KI-Schulung für Teams: So planen Sie eine, die wirkt

Eine gute KI-Schulung bringt Mitarbeitenden bei, KI auf ihre eigenen täglichen Aufgaben anzuwenden, die Ergebnisse zu prüfen und gemeinsame Regeln zum Umgang mit Daten einzuhalten. Es geht nicht um eine Tour durch die Werkzeuge. Für die meisten Schweizer Teams passt ein praxisnaher Workshop von einem halben Tag oder weniger, aufgebaut auf echter Arbeit und gefolgt von einem Testlauf mit Messung. Dieser Leitfaden zeigt, wie Sie die Inhalte festlegen, ein Format wählen, die Session durchführen und prüfen, ob sie sich gelohnt hat.

Kurzfassung

• Beginnen Sie mit einer gemeinsamen Grundlage (Grenzen von KI, Ergebnisse prüfen, Datenregeln) und ergänzen Sie danach rollenspezifische Abläufe. Microsoft’s guidance on AI literacy and upskilling zieht dieselbe Linie.
• Erfassen Sie Ihre Lücken, bevor Sie etwas buchen: zwei oder drei Rollen auswählen, bei der Arbeit zuschauen und die Leute fragen, bei welchen Aufgaben sie Unterstützung möchten.
• Ein fokussierter Workshop darf kurz sein. Die Vorlage der ETH Zürich zu generativer KI dauert 180 bis 210 Minuten für 4 bis 12 Personen.
• Halten Sie schriftlich fest, welche Daten in welches Werkzeug dürfen, bevor jemand an echtem Material übt.
• Erheben Sie bei einer echten Aufgabe einen Ausgangswert und vergleichen Sie danach Zeit, Korrekturen und Qualität.

Was eine KI-Schulung für Teams abdecken sollte

Teams verwechseln oft drei Dinge: zu wissen, was KI ist, zu wissen, wie man sie in einer bestimmten Funktion einsetzt, und darauf vorbereitet zu sein, wie sich Rollen verändern. Harvard Business School Online trennt das in KI-Kompetenz (Grundlagen, Fähigkeiten, Governance), rollenbasierte KI-Fertigkeiten (KI auf rollenspezifische Aufgaben anwenden) und Weiterqualifizierung (Vorbereitung auf künftige Rollen). Ein gutes Programm enthält alle drei Ebenen, in dieser Reihenfolge.

Die Basisebene ist die Grundkompetenz. Laut Microsoft’s guidance on AI literacy and upskilling heisst das: die Grenzen von KI kennen, Ergebnisse überprüfen und die Vorgaben zum Umgang mit Daten befolgen. Die Weiterqualifizierung baut darauf auf, mit rollenspezifischen Abläufen, echten Aufgaben, messbarer Wirkung und Qualitätskontrollen.

In der Praxis umfasst eine solide Session meist folgende Inhalte:

• Wie sich generative KI verhält: warum sie überzeugt klingt, wenn sie falsch liegt, und was das für die Prüfung bedeutet.
• Grundlagen des Promptens: Kontext, Ziel und Format vorgeben und dann nachschärfen.
• Schreiben, Redigieren, Recherche und Zusammenfassen: die Aufgaben, die fast alle Büroarbeiten teilen.
• Tabellen und Dateninterpretation: dort erzielen viele Teams in Finanzen, Betrieb und Verkauf die schnellsten Fortschritte.
• Datenschutz und Umgang mit Daten: was niemals in ein Werkzeug gehört.
• Qualitätskontrolle und Eskalation: wer prüft was, und wann entscheidet ein Mensch.

Diese Liste folgt den Modulen aus Coursiv’s 2026 guide to employee AI training. Der D2L guide, angelehnt an das AI Literacy Framework des US-Arbeitsministeriums, kommt auf eine ähnliche Gruppe von fünf Kompetenzen: Grundlagen, Prompt Engineering, Bewertung der Ergebnisse, verantwortungsvolle Nutzung und Anwendungen im Arbeitsalltag.

