KI-Schulung: Erfolg messen: vier Ebenen statt Feedbackbogen.

Den Erfolg einer KI-Schulung messen Sie nicht mit dem Feedbackbogen am Ende des Workshops, sondern auf vier Ebenen: Relevanz für die eigene Arbeit, nachweisbarer Lernzuwachs, verändertes Verhalten im Alltag und erste Wirkung auf betriebliche Kennzahlen. Das bewährte Raster dafür ist das Kirkpatrick-Modell, das sich gut auf KI-Trainings übertragen lässt, wenn Sie die richtigen Kennzeichen wählen: etwa ob Beschäftigte KI-Ausgaben vor der Weitergabe prüfen und ob Freigaberegeln eingehalten werden. Dieser Artikel zeigt, wie Sie Vorher-Nachher-Aufgaben bauen, welche Verhaltensweisen Sie beobachten und wie ein schlanker Messplan für 30, 60 und 90 Tage aussieht. Er benennt auch die Grenzen: Wirkung lässt sich einer einzelnen Schulung nur begrenzt zuordnen. Stand Oktober 2026 verlangt Art. 4 EU AI Act keine Messung der KI-Kenntnisse, eine saubere Messung hilft aber bei Budget, Nachsteuerung und Dokumentation.

Hinweis: Dieser Beitrag gibt den Rechts- und Steuerstand zum unten angegebenen Datum allgemein wieder. Er ist keine Rechts- oder Steuerberatung und ersetzt nicht die Prüfung Ihres Einzelfalls durch eine Rechtsanwältin, einen Rechtsanwalt, eine Steuerberaterin oder einen Steuerberater. Alle Angaben ohne Gewähr für Vollständigkeit und Aktualität.

Warum misst ein Feedbackbogen den Erfolg einer KI-Schulung nicht?

Der klassische Bogen am Ende eines Workshops fragt, ob Inhalte, Trainer und Verpflegung gefallen haben. Bei KI-Schulungen fallen diese Werte oft gut aus, weil die ersten Erfolgserlebnisse mit ChatGPT, Claude, Gemini oder Copilot beeindrucken. Über die Frage, die Geschäftsführung und Personalabteilung eigentlich interessiert, sagt das wenig: Arbeiten die Teilnehmenden vier Wochen später anders, sorgfältiger und schneller als vorher?

Dazu kommt ein typisches Muster bei KI-Werkzeugen. Die Begeisterung am Schulungstag ist hoch, im Alltag fehlen dann Zeit, passende Aufgaben oder klare Regeln, und die Nutzung schläft ein. Andere nutzen die Werkzeuge zwar intensiv, übernehmen Ergebnisse aber ungeprüft. Beides sehen Sie in keinem Zufriedenheitswert. Hohe Zufriedenheit ist deshalb eine angenehme, aber keine ausreichende Bedingung für eine wirksame Schulung.

Eine brauchbare Erfolgsmessung beantwortet drei Fragen: Hat die Schulung die richtigen Aufgaben getroffen? Können die Teilnehmenden danach etwas, was sie vorher nicht konnten? Zeigt sich das im Arbeitsalltag in einer Form, die für das Unternehmen zählt? Diese Fragen ordnet das Kirkpatrick-Modell, ein verbreitetes Raster für die Evaluation von Weiterbildung, in vier Ebenen. Für KI-Projekte insgesamt, also Einführung, Nutzung und Wertbeitrag eines Werkzeugs, gibt es einen eigenen Artikel zu KPIs für den KI-Erfolg; hier geht es ausschließlich um die Wirkung der Schulung selbst.

Die vier Ebenen nach Kirkpatrick für KI-Schulungen.

Das Kirkpatrick-Modell unterscheidet vier Ebenen: Reaktion, Lernen, Verhalten und Ergebnisse. Kirkpatrick Partners, die das Modell heute weiterentwickeln und lehren, betonen zwei Punkte, die für KI-Schulungen besonders wichtig sind. Erstens beginnt die Planung bei Ebene 4: Erst wird geklärt, wozu die Schulung dienen soll, dann werden Inhalte und Messung abgeleitet. Zweitens sind die Ebenen kein Stufenprogramm, sondern ein Kreislauf, bei dem Erkenntnisse aus jeder Ebene in die Gestaltung zurückfließen.

