KI-Kompetenz nach Branchen: Warum dieselbe Fallaufgabe im Maschinenbau und in der Steuerberatung nicht funktioniert

Stand: 1. September 2026. Dieser Beitrag ist eine Einordnung aus der Praxis, keine Rechtsberatung.

Ein Maschinenbauer aus Baden-Württemberg, rund 180 Mitarbeitende, ein Beispiel, das so oder ähnlich häufig vorkommt: Im Frühjahr kaufte die Personalabteilung ein E-Learning-Modul ein, 45 Minuten, Abschlussquiz, Zertifikat als PDF, nahezu vollständige Teilnahme. Wenige Wochen später verschickte der Vertriebsleiter ein Angebot mit einer von ChatGPT erfundenen Normbezeichnung. Was hat das Zertifikat also belegt? Dass jemand ein Video zu Ende gesehen hat. Nicht, ob dieselbe Person eine KI-Ausgabe im eigenen Arbeitskontext prüfen, einordnen und korrigieren kann. Genau hier scheitern generische Formate. Artikel 4 EU AI Act gilt seit Februar 2025, seit Anfang August 2026 wird aktiv beaufsichtigt, und die Norm knüpft KI-Kompetenz an Rolle, Kontext und Risiko des konkreten Einsatzes. Ein Modul, das für die Buchhaltung, den technischen Einkauf und die Pflegedienstleitung identisch ist, kann diesen Bezug strukturell nicht herstellen, weil es keine dieser Rollen kennt. Dass nur 11 % der Unternehmen ihre KI-Governance für vollständig ausreichend halten, deutet darauf hin, dass diese Lücke intern längst bekannt ist. Ein belastbarer Nachweis entsteht erst, wenn Mitarbeitende an einer Fallaufgabe aus ihrem eigenen Arbeitsalltag zeigen, wie sie mit KI arbeiten. Die Anforderungen dahinter ordnet unser Leitfaden zur KI-Kompetenz ein.

Was sich zwischen Branchen wirklich unterscheidet: Daten, Risiko, Betroffene

80 % der KI-Investitionen liefern laut Gartner keinen messbaren ROI. Das liegt selten am Modell und fast immer daran, dass die Arbeit, die tatsächlich im Unternehmen anfällt, nie geübt wurde. Eine Fallaufgabe wird von drei Variablen geprägt: dem Ausgangsmaterial, der regulatorischen Fallhöhe einer falschen Antwort und der Frage, wer weiter unten in der Prozesskette betroffen ist. Im Maschinenbau liegen technische Zeichnungen, Serviceberichte und Prüfprotokolle auf dem Tisch, in der Steuerberatung Verträge, Bescheide und Verwaltungsanweisungen. Dasselbe Sprachmodell trifft damit auf völlig unterschiedliche Prüfpflichten, obwohl die Eingabe im Chatfenster oberflächlich ähnlich aussieht.

Der Prompt ist dabei der kleinste Unterschied zwischen den Branchen, die Prüfpflicht der größte. Ein fehlerhafter Textbaustein in einer internen Notiz kostet Zeit. Eine falsche Toleranzangabe in einer Fertigungsfreigabe kostet Ausschuss. Eine unbelegte Aussage in einer Mandantenauskunft kostet Haftung. Genau hier trennt sich Critical Oversight von reiner Bedienkompetenz: Mitarbeitende müssen wissen, an welcher Stelle ihres Ergebnisses ein Beleg zwingend ist und wo eine Plausibilitätsprüfung genügt. Deshalb bilden wir Fallaufgaben entlang echter Arbeitsergebnisse ab und nicht als Wissensfragen mit vier Antwortmöglichkeiten. Wie diese Aufgaben aufgebaut sind, zeigen wir unter Fallaufgaben.

Vier Branchen, vier Fallaufgaben

Maschinenbau: Eine Kundenreklamation zur Spindellagerung liegt unsortiert vor, mit Messprotokoll, Servicebericht und E-Mail-Verlauf. Die Aufgabe lautet, eine strukturierte Fehleranalyse für den Serviceleiter zu erstellen. Das Fehlermuster, das eine Führungskraft erkannt sehen will: Die KI liefert eine plausible Ursache, und der Mitarbeitende übernimmt sie, ohne das Messprotokoll gegenzulesen. Das ist Critical Oversight, und genau das misst eine Fallaufgabe. Steuerberatung und Wirtschaftsprüfung: Ein Mandantenschreiben zu einem unklaren Sachverhalt soll entworfen werden. Das Risiko ist nicht schlechter Stil, sondern ein erfundener Paragraf oder ein veralteter Rechtsstand, souverän formuliert. Wer Mandantenakte, Stichtag und Prüfungsrahmen nicht in den Prompt gibt, scheitert an Domain-Steered Prompting.

