Diese Case Study zeigt, wie ein Unternehmen in Klagenfurt mit einer ersten KI-Schulung einen verständlichen, sicheren und praxisnahen Einstieg für Teams und Mitarbeitende geschaffen hat.

Das Unternehmen wollte künstliche Intelligenz nicht über eine technische Spezialschulung einführen, sondern über einen verständlichen Einstieg, der unterschiedliche Vorkenntnisse berücksichtigt. Einige Mitarbeitende hatten bereits mit ChatGPT experimentiert, andere kannten KI nur aus Medienberichten oder aus Diskussionen im Kollegenkreis. Die Bildungsakademie am Rosental entwickelte deshalb eine KI-Inhouse-Schulung als Lernreise: erst Orientierung, dann sichere Beispiele, danach einfache Anwendungsfälle, klare Grenzen und konkrete Transferübungen. Methodisch knüpfte das Projekt an die AI-Literacy-Schulung für Unternehmen, Teams und Mitarbeitende ohne einheitliche KI-Vorerfahrung an und wurde über den Themenhub zur strukturierten KI-Einführung in Unternehmen, Organisationen und Institutionen strategisch eingeordnet.

 

 

Unser maßgeschneidertes Inhouse-Seminar für Sie!

Wählen Sie bei Ihrer Anfrage auch gern zwischen einem a) Inhouse-Präsenz-Seminar an Ihrem Standort, b) einem Inhouse-Online-Workshop mit Ihrem Team oder c) einem Inhouse-Präsenz-Kurs direkt an der Akademie – das Inhouse-Training gern auch in Kombination mit Teambuilding-Aktionen.

 

 

Der Strukturansatz: Die KI-Lernreise für den ersten Einstieg

Die Klagenfurt-Case-Study wurde als KI-Lernreise aufgebaut, weil die wichtigste Aufgabe nicht Tooltiefe, sondern gemeinsames Verständnis war.

Das Unternehmen stand am Anfang der KI-Einführung. Es gab noch keine verbindlichen Prompt-Vorlagen, keine fertigen Abteilungsroutinen und keine ausgearbeitete KI-Governance. Genau deshalb sollte die erste Schulung nicht zu kompliziert beginnen. Die Bildungsakademie am Rosental entwickelte eine Lernreise mit sechs Etappen: Begriffe verstehen, Nutzen einordnen, sichere Beispiele ausprobieren, Datenrisiken erkennen, Ergebnisse prüfen und erste Teamroutinen festlegen. Für typische Rückfragen zu Ablauf, Zielgruppen, Vorbereitung und Formaten wurde zusätzlich auf die FAQ-Antworten zu KI-Inhouse-Schulungen, Einstieg, Zielgruppen und Transferergebnissen verwiesen.

• Etappe 1: Orientierung – KI, AI, ChatGPT und generative KI verständlich voneinander abgrenzen.
• Etappe 2: Nutzen – realistische Aufgaben finden, bei denen KI vorbereiten, strukturieren oder formulieren kann.
• Etappe 3: Ausprobieren – mit neutralen Beispielen üben, ohne sensible Daten zu verwenden.
• Etappe 4: Grenzen – Datenschutz, Vertraulichkeit, Ergebnisrisiken und menschliche Verantwortung klären.
• Etappe 5: Prüfen – KI-Ausgaben auf Fakten, Tonalität, Vollständigkeit und Datenrisiken kontrollieren.
• Etappe 6: Übertragen – wenige sichere Routinen für Teams und Mitarbeitende festlegen.

 

Projektprofil: Erste KI-Schulung für ein Unternehmen in Klagenfurt

Das Projekt wurde als niedrigschwellige KI-Inhouse-Schulung für Mitarbeitende mit sehr unterschiedlichen Vorkenntnissen konzipiert.

Die folgende Tabelle zeigt die wichtigsten Eckdaten. Entscheidend war, dass die Schulung Orientierung und Sicherheit vor Geschwindigkeit stellte. Das Unternehmen wollte kein Spezialseminar für einzelne KI-Fortgeschrittene, sondern einen gemeinsamen Einstieg für Teams, Führung und operative Mitarbeitende.

