Muss eine KI-Schulung jedes Jahr wiederholt werden?
Wer sich 2026 mit AI Literacy beschäftigt, stößt schnell auf eine praktische Frage: Reicht eine einmalige KI-Schulung für Mitarbeitende aus oder muss sie regelmäßig wiederholt werden?
Die kurze Antwort lautet: Artikel 4 des EU AI Act nennt keinen pauschalen jährlichen Wiederholungsrhythmus. Die aktuelle Fassung verpflichtet Anbieter und Betreiber von KI-Systemen dazu, Maßnahmen zu ergreifen, die die Entwicklung von KI-Kompetenz ihrer Mitarbeitenden und weiterer Personen unterstützen, die in ihrem Auftrag mit KI-Systemen arbeiten. Dabei sollen technisches Wissen, Erfahrung, Ausbildung und der konkrete Nutzungskontext berücksichtigt werden. Ein bestimmtes Kompetenzniveau für jede einzelne Person muss dabei nicht garantiert werden.
Das spricht gegen eine einfache Logik wie „einmal im Jahr dieselben Folien für alle“. Gleichzeitig wäre es ebenso unpraktisch, eine Schulung als dauerhaft erledigt abzuhaken. KI-Systeme, Funktionen, interne Regeln und Nutzungssituationen verändern sich teilweise sehr schnell. Eine sinnvolle AI-Literacy-Strategie braucht deshalb einen Aktualisierungsmechanismus.
Die bessere Frage ist also nicht: Wie oft müssen wir schulen? Sondern: Wann hat sich unser Kontext so verändert, dass Wissen aktualisiert werden sollte?
Warum Aktualisierung besser funktioniert als starre Wiederholung
Ein fixer Jahresrhythmus hat einen organisatorischen Vorteil: Er ist leicht planbar. Fachlich kann er aber zu zwei Problemen führen.
Erstens können wichtige Änderungen zu spät in der Schulung ankommen. Führt ein Unternehmen im März ein neues KI-System ein und wartet bis zur nächsten Pflichtschulung im Dezember, arbeiten Mitarbeitende möglicherweise neun Monate mit veraltetem Wissen.
Zweitens erzeugt eine identische Wiederholung schnell Schulungsmüdigkeit. Wer jedes Jahr dieselben Grundlagen zu Halluzinationen, Datenschutz und Prompts hört, nimmt neue Inhalte möglicherweise weniger aufmerksam wahr.
Ein besserer Ansatz kombiniert einen stabilen Basispfad mit gezielten Updates. Grundlagen bleiben bestehen, während neue Inhalte genau dann ergänzt werden, wenn sich Systeme, Regeln oder Risiken tatsächlich ändern.
Anlass 1: Ein neues KI-System wird eingeführt
Der offensichtlichste Aktualisierungsanlass ist die Einführung eines neuen Werkzeugs. Das kann Microsoft Copilot, ChatGPT Enterprise, Gemini, ein branchenspezifisches System oder eine individuell entwickelte KI-Anwendung sein.
Mit einem neuen System ändern sich oft konkrete Fragen:
- Welche Daten dürfen verarbeitet werden?
- Welche Funktionen sind freigegeben?
- Werden Inhalte gespeichert oder für Modellverbesserung verwendet?
- Welche Ergebnisse dürfen direkt weiterverwendet werden?
- Welche menschliche Kontrolle ist erforderlich?
- Für welche Prozesse ist das Werkzeug ausdrücklich nicht gedacht?
Eine allgemeine KI-Grundlagenschulung beantwortet diese Fragen nicht automatisch. Deshalb sollte die Einführung eines relevanten neuen Systems immer mit der Frage verbunden werden, ob bestehende Lerninhalte noch passen.
Das bedeutet nicht zwingend, dass alle Mitarbeitenden einen kompletten Kurs wiederholen müssen. Häufig reicht ein neues Modul oder ein kurzes Update für die tatsächlich betroffene Zielgruppe.
Anlass 2: Ein bestehendes Tool bekommt neue Funktionen
Auch ohne neues Produkt kann sich der Nutzungskontext verändern. Moderne KI-Plattformen werden laufend erweitert. Aus einem reinen Textassistenten kann ein System werden, das Dateien analysiert, auf interne Datenquellen zugreift, Aktionen in anderen Anwendungen ausführt oder komplette Workflows automatisiert.
Damit verändern sich nicht nur die Möglichkeiten, sondern möglicherweise auch die Risiken. Wer bislang nur Textentwürfe erstellt hat, braucht anderes Wissen als jemand, der einem KI-Agenten Zugriff auf CRM-Daten, E-Mails oder interne Dokumente gibt.
