Learning by Doing: Wie Unternehmen echte KI-Kompetenz aufbauen

In diesem Artikel geht es um den Aufbau von KI-Kompetenz. Warum ist das wichtig? Mit KI-Kompetenz kann ich die Möglichkeiten von Künstlicher Intelligenz für das eigene Unternehmen erkennen und beurteilen.  Die Ausgangsfrage: Wie wird aus KI-Wissen echte KI-Kompetenz?  Unsere Antwort: Weder reine Schulung noch Beratung reichen. Auch der bloße Einsatz von KI-Tools führt nicht zu KI-Kompetenz. Echte KI-Kompetenz entsteht dort, wo Teams KI selbst erfahren – in ihren eigenen Abläufen, mit ihren eigenen Zielen. Durch Praxis im eigenen Kontext.

Drei Kernaussagen

• Wer KI nur theoretisch lernt, erkennt die Potenziale nicht.
• Der Schlüssel: das Zusammenwirken von Mensch, Methode und Werzeug.
• Ein einfacher Prototyp mit Bordmitteln reicht, um Klarheit zu gewinnen.

Daraus ergibt sich ein anderer Weg als der klassische: keine abstrakte Schulung, kein Beratungskonzept von außen, sondern ein strukturiertes Learning by Doing mit fachlicher Begleitung – im eigenen Betrieb, mit echten Aufgaben, klar begrenztem Aufwand und einer gemeinsamen Auswertung. 

Erfahren Sie, wie aus einer vagen Idee ein konkreter KI-Prototyp wird – und was sich daraus für Ihr Unternehmen ableiten lässt. 

Warum KI-Projekte versanden. Oder gar nicht erst begonnen werden.

Viele Unternehmen starten mit großen Erwartungen – und bleiben in Grundsatzdebatten, Tool-Tests oder Konzeptpapieren stecken. Schulungen werden durchgeführt, Use Cases gesammelt, Strategiepapiere verfasst.  

Was fehlt, ist der Bezug zum konkreten Arbeitsalltag. 

Die Gründe sind strukturell: 

• Die Technik entwickelt sich schneller als die Prozesse. 
• Fachbereiche haben wenig Zeit, sich mit strategischen Fragen zu beschäftigen.
• IT und Management sprechen oft nicht die gleiche Sprache.

Das Ergebnis: KI bleibt abstrakt. Es wird viel über Möglichkeiten gesprochen, aber wenig umgesetzt. Zwischen reiner Neugier („Wir testen mal ChatGPT“) und technologischem Overkill („Wir brauchen erst ein Datenökosystem“) fehlt der pragmatische Zwischenschritt: ein realistischer Praxistest. 

Solange Künstliche Intelligenz nicht im konkreten Kontext erlebt wird, bleibt sie ein Thema für Präsentationen – nicht für den Arbeitsalltag. Und genau daran scheitern viele Projekte: Sie beginnen mit der Vision und enden ohne verwertbare Erfahrung. 

Kombinierte Intelligenz – Künstliche Intelligenz als Entwicklungspartner

Der Ausgangspunkt ist einfach: Fortschritt entsteht nicht durch Technik allein. Sondern durch das Zusammenwirken von Mensch, Methode und Werkzeug. Dieses Prinzip nennen wir: Kombinierte Intelligenz. 

Die Idee dahinter: KI ist kein Ersatz für Denken, sondern ein Verstärker. Doch um diesen Verstärker nutzen zu können, braucht es Struktur. Es braucht einen methodischen Rahmen, der Erfahrung, Wissen und Ziele mit der Technik verbindet. 

In klassischen KI-Projekten bleibt der Mensch oft außen vor. Das ist bei Kombinierter Intelligenz anders: Der Mensch gestaltet und steuert. Die Methode strukturiert. Und die Technik unterstützt dort, wo sie echten Mehrwert bringt. 

Das verändert die Perspektive: KI wird zum Entwicklungspartner.  

Das Ziel: KI so integrieren, dass sie Teil der fachlichen Arbeit wird – nicht ihr Ersatz. Dafür braucht es ein Vorgehen, das realistisch, methodisch klar und ohne Technologieballast funktioniert. 

Learning by Doing: Was passiert konkret? 

Kombinierte Intelligenz ist ein strukturierter Arbeitsprozess. Ziel ist es, eine konkrete Frage mit Hilfe von KI zu bearbeiten – und dabei systematisch herauszufinden, was funktioniert, was fehlt und was möglich ist. 

Der Ablauf besteht aus drei aufeinander aufbauenden Elementen: 

1. Vorgespräch (ca. 90 Minuten): Klärung des Anwendungsfalls, Zielbilds und der verfügbaren Unterlagen. 
2. KI Praxis-Workshops (1–3 halbtägige Termine, je nach Anwendungsfall): Die Teilnehmer strukturieren den Anwendungsfall, bauen gemeinsam eine geeignete Wissensbasis auf – und entwickeln einen funktionierenden Prototypen mit Bordmitteln (z. B. ChatGPT oder NotebookLM). 
3. Test und Bewertung: Der Prototyp wird im Workshop erprobt. Dabei zeigt sich, ob die KI sinnvoll eingesetzt werden kann, wo Grenzen liegen – und wie der nächste Schritt aussieht. 

Das Ergebnis: Am Ende steht ein getesteter Prototyp, der realistische Einschätzungen ermöglicht – und eine fundierte Grundlage für alle weiteren Entscheidungen bietet. 

Dabei gewinnen die Teilnehmer nicht nur Klarheit, sondern auch übertragbares Praxis-Wissen – mit steiler Lernkurve, direkt am eigenen Fall. 

