Umsetzungs-Playbooks4 Min. Lesezeit

KI-Training für Mitarbeitende: Erst drei Aufgaben testen

Testen Sie vor der Auswahl eines KI-Trainings drei beobachtbare Fähigkeiten: Aufgabenauswahl, Input-Sicherheit und Output-Verifizierung.

Bokili EditorialVeröffentlicht am 25. August 2026· Geprüft am 25. August 2026

Drei-Aufgaben-Ausgangstest für KI-Schulungen: Aufgabenauswahl, sichere Eingaben und Prüfung der Ergebnisse

KI-Training für Mitarbeitende sollte mit einer praxisnahen Aufgabe beginnen, nicht mit einer Umfrage oder Kursliste. Ein kurzer Drei-Aufgaben-Test zeigt, ob jemand eine passende Anwendung wählt, den Input schützt und den Output prüft. L&D kann Trainings dann auf Basis der erkannten Lücken auswählen, statt alle durch dasselbe Material zu schicken.

Dies ist eine praktische Trainingsdiagnose, kein juristischer Test und kein Ranking von Mitarbeitenden. Nutzen Sie synthetische oder freigegebene Inhalte, bewerten Sie nur beobachtbares Verhalten und wählen Sie auf Basis der Ergebnisse die passende Unterstützung. Ziel ist ein fairer Ausgangspunkt für den Lernprozess.

Warum ein Baseline-Test vor der Auswahl eines KI-Kurses sinnvoll ist

Das aktuelle Q&A der Europäischen Kommission zur KI-Kompetenz besagt, dass Unternehmen technisches Wissen, Erfahrung, Bildung und Training der Personen sowie die eingesetzten KI-Systeme und den Kontext berücksichtigen sollten. Artikel 4 verpflichtet Arbeitgeber jedoch nicht, das Wissen jedes Einzelnen zu messen oder ein bestimmtes Niveau zu garantieren. Ein Aufgaben-Baseline ist daher eine Design-Entscheidung: Er macht Trainings relevanter, ohne fälschlich als Compliance-Zertifikat dargestellt zu werden.

Die AI Use Taxonomy von NIST fügt eine nützliche aufgabenbezogene Perspektive hinzu. Sie beschreibt Mensch-KI-Aktivitäten anhand von Zielen und Ergebnissen, unabhängig von Technik oder Branche. Das unterstützt einen Baseline-Test, der auf Arbeitsverhalten statt auf Produktdetails basiert. Auch OECD-Studien zeigen, dass für den effektiven Einsatz generativer KI weiterhin Skills entscheidend sind und Trainings in KMU noch nicht verbreitet sind.

Der Drei-Aufgaben-Baseline

1
1. Wählen
Stellen Sie drei fiktive Arbeitsaufträge. Fragen Sie, welcher sich für ein freigegebenes KI-Tool eignet, welcher engere Grenzen braucht und welcher bei einem Menschen bleiben sollte.
2
2. Schützen
Zeigen Sie einen Prompt-Entwurf mit einer unnötigen persönlichen oder vertraulichen Information. Bitten Sie die Person, diese zu entfernen oder zu ersetzen und das erlaubte Quellmaterial zu nennen.
3
3. Prüfen
Geben Sie eine kurze KI-generierte Antwort mit einer unbelegten Behauptung. Die lernende Person soll sie zu den Quellen zurückverfolgen, korrigieren und entscheiden, ob eine menschliche Prüfung oder Eskalation nötig ist.

Vier beobachtbare Aktionen bewerten

Task-Fit

Erkennt, ob KI für das gesetzte Ziel und die Konsequenzen geeignet ist.

Input-Sicherheit

Nutzt nur freigegebene, nötige Informationen und erkennt, was entfernt werden muss.

Output-Check

Prüft wichtige Behauptungen anhand der Belege, statt auf den Textfluss zu vertrauen.

Bewertung

Weiß, wann korrigiert, geprüft, eskaliert oder gestoppt werden muss.