Auf Ebene 1 rät Kirkpatrick, die Relevanz stärker zu gewichten als die Zufriedenheit. Wer Übungen bekommt, die nichts mit dem eigenen Arbeitsalltag zu tun haben, wendet das Gelernte mit hoher Wahrscheinlichkeit nicht an. Für KI-Schulungen heißt das: Fragen Sie nicht nur, ob der Tag gefallen hat, sondern welche zwei Aufgaben die Person in der nächsten Woche mit KI erledigen will und ob ihr dafür etwas fehlt, etwa eine Lizenz, eine Freigabe oder ein Beispiel.

Auf Ebene 4 unterscheidet das Modell Frühindikatoren (Leading Indicators) und Ergebniskennzahlen (Lagging Indicators). Frühindikatoren zeigen nach wenigen Wochen, ob sich etwas in die richtige Richtung bewegt. Ergebniskennzahlen wie Kosten oder Umsatz reagieren langsamer und hängen von vielen Einflüssen ab. Wer eine Weiterbildung zusätzlich finanziell bewerten will, landet bei der ROI-Methodik nach Jack Phillips, die als fünfte Ebene die Umrechnung in Geld ergänzt und ausdrücklich verlangt, den Effekt der Schulung von anderen Einflüssen zu trennen.

Lernerfolg prüfen: Vorher-Nachher-Aufgaben.

Ebene 2 umfasst nach Kirkpatrick nicht nur Wissen und Fähigkeiten, sondern auch Haltung, Zuversicht und Commitment, also den festen Vorsatz, das Gelernte anzuwenden. Zuversicht und Commitment gelten als frühe Hinweise darauf, ob sich später Verhalten ändert. Als Methoden nennt das Modell neben klassischen Pre- und Post-Tests auch Rollenspiele und Teachback, bei dem Teilnehmende einen Inhalt mit eigenen Worten erklären.

Für KI-Schulungen eignen sich Wissensfragen nur begrenzt. Ob jemand weiß, was ein Large Language Model (großes Sprachmodell) ist, sagt wenig darüber, ob er eine brauchbare Kundenantwort entwirft und darin eine falsche Angabe erkennt. Aussagekräftiger ist eine kleine Arbeitsprobe, die vor und nach der Schulung mit vergleichbarem Schwierigkeitsgrad gestellt wird. Typisches Beispiel für ein Vertriebsteam:

• Aufgabe: Aus einer Kundenanfrage und einem internen Produktblatt eine Antwort entwerfen, mit dem freigegebenen Werkzeug und ohne personenbezogene Daten im Prompt.
• Eingebauter Fehler: Das Produktblatt enthält eine Angabe, die die KI leicht falsch übernimmt oder ergänzt.
• Bewertung mit Raster: Ist die Antwort fachlich richtig? Wurde der Fehler bemerkt? Wurden Datenregeln eingehalten? Ist der Prompt nachvollziehbar und wiederverwendbar? Wie lange hat es gedauert?
• Zuversicht: Einschätzung auf einer Skala von 1 bis 5, wie sicher sich die Person fühlt, solche Aufgaben künftig allein mit KI zu lösen.

Das Raster ist wichtiger als die Aufgabe. Legen Sie vorab fest, was eine gute Lösung ausmacht, und lassen Sie Vorher- und Nachher-Proben möglichst von derselben Person bewerten, die nicht weiß, welche Probe von wann stammt. Werten Sie Ergebnisse auf Gruppenebene aus. Einzelergebnisse brauchen Sie nur, wenn Teilnehmende selbst eine Rückmeldung wollen. Das schützt die Lernatmosphäre, denn wer fürchtet, bewertet zu werden, probiert in der Schulung weniger aus.

Verhalten im Alltag beobachten: welche Kennzeichen zählen?

Ebene 3 misst den Lerntransfer: Zeigt die Zielgruppe die sogenannten kritischen Verhaltensweisen im Arbeitsalltag, und wird sie dabei unterstützt? Kritisch heißt hier: wenige, klar beobachtbare Handlungen, die den größten Beitrag zum Ziel leisten. Kirkpatrick empfiehlt dazu ein Paket aus Unterstützung und Verantwortlichkeit, etwa kurze Rücksprachen mit Führungskräften, Beobachtungen, Arbeitshilfen und Anreize für gute Leistung. Wichtig ist der Zeitpunkt: Die Messung darf nicht erst 90 Tage nach der Schulung beginnen, sonst ist die Chance zum Nachsteuern vorbei.

