Communities of Practice 

Informelles Lernformat für mehr KI-Anwendungskompetenz

KI gemeinsam lernen – Warum vielfältige Lernformate gebraucht werden

Künstliche Intelligenz verändert die Arbeitswelt rasant. Entsprechend wächst der Bedarf, KI nicht nur grundlegend zu verstehen, sondern sie sicher, kritisch und gewinnbringend im Arbeitsalltag einzusetzen. Diese Fähigkeit wird häufig als AI Literacy bezeichnet: Gemeint ist somit konkret die Kompetenz, KI-Systeme zu verstehen, ihre Ergebnisse einzuordnen und sie verantwortungsvoll anzuwenden (vgl. Wienrich et al. 2022). Klassische (oftmals formale) Weiterbildungsformate bieten hier einen guten Einstieg, um beispielsweise ein Grundverständnis über verschiedene Lösungen und Funktionsweisen von KI zu erlangen, ebenso entsprechende Risikobewertungen durchführen zu können oder etwa weitere rechtlich-ethische Aspekte zu beleuchten. Gezielte Weiterbildungsstrategien in Unternehmen können dabei helfen, Weiterbildungsangebote zielgenau auf Wissensbedarfe hin auszurichten. Herausfordernder wird es dann, wenn wirklich nachhaltige Handlungssicherheit in der Anwendung erreicht werden soll. Voraussetzung hierfür sind umfangreiche praktische Übung, die Bereitschaft zum Experimentieren sowie idealerweise ein kontinuierlicher Austausch über die erzielten Ergebnisse und dabei gemachten Erfahrungen. Gleichzeitig entwickeln sich KI-Technologien kontinuierlich weiter, konkrete Anwendungsfälle unterscheiden sich je nach Arbeitsbereich und viele Fragen entstehen erst während der praktischen Nutzung. Hier können Communities of Practice ansetzen und ergänzen: Sie schaffen Räume, in denen Menschen mit einem gemeinsamen Interessensfeld regelmäßig Erfahrungen austauschen, neue Tools oder auch Methoden ausprobieren und so informell von- und miteinander lernen. Wissen wird dabei nicht nur theoretisch vermittelt, sondern entsteht im Dialog durch gemeinsames Experimentieren und Problemlösen sowie durch die Reflexion konkreter Anwendungserfahrungen und kann sich somit in Richtung reflektierter Anwendungskompetenz ausbilden. Gerade im Kontext von KI bieten solche gemeinschaftlichen Lernformate besonderes Potenzial. Sie ermöglichen es Mitarbeitenden, in einem kontinuierlichen Format KI-Anwendungen gemeinsam zu explorieren, Unsicherheiten offen zu besprechen und Erfahrungen aus unterschiedlichen Unternehmensbereichen, aber auch aus diversen Anwendungskompetenzlevels heraus zusammenzuführen.

Der folgende Beitrag zeigt, was Communities of Practice auszeichnet, warum sie für KI-Weiterbildung besonders geeignet sind und welche Bedeutung sie für Unternehmen haben können, die KI-Kompetenz nachhaltig entwickeln möchten.

Was Communities of Practice auszeichnet

Das Konzept der Communities of Practice (CoPs) geht maßgeblich auf Jean Lave und Etienne Wenger zurück. Im Mittelpunkt steht die Annahme, dass Lernen nicht allein als individueller Wissenserwerb verstanden werden sollte, sondern als sozial eingebetteter Prozess. Menschen entwickeln Kompetenzen, indem sie an gemeinschaftlichen Praktiken teilnehmen, Erfahrungen austauschen und schrittweise Verantwortung übernehmen (vgl. Lave und Wenger 1991).

Dabei werden Communities of Practice anhand von drei zentralen Elementen definiert (vgl. Wenger-Trayner und Wenger-Trayner 2015):

• Geteiltes Interesse: ein gemeinsamer thematischer Interessens-Fokus oder Wissensbereich,
• Gemeinschaft: die sozialen Beziehungen und der regelmäßige Austausch zwischen den Mitgliedern,
• Praxis: gemeinsam entwickelte und erprobte Erfahrungen, Methoden, Routinen und Lösungsansätze.

Im Unterschied zu klassischen (rein formalen) Schulungen sind CoPs häufig (aber nicht nur) informell und selbstorganisiert. Die Teilnahme erfolgt freiwillig, Themen entstehen aus den Interessen und Herausforderungen der Mitglieder und Lernen findet nah an der tatsächlichen Praxis statt (vgl. Bliss et al. 2006; Wenger-Trayner und Wenger-Trayner 2025). Dadurch eignen sich CoPs besonders für Fragestellungen, die nicht abschließend bzw. nicht vollumfänglich durch formale, vordefinierte Trainings beantwortet werden können.

