TL;DR
Prompting bleibt wichtig. Aber je stärker KI-Systeme vorkonfiguriert, spezialisiert und in Prozesse eingebunden werden, desto weniger muss jeder Mitarbeiter bei jeder Aufgabe neu erklären, was die KI tun soll. Ein Teil dieser Arbeit wandert in die Gestaltung des Systems.
Dadurch verschiebt sich auch die notwendige KI-Kompetenz. Für viele Anwender werden Fragen wichtiger wie: Welches System darf ich für welche Aufgabe einsetzen? Welche Informationen muss ich bereitstellen? Was darf der Agent selbstständig tun? Was muss ich kontrollieren? Wann muss ich eingreifen? Und wofür bleibe ich verantwortlich?
Nicht jeder Mitarbeiter muss deshalb zum kleinen Prompt Engineer werden. Aber Mitarbeiter müssen verstehen, wie Arbeit, Kontrolle und Verantwortung in einem KI-gestützten Prozess verteilt sind.
Prompting war der logische Anfang
Über kaum eine Fähigkeit wurde im Zusammenhang mit generativer KI so viel gesprochen wie über Prompting. Mitarbeiter sollten lernen, präzise Anweisungen zu formulieren, Kontext zu geben, relevante Informationen bereitzustellen und Ergebnisse iterativ zu verbessern.
Das war sinnvoll und bleibt es auch. Wer mit einem allgemeinen KI-System arbeitet, muss die eigene Aufgabe verständlich beschreiben können. Ein guter Prompt kann einen erheblichen Unterschied machen, insbesondere bei offenen, analytischen oder kreativen Aufgaben.
Aber die Arbeitsoberfläche verändert sich. Je stärker KI-Systeme für bestimmte Aufgaben vorkonfiguriert und in Prozesse eingebunden werden, desto weniger muss jeder Nutzer bei jeder Aufgabe neu erklären, was die KI tun soll, welche Regeln gelten und welche Informationen sie verwenden darf. Ein Teil dieser Arbeit wandert in das System.
Damit verändert sich auch die Frage, welche KI-Kompetenzen Mitarbeiter tatsächlich benötigen.
Ein Teil des Promptings findet früher statt
Nehmen wir einen Reklamationsagenten. Ein solcher Agent könnte bereits dafür eingerichtet sein, Reklamationen zu prüfen, bestimmte Datenquellen zu verwenden, definierte Regeln zu berücksichtigen, freigegebene Werkzeuge aufzurufen, bestimmte Prozessschritte vorzubereiten und bei festgelegten Fällen einen Menschen einzubeziehen.
Vielleicht darf er Bestelldaten aus einem ERP-System abrufen und frühere Reklamationen berücksichtigen. Vielleicht darf er eine Antwort vorbereiten, aber keine Gutschrift freigeben. Bei bestimmten Produktgruppen, Beträgen oder Eskalationsstufen muss ein Mitarbeiter übernehmen.
Diese Regeln müssen dann nicht bei jeder Reklamation erneut in einen Prompt geschrieben werden. Sie können bereits bei der Gestaltung des Agenten berücksichtigt worden sein.
Das bedeutet nicht, dass Prompting verschwindet. Der Mitarbeiter muss möglicherweise weiterhin den konkreten Fall beschreiben, zusätzliche Informationen liefern oder eine besondere Fragestellung formulieren. Aber er startet nicht mehr jedes Mal mit einem leeren Chatfenster. Ein Teil dessen, was früher Aufgabe des Anwenders war, wurde vorher festgelegt.
Damit verändern sich die Fragen der Anwender
Für einen Mitarbeiter, der mit einem solchen System arbeitet, wird dann nicht nur wichtig sein, wie er einen möglichst guten Prompt schreibt. Andere Fragen werden mindestens genauso relevant.
Welchen Agenten darf ich für welche Aufgabe einsetzen? Ein Reklamationsagent ist für Reklamationen eingerichtet. Daraus folgt nicht, dass er auch für Lieferantenbewertungen, Vertragsprüfungen oder Personalentscheidungen geeignet ist.
Welche Informationen muss ich ihm geben? Auch ein gut konfiguriertes System kann schlechte Ergebnisse produzieren, wenn wesentliche Informationen fehlen, falsch oder missverständlich sind.
Was darf der Agent selbstständig tun? Es macht einen erheblichen Unterschied, ob ein System einen Textvorschlag erstellt, eine Entscheidung vorbereitet oder tatsächlich eine Aktion in einem anderen System ausführt.