Beispiel aus der Praxis: Der KI-Sachbearbeiter

Wie lässt sich ein komplexes Verwaltungsverfahren mit Hilfe eines einfachen KI-Prototyps testen? Eine niedersächsische Kommune hat es ausprobiert – und Entwässerungsanträge mithilfe von NotebookLM analysiert. 

Der Prozess war typisch für viele Verwaltungsabläufe: Viele Einzeldokumente, Pläne, Formulare, handschriftliche Vermerke, interne Notizen. Ziel war es, zu prüfen, ob eine generative KI in der Lage ist, 

• aus diesen Unterlagen den Bearbeitungsstand zu erkennen, 
• fehlende Informationen zu identifizieren,
• automatisch den nächsten sinnvollen Schritt vorzuschlagen
• und das Verfahren nachvollziehbar zu dokumentieren.

Dazu wurde eine Wissensbasis auf Grundlage realer Unterlagen und interner Erfahrungswerte aufgebaut – ergänzt um Interviews mit Mitarbeitenden. Diese Wissensbasis bildete das Fundament für den Prototypen. 

Die KI konnte: 

• Dokumente auf Vollständigkeit prüfen, 
• handschriftliche Vermerke interpretieren,
• Abnahmestatus und Gebührenbescheide korrekt identifizieren,
• automatische Textentwürfe für Rückfragen oder Genehmigungen erstellen,
• einen Kurzbericht für jedes Verfahren generieren.

Die KI wurde zunächst nicht programmiert, sondern mit Bordmitteln gebaut – rein durch Strukturierung des Wissens und geschickte Modellnutzung. Das Ergebnis war kein Produktivsystem, aber ein belastbarer Beleg: KI kann auch dort helfen, wo vorher Komplexität als unüberwindbares Hindernis galt. 

Für wen sich der Weg lohnt

Kombinierte Intelligenz ist für Organisationen, die keine Zeit und kein Budget für langwierige Strategieprozesse haben – aber einen konkreten Bedarf spüren, erste Schritte mit KI zu gehen. 

Besonders profitieren: 

• Mittelständische Unternehmen, die konkrete Anwendungsfragen haben, aber keine eigene Entwicklungsabteilung 
• Verwaltungen mit komplexen Verfahren, begrenzten IT-Ressourcen und der Notwendigkeit, Fachwissen effizienter zu nutzen
• Fachbereiche, die mehr wollen als Tool-Showcases – und bereit sind, eigene Erfahrungen mit KI zu machen

Entscheidend ist nicht die Größe der Organisation, sondern der Wille, mit echtem Arbeitsmaterial zu arbeiten und sich auf eine konkrete Fragestellung zu konzentrieren. 

Learning by Doing schafft keine künstlichen Testbedingungen, sondern prüft, ob KI unter den gegebenen Voraussetzungen wirklich hilft. Und genau das macht das Verfahren so wertvoll: Es liefert belastbare Grundlagen für die nächsten Schritte – statt allgemeiner Empfehlungen oder abstrakter Konzepte. 

Und wie geht es dann weiter?

Und wie geht es dann weiter? 

Wenn der Prototyp steht, ist ein wesentlicher Teil der Arbeit getan. Er zeigt, ob die KI den Anwendungsfall grundsätzlich bewältigt. Und er zeigt, wie viel Aufwand nötig wäre, um daraus ein dauerhaftes System zu machen. 

Der Prototyp kann unter Umständen bereits eine fertige Lösung sein – je nach Prozess und Datenschutzanforderungen.  

Das bedeutet: Der Prototyp ist keine Spielerei, sondern eine fundierte Entscheidungsgrundlage. Er macht sichtbar, 

• ob es sich lohnt, weiter zu investieren, 
• wo Anpassungen notwendig wären,
• und wer im Team welche Rolle übernehmen könnte.

Je nach Ergebnis kann das nächste Projekt unterschiedlich aussehen: 

• Ausbauen: Ein funktionierender Prototyp wird zur Grundlage für eine robuste Anwendung – etwa durch Integration in bestehende Systeme. 
• Anpassen: Erkenntnisse fließen in einen veränderten Anwendungsfall – z.B. durch Einschränkung des Umfangs oder eine andere Schwerpunktsetzung.
• Verwerfen: Der Prototyp zeigt klar, dass der Fall (noch) nicht KI-tauglich ist – und erspart teure Fehlentscheidungen.

In jedem Fall entsteht ein Lerneffekt, der weit über das Projekt hinausreicht. Denn alle Beteiligten haben nicht nur „etwas über KI gelernt“, sondern selbst mit einer funktionierenden Lösung gearbeitet. 

Fazit: Erst testen, dann investieren

Kombinierte Intelligenz ist kein Schulungsformat und keine klassische Beratung. Es ist ein Arbeitsformat, das Menschen befähigt, KI-Kompetenz aufzubauen – an einem konkreten Fall, mit greifbarem Ergebnis. 

Statt abstrakter Konzepte entsteht echte Erfahrung. Statt technischer Diskussionen ein funktionierender Prototyp. Statt riskanter Investitionen eine fundierte Entscheidungsgrundlage.

Und das Wichtigste: Das Gelernte bleibt – weil es selbst erarbeitet wurde. So wird Künstliche Intelligenz nicht nur verstanden, sondern praktisch nutzbar gemacht. 

Interessiert? Dann sprechen Sie uns an: Wir zeigen Ihnen, wie ein passender Prototyp für Ihre Organisation aussehen kann – im Inhouse-Workshop „Kombinierte Intelligenz“.