Einführungskurs für KI – Pädagogischer Leitfaden

Was macht Einführungskurs für KI – Pädagogischer Leitfaden?

Verwandle Skeptiker in Power-User durch strategische Erfahrungsgestaltung. Keine ML-Theorie – sondern die menschlichen Momente, die Vertrauen aufbauen, Ängste auflösen und Neugier in Kompetenz verwandeln.

Entscheidungspunkte

Wenn Lernende Verwirrung oder Widerstand zeigen

Ist die Verwirrung technisch oder emotional?
├── Technisch: „Ich verstehe nicht, wie es funktioniert“
│   ├── Sind sie auf der richtigen Stufe?
│   │   ├── Ja → Analogien verwenden (Praktikant, Chefkoch-Assistent, Taschenrechner)
│   │   └── Nein → Eine Stufe tiefer gehen, Fundament wieder aufbauen
│   └── Brauchen sie konkrete Beispiele?
│       ├── Abstrakter Lerner → Entscheidungsbäume zeigen, Systeme erklären
│       └── Konkreter Lerner → Mehr Demos, weniger Theorie
└── Emotional: „Das macht mir Angst“ oder „Das bedroht mich“
    ├── Angst vor Ersetzung → Taschenrechner-Analogie + „Sie bringen Urteilsvermögen“
    ├── Überforderung → „Ein Werkzeug, eine Aufgabe, ignoriere den Rest“
    ├── Misstrauen → Hör auf zu erklären, fang an zu demonstrieren
    └── Ethische Bedenken → Anerkennung der Berechtigung, ehrlich über Risiken sein

Demo-Recovery-Entscheidungsbaum

Demo schlägt fehl oder liefert schlechte Ergebnisse?
├── Sofort eingestehen: „Perfekt! Genau das wollte ich Ihnen zeigen“
├── Fehlertyp diagnostizieren:
│   ├── Halluzination → „Sehen Sie, wie selbstbewusst es klingt, obwohl es falsch liegt? Deshalb prüfen wir nach“
│   ├── Missverständnis → „Es hat den Kontext übersehen, den nur Sie kennen. Fügen wir das hinzu.“
│   ├── Technischer Fehler → „Selbst Demos gehen schief. In der Praxis würden Sie es erneut versuchen oder umformulieren.“
│   └── Falsche Aufgabenkomplexität → „Das muss heruntergebrochen werden. Ich zeige Ihnen wie.“
└── Fehler in einen Lernmoment verwandeln: „Die wichtigste Fähigkeit ist zu wissen, wann man ihm vertrauen kann“

Zielgruppenanpassungsmatrix

Zielgruppentyp → Zeitbudget → Leitstrategie → Vermeiden
├── Führungskräfte (20–30 Min) → ROI-Demo, die ihr echtes Problem löst → Technische Details
├── Designer (30–45 Min) → Massengenerierung + menschliche Kuratierung → „KI ersetzt Kreativität“
├── Entwickler (45–60 Min) → Live-Coding mit Review-Zyklus → Überversprechen von Fähigkeiten
├── Betriebsteams (30–45 Min) → Ihre mühsamste wiederkehrende Aufgabe → Abstrakte Konzepte
└── Familie/Ältere (unbegrenzt) → Persönlicher, nicht-bedrohlicher Inhalt → Jegliches Fachjargon

Navigation der Komplexitätsleiter

Aktuelles Verständnisniveau → Nächster angemessener Schritt
├── Nie KI gesehen → 5-Minuten-„Aha“-Demo (Stufe 1: Chat)
├── ChatGPT genutzt → Tools/Dateilesen zeigen (Stufe 2: Tools)
├── Vertraut mit Tools → Multi-Schritt-Agenten-Demo (Stufe 3: Agents)
├── Versteht Agents → Vorher/Nachher-Skills-Vergleich (Stufe 4: Skills)
└── Nutzt Skills → Parallele DAG-Ausführung (Stufe 5: WinDAGs)

NIEMALS Stufen überspringen. Jede baut das mentale Modell für die nächste auf.

