Die häufigste Sorge, die wir von Geschäftsführern hören, bevor ein KI-Projekt startet: "Machen wir uns damit nicht abhängig von Ihnen?" Die Sorge ist berechtigt. Und die ehrliche Antwort lautet: Wenn der Dienstleister nicht aktiv an seiner eigenen Überflüssigkeit arbeitet, dann ja.
Unser Ziel bei jedem Projekt ist deshalb ein konkretes Enddatum für den externen Support. Null Stunden laufende Unterstützung. Das ist das angestrebte Endziel. Nicht bei jedem Projekt realistisch vom ersten Tag an, aber als Richtung unmissverständlich.
Kompetenzaufbau schlägt Einzellösungen
Die Investition, die den größten Hebel hat, ist nicht eine einzelne KI-Lösung. Es ist die Befähigung der eigenen Mitarbeiter.
Die Parallele zu einer früheren Technologierevolution macht es deutlich: Als Tabellenkalkulationen aufkamen, waren die Unternehmen am erfolgreichsten, die nicht einzelne Kalkulationstools eingekauft haben, sondern ihre Mitarbeiter im Umgang mit Tabellenkalkulation geschult haben. Ein geschulter Mitarbeiter konnte danach dutzende Probleme lösen. Ein eingekauftes Tool löste genau eines.
Mit KI ist es genauso. Wenn ein Unternehmen 10 bis 20 Mitarbeiter in allgemeiner KI-Problemlösungskompetenz schult, entstehen daraus Dutzende von Verbesserungen, die kein externer Dienstleister vorher hätte identifizieren können. Weil nur die eigenen Leute wissen, wo der Schuh wirklich drückt.
Das bedeutet nicht, dass individuelle KI-Lösungen überflüssig sind. Für komplexe Prozesse mit hohem Volumen braucht es maßgeschneiderte Systeme. Aber die Grundkompetenz der Mitarbeiter bildet das Fundament, auf dem alles andere aufbaut.
Der Fachexperte steuert die KI, nicht der IT-Spezialist
Die zentrale Rolle beim internen KI-Kompetenzaufbau hat einen Namen: der Fachexperte, der die KI-Ergebnisse beurteilt und das System verbessert. Diese Person kommt aus der Fachabteilung, nicht aus der IT. Sie braucht keine Programmierkenntnisse und kein KI-Vorwissen. Was sie braucht, ist tiefes Domänenwissen.
Warum? Weil der Engpass bei KI-Systemen nicht die Technologie ist, sondern die fachliche Beurteilung. Wenn ein System eine Antwort generiert, kann nur der Fachexperte beurteilen, ob sie korrekt ist. Der KI-Dienstleister hat diese Domänenkompetenz nicht. Er versteht die Technologie, aber nicht die Feinheiten der Branche, der internen Prozesse, der Kundenerwartungen.
In der Praxis sieht das so aus: Bei einem Unternehmen hat der Vertriebsleiter diese Rolle für vier Wochen übernommen. Er hat die ersten KI-Ergebnisse geprüft, Feedback gegeben und die Anpassungslogik mitentwickelt. Danach konnte das Team eigenständig weiterarbeiten. Die investierte Zeit: anfangs etwa vier Stunden pro Woche, danach rund zwei Stunden. Keine Vollzeitstelle, aber auch keine Nebenbei-Aufgabe. Eine bewusste Investition des Unternehmens in die eigene Kompetenz.
In fünf Stufen zur Eigenständigkeit
Der Kompetenzaufbau folgt einem klaren Pfad. Nicht jeder muss alle Stufen durchlaufen, aber jede Stufe hat einen konkreten Nutzen.
Stufe 1: Verstehen, wie das System Ergebnisse generiert. Die grundlegende Orientierung. Was geht rein, was kommt raus, warum sieht ein Ergebnis so aus und nicht anders?
