Man kann derzeit kaum drei Schritte durch LinkedIn, Weiterbildungsportale oder die einschlägigen Karriereversprechen laufen, ohne über das nächste KI-Zertifikat zu stolpern. KI-Manager, KI-Experte, AI Professional, Prompt Engineer, KI-Beauftragter, KI-Consultant, KI-Trainer, KI-irgendwas-mit-Zukunft. Man gewinnt allmählich den Eindruck, Deutschland habe nicht nur einen Fachkräftemangel, sondern vor allem einen dramatischen Mangel an Menschen mit einem laminierten Nachweis darüber, dass sie ChatGPT gefunden haben.
Das wäre lediglich eine weitere hübsche Blüte des Weiterbildungsmarktes, wenn dahinter nicht eine ernsthafte Frage stünde: Welche Kompetenz bescheinigen wir hier überhaupt?
Ich habe nichts gegen Weiterbildung. Im Gegenteil. Gerade bei künstlicher Intelligenz halte ich sie für dringend notwendig, weil wir eine Technologie in Unternehmen, Schulen, Verwaltungen und unseren privaten Alltag integrieren, deren technische Funktionsweise, wirtschaftliche Auswirkungen, gesellschaftliche Nebenwirkungen und erkenntnistheoretische Grenzen selbst Fachleute nur ausschnittsweise überblicken.
Ausgerechnet daraus jedoch ein Geschäftsmodell zu machen, bei dem Menschen nach einigen Tagen oder Wochen Kursdauer mit einem Titel versehen werden, der nach umfassender KI-Kompetenz klingt, hat einen gewissen Humor. Einen ziemlich schwarzen allerdings.
Und weil der deutsche Weiterbildungsmarkt traditionell eine besondere Begabung dafür besitzt, aus jedem neuen Problem zunächst eine Zertifizierungsmöglichkeit zu entwickeln, erleben wir nun offenbar die nächste Evolutionsstufe: Die künstliche Intelligenz bekommt eine natürliche Zertifikatsindustrie.
Was soll dieser Zertifikatszirkus eigentlich erreichen?
Vielleicht sollten wir zunächst eine Frage stellen, die im deutschen Bildungswesen gelegentlich als störend empfunden wird, weil sie den reibungslosen Ablauf der Zertifikatsproduktion gefährdet: Was wollen wir mit diesen Kursen eigentlich erreichen?
Wollen wir Menschen befähigen, generative KI vernünftig im beruflichen Alltag einzusetzen? Dann brauchen wir Anwenderschulungen mit klar definierten Lernzielen. Wollen wir Führungskräften erklären, wie KI-Projekte wirtschaftlich bewertet, organisatorisch eingeführt und regulatorisch eingeordnet werden? Dann brauchen wir Managementkurse, deren Teilnehmer anschließend nicht notwendigerweise wissen müssen, wie ein Transformer im Detail funktioniert, wohl aber, welche Fragen sie denjenigen stellen müssen, die es wissen.
Wollen wir dagegen Entwickler ausbilden, die Modelle trainieren, Datenpipelines aufbauen oder neuronale Netze analysieren können, betreten wir ein vollkommen anderes fachliches Gelände, auf dem Mathematik, Statistik, Informatik und Softwareentwicklung nicht mehr als lästige Hintergrundgeräusche behandelt werden können.
Oder wollen wir Mitarbeitern beibringen, KI-Ausgaben kritisch zu beurteilen, Halluzinationen zu erkennen, Quellen zu prüfen und zu verstehen, warum eine sprachlich brillante Antwort noch lange keine richtige Antwort ist? Auch das wäre ausgesprochen sinnvoll. Es wäre sogar eine Kompetenz, die ich inzwischen bei wesentlich mehr Menschen für erforderlich halte als die Fähigkeit, den nächsten angeblich genialen Prompt mit zwölf Rollenbeschreibungen und drei Ausrufezeichen zu formulieren.
Das Problem beginnt dort, wo all diese Ebenen unter einem hübschen Etikett wie „KI-Experte“ zusammengerührt werden. Dann wird aus einem multidisziplinären Kompetenzfeld eine berufliche Instantmischung: heißes Wasser dazu, einige Wochen ziehen lassen, Zertifikat ausdrucken, fertig ist der Experte.
