Die ersten drei Kompetenzen – grundlegende digitale Kompetenzen, digitale Selbstkompetenzen und digitale Kommunikationskompetenzen – bilden das Fundament für alle weiterführenden digitalen Fähigkeiten. Forschung aus arbeits- und organisationswissenschaftlicher Perspektive zeigt, dass insbesondere in produzierenden KMU die Heterogenität der Belegschaft hinsichtlich digitaler Basiskompetenzen sehr ausgeprägt ist (Fraunhofer IAO, 2024). Während einzelne Mitarbeitende über solide Erfahrungen mit digitalen Werkzeugen verfügen, steht ein erheblicher Anteil der Beschäftigten vor grundlegenden Herausforderungen im Umgang mit digitalen Tools.

Der Aufbau dieser Basiskompetenzen gelingt am effektivsten durch arbeitsintegrierte und niedrigschwellige Lernformate. Studien weisen darauf hin, dass klassische Schulungsformate – etwa ganztägige Seminare – in KMU häufig an Grenzen stoßen, da sie schwer in die operative Taktung eingebettet werden können und häufig zu wenig Transfer auf den Arbeitsalltag erzeugen (Hombach & Rundnagel, 2023; Warnhoff, 2024). In diesem Zusammenhang betont das Forschungsinstitut Betriebliche Bildung: „eLearning ist Mittel der Wahl vor allem für das arbeitsintegrierte Lernen in der Wissensgesellschaft. Situativ erforderliche Wissensupdates von geringem Umfang lassen sich anders nicht in vergleichbarer Qualität organisieren“ (f-bb, 2025, S. 8). Erfolgreicher sind Ansätze, die digitales Lernen unmittelbar mit realen Arbeitsprozessen verbinden. Beispielsweise hat sich Micro-Learning in Form kurzer, regelmäßig wiederkehrender Lernimpulse bewährt, die direkt am Arbeitsplatz oder in kurzen Pausen konsumiert werden können. Auch Lerninseln im Shopfloor, in denen Mitarbeitende mit digitalisierten Arbeitsmitteln experimentieren können, fördern sowohl Kompetenzaufbau als auch Akzeptanz (Warnhoff, 2024).

Digitale Selbstkompetenzen, verstanden als Fähigkeit zur eigenständigen Steuerung des digitalen Lernens, werden primär durch Blended-Learning-Strukturen aufgebaut. So heißt es: „eLearning verbindet selbstständiges individualisiertes Lernen mit personaler Betreuung oder anderen Formen der Unterstützung. Diese Verknüpfung von Individualisierung des Lernens und intensiver Betreuung ist das wesentliche Alleinstellungsmerkmal vieler Formen von eLearning“ (f-bb, 2025, S. 7). Die Kombination aus E-Learning-Plattformen, digitalen Lernpfaden und regelmäßigen Reflexions- und Austauschformaten (zum Beispiel kurze Teamlern-Sessions) unterstützt Beschäftigte dabei, einen langfristigen Lernprozess zu etablieren (f-bb, 2025). Die Förderung individueller Lernwege ist dabei von zentraler Bedeutung: Lernende benötigen die Möglichkeit, Inhalte, Tempo und Vertiefungstiefe an ihre Vorerfahrungen und arbeitsplatzbezogenen Anforderungen anzupassen.

Die digitale Kommunikationskompetenz entwickelt sich nicht durch Tool-Trainings allein, sondern durch die systematische Einbindung von Mitarbeitenden in reale digitale 
Arbeits-, Kommunikations- und Koordinationsprozesse (Rampelt et al., 2022). Kompetenz entsteht hier wesentlich durch praktisches Handeln, begleitet durch moderiertes Peer-Learning im Team. Kollegiale Unterstützung und informelle Lernnetzwerke wirken als Verstärker der formalen Qualifizierung und tragen dazu bei, neue digitale Kommunikationsmuster in der Organisation zu stabilisieren.

Die zweite Kompetenzklasse umfasst vier Kompetenzen: KI-Awareness, Grundwissen im Maschinellen Lernen, Data Literacy sowie Reflexionskompetenz im Umgang mit KI-Systemen. Diese Kompetenzen gelten als zentral für die digitale Transformation produzierender Unternehmen, da datengetriebene Systeme und KI-basierte Assistenzwerkzeuge zunehmend in Produktionsplanungs-, Instandhaltungs- und Qualitätssicherungsprozesse integriert werden (Fraunhofer IAO, 2024; Pfeiffer et al., 2025).

