KI-Skills im Job: Warum „Prompting“ nur die Spitze des Eisbergs ist

Der Satz ist mittlerweile fast ein Klischee, aber er bleibt wahr: „KI wird dich nicht ersetzen. Aber ein Mensch, der KI effektiv nutzt, wird es tun.“

Doch was bedeutet „effektiv nutzen“?

Reicht es, sich bei ChatGPT einloggen zu können? Nein. Die Arbeitswelt wandelt sich von der reinen Wissensarbeit zur Wissens-Orchestrierung. Wir müssen nicht mehr jede Antwort kennen, aber wir müssen wissen, wie wir die Maschine dazu bringen, die richtige Antwort zu liefern und diese dann bewerten.

Wir wollen auf die vier zentralen Kompetenzfelder, die Personalchefs heute suchen – und wie sie in der Praxis aussehen näher eingehen.

Prompt Engineering: Die Kunst der präzisen Anweisung

Das Schreiben von Befehlen (Prompts) ist die neue Lingua Franca. Es geht nicht darum, höflich zum Computer zu sein, sondern Kontext, Einschränkungen und Formate glasklar zu definieren. Ein schlechter Prompt liefert generisches Bla-Bla. Ein guter Prompt spart Stunden an Arbeit.

Das Skill: Verstehen, wie Sprachmodelle „denken“. Das beinhaltet Techniken wie Chain-of-Thought (die KI bitten, Schritt für Schritt zu denken) oder Persona-Adoption (der KI eine Rolle zuweisen).

Praxis-Beispiel (Marketing):

Anfänger: „Schreibe einen Blogpost über Laufschuhe.“ (Ergebnis: Langweilig, generisch).
Profi: „Du bist ein erfahrener Marathon-Trainer. Schreibe einen emotionalen Blogpost für Anfänger, die Angst vor dem ersten Lauf haben. Fokus: Die Überwindung des inneren Schweinehunds. Tonalität: Motivierend, aber nicht marktschreierisch. Max. 500 Wörter.“

Der „Bullshit-Detektor“ (KI-Evaluierung & Faktencheck)

KIs halluzinieren. Sie erfinden Fakten, zitieren nicht existierende Urteile oder rechnen falsch – und das mit absolutem Selbstbewusstsein. Die Fähigkeit, KI-Ergebnisse kritisch zu hinterfragen, ist vielleicht die wichtigste Absicherung gegen teure Fehler.

Dazu gehören Skepsis und Recherchekompetenz. Man muss wissen, wo die Grenzen des Modells liegen (z. B. hat ChatGPT oft kein Echtzeit-Wissen ohne Web-Suche) und wie man Quellen verifiziert.

Praxis-Beispiel (Recherche/Journalismus): Die KI liefert eine Zusammenfassung einer Studie. Der kompetente Mitarbeiter kopiert diese nicht einfach, sondern klickt auf die Quelle, prüft, ob die Zahlen im Kontext stimmen, und erkennt: „Moment, die Studie ist von 2018, das ist veraltet.“ Diese Qualitätskontrolle ist der rein menschliche Mehrwert.

Workflow-Integration & Automatisierung

Es geht nicht nur um Textgenerierung. Die wahre Power liegt in der Automatisierung langweiliger Routineaufgaben, um den Kopf für Strategie frei zu bekommen.

Sie müssen lernen zu erkennen, welche Teile des eigenen Jobs automatisiert werden können, und die Tools dafür nutzen (z. B. KI in Excel/Sheets, Transkriptions-Tools für Meetings).

Praxis-Beispiel (Projektmanagement): Statt während eines Zoom-Calls wild mitzuschreiben und danach 30 Minuten das Protokoll zu tippen, nutzt der Manager ein Tool, das das Meeting transkribiert. Danach füttert er die KI mit dem Transkript und dem Befehl: „Erstelle eine Tabelle mit allen To-Dos, den Verantwortlichen und den genannten Fristen.“ Zeitersparnis: 90 %.

Ethische Kompetenz & Datensicherheit

„Kann ich das da reinkopieren?“ Diese Frage entscheidet oft über Job oder Abmahnung. Sensible Firmendaten (Kundennamen, Bilanzen, Strategiepapiere) haben in öffentlichen, kostenlosen KI-Modellen oft nichts zu suchen, da diese Daten zum Training der KI genutzt werden könnten.

Wissen, was „Privacy by Design“ bedeutet. Verstehen, wann man lokale KI-Modelle nutzen muss und wie man Daten anonymisiert, bevor man sie der KI gibt. Darauf kommt es an!

Praxis-Beispiel (HR/Personal): Ein Recruiter will Lebensläufe von einer KI analysieren lassen.

Falsch: Den kompletten PDF-Lebenslauf inkl. Name, Adresse und Foto hochladen.
Richtig: Die Daten vorher anonymisieren (Name durch „Kandidat A“ ersetzen), nur die Text-Skills kopieren und die KI bitten: „Vergleiche die fachlichen Qualifikationen von Kandidat A mit dem Anforderungsprofil.“

Wir entwickeln uns von den „Erstellern“ zu „Editoren“. Die KI liefert den Entwurf, den Code-Schnipsel oder die Daten-Analyse. Der Mensch liefert die Strategie, die ethische Bewertung und den emotionalen Feinschliff. Wer diese Synergie beherrscht, hat die wertvollste Währung auf dem Arbeitsmarkt der Zukunft in der Tasche.