Vom Einsteiger zum KI-Manager – die wundersame Vermehrung der Expertise
Ein Blick auf den Weiterbildungsmarkt zeigt, wie niedrig die Einstiegshürden teilweise liegen. Es gibt beispielsweise Angebote zum KI-Manager mit IHK-Zertifikat, bei denen keine KI-Vorkenntnisse erforderlich sind. Andere Anbieter werben mit mehrwöchigen Programmen, die ohne Programmierkenntnisse absolviert werden können und auf Tätigkeiten rund um KI-Transformation, Tool-Integration oder Projektmanagement vorbereiten sollen.
Das muss zunächst überhaupt nichts Schlechtes sein. Ein intensiver Kurs kann Menschen zu erheblich besseren KI-Anwendern machen, Grundlagen der Governance vermitteln, typische Fehlerbilder erklären und ein Verständnis dafür schaffen, wo KI sinnvoll eingesetzt werden kann. Nur sollte man anschließend nicht so tun, als hätte man damit das Fachgebiet künstliche Intelligenz abgefrühstückt.
Der Unterschied zwischen „Ich kann KI sinnvoll anwenden“, „Ich kann ihren betrieblichen Einsatz koordinieren“ und „Ich verfüge über fachliche Expertise zu künstlicher Intelligenz“ ist ungefähr so wie der Unterschied zwischen einem Erste-Hilfe-Kurs, einem Rettungssanitäter und einem Facharzt. Alle drei beschäftigen sich mit Menschen, bei denen gesundheitlich etwas schiefgegangen ist. Trotzdem käme erstaunlicherweise niemand auf die Idee, nach einem Wochenende stabiler Seitenlage die Neurochirurgie zu eröffnen.
Bei KI scheint die Vorstellung weniger abwegig zu sein, dass ein beruflicher Quereinstieg mit einigen Wochen Weiterbildung unmittelbar in einer Expertenrolle enden könne. Möglicherweise liegt das daran, dass KI-Anwendungen inzwischen so einfach zu bedienen sind, dass ihre technische Komplexität kaum noch sichtbar wird. Wer ein Sprachmodell benutzen kann, hat damit aber noch lange nicht verstanden, wie es funktioniert, weshalb es Fehler macht und unter welchen Bedingungen seine Ergebnisse belastbar sind.
Der KI-Führerschein wäre wenigstens ehrlich
Vielleicht wäre der Begriff KI-Führerschein deshalb gar nicht schlecht, sofern man ihn nicht ebenfalls zum „Certified Executive AI Mobility Leadership Professional“ aufbläst. Ein Führerschein behauptet schließlich nicht, dass sein Besitzer Fahrzeugentwickler, Fahrdynamiker oder Verkehrspsychologe sei. Er bescheinigt eine definierte Befähigung zur Nutzung eines Systems unter bestimmten Regeln.
Eine vergleichbare Grundqualifikation für KI könnte durchaus sinnvoll sein. Wer generative KI beruflich verwendet, sollte verstehen, dass ein Sprachmodell keine Wissensdatenbank mit eingebautem Wahrheitsdetektor ist, warum Ergebnisse plausibel und trotzdem falsch sein können, welche Daten man besser nicht in beliebige Cloudsysteme kopiert und weshalb die Verantwortung nicht dadurch verschwindet, dass zwischen Mitarbeiter und Ergebnis ein neuronales Netz gerechnet hat.
Das wäre KI-Anwendungskompetenz statt KI-Expertise, wobei auch ein solcher Führerschein nur Grundlagen abdecken könnte. Ein Mitarbeiter, der Präsentationen vorbereitet, benötigt schließlich andere Kenntnisse als ein Ingenieur, der KI-basierte Wahrnehmungssysteme für automatisierte Fahrzeuge entwickelt. Ein universeller Kompetenznachweis wäre deshalb kein Freibrief für beliebige Anwendungen.
Der AI Act verlangt Kompetenz – aber keinen Ablasszettel
Ein Teil des Schulungsbooms lässt sich mit dem europäischen AI Act und dessen Artikel 4 zur KI-Kompetenz erklären. Anbieter und Betreiber von KI-Systemen müssen Maßnahmen ergreifen, um die KI-Kompetenz derjenigen zu fördern, die in ihrem Auftrag mit solchen Systemen arbeiten. Dabei sollen technische Kenntnisse, Erfahrung, Ausbildung und der jeweilige Nutzungskontext berücksichtigt werden.