Der Aufbau dieser Kompetenzen erfordert ein didaktisches Vorgehen, das stark praxisorientiert ist und zugleich kognitiv anspruchsvolle Reflexionsprozesse ermöglicht. KI-Awareness entsteht nicht durch abstrakte Theorie, sondern durch die konkrete Auseinandersetzung mit realistischen Anwendungsfällen im eigenen Unternehmen. Studien zeigen, dass Sensibilisierungsworkshops besonders wirksam sind, wenn sie transparente Einblicke in Funktionslogiken, Grenzen und Risiken von KI geben und dabei auch ethische Fragestellungen adressieren (Grosch et al., 2021; Stifterverband, 2025). Im Kontext produzierender KMU eröffnen insbesondere anwendungsnahe Demonstratoren – etwa KI-gestützte Qualitätskontrolle oder vorausschauende Wartung – einen niedrigschwelligen Zugang zur Thematik.

Das Grundwissen im maschinellen Lernen (ML) lässt sich in KMU effektiv über niedrigschwellige, visuell unterstützte Tools vermitteln, die ohne Programmierkenntnisse einfache ML-Modelle erzeugen können. Lernformate, die schrittweise von diesen Tools zu komplexeren Programmierumgebungen (zum Beispiel Python, TensorFlow) überleiten, ermöglichen Mitarbeitenden ein wachsendes Verständnis von Modellbildung, Training und Evaluierung (André et al., 2024). Hier erweisen sich individuelle Lernpfade als besonders wirkungsvoll: Beschäftigte mit höherer Affinität können vertiefende Module zu Feature Engineering oder Modellinterpretierbarkeit bearbeiten, während andere sich zunächst auf grundlegende Funktionsweisen konzentrieren.

Data Literacy bildet die wichtigste Querschnittskompetenz innerhalb dieser Klasse. Ihr Aufbau gelingt besonders gut, wenn reale Produktions-, Qualitäts- oder Logistikdaten in die Schulungen eingebunden werden. Die Forschung zeigt, dass Mitarbeitende Datenkompetenzen nur dann entwickeln, wenn sie den direkten Bezug zu ihren Arbeitsaufgaben erkennen (Engels et al., 2025; PwC, 2024). Erst die Analyse eigener Produktionskennzahlen erzeugt ein tiefes Verständnis für die Bedeutung von Datenqualität, Datenbereinigung und Dateninterpretation. Dies schließt auch die Fähigkeit ein, zwischen Korrelation und Kausalität zu unterscheiden und Unsicherheiten in datenbasierten Entscheidungen angemessen zu berücksichtigen. Vor diesem Hintergrund ist bemerkenswert, dass Datenschutz/Privacy und Big Data mit 79% bzw. 53% heute schon eine Rolle in der Erstausbildung spielen (Pfeiffer et al., 2025, S. 13) – ein Indiz dafür, dass datenbezogene Kompetenzen zu den prioritären Qualifizierungsfeldern zählen.

Die Reflexionskompetenz gegenüber KI-Systemen schließlich stellt die anspruchsvollste Komponente dieser Kompetenzklasse dar. Sie umfasst die Fähigkeit, algorithmische Entscheidungen kritisch zu bewerten, Fehlinterpretationen zu erkennen und einzuordnen, wann menschliche Entscheidungskompetenz Vorrang haben muss. Wissenschaftliche Studien betonen, dass diese Reflexionsfähigkeit nur über simulations- und szenariobasierte Lernsituationen aufgebaut werden kann, in denen algorithmische Fehlentscheidungen bewusst provoziert und kritisch diskutiert werden (André et al., 2024; Pippel, 2024). In produzierenden KMU können hierzu beispielsweise digitale Planspiele oder Simulationsumgebungen eingesetzt werden, die typische KI-Einsatzfelder – etwa Qualitätsprüfung, Instandhaltung oder Disposition – abbilden und die Auswirkungen von Fehlklassifikationen transparent machen.

Die dritte Kompetenzklasse umfasst die Kompetenzen Mensch-Maschine-Interaktion, digitale Problemlösungskompetenz und digitale Prozess- und Systemkompetenz. Diese Kompetenzen sind besonders relevant für Mitarbeitende im Shopfloor-Bereich, die mit digitalisierten oder KI-gestützten Werkzeugen, Robotern oder Assistenzsystemen arbeiten.