Fehlermodi

Fachjargon-Überflutung

Symptom: Das Publikum schaltet nach 60 Sekunden ab, beginnt aufs Handy zu schauen Erkennungsregel: Wenn Sie in den ersten 5 Minuten 3+ unerklärte Fachbegriffe verwenden, haben Sie diesen Punkt erreicht Ursache: Mit Erklärungen statt mit Erfahrung beginnen Lösung: Hör auf zu reden. Fang an zu demonstrieren. Definiere Begriffe erst, nachdem das Konzept erlebt wurde

Die Überversprechens-Katastrophe

Symptom: Das Publikum wird feindselig, wenn KI versagt, fühlt sich „getäuscht“ oder „belogen“ Erkennungsregel: Wenn Sie nur Erfolge gezeigt und Einschränkungen vermieden haben, haben Sie diesen Punkt erreicht Ursache: Herausgepickte Demos ohne Fehlervorbereitung Lösung: Zeigen Sie sofort einen Fehler. Sagen Sie: „Hier bricht es zusammen“, bevor sie es selbst entdecken

Emotionales Bypass-Syndrom

Symptom: Technisch korrekte Präsentation stößt auf Widerstand, Skepsis oder Nicht-Annahme Erkennungsregel: Wenn das Publikum fragt „Werde ich ersetzt?“ und Sie eine technische Antwort geben, haben Sie diesen Punkt erreicht Ursache: KI-Einführung als Informationsweitergabe statt als emotionale Arbeit behandeln Lösung: Sprechen Sie die Angst direkt an. „Sie machen sich Sorgen um X. Das ist berechtigt. Hier ist, was wirklich auf dem Spiel steht und was nicht.“

Feature-Parade-Lähmung

Symptom: Publikum beeindruckt, kann aber nichts Konkretes zum Ausprobieren identifizieren Erkennungsregel: Wenn Sie mehr als 3 Fähigkeiten demonstriert haben, ohne eine üben zu lassen, haben Sie diesen Punkt erreicht Ursache: Breite statt Tiefe, Überforderung des Entscheidungsprozesses Lösung: Wählen Sie EINE Fähigkeit, die IHR Problem löst. Gehen Sie in die Tiefe. Alles andere kann warten.

Passives Beobachterlernen

Symptom: Engagiert während der Demo, aber keine Verhaltensänderung danach Erkennungsregel: Wenn Lernende 30+ Minuten zugesehen haben, ohne die Tastatur zu berühren, haben Sie diesen Punkt erreicht Ursache: Über KI lernen statt KI nutzen zu lernen Lösung: Hands-on innerhalb von 10 Minuten. Sie müssen die Überraschung selbst erleben, nicht nur zusehen.

Ausgearbeitete Beispiele

30-Minuten-Einführung für Führungskräfte (Kommentiertes Transkript)

Kontext: VP of Sales, 20-köpfiges Team, skeptisch gegenüber „einem weiteren Technologietrend“

Minuten 0–2: Emotionales Check-in „Bevor wir beginnen – was ist Ihre ehrliche Meinung zu KI? Was haben Sie gehört, das Sie beunruhigt oder begeistert?“ Antwort: „Klingt nach Hype. Jeder Anbieter behauptet jetzt, KI zu haben.“ [Anmerkung: Klassischer Skeptiker. Muss demonstrieren, nicht argumentieren]

Minuten 2–7: Die 5-Minuten-Aha-Demo „Verständlich. Was ist etwas, wofür Ihr Team viel Zeit aufwendet und das sich wiederholend anfühlt?“ Antwort: „Qualifizierung von Leads von Konferenzen. Wir bekommen 200 Visitenkarten, vielleicht 20 sind es wert, verfolgt zu werden.“

