Prüfungssimulation schriftlich

Lernziele

Sie haben eine vollständige Prüfungssimulation unter realistischen Prüfungsbedingungen absolviert.

Sie kennen Ihren aktuellen Wissensstand nach Themenclustern und haben konkrete Lernfelder identifiziert.

Sie sind mit dem genauen Format der Abschlussprüfung (40 MC-Fragen + 4 Freitext-Aufgaben, 90 Minuten) vertraut.

Sie können typische Freitext-Aufgaben-Formate bearbeiten und Bewertungskriterien anwenden.

Sie haben Ihre Zeitstrategie für UE 118 (60 Punkte, 90 Minuten) kalibriert und ggf. justiert.

Sie sind in der Lage, Fehler und Wissenslücken systematisch auszuwerten und in Ihren Lernplan zu integrieren.

Auf einen Blick

Worum geht es?

Prüfungserfolg entsteht nicht durch nochmaliges Lesen von Unterlagen — er entsteht durch das Erproben von Prüfungsbedingungen. UE 116 ist die einzige UE im Kurs, in der Sie die Abschlussprüfung in voller Länge unter realistischen Bedingungen simulieren. Kein Blick in Unterlagen, keine Unterbrechungen, kein gegenseitiger Austausch — 45 Minuten konzentriertes Arbeiten wie am Prüfungstag.

Die Simulation verfolgt zwei Ziele: Erstens soll sie Sie an das Zeitgefühl gewöhnen — 90 Sekunden pro MC-Frage, 8–12 Minuten pro Freitext-Aufgabe sind knappe Zeitbudgets, die geübt sein wollen. Zweitens liefert die anschließende Fehleranalyse die präziseste Rückmeldung, die Sie erhalten können: Welche Cluster sind solide? Wo gibt es Lücken? Was muss in den letzten Tagen vor UE 118 noch intensiviert werden?

Die Prüfungssimulation in UE 116 verwendet bewusst andere Fragen als die reale Prüfung in UE 118, folgt aber exakt demselben Format und demselben Schwierigkeitsgrad. Die Erfahrung zeigt, dass Teilnehmende, die die Simulation ernst nehmen und die Fehleranalyse sorgfältig durchführen, ihre Prüfungsergebnisse in UE 118 deutlich verbessern.

Dieser Abschnitt gibt Ihnen Beispiele aus allen fünf Clustern sowie eine strukturierte Anleitung zur Fehleranalyse.

Prüfungsformat im Detail

Die Abschlussprüfung (UE 118) besteht aus zwei Teilen:

Teil A — Multiple-Choice (40 Fragen, 40 Punkte): Jede Frage hat vier Antwortmöglichkeiten (A–D), genau eine ist korrekt. Falsche Antworten werden nicht abgezogen (kein Malus). Zeit: ca. 60 Minuten (90 Sekunden/Frage). Strategie: Sichere Fragen zuerst, bei Unsicherheit auf zwei Optionen eingrenzen, keine Frage leer lassen.

Teil B — Freitext-Aufgaben (4 Aufgaben, je 5 Punkte = 20 Punkte): Jede Aufgabe verlangt eine präzise schriftliche Antwort von 3–6 Sätzen. Bewertungskriterien: (a) inhaltliche Korrektheit, (b) Vollständigkeit der Kernpunkte, (c) verständliche Formulierung. Zeit: ca. 30 Minuten (7–8 Minuten/Aufgabe). Strategie: Stichworte notieren, dann formulieren, Schlüsselbegriffe verwenden.

Bestehensgrenze: 36/60 Punkte (60 %). Alle drei Prüfungsteile (schriftlich, Projektarbeit, Präsentation) müssen einzeln bestanden werden.

Abb. 116.1 — Zeitverteilung Prüfungssimulation

Merksatz

Eine Prüfungssimulation ohne anschließende Fehleranalyse ist halb so wertvoll. Die Auswertung ist mindestens so wichtig wie die Simulation selbst.

Beispiel-Aufgaben nach Themencluster

Die folgenden Beispiele zeigen typische MC-Formate und Freitext-Aufgaben aus allen fünf Clustern. In der Simulation selbst erhalten Sie einen vollständigen Bogen.

Cluster I — KI-Grundlagen & Anwendung

MC-Beispiel 1: Welche Aussage zum Konzept der „Halluzination” bei Large Language Models ist korrekt?

Halluzinationen entstehen nur bei nicht-trainierten Modellen.

1. Halluzinationen sind erfundene, aber plausibel klingende Ausgaben, die faktisch falsch sind.
2. Halluzinationen können vollständig vermieden werden, wenn das Modell aktuelle Daten hat.
3. Halluzinationen betreffen ausschließlich numerische Ausgaben.

Korrekte Antwort: B — Halluzinationen sind ein systemisches Phänomen aller aktuellen LLMs. Sie entstehen durch statistische Textgenerierung ohne faktische Verifikation.

MC-Beispiel 2: Was versteht man unter „Retrieval-Augmented Generation” (RAG)?

Eine Methode, bei der das Modell Internetsuche in Echtzeit durchführt.

Ein Verfahren, das externe Dokumente abruft und deren Inhalte in die Generierung einbezieht.

Eine Technik zum Nachtraining von Sprachmodellen auf spezifischen Datensätzen.

Ein Architekturmuster für die parallele Ausführung mehrerer KI-Modelle.

Korrekte Antwort: B — RAG kombiniert einen Retrieval-Schritt (Vektordatenbanksuche) mit der Textgenerierung des LLM.

Cluster II — Recht & Compliance

MC-Beispiel 3: Ein Unternehmen setzt ein KI-System zur automatisierten Kreditvergabe ein. Welche Einstufung nach EU AI Act ist am wahrscheinlichsten?

Minimales Risiko — keine besonderen Anforderungen.

Begrenztes Risiko — Transparenzpflichten ausreichend.

Hohes Risiko — Art. 9–15 mit umfangreichen Pflichten anwendbar.

Inakzeptables Risiko — Verbot.

Korrekte Antwort: C — Kreditsysteme fallen nach Anhang III EU AI Act in die Kategorie hohes Risiko.

Freitext-Beispiel 1 (5 Punkte): Erläutern Sie in 4–5 Sätzen, welche Pflichten nach Art. 26 EU AI Act für Deployer von KI-Systemen mit hohem Risiko gelten. Nennen Sie mindestens drei konkrete Pflichten.

Musterlösung: Deployer sind Organisationen, die ein KI-System in ihrem Kontext einsetzen (Art. 3 Nr. 4 EU AI Act). Sie müssen (1) geeignete technische und organisatorische Maßnahmen zur Sicherstellung der konformen Nutzung ergreifen, (2) das eingesetzte KI-System überwachen und Vorfälle an die zuständige Marktaufsichtsbehörde melden, (3) die Anwender schulen und über die Fähigkeiten und Grenzen des Systems informieren sowie (4) eine Folgenabschätzung für grundrechtsrelevante Hochrisiko-KI durchführen. Darüber hinaus müssen sie sicherstellen, dass bei vollständig automatisierten Entscheidungen mit erheblichem Personenbezug eine menschliche Überprüfungsmöglichkeit besteht.

Cluster III — Prompting & Arbeitseffizienz

MC-Beispiel 4: Welches Element der 6-teiligen Prompt-Struktur gibt dem Modell die Ausgabeform vor?

Kontext

Aufgabe

Format

Persona

Korrekte Antwort: C — Das Format-Element definiert Ausgabestruktur (z. B. Tabelle, Stichpunkte, JSON).

MC-Beispiel 5: Was ist das Hauptmerkmal von „Chain-of-Thought”-Prompting?

Der Prompt enthält mehrere aufeinanderfolgende Aufgaben in einer Anfrage.