Stufe 2: Die Rolle der Quellen und des Kontexts verstehen. Wenn ein Ergebnis schlecht ist, liegt es an den Daten, an der Konfiguration oder am Modell? Diese Unterscheidung ist der erste Schritt zur Fehlerdiagnose.
Stufe 3: Den Prompt verstehen. Der Prompt ist die Anweisungsdatei, die das Verhalten des Systems steuert. Wer den Prompt lesen und verstehen kann, weiß, warum das System so reagiert, wie es reagiert.
Stufe 4: Erste eigene Änderungen am Prompt vornehmen. Kleine Anpassungen, die das Ergebnis verbessern. Ein Fachbegriff hinzufügen, eine Formulierungsregel ergänzen, eine Ausnahme definieren.
Stufe 5: Den Prompt eigenständig verwalten und weiterentwickeln. Das Zielniveau. Der Fachexperte kann das System selbstständig an veränderte Anforderungen anpassen, ohne externe Hilfe.
Darüber hinaus gibt es eine sechste, fortgeschrittene Fähigkeit: Bei einem schlechten Ergebnis analysieren können, ob es am Kontext, am Prompt oder an einem technischen Fehler lag, und die Ursache selbstständig beheben. Das ist das Niveau, ab dem ein Unternehmen in der täglichen Arbeit vollständig eigenständig ist.
Die Erfahrung aus mehreren Projekten zeigt: Stufe 1 bis 3 sind in wenigen Tagen erreichbar. Stufe 4 braucht ein bis zwei Wochen praktische Anwendung. Stufe 5 entsteht über einige Wochen durch regelmäßige Nutzung. Interaktive Trainingssessions, in denen gemeinsam an echten Problemen gearbeitet wird, beschleunigen den Prozess erheblich.
60 Prozent als Startpunkt, dann gemeinsam verbessern
Das Enablement-Modell, das sich in der Praxis bewährt hat, folgt einem klaren Muster.
Der Dienstleister liefert die erste Version des Systems, die erfahrungsgemäß etwa 60 Prozent der gewünschten Qualität erreicht. Kein perfektes System, sondern ein funktionierender Startpunkt, der die wichtigsten Fälle abdeckt.
Dann arbeiten Dienstleister und Fachexperte gemeinsam an der Verbesserung. Der Fachexperte sieht, was fehlt, korrigiert, gibt Feedback. Der Dienstleister zeigt, wie die Korrekturen in die Anpassungslogik einfließen. Das ist die Phase, in der der Wissenstransfer stattfindet: nicht durch Schulungsunterlagen, sondern durch gemeinsames Arbeiten am konkreten Problem.
Danach zieht sich der Dienstleister zurück. Auf etwa 10 Prozent Support für die wirklich schwierigen Fälle. Das Ziel: Der Fachexperte denkt "ich passe meinen Prompt an", nicht "ich rufe den Dienstleister an". Das ist der Moment, in dem die interne Kompetenz steht.
Den Prompt dem Fachexperten in die Hand zu geben, funktioniert besser als jede andere Form des Wissenstransfers. Der Fachexperte ist die perfekte Feedbackschleife, weil er die Domäne kennt, die richtige Antwort erkennt und die Verbesserung sofort beurteilen kann.
Drei Kompetenzlevel für die Unabhängigkeitsfrage
Was können Unternehmen realistisch selbst übernehmen und wo bleibt externer Bedarf? Die ehrliche Antwort unterscheidet drei Ebenen.
Level 1: Betrieb und einfache Wartung. Das bestehende System am Laufen halten, Fachlogik über Prompts anpassen, kleinere Probleme erkennen und lösen. Das ist das Level, das jedes Unternehmen realistisch aufbauen kann. Die IT-Abteilung übernimmt die Infrastruktur (Monitoring, Sicherheitsupdates), der Fachexperte die inhaltliche Pflege. Dafür braucht es ein Betriebshandbuch und wenige Übergabesessions.
