Kurz zusammengefasst
- Ein Einführungsmodul schafft ein gemeinsames Fundament; rollen- und anwendungsspezifische Lernpfade machen es praktisch.
- Echte Arbeitsfälle und beobachtbare Aufgaben zeigen mehr als eine Teilnahmebestätigung.
- Onboarding, neue Systeme, Modell- oder Policy-Änderungen und Vorfälle lösen Lernen oder Auffrischung aus.
- Nutzung, Fehlerraten, Eskalationen und Kompetenznachweise zeigen, ob das Programm wirkt.
Art. 4 setzt auf passende Massnahmen – nicht auf einen Standardkurs
Rechtsstand 17. Juli 2026: Art. 4 der Verordnung (EU) 2024/1689 gilt seit dem 2. Februar 2025 noch in seiner ursprünglichen Fassung. Anbieter und Betreiber von KI-Systemen müssen danach nach besten Kräften Massnahmen treffen, um bei Mitarbeitenden und anderen Personen, die in ihrem Auftrag mit Betrieb oder Nutzung der Systeme befasst sind, ein ausreichendes Mass an KI-Kompetenz sicherzustellen. Dabei sind Vorkenntnisse, Erfahrung, Aus- und Weiterbildung, Einsatzkontext und die betroffenen Personen oder Gruppen zu berücksichtigen.
Der Digital Omnibus on AI wurde vom Europäischen Parlament am 16. Juni 2026 und vom Rat am 29. Juni 2026 verabschiedet und am 8. Juli 2026 unterzeichnet. Am 17. Juli 2026 standen die Veröffentlichung im EU-Amtsblatt und damit das Inkrafttreten noch aus. Die neue Fassung verpflichtet Anbieter und Betreiber, Massnahmen zur Entwicklung der KI-Kompetenz zu unterstützen; ein bestimmtes Kompetenzniveau einzelner Personen muss nicht garantiert werden. Sie tritt am dritten Tag nach ihrer Veröffentlichung in Kraft.
Weder die Kommissions-FAQ zur bisher geltenden Fassung noch die verabschiedete Neufassung schreiben einen Standardkurs, ein bestimmtes Zertifikat oder einen einheitlichen Wissenstest vor. Interne Aufzeichnungen über Schulungen und andere Leit- oder Lernmassnahmen können die Umsetzung dokumentieren. Die nachfolgenden Praxisnachweise und Wirksamkeitsmessungen sind eine risikobasierte Governance-Empfehlung, keine pauschale gesetzliche Formvorgabe.
Für ein Schweizer Unternehmen ist separat zu prüfen, ob der konkrete Einsatz in den räumlichen und persönlichen Geltungsbereich fällt und ob das Unternehmen als Anbieter oder Betreiber handelt. Mögliche Anknüpfungspunkte sind insbesondere eine Bereitstellung oder Inbetriebnahme in der EU, eine EU-Niederlassung oder die Nutzung von Systemausgaben in der EU. Unabhängig davon reduziert ein risikobasiertes Kompetenzprogramm Fehlbedienung, Datenrisiken und unklare Verantwortung.
- Gemeinsames Fundament
- Alle betroffenen Personen verstehen, welche KI-Systeme verwendet werden, was diese grundsätzlich leisten, wo ihre Grenzen liegen und welche internen Regeln gelten.
- Rollenbezogene Tiefe
- Wer nur Entwürfe erstellt, benötigt anderes Wissen als eine Person, die Personalentscheide prüft, einen Agenten freigibt oder die Plattform betreibt.
- Kontext und Betroffene
- Lerninhalte werden vertieft, wenn sensible Daten, externe Kommunikation, Entscheidungen über Menschen oder schwer rückgängig zu machende Aktionen betroffen sind.
Fünf Rollenprofile machen den Lernbedarf konkret
Die Profile werden nicht aus Organigrammen, sondern aus tatsächlichen Aufgaben abgeleitet. Eine Person kann mehrere Profile haben. Der Fachprüfer eines kritischen Prozesses braucht deshalb mehr anwendungsbezogene Tiefe als ein gelegentlicher Nutzer desselben Werkzeugs.
