KI-Kompetenzen: So baust du sie gezielt auf und meisterst die Transformation

KI-Kompetenzen stehen auf der Transformationsagenda vieler Unternehmen weit oben, weil sie mitentscheiden, ob ein Unternehmen wettbewerbs- und zukunftsfähig bleibt. Seit dem EU AI Act ist es zudem eine gesetzliche Pflicht geworden, und Unternehmen, die KI einsetzen, müssen die KI-Kompetenz (im Englischen AI Literacy) ihrer Beschäftigten fördern.

KI greift nicht nur in viele Prozesse, Skills und in den Tech-Stack ein, sie verändert über nahezu alle Abteilungen hinweg den Blick auf Performance und Produktivität. Dabei zeigt sich häufig ein Spannungsverhältnis. Auf der einen Seite steht der Produktivitätsdruck: Häufig sind die Unternehmen markt- und wettbewerbsfähiger, die Künstliche Intelligenz besonders effektiv ausrollen. Auf der anderen Seite bedeutet Schnelligkeit nicht immer Wirksamkeit. Wie aus einer Studie von Kienbaum hervorgeht, sind Tools, Tokens oder einzelne Use Cases für den Transformationserfolg weniger ausschlaggebend als unter anderem „ein systematischer Aufbau von KI- und Digitalkompetenzen“.

Gerade deshalb müssen Rollen, Kompetenzen und Prozesse aktuell mehr denn je aktiv orchestriert werden, bevor Mensch und Maschine gewinnbringend zusammenarbeiten können.

In diesem Artikel geht es darum, wie du KI-Kompetenzen beschreibst, den Stand deiner Mitarbeitenden einschätzt, aktuell hältst und die Lücke je Team und Rolle findest.

Was sind KI-Kompetenzen?

KI-Kompetenzen sind alle Fähigkeiten und Kenntnisse, die man braucht, um Künstliche Intelligenz im Arbeitsalltag effektiv, sicher und compliant einzusetzen. Für HR zählen Kienbaum und BPM dazu:

• vertiefte Kenntnisse in generativer KI, etwa in Anwendung und Prompting
• People Analytics und Datenanalyse
• digitale HR-Systeme
• ein reflektierter Umgang mit ethischen und regulatorischen Fragen

Konkret heißt der letzte Punkt auch: KI-Ergebnisse kritisch prüfen und Verzerrungen erkennen. Für Hochrisiko-Systeme wie die Vorauswahl von Bewerbungen nennt der AI Act ausdrücklich den Automatisierungsbias, also die Neigung, der Ausgabe eines Systems zu sehr zu vertrauen (Artikel 14).

Nicht zu verwechseln ist das mit dem Begriff KI-Kompetenz, im Englischen AI Literacy. Er stammt aus dem AI Act und beschreibt die Grundkompetenz, die Unternehmen bei ihren Beschäftigten fördern sollen. Was genau dahintersteht, erklärt der Abschnitt zum AI Act weiter unten.

Warum KI-Kompetenzen wichtig sind

In einer Umfrage des Bitkom unter 603 Unternehmen in Deutschland ab 20 Beschäftigten schätzen 66 Prozent die KI-Kompetenzen ihrer Beschäftigten als gering ein, nur 28 Prozent als hoch. 70 Prozent schulen ihre Beschäftigten im Umgang mit KI: 11 Prozent alle, 22 Prozent einen Großteil und 37 Prozent ausgewählte Beschäftigte.

HR selbst sieht in der eigenen Funktion eine erhebliche Kompetenzlücke. In der Studie von Kienbaum und BPM liegt der durchschnittliche Anteil der HR-Mitarbeitenden mit fundierten KI- und Digitalkompetenzen heute bei rund 30 Prozent, für 2030 erwarten die HR-Bereiche rund 80 Prozent. KI-Kompetenz gilt dort künftig zunehmend als Grundfähigkeit der ganzen Funktion.

Am weitesten ist der Einsatz in Recruiting und Onboarding. Laut der Studie nutzen dort 35 Prozent der HR-Bereiche generative KI produktiv, 2024 waren es 18 Prozent.

Laut dem Future of Jobs Report 2025 des WEF wachsen technologische Kompetenzen wie KI und Big Data am schnellsten. An der Spitze der Kernkompetenzen stehen dort analytisches Denken, danach „Resilienz, Flexibilität und Agilität“ sowie „Führung und sozialer Einfluss“. Ihren Anstieg führt das WEF allerdings vor allem auf Konjunktur und Geoökonomie zurück.