Deshalb sollte das Unternehmen nicht nur neue Produktnamen beobachten. Entscheidend ist, ob neue Funktionen die Art verändern, wie Mitarbeitende mit Daten, Entscheidungen oder externen Personen umgehen.
Anlass 3: Interne KI-Regeln werden geändert
Eine gute KI-Schulung und eine gute KI-Richtlinie gehören zusammen. Ändert das Unternehmen seine internen Regeln, kann eine Aktualisierung der Schulung notwendig werden.
Typische Beispiele sind:
- Ein bisher nicht erlaubtes KI-Werkzeug wird freigegeben.
- Für Kundendaten gelten neue Vorgaben.
- Ein zusätzlicher Freigabeschritt wird eingeführt.
- Bestimmte Anwendungsfälle werden untersagt.
- Ein neuer Ansprechpartner für KI-Fragen oder Vorfälle wird benannt.
- Die Kennzeichnung oder Prüfung KI-generierter Inhalte wird neu geregelt.
Wichtig ist die praktische Perspektive: Eine Richtlinie im Intranet hilft nur begrenzt, wenn Mitarbeitende eine alte Schulung im Kopf haben. Wesentliche Regeländerungen sollten deshalb möglichst direkt in die Lerninhalte übernommen werden.
Anlass 4: Mitarbeitende wechseln Rolle oder Aufgabenbereich
Artikel 4 stellt ausdrücklich auf den Nutzungskontext ab. Genau deshalb kann ein Rollenwechsel ein sinnvoller Anlass für zusätzliche AI-Literacy-Inhalte sein.
Ein Mitarbeitender, der aus einer internen Fachrolle in den Vertrieb wechselt, arbeitet plötzlich stärker mit externer Kommunikation und Kundendaten. Wer in HR wechselt, kann mit Bewerber- oder Beschäftigtendaten konfrontiert sein. Eine Führungskraft wiederum muss möglicherweise nicht nur KI selbst sicher nutzen, sondern auch Freigaben, Verantwortlichkeiten und Eskalationswege verstehen.
Ein Basiskurs bleibt dabei wertvoll. Zusätzlich sollten aber die neuen realen Entscheidungssituationen abgedeckt werden. Rollenbezogene Module sind dafür meist effizienter als eine komplette Wiederholung des gesamten Grundkurses.
Anlass 5: Wissenschecks zeigen konkrete Lücken
Eine Aktualisierung sollte nicht nur durch Technik oder Regeln ausgelöst werden. Auch Lernresultate selbst können zeigen, dass bestimmte Inhalte nicht ausreichend verstanden wurden.
Wenn beispielsweise viele Mitarbeitende dieselbe Frage zu personenbezogenen Daten falsch beantworten oder immer wieder Unsicherheit bei der Quellenprüfung besteht, liefert das einen konkreten Hinweis. Statt pauschal den gesamten Kurs neu zu starten, kann genau dieses Thema nachgeschärft werden.
Das ist ein wichtiger Vorteil digitaler Lernpfade: Wissenschecks können nicht nur dokumentieren, dass etwas absolviert wurde. Sie können auch zeigen, wo der nächste Lernbedarf liegt.
Natürlich sollte man Testergebnisse nicht überinterpretieren. Ein kurzer Quizwert ist kein vollständiges Kompetenzmodell. Als praktischer Indikator für wiederkehrende Missverständnisse ist er aber sehr nützlich.
Anlass 6: Fehler oder Vorfälle zeigen eine Lücke im Alltag
Noch deutlicher wird der Aktualisierungsbedarf, wenn im Arbeitsalltag ein konkreter Fehler auftritt. Beispiele wären sensible Informationen in einem nicht freigegebenen Tool, ungeprüft versendete KI-Aussagen oder ein automatisierter Prozess, der außerhalb seines vorgesehenen Rahmens genutzt wurde.
Hier sollte die Reaktion nicht bei einer individuellen Ermahnung enden. Sinnvoller ist die Frage: War die Regel unklar? War sie unbekannt? War die Schulung zu abstrakt? Hat sich der Prozess verändert?
Wenn mehrere Personen dieselbe Fehlannahme haben könnten, ist ein gezieltes Lernupdate oft wirksamer als eine reine Einzelfallkorrektur. So wird aus einem Vorfall eine Verbesserung des Systems.
Anlass 7: Rechtliche oder behördliche Rahmenbedingungen ändern sich
Auch die regulatorische Umgebung entwickelt sich weiter. Artikel 4 gilt bereits seit Februar 2025. Die Überwachungs- und Durchsetzungsregeln greifen seit dem 3. August 2026. In Deutschland hat die Bundesnetzagentur seit Ende Juli 2026 eine zentrale Rolle als Marktüberwachungsbehörde, Anlaufstelle und Beschwerdestelle für die KI-Verordnung übernommen.