Bei KI-Schulungen sind die aussagekräftigsten Kennzeichen selten die Zahl der Prompts, sondern Sorgfalt und Regelbefolgung. Sinnvoll sind vier bis sechs Verhaltensweisen, zum Beispiel:

• Prüfschritt: KI-Ausgaben werden vor der Weitergabe nach außen fachlich geprüft, Zahlen und Zitate an der Quelle kontrolliert.
• Freigaberegeln: Nur freigegebene Werkzeuge und Konten werden genutzt; vertrauliche oder personenbezogene Daten landen nicht in privaten Konten.
• Kennzeichnung: Wo intern vereinbart, werden KI-generierte Inhalte gekennzeichnet oder im Dokument vermerkt.
• Wiederverwendung: Bewährte Prompts oder Vorlagen werden in der gemeinsamen Sammlung abgelegt und von anderen genutzt.
• Eigene Aufgaben: Jede Person nutzt KI regelmäßig für mindestens eine konkrete, wiederkehrende Aufgabe aus dem eigenen Bereich.
• Grenzen erkennen: Bei Aufgaben, für die KI ungeeignet ist oder die Daten nicht freigegeben sind, wird bewusst darauf verzichtet.

Erhoben werden diese Kennzeichen am einfachsten über Stichproben: Die Führungskraft oder eine fachkundige Person schaut sich pro Person zwei bis drei Arbeitsergebnisse an, bei denen KI im Spiel war, und hält mit einem einfachen Raster fest, ob der Prüfschritt erkennbar ist und die Regeln eingehalten wurden. Ergänzend fragt eine kurze Selbstauskunft, welche Aufgaben inzwischen regelmäßig mit KI laufen und wo es hakt.

Nutzungsdaten aus den Admin-Konsolen der Anbieter sind eine sinnvolle Ergänzung, mehr nicht. Laut den Release Notes von Microsoft (Stand 06.10.2026) zeigt das Copilot-Dashboard von Copilot Analytics inzwischen besonders aktive Nutzer (Power User), und Copilot-Dashboard sowie Consumption-Dashboard enthalten erweiterte Kennzahlen zu Nutzung und Wirkung von Copilot Cowork, einschließlich Export. Solche Daten zeigen, ob und wie oft ein Werkzeug genutzt wird, aber nicht, ob die Ergebnisse stimmen. Hohe Nutzung bei fehlendem Prüfschritt ist kein Schulungserfolg, sondern ein Risiko.

Messplan für 30, 60 und 90 Tage.

Ein Messplan legt vor der Schulung fest, was wann von wem erhoben wird. Er enthält nur Messpunkte: Ausgangswert, Stichproben und Frühindikatoren. Maßnahmen zur Verankerung im Alltag gehören in einen eigenen Transferplan. Der Messplan muss nicht aufwendig sein. Entscheidend ist, dass der Ausgangswert vor der Schulung erfasst wird, sonst fehlt später der Vergleich. Typisches Beispiel für eine Abteilung mit zehn bis zwölf Teilnehmenden nach einem eintägigen Workshop:

Als Frühindikatoren eignen sich Größen, die ohnehin erfasst werden und die die Schulung plausibel beeinflusst: Durchlaufzeit für Standardantworten, Zahl der Korrekturschleifen bei Texten, Rückfragen von Kunden zu unklaren Antworten oder der Anteil der Vorgänge, die mit einer freigegebenen Vorlage bearbeitet wurden. Kirkpatrick weist darauf hin, dass viele dieser Daten im Unternehmen bereits vorliegen; es geht oft nur darum, sie zu finden und Zugriff zu bekommen.

Bewusst nicht in den Plan gehören Vanity-Metriken, also Zahlen, die gut aussehen und wenig beweisen: Teilnehmerzahl, Zufriedenheitsnote, ausgestellte Teilnahmebestätigungen, Zahl der Anmeldungen bei einem Werkzeug oder Gesamtzahl der Prompts. Sie gehören in die Dokumentation, nicht in die Erfolgsbewertung. Wer aus den Frühindikatoren später einen Geldwert ableiten will, findet die Rechenlogik und die typischen Rechentricks im Artikel zum ROI von KI-Projekten.

Grenzen der Messung.

Die wichtigste Grenze ist die Zuordnung. Wenn sich nach einer Schulung die Durchlaufzeit verbessert, kann das auch an einer neuen Werkzeugversion, einer geänderten Vorlage, saisonalen Schwankungen oder schlicht an mehr Übung liegen. Eine Vergleichsgruppe, die später geschult wird, hilft, ist in kleinen Betrieben aber selten sauber umsetzbar. Formulieren Sie Ergebnisse deshalb ehrlich als Hinweis, nicht als Beweis: „Nach der Schulung ist die Nacharbeit gesunken“ statt „Die Schulung hat die Nacharbeit um ein Drittel gesenkt“.