Für HR in der KI-Transformation fassen wir diese Kompetenzen schärfer:

• Aktive Selbststeuerung: Resilienz ist ein Teil davon. Dazu gehören auch Selbstwirksamkeit und die Fähigkeit, laufend dazuzulernen.
• Agilität: Agilität und Flexibilität überschneiden sich stark, deshalb reicht ein Begriff.
• Führung und Veränderungsgestaltung: Führen kann auch Verwalten heißen. In der KI-Transformation zählt, dass Führungskräfte Veränderung gestalten.
• Kommunikation und Zusammenarbeit: Das ist konkreter als sozialer Einfluss.

Praxisbeispiel: Wie die Cleveland Clinic eine Rolle in Aufgaben zerlegt hat

Die Cleveland Clinic reagierte im Gesundheitswesen auf den Fachkräftemangel mit Rollengestaltung. Ihre Personalplanung zerlegte Rollen in Aufgaben und fragte bei jeder, ob sie überhaupt nötig ist und ob sie sich automatisieren, aus der Ferne erledigen, anders verteilen oder zeitlich verschieben lässt. Bei den medizinischen Assistenzkräften führte die Analyse dazu, dass der Großteil der Aufgaben, 37 von 40, an Beschäftigte mit geringerer Qualifikation oder ohne klinische Rolle ging und andere Aufgaben mit Technik automatisiert oder unterstützt wurden. Das schuf Kapazität im Umfang von 430 Vollzeitstellen und sparte mehr als 2 Millionen Dollar. Das Engagement stieg, weil die Beschäftigten mehr Zeit für die Patientenversorgung hatten statt für Papierkram („2026 Global Human Capital Trends“, S. 41).

Unsere Lesart für HR: Die Cleveland Clinic hat zuerst geklärt, welche Aufgaben bei einer Rolle bleiben. Erst daraus ergibt sich, welche Kompetenzen die Rolle jetzt braucht. Genau dort setzt Schritt 2 an.

Was KI-Kompetenzentwicklung bedeutet

KI-Kompetenzentwicklung ist der übergeordnete Prozess, in dem du systematisch erfasst:

• wer in deinem Unternehmen welche KI-Kompetenz braucht
• wo diese Personen aktuell stehen
• wie der Weg vom heutigen Stand zum Zielniveau gestaltet wird

Für KI-Kompetenzen gelten dieselben Grundsätze wie für jede andere Kompetenz. Je nach Aufgaben- oder Fachbereich gehören zu einer Rolle bestimmte KI-Kompetenzen. Für jede davon ist festgelegt, welches Niveau die Rolle braucht. Wo die Beschäftigten heute stehen, zeigt eine Selbst- und Fremdeinschätzung. Ziel ist, die Lücke mit gezielter Weiterbildung je Rolle zu schließen, damit die Beschäftigten KI in ihren täglichen Aufgaben voll nutzen können.

Das zahlt sich für beide Seiten aus. Für das Unternehmen hebt KI die Produktivität erst, wenn die Menschen damit arbeiten können. Ein europäisches Telekommunikationsunternehmen setzte eine KI als „Experten“ im Kundenservice ein, ohne Rollen oder Abläufe zu ändern, und gewann 5 Prozent Produktivität. Als 90 Prozent des Rollout-Budgets in neue Abläufe und gründliches Training flossen, waren es 30 Prozent („2026 Global Human Capital Trends“, S. 9). Die Beschäftigten wiederum werden befähigt, ihre Aufgaben in der KI-Transformation selbstwirksam zu erledigen.

Ein Unterschied zu anderen Fachkompetenzen ist das Tempo, in dem sie sich verändern. In den am stärksten KI-exponierten Berufen ändern sich die von Arbeitgebern gesuchten Skills laut PwC AI Jobs Barometer 2025 um 66 Prozent schneller. Es reicht deshalb nicht zu wissen, wer eine KI-Schulung gemacht hat. Du musst auch sehen, wann, mit welchem Werkzeug und auf welchem Stand.

KI-Kompetenz nach dem AI Act

Was ist KI-Kompetenz nach dem AI Act?