Ein zentrales Merkmal ist das Lernen durch Partizipation. Neue Mitglieder können zunächst beobachtend oder punktuell teilnehmen und sich schrittweise stärker einbringen. Lave und Wenger beschreiben diesen Prozess als legitimate peripheral participation: Lernen vollzieht sich dadurch, dass Personen zunehmend Teil einer gemeinsamen Praxis werden (vgl. Smith 2003). Damit stehen CoPs für ein Lernverständnis, das Lernen als sozialen, dynamischen und praxisgebundenen Prozess begreift. Wissen wird nicht nur weitergegeben, sondern gemeinschaftlich erzeugt, reflektiert und weiterentwickelt. Zugleich können CoPs im organisationalen Kontext dazu beitragen, Wissen zu sichern, bereichsübergreifende Vernetzung zu fördern und so insgesamt auch Innovationsprozesse anzustoßen.

Für langfristigen Erfolg bedarf es allerdings geeigneter Rahmenbedingungen: Niedrigschwellige Zugänge, genügend Raum für Austausch, unterstützende Moderation und eine offene, vertrauensvolle Atmosphäre sind hierbei u. a. zu nennen. Auch der Fakt, dass in CoPs für gewöhnlich keine Leistungsnachweise/Zertifikate ausgestellt werden, ist zu bedenken. Der Nutzen bleibt dennoch bestehen und wird im Folgenden näher erläutert.

Warum Communities of Practice besonders für KI-Weiterbildung geeignet sind

KI-Kompetenz entsteht nicht allein dadurch, dass Mitarbeitende die Funktionsweise einzelner Tools kennen. Entscheidend ist vielmehr, dass sie KI-Anwendungen im eigenen Arbeitskontext erproben, Ergebnisse kritisch einschätzen und Chancen wie Grenzen reflektieren können. Communities of Practice schaffen dafür einen geeigneten Rahmen: Teilnehmende bringen eigene Fragestellungen ein, testen gemeinsam Lösungswege und lernen aus den Erfahrungen anderer. Es handelt sich demnach um einen sehr praxisnahen Austausch mit Transferpotenzial. Während der Vorteil von klassischen Schulungen ist, dass sie meist zeitlich begrenzt sind und Wissen eher gebündelt vermitteln, ermöglichen CoPs ein kontinuierliches Lernen entlang konkreter Herausforderungen. Fragen wie „Welches Tool eignet sich für meine Aufgabe?“, „Wie bewerte ich die Qualität eines KI-generierten Ergebnisses?“ oder „Wo liegen rechtliche und ethische Grenzen?“ können unmittelbar aus der Praxis heraus diskutiert werden.

Darüber hinaus fördern CoPs Peer-to-Peer-Lernen. Mitarbeitende lernen nicht nur von Expertinnen und Experten, sondern auch voneinander. Unterschiedliche Erfahrungsstufen, aber auch eine gewisse Interdisziplinarität sind hierfür essentiell:  Gerade bei KI ist es wertvoll, wenn unterschiedliche, häufig dezentral entstandene Erfahrungen und Fokusse sich in der gemeinsamen Reflexion gegenseitig ergänzen und wiederum befruchten können. Durch den Austausch unterschiedlicher Perspektiven entstehen neue Ideen und Lösungsansätze, die über das Wissen einzelner Personen hinausgehen. Eine CoP macht demnach Erfahrungswissen sichtbar und für andere nutzbar. Der Nutzen zeigt sich hierbei nicht nur im individuellen Kompetenzaufbau, sondern explizit auch für das gesamte Unternehmen.

Gleichzeitig bieten CoPs einen geschützten Raum, um Unsicherheiten anzusprechen. Viele Mitarbeitende begegnen KI-Anwendungen mit Interesse, aber auch mit Vorbehalten. Der Austausch in der Gruppe kann helfen, Hemmschwellen abzubauen, Vertrauen aufzubauen und einen reflektierten Umgang mit neuen Technologien zu entwickeln. Freiwilligkeit, soziale Eingebundenheit und gegenseitige Unterstützung sind dabei zentrale Voraussetzungen für gelingendes Lernen.

