KI-Kompetenz

Als KI-Kompetenz werden Fähigkeiten bezeichnet, die einer Einzelperson ermöglichen, KI-Technologien kritisch zu bewerten, mit KI effektiv zu kommunizieren und zusammenzuarbeiten und KI online, zu Hause und am Arbeitsplatz als Hilfsmittel zu nutzen. Nach Artikel 3 Nr. 56 der europäischen KI-Verordnung ist KI-Kompetenz definiert als „die Fähigkeiten, die Kenntnisse und das Verständnis, die es Anbietern, Betreibern und Betroffenen unter Berücksichtigung ihrer jeweiligen Rechte und Pflichten im Rahmen dieser Verordnung ermöglichen, KI-Systeme sachkundig einzusetzen sowie sich der Chancen und Risiken von KI und möglicher Schäden, die sie verursachen kann, bewusst zu werden.“

Künstliche Intelligenz wird in verschiedenen Anwendungen eingesetzt, darunter in Selbstfahrenden Kraftfahrzeugen, intelligenten persönlichen Assistenten oder in Generativen KI-Modellen. Nutzende dieser Anwendungen sollten in der Lage sein, informierte Entscheidungen zu treffen.

Mit dem Aufkommen der Chatbots ist KI-Kompetenz zu einem Thema im Bildungsbereich geworden. Sie wird von einigen für Schüler und Studierende als unerlässlich angesehen, während andere die Verwendung von KI für Hausarbeiten einschränken oder verbieten, da sie den Einsatz als eine Form akademischer Unredlichkeit betrachten. Von verschiedenen Institutionen wie beispielsweise dem Weltwirtschaftsforum wird KI-Kompetenz als Kernkompetenz für den Bildungsbereich bezeichnet.

Kompetenzbereiche

Bereich Hochschule

In der Hochschulforschung werden KI-Kompetenzen in verschiedene Bereiche unterteilt:

  • Wissen über KI: faktenbezogenes Wissen zu technischen Funktionsprinzipien (z. B. Funktionslogik großer Sprachmodelle, Halluzinationen, fehlende tagesaktuelle Daten)
  • Anwendungskompetenz: das zielgerichtete und situationsangemessene Bedienen von KI-Systemen, wie etwa das Formulieren und Anpassen von Prompts sowie die Überprüfung von Ergebnissen.
  • Metakognitive Kompetenz konzentriert sich auf die Fähigkeit, Grenzen, Risiken und Zuverlässigkeit von KI kritisch einzuschätzen.

Die Arbeitsgruppe Digitale Medien und Hochschuldidaktik der Deutschen Gesellschaft für Hochschuldidaktik (dghd) hat in Kooperation mit der Gesellschaft für Medien in der Wissenschaft eine Handreichung zur Entwicklung von KI-Kompetenz veröffentlicht, in der neben den grundlegenden Kompetenzen Lernziele formuliert werden, die Gegenstand in Hochschulen und Schulen sein sollten. Unterschieden werden

  • Technologische Kompetenzen
    • Wissen über KI
    • Handeln mit KI
  • Rechtliche Kompetenzen
  • Ethische Kompetenzen.

An Hochschulen sollen demnach Lehrende die Basiskompetenzen auf ihre Lehre übertragen und auf die Anforderungen in ihrer Fachkultur anpassen.

Bereich Schule

Für den Bereich Schule haben die Europäische Kommission und die Organisation für wirtschaftliche Zusammenarbeit und Entwicklung (OECD) zusammen mit Code.org im Mai 2025 einen Entwurf für einen KI-Kompetenzrahmen veröffentlicht, den AILit-Rahmen für die Primar- und Sekundarschulbildung (engl. AILit Framework). Die Bereiche Wissen, Fertigkeiten und Haltungen (Knowledge, Skills, and Attitudes) bilden die Grundlage des KI-Rahmens. Es werden außerdem vier Handlungsfelder von KI-Kompetenzen definiert:

  1. Interaktion mit KI,
  2. Kreieren mit KI,
  3. KI verwalten und
  4. KI designen. Diesen vier Handlungsfeldern werden 22 Kompetenzen zugeordnet.

Rechtliche Umsetzung

Artikel 4 der europäischen Verordnung über künstliche Intelligenz (KI-VO) schafft dem 2. Februar seit 2025 die Verpflichtung für Anbieter und Betreiber von KI-Systemen, Maßnahmen zu ergreifen, dass alle Personen, die in ihrem Auftrag KI-Systeme betreiben oder nutzen, hinreichend KI-kompetent sind. Diese Verpflichtung verpflichtet Anbieter oder Betreiber nicht, für irgendeine Person ein bestimmtes Niveau an KI-Kompetenz zu garantieren.

Da viele Arbeitgeber der Verpflichtung, KI-Schulungen für Beschäftigte bereitzustellen, bislang nur zögerlich nachkommen, empfiehlt der Stifterverband für die Deutsche Wissenschaft Unternehmen, intern zunächst den Führungskräften und geeigneten Multiplikatoren KI-Kompetenzen zu vermitteln, KI-Communitys aufzubauen oder Möglichkeiten zum „Job-Shadowing“ (Lernen am Arbeitsplatz) zu schaffen sowie unternehmensintern digitale Lernwelten mit KI-Lernassistenten und „KI-Playgrounds“ zu etablieren.

Messung von KI-Kompetenz

Zur Erfassung von KI-Kompetenz wurden sowohl Selbstbeurteilungsverfahren als auch leistungsbasierte Testverfahren entwickelt. Selbstberichtsskalen wie SNAIL oder MAILS erfassen subjektiv eingeschätzte Kenntnisse, Anwendungsfähigkeiten, kritische Bewertung und ethisch-rechtliche Orientierung. Neuere Verfahren versuchen stärker, KI-Kompetenz objektiv oder leistungsbezogen zu messen, insbesondere im Umgang mit generativer KI. Dazu zählen etwa der Generative AI Literacy Assessment Test (GLAT) und die AI Competency Objective Scale (AICOS). Ein systematischer Überblick von 2024 weist darauf hin, dass sich vorhandene Instrumente hinsichtlich Zielgruppe, Konstruktverständnis und Validierungsstand deutlich unterscheiden und dass insbesondere kulturvergleichende Validierung, Messfehleranalysen und kriteriumsbezogene Validierung noch unzureichend entwickelt sind.

Zur Erfassung von KI-Kompetenz wurden verschiedene Skalen und Testverfahren entwickelt, z. B.:

Ein systematischer Überblicksartikel von 2024 weist darauf hin, dass sich vorhandene Instrumente hinsichtlich Zielgruppe, Konstruktverständnis und Validierungsstand deutlich unterscheiden.

Siehe auch