Wir schärfen fleißig nach – und prüfen fast nie

Wie gut arbeiten Menschen tatsächlich mit KI? Anthropic, das Unternehmen hinter Claude, hat das im Februar 2026 gemessen. Grundlage waren 9.830 Unterhaltungen auf Claude.ai aus sieben Tagen im Januar 2026, alle mit mehreren Wortwechseln. Ausgewertet wurde, wie oft Verhaltensweisen aus dem AI-Fluency-Modell vorkommen.

Das Bild ist ziemlich eindeutig:

• In 85,7 % der Unterhaltungen wird nachgeschärft: Antwort lesen, nachfragen, verbessern.
• In 15,8 % wird hinterfragt, ob die Begründung der KI trägt.
• In 8,7 % werden Fakten und Aussagen geprüft, auf die es ankommt.

Nachschärfen ist gut. Unterhaltungen, in denen nachgeschärft wird, zeigen im Schnitt doppelt so viele weitere Kompetenz-Merkmale wie solche ohne (2,67 statt 1,33). Nur verwechseln wir es gern mit Prüfen. Wir feilen am Text, bis er sich richtig anfühlt. Ob er richtig ist, fragen wir selten.

Fairerweise: Das ist eine Anbieter-Studie mit eigenen Nutzer:innen, die eher früh dran sind. Keine repräsentative Stichprobe. Sie erfasst 11 der 24 Verhaltensweisen des Modells und zeigt Zusammenhänge, keine Ursachen. Ein Muster zeigt sie trotzdem. Und das kennst du vermutlich aus dem eigenen Posteingang.

Das 4D-Modell: vier Kompetenzen statt einem Prompt

Hinter dem Begriff steht ein Modell, das keiner der deutschen Ratgeber erwähnt, die bei Google gerade oben stehen. Entwickelt haben es Prof. Rick Dakan (Ringling College of Art and Design) und Prof. Joseph Feller (University College Cork) gemeinsam mit Anthropic. Es ist frei lizenziert und bildet die Grundlage der AI-Fluency-Kurse von Anthropic.

Das Modell beschreibt vier Kompetenzen, die vier D:

Kompetenz	Führungsfrage	Beispiel aus dem Führungsalltag
Delegation	Was darf KI vorbereiten, was entscheiden wir selbst?	KI strukturiert Optionen für eine Strategieentscheidung. Das Führungsteam wägt ab und entscheidet.
Description	Welches Ziel, welcher Kontext, welche Grenzen?	„Drei Entwürfe für die Team-Info, sachlich, ohne Spekulation über offene Entscheidungen.“
Discernment	Stimmt es, fehlt etwas, trägt die Logik?	Zahlen gegen die Quelle prüfen, fehlende Perspektiven ergänzen.
Diligence	Sind Datenschutz, Transparenz und Verantwortung geklärt?	Keine vertraulichen Personaldaten in nicht freigegebene Tools. KI-Anteil offenlegen.

Die vier Kompetenzen stammen aus dem Modell. Führungsfragen und Beispiele sind meine Übersetzung für den Führungsalltag.

Und wo steckt das Prompten? In Description. Also in einem Teil von einer der vier Kompetenzen.

Deshalb greifen reine Prompt-Workshops so oft zu kurz. Sie trainieren, wie man gut fragt. Sie trainieren nicht, was man gar nicht erst abgibt, was man mit der Antwort macht und wer am Ende dafür geradesteht.

AI Fluency, AI Literacy, Prompt Engineering: der Unterschied

Die Begriffe fliegen durcheinander, und eine einheitliche Abgrenzung gibt es in der Literatur nicht. Stanford HAI etwa beschreibt AI Fluency als die Fähigkeit, produktiv und verantwortungsvoll mit KI-Systemen zusammenzuarbeiten, auf Grundlage eines Verständnisses ihrer Fähigkeiten, Grenzen und Folgen. Wie sich das von AI Literacy unterscheidet, sagt die Definition nicht. Hier meine Einordnung:

Begriff	Schwerpunkt	Reicht das?
AI Literacy	KI verstehen: was sie kann, wo sie irrt, welche Risiken es gibt	Als Grundlage ja, für die Arbeit nicht
Prompt Engineering	Aufgaben gut formulieren	Nur ein Ausschnitt von Description
AI Fluency	zuverlässig mit KI arbeiten: abgeben, beschreiben, prüfen, verantworten	Für den Arbeitsalltag ja
KI-Governance	Regeln, Rollen und Freigaben in der Organisation	Rahmen, ersetzt keine Kompetenz

Kurz gesagt: AI Literacy heißt, KI zu verstehen. AI Fluency heißt, mit KI zuverlässig arbeiten zu können.