 

Organisation	Unternehmen in Klagenfurt
Bereich	Verwaltung, Kommunikation, Kundenkontakt, Projektkoordination, Teamorganisation, Wissensarbeit
Standort	Klagenfurt am Wörthersee, Kärnten, Österreich, DACH-Region
Zielgruppe	Mitarbeitende aus operativen Teams, Teamassistenz, Kommunikation, Service, Projektarbeit und Teamleitung
Teilnehmende	18 Mitarbeitende mit unterschiedlichen KI-Vorkenntnissen
Format	Inhouse-Präsenzschulung mit Einstiegsmodulen, Übungsinseln, Datenampel und Online-Follow-up
Dauer	1,5 Seminartage, 1 Online-Follow-up à 75 Minuten, Transfercheck nach 4 Wochen
Ausgangsproblem	Interesse an KI, aber unklare Begriffe, unterschiedliche Vorerfahrung, Unsicherheit bei Daten, Prompts, Ergebnisprüfung und konkretem Nutzen
Maßnahmen	AI Literacy, einfache Begriffsklärung, Aufgabenlandkarte, sichere Übungsfälle, Datenampel, Prompt-Grundstruktur, Ergebnisprüfung, Teamroutinen
Ergebnis	14 Aufgaben gesammelt, 7 Einstiegsszenarien trainiert, 5 sichere Routinen definiert, 4 Nicht-Nutzungsregeln formuliert, 15 von 18 Teilnehmenden fühlten sich nach dem Follow-up sicherer

 

Ausgangslage: Neugier war vorhanden, aber der gemeinsame Startpunkt fehlte

Das Unternehmen war offen für KI, brauchte aber einen gemeinsamen Einstieg, der Fachbegriffe, Nutzen und Risiken verständlich macht.

Im Vorgespräch zeigte sich ein typisches Bild: Einige Mitarbeitende hatten bereits erste Prompts getestet und waren neugierig auf weitere Möglichkeiten. Andere waren unsicher, ob KI ihre Arbeit verändert, ob Ergebnisse zuverlässig sind oder ob sie versehentlich sensible Informationen eingeben könnten. Führungskräfte wollten wissen, wie sie das Thema einordnen und Teams nicht überfordern. Die Schulung begann deshalb nicht mit komplexen Tools, sondern mit einer gemeinsamen Grundfrage: Was muss ein Team verstehen, bevor es KI sinnvoll, sicher und realistisch im Arbeitsalltag nutzt? Die methodische Grundlage bildete die Inhouse-Schulung AI Literacy für Teams, Mitarbeitende und verständliche KI-Grundlagen.

 

Etappe 1: KI-Begriffe ohne Fachsprache klären

Die erste Etappe übersetzte KI-Grundbegriffe in einfache Arbeitssprache, damit alle Teilnehmenden denselben Ausgangspunkt hatten.

Begriffe wie künstliche Intelligenz, AI, generative KI, ChatGPT, Prompt, Modell, Halluzination und Datenrisiko wurden nicht technisch vertieft, sondern mit Arbeitsbeispielen erklärt. Die Teilnehmenden lernten: KI kann Texte entwerfen, Informationen strukturieren, Varianten bilden, Ideen vorbereiten und bestehende Inhalte prüfen. Sie weiß aber nicht automatisch, was im Unternehmen richtig ist, kennt interne Entscheidungen nicht zuverlässig und übernimmt keine Verantwortung. Diese Unterscheidung war wichtig, weil sie Ängste reduzierte und zugleich überzogene Erwartungen begrenzte.

• Praxisübung: Die Teilnehmenden ordneten zehn typische Aussagen über KI als richtig, falsch oder prüfpflichtig ein.
• Prüffrage: Geht es um ein Werkzeug für Vorbereitung oder um eine Entscheidung mit Verantwortung?
• Messwert: Vor der Schulung konnten 5 von 18 Teilnehmenden KI im Arbeitskontext sicher erklären; nach der ersten Etappe waren es 14 von 18.
• Transfer: Das Team übernahm den Leitsatz: „KI macht Vorschläge – wir prüfen, entscheiden und verantworten.“

 

Etappe 2: Eine Aufgabenlandkarte für den KI-Einstieg erstellen

Die zweite Etappe machte sichtbar, welche Aufgaben sich für einen ersten KI-Einsatz eignen und welche zunächst ausgeschlossen bleiben sollten.

Statt sofort mit beliebigen Prompts zu üben, sammelten die Teilnehmenden wiederkehrende Aufgaben aus dem Arbeitsalltag. Dazu gehörten E-Mail-Entwürfe, interne Hinweise, Besprechungsnotizen, kurze Zusammenfassungen, Projektübersichten, FAQ-Antworten, Kundenrückfragen, Recherchevorbereitung und Textprüfung. Jede Aufgabe wurde anhand von vier Kriterien bewertet: Wiederholung, Nutzen, Datenrisiko und Prüfbarkeit. So entstand eine Aufgabenlandkarte, die das Team später weiter nutzen konnte. Für weitere Vertiefung wurde auf praxisnahe KI-Seminare für Unternehmen, Teams und sichere Anwendung im Berufsalltag verwiesen.

