KI-Kompetenz: Das 4D-Framework

Zugang zu einem KI-Assistenten ist noch keine KI-Kompetenz. Das Framework for AI Fluency benennt vier Kompetenzen, die den Unterschied machen: Delegation, Description, Discernment und Diligence. Zusammen gelesen bilden sie zwei Schleifen: eine strategische, die festlegt, was die KI tun soll und wie das verantwortungsvoll geschieht, und eine taktische aus Beschreiben, Bewerten und Verfeinern, Anfrage für Anfrage.

Vier Kompetenzen, zwei Schleifen: was KI nutzen von gut mit KI arbeiten unterscheidet.

Die meisten Teams haben inzwischen Zugang zu einem leistungsfähigen KI-Assistenten. Weniger erzielen damit verlässlich gute Ergebnisse. Die Antworten gehen am Thema vorbei, die Anfrage lässt sich schwer in Worte fassen, und niemand weiß genau, welche Daten hinein dürfen. Diese Lücke zwischen Zugang und Kompetenz greift das Framework for AI Fluency auf. Wir verwenden die englischen Begriffe des Frameworks, weil sie sich so in Kursen und Literatur wiederfinden.

Drei Arten, mit KI zu arbeiten

Das Framework benennt zuerst, wie Menschen KI tatsächlich nutzen [1][2]:

  • Automation. Die KI erledigt eine klar umrissene Aufgabe nach Ihren Anweisungen, etwa einen Bericht zusammenfassen oder eine E-Mail entwerfen.
  • Augmentation. Sie und die KI bearbeiten eine Aufgabe gemeinsam, als Denkpartner, zum Beispiel wenn Sie eine Argumentation entwickeln oder ein Konzept prüfen.
  • Agency. Sie richten die KI so ein, dass sie selbstständig in Ihrem Auftrag handelt, etwa eingehende Anfragen sortiert und Antworten entwirft.

Keine dieser Arten ist besser als die anderen, und ein Projekt nutzt oft alle drei. Die vier Kompetenzen gelten für jede davon.

Die vier Ds

Jede Kompetenz hat drei Teile. Wer die Teile kennt, kann die Kompetenz lehren und überprüfen [2].

KompetenzDie Frage dahinterDie drei Teile
DelegationWas soll die KI tun, und was bleibt bei mir?Problembewusstsein, Plattformbewusstsein, Aufgabenteilung
DescriptionWie sage ich der KI, was ich brauche?Beschreibung von Produkt, Prozess und Verhalten
DiscernmentIst das Ergebnis gut genug?Bewertung von Produkt, Prozess und Verhalten
DiligenceSetze ich KI verantwortungsvoll ein?Sorgfalt bei Erstellung, Transparenz und Einsatz

Delegation beginnt, bevor überhaupt eine KI beteiligt ist. Problembewusstsein heißt, das eigene Ziel zu kennen und zu wissen, welche Art von Arbeit es erfordert. Plattformbewusstsein heißt zu wissen, was die verfügbaren Systeme können und was nicht. Die Aufgabenteilung ist die bewusste Aufteilung: was automatisiert wird, was gemeinsam entsteht, was ein Agent übernehmen darf und was bei Menschen bleibt, weil es Urteilsvermögen verlangt [2]. Die wirksamsten KI-Nutzer sind zuerst Fachleute und erst dann Delegierende.

Description geht über das Schreiben von Prompts hinaus. Die Produktbeschreibung sagt, was Sie wollen: Kontext, Aufgabe, Format, Zielgruppe. Die Prozessbeschreibung sagt, wie die KI vorgehen soll, etwa in welchen Schritten, mit welchen Daten oder nach welcher Methode. Die Verhaltensbeschreibung legt fest, wie die KI mit Ihnen arbeitet: Ihre Annahmen hinterfragen oder Ihnen folgen, knapp oder ausführlich antworten [2].

