Was ist „KI-Flüssigkeit“ (AI Fluency)?	Die Fähigkeit, effektiv mit KI-Tools zusammenzuarbeiten und ein Urteilsvermögen für deren Einsatz zu entwickeln.
Nennen Sie die vier Kernkompetenzen des 4D-Frameworks.	Delegation, Beschreibung, Unterscheidungsvermögen (Discernment) und Sorgfalt (Diligence).
Was ist der beste Weg, um einen zu generischen KI-Antwort zu korrigieren?	Füge spezifischen Kontext hinzu (Zielgruppe, Rolle oder Einschränkungen).
Was ist die „Iterative Denkweise“ beim Prompting?	Den ersten Prompt als Beginn eines Gesprächs zu behandeln, nicht als einmalige Anfrage.
Was sind „Evals“ (Evaluations) im Kontext von KI?	Systematische Tests, um zu bewerten, wie gut Claude bei spezifischen, für den Nutzer wichtigen Aufgaben funktioniert.
Welches 4D-Element beinhaltet die kritische Bewertung der KI-Ausgabe auf Genauigkeit und Angemessenheit?	Unterscheidungsvermögen (Discernment).
Was ist der Zweck des „Delegation Diligence Loop“?	Das systematische Vertrauen in die analytischen Fähigkeiten der KI zu entwickeln, indem man sie mit bekannten Daten testet.
Wenn die KI das Format nicht einhält, wie korrigiert man das Prompt?	Man zeigt ein Beispiel des gewünschten Formats oder beschreibt die Struktur explizit.
Welche spezifischen Daten sind für die Durchführung einer Kohortenanalyse durch KI unerlässlich?	Anmeldedaten (Enrollment dates)
Was ist das Hauptziel des vorgeschlagenen KI-Validierungsrahmens?	Zu prüfen, ob KI korrekte Ergebnisse für eine delegierte Aufgabe liefern kann.
Was muss man laut dem Rahmenwerk zuerst identifizieren, bevor man KI testet?	Eine spezifische analytische Aufgabe, die delegiert werden soll.
Welche Art von Daten ist für die Bewertung der KI-Ergebnisse während des Tests notwendig?	Vergangene Daten, bei denen die Analyse bereits abgeschlossen wurde.
Welche drei Aspekte müssen bei der Bewertung des KI-Outputs berücksichtigt werden?	Was wurde produziert? Wie wurde die Aufgabe angegangen? Wie wurden die Ergebnisse kommuniziert?
Wie kann KI helfen, wenn der Nutzer mit den Daten selbst unsicher ist?	Bei Brainstorming und der Implementierung von Lösungen (z. B. Excel-Formeln).
Was sollte der Nutzer kontinuierlich tun, während er mit KI arbeitet?	Nach Klärungen und Erklärungen fragen, um den Prozess zu verstehen.
Was baut die Validierung auf, aber nicht ab?	Vertrauen (Confidence), aber nicht die Verantwortung (Accountability).
Was bedeutet es, wenn die KI nach mehreren Verfeinerungen nicht validiert werden kann?	Dass es sich nicht um eine Aufgabe handelt, die delegiert werden sollte.
Nennen Sie zwei Beispiele für analytische Aufgaben, die mit diesem Rahmenwerk getestet werden können.	Spenderanalyse (Donor analysis) oder Budgetprognose (Budget forecasting).