Das ist vernünftig, weil KI-Kompetenz keine Einheitsgröße ist. Eine Marketingabteilung braucht andere Kenntnisse als ein Entwickler sicherheitskritischer Systeme, ein Personalverantwortlicher mit algorithmischer Bewerberauswahl oder ein Arzt, der KI-gestützte Diagnostik verwendet.
Interessant wird es, wenn man die Erläuterungen der Europäischen Kommission zur AI Literacy liest: Für die Dokumentation entsprechender Maßnahmen ist kein spezielles Zertifikat erforderlich. Unternehmen können Schulungen und andere Maßnahmen intern dokumentieren; auch ein bestimmtes individuelles Kompetenzniveau wird nicht pauschal vorgeschrieben.
Der AI Act verlangt also Maßnahmen zur Kompetenzförderung, aber keinen kommerziellen Ablasszettel, auf dem möglichst groß „AI“ steht. Das ist ein Unterschied, den ein Markt, der Zertifikate verkauft, möglicherweise nicht mit derselben Begeisterung hervorhebt wie den Hinweis auf neue regulatorische Anforderungen.
Selbstverständlich können Schulungen und Prüfungen Teil eines belastbaren Qualifikationskonzeptes sein. Problematisch wird es erst, wenn aus einer gesetzlichen Anforderung an angemessene Maßnahmen eine vermeintlich allgemeine Pflicht zum Erwerb bestimmter Zertifikate konstruiert wird.
„Staatlich gefördert“ – der Fachkräftemangel auf dem Papier
Besonders interessant wird die Angelegenheit, sobald unter einem Kursangebot der Hinweis „100 Prozent staatlich gefördert“ erscheint. Was staatlich gefördert wird, kann schließlich kaum vollständiger Unsinn sein. Irgendjemand mit Amt, Aktenzeichen und vermutlich sogar einem Dienstsiegel wird schon nachgesehen haben.
Der Bildungsgutschein der Bundesagentur für Arbeit ist grundsätzlich ein sinnvolles Instrument, um berufliche Qualifikationen zu verbessern und Arbeitslosigkeit zu vermeiden oder zu beenden. Anbieter und Maßnahmen müssen entsprechend zugelassen sein; die AZAV-Regelungen stellen Anforderungen unter anderem an Qualität, fachliche Eignung, Wirtschaftlichkeit und Arbeitsmarktrelevanz.
Nur bedeutet die Förderfähigkeit eines Kurses nicht automatisch, dass dessen Absolvent anschließend über umfassende fachliche Expertise verfügt. „Förderfähig“, „zertifiziert“ und „Experte“ sind drei unterschiedliche Aussagen, die in der Werbung allerdings gern so dicht nebeneinanderstehen, dass sie wie ein einziges staatlich beglaubigtes Qualitätsversprechen wirken.
Auch die Bundesagentur für Arbeit macht über das Weiterbildungsportal „mein NOW“ zahlreiche Qualifizierungsangebote zugänglich. Die Plattform bündelt Angebote unterschiedlicher Bildungsträger und informiert über Fördermöglichkeiten. Das ist eine legitime Aufgabe der Arbeitsförderung, zumal die Bundesagentur die Kurse nicht selbst durchführt.
Dennoch entsteht angesichts der Vielzahl entsprechender Angebote mitunter der Eindruck, der deutsche Fachkräftemangel ließe sich dadurch beheben, dass wir möglichst viele Menschen zu KI-Managern, KI-Beratern oder KI-Experten weiterbilden. Ein paar Wochen Schulung, ein Bildungsgutschein und ein Zertifikat später steht dem Arbeitsmarkt eine weitere Fachkraft zur Verfügung. Zumindest auf dem Papier, das bekanntlich geduldig ist und sich außerdem hervorragend rahmen lässt.
Fachkompetenz entwickelt sich jedoch aus Grundlagenwissen, methodischer Ausbildung, praktischer Erfahrung und der Fähigkeit, Probleme innerhalb eines konkreten Fachgebietes eigenständig zu lösen. Wer jahrelang Produktionsprozesse geplant hat, kann durch eine fundierte KI-Weiterbildung zusätzliche Fähigkeiten erwerben, um Automatisierungspotenziale zu erkennen. Wer dagegen weder Produktionsprozesse noch Datenanalyse oder betriebliche Organisationsstrukturen kennt, wird durch denselben Kurs nicht automatisch zum qualifizierten Berater für industrielle KI-Transformation.
