„Sagen Sie mir einfach, was ich tun muss" – Otto Wesseler unterbricht mich nach dem dritten Satz meiner Einführung in die Risikoklassen der KI-Verordnung. Der Geschäftsführer eines Logistikunternehmens aus dem Rhein-Ruhr-Korridor hat wenig Geduld für juristische Feinheiten, seit eine interne Revision ergeben hat, dass seine Disponenten seit Monaten einen Algorithmus zur Routenoptimierung einsetzen, den niemand formal eingestuft hat. Genau diese Konstellation – KI-Act-Compliance trifft auf ein Qualitätsmanagement, das plötzlich neue Pflichten schultern soll – erlebe ich in der Mittelstandsberatung inzwischen fast wöchentlich. Und genau hier zeigt sich, warum ein generischer KI-Führerschein für die QM-Abteilung meistens die falsche Antwort ist.
Bevor Otto Wesseler bei mir landete, hatte er bereits eine Rechtsanwaltskanzlei beauftragt. Das Ergebnis war ein sauber formuliertes juristisches Gutachten – und kein einziger Satz darüber, wie die Disponenten am Montag früh geschult werden sollten. Diese Lücke zwischen rechtlicher Einordnung und einem umsetzbaren Schulungsplan ist genau der Punkt, an dem die meisten Mittelständler hängen bleiben.
Warum braucht das Qualitätsmanagement einen eigenen KI-Führerschein - und nicht nur einen allgemeinen?
Artikel 4 der KI-Verordnung (Regulation 2024/1689) verpflichtet Anbieter und Betreiber dazu, für ausreichende KI-Kompetenz im eigenen Haus zu sorgen. Was das konkret heißt, lässt der Gesetzestext bewusst offen – ein Detail, das ich in Erstgesprächen jedes Mal erklären muss. Für das Qualitätsmanagement bedeutet das nicht, Python zu lernen oder neuronale Netze im Detail zu verstehen. Es bedeutet, KI-Systeme in bestehende Risikoprozesse einzuordnen, so wie ein ISO 9001-Verantwortlicher jede Lieferantenbewertung einordnet, ohne die Chemie hinter dem Werkstoff im Detail zu kennen.
Wo genau die gesetzliche Pflicht zur KI-Kompetenz für einzelne Rollen ansetzt, habe ich in einem separaten Beitrag zu den AI Literacy Anforderungen für Mitarbeiter im Mittelstand nach Artikel 4 aufgeschlüsselt. Für das QM reicht dieser generelle Rahmen allein aber nicht aus – Sie brauchen zusätzlich Klarheit darüber, welche Ihrer Systeme überhaupt unter die Hochrisiko-Kategorien nach Anhang III fallen, eine Einstufung, die an anderer Stelle ausführlich durchgegangen wird.
Am Markt kursiert derzeit unter anderem das „KI-Basis-Siegel" von SchulungsHub, ein Zertifikat, das mir mittlerweile mehrfach bei Mandanten auf dem Tisch begegnet ist. Es vermittelt solide Grundlagen zu generativer KI, verliert aber kein Wort darüber, wie man einen Wareneingangsprozess oder eine Post-Market-Beobachtung KI-konform gestaltet. Für eine QM-Abteilung im Maschinenbau, die vorausschauende Wartung einsetzt, ist das ein Zertifikat ohne Substanz für die eigentliche Aufgabe.
Kriterien für die Auswahl: Was eine gute QM-Schulung leisten muss
Bevor Sie einen Anbieter beauftragen, prüfen Sie drei Dinge. Erstens, ob die Schulung konkret benennt, wie Datenqualität und Data Governance in Ihre bestehende Wareneingangsprüfung einfließen. Zweitens, ob eine Post-Market-Monitoring-Strategie für KI vorgestellt wird, die nicht mehr Aufwand verursacht als Ihre normale Reklamationsbearbeitung. Drittens, ob am Ende Dokumente stehen, die im Audit tatsächlich vorgezeigt werden können, statt nur eine Teilnahmebescheinigung. Eine allgemeinere Checkliste für den Einkauf von Compliance-Schulungen gibt es an anderer Stelle ausführlicher - hier geht es ausschließlich um die drei Punkte, die für das QM den Unterschied machen.
Die Frage nach dem richtigen Format entscheidet dabei oft mehr über den Erfolg als der Inhalt selbst. Zwei Stunden reichen für Compliance-Tiefe nicht aus, drei Tage sprengen den Arbeitsalltag einer QM-Abteilung, die nebenbei noch Audits vorbereiten muss. Wer zwischen den Formaten abwägt, findet eine ausführlichere Gegenüberstellung im Beitrag KI Compliance Schulung Vergleich: E-Learning oder Live Workshop für Teams. Der Preis pro Kopf schwankt zwischen den Anbietern erheblich, und wer allein danach sortiert, entscheidet sich regelmäßig gegen die Schulung mit der größten praktischen Tiefe – eine genauere Kostenaufschlüsselung würde an dieser Stelle allerdings zu weit führen.
Ein Punkt bringt übrigens auch mich regelmäßig ins Stocken: die Abgrenzung von General Purpose AI mit systemischem Risiko nach Artikel 51. Für die meisten mittelständischen QM-Abteilungen ist das zum Glück zweitrangig, aber ich sage das lieber offen, als so zu tun, als wäre jede Ecke der Verordnung selbsterklärend.