Die Europäische Kommission aktualisiert parallel ihre Informationen zu AI Literacy und ihr Repository mit Praxisbeispielen. Dieses Repository enthält inzwischen mehr als 40 Initiativen aus Unternehmen und öffentlichem Sektor. Die Kommission stellt zugleich klar, dass das bloße Kopieren einer dort gezeigten Maßnahme keine automatische Vermutung der Einhaltung von Artikel 4 schafft.
Für Unternehmen bedeutet das: Nicht jede neue Meldung braucht sofort ein neues Schulungsmodul. Wenn sich aber Anforderungen, Empfehlungen oder für den eigenen Einsatz relevante Leitlinien substanziell ändern, sollte geprüft werden, ob bestehende Lerninhalte angepasst werden müssen.
Wie häufig sollte man den Schulungsbedarf prüfen?
Auch hier gibt es keine allgemeine Zahl, die für jedes Unternehmen passt. Praktisch sinnvoll ist ein einfacher Review-Prozess. Dabei wird nicht automatisch jedes Mal neu geschult, sondern regelmäßig geprüft, ob sich relevante Faktoren verändert haben.
Ein schlanker Review kann beispielsweise diese Fragen enthalten:
- Nutzen wir neue KI-Systeme oder neue Funktionen?
- Haben sich interne Richtlinien geändert?
- Gibt es neue Rollen oder Zielgruppen mit anderem Nutzungskontext?
- Zeigen Wissenschecks wiederkehrende Lücken?
- Gab es Fehler, Vorfälle oder häufige Rückfragen?
- Haben sich relevante regulatorische Rahmenbedingungen verändert?
Für ein Unternehmen mit wenigen stabilen KI-Anwendungen kann dieser Check relativ selten Änderungen auslösen. Ein Unternehmen mit stark wachsendem KI-Einsatz wird häufiger Aktualisierungen brauchen.
Genau deshalb ist ein ereignisbasierter Ansatz meist belastbarer als die pauschale Aussage „einmal jährlich reicht“.
Drei Ebenen für eine praktikable Auffrischung
Nicht jede Änderung braucht denselben Aufwand. Für die Praxis hilft eine Einteilung in drei Ebenen.
- Kurzupdate: Kleine Regel- oder Funktionsänderung, die in wenigen Minuten erklärt werden kann.
- Rollenmodul: Neue Anforderungen betreffen nur eine bestimmte Gruppe, etwa HR, Vertrieb oder Führungskräfte.
- Vollständige Auffrischung: Grundlagen oder zentrale Prozesse haben sich so stark verändert, dass der gesamte Lernpfad erneut sinnvoll ist.
So bleibt Schulung proportional. Mitarbeitende müssen nicht unnötig Inhalte wiederholen, während relevante Änderungen trotzdem zeitnah vermittelt werden können.
Was Unternehmen zur Aktualisierung dokumentieren sollten
Wenn Lerninhalte aktualisiert werden, sollte auch die Dokumentation mitziehen. Hilfreich sind insbesondere:
- Version des Lernpfads oder Moduls,
- Grund der Aktualisierung,
- betroffene Zielgruppe,
- Datum der Bereitstellung oder Absolvierung,
- gegebenenfalls Ergebnis eines Wissenschecks.
Damit lässt sich später nachvollziehen, welche Inhalte zu welchem Zeitpunkt galten. Das ist intern genauso wertvoll wie gegenüber einer möglichen externen Prüfung: Es zeigt, dass AI Literacy nicht als einmaliges Projekt behandelt wird, sondern an den tatsächlichen Nutzungskontext gekoppelt bleibt.
Wie LimaBravo AI Mastery dabei hilft
Genau für diesen modularen Ansatz ist LimaBravo AI Mastery gedacht. Statt jedes Mal eine komplette Präsenzschulung neu zu organisieren, können Basispfad, Rollenmodule, Wissenschecks und Unternehmensinhalte gezielt aktualisiert werden. Neue oder geänderte Inhalte lassen sich den betroffenen Mitarbeitenden zuordnen, während bereits bekanntes Wissen nicht unnötig komplett wiederholt werden muss.
Das macht AI Literacy im Alltag handhabbarer: Lernen wird nicht als jährlicher Pflichttermin behandelt, sondern als strukturierter Prozess, der sich an reale Veränderungen anpasst.
Die Plattform kann ein Baustein einer solchen AI-Literacy-Strategie sein. Sie ersetzt keine rechtliche Einzelfallprüfung und der EU AI Act schreibt keinen pauschalen jährlichen Wiederholungsturnus für KI-Schulungen vor. Entscheidend ist, dass Unternehmen ihre Maßnahmen an ihrem tatsächlichen KI-Einsatz, ihren Mitarbeitenden und ihrem Nutzungskontext ausrichten.