Das Modell wird angewiesen, seinen Denkweg schrittweise zu explizieren.

Das Modell nutzt mehrere externe Datenquellen gleichzeitig.

Der Prompt ist in einer formalen Programmiersprache verfasst.

Korrekte Antwort: B — Chain-of-Thought verbessert Schlussfolgerungen durch explizites Reasoning.

Cluster IV — Automatisierung & Agenten

Freitext-Beispiel 2 (5 Punkte): Beschreiben Sie in 4–5 Sätzen den Unterschied zwischen einem einfachen KI-Workflow und einem KI-Agenten. Nennen Sie je ein konkretes Beispiel.

Musterlösung: Ein KI-Workflow ist eine vordefinierte Abfolge von Schritten, die bei jedem Durchlauf identisch ausgeführt wird — zum Beispiel eine E-Mail-Eingangsverarbeitung, die Anhänge extrahiert, in eine Datenbank schreibt und eine Benachrichtigung sendet. Ein KI-Agent hingegen verfügt über einen Planungsschritt, der selbstständig entscheidet, welche Werkzeuge (Tools) er in welcher Reihenfolge einsetzt, um ein Ziel zu erreichen. Agenten können auf unvorhergesehene Situationen reagieren, indem sie ihre Schrittfolge dynamisch anpassen. Ein Beispiel ist ein Recherche-Agent, der eigenständig eine Suche durchführt, Ergebnisse bewertet und, wenn diese unvollständig sind, eine Folgeanfrage formuliert — ohne dass diese Entscheidung im Workflow vorprogrammiert ist.

Cluster V — Governance & Sicherheit

MC-Beispiel 6: Welches OWASP-Risiko beschreibt das Einschleusen von Anweisungen in Nutzereingaben, die das Modell dazu bringen, Systemanweisungen zu ignorieren?

Insecure Plugin Design

Prompt Injection

Training Data Poisoning

Model Theft

Korrekte Antwort: B — Prompt Injection ist OWASP LLM Top 10 Risiko Nr. 1.

Freitext-Beispiel 3 (5 Punkte): Erläutern Sie in 4–5 Sätzen das Prinzip der „menschlichen Aufsicht” (Human Oversight) im Kontext von KI-Governance. Warum ist es besonders bei hochriskanten Entscheidungen unverzichtbar?

Musterlösung: Menschliche Aufsicht bezeichnet die Anforderung, dass KI-Entscheidungen, die erhebliche Auswirkungen auf Personen haben können, von einem Menschen überprüft, bestätigt oder korrigiert werden können, bevor sie wirksam werden. Das Prinzip ist im EU AI Act für hochriskante Systeme verbindlich (Art. 14) und im NIST AI RMF als Governability-Kriterium verankert. Die Unverzichtbarkeit ergibt sich aus der Tatsache, dass KI-Modelle keine moralische Verantwortung übernehmen können und unter Verteilungsverschiebungen (Distributional Shift) unzuverlässig werden — Menschen müssen daher als letzte Kontrollinstanz erhalten bleiben. Ohne diese Instanz besteht das Risiko automatisierter Diskriminierung oder fehlerhafter Entscheidungen ohne Korrekturmöglichkeit.

Merksatz

Freitext-Antworten werden nicht nach Länge, sondern nach Vollständigkeit und Präzision bewertet. Drei präzise Sätze mit korrekten Fachbegriffen übertreffen sechs vage Sätze.

Vertiefung — Fehleranalyse nach der Simulation

Die Fehleranalyse ist das Herzstück von UE 116. Ohne systematische Auswertung verliert die Simulation ihren wesentlichen Nutzen. Das folgende Protokoll führt Sie in vier Schritten durch die Auswertung.

Schritt 1 — Ergebnisse erfassen: Korrigieren Sie Ihren Bogen mit den Lösungsschlüsseln. Zählen Sie Punkte pro Cluster (nicht nur Gesamtpunkte). Halten Sie fest: Cluster I: X/8, Cluster II: X/8, Cluster III: X/8, Cluster IV: X/8, Cluster V: X/8 (bezogen auf MC-Anteil). Addieren Sie Freitext-Punkte separat.

Schritt 2 — Fehler klassifizieren: Für jede falsch beantwortete Frage klären Sie: War es (a) ein Wissensfehler — das Konzept war unbekannt oder falsch verstanden? (b) ein Anwendungsfehler — das Konzept war bekannt, aber die Frage wurde falsch interpretiert? (c) ein Zeitfehler — keine Zeit, sorgfältig zu lesen? (d) ein Flüchtigkeitsfehler — richtige Antwort übersehen?

Schritt 3 — Prioritäten ableiten: Wissensfehler → gezieltes Nacharbeiten (Handouts, Flashcards). Anwendungsfehler → weitere Übungsaufgaben zu diesem Cluster. Zeitfehler → Zeitstrategie für UE 118 anpassen. Flüchtigkeitsfehler → bei UE 118 bewusst langsamer lesen.

Schritt 4 — Lernplan aktualisieren: Tragen Sie Ihre zwei bis drei schwächsten Cluster in den Lernplan aus UE 115 ein und planen Sie konkrete Lerntermine bis UE 118.

Branchen-Anwendungen

IT-Dienstleistung

IT-Unternehmen schicken oft Mitarbeitende mit starkem Cluster-III-Profil (Prompting) und Cluster-IV-Profil (Automatisierung) in die Prüfung — Cluster II (Recht) ist die typische Lücke. Die Freitext-Aufgaben zu Deployer-Pflichten (Art. 26) und Datenschutz-Folgenabschätzung (DSFA) fallen technisch geprägten Teilnehmenden schwerer als die MC-Aufgaben. Empfehlung für die Fehleranalyse: Bei Cluster-II-Fehlern nicht nur Definitionen lernen, sondern Szenarien üben — „Ein IT-Dienstleister implementiert ein KI-System beim Kunden: Wer ist Provider, wer Deployer?”

Industrie & Fertigung

Teilnehmende aus Industrie und Fertigung sind häufig stark in Cluster V (Governance) durch IATF- und ISO-Erfahrung, aber schwächer in Cluster I (KI-Grundlagen) und Cluster III (Prompting). MC-Fragen zu Tokenisierung, RAG und Prompt-Architektur sind die häufigsten Fehlerquellen. Empfehlung: Cluster-I-Grundlagen mit Industrie-Bezug üben — „Wie hilft RAG bei der Maschinendokumentation?” statt abstrakter Definitionen.

Finanzdienstleistung

Regulierungsaffine Teilnehmende aus Banken und Versicherungen schneiden in Cluster II (Recht) und Cluster V (Governance) überdurchschnittlich ab. Schwachstelle: Cluster IV (Automatisierung) — n8n-Konzepte und Agenten-Architektur sind im Alltag nicht verankert. Freitext-Aufgaben zu Automatisierungsarchitektur erfordern zusätzliche Übung. Empfehlung: Zwei Beispiel-Workflows aus dem Bankensektor selbst formulieren und erklären können.

Öffentliche Verwaltung

Verwaltungsmitarbeitende zeigen typischerweise solide Cluster-II-Kenntnisse, aber Lücken in Cluster I und Cluster IV. MC-Fragen zu Fine-Tuning, Embeddings und Agenten-Loops sind Stolpersteine. Die Freitext-Aufgabe zur menschlichen Aufsicht fällt gut aus — weil Kontrollprinzipien aus dem Verwaltungsrecht vertraut sind. Empfehlung: Cluster-IV-Simulationen mit Verwaltungs-Use-Cases üben (Bürgerservice-Automatisierung, Dokumentenverarbeitung).

