Geht da mehr? Drei Ebenen der KI-Kompetenz in der Kommunikation

In meinen Workshops und Trainings erlebe ich es immer wieder: Im selben Raum sitzen Menschen, die KI täglich für komplexe Aufgaben nutzen, und solche, die gerade ihren ersten Prompt ausprobieren. Dazwischen liegen Welten – an Erfahrung, an Sicherheit, an Vorstellung davon, was mit KI überhaupt möglich ist.

Eine Umfrage aus dem Dezember 2025 hat das auf bemerkenswert klare Zahlen gebracht. Die Erhebung von newskontor und thenetworkone befragte 45 Führungskräfte aus PR, Kommunikation und Marketing in 16 Ländern:

• 93 Prozent fühlen sich auf KI vorbereitet.
• 82 Prozent nutzen sie täglich.
• Aber nur ein Drittel traut der Technologie eine wirklich zentrale Rolle zu.

Das bedeutet: Wir fühlen uns vorbereitet. Wir nutzen KI täglich. Aber wir arbeiten gleichzeitig mit einem Werkzeug, dessen Ergebnissen wir selbst kritisch begegnen – und dem wir keine zentrale Bedeutung zusprechen.

Diese Diskrepanz ist kein Zufall. Sie ist ein strukturelles Problem – und kein Problem, das mit mehr Investitionen verschwindet.

Das zeigt auch ein Blick auf die Gesamtwirtschaft: McKinsey befragte 2025 weltweit 3.600 Führungskräfte. 92 Prozent planen, ihre KI-Investitionen zu erhöhen. Gleichzeitig beschreibt nur ein Prozent das eigene Unternehmen als wirklich reif im Umgang mit KI. Daten fehlen. Strukturen fehlen. Und Kompetenzen sind nicht ausreichend entwickelt.

Und der aktuelle State-of-AI-Report von Deloitte (2026) macht es noch deutlicher: Erfolgreich sind vor allem die Organisationen, die zweigleisig investieren – in bessere Tools und in die Menschen, die damit arbeiten. Beides. Nicht entweder oder.

Warum ein Kompetenzmodell helfen kann

In meiner Praxis beobachte ich: Es wird durchaus viel trainiert. Aber selten ist klar, auf welchem Stand die Teilnehmenden gerade sind. Selten wird definiert, wohin sie sich entwickeln sollen. Und eine gemeinsame Sprache für „KI-Kompetenz" fehlt fast überall.

Ein Kompetenzmodell kann hier eine gemeinsame Landkarte schaffen. Und wer mit derselben Karte arbeitet, kann Entwicklungsstände sichtbar machen, Weiterbildung gezielt steuern und Teams strategisch aufbauen.

Ich habe drei Ebenen identifiziert – als Muster, nicht als starre Hierarchie. Keine Ebene ist besser oder schlechter. Aber je nach Aufgabe und Anspruch lohnen sich unterschiedliche Herangehensweisen.

Ebene 1: KI als Assistent

Auf Ebene 1 nutzen wir KI wie einen schnellen Assistenten. Wir delegieren Aufgaben in einem Satz und nehmen, was zurückkommt. Die KI schreibt den Post, fasst das Dokument zusammen, liefert fünf Ideen.

Das funktioniert gut für Standardaufgaben, erste Entwürfe und Situationen, in denen Geschwindigkeit wichtiger ist als Perfektion. Und so fangen die meisten an, KI zu nutzen.

Ein typisches Szenario: Eine Teamleiterin braucht eine Ankündigung für ein Meeting. Ein Satz geht rein, ein Text kommt raus. Verschickt. Fertig.

Aber: Die Ergebnisse klingen generisch. Immer überzeugend. Auch wenn sie Unsinn produzieren.

81 Prozent der Befragten in der Umfrage fürchten die Verbreitung von Fehlinformationen durch KI. Und genau auf Ebene 1 – wo wir schnell delegieren und schnell übernehmen – ist dieses Risiko am größten. Der Grund ist simpel: KI reiht Worte nach Wahrscheinlichkeiten aneinander. Sie weiß nicht, was „gut" ist. Sie weiß nur, was wahrscheinlich klingt. Und sie ist darauf trainiert, uns ein gutes Gefühl zu geben – notfalls mit erfundenen Fakten.