Was muss ich kontrollieren? Ein automatisierter Prozess ist nicht automatisch ein kontrollierter Prozess. Die notwendige Prüfung hängt unter anderem davon ab, welche Folgen ein Fehler hätte und wie zuverlässig das System für die jeweilige Aufgabe arbeitet.
Wann muss ich eingreifen? Mitarbeiter müssen Situationen erkennen können, in denen das System an fachliche, regulatorische oder organisatorische Grenzen kommt.
Diese Fragen haben weniger mit klassischem Prompting zu tun und mehr mit Aufgabe, Prozess, Befugnis, Kontrolle und Verantwortung.
Aus QM-Sicht ist dieser Gedanke gar nicht so neu
Auch bei anderen Prozessen gehen wir nicht davon aus, dass jeder Mitarbeiter alle Regeln bei jeder einzelnen Durchführung neu formuliert. Wir definieren Aufgaben, legen Verantwortlichkeiten und Befugnisse fest, bestimmen benötigte Informationen, richten Kontrollen ein und definieren, was bei Abweichungen passieren soll.
Bei einem KI-gestützten Prozess kommen neue technische Fragen hinzu. Die grundsätzliche Logik ist aber vertraut. Auch ein Agent braucht einen definierten Zweck, geeignete Eingaben und klare Grenzen. Wenn er Aktionen ausführen darf, müssen zudem Berechtigungen und Kontrollmechanismen dazu passen.
Eine Anweisung wie „Der Agent darf keine Reklamationen selbst freigeben“ ist beispielsweise noch keine belastbare Kontrolle, wenn der Agent technisch trotzdem auf die entsprechende Freigabefunktion zugreifen kann. Aus einer Regel wird erst dann eine wirksame Kontrolle, wenn Prozess, Berechtigungen und Systemgestaltung dazu passen.
Das ist ein Punkt, den wir aus Qualitätsmanagement, Compliance und internen Kontrollsystemen längst kennen. Eine dokumentierte Vorgabe allein ist noch kein Nachweis dafür, dass die gewünschte Wirkung tatsächlich erreicht wird.
KI-Kompetenz wird deshalb stärker rollenabhängig
Vielleicht liegt hier eine Schwäche mancher heutiger Schulungsansätze. KI-Kompetenz wird häufig so behandelt, als müssten möglichst alle Mitarbeiter ungefähr dasselbe lernen. Das wird mit zunehmender Integration von KI in Arbeitsprozesse schwieriger.
Ein Mitarbeiter, der einen freigegebenen Agenten in einem klar definierten Prozess nutzt, braucht andere Kenntnisse als jemand, der diesen Agenten entwickelt oder konfiguriert. Für den Anwender könnten vor allem Fähigkeiten wichtig sein wie den Einsatzbereich und die Grenzen des Systems zu verstehen, geeignete Informationen bereitzustellen, Ergebnisse fachlich zu beurteilen, Unsicherheiten und Auffälligkeiten zu erkennen sowie Kontroll- und Eskalationsregeln anzuwenden.
Ein Fachverantwortlicher braucht darüber hinaus möglicherweise Kenntnisse darüber, welche Regeln, Datenquellen und fachlichen Kriterien im System berücksichtigt werden sollen. Wer Agenten entwickelt oder konfiguriert, benötigt wiederum deutlich tiefere Kompetenzen. Dort geht es unter anderem um Instruktionen, Kontext, Datenquellen, Werkzeuge, Berechtigungen, Tests, Guardrails und Monitoring.
Governance-, Compliance- oder Risikofunktionen betrachten noch einmal andere Fragen, etwa Verantwortlichkeiten, Freigaben, Datenschutz, Nachvollziehbarkeit, Änderungen und Kontrollen.
Nicht jeder muss alles können. Entscheidend ist vielmehr, dass klar ist, wer was können muss.
Prompting bleibt Teil davon
Deshalb wäre die Schlussfolgerung „Prompting wird unwichtig“ zu einfach. Bei offenen und wenig standardisierten Aufgaben bleibt es eine wichtige Fähigkeit.
Wer mit einem allgemeinen Chatbot recherchiert, analysiert, Texte entwickelt oder Ideen prüft, profitiert weiterhin davon, Aufgaben sauber zu formulieren und gezielt Kontext bereitzustellen. Auch bei Agenten wird es Situationen geben, in denen zusätzliche Anweisungen notwendig sind.
Der Unterschied liegt eher darin, dass Prompting nicht automatisch die zentrale KI-Kompetenz für jede Rolle sein muss. Bei einem vorkonfigurierten System wurde ein Teil der notwendigen Instruktionen bereits an anderer Stelle festgelegt.
