EU AI Act Art. 4: AI Literacy praktisch umsetzen

Was Art. 4 tatsächlich als Maßstab setzt

Die Vorschrift richtet sich an Anbieter und Betreiber von KI-Systemen. Sie sollen Maßnahmen treffen, damit ihr Personal und andere in ihrem Auftrag mit Betrieb oder Nutzung befasste Personen über ein ausreichendes Niveau an AI Literacy verfügen. Der Gesetzestext nennt dabei technisches Wissen, Erfahrung, Ausbildung und Schulung ebenso wie den Nutzungskontext und die betroffenen Personen oder Gruppen.

Daraus folgt kein einheitlicher Kursumfang für alle Unternehmen. Ein Team, das ein KI-System lediglich für interne Textentwürfe nutzt, braucht andere Inhalte als Verantwortliche, die ein System auswählen, konfigurieren, freigeben oder dessen Ergebnisse für weitreichende Entscheidungen verwenden. Diese Einordnung ist eine operative Anleitung, keine Rechtsberatung im Einzelfall.

Rollen und Nutzungskontexte zuerst unterscheiden

Ein brauchbares Kompetenzmodell beginnt mit der Frage, wer mit einem KI-System in welcher Weise arbeitet. Dabei sollten nicht nur formale Stellenbezeichnungen betrachtet werden. Relevant ist, welche Entscheidungen eine Person aufgrund von KI-Ergebnissen trifft und welche Fehler oder Risiken in ihrer Rolle entstehen können.

Für die Planung genügt zunächst eine übersichtliche Rollenlandkarte. Sie verbindet Personengruppen mit tatsächlichen Anwendungsfällen und macht sichtbar, wo gemeinsame Grundlagen reichen und wo vertiefte Inhalte nötig sind.

• Nutzer: Ergebnisse kritisch prüfen, Eingaben geeignet gestalten und Grenzen erkennen.
• Fachverantwortliche: Anwendungsfall, Arbeitsprozess und Qualitätsmaßstab verantworten.
• Technik und Betrieb: Integration, Zugriffe, Änderungen, Monitoring und Störungen beherrschen.
• Einkauf und Vendor Management: Anbieterangaben, Verträge und Abhängigkeiten einordnen.
• Freigabe und Geschäftsführung: Risiken, Verantwortlichkeiten und Entscheidungskriterien verstehen.

Schulungen an realer Arbeit statt an Tool-Features ausrichten

Eine allgemeine Einführung kann gemeinsame Begriffe schaffen: Was kann das System, was nicht, welche Daten dürfen verwendet werden und wie werden Ergebnisse geprüft? Danach sollten Übungen an die tatsächliche Arbeit anschließen. Wer KI im Kundenservice, in Produktentwicklung oder Testautomatisierung einsetzt, braucht jeweils andere Beispiele und Qualitätskriterien.

Der Nutzungskontext bestimmt auch, welche Fehler besonders besprochen werden müssen. Dazu gehören plausibel wirkende falsche Ausgaben, ungeeignete oder vertrauliche Eingaben, ungeprüfte Übernahme von Ergebnissen und Veränderungen durch neue Modelle oder Funktionen. Ziel ist nicht, jede Person zur Technikexpertin zu machen, sondern sichere und verantwortliche Entscheidungen in der jeweiligen Rolle zu ermöglichen.

• Mit einem echten, freigegebenen Arbeitsbeispiel beginnen.
• Ein gutes und mehrere problematische Ergebnisse gemeinsam bewerten.
• Die konkrete Prüf- und Eskalationsregel für die Rolle anwenden.
• Am Ende eine reale Arbeitsaufgabe inklusive Dokumentation durchführen.

Nachweise dokumentieren, ohne Bürokratie zu erzeugen

Für die operative Organisation sollte nachvollziehbar sein, welche Personengruppen welche Schulung erhalten haben und wie die Inhalte zum Nutzungskontext passen. Dazu können Teilnahme, Inhalte, Datum, Zielgruppe und gegebenenfalls ein praktischer Kompetenznachweis dokumentiert werden. Der genaue rechtliche Erfordernis- und Nachweisrahmen sollte mit den zuständigen Rechts- und Datenschutzstellen geklärt werden.

Dokumentation sollte mit der bestehenden Personal-, Lern- oder Wissensinfrastruktur funktionieren. Entscheidend ist nicht die Anzahl unterschriebener Listen, sondern ob die Organisation zeigen kann, dass Kompetenz gezielt aufgebaut wird und die Inhalte zu den tatsächlich verwendeten Systemen gehören.

AI Literacy als wiederkehrenden Prozess verankern

KI-Systeme, Anwendungsfälle und Arbeitsweisen verändern sich. Eine einmalige Schulung wird deshalb veralten. Neue Funktionen, ein anderer Anbieter oder ein erweiterter Nutzerkreis können zusätzlichen Schulungs- oder Informationsbedarf auslösen. Der Governance-Intake sollte diese Frage bei jeder relevanten Änderung mit aufnehmen.

Ein regelmäßiges KI-Forum mit Teamleitern kann Praxisfragen bündeln und neue Schulungsbedarfe sichtbar machen. In Lucas Mandaten wurde dieses Format mit konkreten Anwendungsfällen und klarer Verantwortung verbunden. So wird AI Literacy nicht als isoliertes Compliance-Thema behandelt, sondern als Bestandteil von Produkt- und Arbeitsqualität.

• Bei neuen Anwendungsfällen den Schulungsbedarf im Intake prüfen.
• Bei wesentlichen System- oder Rollenänderungen Inhalte aktualisieren.
• Praxisfragen und Fehler anonymisiert als Lernmaterial nutzen.
• Verantwortlichkeit für Inhalte, Zielgruppen und Aktualisierung festlegen.