Nutzen Sie eine einfache Skala von 0–2: 0 für fehlende/unsichere Aktion, 1 für Aktion nach Hinweis, 2 für selbstständige Aktion mit Begründung. Halten Sie die Bewertung deskriptiv. Sie soll die nächste Übung anleiten, nicht zur Leistungsbewertung werden. Wenn arbeitsrechtliche Entscheidungen betroffen sein könnten, ziehen Sie vor jeder Bewertung HR, Betriebsrat und passende Rechts- oder Gleichstellungsexperten hinzu.

Praxisbeispiel: Einkaufs-Zusammenfassung

Lesen ist der Anfang. Üben macht den Unterschied.

Jetzt starten

Ein fiktiver Einkäufer erhält eine Lieferantennotiz und soll einen sechszeiligen Vergleich für eine Führungskraft erstellen. In Aufgabe 1 erkennt die Person, dass das Zusammenfassen öffentlicher Spezifikationen geeignet ist, nicht aber die Eingabe eines vertraulichen Angebots oder die Vergabeentscheidung durch die KI. In Aufgabe 2 ersetzt die Person einen echten Kontaktnamen und einen unveröffentlichten Preis durch Platzhalter. In Aufgabe 3 behauptet der KI-Entwurf, ein Lieferant sei ‚vollständig konform‘, obwohl laut Dokumenten die Zertifizierung noch aussteht. Die Person korrigiert dies, verweist auf die Quelle und markiert die finale Entscheidung für einen Menschen.

	Observed result	Training response
Wählt unsichere/vage Anwendungen	Task-fit gap	Practise use selection, consequences and stop conditions
Lässt sensible Details im Prompt	Input-boundary gap	Practise data minimisation with approved examples
Akzeptiert die unbelegte Behauptung	Verification gap	Practise source tracing and evidence labels
Korrigiert Entwurf, entscheidet aber selbst	Judgment gap	Practise review ownership and escalation
Löst alle drei Aufgaben selbstständig	Ready for transfer	Move to a fresh role-relevant task

Baseline: Fair und nützlich bleiben

Sieben Schutzmaßnahmen für die Diagnose

Use the same instructions, time and approved tools for comparable learners.
Use synthetic, public or otherwise approved content.
Test ordinary work behaviours, not obscure product features.
Explain that the purpose is training selection, not surveillance.
Allow accessibility adjustments without changing the target behaviour.
Keep written anchors for 0, 1 and 2 on every behaviour.
Review patterns at cohort level before drawing conclusions about individuals.

Das Ergebnis in einen Lernpfad umwandeln

Ein Baseline-Test sollte direkt zur Praxis führen. Nutzen Sie die rollenbasierte KI-Kompetenzmatrix, um erwartete Fähigkeiten zu benennen, den risikobasierten Leitfaden für kontextabhängige Tiefe, den Leitfaden für faire Entwicklungsziele für den nächsten Schritt und das vierwöchige ChatGPT-Curriculum, wenn dieses Tool relevant ist. Bokilis Seite für HR und L&D erklärt, wie kurze Übungen einen unternehmensweiten Lernplan unterstützen.

Baseline-Test in zehn Minuten entwerfen

Choose one low-risk task that many employees recognise.
Write one suitable AI use, one use needing tighter boundaries and one use that should remain human.
Add one unnecessary sensitive detail to a synthetic prompt.
Add one unsupported claim to a synthetic AI output and attach two short source notes.
Write the four scoring anchors and the training action for each possible gap.

Keine versteckten Tests

Erklären Sie Mitarbeitenden, was beobachtet wird, wie das Ergebnis genutzt wird und wer es einsehen kann. Eine Baseline funktioniert, wenn sie Vertrauen schafft und die Praxis lenkt. Sie scheitert, wenn sie zu einem unerklärten Wert wird.

Die beste Baseline ist kompakt genug für die Durchführung vor der Kurswahl und konkret genug, um diese Wahl zu beeinflussen. Drei Aufgaben können zeigen, ob der primäre Bedarf bei der Anwendungsauswahl, Eingabesicherheit, Verifizierung oder menschlichen Urteilsfähigkeit liegt. Das ist ein stärkerer Ausgangspunkt für KI-Schulungen, als von der gleichen Wissenslücke bei allen Lernenden auszugehen.