Damit wandert auch ein Teil der Kompetenz weg vom spontanen Formulieren einzelner Prompts und hin zur systematischen Gestaltung von Aufgaben, Kontext, Werkzeugen, Berechtigungen und Kontrollen.
Was bedeutet das für KI-Schulungen?
Prompttrainings abzuschaffen wäre deshalb die falsche Konsequenz. Sinnvoller wäre es, sie in ein breiteres Kompetenzmodell einzuordnen.
Grundlegende Fähigkeiten brauchen wahrscheinlich weiterhin viele Mitarbeiter. Dazu gehören, eine Aufgabe verständlich zu beschreiben, relevante Informationen bereitzustellen, Ergebnisse kritisch zu prüfen, Unsicherheit zu erkennen und sensible Informationen angemessen zu behandeln.
Sobald KI stärker in Prozesse eingebunden wird, kommen weitere Kompetenzen hinzu. Mitarbeiter müssen dann beispielsweise wissen, welches System für welche Aufgabe freigegeben ist, welche Automatisierungs- und Verantwortungsgrenzen gelten, welche Kontrollen notwendig sind, wann eine Eskalation erforderlich ist und welche Rolle die KI im Gesamtprozess übernimmt.
Damit wird KI-Kompetenz weniger zu einer Sammlung von Prompttechniken und stärker zu einer Fähigkeit, KI sinnvoll innerhalb der eigenen Arbeit einzuordnen.
Gerade für Unternehmen ist das ein wichtiger Unterschied. Die Schulungsfrage lautet dann nicht mehr nur: „Welche Prompttechniken sollen alle Mitarbeiter lernen?“ Sondern: „Welche Kompetenzen braucht welche Rolle für den konkreten KI-gestützten Prozess?“
Vielleicht brauchen wir nicht überall kleine Prompt Engineers
Die Vorstellung, dass möglichst jeder Mitarbeiter zum kleinen Prompt Engineer werden sollte, passt vor allem zu einer Arbeitswelt, in der KI aus einem offenen Eingabefeld besteht.
Diese Arbeitswelt wird nicht verschwinden, aber sie bekommt Gesellschaft. Neben allgemeinen Chatbots entstehen spezialisierte Assistenten, Agenten und stärker automatisierte Prozesse. Je mehr Aufgabe, Kontext, Regeln, Datenquellen und Berechtigungen dort bereits definiert sind, desto wichtiger wird eine andere Form von Kompetenz.
Der Mitarbeiter muss dann nicht nur wissen: Wie bekomme ich die KI dazu, das Richtige zu tun?
Er muss auch beurteilen können: Welche Rolle darf die KI in diesem Prozess übernehmen, was muss ich kontrollieren und wofür bleibe ich verantwortlich?
Vielleicht ist das für viele Mitarbeiter die relevantere KI-Kompetenz der nächsten Jahre. Nicht möglichst ausgefeilte Prompts, sondern ein belastbares Verständnis dafür, wie Arbeit, Kontrolle und Verantwortung in einem KI-gestützten Prozess verteilt sind.
Einordnung
Diese Entwicklung bedeutet nicht, dass sich bereits eindeutig absehen lässt, wie stark Agenten offene Chat-Systeme im Arbeitsalltag ersetzen werden. Auch der Begriff „AI Agent“ wird derzeit sehr unterschiedlich verwendet. Zwischen einem vorkonfigurierten Assistenten, einem System mit Werkzeugzugriff und einem weitgehend autonom handelnden Agenten liegen erhebliche Unterschiede.
Für die Kompetenzfrage ist deshalb weniger das Etikett entscheidend als die konkrete Gestaltung des Systems. Relevant ist, welche Aufgabe die KI übernimmt, auf welche Informationen sie zugreifen kann, welche Aktionen sie ausführen darf, welche Grenzen technisch und organisatorisch gesetzt sind, welche Entscheidungen beim Menschen bleiben und welche Kontrollen vorgesehen sind.
Genau aus diesen Fragen sollte sich auch das erforderliche Kompetenzniveau ableiten.
Das passt zudem zur Logik des europäischen AI Act. Art. 4 verlangt Maßnahmen für ein ausreichendes Maß an AI Literacy und berücksichtigt dabei ausdrücklich unter anderem technisches Wissen, Erfahrung, Ausbildung sowie den Nutzungskontext der eingesetzten KI-Systeme.
Auch regulatorisch spricht deshalb wenig dafür, KI-Kompetenz als einheitliches Schulungspaket für alle Mitarbeiter zu behandeln. Sinnvoller ist ein rollen-, risiko- und kontextbezogener Ansatz.
