Inhalt
Der häufigste Fehler bei KI-Schulungen ist nicht die Auswahl der Tools, sondern die Annahme, dass alle im Raum dasselbe lernen müssen. Ein halber Tag Tool-Demo für die gesamte Belegschaft erzeugt zuverlässig Begeisterung – und zuverlässig keine Veränderung. Wer will, dass ein Team nach dem Workshop tatsächlich anders arbeitet, braucht drei Dinge: rollenspezifische Inhalte, echte Aufgaben statt Demo-Daten und Artefakte, die den Workshoptag überleben.
Wir schulen Teams in Agenturen, KMU und Softwareentwicklung, und die Muster wiederholen sich mit erstaunlicher Verlässlichkeit. Dieser Beitrag beschreibt, warum die üblichen Formate scheitern, wie ein Programm pro Rolle aussieht, was am Ende auf dem Tisch liegen muss – und wie Sie die Wirkung messen, statt sie zu vermuten.
Warum die meisten KI-Workshops nichts verändern
Vier Fehler erklären fast alle wirkungslosen Schulungen. Sie treten selten einzeln auf.
| Fehler | Was im Workshop passiert | Was danach passiert |
|---|---|---|
| Tool-Tour statt Aufgabe | Der Trainer zeigt, was das Tool kann, an Beispielen des Trainers | Die Teilnehmenden können das Tool bedienen, aber ihre eigene Arbeit nicht damit lösen |
| Eine Schulung für alle Rollen | Inhalte werden so weit verallgemeinert, bis sie für niemanden konkret sind | Jede Rolle wartet auf «ihren» Teil, der nie kommt |
| Keine Artefakte | Es wird viel ausprobiert und nichts gesichert | Am Montag beginnt jede und jeder wieder bei null |
| Kein Follow-up | Der Tag endet mit «meldet euch bei Fragen» | Die ersten echten Fragen entstehen in Woche zwei – und bleiben unbeantwortet |
Dazu kommt ein fünftes Muster, das seltener benannt wird: die unbeantwortete Datenfrage. Wenn niemand verbindlich sagt, welche Kundendaten, Verträge oder Personaldossiers in welches Tool dürfen, entscheidet das jede Person selbst – die vorsichtigen nutzen KI gar nicht, die mutigen laden hoch, was gerade offen ist. Beides ist teuer, das zweite zusätzlich riskant.
KI-Workshops nach Rolle: Agenturen, KMU und Entwickler
Sprachmodelle sind Allzweckwerkzeuge, die Arbeit ist es nicht. Eine Sachbearbeiterin in der Auftragsabwicklung, eine Creative Directorin und ein Backend-Entwickler brauchen dasselbe Fundament – wie Modelle funktionieren, wo sie erfinden, welche Daten hineindürfen – und danach völlig unterschiedliche Anwendungskompetenz. Deshalb arbeiten wir mit drei Programmen.
KI für Agenturen: Volumen ohne Verlust der Handschrift
In Kreativ- und Performance-Teams nutzt fast immer schon jemand GenAI, aber ohne gemeinsame Standards. Das Ergebnis sind Texte, die generisch klingen und in der Redaktion vollständig neu geschrieben werden, sowie Creatives, die technisch sauber und trotzdem austauschbar sind. Der Hebel liegt nicht in besseren Prompts, sondern in einem System.
| Modul | Was konkret entsteht |
|---|---|
| Content-Produktion mit GenAI | Brand-Voice-Prompt pro Kunde, mit echten Referenztexten statt Adjektivlisten |
| Ad Creation & Performance-Creatives | Systematische Ableitung von Winkeln, Hooks und Testvarianten aus einem Angebot |
| Creatives, Bild & Bewegtbild | Konsistente Serien über Formate hinweg, plus Klarheit bei Bildrechten und Kennzeichnung |
| Creative Systems | Prompt-Bibliothek, Brand-Kit mit No-Gos, Pipeline vom Briefing bis zum Asset |
| Qualitätssicherung & Freigaben | Prüf-Gates vor der Kundenfreigabe, Faktencheck-Routine, Umgang mit Halluzinationen |
Die häufigste Sorge in diesem Programm ist der Verlust der Handschrift – und sie ist berechtigt, solange Tonalität nur im Kopf der Senior-Texterin existiert. Sobald sie als System vorliegt, kehrt sich der Effekt um: Der erste Entwurf klingt bereits nach der Marke und wird geschärft statt gerettet. Details im Programm für Agenturen.