Weitere Grenzen, die Sie einplanen sollten:

• Selbstauskünfte überschätzen: Angaben zu gesparter Zeit sind subjektiv. Nutzen Sie sie als Stimmungsbild, nicht als Rechengrundlage.
• Kleine Gruppen schwanken: Bei zehn Personen verändern zwei Ausreißer das Bild stark. Achten Sie auf Richtung und Muster, nicht auf Kommastellen.
• Werkzeuge ändern sich schnell: Neue Funktionen und Modellwechsel können Arbeitsproben leichter oder schwerer machen. Prüfen Sie vor der Nachher-Probe, ob die Aufgabe noch vergleichbar ist.
• Messung kann Verhalten verzerren: Wer weiß, dass Prompts gezählt werden, produziert Prompts. Messen Sie Sorgfalt und Ergebnis statt Aktivität.

Bei personenbezogenen Auswertungen kommen Datenschutz und Mitbestimmung hinzu. Nutzungsdaten auf Personenebene sind Beschäftigtendaten. In Betrieben mit Betriebsrat kann die Auswertung über technische Einrichtungen nach § 87 Abs. 1 Nr. 6 BetrVG mitbestimmungspflichtig sein. Werten Sie deshalb möglichst auf Gruppenebene aus und klären Sie Einzelheiten vorab mit Datenschutzbeauftragten und Betriebsrat, im Zweifel mit einer Anwältin oder einem Anwalt für Arbeitsrecht.

Auch rechtlich gilt es, die Messung richtig einzuordnen. Laut FAQ der EU-Kommission zur KI-Kompetenz (Stand 20.10.2026) verpflichtet Art. 4 AI Act nicht dazu, die KI-Kenntnisse von Beschäftigten zu messen, und verlangt kein Zertifikat. Seit dem Digital-Omnibus (VO (EU) 2026/1744, in Kraft seit 27.07.2026) schreibt Art. 4 zudem kein bestimmtes Kompetenzniveau mehr vor; Unternehmen sollen die Entwicklung der KI-Kompetenz unterstützen. Ein internes Verzeichnis der Schulungen ist möglich. Die Kommission sammelt Praxisbeispiele, betont aber, dass deren Nachahmung nicht automatisch die Vermutung begründet, Art. 4 sei eingehalten. Wer belegen kann, dass Maßnahmen zur eigenen Belegschaft und zu den eingesetzten Systemen passen und im Alltag ankommen, ist besser aufgestellt als mit einem Stapel Teilnahmebestätigungen.

So setzen Sie die Messung schlank auf.

Eine Erfolgsmessung bleibt überschaubar, wenn sie vor der Schulung geplant wird. Nachträglich lässt sich der Ausgangswert nicht mehr erheben. Diese Schritte reichen für die meisten Teams, ob in einem mittelständischen Unternehmen, in einer Kanzlei oder bei Selbstständigen, die ihre eigene Weiterbildung überprüfen wollen:

1. Ziel auf Ebene 4 festlegen: Welche zwei bis drei Aufgaben sollen nach der Schulung besser, schneller oder sorgfältiger laufen? Daraus ergeben sich Frühindikatoren.
2. Kritische Verhaltensweisen definieren: Höchstens sechs, davon mindestens eine zu Prüfschritt und eine zu Datenregeln.
3. Arbeitsprobe und Raster bauen: Eine realistische Aufgabe aus dem Fachbereich, ein Bewertungsraster mit vier bis fünf Kriterien, vergleichbare Vorher- und Nachher-Variante.
4. Ausgangswerte erheben: Arbeitsprobe, Zuversicht und Frühindikatoren vor dem Schulungstermin.
5. Termine für Tag 30, 60 und 90 setzen: Stichproben und Kurzgespräche direkt in den Kalender der Führungskräfte legen.
6. Ergebnis auf einer Seite berichten: Was hat sich gezeigt, wo hakt es, welche weitere Unterstützung ist nötig, welche Gruppe folgt als Nächstes.

Sprechen Sie die Messung mit dem Schulungsanbieter vorab ab. Ein Trainer, der die Arbeitsprobe kennt, kann Übungen gezielt darauf ausrichten, und die Kurzabfragen zur Relevanz lassen sich ohne Aufwand in den Workshop einbauen. In den KI-Workshops von Marcel Gautsche aus Stuttgart, vor Ort oder remote, werden Übungen an den eigenen Aufgaben der Teilnehmenden ausgerichtet; das erleichtert die anschließende Messung. Wie Sie das Gelernte im Alltag verankern, etwa mit Sprechstunden oder einer gemeinsamen Vorlagensammlung, ist ein eigenes Thema; die Messung zeigt Ihnen, wo solche Unterstützung nötig ist. Eine erste Auffrischung nach etwa sechs bis acht Wochen gehört zum Transferplan; die Messung prüft, ob sie gewirkt hat.