Level 2: Funktionale Erweiterungen. Neue Anwendungsfälle hinzufügen, Schnittstellen erweitern, das System an veränderte Geschäftsprozesse anpassen. Das erfordert jemanden mit Erfahrung im Bau von KI-Systemen. Für die meisten mittelständischen Unternehmen bedeutet das: entweder eine entsprechende Person einstellen oder weiterhin punktuell extern einkaufen.
Level 3: Architektur und Innovation. Neue Technologien evaluieren, die Gesamtarchitektur weiterentwickeln, grundlegend neue Fähigkeiten erschließen. Das ist die Ebene, auf der ein spezialisierter Dienstleister strukturell besser aufgestellt ist, weil er Vollzeit in der Technologie arbeitet und Erfahrungen über viele Projekte hinweg bündelt.
Die ehrliche Einordnung: Vollständige Unabhängigkeit auf allen drei Levels ist für die meisten Mittelständler weder realistisch noch wirtschaftlich sinnvoll. Level 1 ist das Minimum und erreichbar. Level 2 ist das Ziel für Unternehmen, die KI als Kernkompetenz sehen. Level 3 bleibt für die meisten eine Partnerschaft. Das ist kein Nachteil, sondern eine bewusste Arbeitsteilung: Genauso wie Unternehmen Steuerberater, Rechtsanwälte oder Wirtschaftsprüfer dauerhaft einsetzen, nicht weil sie die Kompetenz nicht aufbauen könnten, sondern weil es wirtschaftlich effizienter ist.
Wissen sichern: Der Prompt ist die beste Dokumentation
Ein häufiger Einwand: Was passiert, wenn der Fachexperte das Unternehmen verlässt? Geht dann das ganze KI-Wissen verloren?
Im Vergleich zur Vor-KI-Zeit ist die Lage besser, nicht schlechter. Ohne KI war das Wissen nur im Kopf der kompetentesten Person. Niemand wusste genau, wie sie die Profiltexte formuliert, warum bestimmte Formulierungen gewählt wurden oder welche Regeln sie implizit anwendet. Dieses Wissen ging bei jedem Jobwechsel verloren.
Jetzt steht es explizit im Prompt: Welche Regeln gelten, welche Ausnahmen es gibt, welche Formulierungen bevorzugt werden, welche vermieden. Was für die KI gut dokumentiert ist, ist auch für den Nachfolger verständlich. Der Prompt ist, fast als Nebeneffekt, die beste Prozessdokumentation, die das Unternehmen je hatte.
Bei größeren Organisationen bilden wir Teams von mehreren Personen aus und erstellen einen dokumentierten Leitfaden. Single Points of Failure werden nicht durch Hoffnung vermieden, sondern durch Struktur.
Meta-Kompetenz statt Zertifikate
Eine letzte, wichtige Unterscheidung: KI-Kompetenz aufzubauen bedeutet nicht, jeden Mitarbeiter in ein spezifisches Tool einzuschulen. Ein Schulungszertifikat für ein bestimmtes KI-System kann in sechs Monaten veraltet sein, weil sich die Technologie schneller bewegt als jeder Lehrplan.
Was bleiben muss, ist die Meta-Fähigkeit: die Fähigkeit, sich auf neue Werkzeuge einzustellen, ihre Stärken und Grenzen einzuschätzen und sie produktiv einzusetzen. Das ist weniger eine Frage des technischen Wissens als eine Frage der Haltung: Neugier, Bereitschaft zum Experimentieren und die Fähigkeit, aus Fehlern zu lernen.
Drei Ebenen der KI-Befähigung können parallel laufen. Eine breite Grundschulung, die alle Mitarbeiter erreicht: Wie funktioniert KI, was kann sie, was kann sie nicht? Dann ein tieferes Enablement für die Fachexperten, die konkrete Systeme betreuen: Prompt-Management, Feedbackschleifen, Qualitätssicherung. Und schließlich eine Transformationsbegleitung für Unternehmen, die ihre Prozesse grundlegend umbauen wollen.
Nicht jedes Unternehmen braucht alle drei Ebenen. Aber jedes Unternehmen braucht zumindest die erste.