episode: Das Produktivitätsparadoxon ist kein Technologieproblem. Es ist ein Trainings- und Organisationsdesign-Problem.

00;07;14 - 00;07;39

Daher müssen wir jetzt über etwas sprechen, das in keinem Tool-Rollout-Plan steht. Und das trotzdem über Erfolg oder Scheitern entscheidet. Die Angst. Nicht die Angst vor der Technologie. Sondern die Angst vor dem, was die Technologie bedeutet. Für die eigene Rolle. Für den eigenen Status. Für die eigene Relevanz. Denn das ist meistens der Hauptgrund warum Organisationen die Transformation so schwerfällt. Sie beginnt beim Einzelnen und bei der Einzelnen, die sich gegen diese Transformation währen – und das oft aus gutem Grund. 

00;07;39 - 00;07;49

In unserer Beratungspraxis sehen wir das immer wieder – und ich finde es wichtig, das klar zu benennen: Es gibt zwei grundlegend unterschiedliche Blockaden, die unterschiedliche Antworten brauchen. 

00;07;49 - 00;08;16

Die erste ist die Mindset-Blockade. Sie tritt bei Schlüsselpersonen der KI-Transformation auf, also bei erfahrenen Führungskräften, bei hochqualifizierten Fachexpert:innen. Der Widerstand entsteht nicht aus Unwissenheit, sondern aus Unsicherheit und Sorge vor Relevanzverlust. Hier helfen keine Schulungen. Hier helfen keine Top-down-Ansagen. Hier braucht es Kulturarbeit, psychologische Sicherheit und den Aufbau von fördernden Rahmenbedingungen. 

00;08;16 - 00;08;27

Die zweite ist die Literacy-Lücke in der breiten Belegschaft. Hier fehlt das fachlich-technische Fundament. Hier braucht es Enablement, das Berührungsängste abbaut und konkretes Handwerkszeug für den Arbeitsalltag vermittelt.

00;08;27 - 00;09;10

Und dann gibt es noch eine dritte Dimension, die wir in Episode 1 bereits angesprochen haben – das Chatbot-Paradoxon. Lass mich es nochmal in Erinnerung rufen. KI ist kein Experte für den Laien. Sie ist ein Junior für den Experten/die Expertin. Wer weiß, was er will, wird durch KI massiv produktiver. Wer es nicht weiß, bekommt von der KI Honig ums Maul geschmiert – klingt clever und korrekt, ist inhaltlich, aber falsch, auch wenn es nur knapp daneben ist. Und wer das Fachwissen nicht hat, merkt es dann oft nicht einmal. 

Das Ergebnis bei ungesteuertem Einsatz: eine interne Zweiklassengesellschaft. Die Power User steigen exponentiell, in ihrer Performance. Der Rest stagniert, oder lässt sich E-Mails zusammenfassen oder Dokumenten besser formatierten.

00;09;10 - 00;09;28

Ok gut. Wir wissen jetzt, warum AI Literacy so wichtig ist. Wir wissen, welche Hindernisse im Weg stehen. Jetzt kommen wir zum Teil, der mich persönlich am meisten interessiert: Wie sieht eine echte Roadmap aus? Ich fange mit unserem eigenen Zielbild an – weil ich glaube, dass es einen Rahmen gibt, der hilft, das Chaos zu ordnen.

00;09;28 - 00;09;44

Das Zielbild, das wir bei EFS entwickelt haben, beschreibt AI Literacy nicht als einzelne Kompetenz, sondern als Fundament, auf dem alle KI-Fähigkeiten im Unternehmen je nach Funktion aufbauen müssen. Wir gehen dabei davon aus, dass jede Organisation in sechs Funktionsbereiche aufgeteilt werden kann. 

00;09;44 - 00;09;56

Es gibt erstens Strategie & Steuerung, das sind die Manager, die müssen die Capabilities und das Portfolio des Unternehmens ständig weiterentwickeln. Das heißt sie müssen ab jetzt auch diese KI Ebene dabei berücksichtigen.

00;09;56 - 00;10;08

Dann gibt es Nutzung & Enablement, das sind die Anwender bzw. der Fachbereiche in den Unternehmen. Also einfach die einzelnen Nutzer, die mit KI umgehen müssen, die sie nutzen sollen und die natürlich dazu befähigt werden müssen. 

00;10;08 - 00;10;26

Dann gibt es auf Ebene 3 Betrieb & Pflege, das umfasst also die Knowledge-Base Pflege, also Data Governance und Quality Assurance durch die Nutzer selber. Durch die Domänen für die Daten die im Hintergrund sind, verantwortlich sind und dafür sorgen müssen dass diese Daten eben gepflegt, aufgeräumt sind und genutzt werden können.

00;10;26 - 00;10;52

Dann gibt es Use Case und Context als nächste Ebene. Das ist die Entwicklung der einzelnen Domäne, also nicht auf Gesamtunternehmens-Ebene, sondern auf Domänen oder Abteilungs- oder Fachbereichsebene. Das heißt, das ist der Fachbereich, der sich überlegen muss, wie er seine Prozesse immer weiterentwickeln und optimieren kann. Und das beschreiben muss, in Form von Anforderungen, und das wiederum quasi mit der IT abstimmen muss, die diese Prozesse dann umsetzen muss… diese neuen durch Digitalisierung, Automatisierung oder wie auch immer. 

