KI-Upskilling in fünf Schritten So machen Sie Ihr Marketingteam fit für KI
Höchste Zeit, die KI-Skills Ihres Marketingteams zu entwickeln. Kurzfristiger Aktionismus bringt Sie allerdings nicht weiter. Entscheidend ist ein systematischer und kontinuierlicher Kompetenzaufbau mit klarem Nutzen – abgeleitet von der KI-Strategie Ihres Unternehmens sowie den Aufgaben und Prozessen Ihres Teams. Ein solches Upskilling gelingt Ihnen in fünf Schritten.
Schritt 1: Handlungsbedarf ermitteln
Verfügt Ihr Unternehmen über eine KI-Strategie? Wenn ja, bildet sie die Grundlage für das Upskilling Ihres Marketingteams. Denn sie definiert Schlüsselkompetenzen, die das gesamte Unternehmen für die KI-Nutzung erreichen will. Allerdings sind diese Skills oft eher allgemein formuliert. Konkretisieren Sie sie daher für das Marketing. Stellen Sie sich auf jeden Fall – auch wenn keine übergeordnete KI-Strategie vorliegt – die folgenden Fragen:
- Welche Ziele wollen Sie als Team mit künstlicher Intelligenz erreichen?
- Für welche konkreten Anwendungsfälle wollen Sie KI einsetzen? Wie priorisieren Sie diese?
- Welche Skills werden dafür benötigt?
Machen Sie als Nächstes eine Auslegeordnung, wo Sie als Marketingteam beim Thema KI stehen. Überlegen Sie sich folgendes:
- Welches theoretische Wissen zur Funktionsweise von KI besteht im Team?
- Über wie viel praktische Erfahrung verfügt Ihr Team – und mit welchen Tools?
- Wurde KI bisher vor allem individuell genutzt oder haben Sie schon erste gemeinsame Use Cases und Pilotprojekte umgesetzt?
- Wie gross sind die Unterschiede bei den KI-Skills im Team?
- Gibt es bereits Regeln, Prozesse und Verantwortlichkeiten zum Einsatz von KI?
- Welche Bedürfnisse bezüglich KI haben die Mitarbeitenden?
Wenn Sie nun die erforderlichen Skills und die aktuellen Fähigkeiten miteinander vergleichen, erkennen Sie die grössten Kompetenzlücken, den Handlungsbedarf und die wichtigsten Lernziele. So wissen Sie, in welche Richtung Sie sich als Team gemeinsam entwickeln wollen – denn Ihr KI-Upskilling ist ein Entwicklungsprozess.
Klären Sie in diesem ersten Schritt auch, welches Budget Ihnen zur Verfügung steht und wie viel Arbeitszeit Ihr Team realistischerweise in Schulungen, Trainings und regelmässige Austauschformate investieren kann.
In seiner KI-Strategie beschreibt Ihr Unternehmen, wie es künstliche Intelligenz einsetzt, um die Ziele der Unternehmensstrategie zu erreichen. Die KI-Strategie umfasst insbesondere Vision und übergeordnete KI-Ziele (z. B. höhere Effizienz, neue Geschäftsmodelle, bessere Kundenerlebnisse), Anwendungsfelder, Priorisierung von Technologien und Tools, Vorgaben zu Datenmanagement und Datenschutz sowie Grundsätze zu Governance und Ethik.
Wichtig für Ihr Upskilling: Die KI-Strategie definiert auch, welche Schlüsselkompetenzen die Mitarbeitenden für die KI-Nutzung erlangen müssen – zum Beispiel Dateninterpretation, Automatisierungsdesign oder Risikobeurteilung. Von solchen allgemein formulierten Fähigkeiten leiten Sie spezifische Kompetenzen fürs Marketing ab, die Sie mit dem Upskilling erreichen wollen. Durch dieses Vorgehen stellen Sie sicher, dass Ihr Fokus auf der Erweiterung von Kompetenzen liegt und nicht bloss auf isolierten Tool-Kenntnissen.