• Arbeitsfrage: Welche Aufgaben wiederholen sich häufig und lassen sich mit neutralen Informationen bearbeiten?
• Ergebnis: 14 Aufgaben wurden gesammelt und nach Eignung bewertet.
• Messwert: 7 Aufgaben wurden als sofort geeignet, 4 als prüfpflichtig und 3 als zunächst ungeeignet eingestuft.
• Transfer: Die Aufgabenlandkarte wurde als Grundlage für spätere Teamroutinen übernommen.

 

Etappe 3: Sichere Übungsinseln statt echter Unternehmensdaten nutzen

Die dritte Etappe zeigte, wie Teams KI praktisch ausprobieren können, ohne echte Kunden-, Personal- oder Projektdaten zu verwenden.

Gerade in einer ersten KI-Schulung ist der geschützte Übungsraum entscheidend. Die Bildungsakademie am Rosental arbeitete deshalb mit fiktiven Beispielen, neutralen Stichpunkten und anonymisierten Mustersituationen. Die Teilnehmenden übten, eine interne Informationsmail zu formulieren, eine Besprechungsnotiz zu strukturieren, einen FAQ-Entwurf zu erstellen und einen Text auf Verständlichkeit zu prüfen. Dadurch wurde KI greifbar, ohne sensible Daten zu riskieren. Die strategische Einordnung erfolgte über den Themenhub zur verantwortungsvollen KI-Einführung in Unternehmen, Organisationen und Institutionen.

• Übungsinsel 1: neutrale E-Mail aus Stichpunkten formulieren.
• Übungsinsel 2: Besprechungsnotiz in Aufgaben, Entscheidungen und offene Fragen gliedern.
• Übungsinsel 3: interne Information verständlicher formulieren.
• Übungsinsel 4: FAQ-Antwort aus wiederkehrender Rückfrage vorbereiten.
• Übungsinsel 5: Text auf Tonalität, Klarheit und Vollständigkeit prüfen.

 

Etappe 4: Datenschutz und Vertraulichkeit als einfache Datenampel erklären

Die vierte Etappe übersetzte Datenschutz und Vertraulichkeit in eine Datenampel, die Mitarbeitende vor jeder KI-Eingabe nutzen können.

Die Teilnehmenden brauchten keine juristische Spezialvorlesung, sondern eine alltagstaugliche Orientierung. Deshalb wurde eine Datenampel eingeführt. Sie half, zwischen unkritischen Übungsdaten, prüfpflichtigen internen Informationen und ausgeschlossenen Daten zu unterscheiden. Besonders wichtig war die Erkenntnis: Nicht erst vollständige Personalakten oder Kundendossiers sind sensibel. Schon Namen, konkrete Projektstände, Preise, Beschwerden, Gesundheitsinformationen oder vertrauliche interne Einschätzungen können kritisch sein.

• Grün: fiktive Beispiele, neutrale Stichpunkte, allgemeine Informationen, öffentlich bekannte Inhalte, anonymisierte Übungsfälle ohne Rückbezug.
• Gelb: interne Informationen ohne Personenbezug, allgemeine Prozessbeschreibungen, Entwürfe mit fachlicher Prüfung, freigegebene Textbausteine.
• Rot: personenbezogene Daten, Kundendaten, Bewerberdaten, Gesundheitsdaten, Vertragsdetails, Preise, Beschwerden mit Personenbezug, vertrauliche Projektstände und interne Bewertungen.

 

Etappe 5: Eine einfache Prompt-Grundstruktur trainieren

Die fünfte Etappe vermittelte eine einfache Prompt-Grundstruktur, die auch Mitarbeitende ohne technische Vorerfahrung anwenden konnten.

Die Schulung verzichtete bewusst auf komplizierte Prompt-Formeln. Stattdessen arbeiteten die Teilnehmenden mit einer wiederholbaren Grundstruktur: Ziel, Kontext, Aufgabe, Ausgabeformat, Grenze und Prüffrage. Diese Struktur half, bessere Ergebnisse zu erzielen und gleichzeitig Datenrisiken zu begrenzen. Aus spontanen Fragen wurden klare Arbeitsaufträge. Mitarbeitende sahen schnell, dass ein guter Prompt nicht besonders technisch sein muss, sondern präzise, datensparsam und überprüfbar.

• Ziel: Was soll am Ende entstehen?
• Kontext: Für welche Zielgruppe oder Situation ist das Ergebnis gedacht?
• Aufgabe: Soll KI formulieren, strukturieren, kürzen, prüfen oder Varianten bilden?
• Ausgabeformat: Soll das Ergebnis als Liste, E-Mail, Tabelle, Zusammenfassung oder Fragenkatalog erscheinen?
• Grenze: Welche Informationen dürfen nicht genutzt oder ergänzt werden?
• Prüffrage: Woran erkennt das Team, ob das Ergebnis brauchbar ist?