Gerade bei öffentlich finanzierten Maßnahmen würde mich deshalb weniger die Zahl ausgestellter Zertifikate interessieren als deren tatsächliche arbeitsmarktpolitische Wirkung. Wie viele Absolventen finden eine fachlich passende Beschäftigung? Wie viele arbeiten nach einem Jahr noch in diesem Bereich? Und wie viele haben zwar eine neue Berufsbezeichnung, aber weiterhin keinen Arbeitsplatz?
Die Bundesagentur kann Weiterbildung fördern, sie kann jedoch nicht allein dadurch Arbeitsplätze schaffen, dass ein Bildungsanbieter einen neuen KI-Kurs in seine Datenbank einträgt. Wenn Qualifikationsprofile und tatsächlicher Personalbedarf nicht zusammenpassen, entsteht kein zusätzliches Fachkräfteangebot, sondern bestenfalls ein neuer Bewerbermarkt mit ausgesprochen dekorativen Lebensläufen.
Ein überschwemmter Markt ohne erkennbare Qualitätsmaßstäbe
Der Markt für KI-Schulungen ist inzwischen nicht nur mit Angeboten überschwemmt, sondern für Interessenten zunehmend undurchsichtig. Hinter nahezu identischen Kursbezeichnungen können sich vollkommen unterschiedliche Inhalte, fachliche Tiefen, didaktische Konzepte und Prüfungsanforderungen verbergen. Während ein Anbieter systematisch Grundlagen vermittelt und praktische Fähigkeiten überprüft, demonstriert ein anderer möglicherweise vor allem die Bedienung einiger aktueller Werkzeuge.
Für Interessenten ist diese Differenz kaum zu erkennen. Kursdauer, Preis, Zertifikatsbezeichnung und das Logo einer bekannten Institution vermitteln zwar einen gewissen Eindruck, sagen aber nur begrenzt etwas über die tatsächlich erworbenen Kompetenzen aus. Selbst die Frage, ob ein Kurs für die eigenen beruflichen Anforderungen überhaupt sinnvoll ist, lässt sich aus den üblichen Werbebeschreibungen oft nur schwer beantworten.
Dabei gibt es durchaus Anbieter, die fachliche Inhalte differenzieren und ihre Schulungen didaktisch strukturieren. mITSM wäre für mich ein Beispiel, dessen Ansatz ich grundsätzlich sinnvoll finde. Auch dort könnte ich mir allerdings eine stärkere Berücksichtigung wirtschaftlicher, gesellschaftlicher und erkenntnistheoretischer Folgen vorstellen, wie wir sie in unserer KI-Trilogie untersuchen. Das ist weniger eine Kritik an einem bestimmten Anbieter als ein Hinweis darauf, wie vielschichtig das Thema inzwischen geworden ist.
Eine erkennbare fachliche Schwerpunktsetzung ist mir jedenfalls wesentlich lieber als ein Kurs, der verspricht, innerhalb weniger Wochen das gesamte Universum künstlicher Intelligenz zu erschließen. Ein zweitägiger Grundlagenkurs kann wertvoller sein als ein mehrmonatiger Expertenlehrgang, wenn er klar definierte Fähigkeiten vermittelt, während der andere vor allem Zertifikatsprosa produziert.
Was gehört überhaupt in einen KI-Kurs?
Spätestens hier zerfällt der Begriff „KI-Schulung“ endgültig. Geht es um Algorithmen, Modellarchitekturen, neuronale Netze, Transformer, Embeddings und statistische Grundlagen? Um Datenaufbereitung, Training, Fine-Tuning, Retrieval-Augmented Generation und Modellevaluation? Oder reden wir über ChatGPT, Copilot und einige Werkzeuge, mit denen Büroarbeit automatisiert werden soll?
Geht es um Prompting, Agentensysteme und Prozessintegration? Um Datenschutz, Informationssicherheit, Urheberrecht und den AI Act? Um Bias, Halluzinationen und Modellgrenzen? Um Wirtschaftlichkeitsrechnung, gesellschaftliche Folgen oder die Frage, wie menschliche Urteilskraft erhalten bleibt? Oder sogar um Erkenntnistheorie und damit um die grundlegende Frage, was eine maschinell erzeugte Antwort überhaupt mit Wissen zu tun hat?