Der AI Act beschreibt KI-Kompetenz in Artikel 3 Nr. 56 als „die Fähigkeiten, die Kenntnisse und das Verständnis“, um KI-Systeme sachkundig einzusetzen und sich der Chancen und Risiken von KI und möglicher Schäden bewusst zu werden. Artikel 4 gilt seit dem 2. Februar 2025. In der seit Juli 2026 geltenden Fassung ergreifen Anbieter und Betreiber von KI-Systemen Maßnahmen, „um die Entwicklung der KI-Kompetenz ihres Personals und anderer Personen zu unterstützen, die in ihrem Auftrag mit dem Betrieb und der Nutzung von KI-Systemen befasst sind, wobei ihre technischen Kenntnisse, ihre Erfahrung, ihre Aus- und Fortbildung und der Kontext, in dem die KI-Systeme eingesetzt werden sollen, sowie die Personen oder Personengruppen, bei denen die KI-Systeme eingesetzt werden sollen, zu berücksichtigen sind.“

In Kurzfassung: KI-Kompetenz ist nicht nur ein Transformationsthema, sondern eine rechtliche Voraussetzung für den Einsatz von KI. Ein bestimmtes Niveau für jede einzelne Person muss ein Unternehmen dabei nicht garantieren.

Wie setzt du die Pflicht zur KI-Kompetenz um?

Eine Einheitslösung gibt es nicht, und eine bestimmte Pflichtschulung schreibt der AI Act nicht vor. So steht es im offiziellen FAQ der EU-Kommission zum Schwerpunkt KI-Kompetenz. Als Mindestinhalt eines Programms nennt die Kommission vier Schritte:

• Grundverständnis sichern: Im Unternehmen ist bekannt, was KI ist und welche KI eingesetzt wird, samt ihren Chancen und Gefahren.
• Eigene Rolle klären: Das Unternehmen weiß, ob es KI-Systeme selbst entwickelt oder Systeme anderer Anbieter nutzt.
• Risiko einschätzen: Je KI-System ist geklärt, was die Beschäftigten darüber wissen und welche Risiken sie kennen müssen.
• Maßnahmen zuschneiden: Die Maßnahmen richten sich nach dem Vorwissen der Beschäftigten und nach dem Einsatzzweck des Systems.

Wie konkret das werden kann, zeigt die EU-Kommission an einem eigenen Beispiel. Nutzen Beschäftigte ChatGPT etwa für Werbetexte oder Übersetzungen, sollen sie über die spezifischen Risiken informiert werden, zum Beispiel über Halluzinationen. Die Gebrauchsanweisung des Systems zu lesen, reicht nach Einschätzung der Kommission in vielen Fällen nicht aus. Für Hochrisiko-Systeme, etwa KI, die Bewerbungen sichtet oder filtert (Anhang III), verlangt Artikel 26 zusätzlich, dass das Personal ausreichend geschult ist, um das System zu bedienen und die menschliche Aufsicht zu gewährleisten.

Brauchst du einen Nachweis für KI-Kompetenz?

Ein Zertifikat ist nicht erforderlich, Unternehmen können interne Aufzeichnungen über Schulungen und andere Maßnahmen führen. So beantwortet es die EU-Kommission in ihren Fragen und Antworten zur KI-Kompetenz. Eine Pflicht, das KI-Wissen der Beschäftigten zu messen, gibt es danach nicht, und auch einen eigenen KI-Beauftragten verlangt Artikel 4 nicht. Dieser Artikel ist keine Rechtsberatung.

Welche Software hilft bei der Umsetzung?

Für die interne Aufzeichnung reicht eine Übersicht, wer welche Schulung wann gemacht hat, etwa in einer Schulungsmatrix. Ob die Kompetenzen zur Rolle passen, zeigt sie nicht. Dafür brauchst du eine Software für Kompetenzmanagement, in der Anforderungen je Rolle und der heutige Stand nebeneinanderstehen. Wie das Schritt für Schritt geht, zeigt der nächste Abschnitt.

Der Prozess: So baust du KI-Kompetenzen im Unternehmen gezielt auf

In Organisationen ab etwa 200 Mitarbeitenden fängt das selten bei null an. In unseren Gesprächen mit HR-Teams dieser Größe gab es für Pflichtschulungen regelmäßig schon einen festen Ablauf mit Fälligkeit, Zertifikat und Nachweis. Daran setzen die folgenden fünf Schritte an.