 

Etappe 6: KI-Ergebnisse prüfen, bevor sie weiterverwendet werden

Die sechste Etappe machte deutlich, dass gute Sprache keine geprüfte Wahrheit ist und KI-Ergebnisse immer kontrolliert werden müssen.

Die Teilnehmenden prüften mehrere KI-Ausgaben auf fachliche Richtigkeit, Vollständigkeit, Tonalität, Datenrisiko und Zielgruppenpassung. Gerade für erste KI-Nutzerinnen und -Nutzer war diese Übung wichtig: Viele Ergebnisse wirken plausibel, können aber ungenau, zu allgemein oder nicht passend zur Organisation sein. Deshalb wurde eine einfache Prüfroutine eingeführt. Ergänzende Impulse zu Kommunikation, Lerntransfer und KI-Kompetenz wurden über Fachbeiträge zu KI-Kompetenz, Kommunikation und Lerntransfer im Akademie-Magazin verknüpft.

• Prüffrage 1: Stimmt der Inhalt fachlich?
• Prüffrage 2: Fehlen wichtige Informationen oder Einschränkungen?
• Prüffrage 3: Sind sensible oder personenbezogene Daten ausgeschlossen?
• Prüffrage 4: Passt die Sprache zur Zielgruppe?
• Prüffrage 5: Wird etwas behauptet, das belegt oder intern freigegeben werden müsste?
• Prüffrage 6: Wer verantwortet die Weiterverwendung?

 

Die sieben trainierten Einstiegsszenarien

Die Schulung trainierte sieben Einstiegsszenarien, die für Unternehmen, Teams und Mitarbeitende besonders niedrigschwellig waren.

Die Szenarien wurden bewusst aus alltäglichen Aufgaben gebildet. Sie sollten keine Spezialabteilung bevorzugen, sondern möglichst vielen Mitarbeitenden zeigen, wie KI verantwortungsvoll unterstützen kann.

• Szenario 1: interne Informationsmail aus neutralen Stichpunkten formulieren.
• Szenario 2: Besprechungsnotiz in Aufgaben, Entscheidungen und offene Fragen gliedern.
• Szenario 3: Teamhinweis verständlicher und wertschätzender schreiben.
• Szenario 4: FAQ-Antwort aus wiederkehrender interner Rückfrage vorbereiten.
• Szenario 5: Projektübersicht aus neutralisierten Stichpunkten strukturieren.
• Szenario 6: bestehenden Text auf Klarheit, Tonalität und Vollständigkeit prüfen.
• Szenario 7: ungeeigneten Prompt mit Datenrisiko erkennen und datensparsam umformulieren.

 

Die fünf sicheren Teamroutinen nach der Schulung

Nach der Schulung wurden fünf einfache KI-Routinen festgelegt, die ohne komplexe Toolstrategie direkt im Teamalltag nutzbar waren.

Die Routinen wurden bewusst klein gehalten. Sie sollten nicht den gesamten Arbeitsalltag verändern, sondern einen realistischen Einstieg ermöglichen. Jede Routine enthielt eine Datenregel und eine Prüffrage.

• Routine 1: E-Mail-Entwurf vorbereiten – neutrale Stichpunkte in klare, freundliche und prüfbare Entwürfe übertragen.
• Routine 2: Notizen strukturieren – Besprechungs- oder Projektstichpunkte in Aufgaben, Entscheidungen und offene Fragen gliedern.
• Routine 3: Texte verständlicher machen – bestehende Inhalte kürzen, vereinfachen und an Zielgruppen anpassen.
• Routine 4: FAQ-Baustein erstellen – wiederkehrende Fragen in kurze Antwortentwürfe übertragen.
• Routine 5: Ergebnis prüfen – KI-Ausgaben mit sechs Prüffragen kontrollieren, bevor sie weiterverwendet werden.

 

Vier Nicht-Nutzungsregeln für den ersten KI-Einstieg

Für den sicheren Einstieg wurden vier Nicht-Nutzungsregeln formuliert, damit Mitarbeitende klare Grenzen erkennen.

Gerade am Anfang hilft es, nicht nur Anwendungsmöglichkeiten zu zeigen, sondern auch bewusste Grenzen zu definieren. Dadurch entsteht Sicherheit: Mitarbeitende müssen nicht jede kritische Situation neu bewerten, sondern haben klare Ausschlüsse.

