Verantwortungsvolle KI4 Min. Lesezeit

KI-Training für Mitarbeitende: Betroffene prüfen

KI-Training für Mitarbeitende sollte vor jeder Nutzung einen Check lehren: Wer ist betroffen, was könnte sich ändern und wie lässt sich widersprechen?

Bokili EditorialVeröffentlicht am 29. Oktober 2026· Geprüft am 29. Oktober 2026

Eine Person prüft ein KI-gestütztes Dokument, während Kollegen, Kunde, Bewerber und Lieferant dessen Nutzung hinterfragen können.

KI-Schulungen für Mitarbeitende sollten eine Frage lehren, bevor ein KI-gestützter Output verwendet wird: Wer könnte betroffen sein, wenn dies falsch, unvollständig oder ohne Kontext angewendet wird? Mitarbeitende lernen oft, Inputs zu schützen und Fakten zu prüfen. Dennoch übersehen sie möglicherweise Kollegen, Kunden, Kandidaten oder Lieferanten, die die Konsequenzen tragen.

Der Betroffenen-Check macht verantwortungsvolle KI von einem abstrakten Prinzip zu einem sichtbaren Arbeitsverhalten. Bevor ein Output geteilt, genehmigt oder darauf reagiert wird, benennt der Mitarbeitende die betroffenen Personen, die möglichen Konsequenzen, die benötigten Beweise und den Weg zur Anfechtung oder Korrektur des Ergebnisses.

KI-Schulungen für Mitarbeitende brauchen einen Betroffenen-Check

Die aktuelle KI-Kompetenz-Leitlinie der Europäischen Kommission besagt, dass Organisationen den Kontext, in dem ein KI-System verwendet wird, und die Personen oder Gruppen, an denen es angewendet wird, berücksichtigen sollten. Ihre Q&A erklärt auch, dass betroffene Personen ausreichend verstehen müssen, wie eine KI-gestützte Entscheidung sie beeinflussen könnte.

Die britische Leitlinie für automatisierte Entscheidungsfindung ergänzt einen praktischen Standard: Betroffene Personen sollten eine einfache Möglichkeit haben, menschliches Eingreifen zu beantragen oder eine Entscheidung anzufechten, und Erklärungen sollten der Zielgruppe entsprechen. Selbst wenn ein Mitarbeitender ein allgemeines KI-Tool für ein gewöhnliches Arbeitsprodukt verwendet, verbessern diese Fragen das Urteilsvermögen, wann der Output bereit ist.

	Nur das Ergebnis prüfen	Betroffene Personen prüfen
Ausgangsfrage	Ist der Entwurf korrekt?	Wer trägt die Folgen, wenn er verwendet wird?
Belege	Quellen stützen den Text	Belege stützen den vorgesehenen Einsatz und die betroffene Gruppe
Verantwortung	Jemand liest das Ergebnis gegen	Eine verantwortliche Person kann die Nutzung korrigieren, pausieren oder ablehnen
Widerspruch	Ein Fehler kann nach der Weitergabe gemeldet werden	Betroffene wissen, wo sie Fragen stellen oder eine Korrektur verlangen können

Wenden Sie die FACE-Methode an, bevor der Output weitergegeben wird

FACE

Betroffene Personen finden

Nennen Sie die Personen oder Gruppen, deren Zugang, Arbeitslast, Chancen, Geld, Sicherheit oder Ruf sich ändern könnten.

Konsequenzen einschätzen

Beschreiben Sie die plausible Auswirkung und ob sie leicht rückgängig zu machen ist. Ersetzen Sie dies nicht durch eine generische niedrige, mittlere oder hohe Kennzeichnung.

Beweise und Kontext prüfen

Überprüfen Sie die wichtige Behauptung, fehlende Perspektiven und den beabsichtigten Verwendungszweck. Fragen Sie, ob das Ausgangsmaterial die betroffene Gruppe ausreichend repräsentiert.

Anfechtung und Korrektur ermöglichen

Nennen Sie den menschlichen Verantwortlichen, den Weg zur Anfechtung des Ergebnisses und was passiert, während das Problem überprüft wird.

FACE macht nicht jeden Mitarbeitenden zu einem Rechts- oder Ethikspezialisten. Es gibt den Menschen eine kurze Pause, die aufzeigt, wann eine qualifizierte Überprüfung erforderlich ist. Die Tiefe sollte zur Aufgabe passen: Eine private Brainstorming-Notiz unterscheidet sich von einer Einstellungsempfehlung, einer Kundenberechtigungsentscheidung oder einer Lieferantenbewertung.