Schritt 1: Vorhandene KI-Schulungen erfassen

Gibt es schon KI-Schulungen, etwa eine Grundschulung zur KI-Kompetenz nach Artikel 4, führst du sie in der Schulungsmatrix, als verpflichtend oder wiederkehrend, mit Fälligkeit. Bei Zertifikaten siehst du, ob sie gültig sind, bald ablaufen oder abgelaufen sind. Eine Teilnahme sagt aber noch nichts darüber, was jemand in der eigenen Rolle mit KI kann. Unser Playbook zu Upskilling und Reskilling unterscheidet drei Ebenen: ob eine Schulung stattgefunden hat, ob sie das Verhalten verändert hat und ob sie ein Ergebnis verändert hat. Die Schulungsmatrix zeigt die erste Ebene. Für die beiden anderen sind die nächsten Schritte da.

Schritt 2: Aufgaben je Rolle klären

Welche KI-Kompetenzen eine Rolle braucht, findest du über ihre Aufgaben heraus. Mit KI verschiebt sich selten die ganze Rolle auf einmal, sondern einzelne Aufgaben darin, wie die Aufgabenanalyse der Cleveland Clinic zeigt. Kläre deshalb mit der Teamleitung je Rolle, welche Aufgaben die KI übernimmt und was die Person dann können muss.

Bevor du den heutigen Stand misst, lohnt ein Blick darauf, was der Arbeitsmarkt von der Rolle verlangt. Der KI-Kompetenzmonitor von index wertet deutsche Stellenanzeigen nach Berufsgruppen, Branchen und Bundesländern aus. Nach Angaben von index sind das über 25 Millionen Anzeigen im Jahr. Unter den zehn meistgenannten KI-Technologien standen im zweiten Quartal 2026 zum Beispiel ChatGPT, Microsoft Copilot und Prompt Engineering. Der Monitor zählt Werkzeuge und Begriffe, keine Kompetenzen wie das Prüfen eines KI-Ergebnisses. Er zeigt dir, welche Werkzeuge in einer Rolle ankommen. Welche Kompetenzen die Aufgaben mit diesen Werkzeugen verlangen, leitest du selbst ab.

Schritt 3: Kompetenzen beschreiben und Anforderungen festlegen

Aus den Aufgaben werden Kompetenzen im Kompetenzkatalog. Zu jeder Kompetenz gehört eine Skala, die in Worten beschreibt, was die einzelnen Stufen bedeuten. Fehlt diese Beschreibung, schätzt jede Person nach eigenem Maßstab ein. Die Werte lassen sich dann nicht vergleichen. Wie du einen solchen Katalog aufbaust, steht in unserem Artikel zum Kompetenzkatalog, wie viele Stufen eine Skala braucht, in unserem Artikel zur Kompetenzskala.

Danach legt das Team fest, wie viele Personen eine Kompetenz auf welcher Stufe brauchen. Diese Entscheidung gehört nicht HR allein. Die Teamleitung weiß am besten, welche Aufgaben die KI übernimmt und wo eine Person entscheiden muss. Diese Anforderung ist die Messlatte für die spätere Lücke.

Schritt 4: Den heutigen Stand einschätzen

Die Einschätzung kommt aus zwei Richtungen. Die Mitarbeitenden schätzen sich selbst ein, und die Teamleitung ergänzt ihren Blick. Beide nutzen dieselbe beschriebene Skala. Zusätzlich kann jede Person ein Ziel angeben, wenn sie sich in einer Kompetenz weiterentwickeln möchte.

Frag in der Einschätzung nach der Aufgabe, nicht nach dem Werkzeug. Bei einer Aufgabe, die KI unterstützt, also danach, wie jemand das Ergebnis der KI prüft.

Schritt 5: Lücke finden und Entwicklung planen

Aus Anforderung und heutigem Stand ergibt sich die Lücke je Kompetenz und Team, auf Wunsch auch für eine ganze Einheit. Sortierst du nach der Größe der Lücke, siehst du, wo Weiterbildung zuerst ansetzen sollte. Personen, die eine Kompetenz schon haben, stehen mit ihrem Niveau in der Matrix. Du kannst sie für Wissenstransfer einplanen, bevor du ein externes Training einkaufst.

Aus der Lücke entstehen Maßnahmen. Jede gehört mit einem Zielniveau in den Entwicklungsplan der Person:

• Externe Schulung: wenn im Team niemand die Kompetenz weitergeben kann
• Interne Teamschulung: wenn mehrere Personen dieselbe Lücke haben
• Wissenstransfer: wenn Kolleginnen oder Kollegen die Kompetenz schon auf hohem Niveau haben

Wie sich diese Methoden kombinieren lassen, steht in unserem Playbook zu Upskilling und Reskilling. Liegt in einem Team fast niemand in der Nähe der Anforderung, ist das eher eine Frage für die Einstellung als für die Weiterbildung. Fallen durch KI Tätigkeiten weg, prüfe, wo die Person im Unternehmen am meisten gebraucht wird.