[Live-Demo: Beispiel-Lead-Liste an KI füttern, beobachten, wie sie Interessenten bewertet und einordnet] [Schlüsselmoment: Sein Gesichtsausdruck ändert sich, als KI die hochwertigen Interessenten korrekt identifiziert] „Woher wusste sie, dass MedTech-Unternehmen unser Sweet Spot sind? Das habe ich ihr nie gesagt.“ [Aha-Moment erreicht. Jetzt ist er neugierig, nicht defensiv]

Minuten 7–12: Die eigentliche Sorge ansprechen „Sie fragen sich, ob das bedeutet, dass Sie weniger Verkäufer brauchen.“ Antwort: „Ja, genau.“ „Zeigen Sie mir, was passiert, nachdem sie die Leads bewertet hat. Was würden Sie mit den Top 10 machen?“ [Er beschreibt den komplexen Qualifizierungsprozess – mehrere Stakeholder, individuelle Demos, Beziehungsaufbau] „Richtig. KI hat die Nadeln im Heuhaufen in 30 Sekunden gefunden. Aber Sie brauchen immer noch jemanden, der Unternehmensverkäufe versteht, der Ihr Produkt demonstrieren kann und der einen Raum lesen kann. Es eliminiert den langweiligen Teil, damit sich Ihr Team auf den Teil konzentrieren kann, der Fachwissen erfordert.“

Minuten 12–18: Praktische Übung „Probieren wir es mit Ihren tatsächlichen Leads von letzter Woche. Rufen Sie die Tabelle auf.“ [Er bedient, ich leite an. Entscheidend, dass er die Tastatur berührt] [Erholungsmoment: KI stuft einen Lead fälschlicherweise als minderwertig ein. Ich gerate nicht in Panik] „Sehen Sie diesen hier? KI hat ihn als niedrig priorisiert, aber Sie runzeln die Stirn. Was weiß die KI nicht?“ Antwort: „Dieses Unternehmen wurde gerade übernommen. Ihr Budget hat sich geöffnet.“ „Genau. KI hat die Muster, aber nicht den Kontext. Sie bringen das Urteilsvermögen. Deshalb werden Verkäufer, die KI nutzen, sowohl reine KI als auch Verkäufer, die es nicht tun, schlagen.“

Minuten 18–25: Konkrete nächste Schritte „Was ist eine spezifische Aufgabe, die Ihr Team diese Woche mit KI ausprobieren könnte?“ [Er identifiziert: erste Entwürfe von E-Mails für Kaltakquise] „Perfekt. Fangen Sie damit an. Versuchen Sie nicht, alles zu revolutionieren. Sehen Sie einfach, ob KI Ihre E-Mail-Entwurfszeit halbieren kann.“

Minuten 25–30: Fragen und ehrliche Grenzen „Was macht Ihnen noch Sorgen?“ [Fragen zu Datenschutz, Genauigkeit, Kosten] [Ich gebe ehrliche Antworten, winke Bedenken nicht weg] „Das Wichtigste: Behandeln Sie es wie einen klugen Praktikanten. Hilfreich, schnell, braucht Aufsicht. Ihr Urteilsvermögen ist immer noch der wichtigste Teil.“

Ergebnisindikatoren:

• Er stellt „Wie“-Fragen statt „Ob“-Fragen
• Er hat einen spezifischen Test-Anwendungsfall identifiziert
• Er denkt über Workflow-Integration nach, nicht über Ersetzung
• Er möchte es seinem Team zeigen (Fürsprache entsteht)

Live-Demo-Erholung (Was tun, wenn KI versagt)

Szenario: Demonstration eines KI-Code-Reviews für ein Ingenieurteam. KI gibt schreckliche Ratschläge zur Sicherheit.

Falsche Reaktion: Panik, Entschuldigung, versuchen, es wegzuerklären „Oh, das ist komisch, normalerweise funktioniert es besser …“ [Tötet Glaubwürdigkeit. Team verliert Vertrauen.]