Discernment ist Ihre Qualitätskontrolle. Beim Produkt fragen Sie, ob das Ergebnis korrekt, passend und nützlich ist. Beim Prozess prüfen Sie, wie die KI dorthin gekommen ist, und achten auf logische Lücken, Zirkelschlüsse oder das Festbeißen an einem Detail. Beim Verhalten fragen Sie, ob die Zusammenarbeit selbst für Sie funktioniert [2]. Discernment braucht Fachwissen: Beurteilen können Sie nur, was Sie verstehen.

Diligence betrifft die Verantwortung. Sorgfalt bei der Erstellung heißt, Systeme und Daten bewusst zu wählen: Wem gehören die Daten, die Sie eingeben, und wer kann sie danach sehen? Transparenz heißt, gegenüber allen Beteiligten offen zu sagen, welche Rolle die KI gespielt hat. Sorgfalt beim Einsatz heißt, Fakten, Quellen, Verzerrungen und Nutzungsrechte zu prüfen, bevor Sie ein Ergebnis verwenden oder weitergeben, denn die Verantwortung liegt bei Ihnen, nicht bei der KI [2].

Zwei Schleifen statt einer Checkliste

Als Reihenfolge lassen sich die vier Ds leicht lernen. In der Praxis verhalten sie sich anders. Der Kurs Teaching AI Fluency beschreibt eine nützlichere Sicht: zwei Schleifen, die sich ständig gegenseitig beeinflussen [3].

Strategische Schleife: das große Ganze

Delegation → Diligence: Jede Entscheidung über die Arbeitsteilung wirft Fragen der Verantwortung auf.

DelegationWas will ich erreichen, und wie teile ich die Arbeit zwischen Menschen und KI auf?

Taktische Schleife: Anfrage für Anfrage

DescriptionSagen, was Sie brauchen, wie vorzugehen ist und wie die KI mit Ihnen arbeitet.
DiscernmentErgebnis, Vorgehen und Zusammenarbeit prüfen.

Beschreiben, bewerten, verfeinern, wiederholen.

DiligenceWelche Systeme passen zu meinen Pflichten, wer muss es wissen, und kann ich für das Ergebnis einstehen?

Diligence → Delegation: Jede Verpflichtung verändert die Arbeitsteilung.

Die strategische Schleife aus Delegation und Diligence setzt den Rahmen. Die taktische Schleife aus Description und Discernment erledigt darin die Arbeit. Nach den verschachtelten Schleifen im Kurs Teaching AI Fluency von Anthropic [3].

Die strategische Schleife: Delegation und Diligence

In dieser Schleife liegen die großen Entscheidungen: Was wollen wir erreichen, wie teilen wir die Arbeit auf, welche Systeme passen zu unseren Werten und Pflichten, und wie bleibt die Zusammenarbeit verantwortungsvoll [3]? Die Frage verschiebt sich von „Wie nutze ich KI?“ zu „Wie treffe ich gute Entscheidungen über KI?“. Die Schleife läuft in beide Richtungen.

Vorwärts, von Delegation zu Diligence. Angenommen, ein Qualitätsteam möchte eine Zusammenfassung der Lieferantenaudits des vergangenen Jahres. Problembewusstsein: Ziel ist ein Überblick über wiederkehrende Befunde für das Management-Review. Plattformbewusstsein: Welcher freigegebene Assistent kommt gut mit langen Dokumenten zurecht? Aufgabenteilung: Die KI gruppiert und fasst die Befunde zusammen, das Team zieht die Schlussfolgerungen. Jede dieser Entscheidungen wirft sofort Fragen der Sorgfalt auf. Dürfen Lieferantennamen und Auditdetails in dieses System? Wer muss wissen, dass die erste Zusammenfassung von einer KI stammt? Wie prüfen wir, dass jeder Befund der Zusammenfassung tatsächlich in den Auditberichten steht?

