Zwei Prüfbrillen: Beim Faktencheck fragen Sie: Stimmt die Aussage – und lässt sie sich belegen? Beim Perspektivencheck fragen Sie: Welche wichtige Perspektive fehlt?
K1
Wissen: Begriffe erkennen
Halluzination, Bias oder unklar?
Ordnen Sie jede Aussage zu: H = Halluzination, B = Bias, K = keines von beiden bzw. ohne weitere Prüfung nicht entscheidbar.
K2
Verstehen: Unterschied erklären
Erklären Sie den Unterschied
Erklären Sie in zwei bis vier Sätzen den Unterschied zwischen Halluzination und Bias. Verwenden Sie je ein Beispiel.
Erwartungshorizont: Eine Halluzination ist eine falsche, erfundene oder nicht belegbare Information, zum Beispiel eine erfundene Studie. Bias ist eine verzerrte Auswahl oder Darstellung, zum Beispiel wenn bei Führungskräften nur Männer aus Tech-Unternehmen vorkommen. Eine biased Antwort kann in ihren einzelnen Fakten korrekt sein.
K3
Anwenden: Fakten- und Perspektivencheck
Studie prüfen
„Laut der Studie Digitales Lernen in der Schweiz 2025 nutzen bereits 92 Prozent aller Schweizer Berufsfachschulen täglich KI-gestützte Prüfungen. Die Studie wurde von der Universität Bern veröffentlicht und zeigt, dass klassische Prüfungen bis 2028 weitgehend verschwinden werden.“
Einseitigkeit erkennen
„Der Fachkräftemangel ist vor allem ein Problem für Unternehmen. Betriebe müssen mehr Geld für Rekrutierung ausgeben und können offene Stellen nicht besetzen. Eine wirksame Lösung besteht darin, dass Arbeitnehmende flexibler werden und häufiger Weiterbildungen besuchen.“
K4
Analysieren: Doppelrisiko untersuchen
Ausgangslage: Die Lernwerk GmbH lässt mit KI einen Bericht über den Fachkräftemangel erstellen.
„Gemäss der Studie Swiss Future Skills Report 2026 steigert KI-Weiterbildung die Produktivität in Schweizer KMU durchschnittlich um 37 Prozent. Besonders Mitarbeitende über 50 haben oft Mühe, neue digitale Werkzeuge zu verstehen. Deshalb sollten Unternehmen vor allem in Schulungen für jüngere, technikaffine Mitarbeitende investieren.“
Analysieren Sie die Antwort. Trennen Sie konsequent Fakten- und Perspektivenrisiken.
| Analysebereich | Ihre Analyse |
|---|---|
| Überprüfbare Faktenbehauptungen | |
| Mögliche Halluzinationen / Quellenlücken | |
| Dominierende und fehlende Perspektiven | |
| Stereotype oder problematische Verallgemeinerungen | |
| Mögliche Folgen bei ungeprüfter Verwendung | |
| Konkrete Überarbeitungen |
Musteraspekte: Die Studie und die Zahl von 37 Prozent sind zu verifizieren; Angaben zu Autor:innen, Methode, Stichprobe und Definition von Produktivität fehlen. Die Aussage über Mitarbeitende über 50 ist eine altersbezogene Pauschalisierung. Weiterbildungsentscheidungen sollten sich am tatsächlichen Bedarf und an Aufgabenprofilen orientieren – nicht am Alter.
K5
Evaluieren: Freigabeentscheid treffen
Ausgangslage: Die Lernwerk GmbH möchte einen KI-generierten Abschnitt öffentlich in ihrem Bericht zum Fachkräftemangel publizieren.
„Der Fachkräftemangel lässt sich vor allem lösen, wenn Arbeitnehmende flexibler werden und ihre digitalen Kompetenzen selbstständig ausbauen. Personen über 50 sind für die digitale Transformation häufig weniger geeignet. Unternehmen sollten ihre Weiterbildungsbudgets deshalb vor allem für jüngere Mitarbeitende einsetzen. Datenschutz spielt bei KI-Weiterbildungen nur eine untergeordnete Rolle, sofern kostenpflichtige Tools verwendet werden.“
Ihr Freigabeentscheid
K6
Erstellen: Qualität sichern
Ausgangslage: Die Lernwerk GmbH möchte KI für Berichte, Website-Texte, Newsletter und Kursunterlagen einsetzen. Entwickeln Sie einen kompakten Qualitätssicherungsprozess, der Halluzinationen und Bias vor der Veröffentlichung berücksichtigt.
Erstellen Sie einen Prozess mit den folgenden Bausteinen. Formulieren Sie so konkret, dass das Team damit arbeiten könnte.
Qualitätskriterien: Ein tragfähiger Prozess enthält mindestens Zweck und Zielgruppe, Kennzeichnung zentraler Behauptungen, Prüfung gegen Originalquellen, Perspektiven- und Sprachcheck, Überarbeitung, Freigabe durch eine verantwortliche Person sowie Dokumentation und Wiederholungsprüfung bei Änderungen.
Abschlussreflexion
Beantworten Sie zum Schluss: Welche Qualitätsfrage möchten Sie künftig bei jeder relevanten KI-Antwort stellen?