Von Prompting zu Collaboration: Wie KI-Kompetenz im Team aufgebaut wird

Meike Dietzel, HR Director bei Doctolib Deutschland, beschreibt, was das konkret bedeutet: von der Zusammenarbeit mit KI bis zur ethischen Nutzung – und dem Wert menschlichen Urteilsvermögens.

Eine Meta-Analyse des MIT Center for Collective Intelligence, veröffentlicht in Nature Human Behaviour, hat 106 Experimente zur Zusammenarbeit zwischen Menschen und KI ausgewertet. Das zentrale Ergebnis: Menschen und KI arbeiten dann am besten zusammen, wenn jede Seite das übernimmt, was sie besser kann. Menschen leisten mehr bei Urteilsvermögen, Kontext und Empathie – KI übernimmt das Repetitive, Datengetriebene, Hochvolumige. Entscheidend ist dabei nicht, einzelne Aufgaben umzuverteilen, sondern Arbeitsprozesse neu zu gestalten. Für HR bedeutet das: KI-Upskilling ist keine einzelne Tool-Schulung – es ist der gezielte Aufbau von Fähigkeiten, die in dieser neuen Art zu Arbeiten als auch Zusammenarbeit gebraucht werden. 

Von Prompting zu Collaboration

Lange stand Prompting im Mittelpunkt: Wie formuliere ich eine Aufgabe so, dass die KI ein brauchbares Ergebnis liefert? Wer KI heute sinnvoll einsetzt, denkt weiter: Die KI gibt Feedback, macht aktiv Vorschläge, erledigt Teile der Arbeit – aber Mitarbeitende prüfen das Ergebnis aktiv und entscheiden, was weiterverwendet wird und was nicht. Das ist Collaboration, d.h. Zusammenarbeit und geht über die einfache Bedienung hinaus.

Drei Fähigkeiten bleiben dabei zentral: Aufgaben so formulieren, dass KI Ziel und Qualitätsanspruch versteht. Ergebnisse systematisch prüfen – auf Vollständigkeit, Sachlichkeit, Verwendbarkeit. Und: urteilen. Ist das Ergebnis plausibel? Darf es so eingesetzt werden? Wo liegt die Verantwortung? Wer entscheidet, trägt die Verantwortung.

Ein Beispiel aus dem Alltag: In einer Arztpraxis übernimmt der KI-Sprechstundenassistent die Dokumentation während des Arzt-Patienten-Gesprächs. Die Ärztin oder der Arzt muss dadurch nicht mehr mitschreiben und kann die volle Aufmerksamkeit der Patientin oder dem Patienten widmen. Die KI fasst das Gesagte zusammen, strukturiert – und entlastet damit. Die Ärztin bzw. Arzt prüft die Zusammenfassung und gibt sie frei. Die klinische Entscheidung bleibt beim Menschen. KI assistiert, Menschen verantworten. Das gilt in der Arztpraxis genauso wie im Büro.

KI-Nutzung und KI-Weiterbildung aufbauen

Bei Doctolib haben wir die kollaborative KI-Plattform Dust eingeführt. Dust verbindet KI-Modelle mit Unternehmensdaten, beispielsweise mit Confluence-Seiten, Google-Drive-Dokumenten, Slack-Nachrichten, Onboarding-Material und Richtlinien.

Mitarbeitende können damit Agenten für eigene Arbeitsabläufe erstellen, teilen und ausführen und dabei auf verschiedene KI-Modelle (u. a. von Anthropic, OpenAI, Google und Mistral) zugreifen. Im HR-Bereich können sie damit beispielsweise schnell und präzise Fragen neuer Teammitglieder beantworten, Stellenbeschreibungen oder Feedbackgespräche formulieren.

Mitarbeitende arbeiten damit in einer geschützten Umgebung mit den für ihre Aufgabe passenden Modellen und können eigene Assistenten für wiederkehrende Aufgaben entwickeln.

Das Lernangebot läuft über Sana, unsere Lernplattform. Wöchentliche, 30-minütige Live-Trainings – die sogenannten „Quick Wins” – behandeln wechselnde Themen: Prompts für die eigene Rolle, KI-Delegation zur mentalen Entlastung und Datenschutz. Dazu kommen offene Sprechstunden, in denen Mitarbeitende Anwendungsfälle vorstellen und Fragen stellen können. Das Format ist bewusst niedrigschwellig: Das Lernen findet im Arbeitsalltag statt.

Ein Beispiel: Eine Kollegin aus dem Recruiting brachte die Frage mit, wie sie eine Stellenanzeige für eine technische Rolle zugänglicher formulieren kann. In weniger als 30 Minuten hatte die Gruppe drei konkrete Ansätze erarbeitet, live getestet und verglichen. Das Ergebnis war ein konkretes Verständnis dafür, welche Anweisungen die KI braucht und wo das Ergebnis geprüft werden muss. Genau das ist der Unterschied zwischen Nutzung und Kompetenz. 