Rückwärts, von Diligence zu Delegation. Oft steht die Verpflichtung am Anfang und verändert den Plan [3]. Gilt die Regel, dass vertrauliche Lieferantendaten in der freigegebenen Umgebung des Unternehmens bleiben, ändert sich die Delegation: Die KI arbeitet nur in dieser Umgebung oder nur mit anonymisierten Auszügen, und die Interpretation bleibt bei Menschen. Wer sich verpflichtet, jeden KI-Beitrag zu dokumentieren, weiß genau, wofür er verantwortlich ist, und kann deshalb mit gutem Gewissen mehr Arbeit abgeben.

Der Kern dieser Schleife: Gute Zusammenarbeit fragt nicht nur, was die KI tun kann, sondern was sie tun sollte, mit Blick auf Kontext, Rahmenbedingungen und Folgen [3]. Teams, die so arbeiten, erleben Regeln als Klärung, nicht als Einschränkung.

Die taktische Schleife: Description und Discernment

Hier liegt die Arbeit von Moment zu Moment: Wie formuliere ich dieses konkrete Anliegen, erfüllt das Ergebnis meinen Anspruch, wie verfeinere ich meine Anfrage [3]? Sie beschreiben, bewerten, verfeinern und wiederholen. Die meisten Interaktionen mit KI sind genau solche kleinen Schleifen [2].

Auf beiden Seiten arbeitet die Schleife mit denselben drei Blickwinkeln [3]:

BlickwinkelDescription: was Sie sagenDiscernment: was Sie prüfen
ProduktWas Sie gemeinsam erstellenIst das Ergebnis gut, und was heißt gut inzwischen?
ProzessWie das Problem durchdacht wirdFindet das Vorgehen, was wir allein übersehen würden?
VerhaltenWie die KI mit Ihnen arbeiten sollDient diese Arbeitsweise noch dem Ziel?

Eine typische Produktschleife beginnt breit. „Schreib etwas über Lieferantenqualität“ liefert einen allgemeinen Text. Discernment zeigt, dass er nicht passt, also wird die nächste Beschreibung enger: wiederkehrende Befunde in der Wareneingangsprüfung, für Werksleitungen. Jede Runde verbessert das Ergebnis und schärft Ihr eigenes Bild vom Ziel [3].

Eine Verhaltensschleife funktioniert genauso. Sie bitten die KI etwa, als freundliche, aber strenge Skeptikerin aufzutreten. Discernment zeigt dann, dass die Einwände zu früh kommen, also verfeinern Sie die Anweisung: Halte die Skepsis zurück, bis ich meine ersten Ideen entwickelt habe [3]. Deshalb verabschiedet sich der Kurs von der Idee des perfekten Prompts. Die Qualität entsteht in einem Dialog, der über die Zeit gemeinsamen Kontext aufbaut, nicht durch eine einzelne Anweisung [3].

Wie die beiden Schleifen zusammenpassen

Die strategische Schleife gibt die Richtung vor und baut den Rahmen: was wir erstellen, mit welchem Assistenten und nach welchen Regeln. Die taktische Schleife füllt diesen Rahmen mit der eigentlichen Arbeit [3]. Informationen fließen auch zurück. Discernment kann zeigen, dass das gewählte System nicht zur Aufgabe passt, und schickt Sie zurück zur Delegation. Diligence prägt Description, etwa wenn der Datenschutz verlangt, dass ein Prompt ohne personenbezogene Daten auskommt. Und wer nicht beschreiben kann, was er will, hat meist den Delegationsschritt, das eigene Ziel zu klären, noch nicht abgeschlossen [3].