Ein Punkt geht leicht vergessen: die Sorge der Mitarbeitenden. Go1’s guide führt Veränderungsbereitschaft als Teil wirksamer Schulung auf, also Zeit, um die Angst zu besprechen, KI könnte Menschen ersetzen. Ein verunsichertes Team lernt weniger. Sagen Sie in den ersten zehn Minuten klar, wozu die Schulung dient.

Lücken erkennen, bevor Sie ein Format wählen

Ein Standardkurs bringt allen dasselbe bei, und das verschwendet die Zeit der meisten. Eine kurze Analyse kostet ein paar Tage und zahlt sich aus.

Beginnen Sie mit zwei oder drei Rollen

Der Bericht Work Reimagined report des Conference Board of Canada empfiehlt eine Überprüfung der Aufgabengestaltung. Sie bestimmen zwei bis drei Rollen, in denen KI den Arbeitsalltag bereits verändert hat, mithilfe von Begleitung am Arbeitsplatz und kurzen Interviews. Danach aktualisieren Sie die Stellenprofile, erstellen eine Matrix der Kompetenzlücken, führen kurze, fokussierte Schulungen durch und verfolgen Abschlussquoten und Rückmeldungen, bevor Sie ausweiten.

Bei einem Team von 10 bis 40 Personen könnten das Kundendienst, Marketing und Finanzen sein. Setzen Sie sich in jedem Bereich eine Stunde zu jemandem. Sie sehen dann, wo zwischen Werkzeugen kopiert und eingefügt wird, wo Berichte von Hand neu erstellt werden und wo Leute bereits still und leise KI nutzen.

Fragen Sie das Team, wo es Unterstützung möchte

Eine kurze Umfrage ist besser als Raten. Die DACH needs-assessment template from Sprad, geschrieben für den Schweizer, deutschen und österreichischen Markt, deckt Rolle und Arbeitskontext ab, wie oft jemand KI-Werkzeuge nutzt, wie sicher sich die Person beim Ausprobieren neuer Software fühlt, wie gut sie die Grundlagen versteht und welches ihre drei wichtigsten Aufgaben sind, bei denen KI helfen soll. Diese letzten Antworten sind Gold wert: Sie werden zu Ihren Workshop-Übungen.

Nicht für alle denselben Massstab anlegen

DL Academy argumentiert, der häufigste Fehler sei ein einziger Massstab für die ganze Organisation, und die riskanteste Lücke liege dort, wo das Selbstvertrauen der Fähigkeit vorauseilt. WPMS AI Consulting ergänzt, dass eine einzelne Stelle sowohl risikoarmes Texten als auch risikoreiche Entscheidungsunterstützung enthalten kann. Die Funktionsbezeichnung allein sagt also nichts darüber aus, welche Fähigkeit nötig ist.

Praktisch heisst das: Listen Sie Aufgaben auf, nicht Funktionsbezeichnungen. Halten Sie je Aufgabe fest, wie sensibel die Daten sind, was passiert, wenn das Ergebnis falsch ist, und wer es prüft. Die Schulung für Aufgaben mit grosser Wirkung geht tiefer als jene für Aufgaben mit geringer Wirkung.

Das Format wählen: Workshop, Reihe oder Begleitung

Die richtige Dauer hängt davon ab, was Sie verändern wollen. Drei Formate decken die meisten Bedürfnisse ab.

Format	Übliche Dauer	Geeignet für
Praxis-Workshop	Etwa 3 bis 4 Stunden	Ein ganzes Team auf eine gemeinsame Grundlage und erste Arbeitsabläufe bringen
Strategie-Workshop	120 Minuten	Entscheidungsträger:innen, die Anwendungsfälle für einen Pilotversuch auswählen
Workshop mit anschliessender Begleitung	Workshop, danach mehrere Wochen	Teams, bei denen neue Gewohnheiten in echten Projekten greifen sollen

Zwei Schweizer Beispiele zeigen, wie kompakt eine gute Session sein kann. Die ETH Zurich’s workshop template for generative AI ist für 4 bis 12 Teilnehmende ausgelegt und dauert 180 bis 210 Minuten. Die Teilnehmenden melden sich vorab bei mindestens einem Werkzeug an, damit keine Zeit für Konten verloren geht. Der Swiss AI Association’s 120-minute guide richtet sich an 4 bis 8 Entscheidungsträger:innen und endet mit den drei wichtigsten Anwendungsfällen, einem Pilotversuch und einer verantwortlichen Person.