So verstanden sind Communities of Practice kein Ersatz für formale, punktuelle Trainings, sondern eine wichtige Ergänzung. Sie helfen dabei, KI-Lernen in den Arbeitsalltag zu integrieren und die Weiterbildung durch einen kontinuierlichen, gemeinsamen Lernprozess zu vervollständigen.

Communities of Practice im Kontext von KI-Weiterbildung – ein Praxisbeispiel

Kontext

Um Handlungskompetenz zu ermöglichen, muss KI in vielen Facetten und auf unterschiedliche Weise erfahrbar gemacht und ordentlich reflektiert sowie in unterschiedlichen Aufgaben/Anwendungen kritisch bewertet werden. Probleme beim Anwenden von KI können direkt in der Gruppe gelöst werden.

In der Community „CoP-AI“ wurde genau das praktiziert: Neues Meetup – neuer Themenschwerpunkt. Jedes Mal jedoch gemeinsames Ausprobieren, Diskutieren und Lernen.

Zielsetzung der CoP

Mit der Community CoP-AI sollte eine lebendige cross-regionale und transnationale Community of Practice geschaffen werden, die Unternehmen und Mitarbeitende aus urbanen und ruralen Gebieten zusammenbringt, um gemeinsam mehr über die berufliche Anwendung von KI-Tools zu lernen und innovative Lösungen zu entwickeln. Dies erfolgte über regelmäßige Meetups, also offene, kostenlose Online-Treffen, zu bestimmten Themen und über eine Online-Plattform, welche zusätzliches Info- und Lernmaterial sowie ein asynchrones Austauschforum bot.

Aufbau und Gestaltung der CoP in Kürze

• Zusammensetzung der Teilnehmenden: offen, mit und ohne Vorkenntnisse, aus Deutschland und Österreich (gerne auch darüber hinaus), wichtig ist lediglich das geteilte Interesse am Thema.

• Regelmäßige Treffen (digitale, offen zugängliche und kostenlose Online-Meetups via Zoom), welche durch ein koordinierendes Team organisiert, moderiert und mittels Befragungen stetig weiterentwickelt werden.
• Thematische Impulse durch wechselnde Personen.
• Praxisorientiertes Experimentieren und Ausprobieren von KI-Tools direkt innerhalb des Meetups in Kleingruppen.
• Gemeinsame Reflexion, Diskussion und Problemlösung.
• Ergänzende Online-Plattform für (Zusatz-)Informationen.

 

Wahrnehmung und Feedback der Teilnehmenden (empirische Ergebnisse)

Das gesamte Projekt wurde mittels Befragungen und Interviews gestaltet und evaluiert. Zu Beginn wurde eine Bedarfserhebung durchgeführt, um auf Vorkenntnisse, Interessen und Wünsche potenzieller Teilnehmender schließen und durch die entsprechende Gestaltung der Community eingehen zu können.

Im folgenden Steckbrief-Format wird die Bedarfserhebung kurz vorgestellt:

Ziel

• Ermittlung von Bedarfen, Interessen und Vorkenntnissen potenzieller Teilnehmender
• Erkenntnisse gewinnen für inhaltliche, technische und organisatorische Gestaltung der Community
• Akquise erster potenzieller Teilnehmender

Vorgehensweise

• Online-Umfrage mit mindestens 100 Teilnehmenden
• Fragebogen zu KI-Vorkenntnissen/Erfahrungen, Lernpräferenzen, Motivation und Hürden sowie zu einigen demografischen Angaben
• Veröffentlichung und Bewerbung über Netzwerke, Newsletter und Social Media

Zentrale Ergebnisse

Die Ergebnisse wurden aufbereitet und schließlich in konkrete Maßnahmen überführt:

• Die Community-Treffen (Online-Meetups) wurden zu unterschiedlichen Tageszeiten im Voraus geplant, um den unterschiedlichen zeitlichen Präferenzen nachzukommen.
• Der inhaltliche Fokus wurde auf verschiedene Tools und das gemeinsame Testen dieser gelegt. Gerade Praxisbeispiele von Teilnehmenden und der Austausch über Erfahrungen sollten über Breakout-Sessions genügend Raum zum Teilen bekommen. Im Fokus stand das selbstständige Ausprobieren und der Austausch darüber; dies sollte zur Hauptsäule der CoP werden. Impulsvideos zum Format der CoP sollten ergänzend ermöglichen, dass sich die vielen Teilnehmenden mit keiner CoP-Vorerfahrung über dieses informelle Format genauer informieren können.
• Die Meetups wurden bewusst zeitlich limitiert, sodass die potenzielle Hürde des Zeitmangels möglichst umgangen werden kann.
• Außerdem beschloss das Projektteam, die Teilnehmenden regelmäßig weiter nach deren präferierten Themen für kommende Meetups zu befragen.