Je besser das Ergebnis aussieht, desto weniger prüfen wir

Ein Befund aus dem Index ist für Führung besonders unbequem. Er betrifft Unterhaltungen, in denen die KI etwas Fertiges liefert: ein Dokument, eine Präsentation, Code.

Dort beschreiben Nutzer:innen ihre Aufgabe deutlich besser. Sie klären öfter das Ziel (plus 14,7 Prozentpunkte) und nennen häufiger das gewünschte Format (plus 14,5). Gleichzeitig sinkt das Prüfen:

• fehlenden Kontext erkennen: minus 5,2 Prozentpunkte
• Fakten prüfen: minus 3,7 Prozentpunkte
• Begründung hinterfragen: minus 3,1 Prozentpunkte

Je fertiger es aussieht, desto seltener fragen wir nach.

Wie das im Alltag aussieht, zeigt ein Projektstatusbericht.

Ohne AI Fluency: „Schreib den Statusbericht für das Projekt.“ Der Text klingt gut und geht fast unverändert raus.

Mit AI Fluency: Die Projektleitung entscheidet, wofür KI hilft (Struktur, Risiken sammeln) und wofür nicht (die Bewertung des Status). Sie gibt geprüfte Daten und einen klaren Auftrag. Sie prüft den Entwurf gegen Plan und Budget. Und sie verantwortet den Bericht. Nicht die KI.

Ein KI-Ergebnis ist ein Arbeitsstand. Kein Endergebnis.

Warum AI Fluency Führungssache ist

Bei KI-Kompetenz für Führungskräfte denken viele an Tool-Schulungen. Der Blick auf die vier D zeigt etwas anderes: Zwei davon sind keine Anwender-Skills, sondern Führungsentscheidungen.

Delegation fragt, was an KI abgegeben wird und was bewusst beim Menschen bleibt. Diligence fragt, wer geradesteht, wenn ein KI-gestütztes Ergebnis falsch ist, vertrauliche Daten enthält oder nicht offengelegt wurde. Beides lässt sich nicht an die IT weiterreichen.

Dazu kommen zwei Fehlerbilder, die Führung verhindern muss:

• Unterforderung: KI wird nur für Textkosmetik genutzt. Das Potenzial bleibt liegen, weil nie geklärt wurde, wofür sie eigentlich taugt.
• Übervertrauen: KI-Ausgaben werden behandelt, als wären sie geprüft. Genau das Muster aus dem Index.

Und dann ist da die Vorbildwirkung. Leitet eine Führungskraft ein poliertes KI-Papier ungeprüft weiter, lernt das Team daraus eine Regel: Prüfen ist optional. Das steht in keiner Richtlinie. Es wirkt trotzdem.

Die Vorbildwirkung greift auch andersherum. Wer selbst nie sichtbar mit KI arbeitet, hält Nutzende eher für bequem — und bremst damit genau die Nutzung, die er sich wünscht. Warum eingeführte KI oft niemand benutzt, ist inzwischen gut untersucht.

KI ist deshalb weniger eine Technikfrage als ein Spiegel für Führung. Sie zeigt, wie ein Team mit Verantwortung, Zweifel und Qualität umgeht. Nur schneller. Mehr dazu, wie sich Führung im Zeitalter der KI verändert, habe ich an anderer Stelle beschrieben.

Meiner Erfahrung nach braucht es dafür keine Programmierkenntnisse. Ich arbeite täglich mit eigenen KI-Agenten, ohne selbst zu programmieren. Was es braucht, sind genau diese vier D.

AI Act Artikel 4: Die Pflicht ist weicher geworden. Das Problem nicht.