KI für KMU: die Stunden, die in Kleinarbeit versickern
In KMU liegt das Potenzial selten im grossen Projekt, sondern in den fünfzig Handgriffen pro Tag: Offerten aus alten Dokumenten zusammenkopieren, Anfragen manuell weiterleiten, Belege abtippen, zum zwanzigsten Mal dieselbe Frage beantworten, Zahlen für die Sitzung aus vier Systemen zusammensuchen. Jeder Fall wirkt zu klein für eine Lösung; in der Summe sind es Tage pro Monat.
| Modul | Was konkret entsteht |
|---|---|
| Prozessautomatisierung | Zwei bis vier lauffähige Automatisierungen, mit Freigabeschritt an den richtigen Stellen |
| Leadgenerierung & Outbound | Zielkundenprofil, Anreicherung, priorisierte Liste, personalisierte Erstansprache |
| KI-Assistent auf eigenem Wissen | Assistent auf Preislisten, Handbüchern und Protokollen – mit Quellenangabe |
| Kundenservice | Automatische Einordnung, Antwortentwürfe, klare Eskalationsregel an den Menschen |
| Analytics & Reporting | Monatliches Reporting, das ohne Handarbeit entsteht und eine Entscheidung vorbereitet |
Der Reihenfolge-Fehler ist hier besonders teuer: Viele Teams starten mit dem sichtbarsten Anwendungsfall statt mit dem lohnendsten. Eine nüchterne Inventur – Häufigkeit mal Dauer mal Fehlerquote – dreht die Prioritätenliste fast immer um. Details im Programm für KMU und in unserem Beitrag dazu, wie viel Zeit KI wirklich spart.
KI für Entwickler: die Rechnung kommt im Review
Entwicklerteams brauchen kein Programm, das ihnen KI erklärt – sie arbeiten längst damit, nur sehr unterschiedlich gut. Typisch sind Prompts, die für ältere Modelle geschrieben wurden und heute Über-Verifikation und aufgeblähte Diffs erzeugen; Sessions mit so vollem Kontext, dass die Qualität kippt; und generierter Code, der plausibel aussieht, Edge Cases verfehlt und im Review die Zeit kostet, die vorne eingespart wurde.
| Modul | Was konkret entsteht |
|---|---|
| Effizient und kostenbewusst coden | Modell- und Effort-Wahl pro Aufgabentyp, Kontextdisziplin, Kosten pro Aufgabe |
| Verifikations-Loops & Tests | Prüfungen, die das Modell selbst ausführt: Testsuite, Build, Linter, Vergleichsskript |
| Komplexe Systeme entwerfen | Spezifikationen, die umsetzbar sind; Planungsschritt vor der Implementierung |
| Deployment & Infrastruktur | IaC und Pipelines mit KI, Incident-Triage – mit harten Leitplanken für Secrets und Rechte |
| Agenten & Sicherheit | Wiederkehrende Arbeit als Automatisierung, plus Prompt-Injection- und Lizenzfragen |
Dass KI erfahrene Entwickler nicht automatisch schneller macht, ist keine Meinung: In einer randomisierten Untersuchung von METR an grossen, den Teilnehmenden vertrauten Open-Source-Repositories brauchten erfahrene Entwicklerinnen und Entwickler mit KI-Unterstützung rund 19 % länger – während sie selbst schätzten, etwa 20 % schneller gewesen zu sein. Genau diese Lücke zwischen Gefühl und Messung ist der Grund, warum dieses Programm auf Review-Zeit, Fehlerquote und Kosten pro Aufgabe schaut statt auf Eindrücke. Grundlagen dazu in Richtig prompten in Claude Code, Details im Programm für Entwickler.