Kleine Gruppen sind wichtig. Bei mehr als rund einem Dutzend Personen schrumpft die Übungszeit pro Kopf, und die Zurückhaltenden stellen keine Fragen mehr. In einem grösseren Unternehmen führen Sie dieselbe Session besser mehrmals pro Abteilung durch statt als einen grossen Vortrag.

Ob vor Ort, online oder gemischt, ist vor allem eine Frage Ihres Teams. Vor Ort funktioniert gut, wenn die Leute Bildschirme vergleichen und einander helfen sollen. Remote funktioniert, wenn das Team über Zürich, Genf und Lugano verteilt ist, solange alle Teilnehmenden einen funktionierenden Zugang und eine ruhige Stunde haben.

Was ein guter KI-Workshop enthält

Die besten Workshops verbringen den grössten Teil der Zeit mit Übungen, nicht mit Folien. Die Vorlage der ETH Zürich ist ein nützliches Modell, weil sie die Zeitfenster nennt. Sie enthält einen Block von 35 Minuten zu generativer KI für Text und einen Block von 35 Minuten zur Datenanalyse. Danach folgen ein Brainstorming zu Anwendungsfällen von 15 Minuten und ein Abschluss von 10 Minuten zur gegenseitigen Unterstützung, mit Massnahmen und Zuständigkeiten, die unter Kolleg:innen vereinbart werden.

Hier ein Ablauf, den Sie für eine halbtägige Session anpassen können.

1. Spielregeln (15 Minuten). Wozu die Session dient, welche Daten tabu sind und wie KI-Fehler in der Praxis aussehen.
2. Textaufgaben (45 Minuten). Entwürfe, Umschreiben und Zusammenfassen mit eigenem, anonymisiertem Material. Die Teilnehmenden vergleichen Ergebnisse und notieren, was sie korrigieren mussten.
3. Daten und Tabellen (45 Minuten). Eine Tabelle bereinigen, Fragen an einen Datensatz stellen, eine Grafik erstellen und die Zahlen danach von Hand prüfen.
4. Gruppen nach Rollen (45 Minuten). Der Verkauf baut einen Ablauf zur Gesprächsvorbereitung, die Finanzabteilung eine Abweichungserklärung, HR einen Entwurf für eine Stellenausschreibung. Jede Gruppe notiert den Prompt, der funktioniert hat.
5. Brainstorming zu Anwendungsfällen (20 Minuten). Alle nennen Aufgaben, die ihre Woche auffressen, und bewerten sie nach Nutzen und Risiko.
6. Zuständige und nächste Schritte (15 Minuten). Jeder gewählte Ablauf erhält eine verantwortliche Person und ein Datum für die Rückmeldung.

Der wiederverwendbare Prompt ist das wichtigste Ergebnis. Wenn die Leute mit einem gespeicherten, getesteten Prompt für eine wöchentliche Aufgabe hinausgehen, folgt die Nutzung von selbst. Wenn sie nur mit einem allgemeinen Eindruck hinausgehen, nicht.

Mit welchen Werkzeugen Sie üben

Üben Sie mit den Werkzeugen, die Ihr Unternehmen tatsächlich freigegeben hat. Die Vorlage der ETH Zürich nennt ChatGPT, Gemini und Perplexity AI für Text, Gamma.app und Gemini für Präsentationen, Claude.ai und den ETH Leadership Companion für Coaching sowie ChatGPT Data Analyst, Julius AI und Google Sheets mit Looker Studio für die Datenanalyse. Das ist eine Auswahl, keine Einkaufsliste.