Hierzu wurden nach jedem Meetup freiwillig ausfüllbare Quickpolls freigeschaltet, welche es erlaubten, Rückschlüsse auf den Nutzen des jeweiligen Meetups sowie auf gewünschte Themen ziehen zu können.

Am Ende des Projektes wurden dann noch ausgewählte Teilnehmende zu ihren expliziten Lernerfahrungen befragt. Die Erfahrungsnarrative sollten helfen, Rückschlüsse auf die individuelle Art und Weise des Community-Lernens, die begünstigenden/hemmenden Rahmenbedingungen dafür und auf den konkreten Nutzen dieses Lernformats ziehen zu können. Diese vertieften Interviews zeigten noch einmal deutlich,

• dass informelles Lernen auf Augenhöhe stattfand. Es wurden besonders der offene Austausch unabhängig vom Erfahrungsniveau und die Möglichkeit, ohne Hemmungen Fragen stellen zu können, geschätzt.
• dass Praxisnähe und Ausprobieren durch das gemeinsame Testen von KI-Tools und die direkte Übertragbarkeit in den Arbeitsalltag als großer Mehrwert erlebt wurden.
• dass Vielfalt unter den Teilnehmenden (hinsichtlich Erfahrungsstand, Branche, Herkunft etc.) zu neuen Perspektiven und Horizonterweiterung führten.
• dass eine niedrigschwellige, planbare Organisation, gute Moderation und herzliche Gestaltung zu einer vertrauensvollen Atmosphäre führten.
• dass konkrete Aha-Erlebnisse insgesamt zu mehr KI-Kompetenz, größerer Sicherheit im Umgang mit KI sowie zu einer höheren Bereitschaft, KI im Arbeitsalltag einzusetzen geführt haben.

Dies unterstützt den Gedanken, dass eine praxisnahe, fachlich fundierte und sozial unterstützende Community of Practice einen wesentlichen Beitrag zur Förderung individueller Lernwirksamkeit und damit auch zum Aufbau von Handlungskompetenz in besonderem Maße leisten kann. Besonders im Umgang mit technologiebezogenen Unsicherheiten eröffnet der gemeinschaftliche Austausch Möglichkeiten zur Erarbeitung von Lösungswegen.

Literatur:

• Bliss, Friederike R.; Johanning, Anja; Schicke, Hildegard (2006): Communities of Practice – Ein Zugang zu sozialer Wissensgenerierung. Hg. v. Deutsches Institut für Erwachsenenbildung. Online verfügbar unter https://www.die-bonn.de/esprid/dokumente/doc-2006/bliss06_01.pdf , zuletzt geprüft am 03.07.2026.
• Lave, Jean; Wenger-Trayner, Étienne (1991): Situated learning. Legitimate peripheral participation. Cambridge: Cambridge Univ. Press.
• Smith, Mark K. (2003): ‚Communities of practice‘, the encyclopedia of informal education. Online verfügbar unter http://methodenpool.uni-koeln.de/communities/Jean%20Lave,%20Etienne%20Wenger%20and%20communities%20of%20practice.htm , zuletzt geprüft am 03.07.2026.
• Wenger-Trayner, Étienne; Wenger-Trayner, Beverly (2015): An introduction to communities of practice: a brief overview of the concept and its uses. Online verfügbar unter https://www.wenger-trayner.com/introduction-to-communities-of-practice, zuletzt geprüft am 03.07.2026.
• Wienrich, Carolin; Carolus, Astrid; Markus, André; Augustin, Yannik (2022): AI Literacy: Kompetenzdimensionen und Einflussfaktoren im Kontext von Arbeit. Working Paper. Hg. v. Observatorium Künstliche Intelligenz in Arbeit und Gesellschaft der Denkfabrik Digitale Arbeitsgesellschaft, Bundesministerium für Arbeit und Soziales. Online verfügbar unter https://www.denkfabrik-bmas.de/fileadmin/Downloads/Publikationen/AI_Literacy_Kompetenzdimensionen_und_Einflussfaktoren_im_Kontext_von_Arbeit.pdf , zuletzt geprüft am 03.07.2026.

Autorin

Isabelle Oppel

Institut für Technologie und Arbeit e. V. (ITA)