Aufbau eines KI-Workshops, der wirkt
Der Aufbau ist unspektakulär, aber die Reihenfolge und die Zeitverteilung entscheiden. Als Faustregel: etwa 70 % der Zeit sind Übung am eigenen Bildschirm.
| Phase | Anteil | Inhalt |
|---|---|---|
| Vorbereitung (vor dem Tag) | – | Kurzinterviews, Aufgaben-Inventur, Vorkenntnisse abfragen, Fälle sammeln |
| Grundlagen | ca. 15 % | Wie Modelle arbeiten, wo sie erfinden, Aufbau eines guten Prompts, Leitplanken |
| Anwendung an echten Aufgaben | ca. 55 % | Arbeit an den mitgebrachten Fällen, in kleinen Gruppen, mit Begleitung |
| Systematisieren | ca. 20 % | Ergebnisse als Vorlagen sichern, Prompt-Bibliothek anlegen, Prüfschritte definieren |
| Verabreden | ca. 10 % | Wer betreut was, was wird bis wann getestet, wann ist das Review |
| Follow-up (nach 30 Tagen) | – | Messwerte vergleichen, Prompts nachschärfen, nächste Kandidaten wählen |
Zwei Details, die überproportional viel ausmachen. Erstens: Die Fälle kommen von den Teilnehmenden, nicht vom Trainer. Eine Aufgabe, die jemand ohnehin als lästig empfindet, ist der beste Einstieg – auch und gerade bei Skeptikern. Zweitens: Was im Workshop entsteht, wird sofort gesichert. Ein guter Prompt, der nicht in einer geteilten Bibliothek landet, ist am Freitag verloren.
Was ein KI-Workshop als Ergebnis liefern muss
Ein Workshop ohne Artefakte ist ein Event. Diese Liste ist unser Minimum:
- Prompt-Bibliothek an einem Ort, auf den alle zugreifen, mit kurzer Notiz, wofür jeder Prompt gedacht ist.
- Zwei bis vier lauffähige Workflows oder Automatisierungen – produktiv, nicht als Skizze.
- Leitplanken auf einer Seite: welche Daten in welches Tool dürfen, wer prüft, wer gibt frei, was gar nicht in externe Tools gehört.
- Prüf- und Freigabeschritte für die Aufgaben, bei denen ein Fehler nach aussen sichtbar würde.
- Zuständigkeiten: eine oder zwei Personen pro Team, die Ansprechpartner sind und neue Kolleginnen und Kollegen abholen.
- Ein Termin für das Review in 30 Tagen, im Kalender, mit Namen.
KI-Schulung als Pflicht: KI-Kompetenz nach Artikel 4 EU AI Act
Es gibt neben dem betriebswirtschaftlichen auch einen regulatorischen Grund für strukturierte Schulung. Artikel 4 des EU AI Act verpflichtet Anbieter und Betreiber von KI-Systemen zu Massnahmen für die KI-Kompetenz ihres Personals, anwendbar seit dem 2. Februar 2025. Ursprünglich verlangte er ein «ausreichendes Mass» an Kompetenz. Seit dem Digital Omnibus (Verordnung 2026/1744, in Kraft seit 27. Juli 2026) müssen Unternehmen die Entwicklung der KI-Kompetenz unterstützen, aber für niemanden ein bestimmtes Niveau garantieren. Die Pflicht ist weicher geworden, verschwunden ist sie nicht. Der Anwendungsbereich der Verordnung endet nicht an der EU-Aussengrenze: Sie kann Schweizer Unternehmen treffen, die KI-Systeme in der EU anbieten oder deren Ergebnisse dort verwendet werden.
Die Verordnung schreibt keine bestimmte Schulungsform, kein Zertifikat und keine Stundenzahl vor. Die Massnahmen sollen zu Vorwissen, Rolle und Einsatzkontext des Systems passen. Praktisch heisst das: Dokumentieren Sie Teilnehmerkreis, Inhalte und Datum, halten Sie die Inhalte rollenspezifisch, und wiederholen Sie das bei neuen Systemen und neuen Mitarbeitenden. Was der Digital Omnibus sonst verschoben hat, etwa die Hochrisiko-Pflichten auf Dezember 2027, steht im Leitfaden. Mehr dazu in unseren Beiträgen zum EU AI Act für KMU und zu KI und Datenschutz in der Schweiz. Wie Gemeinden und Verwaltungen die KI-Kompetenz ihrer Mitarbeitenden aufbauen, zeigt KI-Schulung in Gemeinde und Verwaltung.