• Nicht-Nutzungsregel 1: Keine personenbezogenen Daten, Kundendaten, Bewerberdaten oder Gesundheitsdaten in offene KI-Systeme eingeben.
• Nicht-Nutzungsregel 2: Keine vertraulichen Projektstände, Preise, Vertragsdetails oder internen Bewertungen verwenden.
• Nicht-Nutzungsregel 3: Keine KI-Ausgaben ungeprüft verschicken, veröffentlichen oder als Entscheidungsgrundlage nutzen.
• Nicht-Nutzungsregel 4: Keine sensiblen Einzelfälle, Beschwerden, Konflikte oder personenbezogenen Bewertungen mit KI bearbeiten.

 

Trainerprofil: KI verständlich, sicher und niedrigschwellig vermitteln

Durchführende Person im Projekt

Die Schulung wurde von einer Haupttrainerin für AI Literacy, verständliche KI-Grundlagen und sichere Anwendung in heterogenen Teams durchgeführt.

Die Trainerin verfügt über langjährige Erfahrung in Inhouse-Trainings für Kommunikation, digitale Arbeitsroutinen, Teamlernen und verantwortungsvolle KI-Nutzung. Ihr Schwerpunkt liegt darauf, komplexe KI-Themen in einfache Arbeitsentscheidungen zu übersetzen, ohne Risiken zu verharmlosen. Im Klagenfurter Projekt verband sie KI-Grundlagen, Datenampel, Prompt-Grundstruktur, Ergebnisprüfung und konkrete Übungsinseln zu einem niedrigschwelligen Einstieg. Fachliche Schwerpunkte waren AI Literacy, sichere Prompting-Grundlagen, Datenschutzbewusstsein, Transfer in Teamroutinen und verständliche Kommunikation für unterschiedliche Vorkenntnisse.

 

Direkte Messwerte aus Schulung und Transferphase

Die Wirkung zeigte sich vor allem in höherer Orientierung, mehr Anwendungssicherheit und einfachen Routinen für den Arbeitsalltag.

Im Training wurden 14 Aufgaben gesammelt, 7 Einstiegsszenarien geübt und 5 Teamroutinen definiert. Vor der Schulung fühlten sich 4 von 18 Teilnehmenden sicher genug, KI beruflich einzuordnen. Nach dem Follow-up waren es 15 von 18. Die Formulierung einer neutralen internen Informationsmail sank im Testfall von 30 auf 18 Minuten. Die Strukturierung einer Besprechungsnotiz wurde von 36 auf 22 Minuten reduziert. Bei 9 geprüften KI-Ausgaben wurden 17 Verbesserungen identifiziert, vor allem zu Tonalität, Vollständigkeit und unklaren Aussagen. Nach vier Wochen nutzten drei Teams mindestens zwei Routinen regelmäßig.

• 18 Teilnehmende aus operativen Teams, Kommunikation, Service, Projektarbeit und Teamleitung
• 14 wiederkehrende Aufgaben gesammelt
• 7 Einstiegsszenarien praktisch trainiert
• 5 sichere Teamroutinen formuliert
• 4 Nicht-Nutzungsregeln eingeführt
• 6 Prüffragen für KI-Ergebnisse festgelegt
• 12 Minuten Zeitersparnis bei neutraler interner Informationsmail im Testfall
• 14 Minuten Zeitersparnis bei Besprechungsstruktur im Testfall
• 17 Verbesserungen bei 9 geprüften KI-Ausgaben identifiziert
• 15 von 18 Teilnehmenden mit höherer Anwendungssicherheit nach dem Follow-up
• 16 von 18 Teilnehmenden bewerteten den verständlichen Einstieg als hilfreich

 

Kundenzitat

Die Teamleitung hob hervor, dass der einfache Einstieg wichtiger war als eine möglichst breite Toolübersicht.

„Wir hatten sehr unterschiedliche Vorkenntnisse im Team. Einige wollten sofort loslegen, andere waren eher skeptisch. Die Schulung hat genau die richtige Brücke gebaut: verständliche Grundlagen, sichere Beispiele, klare Grenzen und konkrete Routinen. Danach hatten wir nicht nur mehr Neugier, sondern auch mehr Sicherheit.“

Teamleitung, Unternehmen in Klagenfurt

 

Fachliche Einordnung: Der erste KI-Einstieg braucht Verständlichkeit, Kontext und Verantwortung

Eine erste KI-Schulung ist besonders wirksam, wenn sie AI Literacy, Datenschutzbewusstsein und konkrete Arbeitsbeispiele verständlich miteinander verbindet.