Übung 1 — Prüfungssimulation

Übung 1 — Prüfungssimulation (verkürzt)

Aufgabe: Bearbeiten Sie den Simulationsbogen (30 Punkte: 20 MC + 2 Freitext) unter Prüfungsbedingungen.

Material: Simulationsbogen (vom Trainer ausgeteilt), Stift

Regeln: - Keine Unterlagen, keine Gespräche, keine digitalen Hilfsmittel - Zeit: 45 Minuten (proportional zur echten Prüfung) - Alle Felder ausfüllen — kein Malus für falsche MC-Antworten - Nach Ende: Bogen umdrehen, kein Nacharbeiten

Schritt-für-Schritt: 1. Schreiben Sie Ihren Namen auf den Bogen. 2. Überfliegen Sie zuerst alle 20 MC-Fragen (2 Minuten). 3. Beantworten Sie sichere Fragen zuerst. 4. Bearbeiten Sie unsichere Fragen in einer zweiten Runde. 5. Bearbeiten Sie dann die 2 Freitext-Aufgaben (je 8 Minuten). 6. Prüfen Sie verbleibende Zeit — kein Feld leer lassen.

Erwartetes Ergebnis: Vollständig ausgefüllter Simulationsbogen, bereit zur Auswertung.

Musterlösung: Wird durch den Lösungsschlüssel nach Ende der Simulation ausgeteilt. Punkte pro Cluster notieren.

Übung 2 — Strukturierte Fehleranalyse

Übung 2 — Fehleranalyse und Lernplan-Update

Aufgabe: Analysieren Sie Ihre Simulationsergebnisse systematisch und aktualisieren Sie Ihren Lernplan.

Material: Korrigierter Simulationsbogen, Fehleranalyse-Vorlage (Tabelle: Frage | Cluster | Fehlertyp | Lernmaßnahme), Lernplan aus UE 115

Schritt-für-Schritt: 1. Tragen Sie für jede falsch beantwortete Frage Cluster und Fehlertyp (Wissen/Anwendung/Zeit/Flüchtigkeit) ein. 2. Zählen Sie Fehler pro Cluster — welcher Cluster hat die meisten? 3. Identifizieren Sie Ihren dominanten Fehlertyp. 4. Entscheiden Sie für jeden Fehler: Welche konkrete Maßnahme bis UE 118? 5. Tragen Sie Maßnahmen in Ihren Lernplan ein — mit Datum. 6. Formulieren Sie eine Selbstverpflichtung: „Ich werde bis [Datum] [konkrete Maßnahme] umgesetzt haben.”

Erwartetes Ergebnis: Vollständige Fehleranalyse-Tabelle, aktualisierter Lernplan mit Selbstverpflichtung.

Warnung

Simulation nicht unter vereinfachten Bedingungen durchführen: Wer während der Simulation Notizen macht, Unterlagen nutzt oder Gespräche führt, sabotiert den Lerneffekt. Der Wert der Simulation liegt gerade darin, dass das Ergebnis ein ehrlicher Ist-Stand ist — nur auf Basis eines ehrlichen Ergebnisses ist eine sinnvolle Fehleranalyse möglich.

Fehleranalyse nicht überstürzen: Nehmen Sie sich nach der Simulation mindestens 20 Minuten Zeit für die Auswertung. Wer die Fehleranalyse in 5 Minuten erledigt, hat den wichtigsten Teil der UE übersprungen.

Cheatsheet — Die wichtigsten Punkte

Prüfungsformat: 40 MC (40 P) + 4 Freitext (20 P) = 60 Punkte, 90 Minuten

Bestehensgrenze: 36/60 Punkte (60 %)

MC-Strategie: Sichere zuerst, zwei Optionen eingrenzen, kein Feld leer

Freitext: Schlüsselbegriffe verwenden, 3–6 Sätze, Stichworte vorab

Fehlertypen: Wissen | Anwendung | Zeit | Flüchtigkeit

Cluster-Schwächen: gezielt nacharbeiten, nicht alles nochmal lesen

Lernplan-Update nach Simulation zwingend

Keine Unterlagen während Simulation — ehrliches Ergebnis ist der Wert

Reflexionsfragen

Welcher Fehlertyp dominiert Ihre Auswertung — und was sagt das über Ihren Lernansatz?

Welcher Cluster hat Sie am meisten überrascht — positiv oder negativ?

Welche konkrete Maßnahme werden Sie bis UE 118 noch umsetzen?

Wenn Sie Ihre Freitext-Antworten nochmals lesen: Welchen Schlüsselbegriff haben Sie vergessen?

Wie würden Sie Ihre Zeitstrategie in UE 118 gegenüber der Simulation anpassen?

Quellen & Weiterlesen

Vertiefung — Freitext-Antworten meisterhaft formulieren: Die PAFE-Methode in der Praxis

Die PAFE-Struktur (Punkt — Ausführung — Folge/Beispiel — Einschränkung) ist das wirkungsvollste Instrument für Freitext-Antworten — aber nur wenn sie konsequent und schnell angewendet wird. Die folgenden drei vollständig ausgearbeiteten Beispiele zeigen, wie die Methode in der Praxis funktioniert.

Beispiel 1 — Cluster II (Recht): Frage: „Was ist eine Datenschutz-Folgenabschätzung (DSFA) und wann ist sie nach DSGVO verpflichtend?”

P: „Eine DSFA nach Art. 35 DSGVO ist eine systematische Analyse der Risiken einer Datenverarbeitung für die Rechte und Freiheiten betroffener Personen, die vor Beginn der Verarbeitung durchgeführt werden muss.” A: „Sie ist verpflichtend, wenn die Verarbeitung voraussichtlich ein hohes Risiko für natürliche Personen mit sich bringt — insbesondere bei umfangreicher systematischer Verarbeitung besonderer Datenkategorien (Art. 9), bei Verarbeitungen mit systematischer Überwachung oder automatisierten Entscheidungen mit erheblichen Auswirkungen.” F: „Beispiel: Ein KI-System, das automatisiert Kreditentscheidungen trifft, erfordert zwingend eine DSFA — weil automatisierte Entscheidungen mit erheblichen Auswirkungen (Art. 22) und Finanzdaten (besondere Kategorie nach Art. 9 a.A.) im Spiel sind.” E: „Eine DSFA ist nicht erforderlich, wenn das Risiko durch technische oder organisatorische Maßnahmen auf ein akzeptables Niveau reduziert wurde und kein systematisches Hochrisiko-Muster vorliegt.”

Beispiel 2 — Cluster IV (Automatisierung): Frage: „Beschreiben Sie das Konzept des ReAct-Patterns für KI-Agenten.”

P: „Das ReAct-Pattern beschreibt einen Agenten-Architekturmuster, bei dem das Modell abwechselnd reasoning (Schlussfolgerung) und acting (Werkzeug-Aufruf) durchführt, um ein Ziel zu erreichen.” A: „In jedem Zyklus formuliert das Modell einen Gedankenschritt (‘Thought’), führt eine Aktion aus (‘Action’) und wertet das Ergebnis aus (‘Observation’). Dieser Zyklus wiederholt sich, bis das Ziel erreicht oder ein Abbruchkriterium erfüllt ist.” F: „Praktisches Beispiel: Ein Recherche-Agent erhält die Aufgabe, drei Belege für eine These zu finden. Er formuliert eine Suchanfrage (Thought), führt eine Web-Suche durch (Action), bewertet die Ergebnisse (Observation), und formuliert auf Basis der Bewertung die nächste, präzisere Suchanfrage.” E: „Das ReAct-Pattern setzt voraus, dass das Modell zuverlässige Werkzeugaufrufe formulieren kann — bei unklaren Tool-Interfaces oder zu komplexen Zielen kann der Agentenloop in Endlosschleifen oder inkorrekte Schrittfolgen geraten.”