Den Erfolg einer KI-Schulung messen
Feedbackbögen am Workshoptag messen Stimmung, nicht Wirkung. Erheben Sie stattdessen wenige Grössen vorher und nach 30 Tagen erneut:
| Kennzahl | Wie erheben | Warum sie zählt |
|---|---|---|
| Dauer pro Aufgabe | Für drei bis fünf konkrete Aufgaben, vorher und nachher geschätzt oder gestoppt | Die direkteste Übersetzung in Zeit und Geld |
| Häufigkeit pro Woche | Aus dem System oder per Strichliste | Eine seltene Aufgabe zu automatisieren lohnt sich selten |
| Nachbesserungsquote | Anteil der Ergebnisse, die überarbeitet werden müssen | Zeigt, ob Qualität gehalten wird oder Arbeit nur verschoben wurde |
| Aktive Workflows | Wie viele der gebauten Workflows laufen nach 30 Tagen noch | Der ehrlichste Adoptionsindikator |
| Nutzende pro Workflow | Anzahl Personen, die ihn tatsächlich verwenden | Trennt «einer bastelt» von «das Team arbeitet so» |
| Kosten pro Aufgabe | Bei Entwicklerteams: Tokenkosten pro Ticket | Macht Modell- und Effort-Wahl zur bewussten Entscheidung |
Bereits die Erhebung vor dem Workshop hat einen Effekt: Sie zwingt zur Priorisierung und verhindert, dass der sichtbarste Anwendungsfall den lohnendsten verdrängt.
Häufige Fehler bei der Planung von KI-Workshops
| Fehler | Bessere Variante |
|---|---|
| Alle Abteilungen in eine Generalistenschulung | Grundlagen gemeinsam, Anwendung nach Rollen getrennt |
| Workshop mit Demo-Daten des Trainers | Fälle aus dem eigenen Betrieb, vorab eingesammelt |
| Nur die Begeisterten einladen | Bewusst auch Skeptiker – mit einer Aufgabe, die sie selbst nervt |
| Datenfrage «später klären» | Leitplanken im Workshop verbindlich festhalten |
| Kein Termin nach dem Workshop | Review nach 30 Tagen fix im Kalender, mit Messwerten |
| Ein grosser Tag für 40 Personen | Gruppen von 4 bis 12, dafür mehrere Termine |
| Schulung nur einmal | Wiederholung bei neuen Systemen und neuen Mitarbeitenden |
Fazit
Ein KI-Workshop, der wirkt, unterscheidet sich von einem, der verpufft, nicht durch bessere Folien oder ein moderneres Tool. Er unterscheidet sich dadurch, dass die Teilnehmenden an ihren eigenen Aufgaben arbeiten, dass jede Rolle bekommt, was sie tatsächlich braucht, dass am Ende des Tages Prompts, Workflows und Leitplanken auf dem Tisch liegen, und dass jemand in 30 Tagen nachschaut, was davon noch läuft.
Die kürzeste Prüfung für jedes Angebot, das Sie einholen: Lassen Sie sich zeigen, was am Ende des Tages in der Hand des Teams liegt. Wenn die Antwort «Präsentationsunterlagen» lautet, suchen Sie weiter.
Sie überlegen, welches Programm zu Ihrem Team passt? Eine Übersicht über die drei Programme finden Sie unter KI-Workshops & Schulungen – oder sprechen Sie direkt mit uns.
Quellen
- EU AI Act, Artikel 4 – KI-Kompetenz – Pflicht für Anbieter und Betreiber, anwendbar seit 2. Februar 2025, seit Juli 2026 in der abgeschwächten Fassung des Digital Omnibus.
- Europäische Kommission – AI literacy: Fragen und Antworten – Auslegung der Pflicht, keine vorgeschriebene Schulungsform.
- METR – Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity – randomisierte Studie, rund 19 % längere Bearbeitungszeit trotz gegenteiliger Selbsteinschätzung.
- EDÖB – Das revidierte Datenschutzgesetz – Pflichten bei der Bearbeitung von Personendaten in der Schweiz.
- Anthropic – Best practices for Claude Code – Verifikation, Kontext-Management und Planungsschritt in der KI-gestützten Entwicklung.
Über den Autor