| Rollenprofil | Muss sicher beherrschen | Geeigneter Kompetenznachweis |
|---|---|---|
| Normale Nutzende | Freigegebene Werkzeuge und Zwecke, Datenregeln, Grenzen und Halluzinationen, Quellenprüfung, Prompt Injection erkennen sowie Ergebnisse nicht ungeprüft weitergeben. | Eine typische Aufgabe mit zulässigen Daten lösen, problematische Ausgabe markieren und den richtigen Meldeweg wählen. |
| Fachprüfende und Freigebende | Fachliche Qualitätskriterien, belastbare Quellen und Nachweise, Ausnahmen, mögliche Auswirkungen und die Grenzen menschlicher Kontrolle. | Mehrere realistische Fälle beurteilen, Fehler begründen und Freigabe, Korrektur oder Eskalation nachvollziehbar entscheiden. |
| Product und Process Owner | Zweck und Nicht-Ziele, Risikoeinstufung, Rollen, Abnahmekriterien, Monitoring, Änderungen, Vorfälle und Abschaltung. | Einen Use Case mit Datenfluss, Kontrollen, messbaren Kriterien und benannten Verantwortlichen zur Freigabe vorlegen. |
| Entwicklung, Plattform und Betrieb | Modellgrenzen, Berechtigungen, Prompt Injection und Tool-Risiken, Evaluation, Logging, Datenschutz, Incident Response und sichere Änderungen. | Kontrollen in einer Testumgebung demonstrieren, einen Fehlerfall untersuchen und Rollback oder Sperrung ausführen. |
| Führung, Risiko, Recht und Compliance | Portfolio und Risikobereitschaft, Rollen des Unternehmens, wesentliche rechtliche Fragen, notwendige Nachweise, Restrisiken und Eskalationsentscheidungen. | Anhand eines Entscheidungspakets Bedingungen, Verantwortliche, Überprüfungstermin oder Ablehnung begründet festlegen. |
Lernziele beschreiben beobachtbares Verhalten
«Kennt KI» lässt sich weder üben noch verlässlich prüfen. Gute Lernziele beschreiben, was eine Person in einer konkreten Situation entscheiden oder ausführen kann. Die Auswahl und Tiefe folgen Rolle und Risiko.
- Fähigkeiten und Grenzen
- Erklären können, wofür das eingesetzte System geeignet ist, was es nicht verlässlich kann und wann ein anderes Verfahren nötig ist.
- Daten richtig behandeln
- Zulässige Daten, Werkzeuge und Funktionen unterscheiden, Eingaben minimieren und für gesperrte Inhalte eine sichere Alternative wählen.
- Manipulation erkennen
- Prompt Injection, verdächtige Anweisungen in Dokumenten und unerwartete Tool-Aktionen erkennen, stoppen und melden.
- Quellen und Nachweise prüfen
- Behauptungen mit freigegebenen Quellen abgleichen, Aktualität und Geltungsbereich beurteilen und Unsicherheit sichtbar machen.
- Menschliche Prüfung ausüben
- Nicht nur bestätigen, sondern anhand klarer Kriterien korrigieren, ablehnen, eskalieren oder eine Aktion freigeben können.
- Vorfälle richtig behandeln
- Datenoffenlegung, schädliche Ausgabe, Fehlaktion oder verdächtiges Verhalten stoppen, Beweise erhalten und den zuständigen Meldeweg nutzen.
Vom Rollenprofil zum nachweisbaren Lernpfad
Ein Kompetenzprogramm ist ein Betriebsprozess und keine einmalige Kampagne. Ein kurzer gemeinsamer Einstieg kann zentral bereitgestellt werden; die entscheidenden Übungen entstehen zusammen mit den Fach- und Systemverantwortlichen.
- Schritt 1
Systeme, Aufgaben und Rollen erfassen
Das KI-Inventar zeigt, wer welche Systeme für welche Aufgaben nutzt, prüft, entwickelt, freigibt oder betreibt und welche Personen betroffen sein können.
- Schritt 2
Ausgangsniveau und Lernziele festlegen
Technische Vorkenntnisse, Erfahrung, bestehende Ausbildung und Einsatzrisiko bestimmen, welche Grundlagen und Vertiefungen nötig sind.
- Schritt 3
Mit echten Arbeitsfällen üben
Freigegebene oder synthetische Fälle enthalten typische Fehler, unsichere Daten, schwache Quellen, Manipulationsversuche und eine Entscheidung über Review oder Eskalation.
- Schritt 4
Kompetenz praktisch nachweisen
Die Person löst eine Aufgabe, begründet ihre Entscheidung oder führt einen technischen Kontroll- und Vorfallablauf aus; Bewertungskriterien stehen vorher fest.
- Schritt 5
In den Arbeitsablauf einbetten
Kurzhilfen, Freigabepunkte, Ansprechpartner und Meldemöglichkeiten stehen dort zur Verfügung, wo das System tatsächlich genutzt wird.
- Schritt 6
Auffrischen und gezielt nachschulen
Onboarding, breiter Rollout, neue Modelle oder Funktionen, Policy-Änderungen, schwache Messwerte und Vorfälle lösen passende Lernmassnahmen aus.