Alles davon gehört zum Themenfeld künstliche Intelligenz, und niemand lernt alles davon in wenigen Wochen. Das ist keine Kritik an kurzen Kursen, sondern an der Vorstellung, ein begrenzter Kurs müsse anschließend mit einem unbegrenzten Kompetenzversprechen versehen werden.
Seriöse Angebote müssten deshalb transparent machen, welche Kenntnisse vorausgesetzt werden, welche Lernziele erreicht werden sollen und wie deren Erfüllung überprüft wird. Ein Zertifikat ohne nachvollziehbaren Kompetenzumfang ist ungefähr so aussagekräftig wie ein Arbeitszeugnis, in dem ausschließlich steht, dass der Mitarbeiter während seiner Beschäftigung anwesend war.
Wer bildet eigentlich die Ausbilder aus?
Eine weitere Frage interessiert mich mindestens ebenso sehr: Wer unterrichtet diese Kurse?
Damit meine ich ausdrücklich nicht, dass die derzeitigen Dozenten pauschal unqualifiziert seien. Viele werden erhebliche Erfahrung mitbringen. Gerade deshalb sollte Transparenz selbstverständlich sein: Welche fachliche Ausbildung besitzt der Trainer, seit wann beschäftigt er sich praktisch mit KI, hat er entsprechende Systeme entwickelt, eingeführt oder auditiert, und wie hält er sein Wissen aktuell?
Das sind keine unverschämten Fragen, sondern Anforderungen, die bei einem sich schnell entwickelnden Fachgebiet zwingend erscheinen.
Denn irgendwann könnte sonst ein wunderbares selbstreferenzielles Weiterbildungssystem entstehen: Der erste Jahrgang absolviert den KI-Kurs, einige Absolventen werden Trainer, bilden den nächsten Jahrgang aus, der wiederum neue Trainer hervorbringt, bis sich die Branche weitgehend selbst zertifiziert. Wissen wäre dann nicht mehr Voraussetzung des Zertifikats, sondern dessen regenerativer Rohstoff. Eine Art fachliches Perpetuum mobile, um das uns die Thermodynamik beneiden würde.
Natürlich ist dieses Szenario eine Zuspitzung und keine Behauptung über bestimmte Anbieter. Es beschreibt aber ein grundsätzliches Risiko schnell wachsender Weiterbildungsmärkte: Wenn die Nachfrage nach Schulungen schneller steigt als die Zahl erfahrener Fachleute, entsteht ein wirtschaftlicher Anreiz, die Anforderungen an Lehrpersonal und Ausbildungsinhalte flexibel auszulegen.
Der Zertifizierungswahn hat lediglich ein neues Lieblingsspielzeug
Das Phänomen ist ohnehin nicht neu. Mit dem zunehmenden Papierkrieg und der Verwechslung von Dokumentation und tatsächlicher Leistung habe ich mich bereits beschäftigt. Dahinter steckt ein Mechanismus, der weit über künstliche Intelligenz hinausreicht: Organisationen entwickeln eine bemerkenswerte Vorliebe für Nachweise, weil sich diese leichter verwalten, vergleichen und auditieren lassen als die Fähigkeiten, die sie angeblich repräsentieren.
Ein Zertifikat erzeugt Erwartungen. Beim Absolventen, der für Zeit und möglicherweise erhebliche Kosten eine Qualifikation erworben zu haben glaubt. Beim Arbeitgeber, der aus einer offiziellen Bezeichnung auf belastbares Fachwissen schließt. Und bei Kunden, die darauf vertrauen, dass hinter einem ausgewiesenen Experten tatsächlich die Erfahrung und Urteilskraft stehen, die seine Berufsbezeichnung nahelegt.
Diese Erwartungen können berechtigt sein, wenn Qualifikationsziele, Prüfungsanforderungen und Geltungsbereich sauber definiert sind. Eine Teilnahmebescheinigung dokumentiert zunächst die Teilnahme, eine bestandene Prüfung bestimmte nachgewiesene Kenntnisse und eine anspruchsvolle fachliche Zertifizierung möglicherweise darüber hinaus definierte Kompetenzen. Keines dieser Dokumente bescheinigt jedoch automatisch umfassende berufliche Erfahrung oder die Fähigkeit, neuartige Probleme unter realen Bedingungen sicher zu lösen.
