AIQ: Mensch-KI-Kompetenz als neue Differenzierung

AIQ: Mensch-KI-Kompetenz als neue Differenzierung

Von David Schulte-Herbrüggen · Zuerst auf LinkedIn erschienen am 12.05.2026

Was AIQ wirklich bedeutet

Zwei Mitarbeitende in derselben Marketing-Abteilung, beide mit Zugriff auf denselben KI-Assistenten. Die eine liefert in einer Stunde einen sauberen Entwurf, der andere klickt drei Tage und bekommt poliertes Nichts heraus. Den Unterschied zu erklären, ist eine der zentralen Fragen im aktuellen Personalwesen. Forschende um Xin Qin (Universität Hongkong) haben dafür ein eigenes Konstrukt vorgeschlagen: den Artificial Intelligence Quotient (AIQ). Quer über Schach, Schreibaufgaben, Problemlösung und Entscheidungsfindung beobachten sie, dass manche Menschen mit denselben KI-Tools systematisch besser arbeiten als andere, und das unabhängig von IQ, technischer Affinität oder KI-Kenntnis im engeren Sinn.

Was Qin als Forschungshypothese formuliert, zeichnen die Adoptions-Daten der großen Anbieter inzwischen unabhängig nach. OpenAI berichtete im April 2026, dass Power-User innerhalb derselben Unternehmen sechsmal so viele Anfragen an ChatGPT richten wie der Median. Microsoft beziffert die Spitze in seinem Work Trend Index 2026 auf 16 Prozent der Nutzenden; diese Gruppe produziert 80 Prozent der wirklich neuen Outputs. Anthropic ergänzt im Economic Index vom März 2026, dass erfahrene Nutzende rund zehn Prozent höhere Erfolgsraten erreichen und der Vorteil sich selbst verstärkt. Die klassische Skill-Pyramide aus Bildung, Erfahrung und Tool-Beherrschung erklärt diese Verteilung nicht. Sie misst etwas anderes: wie gut jemand mit der KI zusammen denkt, statt nur an ihrer Schnittstelle zu sitzen.

Wie Früh-Adopter darauf reagieren

Bei Accenture hat CEO Julie Sweet bereits im März 2026 klargemacht, dass regelmäßige KI-Nutzung zur Voraussetzung für Beförderungen geworden ist. JPMorgan Chase führte parallel ein internes Dashboard ein, das für rund 65.000 Engineers granular nachvollzieht, wie tief die KI in den Arbeitsalltag eingebettet ist. Light-, Heavy- und Non-User werden dort unterschieden, der Befund fliesst in Performance-Reviews ein. Zapier ging Ende März noch einen Schritt weiter und bewertet im Bewerbungsgespräch selbst in Echtzeit, wie Kandidaten mit der KI arbeiten: Eine vierstufige Rubrik unterscheidet Unacceptable, Capable, Adoptive und Transformative; bewertet wird der Iterations-Prozess, nicht das polierte Endergebnis. Anthropic veröffentlichte parallel einen eigenen AI Fluency Index mit vier Dimensionen und 24 beobachtbaren Verhaltensweisen.

Allen diesen Ansätzen ist gemein, dass sie sich vom alten Reflex lösen, KI-Kompetenz über Schulungs-Zertifikate nachzuweisen. Der Forrester-Analyst J.P. Gownder beschreibt es deutlich: Wenn Mitarbeitende mit KI nicht produktiv werden, liege die Verantwortung beim Arbeitgeber; er habe das passende Lern- und Engagement-Umfeld nicht geschaffen. Das ist eine harte Aussage, weil sie HR-Verantwortliche aus der bequemen Schulungs-Logik herausschiebt.