Schritt 2: Massnahmen definieren
Legen Sie nun die Schwerpunkte Ihres Entwicklungsprozesses fest. Dabei steht Ihnen eine Vielzahl von Massnahmen zur Auswahl, die Sie für Ihr Team, seine Kompetenzlücken und die konkreten Anwendungsfälle passend kombinieren können:
- Inhouse-Schulungen (z. B. zu theoretischen Grundlagen und KI-Strategie)
- Externe Kursmodule
- E-Learnings
- Digitale Lernhäppchen mit kleinen Übungen
- Live-Demos und Trainings für spezifische KI-Tools
- Praxisworkshops, um Use Cases durchzuspielen
- KI-Workshops speziell für Führungskräfte
- Individuelle Coachings
- KI-Challenges
- KI-Sprechstunden
- KI-Austauschprogramme mit anderen Unternehmen
Für welche dieser Lern-, Trainings- und Coaching-Angebote Sie sich entscheiden, hängt von der Ausgangslage Ihres Teams ab. Wenn schon eine KI-Strategie besteht, KI intensiv genutzt wird und die Mitarbeitenden ihr KI-Wissen daher weitgehend selbstständig erweitern können, dann sind zum Beispiel KI-Challenges, Praxisworkshops und KI-Sprechstunden sinnvolle Massnahmen.
Setzt Ihr Team KI-Tools hingegen erst begrenzt ein, sind zu Beginn klassische Schulungen und Trainings mit tiefer Hemmschwelle sinnvoll. In diesem Fall geht es zunächst vor allem darum, dass die Mitarbeitenden die Funktionsweisen von KIs wie Large Language Models, von generativer KI und KI-Agenten sowie deren Möglichkeiten, Grenzen und Risiken verstehen.
Dieser zweite Schritt Ihres Upskillings ist mit Make-or-buy-Entscheidungen verbunden: Welche Schulungen, Trainings und sonstigen Massnahmen können Sie selbst durchführen und welche wollen Sie einkaufen bzw. welche bestehenden externen Angebote wollen Sie nutzen?
Achten Sie bei der Wahl der Massnahmen immer auf die Wirtschaftlichkeit: Die Kosten für eingesetzte Arbeitszeit, Schulungen (externe Fachleute, Lernplattformen etc.) und Tools müssen eine lohnende Investition sein und mittelfristig durch die erzielten Einsparungen (Effizienzgewinne etc.) überkompensiert werden.
Erfolgsfaktoren für Ihr Upskilling
Ihre Mitarbeitenden sollten über ein Grundwissen verfügen, wie KI funktioniert. Deshalb gehören auch Theoriemodule in Ihre Lernoffensive. In erster Linie muss diese aber den KI-Einsatz für praktische Aufgaben, Prozesse und Problemlösungen Ihrer Mitarbeitenden erleichtern.
Ihre Mitarbeitenden verfügen über unterschiedliche Skills zu KI. Sorgen Sie deshalb dafür, dass alle nach den eigenen Bedürfnissen und im eigenen Tempo lernen können. Dafür bieten sich vor allem zu Beginn etwa KI-gestützte Lernplattformen an, die individuelle Wissenslücken erkennen und die passenden Lerninhalte und Übungen ausspielen.
Schaffen Sie Abwechslung beim Lernen, indem Sie etwa Präsenztrainings, längere E-Learnings und Mikro-Lerneinheiten für zwischendurch kombinieren. Sie können auch den Lernort variieren: Führen Sie zum Beispiel die Theorieteile bei externen Unternehmen und die praktischen Schulungen inhouse durch.
Fördern Sie beim Lernen den Austausch. Dafür eignen sich etwa Peer Groups von Mitarbeitenden mit ähnlichem Wissensstand. Eine weitere Möglichkeit ist ein Mentoring-Programm: Hier betreuen fortgeschrittene KI-User – egal, ob Sie sie KI-Superuser, KI-Champions oder KI-Botschafter nennen – die internen KI-Einsteiger und beantworten Fragen, die im Alltag auftauchen.
Sorgen Sie dafür, dass Ihre Mitarbeitenden das Gelernte im Arbeitsalltag ohne Risiko üben und vertiefen können. Schaffen Sie zum Beispiel eine sichere Umgebung, um Daten fürs Marketing zu verarbeiten und zu analysieren.
Schritt 3: Schnelle Erfolgserlebnisse schaffen
Sobald die Lernangebote anlaufen, ist Führungsarbeit gefragt: Motivieren Sie Ihr Team, das Gelernte zu üben und zu vertiefen. Denn Quick Wins sind beim KI-Upskilling entscheidend – vor allem, wenn Mitarbeitende Vorbehalte gegenüber KI haben und die damit verbundenen Effizienzgewinne anzweifeln. Zum Beispiel können Sie einen Hackathon durchführen, bei dem im Team für ein spezifisches Problem mit KI-Tools in kurzer Zeit eine Lösung erarbeitet wird. So erleben die Mitarbeitenden erste Erfolge, nehmen deutliche Lerneffekte wahr und erfahren, wie KI den Arbeitsalltag erleichtert.