Besonders absurd wird es, wenn Zertifikate nicht mehr als Nachweis einer Qualifikation betrachtet werden, sondern die Qualifikation selbst ersetzen sollen. Dann wird nicht mehr gefragt, ob jemand ein Problem fachlich beherrscht, sondern ob er das passende Papier besitzt. Die organisatorische Logik ist bestechend: Was sich dokumentieren lässt, gilt als vorhanden. Was sich nicht dokumentieren lässt, existiert im Zweifelsfall nicht. Und wenn die Realität dieser Logik widerspricht, benötigt man vermutlich ein zusätzliches Formular.
Das gefährlichste Zertifikat ist das, an das man glaubt
Mein größtes Problem mit dieser Entwicklung ist allerdings nicht das Geld und auch nicht die gelegentlich kreative Berufsbezeichnung. Es ist die Illusion von Kompetenz.
Ein Zertifikat verändert Wahrnehmung. Der Absolvent glaubt möglicherweise, mehr zu wissen, als er tatsächlich weiß. Noch problematischer ist jedoch, dass andere ihm aufgrund des Zertifikats Kompetenz zuschreiben. Im Unternehmen werden Entscheidungen delegiert, Aussagen weniger kritisch hinterfragt und Empfehlungen mit einem Vertrauensvorschuss versehen, weil dort schließlich der „zertifizierte KI-Experte“ sitzt.
Damit kann ein Zertifikat paradoxerweise das Gegenteil dessen bewirken, was Weiterbildung erreichen sollte: Statt Unsicherheit sichtbar zu machen, verdeckt es sie.
Aus meiner beruflichen Beschäftigung mit funktionaler Sicherheit kenne ich die Bedeutung sauber abgegrenzter Qualifikationen und Verantwortlichkeiten. Ein Sicherheitsnachweis wird nicht dadurch belastbar, dass der Verantwortliche eine eindrucksvolle Berufsbezeichnung besitzt. Er wird belastbar, wenn Anforderungen nachvollziehbar sind, Risiken systematisch untersucht, Annahmen überprüft und Maßnahmen hinsichtlich ihrer Wirksamkeit bewertet werden.
Bei KI müsste derselbe Grundsatz gelten. Wenn ein Unternehmen ein KI-System einführt, reicht es nicht aus, dass ein zertifizierter KI-Manager dessen Einführung begleitet. Es muss geklärt werden, welche Risiken entstehen, welche Daten verarbeitet werden, wie Ergebnisse überprüft werden können, wer Entscheidungen trifft und wer für Fehler verantwortlich bleibt.
Ein Zertifikat kann dabei helfen, Zuständigkeiten und Qualifikationen zu strukturieren. Es darf jedoch nicht als Ersatz für eine belastbare technische und organisatorische Bewertung dienen.
Wir haben drei Bücher geschrieben – und verstehen trotzdem nur Ausschnitte
Ich schreibe das nicht aus einer Position demonstrativer Bescheidenheit, sondern aus eigener Erfahrung. Thomas Schulte und ich haben uns intensiv mit den Folgen künstlicher Intelligenz beschäftigt und daraus schließlich eine Trilogie gemacht.
 |
 |
 |
In der KI-Effizienz-Lüge betrachten wir KI vor allem aus wirtschaftlicher und mikroökonomischer Perspektive. Wir untersuchen, welche Produktivitätsversprechen einer vollständigen Rechnung standhalten, welche menschlichen Restaufwände bestehen bleiben und wann aus vermeintlicher Automatisierung lediglich eine Verschiebung von Arbeit wird.
Die KI-Teilhabe-Lüge erweitert den Blick auf gesellschaftliche und makroökonomische Zusammenhänge, darunter Bildung, Arbeit, Familie, Wissenschaft, Demokratie, Machtstrukturen und die Folgen einer zunehmenden Delegation menschlicher Funktionen an technische Systeme.
Mit der KI-Erkenntnis-Lüge sind wir schließlich bei der philosophischen und erkenntnistheoretischen Ebene angekommen: Was ist Wissen, was ist Wahrheit und was passiert mit unserer Vorstellung von Erkenntnis, wenn sprachlich überzeugende Antworten zunehmend mit belastbarem Wissen verwechselt werden?
