KI lernen ohne Frust: das Stufenmodell der KI-Handlungskompetenz

Warum die meisten beim KI-Lernen zu gross springen – und mit welcher Progression der Aufbau von KI-Handlungskompetenz zuverlässig gelingt.

Wer heute KI-Kompetenz aufbauen will, hat kein Informationsproblem. Kurse, Videos, Newsletter, Tools – das Angebot ist grenzenlos. Und trotzdem scheitern viele Lernversuche auf dieselbe Art: Man beginnt hochmotiviert mit etwas Beeindruckendem – einem KI-Agenten, einer Automatisierung, einem RAG-System –, merkt nach zwei Abenden, dass einem an allen Ecken Grundlagen fehlen, und legt das Thema frustriert zur Seite. Der Schluss daraus ist dann oft: «Das ist nichts für mich.»

Dabei liegt das Problem selten an der Person – sondern an der Sprunghöhe.

Lernen an der Kante des Könnens

Die Lernforschung ist in diesem Punkt bemerkenswert einig. Der Entwicklungspsychologe Lew Vygotski beschrieb schon vor bald hundert Jahren die «Zone der nächsten Entwicklung»: Menschen lernen dort am besten, wo eine Aufgabe knapp über dem liegt, was sie alleine schon können – anspruchsvoll genug, um zu fordern, nah genug, um mit etwas Begleitung erreichbar zu sein.¹ Die moderne Gedächtnisforschung um Robert Bjork (UCLA) ergänzt: Genau diese «wünschenswerten Schwierigkeiten» sind es, die Gelerntes langfristig verankern – zu leicht verpufft, zu schwer blockiert.²

Wir nennen diesen Punkt die Edge of Competence – die Kante des eigenen Könnens. Wer dort lernt, erlebt zwei Dinge gleichzeitig: spürbaren Fortschritt und machbare Herausforderung. Wer darunter bleibt, langweilt sich. Wer darüber hinausspringt, scheitert an fehlenden Voraussetzungen – das ist der Zwei-Abende- Frust von oben.

Für KI-Kompetenz heisst das: Die entscheidende Frage ist nicht «Was ist das Beeindruckendste, das ich lernen könnte?», sondern «Was ist meine nächste Stufe?»

Die sieben Stufen der KI-Handlungskompetenz

Damit diese Frage beantwortbar wird, braucht es eine Ordnung der Technologien – vom Einfachen zum Anspruchsvollen, wobei jede Stufe auf den Fähigkeiten der vorherigen aufbaut:

1. KI-Tools: ChatGPT, Claude, Gemini, DeepL, Midjourney & Co. souverän im Alltag einsetzen.
2. Out-of-the-Box-Agenten: Vorgefertigte Agenten (Gems, Custom GPTs) konfigurieren – etwa einen persönlichen Leadership-Coach.
3. KI-Assistenten: Eigene KI-Assistenten mit Instruktionen und Wissen bauen – z.B. einen Lern-Bot oder ein OKR-Feedback-Tool.
4. Automation: Workflows, die ohne Zutun laufen – etwa aus einem Artikel automatisch LinkedIn-Posts erzeugen.
5. Vibe Coding: Eigene Apps per Beschreibung bauen lassen – vom Team-Werkzeug bis zum Prototyp.
6. Agentic Systems: Mehrere Agenten mit Logik verknüpfen: prüfen, verzweigen, eskalieren – wie ein digitales Team.
7. RAG & Vektor-DBs: Eigene Unternehmensdaten anbinden, damit die KI mit Ihrem Wissen arbeitet.

Die Reihenfolge ist kein Zufall, sondern die eigentliche Pointe des Modells. Wer KI-Tools souverän bedient, hat gelernt, präzise zu instruieren – genau das braucht es, um vorgefertigte Agenten zu konfigurieren. Wer eigene Assistenten mit Wissen ausstattet, versteht, wie Kontext das Verhalten der KI steuert – die Voraussetzung für Automatisierungen und später für Vibe Coding. Und wer Apps beschreiben und prüfen kann, bringt alles mit, um agentische Systeme zu bauen und schliesslich die eigenen Unternehmensdaten anzubinden. Jede Stufe ist die Rampe zur nächsten.

So verorten Sie sich selbst

Das Modell wird praktisch, sobald Sie sich ehrlich einordnen. Dabei hilft eine einfache Regel: Eine Stufe gilt als erreicht, wenn Sie sie im Alltag routiniert nutzen – nicht, wenn Sie sie einmal ausprobiert haben.

Viele Berufstätige stellen dabei fest: Sie stehen auf Stufe eins, vielleicht anderthalb. Das ist keine schlechte Nachricht, im Gegenteil – es macht den nächsten Schritt klein und konkret. Statt «Ich müsste mal etwas mit KI-Agenten machen» heisst es dann: «Ich konfiguriere diese Woche einen vorgefertigten Agenten für eine wiederkehrende Aufgabe.» Das ist an einem Feierabend machbar, es baut direkt auf Ihrem Können auf, und es erzeugt den Fortschritt, der zum Weitermachen motiviert.

Genauso wichtig ist die Umkehrung: Wenn ein Vorhaben seit Wochen stockt, lohnt sich der Blick auf die Grafik. Meist zeigt sich, dass zwischen dem eigenen Stand und dem Ziel zwei oder drei Stufen liegen – und dass der Frust nichts mit mangelndem Talent zu tun hat, sondern mit übersprungenen Rampen.

Warum Überspringen so teuer ist

Man kann Stufen überspringen – mit genügend Zeit und Leidensfähigkeit geht das. Aber es ist die teuerste Route: Jede fehlende Grundlage taucht später als doppelter Aufwand wieder auf, und das Scheitern an einer zu grossen Aufgabe wird schnell fälschlich als «KI kann das nicht» oder «ich kann das nicht» abgelegt. Beides sind teure Fehlschlüsse – für die eigene Entwicklung wie für die Organisation, die auf diese Kompetenz wartet.

Die verlässliche Route ist unspektakulär: die eigene Kante finden, den nächsten kleinen Schritt gehen, anwenden, bis er sitzt – und dann den nächsten. Mit Begleitung geht das deutlich schneller, weil jemand die Sprunghöhe für Sie richtig einstellt und Sie auffängt, bevor aus einer Schwierigkeit ein Abbruch wird. Genau dieses Prinzip – Lernen an der Edge of Competence, in der Gemeinschaft und immer am eigenen Anwendungsfall – ist das Kurskonzept des CAS AI Hands-On.

Und der erste Schritt kostet nichts: Nehmen Sie die Grafik oben und markieren Sie ehrlich, wo Sie stehen. Ihre nächste Stufe kennt jetzt niemand besser als Sie.