Die Duolingo-Lehre: warum Druck kippt

So weit der optimistische Teil. Im April 2026 hat Duolingo gezeigt, wie schnell ein gut gemeintes AIQ-Programm in das Gegenteil umschlagen kann. CEO Luis von Ahn hatte zunächst angekündigt, KI-Nutzung in die Performance-Reviews aufzunehmen, zog die Anordnung dann aber zurück, mit dem Satz „I'm not going to force you". Die Belegschaft hatte protestiert, weil sich KI-Nutzung schnell wie Überwachung anfühlte. An dieser Schwelle endet das Modell: Wer AIQ als Kennzahl einführt, ohne den Sinn zu erklären, ohne Lernzeit einzuplanen und ohne Schutzräume für Experimente zu schaffen, verwandelt eine Förder- in eine Kontrollmassnahme. Die regulatorischen Leitplanken denken in dieselbe Richtung. Die UK ICO definiert in ihrer Konsultation vom 31. März 2026 „meaningful human involvement" über Autorität, Ermessen und Kompetenz, also exakt die AIQ-Trias. In Deutschland greift parallel die Mitbestimmung nach § 87 Abs. 1 Nr. 6 BetrVG, sobald KI-Tools Mitarbeitende überwachen könnten.

Was Payroll Fuchs daraus zieht

Payroll Fuchs sieht den Mittelstand vor zwei naheliegenden Versuchungen. Entweder die Praxis wird ignoriert, weil sich AIQ nach Tech-Konzern-Sprache anfühlt. Oder sie wird in Comp-Banding und Bonus-Systeme übersetzt, bevor die Lernkurve im Unternehmen verstanden ist. Beide Wege schaffen Risiken: der erste den Wettbewerbsnachteil, der zweite den Mitarbeiter-Pushback. Es gibt einen dritten Weg. Klar formulieren, dass Mensch-KI-Kollaboration ab sofort zum Kerngeschäft gehört, im Mitarbeitergespräch den Weg statt nur das Ergebnis zu betrachten, und Re-Skilling auf den Prozess statt auf das Tool zu fokussieren. Bei Lohn- und Gehaltsabrechnung selbst ist der Effekt unmittelbar spürbar. Wer die Software gemeinsam mit dem KI-Assistenten betreibt, also Fehlerquellen aktiv hinterfragt, Plausibilitätsprüfungen iteriert und regulatorische Veränderungen mit dem Modell durchspricht, läuft messbar weniger in DEUEV-, SV- oder DATEV-Importfehler. An dieser Mensch-KI-Prüfkette zeigt sich, ob AIQ in einem 80-Personen-Mittelstand trägt.

Wie Payroll Fuchs die Lohnabrechnung automatisiert und jede Abrechnung vom Wirtschaftsprüfer prüfen lässt, steht unter Lohnabrechnung automatisiert auslagern.

FAQ

Wodurch unterscheidet sich AIQ von KI-Literacy?
KI-Literacy beschreibt das Wissen über das Tool: welche Modelle gibt es, wie schreibt man Prompts, was sind Halluzinationen. AIQ adressiert die Fähigkeit, dieses Wissen im Alltag wirksam einzusetzen, also wann eine KI-Antwort akzeptiert, wann hinterfragt, wann verworfen wird. Wer KI-Literacy hat, kann das Tool bedienen; wer AIQ hat, arbeitet besser mit ihm zusammen.

Wie lässt sich AIQ messen?
Eine standardisierte Messung gibt es bislang nicht. Zapier nutzt eine vierstufige Verhaltensrubrik im Hiring-Gespräch, Anthropic über 24 beobachtbare Verhaltensweisen in einem Fluency-Index. Für den Mittelstand reicht oft schon eine strukturierte Frage im Mitarbeitergespräch: Wo hat die KI Deine Arbeit verbessert, wo hast Du sie widerlegt? Die Antworten zeigen den Iterations-Reflex.

Darf AIQ in die Mitarbeiterbewertung einfließen?
Grundsätzlich ja, aber unter Bedingungen. Die DSGVO verlangt Transparenz über die zugrundeliegenden Daten, der EU AI Act stuft Hochrisiko-HR-Anwendungen scharf ein, und § 87 Abs. 1 Nr. 6 BetrVG zieht den Betriebsrat hinzu, sobald die Bewertung systematisch erfolgt. Wer den Schritt geht, sollte Sinn, Methodik und Konsequenzen explizit kommunizieren. Sonst wiederholt sich der Duolingo-Effekt.

Was, wenn Mitarbeitende die KI ablehnen?
Ablehnung ist meist kein Kompetenz-, sondern ein Vertrauensproblem. Wer die ersten kleinen Erfolge sichtbar macht, etwa eine schneller bearbeitete Abrechnung oder eine sauberer kommentierte DATEV-Buchung, verschiebt die Diskussion vom Prinzip zur Praxis.

Vollständige Quellenliste