KI-Literacy ist mehr als Prompting: Kritische & ethische Kompetenz
KI-Literacy ist mehr als Prompting. Die kritische und ethische Dimension — Outputs beurteilen, Bias erkennen, Verantwortung übernehmen — ist der defensible Unterschied, der generische Schulung von echter Kompetenz trennt.
3D: Ethisches Kompetenzmodell (Schichten)
1. Das Konstrukt (Guide 1, §2.2)
- Nicht Tool-Proficiency. Definitionen, die Programmierung/Statistik betonen, verfehlen, was Arbeitende wirklich brauchen.
- RAIL-Ed (Responsible AI Literacy in Education): integrativ, entwicklungspsychologisch, dialektisch; Ethik als konstitutiv (Synthese von 67 Studien).
- AI Fluency Framework: sechs Stufen bis zu strategisch, kritisch, ethisch, kontextuell.
2. Was „kritisch & ethisch" konkret heißt
- Outputs beurteilen: Halluzinationen erkennen, Evidenz prüfen, Quellen validieren.
- Bias erkennen: Trainingsdaten-Bias, Repräsentationslücken, disparate Impacts.
- Verantwortung übernehmen: Wer haftet für KI-Entscheidungen? (siehe EVB-IT Readiness)
- Kontextbewusstsein: KI im jeweiligen Fachkontext angemessen einsetzen.
3. Warum das B2B-relevant ist
Art. 4 verlangt kontextangemessene Literacy — nicht generische Schulung. Die kritisch-ethische Dimension ist genau das, was ein Auditor als „angemessen" akzeptiert. Sie ist auch der White-Space, den generische Anbieter nicht besetzen.
Weiterführende Links
Quellen: Guide 1 (Implementierung), §2.2; Korpus 16.459 Papers (Stand 2026-10). EOF echo "11 done"