Den grössten Lerneffekt haben Ihre Mitarbeitenden, wenn sie KI-Kompetenzen anhand ihrer alltäglichen Marketingaufgaben aufbauen. Dazu gehört neben Schulungen und Trainings verschiedener Art auch das individuelle Experimentieren. David Guntern, Geschäftsführer der Digital Marketing GmbH «dreizweieins» und Experte für KI im Marketing, warnt allerdings davor, beim «Rumprobieren» stehenzubleiben: «Ohne Struktur entsteht viel Output, aber wenig Wirkung. Damit Experimentieren produktiv wird, braucht es psychologische Sicherheit und eine positive Fehlerkultur – sonst traut sich niemand, mit offenem Ausgang zu testen, allenfalls zu scheitern und daraus zu lernen.»
Auch Jonas Hubmann, Studiengangsleiter des CAS AI in Marketing an der HWZ, nennt mehrere Bedingungen, damit das Experimentieren mit KI wirksam ist: «Es braucht klare Use Cases und Output-Ziele sowie Review- und Feedback-Schleifen zu den erreichten Resultaten. Vor allem aber müssen Führungskräfte bei den Mitarbeitenden Grundsätze wie ‹Integriere KI aktiv in deine Arbeit› oder ‹Nutze KI, um dir KI beizubringen› verankern.»
Um Quick Wins zu erzielen, ist es wichtig, dass Sie passende erste Anwendungsfälle auswählen. Jonas Hubmann rät zu einer Bewertung mithilfe der zwei Kriterien Wirkung und Machbarkeit: «Use Cases, die bei beidem gut abschneiden, kommen auf eine Shortlist für erste Pilotprojekte.»
Schritt 4: Kompetenzen vertiefen und KI-Prozesse implementieren
Passen Sie die Lern-, Trainings- und Austauschformate nun laufend dem Kompetenzniveau Ihres Teams an. Ab diesem Schritt liegt der Fokus stärker auf dem gemeinschaftlichen KI-Einsatz. Es geht darum, KI in den Prozessen zu verankern, innerhalb des Teams Rollen wie KI-Superuser und Qualitätscontroller zu vergeben und von allen akzeptierte KPIs zu definieren, um Fortschritte zu messen und Lösungen zu skalieren. Solche KPIs sind zum Beispiel die Nutzungshäufigkeit lizenzierter KI-Werkzeuge, die Anzahl Einträge in der Prompt Library oder die Anzahl KI-unterstützter Prozesse.
Durchschnittliche Prompts liefern durchschnittlichen Output. Mitarbeitende mit vertieftem KI-Wissen machen daher den Schritt vom Prompting zum Context Engineering. David Guntern versteht darunter die Fähigkeit, der KI so viel Kontext zu geben und die Aufgaben so zu strukturieren, dass sie diese reproduzierbar und kontrolliert lösen kann. «Dazu werden Informationsarchitekturen hinterlegt: Die KI fragt bei jedem Prompt zuerst nach Rolle, Zielgruppe, Tonalität, Format, Länge, Content-Typ und Constraints – Vorgaben, was die KI nicht tun darf und was sie zwingend einhalten muss. Mit diesen Leitplanken wird die Qualität des Outputs steuerbar.»
Schritt 5: Wissen aktuell halten
Sobald Ihre Mitarbeitenden umfassende KI-Kompetenzen erreicht haben, geht es darum, das Wissen aktuell zu halten und neue Prozesse von Anfang an KI-gestützt zu implementieren. Deshalb ist die Kontinuität bei Ihrem Upskilling so wichtig. In dieser Phase des Entwicklungsprozesses setzen Sie besonders auf Social Learning sowie auf den internen und externen Austausch.
Fünf Tipps von Jonas Hubmann:
- Fixe Rituale etablieren: Zum Beispiel ein wöchentliches KI-Lab von 30 Minuten durchführen – für einen kurzen Austausch und zum Beantworten von Fragen, die bei der KI-Nutzung auftreten
- Best Cases teilen: Zum Beispiel bei einem monatlichen «Show-and-Tell-Anlass» die neusten Best-Practice-Beispiele vorstellen
- Wissen und Learnings allen zugänglich machen: Zum Beispiel Prompt Library und Templates laufend erweitern
- Verbesserungen sichtbar machen: Quantitative Fortschritte (z. B. Zeitersparnis) und Qualitätsgewinne bei der und durch die KI-Nutzung erheben und kommunizieren
- Mit gutem Beispiel vorangehen: Als Führungskraft eigene KI-Skills laufend erweitern, Upskilling-Massnahmen des Teams hoch priorisieren und die erzielten Fortschritte anerkennen