Beispiel 3 — Cluster V (Governance): Frage: „Welche drei OWASP-Risiken für LLM-Anwendungen sind in Unternehmensumgebungen besonders relevant?”

P: „Die drei praxisrelevantesten OWASP LLM-Risiken in Unternehmensumgebungen sind Prompt Injection (LLM01), Insecure Output Handling (LLM02) und Overreliance (LLM09).” A: „Prompt Injection (LLM01) beschreibt das Einschleusen von Anweisungen in Nutzereingaben, die das Modell dazu bringen, Systemanweisungen zu überschreiben. Insecure Output Handling (LLM02) tritt auf, wenn Modellausgaben ohne ausreichende Validierung in nachgelagerte Systeme weitergeleitet werden. Overreliance (LLM09) beschreibt die Gefahr, dass Anwendende Modellausgaben unkritisch übernehmen, ohne sie zu prüfen.” F: „Im Unternehmenskontext zeigt sich Overreliance besonders bei zeitkritischen Prozessen: Wenn der KI-Assistent schnell antwortet, sinkt die Bereitschaft, die Antwort zu prüfen — das ist der gefährlichste Moment.” E: „Vollständige Prävention ist nicht möglich — alle drei Risiken können durch Kombinationen aus technischen Maßnahmen (Input-Sanitization, Ausgabefilter, menschliche Überprüfung) und organisatorischen Maßnahmen (Schulung, klare Human-in-the-Loop-Regeln) erheblich reduziert werden.”

Branchen-Vignette — Immobilienwirtschaft & Gebäudemanagement

Teilnehmende aus der Immobilienwirtschaft zeigen oft ein solides Verständnis für Governance-Themen (aus Erfahrungen mit Compliance in Miet- und Grundbuchprozessen), haben aber selten praktische KI-Erfahrung. Typische Prüfungs-Schwäche: Cluster I-Grundlagen und Cluster IV-Automatisierungskonzepte. Für die Simulation besonders relevante Freitext-Themen: KI-gestützte Mietpreisanalyse (Cluster II: Hochrisiko-Prüfung nach AI Act bei automatisierten Entscheidungen mit Wohnungsbezug?) und automatisierte Vertragsverwaltung (Cluster IV: n8n-Workflow für Vertragserstellung, DSGVO: personenbezogene Mieterdaten). Empfehlung: In der Fehleranalyse nach der Simulation besonders auf Cluster I (LLM-Grundlagen) und Cluster IV (Automatisierungsarchitektur) konzentrieren.

Trainer-Hinweise

Vertiefung: Schriftliche Prüfungen zu KI — Aufgabentypen und Lösungsstrategien

Schriftliche Prüfungen in KI-Qualifizierungsprogrammen prüfen in der Regel vier Aufgabentypen. Für jeden gibt es eine optimale Lösungsstrategie.

Aufgabentyp 1 — Begriffserklärung Beispiel: „Erklären Sie den Begriff Halluzination im Kontext von Large Language Models.”

Strategie: Definition → Ursache → Konsequenz → Gegenmaßnahme (4-Satz-Formel)

Musterlösung: > „Halluzination bezeichnet das Phänomen, dass ein Sprachmodell faktisch falsche Aussagen mit hoher Konfidenz generiert (Definition). Sie entsteht, weil das Modell auf statistischen Mustern basiert, nicht auf Faktenwissen (Ursache). Dies führt zu Vertrauensproblemen, besonders in sicherheitskritischen Anwendungen (Konsequenz). Gegenmaßnahmen umfassen Faktenprüfung, Retrieval Augmented Generation und transparente Kommunikation über Modellgrenzen (Gegenmaßnahme).”

Aufgabentyp 2 — Fallanalyse Beispiel: „Ein Unternehmen möchte Bewerbungsunterlagen durch KI vorfiltern. Welche ethischen und rechtlichen Fragen stellen sich?“

Strategie: Dimensionen-Framework (Rechtlich / Ethisch / Praktisch / Empfehlung)

Musterlösung (Kurzform): > Rechtlich: DSGVO (Art. 22 — automatisierte Entscheidungen), AGG (Diskriminierungsverbot)>
Ethisch: Bias-Risiko in Trainingsdaten, mangelnde Transparenz für Bewerbende>
Praktisch: Wer kontrolliert die KI-Empfehlungen? Gibt es einen menschlichen Überprüfungsschritt?>
Empfehlung: KI nur als erstes Screening-Tool mit obligatorischer menschlicher Prüfung und Dokumentationspflicht

Aufgabentyp 3 — Prompt-Engineering-Aufgabe Beispiel: „Schreiben Sie einen Prompt, der eine KI dazu bringt, eine Zusammenfassung eines Kundengesprächs in einem strukturierten Format zu generieren.”

Strategie: Persona → Aufgabe → Format → Einschränkungen → Beispiel

Aufgabentyp 4 — Transferaufgabe Beispiel: „Sie sind Multiplikatorin in einem Pflegeheim. Wie würden Sie das Pflegepersonal für den Einsatz von KI-Dokumentationshilfen sensibilisieren?“

Strategie: Situation analysieren → Zielgruppe beschreiben → Konkretes Vorgehen in 3 Schritten → Erfolgsmessung

Branchen-Vignette: Immobilienwirtschaft — Schriftliche Prüfung: Erfahrungsbericht

Person: Hausverwalter in einem mittelgroßen Immobilienunternehmen (350 verwaltete Einheiten)

Prüfungserfahrung: In der schriftlichen Prüfung wurde eine Fallaufgabe gestellt: „Ein Immobilienunternehmen möchte Mieteranfragen via KI automatisch priorisieren. Welche Use-Case-Definition würden Sie empfehlen, und welche Risiken sind zu beachten?”

Strategie des Teilnehmers: Nutzung des DARE-Frameworks aus UE 112 + Use-Case-Statement-Modell aus UE 110. Er strukturierte seine Antwort in 4 klaren Absätzen: Use-Case-Statement, technische Umsetzung, Risiken (Datenschutz + Fehlklassifizierung), Empfehlung.

Ergebnis: Höchste Punktzahl im Fallanalyse-Teil seiner Kohorte.

Lernimpuls: Prüfungsantworten profitieren enorm davon, wenn man die im Kurs erlernten Frameworks explizit benennt und anwendet.

Prompt-Box — UE 116: Prüfungsantwort-Generator

Prompt:

Ich übe für eine schriftliche KI-Qualifizierungsprüfung.



Prüfungsfrage: [FRAGE EINFÜGEN]

Aufgabentyp: [Begriffserklärung / Fallanalyse / Prompt-Engineering / Transfer]

Maximale Antwortlänge: [ZEILEN / WÖRTER]



Bitte:

1. Erstelle eine Musterlösung für diese Frage mit der passenden Strategie für den Aufgabentyp

2. Erkläre, warum diese Antwort Punkte bekommt (Bewertungskriterien)

3. Nenne zwei häufige Fehler, die Prüflinge bei diesem Fragetyp machen

4. Formuliere eine Alternative-Version der Frage, die denselben Stoff aus anderer Perspektive prüft



Verwende die Sprache des originalen Kursmaterials.

Einsatz: Teilnehmende trainieren systematisch alle Aufgabentypen mit eigenen und generierten Prüfungsfragen.

Reflexionsfragen

Bei welchem Aufgabentyp (Begriffserklärung / Fallanalyse / Prompt-Engineering / Transfer) fühlen Sie sich am sichersten? Bei welchem am unsichersten?

Wie hat die Prüfungssimulation Ihr Gefühl für die eigene Kompetenz verändert? Was haben Sie über sich gelernt?

Wenn Sie eine Frage überhaupt nicht beantworten können: Welche Strategie hilft Ihnen, trotzdem Teilpunkte zu erzielen?