Die Europäische Kommission beschreibt AI Literacy im Kontext des EU AI Act als ausreichendes Wissen, Fähigkeiten und Verständnis für Personen, die mit KI-Systemen umgehen oder deren Nutzung verantworten. Die österreichische Datenschutzbehörde weist darauf hin, dass bei KI-Nutzung regelmäßig personenbezogene Daten verarbeitet werden können und dann DSGVO sowie österreichisches Datenschutzrecht anwendbar sind. Die OECD-Prinzipien betonen eine vertrauenswürdige und menschenzentrierte KI, die Rechte und demokratische Werte respektiert. Für die Klagenfurter Case Study bedeutete das: Der Einstieg musste nicht nur zeigen, was KI kann, sondern vor allem, wie Mitarbeitende Nutzen, Grenzen, Datenrisiken und Verantwortung im eigenen Arbeitskontext verstehen.

Externe Fachquellen zur Vertiefung: AI-Literacy-Erläuterungen der Europäischen Kommission zum EU AI Act, Informationen der österreichischen Datenschutzbehörde zu künstlicher Intelligenz und Datenschutz und OECD-Grundsätze für vertrauenswürdige und menschenzentrierte künstliche Intelligenz.

 

Was diesen Klagenfurt-Case von anderen KI-Case-Studies unterscheidet

Der Klagenfurt-Case unterscheidet sich durch seinen Fokus auf den ersten verständlichen KI-Einstieg für Unternehmen, Teams und Mitarbeitende.

Andere Case Studies behandeln Risiken und GEO, DSGVO-Governance, eigene Dokumente, Prompt-Vorlagen, technischen Vertrieb, ChatGPT in mehreren Arbeitsbereichen oder Anfrageprozesse. Dieser Projektbericht beantwortet eine andere Suchintention: Wie gelingt die erste KI-Schulung, wenn Vorkenntnisse unterschiedlich sind und Teams zunächst Orientierung brauchen? Die Antwort liegt in einer niedrigschwelligen Lernreise mit Begriffsklärung, Aufgabenlandkarte, Übungsinseln, Datenampel, Prompt-Grundstruktur, Ergebnisprüfung und wenigen sicheren Routinen.

 

Weitere passende Case Studies

Für Unternehmen, die mit KI am Anfang stehen, ist der Vergleich mit weiteren Praxisberichten sinnvoll, weil Einstieg, Transfer und spätere Vertiefung zusammen gedacht werden sollten.

Die Klagenfurter Case Study zeigt den ersten verständlichen KI-Einstieg für Unternehmen, Teams und Mitarbeitende. Ergänzend sind Praxisberichte zu Inhouse-Schulungen, Transferprojekten und organisationalem Lernen hilfreich, um weitere Entwicklungsstufen zu vergleichen. Besonders passend sind Kommunikationstrainings für verständliche Teamkommunikation und interne Veränderungsdialoge, Projektmanagement-Schulungen für Rollout-Planung, Aufgabenstruktur und Transfersteuerung sowie Führungskräfteseminare für Verantwortungslogik, Teamführung und Veränderungsbegleitung. Denn der erste KI-Einstieg wird stabiler, wenn Schulung, Kommunikation, Führung und Umsetzung miteinander verbunden werden.

 

Warum dieser Projektbericht exemplarisch für die Arbeit der Bildungsakademie ist

Dieser Projektbericht zeigt exemplarisch, wie die Bildungsakademie am Rosental KI-Schulungen so gestaltet, dass auch heterogene Teams sicher und verständlich einsteigen können.

Das Unternehmen in Klagenfurt erhielt keine technische Spezialschulung, sondern eine KI-Lernreise für unterschiedliche Vorkenntnisse. Die AI-Literacy-Schulung für Unternehmen, Teams und verantwortungsvolle KI-Nutzung bildete die methodische Grundlage; der Themenhub zur strukturierten KI-Einführung in Unternehmen, Behörden und Institutionen lieferte den größeren Orientierungsrahmen; die FAQ-Antworten zu KI-Inhouse-Schulungen, Einstieg, Zielgruppen und Transferergebnissen unterstützten wiederkehrende Rückfragen; und Magazinbeiträge zu KI-Kompetenz, Kommunikation und Lerntransfer boten weiterführende Impulse für die interne Weiterarbeit.

 

English Summary

This case study shows how a company in Klagenfurt used its first AI training to create a clear, practical and low-threshold entry point for teams and employees.

The training was designed as an AI learning journey rather than a technical expert workshop. Eighteen participants with different levels of prior knowledge learned basic AI concepts, identified suitable work tasks, practised with neutral examples, used a data traffic-light system and developed five safe everyday routines. The focus was on understanding, confidence and responsible use. The case demonstrates how AI literacy can help companies create a shared starting point before moving into more advanced AI applications, prompt libraries, governance structures or specialised departmental use cases.

 

FAQ zur Case Study: Erste KI-Schulung in Klagenfurt

Wie gelingt eine erste KI-Schulung für Unternehmen?