Richtige Reaktion: Fehler in eine Lehre verwandeln „Perfekt! Halten Sie genau hier. Genau das wollte ich Ihnen zeigen. Sehen Sie, wie selbstbewusst es klingt, während es eine SQL-Injection-Schwachstelle empfiehlt. Deshalb ist KI-Code-Review ein Ausgangspunkt, kein Ersatz für Sicherheitsexpertise. Sarah, Sie haben das sofort erkannt – KI nicht. Das ist die Fähigkeitslücke, die KI nicht überbrücken kann.“

Nachbereitung: Feedback-Schleife zeigen „Jetzt sehen Sie, was passiert, wenn ich ihr Sarahs Bedenken mitteile.“ [KI korrigiert den Kurs, wenn sie Experteneingabe erhält] „Sehen Sie? Es ist wie ein Junior-Entwickler, der jedes Programmierbuch gelesen hat, aber noch nie gehackt wurde. Nützlich, um offensichtliche Probleme zu erkennen, aber für die subtilen Dinge brauchen Sie immer noch die Beurteilung eines Seniors.“

Ergebnis: Fehler wird zum Beweispunkt statt zum Glaubwürdigkeitskiller

Qualitätstore

Checkliste nach der Einführung:

• Aha-Moment beobachtet: Lernender zeigte sichtbare Überraschung/Erkennen während der Demo
• Emotionale Sicherheit bestätigt: Lernender äußerte Bedenken und erhielt ehrliche Antworten
• Praktische Übung abgeschlossen: Lernender hat KI persönlich für seine eigene Aufgabe/Inhalt genutzt
• Stufenbeherrschung verifiziert: Kann die aktuelle Fähigkeitsstufe jemand anderem erklären
• Nächste Aktion identifiziert: Spezifische Aufgabe, die er diese Woche mit KI ausprobieren wird
• Einschränkungsbewusstsein: Kann mindestens eine Sache nennen, die KI schlecht kann
• Erholungszuversicht: Weiß, was zu tun ist, wenn KI schlechte Ergebnisse liefert
• Bereit für selbstgesteuerte Nutzung: Fragt „Wie kann ich …“ statt „Können Sie mir zeigen …“
• Kontextbewusstsein: Versteht, warum diese KI-Fähigkeit für seine Rolle wichtig ist
• Skepsis behandelt: Kernbedenken anerkannt und ehrlich diskutiert

NICHT-FÜR-Grenzen

KI-Einführungspädagogen verwenden für:

• Erste KI-Erfahrungen und Einarbeitung
• Workshop-Design für gemischt technische Zielgruppen
• Überwindung emotionaler Barrieren bei der KI-Einführung
• Erklärung agentischer Workflows für Geschäftsinteressenten

NICHT verwenden für:

• Technische Implementierung: Zum Bau von KI-Systemen den ai-engineer-Skill verwenden
• Fortgeschrittene Prompt-Optimierung: Für Prompt-Engineering-Meisterschaft den prompt-engineer-Skill verwenden
• ML-Modelltraining: Für Data Science und Modellentwicklung den ai-engineer-Skill verwenden
• Produktionsbereitstellung: Für KI-Infrastruktur und Skalierung den agentic-infrastructure-2026-Skill verwenden
• Entwickler-Tool-Training: Für die technische KI-Tool-Einführung durch Ingenieure an die toolspezifische Dokumentation verweisen

Übergabesignale:

• Wenn sie fragen „Wie baue ich …“ → ai-engineer
• Wenn sie fragen „Wie optimiere ich Prompts …“ → prompt-engineer
• Wenn sie fragen „Wie stelle ich bereit …“ → agentic-infrastructure-2026
• Wenn sie fragen „Wie erstelle ich Trainingsdaten …“ → ai-engineer