Vertiefung: Zeitmanagement in der schriftlichen Prüfung

90 Minuten klingt lang. In der Praxis laufen sie schneller ab als erwartet. Das folgende Zeitmodell hat sich in Prüfungscoachings bewährt:

Phase 1 — Orientierung (5 Minuten): Alle Aufgaben lesen. Aufgaben einteilen in: (A) sicher beherrsche ich das, (B) bin ich unsicher, (C) keine Ahnung. Beginnen Sie mit Kategorie A.

Phase 2 — Bearbeitung (70 Minuten): Faustregel: Pro Punkt in der Bewertung ungefähr 1,5 Minuten einplanen. Bei einer 5-Punkte-Aufgabe maximal 8 Minuten bleiben.

Phase 3 — Überarbeitung (10 Minuten): Alle Antworten noch einmal überfliegen. Ergänzungen einfügen, wo ein Beispiel fehlt.

Phase 4 — Reserve (5 Minuten): Kategorie-C-Aufgaben: Schreiben Sie zumindest eine strukturierte Teilantwort. Leere Antworten erhalten immer null Punkte. Eine strukturierte Teilantwort kann noch Teilpunkte erhalten.

Merksatz-Sammlung für die Prüfung

Diese sieben Merksätze decken die häufigsten Prüfungsfragen ab:

„KI halluziniert, weil sie Muster erkennt, nicht weil sie lügt.”

„Ein Use-Case-Statement ohne Abgrenzungs-Satz ist kein vollständiges Use-Case-Statement.”

„Prompt-Engineering ist kein einmaliger Vorgang, sondern ein iterativer Prozess.”

„DSGVO Art. 22 schützt Personen vor vollautomatisierten Entscheidungen mit rechtlicher Wirkung.”

„Human in the Loop bedeutet: Die KI empfiehlt, der Mensch entscheidet.”

„Bias in Trainingsdaten führt zu systematisch ungerechten KI-Ausgaben.”

„Ein Pilotprojekt ist kein Versagen, wenn es zeigt, dass der Use-Case nicht funktioniert — es ist eine wertvolle Erkenntnis.”

Übung: Multiple-Choice-Strategien

Bei Multiple-Choice-Fragen helfen drei Techniken:

Technik 1 — Eliminieren: Welche Antwort ist offensichtlich falsch? Diese streichen — erhöht die Trefferchance sofort.

Technik 2 — Schlüsselworte erkennen: Formulierungen wie „immer”, „niemals”, „ausschließlich” deuten oft auf falsche Antworten hin. Nuancierte Formulierungen sind häufiger richtig.

Technik 3 — Kontextregel: Wenn zwei Antworten ähnlich klingen, ist oft die spezifischere richtig.

Lernreflexion nach der Prüfungssimulation

Die Prüfungssimulation zeigt oft mehr als das inhaltliche Wissen — sie zeigt auch, wie Sie unter Zeitdruck denken und priorisieren. Beantworten Sie nach der heutigen Simulation:

Welche Aufgabe hat die meiste Zeit gekostet — und warum? War es die Schwierigkeit des Inhalts oder das Finden eines Einstiegs?

Bei welcher Aufgabe haben Sie sich am sichersten gefühlt? Was war daran anders als bei den schwierigen Aufgaben?

Was würden Sie beim nächsten Versuch in den ersten 5 Minuten anders machen? Konkrete Verhaltensänderung beschreiben, nicht nur „besser vorbereiten”.

Wenn die echte Prüfung morgen wäre — was ist Ihre Bewertung Ihrer Bereitschaft auf einer Skala von 1–10? Was bräuchten Sie, um einen Punkt höher zu kommen?

Diese Reflexion ist Teil des professionellen Lernprozesses. Wer sie ernst nimmt, lernt aus der Simulation mehr als durch weitere inhaltliche Vorbereitung.

Abschluss-Reflexion: Was nehmen Sie aus der Prüfungssimulation mit?

Nach jeder Prüfungssimulation lohnt sich eine kurze schriftliche Reflexion. Notieren Sie:

Meine drei stärksten Prüfungsmomente heute: 1. __________________________________ 2. __________________________________ 3. __________________________________

Die eine Frage, die mich am meisten ins Schwitzen gebracht hat, und meine Strategie dafür: _____________________________________________________________

Mein konkreter nächster Lernschritt vor der echten Prüfung: _____________________________________________________________

Hinweise für AI Champions — So vermitteln Sie das Thema — UE 116

Timing (45 Min): 2 Min Instruktion und Regelklarstellung, 25 Min Prüfungssimulation (Einzelarbeit, Stille), 3 Min Lösungsausgabe und erste Korrektur, 15 Min Fehleranalyse (Übung 2).

Atmosphäre und Regelklarheit: Betonen Sie zu Beginn die Prüfungsbedingungen explizit — kein Flüstern, keine Unterlagen, keine Handys. Wenn Teilnehmende unsicher sind, ob die Simulation „ernst” ist, erzielen sie weniger Lernnutzen aus der Fehleranalyse. Ein kurzer, klarer Satz reicht: „Wir simulieren heute die echte Prüfung — Bedingungen gelten wie in UE 118.”

Umgang mit Ergebnissen: Nach der Auswertung gibt es erfahrungsgemäß eine emotionale Reaktion — sowohl nach oben (Erleichterung) als auch nach unten (Sorge). Bleiben Sie sachlich: „Das Ergebnis heute ist kein Urteil — es ist Information.” Betonen Sie, dass drei bis vier Wochen gezieltes Lernen auf Basis der Fehleranalyse erhebliche Verbesserungen bringt.

Freitext-Auswertung: Gehen Sie mindestens zwei Freitext-Aufgaben in der Gruppe oder allein durch — projizieren Sie Musterlösung und bitten Sie Teilnehmende, eigene Formulierungen vorzulesen. Das schärft das Bewusstsein dafür, was „ausreichend” und was „gut” ist.

Häufige Stolpersteine: (a) Teilnehmende brechen die Simulation früh ab — ermutigen Sie, die Zeit vollständig zu nutzen und alle Felder auszufüllen. (b) Fehleranalyse zu oberflächlich — auf Fehlertypen bestehen, nicht nur Punkte zählen. (c) Demotivation bei schwachem Ergebnis — gezielt auf die verbleibende Lernzeit hinweisen.

Übergang zur nächsten UE: „Morgen oder übermorgen — je nach Kursplan — schauen wir uns gegenseitig die Projektarbeiten an. Das Peer-Review gibt Ihnen eine außenstehende Perspektive, die oft wertvoller ist als jede Selbstreflexion.”

Ergänzung — Prüfungsformat: Alle fünf Cluster mit Beispielfragen

Vollständige Beispielfragensammlung für die Simulation:

Die folgende Sammlung enthält für jeden Cluster vier zusätzliche MC-Fragen, die typischen Prüfungsstandard abbilden.