Was das für Ihr Team bedeutet

Kompetenz entsteht durch Übung, nicht durch einen einzelnen Schulungstag [2]. Vier Gewohnheiten sind ein guter Anfang:

  • Das Ziel klären, bevor ein Werkzeug geöffnet wird. Schreiben Sie auf, woran Sie Erfolg erkennen. Das ist Problembewusstsein, und alles andere baut darauf auf.
  • Qualitätskriterien vorab vereinbaren. Discernment fällt viel leichter, wenn Sie wissen, worauf Sie prüfen, bevor Sie das Ergebnis lesen.
  • Die Sorgfaltsfragen je Anwendungsfall klären. Welche Daten dürfen hinein, wer muss von der KI-Beteiligung wissen, wer prüft und gibt das Ergebnis frei?
  • Ein kurzes Diligence Statement führen. Notieren Sie, welche KI Sie genutzt haben, was sie beigetragen hat und wie Sie geprüft haben. Das macht Ihre Arbeit transparent und die Verantwortung eindeutig [2].

Teams, die so arbeiten, hängen nicht von einer Sammlung kopierter Prompts ab. Sie wissen, warum sie KI für eine Aufgabe einsetzen, wie sie sie steuern und wann sie innehalten und prüfen. Wie sich diese Praxis in einer ganzen Organisation aufbauen lässt, beschreibt Vom KI-Tool zur produktiven Nutzung.

Quellen

  1. Dakan R, Feller J. Framework for AI Fluency: practical overview document. Version 1.1. Ringling College of Art and Design und University College Cork; 13. Januar 2025. ringling.libguides.com
  2. Anthropic. AI Fluency: Framework and Foundations. Anthropic Academy. anthropic.skilljar.com
  3. Anthropic. Teaching AI Fluency. Anthropic Academy. anthropic.skilljar.com

KI - Kompetenz

Wir befähigen Sie und Ihre Mitarbeitenden, KI richtig einzusetzen, zugeschnitten auf Ihre Kenntnisse, Ihre Prozesse und die Werkzeuge Ihres Arbeitsalltags. So wird Ihr Team sicher darin, KI im täglichen Arbeiten wirksam zu nutzen.

Kompetenzgespräch buchen oder schreiben Sie uns

Häufige Fragen

Ist AI Fluency dasselbe wie Prompt Engineering?

Nein. Prompten ist ein Teil von Description. AI Fluency umfasst außerdem die Entscheidung, ob und wie KI überhaupt eingesetzt wird, die Bewertung der Ergebnisse und die Verantwortung für das Resultat [1][2]. Prompt-Tricks veralten zudem mit jedem neuen Modell, die vier Kompetenzen bleiben.

Muss ich die vier Ds in einer festen Reihenfolge durchlaufen?

Nein. Die Reihenfolge von Delegation bis Diligence eignet sich gut zum Lernen. In der echten Arbeit beeinflussen sich die Kompetenzen ständig gegenseitig. Deshalb stellt der Kurs Teaching AI Fluency sie als zwei verbundene Schleifen dar [3].

Ist das Framework an Claude oder Anthropic gebunden?

Nein. Entwickelt haben es Prof. Rick Dakan (Ringling College of Art and Design) und Prof. Joseph Feller (University College Cork), und es gilt für jedes KI-System [1]. Anthropic hat mit den beiden Autoren zwei Kurse dazu erstellt, deren Übungen Claude verwenden [2][3].

Was ist ein Diligence Statement?

Eine kurze Notiz, welche KI-Systeme Sie genutzt haben, was sie beigetragen haben, wie Sie das Ergebnis geprüft haben und dass Sie die Verantwortung für das Endergebnis übernehmen [2]. So werden Transparenz und Sorgfalt beim Einsatz zur festen Gewohnheit.

Womit fange ich im Team an?

Mit dem Problembewusstsein: einem klaren Ziel und einem klaren Bild davon, wie ein gutes Ergebnis aussieht, bevor jemand ein KI-Werkzeug öffnet. Teams, die sich vorab auf Qualitätskriterien einigen, tun sich mit Description und Discernment deutlich leichter, weil sie wissen, was sie verlangen und was sie prüfen.

Weiterlesen