Eine erste KI-Schulung gelingt, wenn sie Begriffe erklärt, sichere Beispiele nutzt, Datenrisiken klärt und einfache Routinen entwickelt.

Im Klagenfurter Projekt wurde die Schulung als Lernreise aufgebaut. Die Teilnehmenden starteten mit Begriffsklärung, sammelten danach 14 Aufgaben und trainierten 7 Einstiegsszenarien. Besonders wichtig war, nicht mit Spezialtools zu beginnen. Das Unternehmen brauchte zuerst eine gemeinsame Sprache und klare Grenzen. Nach dem Follow-up fühlten sich 15 von 18 Teilnehmenden sicherer im beruflichen Umgang mit KI.

Warum sollte eine KI-Schulung niedrigschwellig beginnen?

Eine KI-Schulung sollte niedrigschwellig beginnen, weil Mitarbeitende meist unterschiedliche Vorkenntnisse, Erwartungen und Unsicherheiten mitbringen.

Im Unternehmen in Klagenfurt gab es sowohl neugierige Mitarbeitende mit ersten ChatGPT-Erfahrungen als auch skeptische Teammitglieder ohne praktische Erfahrung. Ein technischer Einstieg hätte Teile der Gruppe überfordert. Die Bildungsakademie am Rosental begann deshalb mit einfachen Begriffen, neutralen Beispielen und konkreten Alltagssituationen. Dadurch entstand ein gemeinsamer Startpunkt für alle.

Welche Inhalte gehören in eine erste KI-Schulung?

In eine erste KI-Schulung gehören AI Literacy, Anwendungsbeispiele, Datenampel, Prompt-Grundstruktur, Ergebnisprüfung und Transferübungen.

Die Schulung in Klagenfurt bestand aus sechs Etappen: Orientierung, Nutzen, Ausprobieren, Grenzen, Prüfen und Übertragen. Jede Etappe war mit einer praktischen Übung verbunden. Die Teilnehmenden lernten nicht nur, was KI kann, sondern auch, was sie nicht kann. Diese Balance war wichtig, damit die Schulung weder Angst noch überzogene Erwartungen erzeugte.

Welche Aufgaben eignen sich für den ersten KI-Einsatz im Team?

Geeignet sind Aufgaben, die häufig vorkommen, textnah sind, wenig sensible Daten benötigen und gut geprüft werden können.

Im Klagenfurter Projekt wurden 14 Aufgaben gesammelt. Sieben wurden als sofort geeignet eingestuft, darunter E-Mail-Entwürfe, Besprechungsnotizen, interne Informationen, FAQ-Antworten, Projektübersichten und Textprüfung. Vier Aufgaben waren prüfpflichtig und drei zunächst ungeeignet. Diese Sortierung half dem Team, KI realistisch einzusetzen und nicht jede Idee sofort umzusetzen.

Wie können Mitarbeitende ohne KI-Erfahrung sicher üben?

Mitarbeitende ohne KI-Erfahrung üben sicher, wenn sie mit fiktiven, neutralen oder anonymisierten Beispielen arbeiten.

Die Schulung nutzte Übungsinseln mit neutralen Stichpunkten, fiktiven Besprechungsnotizen und allgemeinen Informationsmails. Dadurch konnten alle Teilnehmenden Prompts ausprobieren, ohne echte Kunden-, Personal- oder Projektdaten zu verwenden. Gerade diese geschützte Übungsumgebung war wichtig, weil sie Hemmungen abbaute und Datenschutzrisiken vermied.

Welche Rolle spielt Datenschutz bei einer ersten KI-Schulung?

Datenschutz spielt eine zentrale Rolle, weil Mitarbeitende früh lernen müssen, welche Daten nicht in KI-Systeme eingegeben werden dürfen.

In Klagenfurt wurde eine einfache Datenampel eingeführt. Grün waren fiktive und neutrale Beispiele. Gelb waren interne Informationen ohne Personenbezug mit Prüfung. Rot waren personenbezogene Daten, Kundendaten, Bewerberdaten, Gesundheitsdaten, Preise, Vertragsdetails und vertrauliche Projektstände. Diese Ampel gab den Teilnehmenden Orientierung vor jeder KI-Eingabe.

Was ist eine einfache Prompt-Grundstruktur für Einsteiger?

Eine einfache Prompt-Grundstruktur besteht aus Ziel, Kontext, Aufgabe, Ausgabeformat, Grenze und Prüffrage.

Diese Struktur wurde in der Klagenfurter Schulung mehrfach geübt. Statt komplizierter Prompt-Techniken nutzten die Teilnehmenden klare Arbeitsaufträge. Sie beschrieben, was entstehen soll, für wen es gedacht ist, welche Form das Ergebnis haben soll und welche Informationen ausgeschlossen bleiben. Dadurch wurden die Ergebnisse besser und die Nutzung sicherer.