Industrievertrieb: Eine öffentliche Ausschreibung liegt vor, Leistungsverzeichnis, Eignungskriterien, Fristen. Die Aufgabe ist die Vorbereitung der Angebotsantwort. Das typische Scheitern: ein generischer Textbaustein, der die Lose nicht trennt und ein Eignungskriterium übergeht. Ein Formfehler kostet hier nicht Qualität, sondern den Auftrag. Personalwesen: Bewerbungen sollen vorsortiert werden, ohne diskriminierende Abkürzungen. Das Fehlermuster ist doppelt, ein Prompt, der nach Lücken im Lebenslauf oder nach Namen filtert, und personenbezogene Daten, die in einem nicht freigegebenen Tool landen. 71 % der Beschäftigten im DACH-Mittelstand nutzen nicht freigegebene KI-Tools, und im Personalbereich ist das der teuerste Ort für Schatten-KI. Strategic Tool Use heißt hier vor allem: die richtige Umgebung wählen, bevor die erste Zeile getippt wird.

Die Konstante: vier Dimensionen, die überall gleich gemessen werden

Wer Fallaufgaben je Branche und Abteilung unterschiedlich zuschneidet, hört schnell den Einwand, am Ende sei nichts mehr vergleichbar. Das Gegenteil ist der Fall, denn unterschiedlich ist nur das Material, nicht der Maßstab. Bewertet werden immer dieselben vier Dimensionen: Strategic Tool Use, Interaction Quality, Critical Oversight und Domain-Steered Prompting. Ob jemand eine Reklamation zur Spindellagerung aufbereitet oder eine unklare Rechnungsabgrenzung prüft, die Fragen bleiben identisch. War der Einsatz eines KI-Werkzeugs an dieser Stelle überhaupt die sinnvolle Entscheidung? Wurde der Dialog mit dem Modell zielgerichtet geführt? Wurden Ergebnisse geprüft statt übernommen? Und ist genug Fachwissen in die Anweisung geflossen, damit das Modell den betrieblichen Kontext trifft? Diese Trennung zwischen Inhalt und Maßstab macht es möglich, eine Fertigungsabteilung und ein Buchhaltungsteam in einem einzigen Nachweis nebeneinanderzustellen. Für die Geschäftsführung entsteht daraus ein Bild, das sich von der Gesamtorganisation bis auf die einzelne Abteilung auflösen lässt, inklusive der Frage, wo Critical Oversight schwach ausgeprägt ist und Schatten-KI deshalb ein reales Risiko bleibt. Und es ist derselbe Maßstab, der die Bemühenspflicht aus Artikel 4 EU AI Act belegbar macht, weil er nicht nur Teilnahme dokumentiert, sondern nachvollziehbar beschreibt, wie im Unternehmen tatsächlich mit KI gearbeitet wird.

Schatten-KI hat in jeder Branche ein anderes Gesicht

Wo genau verlassen unsere Daten eigentlich das Haus? Diese Frage lässt sich nicht pauschal beantworten, weil Schatten-KI kein einheitliches Phänomen ist. In der Konstruktion werden Lastenhefte und Spezifikationen in ein kostenloses Tool kopiert, weil das Umformulieren dort schneller geht als im freigegebenen System. Im Backoffice landen Mandantendaten und Personalunterlagen im privaten Chatverlauf, im Vertrieb sind es Preislisten, Rabattstaffeln und Angebotsentwürfe. Die drei Muster entstehen aus völlig unterschiedlichen Motiven: Zeitdruck, fehlende Alternativen, Unklarheit darüber, was erlaubt ist.