Die Forschung zeigt, dass der Kompetenzaufbau in diesem Bereich am wirksamsten durch erfahrungsbasierte und simulationsgestützte Lernumgebungen gelingt. André et al. (2024) heben hervor: „Neue Technologien eröffnen enorme Potenziale für die in Arbeit eingebettete mediale Wissensvermittlung. Ein konkretes Beispiel hierfür ist der Einsatz von Augmented Reality (AR) und Virtual Reality (VR). […] [Sie] ermöglichen VR und AR den Beschäftigten, Lerninhalte interaktiv und situativ zu erfahren und dabei potenziell schwierige Arbeitsprozesse in realitätsnahen Szenarien zu trainieren“ (André et al., 2024, S. 16). Ergänzend hierzu beschreibt Warnhoff (2024) Lernfabriken als „spezifische Lernorte […], die sich an realen Produktionsbetrieben orientieren und durch didaktische Konzepte arbeitsbezogene Lernhandlungen entlang der Wertschöpfungskette ermöglichen“ (Warnhoff, 2024, S. 34). Solche Lernumgebungen schaffen einen experimentellen Handlungsrahmen, in dem menschliche und maschinelle Akteure in variierenden Szenarien interagieren dürfen, ohne dass reale Produktionsrisiken entstehen.

Digitale Problemlösungskompetenzen – insbesondere Resilienz im Umgang mit Störungen – entwickeln sich vor allem durch praxisnahe Fehlerszenarien. Untersuchungen zum arbeitsintegrierten Lernen zeigen, dass Mitarbeitende, die regelmäßig mit simulierten Systemfehlern konfrontiert werden, langfristig souveräner auf unerwartete digitale Störungen reagieren (Goppold & Frenz, 2020; Pippel, 2024). Eine Lernkultur, die Fehler als Lernchancen interpretiert, fördert diesen Prozess erheblich. Pippel (2024) betont: „Eine der größten Stärken simulationsbasierten Lernens ist die Förderung einer positiven Fehlerkultur. Simulationsbasierte Erfahrungen ermöglichen es, Fehler in einem sicheren Rahmen zu machen und daraus zu lernen. Fehler werden als wertvolle Lernchancen betrachtet“. Sie eröffnet die Möglichkeit, Störfälle systematisch zu analysieren, alternative Lösungswege zu erproben und so iterative Verbesserungszyklen anzustoßen.

Die digitale Prozess- und Systemkompetenz entsteht durch das Verständnis für die Zusammenhänge zwischen digitalen Produktionssystemen, Datenflüssen und organisatorischen Abläufen. Sie lässt sich durch Prozessmodellierungen, die Einführung digitaler Zwillinge und digitale Planspiele aufbauen, die die Dynamik und Wechselwirkungen moderner cyber-physischer Systeme sichtbar machen (Wiese, 2020). Gerade für produzierende KMU, in denen Prozesswissen häufig implizit bei erfahrenen Fachkräften verankert ist, ermöglicht die Kombination aus Prozessmodellierung und Simulation eine gemeinsame Visualisierung und Externalisierung dieses Wissens und schafft damit eine Grundlage für systematischen Kompetenzaufbau im gesamten Team.

Die vierte Kompetenzklasse umfasst Programmier- und Toolkompetenzen sowie IT-Sicherheitskompetenzen. Sie bildet die technologisch anspruchsvollste Ebene und ist in produzierenden KMU häufig nur bei einem kleinen Teil der Mitarbeitenden verankert. Dennoch wächst die Relevanz dieser Kompetenzen deutlich, da moderne Produktionssysteme zunehmend softwarezentriert, vernetzt und datengetrieben sind.

Programmierkompetenzen werden am erfolgreichsten durch modulare Lernpfade aufgebaut, die vom Einstieg in einfache Skripts bis zur Entwicklung von produktionsspezifischen Automatisierungslösungen führen. Projektorientiertes Lernen, bei dem Mitarbeitende reale Digitalisierungs- oder Automatisierungsideen programmatisch umsetzen, gilt als besonders wirksam (Rampelt et al., 2022). In solchen Projekten lassen sich individuelle Lernwege gezielt mit betrieblichen Innovationsinteressen verknüpfen, indem etwa Mitarbeitende eigenständig kleine Datenpipelines, Dashboards oder Schnittstellenlösungen entwickeln. Unterstützung durch Mentorinnen und Mentoren – beispielsweise aus der IT oder aus externen Kompetenzzentren – wirkt dabei als entscheidender Katalysator, der Hürden beim Einstieg in komplexe technische Themen reduziert.

IT-Sicherheitskompetenzen erfordern einen kontinuierlichen Lernprozess. KMU erzielen nachhaltige Wirkung vor allem durch wiederkehrende Awareness-Programme, praxisnahe Phishing-Simulationen und verpflichtende Grundlagenschulungen, die regelmäßig aktualisiert und an neue Bedrohungslagen angepasst werden (Pfeiffer et al., 2025). Auch das Konzept der „Security Champions“, also speziell geschulter Mitarbeitender, die als Multiplikatorinnen und Multiplikatoren im Unternehmen agieren, hat sich als besonders effektiv erwiesen. Sie verbinden technisches Detailwissen mit einem guten Verständnis betrieblicher Abläufe und können dadurch Sicherheitsanforderungen adressatengerecht in die Teams tragen.