Mitarbeiterbeurteilung schreiben mit KI: 6 Prompts und eine Beispielbeurteilung

Der Prompt bekommt Ziele, deine eigenen Belege und die Bewertungsskala, und die Note bleibt bei dir

Ein Prompt liefert einen brauchbaren ersten Entwurf einer Mitarbeiterbeurteilung, wenn er drei Dinge enthält: die Ziele vom Beginn des Zyklus, Belege, die du selbst aus Ticketsystem, Kalender und Zahlen zusammengetragen hast, und die Bewertungsskala mit ihren Definitionen. Genau das erlaubt JPMorgan Chase seinen Führungskräften, mit der Richtlinie, dass das Tool "kein Ersatz für menschliches Urteilsvermögen" ist, und mit einem Verbot, KI für Scores oder für Entscheidungen über Gehalt und Beförderung zu nutzen (Bloomberg, 13. November 2025). Hier ist der Prompt, den wir am 29. September 2026 an zwei Modelle geschickt haben; die Support-Ingenieurin und ihre Zahlen sind erfunden, auf die Form kommt es an.

Write the manager's comments for an annual performance review. Use only the evidence below; where you need a fact I have not given, write [NEEDED] instead of inventing it. Structure: one paragraph per goal (outcome first, then the evidence), one paragraph on areas to develop, then a proposed overall rating on our scale with one sentence of justification. Under 250 words. No adjectives about the person's character, only what they did and what it produced.

Role: support engineer, 2 years in role. Rating scale: 1 Below expectations, 2 Partially meets, 3 Meets, 4 Exceeds, 5 Far exceeds. A 3 is the expected rating for a solid year; 4 needs measurable impact beyond the role.

Goal 1: Cut median first-response time on tier 2 tickets from 9 hours to under 4. Evidence: Zendesk report, median first response 3.6 hours for Q2 to Q4; 3,100 tickets handled in the year against a team average of 2,400.

Goal 2: Ship the customer-facing status page. Evidence: shipped 14 March, six weeks after the 1 February target; the delay was a vendor SSO dependency outside her control; 22 incidents posted to it since launch.

Goal 3: Mentor two new hires to unsupervised ticket handling within 8 weeks. Evidence: both new hires handling tickets alone by week 6 (manager's one-on-one notes, April and May).

Development note: two escalations in Q3 where the customer was told a fix date before engineering had confirmed it (Jira SUP-2211, SUP-2287).

Zwei Anweisungen in diesem Prompt leisten den Großteil der Arbeit. "[NEEDED] instead of inventing it" hindert das Modell daran, ein Ziel mit einer Zahl auszuschmücken, die du nie gemessen hast: In unserem Durchlauf schrieb Claude Sonnet 4.5 ein [NEEDED] dorthin, wo wir keinen Beleg für eine Lösung nach den beiden Eskalationen geliefert hatten, während Gemini 2.5 Pro keines schrieb und einen Satz über einen Prozess ergänzte, den wir nie genannt hatten. "No adjectives about the person's character" hält den Entwurf bei dem, was passiert ist. Genau das kann die Mitarbeiterin anfechten und die Personalabteilung vertreten.

Die Belege müssen von dir kommen, denn das Modell hat nichts anderes. Der Lattice State of People Strategy Report 2025 stellte fest, dass 49% der Führungskräfte es schwer finden, ein Jahr Feedback auszuwerten, und genau dieses Jahr braucht der Prompt: den Export aus Zendesk oder Jira, den Kalender, das Commit-Log, die Notizen aus den Einzelgesprächen, die Zahlen im Dashboard. Prompt 2 macht aus diesen Exporten Belegzeilen, bevor irgendetwas geschrieben wird.

Below are raw exports covering this person's review period: [paste the ticket list, the calendar export, the commit log or the sales report, one after another]. Turn them into evidence lines, one per line, each naming a date or date range, a thing that was done and a number from the export. Group them under these goals: [paste the goals]. Where an item supports no goal, put it under "Other". Where a number is missing, write [NUMBER NEEDED]. Do not summarize or rate anything, and do not add any item that is not in the exports.

Du bist damit nicht spät dran. Resume Builder befragte im Juni 2025 1.342 US-Führungskräfte mit direkten Mitarbeitenden: 65% nutzen KI-Tools bei der Arbeit, und von ihnen setzen 91% sie für die Leistungsbeurteilung ein, wobei ChatGPT für 53% die erste Wahl ist.

