Generative KI wird im Arbeitsalltag zum Schreiben, Kürzen, Übersetzen, Strukturieren, Zusammenfassen und Vorbereiten von Textarbeit genutzt.
Damit entsteht eine praktische Frage: Darf ich das mit KI?
Die Antwort ist selten einfach ja oder nein. Sie hängt davon ab, welches Material verwendet wird, welches Tool zum Einsatz kommt, welche Aufgabe die KI übernehmen soll und wofür der Output genutzt wird.
Nicht KI ja oder nein, sondern: Welche Nutzung ist verantwortbar?
Ein öffentlicher Veranstaltungstext kann mit einem geeigneten Tool gekürzt und anschliessend geprüft werden. Das ist eine andere Situation als ein vertrauliches Manuskript, das in ein öffentliches KI-Tool kopiert wird, um eine Begutachtung vorzubereiten.
Entscheidend ist deshalb nicht das Tool allein, sondern die konkrete Konstellation:
Material × Tool × Aufgabe × Output
Diese Logik steht auch hinter der KI-Ampel. Sie fragt nicht abstrakt, ob KI erlaubt ist, sondern welche Nutzung in einer konkreten Arbeitssituation verantwortbar erscheint.
Der 4-Fragen-Check
- Material: Was wird eingegeben?
- Tool: Wohin gehen die Daten?
- Aufgabe: Was soll KI tun?
- Output: Wofür wird das Ergebnis verwendet?
Diese vier Fragen reichen oft aus, um eine vage Unsicherheit in konkrete Klärungspunkte zu übersetzen.
Material: Was wird eingegeben?
Material kann öffentlich, intern, vertraulich, personenbezogen oder besonders sensibel sein. Dazu gehören Personendaten, Sitzungsunterlagen, Fördergesuche, Bewerbungen, Manuskripte, Gutachten, Review-Kommentare und unveröffentlichte Forschungsdaten.
Auch Open Access bedeutet nicht automatisch, dass jede KI-Nutzung unproblematisch ist. Lizenz, Kontext, Zweck, Zitierbarkeit und institutionelle Regeln bleiben relevant.
Je sensibler, vertraulicher oder verfahrensrelevanter das Material ist, desto höher sind die Anforderungen.
Tool: Wohin gehen die Daten?
Ein öffentliches KI-Tool, ein privater Bezahlaccount, eine institutionell freigegebene Lösung und ein lokales System sind nicht dasselbe. Relevant sind Betreiber, Verarbeitungsort, Speicherung, Nutzung für Training oder Produktverbesserung, institutionelle Freigabe sowie Zugriffs-, Speicher- und Löschregeln.
Ein privater Bezahlaccount ist keine institutionelle Freigabe. Und ein institutionelles Tool ist nicht automatisch für alle Inhalte geeignet.
Aufgabe: Was soll KI tun?
Viele Aufgaben sind assistiv gut geeignet, wenn Material, Tool und Prüfung passen. Dazu gehören Sprache verbessern, Texte kürzen, Inhalte strukturieren, Varianten entwerfen, Checklisten erstellen, öffentliche Informationen zusammenfassen und Entwürfe für menschliche Weiterarbeit vorbereiten.
Anders sieht es aus, wenn KI bewerten, ranken, auswählen, triagieren, Peer Reviews verfassen, Gutachten erstellen, Entscheidungsbegründungen liefern oder finale Freigaben übernehmen soll.
KI darf unterstützen. Sie darf aber nicht Gutachterin, Herausgeberin, Entscheiderin, Prüfinstanz oder Verantwortungsersatz werden.
Output: Wofür wird das Ergebnis verwendet?
Ein KI-Output als interne Arbeitshilfe ist anders zu beurteilen als ein Text für externe Kommunikation, ein redaktioneller Entscheid, eine Entscheidungsgrundlage oder ein Auswahlverfahren.
Vor der Weiterverwendung müssen Fakten, Quellen, Bias, Kontext, Ton, Bedeutungsverschiebungen, fehlende Unsicherheit und unzulässige Ergänzungen geprüft werden.
Verantwortung bleibt nicht dadurch beim Menschen, dass man es sagt. Sie muss praktisch eingelöst werden: durch Prüfung, Dokumentation, Freigabe und klare Zuständigkeiten.
Die vier Ergebniszustände der KI-Ampel
Grün: niedriges Risiko
Beispiel: Einen öffentlichen Veranstaltungstext mit einem passenden Tool kürzen und den Vorschlag redaktionell prüfen.
Gelb: Prüfung oder Freigabe nötig
Beispiel: Interne Sitzungsnotizen ohne Personendaten strukturieren, nachdem Tool, Datengrenzen und Zuständigkeit geklärt sind.
Rot: in dieser Konstellation nicht empfohlen
Beispiel: Vertrauliche Review-Kommentare in ein öffentliches KI-Tool kopieren, um eine Entscheidungsbegründung vorzubereiten.