Ebene 2: KI als Sparringspartner

Auf Ebene 2 verändert sich die Grundhaltung: von Delegation zu Dialog. Von „mach mal schnell" zu „lass uns nachdenken". Von Output zu Prozess.

Das ist kein technisches Upgrade – es ist ein Denkwechsel.

Ich beschreibe das gerne mit sechs Prinzipien. Und wenn du genau hinschaust, haben sie alle denselben Kern: Sie verlagern die Denkarbeit nicht zur KI – sie nutzen KI, um selbst klarer zu denken.

• Ziel vor Auftrag. Nicht: „Was soll KI machen?" Sondern: „Was soll der Text erreichen? Wen ansprechen? Welche Reaktion auslösen?" Der Unterschied zwischen „Schreib mir einen LinkedIn-Post über KI" und „Schreib einen Post für Menschen aus der Kommunikation, die KI schon nutzen, aber unsicher sind, ob sie das Potenzial ausschöpfen – kollegial, reflektiert, ohne Buzzwords, 200 Wörter" klingt nach Kleinkram. Ist er nicht. Wenn ich das Ziel selbst nicht beantworten kann, kann auch das Ergebnis nur unklar werden.
   
• Kontext ist Königin. KI hat keine Ahnung von deiner Branche, deiner Zielgruppe, deinem Tonfall – außer du sagst es. Je präziser der Kontext, desto weniger generisch das Ergebnis. Zielgruppe, Ton, Medium, Vorwissen, Branche: All das gehört in den Prompt.
   
• Kritisches Denken aktivieren. KI klingt immer überzeugend – auch bei Unsinn. Drei Strategien, die mir helfen: Fakten immer prüfen. Bei wichtigen Texten die KI ihre eigene Arbeit kritisieren lassen – „Wo ist dieser Text schwach? Wo generisch? Wo ungenau?" Und nach Quellen fragen. „Auf welche Quellen stützt du diese Aussage?" 
   
• Definition statt Annahme. Was heißt eigentlich „gut"? Für dich heißt eine gute Headline vielleicht: sieben Worte, Nutzen erkennbar, ohne Clickbait. Für KI heißt „gute Headline" erst mal: irgendwas, das nach Headline aussieht. Je genauer du definierst, was du willst, desto weniger muss du nacharbeiten.
   
• KI fragen lassen, was noch fehlt. Eines der wirkungsvollsten Dinge: Nicht sofort eine Antwort verlangen – sondern zuerst fragen lassen, was KI braucht, um die Aufgabe wirklich gut zu erledigen. „Ich möchte eine Keynote-Einleitung schreiben. Bevor du anfängst: Welche Informationen brauchst du von mir?" KI fragt dann: Wer ist das Publikum? Was soll die Einleitung auslösen? Welchen Ton? Und plötzlich merkst du: Auf die Hälfte dieser Fragen hast du vielleicht selbst noch keine klare Antwort. Das ist der eigentliche Wert. KI wird zum Spiegel der eigenen Unklarheit. 
   
• Den Prompt von KI schreiben lassen. Das klingt kontraintuitiv. Aber es funktioniert. Du beschreibst das Problem – und KI formuliert den Prompt für dich. Besonders hilfreich, wenn du weißt, was du willst, aber nicht, wie du es erklären sollst. Wer das konsequent nutzt, lernt dabei automatisch, was gute Prompts ausmacht.

Der Kern von Ebene 2: Nicht die KI denkt – du denkst klarer, weil du mit KI arbeitest.

Aber: Für jede neue Aufgabe brauchen wir diesen Prozess wieder. Jedes Mal neu. Jedes Mal von vorne. Und das ist genau der Moment, an dem es sich lohnt, über Ebene 3 nachzudenken.