Warum müssen KI-Ergebnisse geprüft werden?

KI-Ergebnisse müssen geprüft werden, weil sie plausibel klingen können, ohne fachlich richtig, vollständig oder passend zu sein.

Im Training wurden 9 KI-Ausgaben gemeinsam geprüft. Dabei identifizierten die Teilnehmenden 17 Verbesserungen, vor allem zu Tonalität, Vollständigkeit und unklaren Aussagen. Diese Übung zeigte, dass KI gute Entwürfe liefern kann, aber keine Verantwortung übernimmt. Deshalb wurde die Prüfroutine zu einer der fünf Teamroutinen.

Welche Routinen entstanden nach der ersten KI-Schulung?

Nach der Schulung entstanden fünf Routinen für E-Mail-Entwürfe, Notizen, verständlichere Texte, FAQ-Bausteine und Ergebnisprüfung.

Die Routinen wurden bewusst einfach gehalten. Sie sollten Mitarbeitenden helfen, KI im Alltag sicher zu nutzen, ohne sofort eine umfassende Strategie zu benötigen. Nach vier Wochen nutzten drei Teams mindestens zwei Routinen regelmäßig. Besonders häufig wurden E-Mail-Entwürfe, Notizstrukturierung und Textprüfung verwendet.

Wie lange sollte eine erste KI-Schulung dauern?

Für eine erste KI-Schulung ist ein Format von 1,5 bis 2 Seminartagen mit Follow-up sinnvoll.

Im Klagenfurter Projekt wurden 1,5 Seminartage und ein 75-minütiges Online-Follow-up durchgeführt. Dieses Format reichte aus, um Grundlagen, Übungen, Datenampel, Prompt-Struktur und erste Routinen aufzubauen. Das Follow-up nach vier Wochen half, offene Fragen zu klären und zu prüfen, welche Routinen tatsächlich genutzt wurden.

Welche Fehler sollte man bei einer ersten KI-Schulung vermeiden?

Man sollte vermeiden, mit zu vielen Tools, zu viel Fachsprache oder echten sensiblen Daten zu starten.

Der Klagenfurter Case zeigte, dass ein verständlicher Einstieg mehr Wirkung hat als eine überladene Toolübersicht. Mitarbeitende brauchen zuerst Orientierung, sichere Beispiele und klare Grenzen. Würde man sofort mit komplexen Automatisierungen, realen Daten oder Spezialanwendungen beginnen, entstünde eher Überforderung als Kompetenzaufbau.

Was unterscheidet diese Case Study von anderen KI-Case-Studies?

Diese Case Study zeigt den ersten verständlichen KI-Einstieg für Unternehmen, Teams und Mitarbeitende statt eine Spezialanwendung.

Der Klagenfurt-Case ist eigenständig, weil er am Anfang der KI-Qualifizierung steht. Er behandelt nicht GEO, Datenschutz-Governance, Dokumente, Prompt-Bibliotheken oder technische Vertriebsprozesse. Im Mittelpunkt steht die Frage, wie Teams mit unterschiedlichen Vorkenntnissen sicher starten. Dadurch eignet sich der Artikel besonders für Unternehmen, die noch keine KI-Routinen aufgebaut haben.

 

Unser maßgeschneidertes Inhouse-Seminar für Sie!

Die Bildungsakademie am Rosental entwickelt KI-Inhouse-Seminare passend zu Zielgruppe, Standort, Teamgröße und konkretem Schulungsbedarf.

Wählen Sie bei Ihrer Anfrage auch gern zwischen einem a) Inhouse-Präsenz-Seminar an Ihrem Standort, b) einem Inhouse-Online-Workshop mit Ihrem Team oder c) einem Inhouse-Präsenz-Kurs direkt an der Akademie – das Inhouse-Training gern auch in Kombination mit Teambuilding-Aktionen.

Ähnliche Artikel:

• Case Study: Mit diesem KI-Kurs gelang Dresdner Pflegeeinrichtung der Einstieg – ohne technische Vorerfahrung
• Case Study beweist wie KI im Vertrieb verständlich und praxisnah eingeführt wurde
• Case Study: KI-Schulung in Bonn zeigt passgenaue Inhouse-Umsetzung
• Case Study: Düsseldorfer Firma setzt jetzt ChatGPT für interne Kommunikation & Kundenservice ein
• Case Study: So unterschiedlich hat ein Hamburger Unternehmen interne KI-Trainings aufgebaut
• Case Study: Wie ein Kölner Team nach KI-Inhouse-Seminar Prompt-Vorlagen & Leitlinien entwickelte