Konkrete Anwendungsfälle

Eine Produktmanagerin führte morgens ein Nutzer-Interview mit einer Arztpraxis für den KI-Sprechstundenassistenten. Das Feedback war konkret: Die Struktur der automatisch generierten Gesprächszusammenfassung passte nicht zur Arbeitsweise der Praxis. Mittags war der Prototyp angepasst, am Nachmittag stellte sie die neue Version internen Stakeholdern vor. Früher hätte dieser Prozess Tage gedauert. Was sich verändert hatte, war nicht die Aufgabe – sondern das Tempo, in dem Erkenntnis in Handlung überführt werden konnte.

Im Kommunikationsteam wird Reporting heute größtenteils automatisiert: Datenauswertungen, die früher manuell in Exceltabellen zusammengestellt wurden, werden in Dust mit strukturierten Vorlagen abgebildet. Und in HR? Ich nutze KI vor allem dort, wo Aufgaben vorbereitungsintensiv und strukturell ähnlich sind: bei der Vorbereitung von Konzepten und Formaten, wo wir diese vorstellen, der objektiven Auswertung von Feedback, oder dem schnellen Einordnen von Marktentwicklungen. Was ich dabei gelernt habe: Der Mehrwert entsteht im Dialog – wenn ich nachfrage, präzisiere und das Ergebnis in meinen Kontext setze. In allen Bereichen gilt: KI beschleunigt, Menschen entscheiden.

Datenschutz und ethisches Handeln sind Voraussetzung

Welche Daten dürfen an KI-Systeme übergeben werden und welche nicht? Welche Inhalte erfordern menschliche Prüfung, bevor sie weiterverwendet werden? Diese Leitplanken gehören ins Onboarding und werden in den Trainings regelmäßig thematisiert. Eine IEEE-Studie hält fest: KI steigert Effizienz und verändert Arbeitsrollen – erfordert aber zugleich proaktive Maßnahmen für ethische Fragen und das Wohlbefinden der Mitarbeitenden. Drei Dimensionen haben sich dabei als strukturierender Rahmen bewährt:

• Effizient nutzen: Bestehende, freigegebene Assistenten nutzen, bevor eigene gebaut werden.
• Ressourcenbewusst handeln: Nicht jede Anfrage braucht das leistungsstärkste Modell – das passende reicht. Die Leitfrage: Schafft dieser KI-Einsatz genug Wert, um den Rechenaufwand zu rechtfertigen?
• Ethisch entscheiden: Neue oder sensible Anwendungsfälle gehören in einen Governance-Rahmen, d.h. bei Unsicherheiten immer nachfragen und klare Regeln aufstellen, was die KI darf und was nicht.

Eine Lernkultur aufbauen: Führung entscheidet über Wirkung

Führungskräfte bauen ihre Kompetenz mit Trainings stetig aus, leben Anwendungsfälle vor und sprechen offen über Grenzen, Umwelteinflüsse, Kosten und Nutzen. Nicht alle Teammitglieder müssen sofort gleich weit sein – ein gemeinsames Basislevel ist sinnvoll, unterschiedliche Wege dorthin sind legitim. Hinzu kommt eine unterschätzte Nebenwirkung von KI: Wenn Inhalte schneller entstehen, steigt auch der Prüfaufwand.

HR muss daher gemeinsam mit Führungskräften fragen: Wo entsteht Entlastung? Wo entsteht sogar mehr kognitive Belastung? Was muss überhaupt erstellt werden und was nicht? Fehler gehören aber auch dazu. Mitarbeitende brauchen Raum zum Ausprobieren. Das ist die Lernkultur.

 Was HR konkret tun kann

1. Kompetenzrahmen definieren: Was müssen verschiedene Rollen können – auf welchem Niveau?
2. Adoption und Kompetenz trennen: Nutzungsquoten sagen nichts über Qualität aus. Praktische Aufgaben und Peer-Reviews helfen weiter.
3. Mit einem konkreten Problem starten: Nicht mit dem Tool, sondern mit dem Nutzen starten. Welche Aufgabe kostet Zeit? Dort ansetzen.
4. Governance vor Go-Live: Klare Regeln zu Daten, Prüfpflichten und Verantwortlichkeiten – bevor die Nutzung skaliert.
5. Führungskräfte einbeziehen: Auch als Lernende, nicht nur als Multiplikatoren.
6. Fehlerkultur aufbauen: Raum schaffen für Versuche, die nicht funktionieren – das ist die Grundlage für echte Kompetenz.

Entlastung entsteht nicht durch mehr Tools – sondern wenn Menschen wissen, was sie sinnvoll tun, prüfen und bewusst nicht tun müssen.