Selbstbeurteilung mit KI schreiben: gleiche Zutaten, ein ehrlicher Fehler

Eine Selbstbeurteilung mit KI beginnt mit denselben drei Zutaten und plädiert für genau eine Note, die, die deine Belege stützen, dazu mit einer Sache, die du anders machen würdest, in klaren Worten. Eine Selbsteinschätzung ohne Fehler wirkt, als hätte sie eine Maschine geschrieben oder jemand, der nicht aufpasst, und 26% der Beschäftigten vermuten bereits, eine KI-geschriebene Beurteilung erhalten zu haben (ZeroBounce, Umfrage unter 1.000 US-Berufstätigen, September 2025). Die Reihenfolge bei Citi zeigt, wie normal das geworden ist: Ab Juni 2025 konnten die Mitarbeitenden Selbstbeurteilungen mit den KI-Tools des Unternehmens entwerfen, vier Monate später bekamen die Führungskräfte dieselbe Hilfe.

Write my self assessment for the [period] review. My goals were: [paste]. My evidence, all from my own records: [paste the evidence lines from prompt 2]. Our rating scale: [paste, with the definition of each level]. First person, under 300 words, one paragraph per goal that leads with the result and then the evidence, then one paragraph naming the thing I would do differently: [describe the miss in one line]. Argue for the rating my evidence supports and say which level it is; do not argue for a higher one. Where you need a number I have not given, write [NUMBER NEEDED]. No claims about my attitude, effort or potential, only what I did and what it produced.

Jede Zahl in der Selbstbeurteilung sollte eine sein, die deine Führungskraft in dem System nachprüfen kann, aus dem du sie hast, denn dort wird sie nachsehen. Die drei Ergebnisse, die eine Selbstbeurteilung tragen, tragen auch eine Gehaltsforderung. Der Fall-Prompt in KI nutzen, um eine Gehaltserhöhung zu verhandeln liefert deshalb die Stichpunkte für beides, und die Selbstbeurteilung ist der bessere Ort, sie zuerst aktenkundig zu machen.

Der letzte Durchgang ist die Stimme, und sie zählt hier mehr als im Entwurf der Führungskraft, denn eine Selbstbeurteilung, die wie ein Modell klingt, sagt deiner Führungskraft, dass du sie nicht selbst geschrieben hast. Prompt 4 nimmt deine eigenen Sätze als Muster und funktioniert auf die gleiche Weise bei jeder Arbeits-E-Mail.

Here are three paragraphs I wrote myself, from emails or documents: [paste]. Rewrite the self review below so it matches how I write: my sentence length, my vocabulary, the way I start sentences. Remove every adjective that is not attached to a number. Do not add, remove or reorder any fact, and keep every number and every [NUMBER NEEDED] exactly as it is. [paste the draft]

Welche KI ist die beste für Mitarbeiterbeurteilungen? Wir haben einen Prompt an zwei Modellen getestet

Claude Sonnet 4.5 schrieb die sorgfältigere Beurteilung und Gemini 2.5 Pro die wärmere, und beide schlugen aus identischen Belegen dieselbe Note vor, eine 4. Wir haben Prompt 1 unverändert über dieselbe API an beide Modelle geschickt (der any-llm-Endpunkt von fal.ai), am 29. September 2026 bei Temperatur 0.3, je ein Durchlauf, bei Gemini mit eingeschaltetem Reasoning, weil der Endpunkt es für dieses Modell verlangt. Der ganze Test kostete weniger als einen Cent.

Claudes Ausgabe, unbearbeitet bis auf die fett gesetzten Stellen:

Goal 1: First-Response Time The median first-response time target was met, with Zendesk data showing 3.6 hours across Q2-Q4, below the 4-hour goal. This was achieved while handling 3,100 tickets, 29% above the team average of 2,400.

Goal 2: Status Page The customer-facing status page shipped on 14 March, six weeks later than the 1 February target due to a vendor SSO dependency outside her control. Since launch, 22 incidents have been posted to the page.

Goal 3: New Hire Mentoring Both assigned new hires reached unsupervised ticket handling by week 6, two weeks ahead of the 8-week target, as documented in manager one-on-one notes from April and May.

Development Areas Two escalations occurred in Q3 (SUP-2211, SUP-2287) where fix dates were communicated to customers before engineering confirmation. [NEEDED: evidence of improvement or corrective action taken after these incidents.]