Ebene 3: KI als System

Auf Ebene 3 verändert sich die Perspektive grundlegend: von Improvisation zu Prozess. Von Einzelaufgaben zu wiederkehrenden Strukturen. Von „jedes Mal neu" zu „einmal gut, dann skalieren".

Ebene 3 bedeutet: Ich baue Systeme, die mir reproduzierbar gute Ergebnisse liefern. Nicht perfekt beim ersten Mal – aber verlässlich iterierbar.

Ebene 3 bedeutet: Ich baue Systeme, die mir reproduzierbar gute Ergebnisse liefern. Nicht immer perfekt beim ersten Mal – aber verlässlich iterierbar. Konkret sieht das so aus:

Prompt-Bibliothek aufbauen. Beispiel: Ein Team schreibt wöchentlich Newsletter-Teaser. Statt jede Woche neu zu prompten, bauen sie einen Teaser-Generator – einmal gut gebaut, dann skaliert. Weniger Nachbearbeitung, konsistentere Qualität.

Prüf-Workflows einrichten. Ein Text ist fertig. Bevor er rausgeht, läuft er durch einen festen Ablauf:

• Schritt 1: KI prüft, ob alle zentralen Botschaften tatsächlich im Text vorkommen – oder nur gemeint waren.
• Schritt 2: KI nimmt die Perspektive der Zielgruppe ein. Was bleibt hängen? Was irritiert? Was fehlt?
• Schritt 3: KI vergleicht den Text mit früheren Texten und benennt Abweichungen im Ton.

Der Text wurde vom Menschen geschrieben. KI prüft, ob er hält, was er verspricht. Manuell lässt sich das mit gespeicherten Prompts umsetzen, fortgeschritten lässt es sich automatisieren – etwa mit Tools wie Make oder n8n. Text einreichen, Prüf-Prompts laufen automatisch, kommentierter Output kommt zurück.

Perspektiven definieren. Auf Ebene 3 legen wir nicht nur fest, was KI tun soll – sondern auch, aus welcher Perspektive. KI imitiert eine Haltung gut, wenn sie präzise beschrieben ist: nicht als Jobtitel, sondern als Erfahrung, Blickwinkel, Tonalität. Ich nenne sowas immer lieber Tone of Voice als Rolle, aber genau das wird automatisch Teil jedes Prompts. 

Bewertungssysteme einbauen. KI bewertet ihr eigenes Ergebnis, bevor du es siehst – nach deinen Kriterien. Etwa so: „Versteht ein Lokaljournalist ohne Vorkenntnisse sofort, worum es geht? Klingt der Text nach einem Menschen oder nach einer Pressemitteilung? Ist der Nachrichtenwert im ersten Satz erkennbar? Enthält der Text Begriffe wie ‚innovativ' oder ‚zukunftsweisend' ohne konkreten Beleg? Markiere, was du überarbeiten würdest."

Du siehst sofort, wo nachzuarbeiten ist. Und langfristig werden diese Kriterien zum festen Bestandteil der Prompt-Bibliothek. Jede Person im Team arbeitet nach denselben Maßstäben – ob mit viel oder wenig KI-Erfahrung.

Und jetzt?

Drei Fragen, die ich auch mir selbst immer wieder stelle:

• Auf welcher Ebene bewege ich mich bei den meisten meiner KI-Aufgaben?
• Wo würde sich der Sprung zu Ebene 2 oder 3 wirklich lohnen?
• Was ist meine nächste konkrete Aufgabe, bei der ich einen Ebenen-Wechsel ausprobieren könnte?

Denn das ist der eigentliche Punkt, auf den ich mit diesem Framework hinauswill: KI-Kompetenz in der Kommunikation heißt nicht, besser zu prompten. Es heißt, klarer zu denken. Präziser zu definieren, was gute Kommunikation für dich bedeutet. Und dann KI auf der Ebene zu nutzen, die zu deiner Aufgabe passt.

Der größte Hebel in der KI-Nutzung liegt darin, wie strategisch wir sie einsetzen.

Über das Thema habe ich im März 2026 im StrateKI Breakfast Club gesprochen. Der Newsletter zu den neuen Veranstaltungen