00;10;52 - 00;11;15

Auf Ebene fünf sind wir auf der Plattform Ebene. Das ist die Infrastruktur, die durch die IT bereitgestellt werden muss, damit eben der Fachbereich selbst oder eben andere Nutzer oder ausführende IT arbeiten können mit KI. Und dann, auf der letzten Ebene Ebene sechs, geht es um die Umsetzung. Das ist derzeit die IT oder eben ein Zulieferer, also sei es Internet oder Externer, der tatsächlich neue Lösungen implementiert.

00;11;15 - 00;11;36

Könnte auch bei Level zwei Use Cases, die wir schon erwähnt haben, der Fachbereich selber sein, der in einer AI Suite selbst arbeitet, ohne Unterstützung der IT. Man sieht also, es gibt diese Funktionen, die das Unternehmen hat und alle diese Funktionen müssen im Zeitalter von KI etwas Neues lernen. Wie gesagt, sie müssen lernen, technisch mit KI umzugehen. Sie müssen lernen, KI einzuplanen in ihre Strategien.

00;11;36 - 00;11;55

Sie müssen lernen, Infrastruktur zur Verfügung zu stellen. Das heißt, alle müssen eine andere Form der AI Literacy oder andere Aspekte davon lernen. Und deshalb ist eben AI Literacy nicht nur ein simpler Begriff, sondern eine ein großer weiter Bogen, der auf verschiedenste Arten verstanden, begriffen und implementiert werden muss.

00;11;55 - 00;12;33

Wichtig ist dabei zu verstehen, dass AI Literacy allein nicht ausreicht. Zur Wiederholung:  Neben AI Literacy, also den Capabilities, braucht es auch noch AI Governance - die organisatorische Einbettung in Prozesse, Standards und Regeln. Und Mindset & Culture, das ist die Bereitschaft der Belegschaft, diese Transformation mitzutragen. Keine KI-first Organisation kann ohne dieses Fundament funktionieren. Man kann keine Strategie entwickeln, wenn die Menschen nicht verstehen, was KI kann. Es hat keinen Sinn, Use Cases zu entwickeln, wenn unklar ist, wie man sie implementiert. Und man kann kein System betreiben, wenn die Belegschaft nicht offen und bereit dafür ist.

00;12;33 - 00;12;53

Und wie fängt man konkret an? Aus unserer Projekterfahrung empfehlen wir eine strukturierte Abfolge in fünf Schritten.Erstens: Diagnose. Wo stehen wir wirklich? Was sind die echten Blockaden, nicht die offiziellen, sondern die, die in Einzelgesprächen und Beobachtungen auftauchen? Welche Schatten-IT gibt es? Welche operativen Schmerzpunkte? Welche Befindlichkeiten in der Belegschaft?

00;12;53 - 00;13;16

Zweitens: Programmdesign. Nicht eine Schulung für alle. Sondern rollenspezifische Lernpfade, für Führungskräfte, für das mittlere Management, für die operative Ebene, für die IT. Unterschiedliche Tiefen, dieselbe Richtung natürlich. Drittens: Pilotierung. Drei bis vier Teams. Echte Anwendungsfälle. Feedback-Schleifen. Nicht fragen „hat der Pilot funktioniert", sondern „was lernen wir daraus für die Zukunft/ Skalierung?" 

00;13;16 - 00;13;43

Viertens: Skalierung. AI Champions ausbilden, interne Botschafter, die als erste Ansprechpartner:innen für Fragen dienen. KPI-Strukturen aufbauen. In Lernplattformen integrieren. Und fünftens - und das ist der entscheidende Punkt: Nachhaltige Verankerung. AI Literacy ist kein einmaliges Schulungsevent. Es ist ein kontinuierlicher Prozess. Mit regelmäßigen Updates, Communities of Practice, und dem bewussten Entschluss, KI nicht als Projekt zu behandeln, sondern als Standard-Betriebsmodell.

00;13;43 - 00;14;12

Was Amazon aus dem Training von zwei Millionen Menschen gelernt hat, bestätigt genau diesen Ansatz. Amazon hatte das Ziel, bis 2025 zwei Millionen Menschen KI-Kompetenz zu vermitteln und war Ende 2024, ein Jahr früher, bereits dort. Ihre wichtigste Lektion: Der meistgebuchte Kurs war kein technischer Kurs. Es war ein Einführungskurs für alle Erfahrungsstufen. Und Training muss parallel zur Produktentwicklung entstehen, nicht danach. Nur so können Mitarbeitende schnell echten Mehrwert liefern.

00;14;12 - 00;14;30

Wir sehen, dass war nicht nur ein Pilotprojekt sondern eine unternehmensweite Transformation. Das bezweifelt auch niemand. Was aber trotz solcher Beispiele als Frage immer wieder auftaucht: Wie messen wir eigentlich, ob wirklich AI Literacy aufgebaut wird? Es kann ja nicht nur daran festgemacht werden, dass viele Schulungen besucht wurden.