Deshalb wirkt ein einheitliches Verbot selten. 53 % der Unternehmen nennen fehlende KI-Kompetenz als größtes Hindernis, und genau das ist der Kern: Wer nicht beurteilen kann, welche Eingabe unkritisch und welche heikel ist, entscheidet nach Gefühl. Wirksam wird die Gegenmaßnahme erst, wenn beides zusammenkommt, eine technische Umgebung, in der die Arbeit rechtssicher stattfinden kann, und Fallaufgaben, die den branchentypischen Grenzfall tatsächlich abbilden. Der Konstrukteur muss an einem echten Lastenheft entscheiden, was er weitergibt, die Sachbearbeiterin an einem echten Mandantenvorgang. Welche technischen Rahmenbedingungen dafür gelten, also EU-Hosting, Silo-Architektur und DSGVO-Konformität, sollten Sie klären, bevor die erste Fallaufgabe in die Abteilungen geht.

Coaching wirkt erst, wenn es die Sprache der Abteilung spricht

Vergleichen Sie zwei Rückmeldungen auf dieselbe schwache Bearbeitung. Die erste lautet: "Geben Sie mehr Kontext an und formulieren Sie Ihre Anweisung präziser." Die zweite lautet: "Sie haben das Messprotokoll nicht in den Prompt gegeben, deshalb bleibt die Ursachenhypothese unbelegt. In einer 8D-Systematik gehören Toleranzabweichung und Prüfmittel in Schritt D4, und die Modellantwort muss gegen den Servicebericht geprüft werden, bevor sie an den Kunden geht." Beide Hinweise sind fachlich nicht falsch, aber nur der zweite verändert am nächsten Montag das Verhalten. Deshalb schreiben wir Musterlösung, Beleg und Tipp je Branche und Rolle neu, statt einen generischen Feedbacktext über alle Fallaufgaben zu legen.

Hier liegt auch die Antwort auf den bekanntesten Einwand gegen KI-Programme: 80 % der KI-Investitionen liefern laut Gartner keinen messbaren ROI. Wer nur Lizenzen verteilt und Teilnahmequoten zählt, hat keine Grundlage, um das zu widerlegen, weil nie erhoben wurde, wie gut vorher gearbeitet wurde. Wer dagegen dieselbe branchennahe Fallaufgabe vor dem Coaching und einige Wochen danach bearbeiten lässt, sieht die Veränderung in den vier Dimensionen, typischerweise zuerst bei Domain-Steered Prompting und Critical Oversight. Genau diesen Ablauf, Abgabe, Beleg, Musterlösung, Tipp, bildet unsere Plattform ab; wie er im Detail aussieht, zeigt die Seite zum Coaching. Aus "wir haben geschult" wird damit eine Aussage, die Sie gegenüber der Geschäftsführung, in Ausschreibungen und als Nachweis der Bemühenspflicht nach Artikel 4 EU AI Act verwenden können.

Fazit: ein Nachweis, der Prüfungen standhält

Freitagnachmittag in einem Familienunternehmen mit rund 240 Mitarbeitenden: Der Einkauf meldet, dass ein Großkunde im Lieferantenfragebogen erstmals nach dem Stand der KI-Kompetenz fragt. Zwei Wochen später will der Wirtschaftsprüfer dieselbe Frage beantwortet haben. Die Geschäftsführung öffnet den Ordner mit den Schulungsnachweisen und findet Teilnahmelisten, aber keine Aussage darüber, wie gut mit Copilot oder ChatGPT tatsächlich gearbeitet wird. Diese Lücke schließen branchenspezifische Fallaufgaben: Die Aufgabe stammt aus dem Arbeitsalltag der jeweiligen Abteilung, bewertet wird sie entlang der immer gleichen vier Dimensionen Strategic Tool Use, Interaction Quality, Critical Oversight und Domain-Steered Prompting.

Dass dieser Weg trägt, hat auch einen regulatorischen Grund. Mit dem Digital Omnibus vom 27. Juli 2026 wurde aus der Erfolgspflicht eine Bemühenspflicht: Es kommt darauf an, systematisch und nachvollziehbar am Kompetenzaufbau zu arbeiten und das belegen zu können. Artikel 4 EU AI Act gilt seit Februar 2025, aktiv beaufsichtigt wird seit Anfang August 2026, und nur 11 % der Unternehmen halten ihre KI-Governance derzeit für vollständig ausreichend. Wenn Sie wissen möchten, wo Ihr Unternehmen zwischen Teilnahmeliste und belastbarem Nachweis steht, gibt unser Selbstcheck mit 8 Fragen in 3 Minuten einen ersten Anhaltspunkt.