Artikel 17 KI-VO in Ihr bestehendes QMS integrieren
Artikel 17 verlangt ein Qualitätsmanagementsystem für Hochrisiko-Anbieter, und genau hier docken die meisten produzierenden Mittelständler an, weil ihr ISO 9001-Handbuch bereits existiert. Statt ein zweites, paralleles System aufzubauen, mappen Sie die neuen Pflichten auf vorhandene Kapitel: Risikobewertung, Lieferantenaudits, Abweichungsmanagement. Die Verordnung verlangt an dieser Stelle keine Neuerfindung, sondern eine saubere Zuordnung.
Ludwig Sachse, ein früherer Kollege, der inzwischen als Projektleiter bei einem Prüf- und Zertifizierungsdienstleister arbeitet, denkt bei jedem Gespräch zuerst in Checklisten und Nachweisdokumenten – eine Angewohnheit, die sich für die Audit-Vorbereitung als ziemlich nützlich erweist. Sein Hinweis, den ich seither an jeden QM-Leiter weitergebe: Prüfer akzeptieren selten Absichtserklärungen, sondern wollen Protokolle sehen, die belegen, dass die Einordnung tatsächlich stattgefunden hat. Die entsprechenden Verordnungsseiten liegen bei mir inzwischen so lange griffbereit, dass die Textmarker-Linien darauf zu einem blassen Orange verblichen sind.
Welche Dokumentationspflichten sich dabei durch automatisierte Logs statt manueller Protokolle erfüllen lassen, habe ich in einem eigenen Beitrag zu den KI Dokumentationspflichten nach EU AI Act aufgearbeitet – für das QM ist das oft der praktischste Hebel, weil sich vorhandene Log-Systeme aus der Produktionsüberwachung meist erweitern lassen. Gibt es in Ihrem Haus einen Betriebsrat, muss dieser bei der Auswahl der Schulungsinhalte ohnehin mitreden, aber das ist ein eigenes Thema für sich.
Standardkurs oder Maßschulung: Eine Entscheidung, die von der Risikoklasse abhängt
Ein standardisierter Kurs reicht aus, um die gesetzliche Pflicht zur KI-Kompetenz formal abzuhaken, wenn Ihre Systeme überschaubar und niedrig eingestuft sind. Sobald es aber um Hochrisiko-Anwendungen geht, bei denen die Geschäftsführung im Zweifel selbst haftet, führt an einer maßgeschneiderten Lösung kaum ein Weg vorbei. Eine ausführlichere Abwägung dazu finden Sie im Beitrag Standard KI-Führerschein oder Individualschulung: Vergleich für KMU.
Extern eingekauftes Wissen bringt wenig, wenn es nach Vertragsende mit dem Berater wieder aus dem Haus geht – eine gute Schulung verankert die Inhalte deshalb direkt im bestehenden QM-System, statt sie als isolierte Präsentation abzulegen. Ob Ihr Unternehmen dabei als Anbieter oder als Betreiber des jeweiligen KI-Systems gilt, verändert übrigens einiges an den konkreten Pflichten, was an anderer Stelle ausführlicher getrennt wird.
Was eine QM-Schulung bewusst nicht behandelt
Eine gute QM-Schulung grenzt ihren Umfang bewusst ab. Wann genau welche Übergangsfrist für welche Systemkategorie greift, ist ein eigener Zeitplan, der andernorts durchgegangen wird. Die persönliche Haftung der Geschäftsführung bei Verstößen ist ebenfalls ein Thema für sich, das eine QM-Schulung streifen, aber nicht ersetzen kann. Gerade Zulieferbetriebe im Maschinenbau sollten zusätzlich wissen, dass sich Pflichten die Lieferkette entlang verschieben können, doch auch das würde an dieser Stelle zu weit führen.
Dass ich die Verordnungstexte grundsätzlich im englischen Original lese, weil die deutsche Übersetzung an Nuancen verliert, ist eher eine Randnotiz als ein Trainingsinhalt für Ihr QM-Team. Transparenzpflichten gegenüber Kunden bei der Vermarktung KI-gestützter Produkte verdienen ein eigenes Kapitel, und wo sich das Ganze mit dem Datenschutzrecht überschneidet, sprengt jeden Rahmen einer QM-fokussierten Schulung. Ich bin weder Anwalt noch Auditor – bei Zweifelsfällen zu den letzten Punkten sollten Sie ohnehin fachlichen Rat einholen.
Am Ende bleibt eine einfache Prüffrage für die Anbieterauswahl: Kann Ihnen der Trainer erklären, wie sich seine Inhalte in Ihr bestehendes Qualitätsmanagementsystem einfügen – oder bekommen Sie nur eine weitere Erklärung dessen, was generative KI ist? Bleibt die Antwort auf die erste Frage aus, ist die Schulung fürs QM die falsche Wahl, unabhängig davon, wie gut das Zertifikat am Ende aussieht. Otto Wesseler hat sich für die erste Variante entschieden – seine Disponenten klassifizieren neue KI-Anwendungsfälle inzwischen selbst, bevor überhaupt eine Rückfrage bei mir nötig wird. Ein Geschäftsführer aus Hanau hat mir neulich am Telefon sogar zuvorkommend die Risikoklasse seines neuen Wartungsalgorithmus vorgerechnet, bevor ich die Frage überhaupt stellen konnte – genau das ist der Moment, in dem sich eine Schulung tatsächlich ausgezahlt hat.