Grau: zuerst klären
Beispiel: Eine neue KI-Plattform nutzen, bei der Speicherort, Trainingsnutzung und institutionelle Freigabe noch unklar sind.
Typische Beispiele aus der Praxis
Öffentliche Kommunikation
KI kann helfen, öffentliche Texte zu kürzen, verständlicher zu formulieren oder Varianten für unterschiedliche Kanäle vorzubereiten. Die finale Aussage, Tonalität und fachliche Richtigkeit bleiben redaktionell zu prüfen.
Abstracts thematisch clustern
Bei öffentlichen oder freigegebenen Abstracts kann KI erste thematische Gruppen vorschlagen. Die Cluster sind aber keine Bewertung und keine finale Auswahl. Menschen müssen prüfen, ob Kategorien, Gewichtungen und Grenzfälle stimmen.
Peer Review
Peer Review ist besonders sensibel. Vertrauliche Manuskripte, Gutachten oder Review-Kommentare gehören nicht in ungeeignete Tools. KI darf hier nicht zur verdeckten Gutachterin oder Entscheidungsinstanz werden.
Warum Assistenz nicht automatisch harmlos ist
Auch scheinbar kleine Assistenzaufgaben können Wirkung entfalten. Zusammenfassen, Clustern, Sortieren, Priorisieren und Vergleichen strukturieren Wahrnehmung vor. Was in einer Zusammenfassung fehlt, wird oft weniger beachtet. Was in einer Liste oben steht, wirkt wichtiger.
KI kann vorbereiten. Menschen müssen prüfen, kontextualisieren und entscheiden.
Das ist der Unterschied zwischen temporärer Entlastung und dauerhafter Delegation.
Der Gelb-Check: Was muss geklärt sein?
- Tool und Datenfluss klären: Wer betreibt das Tool, wo werden Daten verarbeitet und welche Regeln gelten?
- Daten minimieren: Nur eingeben, was für die Aufgabe wirklich nötig und zulässig ist.
- Ergebnis prüfen: Fakten, Quellen, Auslassungen, Verzerrungen und Tonalität kontrollieren.
- Verantwortung festlegen: Zuständigkeit, Freigabe und Dokumentation vor der Weiterverwendung klären.
Was gute KI-Nutzung auszeichnet
- aufgabenbezogen
- datensparsam
- toolbewusst
- überprüfbar
- transparent genug für den Kontext
- menschlich verantwortet
Die Kurzformel
Was gebe ich ein?
Wohin gehen die Daten?
Was soll KI tun?
Wofür wird der Output verwendet?
Material × Tool × Aufgabe × Output
Diese Formel ersetzt keine rechtliche, datenschutzrechtliche oder institutionelle Prüfung. Aber sie hilft, die richtigen Fragen zu stellen, bevor etwas in ein KI-Tool kopiert wird.
Wann die KI-Ampel hilft
Die KI-Ampel fragt nach Kategorien, nicht nach konkreten Inhalten. Sie ist ein Reflexionsinstrument, kein Gesetz und keine Freigabe.
Hilfreich ist sie für Hochschulen, Forschungsdienste, Stiftungen, Fachgesellschaften, Redaktionsteams, Verbände und NPOs, wenn typische Nutzungssituationen schnell und nachvollziehbar eingeordnet werden sollen.
Verbindung zum Prompting
Verantwortungsvolle KI-Nutzung beginnt vor dem Prompt. Gute Prompts machen die Nutzung besser steuerbar, wenn Material, Tool, Aufgabe und Output bereits geklärt sind.
Gute Prompts schreiben: Die 7 Elemente wirksamer KI-Kommunikation
Fazit
Die zentrale Frage lautet nicht: Ist KI erlaubt? Sondern: Unter welchen Bedingungen ist diese konkrete KI-Nutzung verantwortbar?
Die Antwort entsteht aus Material, Tool, Aufgabe und Output. Erst wenn diese vier Punkte geklärt sind, lässt sich eine Nutzung sinnvoll einschätzen.
KI kann Arbeit unterstützen, aber sie übernimmt keine Verantwortung.
Verantwortungsvolle KI-Nutzung entsteht dort, wo Menschen die Aufgabe klären, Daten schützen, den Output prüfen und fachliche Entscheidungen selbst verantworten.
Wann ein Workshop sinnvoll ist
Ein Workshop ist sinnvoll, wenn Ihre Organisation KI nicht nur ausprobieren, sondern verantwortungsvoll in konkrete Arbeitsprozesse integrieren möchte.
Gemeinsam lassen sich typische Nutzungssituationen, Datengrenzen, Toolfragen, Prüfschritte und rote Linien klären. Ziel ist eine praktische Entscheidungsfähigkeit im Arbeitsalltag: Was ist geeignet, was braucht Freigabe und wo sollte KI nicht eingesetzt werden?