Wenn Ihr Unternehmen Microsoft 365 nutzt, üben Sie mit Copilot. Wenn es Google Workspace nutzt, üben Sie mit Gemini. Ein Werkzeug zu schulen, das bei der Arbeit niemand verwenden darf, erzeugt Schatten-KI, die Microsoft’s guidance on AI literacy and upskilling neben Halluzinationen und übermässigem Vertrauen aufführt. Der Rat lautet, Schulung mit Rückhalt der Führung, klaren Leitplanken und sicheren, freigegebenen Werkzeugen zu verbinden.

Datenschutz und verantwortungsvolle Nutzung

Die Regel gehört an den Anfang der Schulung, nicht ans Ende. Die Vorlage der ETH Zürich erinnert die Teilnehmenden daran, keine persönlichen oder vertraulichen Informationen in generative KI-Werkzeuge einzugeben und Personendaten zu anonymisieren, falls sie verwendet werden müssen.

Machen Sie daraus vor dem Workshop eine interne Regel auf einer Seite:

• Grün: öffentliche Informationen, eigene veröffentlichte Texte, allgemeine Fragen.
• Gelb: internes Material, das weder persönlich noch kundenspezifisch ist, nur in freigegebenen Firmenwerkzeugen.
• Rot: Kundendaten, Personendaten, Verträge, Quellcode unter Geheimhaltungsvereinbarung. Nie in einem Werkzeug, ausser Ihre IT und Ihre Rechtsabteilung haben es freigegeben.
• Wer im Zweifel entscheidet: Nennen Sie eine Person, nicht eine Abteilung.

Schweizer Unternehmen, die Personendaten bearbeiten, sollten ihre Datenschutzverantwortlichen oder die Rechtsberatung beiziehen, wenn sie die rote Liste festlegen, denn Ihre Pflichten hängen von Ihrer Branche und den Hosting-Bedingungen des Werkzeugs ab. Beenden Sie den Workshop damit, dass das Team die Regelseite an drei echten Beispielen testet. Lücken zeigen sich schnell.

Genauigkeit braucht eine eigene Gewohnheit. Vermitteln Sie eine einfache Prüfroutine: jede Zahl gegen die Quelle prüfen, jede Aussage prüfen, die konkret klingt, und fragen, wer für die endgültige Fassung verantwortlich ist. WPMS beschreibt gute Leistung als das Erkennen ungeeigneter vertraulicher Eingaben, das Aufspüren unbelegter Aussagen und das Eskalieren eines Ergebnisses mit grosser Wirkung. Diese drei Verhaltensweisen ergeben eine gute Checkliste.

Wirkung sichern und messen

Ein einzelner Workshop verändert selten allein die Gewohnheiten. Was hilft, ist eine kleine Struktur für die Nachbearbeitung.

• Wählen Sie pro Team eine repräsentative Aufgabe und messen Sie die Zeit vor der Schulung. Halten Sie fest, wie lange sie dauert, wie viele Korrekturen nötig sind und wie gut das Ergebnis ist.
• Wiederholen Sie das nach zwei bis vier Wochen. Vergleichen Sie dieselben drei Werte. Behandeln Sie jeden Fortschritt als etwas, das Sie messen, nicht als Prozentzahl, die Sie versprechen. Dieses Vorgehen wird in aiworkshop.ch’s business workshop outline beschrieben und funktioniert mit jedem Anbieter.
• Führen Sie eine gemeinsame Prompt-Bibliothek. Ein Dokument oder eine Wiki-Seite mit einer verantwortlichen Person, wo getestete Prompts abgelegt werden.
• Halten Sie monatlich eine Besprechung von 30 Minuten ab. Was hat funktioniert, was ist gescheitert, wofür braucht es eine neue Regel.

Das Digital Switzerland’s AI playbook, auf Deutsch veröffentlicht, beschreibt einen ähnlichen Weg. Eine Pilotgruppe ist aktiv, Rückmeldeschleifen laufen und die Akzeptanz wird gemessen. Danach werden Kennzahlen definiert, Ergebnisse mit einem Ausgangswert verglichen und ein Rhythmus für die Berichterstattung festgelegt. Für ein kleines Team genügt eine Tabelle mit drei Spalten.