Proposed Rating: 4 (Exceeds) The combination of meeting the response-time goal while handling significantly above-average ticket volume, accelerating new hire readiness, and delivering the status page despite external delays demonstrates measurable impact beyond standard role expectations.

Geminis Ausgabe, unbearbeitet:

You exceeded the goal to reduce median first-response time, achieving 3.6 hours against a target of under 4 hours from Q2 to Q4. This was accomplished while handling 3,100 tickets for the year, above the team average of 2,400.

The customer-facing status page was shipped on 14 March. While this was after the 1 February target, the delay was due to a vendor dependency outside your control. The page has been used to post 22 incidents since launch.

You met the goal to mentor two new hires. Both were handling tickets unsupervised by week 6, ahead of the 8-week target, according to one-on-one notes from April and May.

For development, focus on communication during escalations. In Q3, two customers were given a fix date before engineering had confirmed it (SUP-2211, SUP-2287). The process is to wait for an engineering estimate before providing a date to the customer.

Proposed rating: 4 (Exceeds). The significant outperformance on ticket volume and response time created a measurable positive impact on the customer experience beyond the defined expectations for the role.

Bei der Note neigten beide in dieselbe Richtung, und genau deshalb bleibt die Note bei dir. Die Skala sagte, dass eine 3 die erwartete Note für ein solides Jahr ist und eine 4 messbare Wirkung über die Rolle hinaus braucht. Beide Modelle werteten 3.100 Tickets gegenüber einem Schnitt von 2.400 als diese Wirkung, und keines wog im Notensatz die sechs Wochen Verzug bei Ziel 2 oder die beiden Eskalationen dagegen ab. Bei diesen Belegen ist eine 4 vertretbar, eine 3 mit einem Satz zu den Eskalationen ebenfalls, und das Modell wählte beide Male die großzügigere. Prompt 5 lässt es die Gegenseite vertreten, bevor du entscheidest.

Here is a draft review and our rating scale: [paste both]. The draft proposes a [rating]. Write the strongest one-paragraph case for the rating one level below it and the strongest case for the rating one level above it, using only the evidence in the draft and the scale's own definitions. Then list every piece of evidence the proposed rating ignores. Do not recommend a rating.

Also, welche KI ist die beste: Für eine Beurteilung zählt das Modell weniger als die Belege, denn zwei Spitzenmodelle mit denselben Belegen kamen zur selben Note und unterschieden sich in der Stimme und in einem erfundenen Satz. Claude, wenn du fehlende Belege markiert haben willst, Gemini, wenn du einen Entwurf willst, der schon an die Mitarbeiterin gerichtet ist. Beides an einem Ort hilft in einer Beurteilungssaison mit acht Direktunterstellten. Bei Whizi legst du die Bewertungsskala und die Kompetenzdefinitionen einmal in einem Projekt ab (Stand September 2026 fasst ein Projekt bis zu 10 angeheftete Dateien mit je 10 MB, .docx und PDF eingeschlossen, und Projektanweisungen bis zu 32.000 Zeichen, die bei jeder Nachricht mitlaufen) und schickst dann die Belege jeder Person durch Claude und Gemini, ohne die Skala erneut einzufügen (so funktionieren Projekte). Wo Whizi verliert, ist die andere Hälfte der Arbeit: Es hat keine HRIS-Integration und keine Team-Konten, also wird nichts aus Workday, Lattice oder Zendesk für dich gezogen. Citis Performance Assist "sammelt all diese Informationen automatisch direkt aus unseren Systemen", so Patricia Gould, Citis Leiterin Total Rewards, und der KI-Agent von Lattice fasst früheres Feedback innerhalb von Lattice zusammen. Bei Whizi exportierst du und fügst ein.

Musst du HR oder die Mitarbeiterin informieren, dass KI bei der Beurteilung geholfen hat?

Bei den zwei großen Arbeitgebern mit veröffentlichter Position fällt die Antwort unterschiedlich aus: Citi informiert die Mitarbeitenden und lässt jeden einer KI-entworfenen Beurteilung widersprechen, was bis Dezember 2025 weniger als 1% taten, während die Richtlinie von JPMorgan, wie Bloomberg sie wiedergab, begrenzt, was die Führungskraft mit dem Tool tun darf, statt eine Offenlegung gegenüber der beurteilten Person zu verlangen. JPMorgan verbietet von der KI vergebene Scores, Citi lässt die Führungskraft für die endgültige Beurteilung verantwortlich. Überall sonst gilt die KI-Richtlinie deines Unternehmens, und der erste Punkt auf den Checklisten von Lattice und Textio ist derselbe wie bei uns: erst lesen, dann einfügen. Die benannten Positionen von US-Arbeitgebern, berichtet zwischen dem 13. November und dem 2. Dezember 2025:

Die Umfragezahlen zeigen, dass die Frage in den meisten Teams schon aktuell ist. In der Umfrage von Resume Builder vom Juni 2025 heißt es: "More than 20% say they allow AI to make decisions without human input either all the time (5%) or often (16%)", und nur 32% der Führungskräfte, die KI zur Mitarbeiterführung einsetzen, hatten dazu eine formale Schulung. Die Umfrage von ZeroBounce vom September 2025 ergab, dass 41% der Führungskräfte eine Beurteilung mit KI entworfen oder überarbeitet hatten. Die Umfrage von Gartner vom Dezember 2025 unter 1.622 Befragten ergab: "managers reported an average of four hours saved across different parts of the performance management process when using AI", und der Rat vom April 2026 lautete, KI "as an input to managerial judgment rather than a replacement for it" zu behandeln.

Das einzige Feldexperiment zur Offenlegung fand einen Preis für das Informieren und einen Weg darum herum. Tong, Jia, Luo und Fang maßen 2021 im Strategic Management Journal KI-generiertes Feedback in einem echten Unternehmen und schrieben: "employees may develop a negative perception of AI feedback once it is disclosed to them, thus harming their productivity", ein Effekt, der mit der Betriebszugehörigkeit abnahm. Ihr Vorschlag ist die Form, auf die alle Richtlinien oben hinauslaufen: Die Führungskraft überbringt das Feedback in ihrer eigenen Stimme, egal was es entworfen hat. Peter Cassat, Partner bei CM Law, sagte im Dezember 2025 gegenüber HR Dive, dass der Einsatz von KI zur Bewertung von Mitarbeitenden "could subject organizations to discrimination claims as well as substantial compliance obligations", und das ist der rechtliche Grund, warum das Bewerten bei den Banken menschlich bleibt. Landes- und Städteregeln unterscheiden sich, und diese Seite ist keine Rechtsberatung; die Frage an deine Personalabteilung oder Rechtsberatung lautet, ob ein Entwurfs-Tool bei dir als automatisiertes Entscheidungs-Tool gilt. KI für HR listet sechs US-Regeln zu KI im Arbeitsrecht auf, die, die Gehalt und Disziplinarmaßnahmen betreffen, und die, die das Entwerfen in ihrem eigenen Text ausnehmen.

Kann ich eine Beurteilung kostenlos mit KI schreiben?

Ja. Die kostenlosen Tarife von ChatGPT, Claude und Gemini nehmen Prompt 1 so, wie er geschrieben ist, und die speziellen Generatoren erledigen dieselbe Arbeit mit einem Formular statt einem Prompt. TechnologyAdvice testete im März 2026 acht kostenlose Generatoren und behielt vier: Easy-Peasy.AI (2 Beurteilungen am Tag), Writify.AI (ohne Limit, mit Werbung), Vondy (4 vor der Anmeldung) und GravityWrite (1.000 Wörter im Monat). Die Formulare fragen nach dem Namen der Person; trage dort bei jedem Tool, dessen Datenbedingungen du nicht gelesen hast, stattdessen eine Berufsbezeichnung ein (was du nie in einen KI-Chat einfügen solltest).

Kostenlos oder bezahlt, mach eine Prüfung, die die Formular-Tools auslassen. Der Test von Textio mit ChatGPT-Feedback vom Januar 2023 ergab, dass ChatGPT eine Krankenpflegekraft in 9 von 10 Fällen als weiblich annahm und Feedback für Frauen etwa 15% länger schrieb, wobei die zusätzliche Länge überwiegend Kritik war. Prompt 6 führt diese Prüfung über deinen eigenen Satz aus, bevor etwas abgegeben wird.

Here are [N] draft reviews from my team, with names replaced by letters: [paste]. Compare them and list: any review more than 20% longer or shorter than the median; any adjective about character (reliable, difficult, bubbly, aggressive) and which review it appears in; any pronoun or gendered word; any claim with no number or date behind it. Output a table with one row per finding. Do not rewrite anything.

Die Regel, auf die sich jede Richtlinie auf dieser Seite einigt, passt in einen Satz: Die Belege kommen von dir, der Entwurf kann vom Modell kommen, und die Note und das Gespräch bleiben deine.