Häufige Fragen.

Wie messe ich den Erfolg einer KI-Schulung?

Am besten auf vier Ebenen nach dem Kirkpatrick-Modell: Relevanz der Inhalte für die eigene Arbeit, Lernzuwachs über Vorher-Nachher-Aufgaben, verändertes Verhalten im Alltag wie ein Prüfschritt bei KI-Ausgaben und erste Bewegung bei betrieblichen Frühindikatoren wie Durchlaufzeit oder Nacharbeit. Wichtig ist, Ausgangswerte vor der Schulung zu erheben und die Verhaltensmessung schon nach etwa 30 Tagen zu beginnen.

Was ist das Kirkpatrick-Modell?

Das Kirkpatrick-Modell ist ein verbreitetes Raster zur Bewertung von Weiterbildung mit vier Ebenen: Reaktion, Lernen, Verhalten und Ergebnisse. Die Planung beginnt bei den gewünschten Ergebnissen, daraus werden Inhalte und Messgrößen abgeleitet. Die ROI-Methodik nach Jack Phillips ergänzt eine fünfte Ebene, die den Nutzen in Geld umrechnet und den Effekt der Schulung von anderen Einflüssen trennt.

Muss ich die KI-Kompetenz meiner Mitarbeiter nach dem AI Act messen?

Nein. Laut FAQ der EU-Kommission zur KI-Kompetenz, Stand 20.10.2026, verpflichtet Art. 4 AI Act nicht dazu, die KI-Kenntnisse von Beschäftigten zu messen, und ein Zertifikat ist nicht nötig. Ein internes Verzeichnis der Schulungen ist möglich. Eine eigene Erfolgsmessung ist trotzdem sinnvoll, um Budget zu begründen und Maßnahmen an den tatsächlichen Bedarf anzupassen. Rechtsfragen im Einzelfall klären Sie mit einer Anwältin oder einem Anwalt.

Welche Kennzahlen eignen sich nach einer KI-Schulung?

Geeignet sind Kennzahlen, die Sorgfalt und Ergebnis zeigen: Anteil der Arbeitsergebnisse mit erkennbarem Prüfschritt, eingehaltene Freigaberegeln, Ergebnisse von Vorher-Nachher-Arbeitsproben, Durchlaufzeit und Korrekturschleifen bei Standardaufgaben. Teilnehmerzahl, Zufriedenheitsnote, Anmeldungen oder die Zahl der Prompts sehen gut aus, sagen über die Wirkung der Schulung aber wenig. Nutzungsdaten aus Admin-Konsolen sind eine Ergänzung, kein Erfolgsnachweis.

Wann sollte man den Erfolg einer Schulung messen?

In mehreren Schritten: Ausgangswerte vor der Schulung, Relevanz und Lernzuwachs am Schulungstag und direkt danach, Verhalten im Alltag nach etwa 30 und 60 Tagen, Frühindikatoren und die Entscheidung über weitere Auffrischungen oder die nächste Gruppe nach etwa 90 Tagen. Wer erst nach drei Monaten zum ersten Mal misst, verpasst die Gelegenheit, früh nachzusteuern, etwa wenn Lizenzen oder Freigaben fehlen.

Quellen und Stand.

• The Kirkpatrick Model — Kirkpatrick Partners
• AI Literacy – Questions & Answers (last update 20.10.2026) — Europäische Kommission
• Release notes for Microsoft 365 Copilot — Microsoft Learn
• Comparison of Kirkpatrick and Phillips Evaluation Frameworks — ROI Institute
• Betriebsverfassungsgesetz, § 87 Mitbestimmungsrechte — Bundesministerium der Justiz

Stand: 22. Oktober 2026. Produkte, Funktionen und Preise ändern sich schnell; maßgeblich sind die Angaben der Anbieter und Behörden.

Sie planen eine KI-Schulung und wollen von Anfang an sehen, ob sie im Alltag ankommt? Unverbindlich anfragen — wir klären Ziele, Übungen aus Ihren eigenen Aufgaben und einen schlanken Messplan für die ersten 90 Tage. Mehr zu meinem Angebot: KI-Workshops für Unternehmen und KI-Beratung.