Achten Sie auch auf die Lücke beim Selbstvertrauen. Menschen, die KI viel nutzen und nie überprüfen, sind ein grösseres Risiko als jene, die sie meiden. Eine gegenseitige Prüfung der Ergebnisse zu zweit deckt das auf, ohne dass sich jemand an den Pranger gestellt fühlt.

Wo unsere Masterclasses hineinpassen

Wir sind ein kleines Zürcher Studio, das Websites, Web-Apps und Plattformen baut, und wir führen auch KI-Masterclasses vor Ort oder remote durch. Weil unser Team täglich an KI-Automatisierung und Software für Geschäftsprozesse arbeitet, setzen unsere Sessions bei Ihren tatsächlichen Aufgaben und Werkzeugen an, nicht bei einem Standardfoliensatz. Erfahrene Leute bleiben vom ersten Gespräch bis zur Übergabe eingebunden, damit die Person, die Ihre Session konzipiert, auch jene ist, die sie durchführt.

Wenn Ihr Team nach der Schulung einen wiederkehrenden Prozess findet, den es zu automatisieren lohnt, können wir diese Automatisierung auch bauen und betreiben. Unsere Leistungen sehen Sie auf der Seite zu Preisen und Leistungen, oder Sie starten auf der Ampersand Startseite und erzählen uns von Ihrem Team.

Häufige Fragen

Wie lange sollte eine KI-Schulung für ein Team dauern?

Für eine erste Session genügen drei bis vier Stunden, um Text, Daten und eine rollenspezifische Übung abzudecken. Die Vorlage der ETH Zürich dauert zum Beispiel 180 bis 210 Minuten. Ergänzen Sie kurze Folgetermine über mehrere Wochen, damit die neuen Gewohnheiten bei der echten Arbeit zum Einsatz kommen.

Wie viele Personen sollten an einem Workshop teilnehmen?

Bleiben Sie bei einer Praxis-Session bei etwa 4 bis 12 Teilnehmenden, wie in der Vorlage der ETH Zürich. Ein Strategie-Workshop für Entscheidungsträger:innen funktioniert mit 4 bis 8 Personen. Grössere Unternehmen fahren besser, wenn sie die Session pro Abteilung wiederholen.

Brauchen Mitarbeitende technisches Wissen?

Nein. Generative KI-Werkzeuge funktionieren in normaler Sprache, und ein Workshop sollte bei dem ansetzen, was jede Person ohnehin tut. Nötig sind ein Zugang zu einem freigegebenen Werkzeug vor der Session und eine klare Regel, welche Daten aussen vor bleiben.

Was sollten wir niemals in ein KI-Werkzeug eingeben?

Personendaten, Kundendaten und vertrauliche Firmeninformationen, ausser Ihre IT und Ihre Rechtsabteilung haben das Werkzeug für diesen Zweck freigegeben. Wo Personendaten verwendet werden müssen, anonymisieren Sie sie zuerst. Halten Sie die Regel schriftlich fest und benennen Sie, wer in unklaren Fällen entscheidet.

Woran erkennen wir, dass die Schulung gewirkt hat?

Messen Sie eine echte Aufgabe vorher und nachher und vergleichen Sie den Zeitaufwand, die nötigen Korrekturen und die Qualität des geprüften Ergebnisses. Ergänzen Sie eine monatliche Besprechung darüber, was das Team tatsächlich nutzt. Beurteilen Sie den Erfolg an veränderten Arbeitsgewohnheiten, nicht an der Teilnahme.

Quellen

• Microsoft’s guidance on AI literacy and upskilling
• Harvard Business School Online
• Coursiv’s 2026 guide to employee AI training
• D2L guide
• Go1’s guide
• Work Reimagined report
• DACH needs-assessment template from Sprad
• DL Academy
• WPMS AI Consulting
• ETH Zurich’s workshop template for generative AI
• Swiss AI Association’s 120-minute guide
• aiworkshop.ch’s business workshop outline
• Digital Switzerland’s AI playbook