Seit dem 2. Februar 2025 gilt Artikel 4 der europäischen KI-Verordnung. In der ursprünglichen Fassung mussten Anbieter und Betreiber von KI-Systemen Maßnahmen ergreifen, um nach besten Kräften sicherzustellen, dass ihr Personal über ein ausreichendes Maß an KI-Kompetenz verfügt.

Am 27. Juli 2026 wurde der Artikel mit der Verordnung (EU) 2026/1744, dem sogenannten Digital Omnibus, neu gefasst. Seitdem heißt es wörtlich: Anbieter und Betreiber von KI-Systemen „ergreifen Maßnahmen, um die Entwicklung der KI-Kompetenz ihres Personals und anderer Personen zu unterstützen, die in ihrem Auftrag mit dem Betrieb und der Nutzung von KI-Systemen befasst sind“. Und weiter: „Diese Verpflichtung verpflichtet Anbieter oder Betreiber nicht, für irgendeine Person ein bestimmtes Niveau an KI-Kompetenz zu garantieren.“ Kommission und Mitgliedstaaten sollen diese Bemühungen unterstützen, besonders bei kleinen und mittleren Unternehmen.

Juristisch ist das eine Erleichterung. Aus „sicherstellen“ wird „unterstützen“.

Nur verschwindet die Prüflücke aus dem Index nicht per Verordnung. Wird ein KI-Ergebnis ungeprüft weitergegeben und ist falsch, bleibt der Schaden bei dir und deinem Team. Ganz gleich, wie Artikel 4 formuliert ist.

Hinweis: Das ist keine Rechtsberatung. Maßgeblich ist der Originaltext der Verordnung.

Wo steht dein Team? Vier Fragen fürs nächste Meeting

Kein Punkte-Test. Vier Fragen, eine pro D, als Gesprächsanlass:

1. Delegation: Welche Entscheidung haben wir zuletzt von KI vorbereiten lassen, und wer hat am Ende entschieden?
2. Description: Wissen wir, welchen Kontext die KI braucht, bevor wir fragen?
3. Discernment: Wann haben wir zuletzt ein KI-Ergebnis zurückgewiesen, und warum?
4. Diligence: Ist bei uns klar, welche Daten in welches Tool dürfen und wann wir KI-Anteile offenlegen?

Wenn bei Frage drei alle schweigen, habt ihr euren Startpunkt.

Häufige Fragen

Müssen Unternehmen ihre Mitarbeitenden in KI schulen?

Artikel 4 AI Act verlangt seit dem 27. Juli 2026, Maßnahmen zu ergreifen, die die Entwicklung von KI-Kompetenz unterstützen. Eine bestimmte Schulungsform schreibt der Wortlaut nicht vor, ein bestimmtes Niveau pro Person muss nicht garantiert werden. Sinnvoll bleibt es trotzdem: Die Risiken ungeprüfter KI-Ergebnisse regelt keine Verordnung weg.

Wie lernt man AI Fluency?

Am besten an den eigenen Aufgaben, nicht an Lehrbuch-Beispielen. Nimm eine wiederkehrende Aufgabe und geh sie mit den vier D durch: abgeben, beschreiben, prüfen, verantworten. Als Einstieg ist der Kurs „AI Fluency: Framework & Foundations“ der Anthropic Academy frei zugänglich.

Brauchen Führungskräfte selbst AI Fluency oder reicht das Team?

Das Team allein reicht nicht. Delegation und Diligence sind Führungsentscheidungen: was an KI abgegeben wird und wer für das Ergebnis geradesteht. Wer das nicht selbst beurteilen kann, entscheidet über etwas, das andere verstanden haben.

---

AI Fluency ist keine Tool-Frage. Sie entscheidet, ob KI in deinem Team die Arbeit verbessert oder sie nur schneller verpackt.

Also, ehrlich: Welches KI-Ergebnis hast du diese Woche weitergegeben, ohne es wirklich zu prüfen?

Lieber regelmäßig Impulse zu KI und Führung? Hier geht’s zum Newsletter. Wie ich Führungsteams dabei begleite: KI-Fluency für Führungskräfte.

Weiterlesen: KI ist Chefsache – und bleibt trotzdem liegen. Das CEO-Dilemma · KI im Unternehmen einführen — und warum sie keiner nutzt

---

AI supported content.