Plane die Einschätzung in festen Abständen neu, weil sich mit den Werkzeugen auch die Aufgaben weiter verschieben.

Praxisbeispiel: So hat Save the Children Norwegen KI ausgerollt

Wie ein strukturiertes KI-Programm in einer ganzen Organisation aussieht, zeigt Redd Barna, die norwegische Organisation von Save the Children. Ein Jahr lang wurden KI-Werkzeuge ohne feste Struktur eingeführt. Die Nutzung blieb ungleich verteilt: Nur die Hälfte der registrierten Beschäftigten nutzte das freigegebene Werkzeug, und brauchbare Einsatzfelder wurden langsamer gefunden als erwartet. Mit Deloitte setzte die Organisation dann ein strukturiertes Programm auf:

• Rollen: KI-Botschafterinnen und -Botschafter mit Fokusgruppen und Support-Werkzeugen, dazu Workshops mit der Leitung zur KI-Roadmap
• Kompetenzen: praxisnahe Schulungen an konkreten Beispielen, Workshops und Erfolgsgeschichten
• Prozesse: Verhaltensleitlinien und KPIs für guten KI-Einsatz, eine systematische Priorisierung der Use Cases nach den Zielen der Organisation, KPI-Tracking und regelmäßige Reviews

Nach drei Monaten hatte sich die wöchentliche Nutzung fast verdoppelt, von 36 auf 71 Prozent. Die selbst eingeschätzte KI-Reife stieg auf einer Skala bis 5 von 1,68 auf 3,1. So beschreibt es Deloitte in der Fallstudie, die auch in den „2026 Global Human Capital Trends“ vorkommt (S. 11).

Unsere Lesart für HR: Das Werkzeug stand ein Jahr lang bereit, genutzt hat es die Hälfte. Bewegt hat sich erst etwas, als Rollen, Schulungen und Regeln dazukamen. Gemessen wurde die KI-Reife als Selbsteinschätzung auf einer Skala, so wie in Schritt 4 beschrieben. Ob die Einschätzung je Rolle erfolgte, lässt die Fallstudie offen.

KI-Kompetenzentwicklung mit Teammeter

Teammeter ist eine Software für Kompetenzmanagement. Du legst KI-Kompetenzen im Kompetenzkatalog an, hinterlegst die Anforderungen je Rolle und siehst in der Kompetenzmatrix je Team, wo die Lücke liegt. Teammeter testet keine KI-Kompetenzen und liefert keine Lerninhalte.

Häufige Fragen

Welche KI-Kompetenzen gibt es?

KI-Kompetenzen teilen sich in harte und weiche. Aus vier Quellen lassen sich je sechs Bündel ableiten. Die harten sind KI-Funktionswissen, KI-Werkzeugeinsatz, Datenkompetenz, Qualitäts- und Ergebnisprüfung, Recht, Sicherheit und Governance sowie technische Entwicklung und Betrieb. Die weichen sind kritisch-reflexives Urteilen, ethische Verantwortung, Entscheiden und Problemlösen, Kommunikation und Zusammenarbeit, Selbststeuerung und Lernfähigkeit sowie Führung und Veränderungsgestaltung.

Worin unterscheiden sich harte und weiche KI-Kompetenzen?

Harte KI-Kompetenzen lernt man über Wissen und Übung, eine Maßnahme hat einen klaren Anfang und ein klares Ende. Weiche KI-Kompetenzen sind verhaltensbezogen. Sie brauchen Gelegenheit zur Anwendung, Feedback und Reflexion und haben keinen festen Abschluss. Bei harten Kompetenzen geht es deshalb vor allem um den Nachweis, bei weichen um die Entwicklung. Beide brauchen ein eigenes Messverfahren.

Brauchen alle Beschäftigten dieselben KI-Kompetenzen?

Bei den harten nicht. Wie tief sie gehen müssen, hängt von der Tätigkeit ab, ein Basisniveau gilt für alle. Die weichen KI-Kompetenzen betreffen alle Beschäftigten gleichermaßen, unabhängig von ihrer Funktion. Der Bedarf richtet sich also nach der Tätigkeit und nicht nach der Hierarchie.