00;14;30 - 00;14;47

Genau. Und dazu gibt es auch eine Studie. Laut State of Enterprise AI 2025 geben 81 Prozent der Führungskräfte an, dass KI-Investitionen für sie schwer zu quantifizieren sind. Weitere 79 Prozent sagen, dass unkontrollierte KI-Budgets zu einem echten Buchhaltungsproblem werden.

00;14;47 - 00;15;05

Das Problem beginnt damit, was gemessen wird. Die meisten Unternehmen messen Nutzung. Wer hat sich wie oft in ein KI-Tool eingeloggt? Wie viele Lizenzen sind aktiv? Wie viele Tokens wurden verbrannt? Das sind zwar coole Daten, aber ein wirklicher Erkenntnisgewinn liegt nicht darin. Es braucht daher einen anderen Ansatz. Es braucht den richtigen Messdreiklang sozusagen.

00;15;05 - 00;15;29

Erstens: Utilization, also Nutzung. Wer nutzt KI und wer noch nicht? Das ist die Grundlage, aber nur der Anfang. Zweitens: Proficiency, also Kompetenz. Wie gut wird KI genutzt? Hier empfiehlt Larridin, Mitarbeitende in drei Kategorien einzuteilen: Einsteiger, die mit grundlegendem Prompting kämpfen. Fortgeschrittene, die KI für Standardaufgaben einsetzen. Und Experten, die messbare operative Effizienzgewinne erzielen. 

00;15;29 - 00;15;49

Drittens: Value, also Geschäftswert. Welchen konkreten Beitrag erzeugt die KI-Nutzung? Eingesparte Stunden, verbesserte Qualität, kürzere Zykluszeiten, KPI-Erreichung. Nur dieser Dreiklang zusammen zeigt, ob AI Literacy wirklich aufgebaut wird oder ob man nur Lizenzen verwaltet und einfach die Komplexitität im Unternehmen erhöht.

00;15;49 - 00;16;27

Was nehmen wir also mit? KI nimmt uns nicht das Denken ab. Aber sie zwingt uns, schärfer zu denken. Besser zu fragen. Kritischer zu prüfen. Und bewusster zu entscheiden, wo wir die Kontrolle behalten wollen. Und hilft uns natürlich dabei, hoffentlich besser zu arbeiten, schneller zu arbeiten, qualitativer zu arbeiten. Das Ziel ist nicht, alle zu KI-Expert:innen zu machen. Das Ziel ist, alle zu kompetenten und kritischen Nutzenden zu machen. Je nach Funktion im Unternehmen. Zur Erinnerung: KI Kompetenz/AI Literacy bedeutet jeweils etwas anderes, je nachdem ob man zum Beispiel Nutzer oder Manager ist, ob man im Business oder im IT Prozess des Unternehmens arbeitet.

00;16;27 - 00;16;52

Der EU AI Act hat eine Pflicht geschaffen. Aber er hat auch eine Chance benannt. AI Literacy ist die Investition, die sich am meisten lohnt. Nicht weil es eine Vorschrift gibt. Sondern weil die Lücke zwischen AI-fluenten und nicht-fluenten Mitarbeitenden wächst. Weil AI-Theater – das Aufführen von KI-Initiativen ohne echte Transformation – erkennbar wird. Und weil jene Organisationen, die die Organisationsarbeit gemacht haben, bereits vorne liegen.

00;16;52 - 00;17;10

Wer noch mehr über das Thema EU AI Act wissen möchte, EFS Consulting hat einen Leitfaden geschrieben, der sich proaktiv mit der zukünftigen Verordnung auseinandersetzt und einen kleinen Überblick sowie praktische Leitlinien für die KI Compliance bietet. Ihr findet den Link in unseren Shownotes.

00;17;10 - 00;17;34

Die Hausaufgabe für diese Woche ist konkret: Stellt euch drei Fragen. Erstens: Auf welcher Kompetenzstufen befinden sich eure Mitarbeitenden – ehrlich? Zweitens: Ist den verschiedenen Funktionen in der Organisation klar, welche Form von AI Literacy sie anstreben müssen? Und drittens: Habt ihr die Erlaubnis gegeben, Workflows wirklich zu verändern und neu zu denken – oder habt ihr nur Tools verteilt? Die Antworten auf diese drei Fragen zeigen euch, wo ihr steht.

00;17;34 - 00;17;55

In der nächsten Episode verlassen wir die Theorie komplett. Wir gehen in die Praxis. Echte Use Cases. Echte Projekte. Echte Zahlen. Aus Procurement, Supply Chain und Contract Management. Und die ehrliche Antwort auf die Frage, die uns in der Beratung am häufigsten gestellt wird: Warum kommen so viele KI-Initiativen nie über den Piloten hinaus – obwohl die Technologie längst bereit wäre?

00;17;56 - 00;18;03

Schaltet wieder ein. Wir sind Irene Racher und Ralph Zlabinger. Danke an unsere Producerin Viktoria Dabrowska und bis zur nächsten Folge.