Cluster I — Zusatzfragen:

Frage: Was versteht man unter “Embedding” in LLM-Systemen? A) Eine Methode zum Komprimieren von Texten B) Die Darstellung von Text als mehrdimensionaler Zahlenvektor C) Ein Protokoll zum Verschlüsseln von API-Anfragen D) Ein Training-Verfahren für kleine Datensätze Korrekte Antwort: B

Frage: Was ist der Hauptunterschied zwischen Fine-Tuning und Prompt Engineering? A) Fine-Tuning ist schneller, Prompt Engineering ist genauer B) Beim Fine-Tuning werden die Modellgewichte verändert, beim Prompt Engineering nicht C) Prompt Engineering erfordert Zugang zu Trainingsdaten, Fine-Tuning nicht D) Fine-Tuning ist nur für Open-Source-Modelle möglich Korrekte Antwort: B

Cluster II — Zusatzfragen:

Frage: Ein Unternehmen setzt ein KI-System zur automatischen Bewertung von Bewerbungen ein. Welche Aussage ist korrekt? A) Das System fällt unter minimales Risiko, da HR-Entscheidungen intern sind B) Das System gilt als Hochrisiko nach Anhang III EU AI Act C) Das System ist verboten nach Art. 5 EU AI Act D) Das System erfordert nur eine einfache Registrierung Korrekte Antwort: B — Beschäftigungsentscheidungen sind in Anhang III explizit genannt

Frage: Wer ist nach EU AI Act Art. 3 ein “Anbieter” (Provider) eines KI-Systems? A) Jedes Unternehmen, das ein KI-System für interne Zwecke nutzt B) Eine natürliche oder juristische Person, die ein KI-System entwickelt oder entwickeln lässt und es in den Verkehr bringt C) Nur staatliche Stellen, die KI-Systeme beschaffen D) Unternehmen, die KI-Dienste als Dienstleistung anbieten Korrekte Antwort: B

Cluster III — Zusatzfragen:

Frage: Welches Element der 6-teiligen Prompt-Struktur definiert die Hintergrundrolle des Modells? A) Aufgabe B) Format C) Persona D) Kontext Korrekte Antwort: C

Frage: Was ist der Zweck eines “Chain-of-Thought”-Prompts? A) Die Ausgabe in ein bestimmtes Format zu zwingen B) Das Modell anzuweisen, seinen Lösungsweg explizit zu formulieren C) Mehrere Modelle parallel zu befragen D) Externe Datenquellen in die Antwort einzubeziehen Korrekte Antwort: B

Cluster IV — Zusatzfragen:

Frage: Was beschreibt das ReAct-Schema in KI-Agenten? A) Reagieren-Aktivieren-Testen: ein Testframework für KI-Systeme B) Reason-Act-Observe: ein Planungszyklus, bei dem der Agent denkt, handelt und beobachtet C) Retrieve-Aggregate-Classify: ein Datenverarbeitungsprotokoll D) Request-Execute-Check: ein API-Aufrufmuster Korrekte Antwort: B

Cluster V — Zusatzfragen:

Frage: Was versteht man unter “Insecure Output Handling” (OWASP LLM Top 10)? A) Das Speichern von LLM-Ausgaben in unverschlüsselten Dateien B) Die unkritische Weiterverarbeitung von LLM-Ausgaben ohne Validierung C) Die Ausgabe von Informationen über das Modell selbst D) Das Anzeigen von KI-generierten Texten ohne Quellenangabe Korrekte Antwort: B

Merksatz

Bei MC-Fragen gilt: Wenn zwei Antworten sich ähneln, ist oft eine davon korrekt — weil die Prüfungsfrage gerade den Unterschied zwischen diesen beiden testen möchte. Lesen Sie beide genau und wählen Sie nach dem Kern-Unterschied.

Lerntext-Vertiefung — Prüfungspsychologie und Lerneffizienz in der Abschlussphase

Die Abschlussphase des Kurses — was sich verändert: In den letzten zwei bis drei Wochen vor der Abschlussprüfung verändert sich die Lerndynamik: Der Druck steigt, die Konzentration schwankt, und die Selbsteinschätzung ist oft unreliabel (mal zu optimistisch, mal zu pessimistisch). Drei psychologische Phänomene sind besonders relevant:

Dunning-Kruger-Effekt in der Lernphase: Zu Beginn der Lernvorbereitung fühlen sich viele Themen vertraut — was zu übertriebener Zuversicht führt. Nach vertieftem Lernen wird die eigene Lücke klarer — was zu unnötiger Sorge führt. Die Simulation in UE 116 liefert das realistischste Bild des tatsächlichen Wissensstands.

Prokrastination durch Überwältigung: Wenn fünf Cluster mit je vielen Konzepten gleichzeitig gelernt werden müssen, führt das zur Vermeidung. Die Lösung: Radikale Priorisierung. Welcher eine Cluster ist heute dran? Welche drei Konzepte innerhalb dieses Clusters? Kein Mehraufwand — fokussierte Tiefe.

Schlaf und Gedächtnis: Schlafentzug reduziert die Konsolidierung von Erinnerungen erheblich — Studien zeigen einen 20–40 % Rückgang der Behaltensleistung nach einer Nacht mit weniger als sechs Stunden Schlaf. Die letzte Woche vor der Prüfung sollte konsequent mit ausreichend Schlaf geplant werden.

Prüfungssimulation als diagnostisches Instrument: Der größte Wert der Simulation liegt nicht im Üben — er liegt im Diagnostizieren. Die Fehleranalyse nach der Simulation liefert ein präziseres Bild der Lücken als jede Selbsteinschätzung. Zwei Typen von Lücken werden sichtbar: (a) Wissenslücken: Das Konzept wurde nie gelernt oder ist vergessen. Maßnahme: Gezieltes Nacharbeiten mit Handout und Flashcard. (b) Anwendungslücken: Das Konzept ist bekannt, aber die Fragestellung wurde falsch interpretiert. Maßnahme: Weitere Übungsaufgaben zum Kontext-Lesen und Eliminationsverfahren.

Mock-Prüfungspunkte interpretieren: Bei 30 Simulationspunkten (20 MC + 2 Freitext, verkürzt) entspricht die folgende Umrechnung dem vollständigen Prüfungsformat: 24–30 Punkte = sehr gut (entspricht ca. 48–60 von 60 in der echten Prüfung). 18–23 Punkte = gut (entspricht ca. 36–46 von 60). 12–17 Punkte = ausreichend (entspricht ca. 24–34 von 60 — auf der Grenze). Unter 12 Punkte = intensive Nacharbeit erforderlich. Wichtig: Die Simulation enthält andere Fragen als die echte Prüfung — Abweichungen nach oben und unten sind möglich.

Cluster-spezifische Nacharbeit nach der Simulation: Für jeden Cluster, in dem die Fehlerrate über 30 % liegt, gilt folgendes Nacharbeits-Protokoll: (a) Handout-Zusammenfassung lesen (30 Minuten). (b) Drei selbst formulierte Fragen beantworten ohne Unterlagen (15 Minuten). (c) Antworten mit dem Handout vergleichen und Lücken identifizieren (15 Minuten). (d) Fünf Anki-Karten zum Cluster anlegen (15 Minuten). Dieses Protokoll benötigt 75 Minuten pro Cluster und deckt die wichtigsten Wissenslücken systematisch ab.

Merksatz

Die Prüfungssimulation ist das ehrlichste Feedback, das Sie in dieser Lernphase bekommen. Nehmen Sie das Ergebnis nicht persönlich — nehmen Sie es als Daten.

Praxis-Handlungsfeld — Prüfungsformat und strategische Herangehensweise

Das 60-Punkte-System verstehen: Die 60 Prüfungspunkte verteilen sich auf zwei klar unterschiedliche Aufgabentypen mit unterschiedlichen Strategien:

Multiple-Choice (40 Punkte, 40 Fragen): Jede Frage ist gleich gewichtet (1 Punkt). Kein Malus für falsche Antworten. Zeitbudget: 1,5 Minuten pro Frage. Strategie: Sichere Antworten zuerst, unsichere im zweiten Durchgang, immer ausfüllen.

Freitext (20 Punkte, 4 Fragen à 5 Punkte): Jede Freitext-Aufgabe kann 0–5 Punkte erzielen. Bewertungsdimensionen: inhaltliche Korrektheit (Hauptgewicht), Vollständigkeit der Kernpunkte, Klarheit der Formulierung. Zeitbudget: 7–8 Minuten pro Aufgabe. Strategie: Immer Stichworte zuerst, PAFE-Struktur, Fachbegriffe verwenden.