Welche Rollen gibt es beim Einsatz von KI?

Es lassen sich fünf Rollen unterscheiden, und eine Person kann mehrere davon tragen. KI-Anwendende im Standardkontext nutzen KI als Hilfsmittel in der eigenen Arbeit, etwa zum Entwerfen, Recherchieren oder Zusammenfassen. KI-Anwendende im Hochrisikokontext arbeiten mit Systemen, die auf Menschen wirken, etwa bei Auswahl oder Leistungsbeurteilung, und sind dort die menschliche Aufsicht. KI-Multiplizierende tragen Kompetenz ins Team und sind dort die erste Ansprechperson. KI-Gestaltende legen fest, wie KI im eigenen Fachprozess eingesetzt wird. KI-Verantwortende entscheiden über Beschaffung, Risikoklassifizierung und Regeln.

Mit welcher Skala misst man KI-Kompetenzen?

Für harte KI-Kompetenzen eignet sich eine vierstufige Skala, zusammengeführt aus drei Fachquellen.

Stufe	Bezeichnung	Bedeutung
1	Kennen	weiß, worum es geht, kann mitreden und erkennt die Relevanz
2	Anwenden	handelt selbstständig unter vertrauten Bedingungen
3	Übertragen	handelt sicher in neuen, komplexeren Situationen
4	Gestalten und Weitergeben	entwickelt weiter, berät und qualifiziert andere

Für weiche KI-Kompetenzen reicht die Stufe allein nicht. Sie brauchen psychologische Verhaltensanker, die beschreiben, welches Verhalten auf einer Stufe erwartet wird.

Reicht eine Selbsteinschätzung?

Bei harten KI-Kompetenzen ja, weil die Praxis sie korrigiert. Ergänzen lässt sie sich durch Nachweise und Arbeitsproben. Bei weichen hängt es von der Kompetenz ab. Wo nur die Person selbst Einblick hat, reicht eine Selbsteinschätzung mit einer validierten Kurzskala. Bei Kompetenzen, die andere beobachten können, kommt die Fremdperspektive dazu, bei kognitiven Kompetenzen ist sie zwingend. Im Hochrisikokontext gehört außerdem eine Fallbearbeitung zur Einschätzung.

Wie oft sollte man KI-Kompetenzen erheben?

Harte KI-Kompetenzen halbjährlich, weil sich die Anforderungen schnell verschieben. Direkt nach einer Maßnahme lohnt eine Nachmessung. Bei weichen reicht ein Gesamtprofil im Jahr, dazu jedes Quartal vertiefte Check-ins zu zwei bis drei selbst gewählten Schwerpunkten. Ihre Wirkung lässt sich realistisch erst nach zwölf bis achtzehn Monaten belegen.

Woran scheitern Kompetenzmodelle für KI?

Bei harten KI-Kompetenzen veraltet der Katalog schneller, als er gepflegt wird, meist innerhalb von zwölf bis vierundzwanzig Monaten. Oder die Messung bleibt beim Wissen stehen, und im Arbeitsalltag entsteht keine Anwendung. Bei weichen droht Beliebigkeit. Ohne definiertes Sollniveau bleibt jeder Ist-Wert bedeutungslos, es entsteht keine Lücke und damit keine Handlung.

Quellen

• Kienbaum und BPM: Künstliche Intelligenz in HR 2026
• Bitkom: KI in der deutschen Wirtschaft, Pressemitteilung vom 14.09.2026
• Deloitte: 2026 Global Human Capital Trends
• Deloitte: Fallstudie Redd Barna (Save the Children Norwegen)
• WEF: Future of Jobs Report 2025
• PwC: 2025 Global AI Jobs Barometer
• EU AI Act, Artikel 4 und 14, Anhang III
• EU-Kommission: AI Literacy, Fragen und Antworten
• index: KI-Kompetenzmonitor
• Brandstetter, K. (2026): From Competency Models to Targeted Interventions: Fostering AI Competence as a Future Skill with AICompAss in Heterogeneous Teams. European Journal of Open, Distance and E-Learning, 28(1)
• Burkhart, C., González Avalos, P., Goll, F. (2026): Bringing AI skills into practice: The AI Skills Framework for the professional use of AI. appliedAI Institute for Europe
• Procter, R. (2026): AI Skills for Life and Work: Rapid Evidence Review. Department for Science, Innovation and Technology, GOV.UK
• Canditech: Artificial Intelligence Skills (Glossar)