Diese Perspektiven hängen zusammen, verlangen aber unterschiedliche Methoden und Fachkenntnisse. Eine technisch funktionierende KI-Anwendung kann wirtschaftlich unsinnig sein, eine wirtschaftlich erfolgreiche Anwendung gesellschaftlich problematische Folgen haben, und ein System, das regelmäßig richtige Antworten liefert, beantwortet damit noch nicht die Frage, unter welchen Voraussetzungen wir seinen Aussagen vertrauen dürfen.
Nach dieser Arbeit kann ich eines mit einiger Sicherheit sagen: Ich verstehe künstliche Intelligenz nicht vollumfänglich.
Thomas vermutlich ebenfalls nicht. Und ich kenne niemanden, bei dem ich diese Behauptung guten Gewissens unterschreiben würde.
Wir verstehen bestimmte Aspekte inzwischen sehr viel besser, können Zusammenhänge herstellen, wirtschaftliche Mechanismen analysieren, gesellschaftliche Folgen untersuchen und technische Aussagen einordnen. Gleichzeitig stoßen wir ständig auf Bereiche, in denen andere Menschen wesentlich mehr wissen. Das ist bei einem Feld dieser Breite keine Schwäche, sondern die normale Konsequenz fachlicher Spezialisierung.
Umso merkwürdiger erscheint mir eine Weiterbildungslandschaft, in der ausgerechnet das Etikett „KI-Experte“ mit einer Leichtigkeit vergeben wird, für die andere Fachgebiete Jahrzehnte akademischer und beruflicher Differenzierung benötigt haben.
Vielleicht brauchen wir weniger Experten und mehr Urteilskraft
Vielleicht ist unser eigentliches Problem gar nicht, dass wir zu wenige KI-Zertifikate haben. Vielleicht produzieren wir Zertifikate, weil sich Kompetenz leichter dokumentieren als herstellen lässt.
Wir brauchen Menschen, die wissen, wann KI hilfreich ist und wann nicht, Ergebnisse fachlich prüfen können, wirtschaftliche Versprechen nachrechnen, regulatorische Anforderungen verstehen und ihre Verantwortung nicht an ein Modell delegieren. Vor allem brauchen wir Menschen, die erkennen, wann ihre eigene Kompetenz endet.
Ein guter KI-Kurs kann dazu beitragen, ohne seine Teilnehmer deshalb zu Experten erklären zu müssen.
Vielleicht sollten wir deshalb vor jeder neuen Weiterbildung drei Fragen stellen: Welche konkrete Fähigkeit soll vermittelt werden? Für welche Tätigkeit wird sie benötigt? Und woran lässt sich anschließend belastbar feststellen, dass diese Fähigkeit tatsächlich vorhanden ist?
Bei öffentlich geförderten Angeboten würde ich eine vierte ergänzen: Welchen gesellschaftlichen oder arbeitsmarktpolitischen Nutzen kaufen wir mit diesem Geld tatsächlich ein? Nicht jede Qualifikation, die sich gut vermarkten lässt, ist deshalb eine Qualifikation, die wir in großer Zahl benötigen.
KI-Kompetenz ist zu wichtig, um sie zur Ramschware des Weiterbildungsmarktes zu machen. Je mächtiger die Technologie wird, desto weniger sollten wir uns mit symbolischer Kompetenz zufriedengeben. Ein Zertifikat kann erworbene Kenntnisse dokumentieren, Lernziele sichtbar machen und berufliche Weiterbildung strukturieren. Es sollte nur nicht mit etwas verwechselt werden, das sich wesentlich schlechter auf A4 drucken lässt: Erfahrung, Fachwissen, kritische Urteilskraft und das Bewusstsein für die Grenzen des eigenen Verständnisses.
Vielleicht wäre das sogar die wichtigste Lektion jedes ernsthaften KI-Kurses. Wer ihn beendet, sollte nicht glauben, nun künstliche Intelligenz verstanden zu haben, sondern wesentlich genauer wissen, was er kann, was er nicht kann und wen er fragen muss, wenn es über seine Kompetenz hinausgeht.
Das Zertifikat wäre dann keine Krone, sondern eine Landkarte, auf der nicht nur die bereits zurückgelegte Strecke eingezeichnet ist, sondern auch die gewaltigen weißen Flächen, die noch vor uns liegen.
Und vielleicht wäre ein solches Zertifikat ausnahmsweise einmal mehr wert als das Papier, auf dem es gedruckt wurde.