Simulationsergebnisse kalibrieren: Nach der Simulation aus UE 116 gilt: Ein Ergebnis von 65–75 % (19–22 von 30 Simulationspunkten) entspricht typischerweise einem soliden “ausreichend bis gut” in der echten Prüfung — wenn die verbleibende Lernzeit genutzt wird. Ein Ergebnis unter 60 % zeigt intensive Nacharbeit an. Ein Ergebnis über 80 % zeigt, dass die Schwerpunkte der Fehleranalyse gering sind — gezielte Vertiefung statt breitem Nacharbeiten.

Prompt-Beispiel

Prompt: Freitext-Antwort verbessern

Persona: Du bist ein erfahrener Korrektor von KI-Anwenderpruefungen. Aufgabe: Verbessere die folgende Freitext-Antwort nach den Kriterien: (a) inhaltliche Korrektheit, (b) Vollstaendigkeit der Kernaussagen, (c) Verwendung korrekter Fachbegriffe. Kontext: Pruefungsfrage: [Frage einfuegen]. Bewertungsmassstab: 5 Punkte. Musterloesung-Schluessel: [Stichworte einfuegen, optional]. Format: (1) Einschaetzung der urspruenglichen Antwort (2–3 Saetze), (2) Verbesserte Version der Antwort. Einschraenkung: Keine neuen Konzepte einfuehren, die nicht in der Originalantwort angelegt sind. Originalantwort: [Antwort einfuegen]

Abschluss-Betrachtung — Von der Simulation zur echten Prüfung

Was sich in UE 118 anders anfühlt: Die echte Prüfung in UE 118 unterscheidet sich von der Simulation auf zwei Ebenen: Erstens ist die emotionale Bedeutung größer — das Ergebnis zählt wirklich. Zweitens sind die Fragen neu — keine der Simulationsfragen taucht in der echten Prüfung auf. Diese Unterschiede sind real und sollten nicht heruntergespielt werden. Gleichzeitig gilt: Die Strategie, das Zeitgefühl und das Verständnis der Prüfungsstruktur — all das ist durch die Simulation aufgebaut. Diese Kompetenz überträgt sich auf die echte Prüfung.

Fehleranalyse nach UE 116 systematisch nutzen: Die Fehleranalyse aus UE 116 ist nur dann wertvoll, wenn sie zu konkreten Maßnahmen führt. Drei häufige Fehler im Umgang mit der Fehleranalyse: (a) Nur Punkte zählen, ohne Fehlertyp zu identifizieren — führt zu diffusem Lernen ohne Fokus. (b) Alle schwachen Cluster gleichzeitig nacharbeiten — führt zu Oberflächen-Learning ohne Tiefe. (c) Die Fehleranalyse als abgeschlossen betrachten — statt sie in den laufenden Lernplan zu integrieren.

Simulation als Teil einer größeren Lernstrategie: Die Prüfungssimulation ist ein Baustein einer umfassenden Lernstrategie, die vier Elemente kombiniert: (1) Verständnis durch Lesen und Verstehen (Handouts, UE 109–115). (2) Abruf durch aktive Tests (Flashcards, Peer-Quiz, eigene Fragen). (3) Anwendung durch Simulation (UE 116 Prüfungsbogen). (4) Reflexion durch Fehleranalyse (systematische Auswertung nach der Simulation). Wer alle vier Elemente kombiniert, erreicht das tiefste Lern-Ergebnis.

Vertiefung II — Strategische Kommunikation von KI-Projekten

Die erfolgreiche Implementierung von KI in Organisationen scheitert häufiger an Kommunikationsdefiziten als an technischen Schwächen. Dieser Abschnitt vertieft die strategische Dimension der KI-Projektkommunikation.

Das Kommunikationsproblem bei KI-Projekten

KI-Projekte haben ein strukturelles Kommunikationsproblem: Die Menschen, die sie entwickeln (technisch versierte Fachleute), müssen mit Menschen kommunizieren, die sie nutzen und genehmigen (oft technisch weniger affine Führungskräfte und Fachanwender). Diese Lücke ist nicht nur sprachlich, sondern konzeptuell: Techniker denken in Modellen, Accuracy-Werten und Trainingsparametern; Entscheider denken in Geschäftsprozessen, Risiken und Budgets.

Gute Kommunikation überbrückt diese Lücke, indem sie die gleichen Sachverhalte in der Sprache der jeweiligen Zielgruppe formuliert.

Merksatz

KI-Kompetenz ohne Kommunikationskompetenz bleibt in der Organisation weitgehend wirkungslos. Wer seine Ergebnisse nicht verständlich vermitteln kann, wird keine Ressourcen und keine Unterstützung für die Weiterentwicklung bekommen.

Stakeholder-Mapping für KI-Projekte

Bevor eine Kommunikationsstrategie entwickelt werden kann, müssen die relevanten Stakeholder identifiziert und charakterisiert werden. Ein einfaches Stakeholder-Mapping arbeitet mit zwei Dimensionen: Einfluss (hoch/niedrig) und Interesse (hoch/niedrig).

Hoher Einfluss, hohes Interesse: Primäre Stakeholder — enge Einbindung, regelmäßige Kommunikation, proaktives Informieren über Fortschritte und Rückschläge.

Hoher Einfluss, niedriges Interesse: Gatekeepers — sie müssen informiert werden, wollen aber nicht überfordert werden. Kurze, prägnante Statusberichte bevorzugt über ausführliche Berichte.

Niedriger Einfluss, hohes Interesse: Unterstützer — oft Anwender oder Teamkollegen. Sie können wertvolles Feedback liefern und zu Multiplikatoren werden.

Niedriger Einfluss, niedriges Interesse: Beobachter — regelmäßige, aber knappe Information, um keine Überraschungseffekte zu erzeugen.

Unterschiedliche Botschaftstypen für unterschiedliche Zielgruppen

Die gleiche Information muss für unterschiedliche Zielgruppen unterschiedlich aufbereitet werden:

Für die Geschäftsführung: Fokus auf Geschäftswert und Risiken. Kernbotschaft: „Das Projekt adressiert [Geschäftsproblem] und verspricht [quantifizierten Nutzen] bei [bekannten Risiken].” Länge: maximal eine DIN-A4-Seite oder fünf Folien.

Für Fachabteilungsleiter: Fokus auf Prozessauswirkungen und Implementierungsschritte. Kernbotschaft: „Ihr Prozess [X] wird durch [konkrete Änderung] verändert. Die Auswirkungen sind [konkret benennen].” Länge: ein strukturiertes Briefing, 1–2 Seiten.

Für Endanwender: Fokus auf konkrete Nutzungsszenarien und Unterstützungsangebote. Kernbotschaft: „Sie können ab [Datum] [konkretes Feature] nutzen. Hier ist, wie das funktioniert. Hier ist, wo Sie Hilfe bekommen.” Länge: kurze, visuelle Anleitungen.

Merksatz

Dieselbe Botschaft braucht verschiedene Formulierungen für verschiedene Zielgruppen. Die technische Genauigkeit bleibt gleich — die Sprache, die Detailtiefe und der Kontext variieren je nach Zielgruppe.

Change Management als KI-Projektkompetenz

KI-Projekte sind immer auch Change-Projekte: Sie verändern Prozesse, Rollen und Routinen. Change Management ist deshalb keine optionale Ergänzung, sondern ein integraler Bestandteil jedes erfolgreichen KI-Projekts.

Die wichtigsten Change-Management-Prinzipien für KI-Projekte:

Frühzeitig einbinden: Wer von einer Änderung betroffen ist, sollte so früh wie möglich informiert und — wo möglich — in die Gestaltung einbezogen werden. Überraschungen erzeugen Widerstände; Beteiligung erzeugt Akzeptanz.