Praxisbeispiel: Eine KI-gestützte Lieferantenzusammenfassung

Ein Einkaufsanalyst bittet die KI, Belege für die Lieferantenverlängerung zusammenzufassen. Der Entwurf besagt, dass ein kleiner Lieferant „wiederholte Lieferprobleme“ hat und empfiehlt, dessen Zuteilung zu reduzieren. Der Satz basiert auf zwei verspäteten Lieferungen, aber das Quellpaket lässt eine temporäre Lagerstilllegung, die an anderer Stelle vermerkt ist, aus.

Lesen ist der Anfang. Üben macht den Unterschied.

Jetzt starten

FACE anwenden, bevor die Empfehlung genutzt wird

1
Finden
Nennen Sie den Lieferanten, den Einkaufsverantwortlichen und die internen Teams, deren Plan sich ändern würde.
2
Einschätzen
Die Reduzierung der Zuteilung könnte Umsatz und zukünftigen Zugang zu Arbeit beeinträchtigen; eine spätere Rücknahme der Entscheidung repariert die Beziehung möglicherweise nicht.
3
Prüfen
Öffnen Sie die Lieferaufzeichnungen, bestätigen Sie den Vergleichszeitraum und fügen Sie den fehlenden Kontext der Stilllegung hinzu. Trennen Sie beobachtete Verzögerungen von einer allgemeinen Zuverlässigkeitsaussage.
4
Ermöglichen
Leiten Sie die korrigierte Zusammenfassung an den autorisierten Käufer weiter und bewahren Sie einen Kontaktweg für den Lieferanten, um sachliche Fehler anzufechten.
5
Entscheiden
Nutzen Sie die Beweise, um die Empfehlung fortzusetzen, zu überarbeiten oder abzulehnen. Lassen Sie das Modell nicht die kommerzielle Entscheidung treffen.

Der verbesserte Output kann immer noch ein Lieferrisiko aufzeigen. Der Unterschied ist, dass die Behauptung begrenzt ist, der fehlende Kontext sichtbar ist und die betroffene Partei einen Weg hat, den Datensatz zu korrigieren. Verantwortungsbewusster Einsatz wird zu einem Arbeitsschritt, nicht zu einem Slogan.

Ein flüssiger Output kann immer noch in der wichtigsten Hinsicht unvollständig sein

Genauigkeit ist nicht die einzige Frage. Der beabsichtigte Verwendungszweck, die Konsequenz und der Anfechtungsweg entscheiden, ob der Output bereit ist.

Welche Mitarbeiterpraxis sichtbar werden sollte

Das UK Government AI Playbook empfiehlt sinnvolle menschliche Kontrolle, klare Verantwortung und Mechanismen für Anfechtbarkeit und Wiedergutmachung. Schulungen sollten daher testen, ob Mitarbeitende den menschlichen Entscheidungsträger identifizieren, bemerken können, wer betroffen sein könnte, die Beweise in einfacher Sprache erklären und den Workflow stoppen können, wenn eine Anfechtung nicht sicher gehandhabt werden kann.

Den Betroffenen-Check bewerten

Betroffene Personen oder Gruppen sind benannt.
Folge und Umkehrbarkeit sind beschrieben.
Wichtige Belege und fehlender Kontext sind geprüft.
Eine verantwortliche Person kann das Ergebnis ändern oder stoppen.
Die Erklärung passt zur betroffenen Zielgruppe.
Ein klarer Weg für Widerspruch oder Korrektur besteht.

Den Check mit einem breiteren Lernpfad verbinden

Verbinden Sie FACE mit der gesamten Rollenkette, der Freigabeentscheidung und den vier getrennten Prüfungen. Bokilis Training für HR und Personalentwicklung übersetzt diese Verhaltensweisen in kurze, rollenbezogene Übungen.

Zehn-Minuten-Check für betroffene Personen durchführen

Wählen Sie eine fiktive KI-gestützte Empfehlung aus dem Arbeitsalltag.
Benennen Sie jede Person oder Gruppe, deren Situation sich ändern könnte.
Notieren Sie die wichtigste Folge und ob sie umkehrbar ist.
Prüfen Sie eine Aussage und eine fehlende Perspektive.
Benennen Sie die verantwortliche Person und den Weg für Widerspruch oder Korrektur.

Mitarbeitende müssen nicht jede mögliche Auswirkung vorhersagen. Sie müssen erkennen, wann eine Ausgabe von privater Unterstützung zu einer Entscheidung wird, die andere betrifft. Vermitteln Sie diesen Übergang explizit.

Verantwortungsvollen Einsatz praktikabel machen

Ein kurzer Check für betroffene Personen hilft Mitarbeitenden, KI-Kompetenz mit der realen Arbeit zu verbinden. Bokili unterstützt gezielte, an Rolle, Tool und Kontext angepasste Übungen.