Wie setzen Unternehmen T-AI-L in der Praxis ein?

Jürgen Grabbert, T-AI-L · Stand:

Kurz gesagt

Unternehmen setzen T-AI-L vor allem für drei Dinge ein: klare Regeln, was in KI-Werkzeuge darf und was nicht, Übung an echten Aufgaben aus dem eigenen Alltag und einen Nachweis für Art. 4, der nebenbei entsteht. Die acht Beispiele unten stammen aus Steuerberatung, Handel, IT, Logistik und Finanzen. Alle sind von den Kunden freigegeben; auf ihren Wunsch stehen nur Vorname und Branche.

Steuerkanzlei, ca. 20 Mitarbeitende: Klare Regeln für Berufsgeheimnisträger

  • Ausgangslage: Einige im Team nutzten KI-Werkzeuge bereits, aber jeder anders. Für eine Kanzlei mit Berufsgeheimnis war das keine Option.
  • Vorgehen: Alle haben mit den Grundlagen und dem Zertifikatsmodul A1 begonnen, danach das Branchenmodul Recht / Steuern. Laufzeit 6 Monate, gelernt wurde neben dem Tagesgeschäft.
  • Ergebnis: Im ganzen Haus gilt dieselbe Antwort auf die Frage, was in ein KI-Tool darf und was nicht. Der Teilnahmenachweis nach Art. 4 kam gleich mit, eine eigene Dokumentation war nicht nötig.
„Als Steuerberater sind wir Berufsgeheimnisträger. Was in ein KI-Tool darf und was nicht, ist bei uns keine Geschmacksfrage – das Training hat allen im Haus dieselbe Antwort gegeben.“
Daniel, Geschäftsführer Steuerberatung

Filiale im Modehandel: Vom Warten auf die Zentrale zu eigenen Texten

  • Ausgangslage: Ohne Vorkenntnisse und mit Respekt vor dem Thema. Texte für die Filiale kamen bisher nur von der Zentrale.
  • Vorgehen: Grundlagen, dann die Module aus Social Media & Berufe. Kurze Einheiten zwischen den Schichten, ca. 2 pro Woche.
  • Ergebnis: Nach wenigen Einheiten schreibt Anna Produkttexte und Beiträge für die Filialseite selbst.
„Nach ein paar Einheiten habe ich die Produkttexte und die Beiträge für unsere Filialseite selbst gemacht – vorher habe ich gewartet, bis von der Zentrale etwas kam.“
Anna, stv. Filialleiterin, Modebranche

Großhandel, ca. 40 Mitarbeitende: KI auch außerhalb des Büros

  • Ausgangslage: Kein reiner Bürobetrieb, Skepsis, ob ein KI-Training im Team ankommt.
  • Vorgehen: Grundlagen und A1 für alle, danach je Person eine eigene Aufgabe aus dem Werkzeugkasten. Laufzeit 12 Monate.
  • Ergebnis: Jede und jeder hatte eine Aufgabe, bei der sich KI lohnt: Artikeltexte, Lieferantenmails, die Auswertung nach der Aktionswoche.
„Am Ende hatte jeder im Team eine eigene Aufgabe, an der es sich gelohnt hat.“
Henry, Abteilungsleiter, Food-/NonFood-Großhandel

Internationales Partnerteam (IT-Services): Eine gemeinsame Linie über Zeitzonen hinweg

  • Ausgangslage: Tägliche Arbeit mit Partnerinformationen unter NDA, ein Team über mehrere Zeitzonen, jeder nutzte KI anders.
  • Vorgehen: Training auf Englisch und Deutsch, Schwerpunkt Datenschutz und vertrauliche Informationen, danach Übung an Zusammenfassungen und Partner-Mails.
  • Ergebnis: Alle wissen, wo die Grenze liegt. Zusammenfassungen und Partner-Mails gehen deutlich schneller.
„Das Training hat daraus eine gemeinsame Linie gemacht.“
Petra, Global Partner Business Manager, IT-Services

Logistik, mehrsprachig: Schriftverkehr unter Zeitdruck

  • Ausgangslage: Arbeit in mehreren Sprachen und fast immer unter Zeitdruck.
  • Vorgehen: Geübt wurde am eigenen Schriftverkehr, nicht an Beispielsätzen. Branchenmodul Logistik / Transport, Laufzeit 3 Monate.
  • Ergebnis: In zehn Minuten eine Formulierung, die der Partner am anderen Ende der Kette richtig versteht.
„Genau daran haben wir geübt – am eigenen Schriftverkehr, nicht an Beispielsätzen.“
Nico, Director Global Logistics

Finance Consulting, ca. 15 Mitarbeitende: Ein Standard für alle statt Prompt-Sammlung

  • Ausgangslage: Keine Prompt-Sammlung gewollt, die in drei Monaten veraltet ist, sondern ein gemeinsamer Standard.
  • Vorgehen: Grundlagen und A1 für alle, danach jede Person an der eigenen Aufgabe im Haus, mit dem Chat-Tutor.
  • Ergebnis: Alle arbeiten auf demselben Niveau mit den Modellen, unabhängig von einzelnen Rezepten.
„Gelernt wird hier der Umgang mit den Modellen, nicht das Auswendiglernen von Rezepten.“
Martin, Geschäftsführer Finance Consulting

Projektgeschäft: KI-Kosten beziffern statt schätzen

  • Ausgangslage: Vor dem KI-Einsatz im Projekt sollte klar sein, was er kostet.
  • Vorgehen: Modul Token-Bewusstsein (T1), angewendet auf die eigenen Arbeitsabläufe.
  • Ergebnis: Der Verbrauch eines Arbeitsablaufs pro Monat lässt sich beziffern.
„Seitdem kann ich beziffern, was ein Arbeitsablauf im Monat verbraucht, statt es zu schätzen.“
Marcel, Projektleiter

Fondsmanagement: Wo die Grenze verläuft und warum Gegenprüfen Zeit spart

  • Ausgangslage: Die Hälfte der Arbeit darf gar nicht in ein öffentliches Tool.
  • Vorgehen: Schwerpunkt Datenregeln und systematisches Gegenprüfen von Zahlen, Branchenmodul Finance / FinTech.
  • Ergebnis: Mit der erlaubten Hälfte schneller, und das Gegenprüfen kostet heute weniger Zeit als früher das Suchen.
„Eine Zahl, die gut aussieht, ist noch keine belastbare Zahl.“
Marie, Fondsmanagerin

Häufige Anschlussfragen

Warum stehen bei den Beispielen keine Firmennamen?

Auf Wunsch der Kunden. Alle Beispiele sind von den jeweiligen Personen freigegeben; gezeigt werden nur Vorname, Funktion und Branche.

Wie lange hat die Einführung jeweils gedauert?

Die Laufzeiten lagen zwischen 3 und 12 Monaten. Der Inhalt ist immer derselbe, die Laufzeit bestimmt nur das Tempo neben der Arbeit.

    Überblick, keine Rechtsberatung im Einzelfall. Rechtsstand: KI-Verordnung in der Fassung der Verordnung (EU) 2026/1744. Zuletzt geprüft am 20.10.2026.