AI Fluency: Die vier Kompetenzen, die entscheiden, ob KI in Ihrem Unternehmen trägt oder Chaos stiftet
Veröffentlicht am 03. September 2026 · Zuletzt aktualisiert am 07. September 2026
Ein Satz, den ich in fast jeder Discovery höre: „Die nutzen das doch schon alle irgendwie.“ Genau da beginnt das Problem. Irgendwie ist keine Kompetenz – es ist Zufall, bei dem die eigenen Kolleg:innen als Versuchskaninchen dienen.
Was in Unternehmen tatsächlich fehlt, ist selten der Wille, KI sinnvoll einzusetzen. Es ist ein gemeinsames Vokabular dafür, was gute Arbeit mit KI überhaupt bedeutet. Genau das liefert das AI-Fluency-Modell von Joe Feller und Rick Dakan, entwickelt in Kooperation mit Anthropic – vier Kompetenzen, die ich mittlerweile in jeder Beratung zum Thema Befähigung einsetze: Delegation, Description, Discernment, Diligence. Was Sie delegieren dürfen. Wie Sie instruieren. Wie Sie Ergebnisse prüfen. Und wer am Ende dafür geradesteht.
Vier Begriffe, ein Zusammenhang: Erst wenn alle vier zusammenspielen, wird aus KI-Nutzung Kompetenz – statt Kontrollverlust mit Ansage. Unten führt jede Kachel direkt zum passenden Abschnitt.
Die vier Kompetenzen im Überblick
Delegation: Welche Aufgaben darf KI in Ihrem Unternehmen übernehmen – und welche nicht?
KI darf übernehmen, was sich klar abgrenzen lässt, dessen Fehler Sie sich leisten können, und wofür am Ende trotzdem ein Mensch geradesteht. Alles andere bleibt vorerst bei Menschen. Diese Unterscheidung heißt im AI-Fluency-Modell von Joe Feller und Rick Dakan, entwickelt in Kooperation mit Anthropic, „Delegation“ – die erste von vier Kompetenzen, die entscheiden, ob KI in einem Unternehmen trägt oder Chaos stiftet.
Delegation ist keine Bauchentscheidung, sondern eine Führungsaufgabe. In der Praxis funktioniert eine einfache Dreiteilung: unkritische Aufgaben (zum Beispiel interne Textentwürfe), bei denen ein Fehler folgenlos bleibt; eingeschränkt geeignete Aufgaben (zum Beispiel Arbeit mit Kundendaten), die eine Prüfschleife brauchen; und Aufgaben, die grundsätzlich beim Menschen bleiben – etwa automatisierte Entscheidungen ohne Kontrolle. Genau diese Einordnung ist einer der vier Bausteine meiner KI-Governance Discovery: die Risikokarte.
Was in der Praxis fehlt, ist selten der Wille zu delegieren – es ist die klare Regel, wer delegieren darf und wonach sich das richtet. Laut McKinsey nennen zwei von drei Unternehmen genau das, Sicherheits- und Risikofragen, als größtes Hindernis beim Skalieren von KI – nicht die Technologie.
Description: Warum die Anweisung über die Qualität des KI-Ergebnisses entscheidet
Ein KI-Ergebnis ist selten schlechter als die Anweisung, die es bekommen hat. Wer vage instruiert, bekommt vage Ergebnisse – und die Verantwortung dafür bleibt trotzdem beim Menschen, der sie freigibt. Im AI-Fluency-Modell von Feller und Dakan heißt diese Fähigkeit „Description“: klar genug zu beschreiben, was man will, damit KI liefern kann, was man tatsächlich braucht.
Für ein Unternehmen ohne eigene Rechts- oder IT-Abteilung heißt das konkret: Description ist keine Frage von Prompting-Tricks, sondern von schriftlich festgehaltenen Erwartungen – an Ton, an Quellen, an das, was nicht erfunden werden darf. Genau diese Erwartungen gehören in die KI-Spielregeln, die ich mit Geschäftsführungen in der KI-Governance Discovery entwerfe: ein kompakter Policy-Entwurf, der Zuständigkeiten und Standards festhält, statt sie dem Zufall einzelner Mitarbeitender zu überlassen.
Description und Discernment – die nächste Kompetenz – gehören zusammen: Wer klar instruiert, bekommt bessere Ergebnisse; wer die Ergebnisse dann auch prüft, merkt, ob die Instruktion gut war. Beides zusammen ist die Grundlage für den produktiven Umgang mit KI im Alltag.
Discernment: Wie Sie erkennen, ob ein KI-Ergebnis brauchbar ist, bevor es beim Kunden landet
Ein KI-Ergebnis ist erst dann brauchbar, wenn jemand mit Fachwissen und Zeitdruck es tatsächlich geprüft hat – nicht, wenn es überzeugend klingt. Diese Prüffähigkeit nennt das AI-Fluency-Modell von Feller und Dakan, entwickelt mit Anthropic, „Discernment“: erkennen, was stimmt, was fehlt und was zu glatt ist, um wahr zu sein.
Bei einer Person mit journalistischem Hintergrund ist das kein neues Konzept, sondern tägliche Praxis: Nichts wird veröffentlicht, das nicht überprüft wurde. Genau dieser Reflex fehlt vielen Teams im Umgang mit KI – nicht aus Nachlässigkeit, sondern weil niemand festgelegt hat, wer prüft, wonach geprüft wird und wo die Grenze zwischen „gut genug für den internen Entwurf“ und „geht raus zum Kunden“ verläuft.
Ohne diese Grenze passiert das, was Unternehmen mit schwacher Governance regelmäßig berichten: KI-Ergebnisse werden zu schnell freigegeben, weil niemand offiziell zuständig ist, sie zu bremsen. Genau diese Zuständigkeit – wer entscheidet, wer eskaliert – ist Teil des KI-Spielregeln-Drafts, den die KI-Governance Discovery liefert.
Diligence: Wer haftet, wenn KI einen Fehler macht – und wie Sie vorsorgen
Wenn KI einen Fehler macht, haftet nicht die KI – es haftet das Unternehmen, in der Regel die Geschäftsführung. Genau deshalb ist „Diligence“, die vierte Kompetenz im AI-Fluency-Modell von Feller und Dakan, entwickelt mit Anthropic, keine Kür, sondern die Kompetenz, die alle anderen erst absichert: verantwortlich bleiben für das, was man delegiert hat.
Der EU AI Act macht das seit Februar 2026 auch formal deutlich: Nach Art. 4 ist die Verantwortung für den KI-Einsatz nicht delegierbar – nicht an die IT, nicht an ein Tool, und schon gar nicht an die KI selbst. Was das für Ihr Unternehmen konkret bedeutet, ist eine Frage für Ihre Rechtsberatung; ich ersetze diese nicht. Was ich liefere, ist die organisatorische Grundlage, auf der Rechtsberatung überhaupt aufsetzen kann: benannte Zuständigkeiten, dokumentierte Entscheidungswege, ein Prüfprozess, der im Zweifel zeigt, dass sorgfältig gehandelt wurde.
Diligence heißt am Ende: Sie können im Zweifel belegen, wer wann worüber entschieden hat. Genau das ist das Ergebnis der priorisierten Maßnahmenliste am Ende der KI-Governance Discovery.