Widerstand als Information verstehen: Widerstand gegen KI-Projekte ist selten irrationaler Technologiefeindlichkeit. Er enthält fast immer legitime Informationen: über Bedenken zur Jobsicherheit, zu Datenschutz, zu Qualität der Ergebnisse. Diese Bedenken ernst zu nehmen und zu adressieren, ist effektiver als sie zu ignorieren oder zu überwältigen.

Quickwins sichtbar machen: Erste positive Ergebnisse — auch wenn sie klein sind — sollten aktiv kommuniziert werden. Sie demonstrieren, dass das Projekt echten Nutzen liefert, und stärken das Vertrauen für die Weiterentwicklung.

Transfer in die Projektarbeit

Für die eigene Projektarbeit: Überlegen Sie, wer die primären Stakeholder Ihres Projekts wären, wenn es in einer realen Organisation implementiert würde. Welche Einwände würden sie haben? Wie würden Sie diese Einwände proaktiv adressieren? Diese Reflexion stärkt sowohl die Projektarbeit als auch die Kolloquiumsvorbereitung.

Transferimpuls — KI-Kommunikation als Daueraufgabe

KI-Kommunikation in Organisationen ist keine einmalige Aufgabe, sondern eine Daueraufgabe. Technologien entwickeln sich, Projekte schreiten voran, und das Verständnis der Belegschaft für KI muss kontinuierlich gefördert werden.

Wer in seiner Organisation eine KI-Kommunikations-Routin etabliert — monatliche Updates, kurze Fallstudien aus der eigenen Praxis, regelmäßige Q&A-Sessions — baut langfristig eine Basis auf, die neue KI-Initiativen erheblich erleichtert. Organisationen, in denen die Belegschaft über KI informiert und grundlegend vertraut ist, adptieren neue KI-Lösungen schneller und mit weniger Widerstand.

Merksatz

KI-Akzeptanz in Organisationen ist das Ergebnis kontinuierlicher Kommunikation, nicht eines einzelnen überzeugenden Vortrags. Investieren Sie in regelmäßige, niedrigschwellige Kommunikationsformate, um ein gemeinsames Grundverständnis aufzubauen.

Vertiefung — Zeitmanagement-Strategien für die Abschlussprüfung

Das größte Risiko in der Prüfung ist nicht fehlendes Wissen — es ist schlechtes Zeitmanagement. Teilnehmende, die ihre Zeit nicht aktiv steuern, geraten bei schwierigen Fragen in ein Zeitloch und bearbeiten die letzten Freitext-Aufgaben gehetzt oder gar nicht.

Strategie 1 — Die Two-Pass-Methode für MC: Beim ersten Durchgang werden nur Fragen beantwortet, bei denen sofort Sicherheit besteht. Unsichere Fragen werden markiert (kleines Fragezeichen am Rand) und übersprungen. Beim zweiten Durchgang werden die markierten Fragen bearbeitet — mit frischem Blick und ohne Zeitdruck für die bereits beantworteten Fragen.

Strategie 2 — Freitext-Struktur vorbereiten: Bevor Sie die erste Freitext-Aufgabe formulieren, notieren Sie für alle vier Aufgaben je drei Stichworte. Dieser Überblick zeigt Ihnen, wo Sie sicher sind und wo nicht — und erlaubt eine Entscheidung, welche Aufgabe zuerst vollständig bearbeitet wird.

Strategie 3 — Zeitpuffer schützen: Die letzten 10 Minuten sind für Überprüfung reserviert — und müssen das bleiben. Wenn Sie in Phase 4 (Freitext) die Zeit überschreiten, kürzen Sie die schwächste Freitext-Antwort auf das Minimum (2 Sätze mit Kernbegriffen) und wechseln zur nächsten. Eine kurze, aber vollständige Antwort erzielt mehr Punkte als eine detaillierte, aber halbfertige.

Strategie 4 — Eliminationsmethode bei unsicheren MC-Fragen: Bei vier Optionen können fast immer mindestens zwei ausgeschlossen werden — entweder weil sie inhaltlich falsch sind oder weil sie grammatisch nicht zur Frage passen. Von den verbleibenden zwei Optionen ist die spezifischere fast immer die richtige: Generische Aussagen ohne Spezifikation sind seltener korrekte Antworten als präzise Formulierungen.

Merksatz

Zeitmanagement in der Prüfung ist eine Kompetenz, die geübt werden muss. Wer die Simulation ohne Zeitkontrolle absolviert, hat die wichtigste Lektion nicht gelernt. Setzen Sie sich einen harten Stoppuhr-Alarm — und halten Sie sich daran.

Übung 2 — Fehleranalyse nach der Simulation (vertieft)

Übung 2 — Strukturierte Fehleranalyse

Aufgabe: Führen Sie nach der Prüfungssimulation eine strukturierte Fehleranalyse durch und leiten Sie einen priorisierten Lernplan für die verbleibenden Tage bis UE 118 ab.

Material: Korrigierter Simulationsbogen, Cluster-Übersicht, Fehleranalyse-Protokoll

Schritt-für-Schritt: 1. Zählen Sie Punkte je Cluster (nicht nur gesamt): Cluster I bis V (MC) + Freitext separat. 2. Klassifizieren Sie jeden Fehler: Wissensfehler / Anwendungsfehler / Zeitfehler / Flüchtigkeitsfehler. 3. Priorisieren Sie: Welche zwei Cluster haben die meisten Wissensfehler? 4. Planen Sie für jeden priorisierten Cluster eine Lernmaßnahme mit konkreter Zeitangabe. 5. Planen Sie ggf. eine Zeitstrategie-Anpassung für UE 118, wenn Zeitfehler aufgetreten sind. 6. Unterzeichnen Sie Ihren Lernplan — als Selbstverpflichtung.

Erwartetes Ergebnis: Vollständige Fehleranalyse mit Cluster-Punkten, Fehlerklassifikation und priorisiertem Lernplan bis UE 118.

Reflexionsfragen — Vertieft

Welche Frage in der Simulation hat Sie am meisten überrascht — und warum?

Wie hat sich das Zeitgefühl während der Simulation von Ihren Erwartungen unterschieden?

Wenn Sie die Simulation wiederholen könnten: Was würden Sie in den ersten 5 Minuten anders machen?

Was hat Ihre Fehleranalyse gezeigt — ist es eher Wissenslücke oder Anwendungsunsicherheit?

Wie viel Zeit haben Sie für Ihre Prüfungsvorbereitung zwischen UE 116 und UE 118 eingeplant — und ist das realistisch?

Prompt-Beispiel

Prompt: Erklaerung eines Pruefungsthemas vorbereiten

Persona: Du bist ein erfahrener Kursleiter fuer KI-Anwenderkompetenz. Aufgabe: Erklaere das folgende Konzept so, als wuerdesst du es einem Teilnehmenden erklaeren, der es noch nicht vollstaendig verstanden hat. Kontext: Konzept: [z. B. „Unterschied zwischen Deployer und Provider nach EU AI Act”]. Kenntnisstand der Person: Grundkenntnisse vorhanden, aber Verwirrung bei der praktischen Anwendung. Format: (1) Ein-Satz-Definition. (2) Konkretes Beispiel aus dem Unternehmenskontext. (3) Typischer Fehler beim Verstaendnis. (4) Merksatz. Einschraenkung: Kein Fachjargon ohne Erklaerung. Maximale Laenge: 200 Woerter.

Quelle: KI-Wissensbasis von MindsMachines, Edition Juni 2026. Vollständige Fassung mit Anhängen und Musterlösungen: als PDF anfordern.