Teilnahme, Kompetenz und Wirkung getrennt messen
Eine Teilnahmeliste zeigt Reichweite, aber nicht, ob Mitarbeitende im Arbeitsalltag richtig handeln. Das Programm braucht wenige Messgrössen auf drei Ebenen: Erreichen wir die relevanten Personen, können sie ihre Aufgabe ausführen und verbessert sich die sichere Nutzung? Zielwerte werden je Rollenprofil und Risikostufe festgelegt.
| Ebene | Messbarer Nachweis | Was eine Abweichung auslöst |
|---|---|---|
| Abdeckung | Anteil der Personen mit passendem Rollenprofil, abgeschlossenem Onboarding und fristgerechter Auffrischung. | Fehlende Zuordnung korrigieren, Zugang bis zur Qualifikation begrenzen oder Lernfenster nachholen. |
| Anwendungskompetenz | Ergebnis einer praktischen Aufgabe: Datenwahl, Quellenprüfung, Human Review, Manipulation und Eskalation. | Gezielte Übung zum schwachen Lernziel statt Wiederholung des gesamten Kurses. |
| Nutzungsqualität | Korrektur- und Ablehnungsquote, wiederkehrende Fehlermuster, unnötige manuelle Nacharbeit und Erfüllung fachlicher Qualitätskriterien. | Lerninhalt, Systemgrenzen, Oberfläche oder Prozesskontrolle gemeinsam verbessern. |
| Sicherheitsverhalten | Erkannte Testfälle, rechtzeitige Stopps, sinnvolle Meldungen und Umgang mit Prompt Injection oder unzulässigen Daten. | Ursache untersuchen und bei hohem Risiko Berechtigung, Kontrolle oder Freigabeweg anpassen. |
| Adoption mit Nutzen | Aktive Nutzung im freigegebenen Prozess zusammen mit Zeitgewinn, Qualität und Nutzerfeedback. | Bei geringer Nutzung Relevanz, Zugang und Arbeitsablauf prüfen; Adoption nicht durch das Umgehen von Kontrollen erzwingen. |
Ein schlanker Nachweis bleibt mit dem System aktuell
Für jedes Rollenprofil sollte nachvollziehbar sein, warum bestimmte Lernziele gewählt wurden, welche Massnahmen durchgeführt wurden und wie Kompetenz und Wirkung beurteilt werden. Dafür genügen oft versionierte Rollenprofile, Lernmaterialien, Übungsfälle, Bewertungskriterien, Abschlussdaten und beschlossene Verbesserungen.
Die Dokumentation wird mit dem KI-Inventar und dem Änderungsprozess verbunden. Ein neues Modell, zusätzliche Datenquelle, neue Nutzergruppe, weitergehende Aktion, geänderte Policy, auffällige Messwerte oder ein Vorfall führen zu einer kurzen Neubewertung. Nur betroffene Rollen erhalten die notwendige Auffrischung.
- Verantwortliche Person und betroffene Systeme je Rollenprofil
- Versionierte Lernziele, Inhalte, Übungen und Bewertungskriterien
- Datum, Ergebnis und notwendige Nachschulung je Kompetenznachweis
- Auslöser, Entscheidung und Termin für die nächste Überprüfung
- Aggregierte Messwerte und dokumentierte Verbesserungsmassnahmen
Beispiel: Kompetenzprogramm für ein KMU mit 85 Mitarbeitenden
Das Unternehmen führt einen freigegebenen Schreibassistenten für 60 Mitarbeitende und einen Wissensassistenten für den Kundendienst ein. Alle absolvieren ein 25-minütiges Grundlagenmodul und bearbeiten einen Fall zu Datenregeln, Halluzinationen und Meldung. Zwölf Kundendienstmitarbeitende prüfen zusätzlich drei Antworten mit veralteter, widersprüchlicher und manipulierter Quelle. Zwei Product Owner dokumentieren Abnahmekriterien und einen Änderungscheck; das IT-Team übt eine gesperrte Tool-Aktion und einen Vorfall. Erst der erfolgreiche Praxisnachweis schaltet den jeweiligen Zugang frei. Nach sechs Wochen zeigen Prüfresultate und Fehlerdaten, dass Quellenangaben häufig übersehen werden; deshalb wird nur dieses Lernziel nachgeschult und zugleich in der Oberfläche deutlicher hervorgehoben.
Was Sie mitnehmen sollten
Ordnen Sie zuerst Systeme, Aufgaben und Rollen zu. Definieren Sie anschliessend wenige beobachtbare Lernziele, üben Sie mit echten Arbeitsfällen und messen Sie Kompetenz sowie Wirkung getrennt von der Teilnahme. So entsteht ein Programm, das sowohl im Alltag hilft als auch nachvollziehbar bleibt.
Quellen und Vertiefung
Diese Primärquellen vertiefen Definitionen, technische Grundlagen oder verantwortlichen Einsatz.
Inhaltlich geprüft
Stand: 17. Juli 2026. Allgemeine Einordnung, keine Rechtsberatung. Die konkrete Rechtslage und der anwendbare Geltungsbereich sind für den jeweiligen Einsatz zu prüfen.
- EUR-Lex: Verordnung (EU) 2024/1689, Art. 4
- EU-Rat: Unterzeichneter Digital Omnibus on AI (PE-CONS 30/1/26 REV 1)
- EU-Rat: Verabschiedung und Publikationsstatus vom 29. Juni 2026
- EU-Kommission: Fragen und Antworten zu KI-Kompetenz
- EU AI Office: Repository of AI literacy practices
- NIST: AI Risk Management Framework Core
- NIST: AI RMF Playbook – Govern