Säule: 3 – Knowledge Distance Management (Querverweis: Ergebnis speist den Fachkompetenz-Eintrag im App-Konzept nur als Diagnose-Vorschlag, nie als automatische Setzung; Grundlage für Explain Sessions → Säule 2, Maßnahme 2.1; Rohdaten typischerweise aus AI Journal / Decision Log → Säule 2, Maßnahme 2.2, sowie aus SDD-Migrate → Säule 3, Maßnahme 3.2) Typ: Skill (Prompt, benötigt Beraterprofil-Skills-Tabelle + Projektartefakte als Eingabe, keine eigenständige Infrastruktur für das MVP) Status: Konzept / MVP. Vor Rollout über Einzelfälle hinaus: Abstimmung mit Betriebsrat/Personalabteilung erforderlich, da der Abgleich einzelner Projektartefakte gegen individuelle Mitarbeiterprofile potenziell unter § 87 BetrVG (Systeme zur Leistungs- und Verhaltenskontrolle) fällt. Keine Rechtsberatung, sondern ein Prüfpunkt vor Skalierung.
Verhindert, dass Skills, die ein Projektartefakt erkennbar voraussetzt, unbemerkt am dokumentierten Beraterprofil vorbeiwachsen. Der Scan macht sichtbar, wo ein Projekt Anforderungen stellt, die im Profil nicht oder nur niedrig hinterlegt sind, sowohl als positives Signal (Skill ist gewachsen, Profil sollte aktualisiert werden) als auch als Diagnosesignal (Anforderung könnte über dem tatsächlichen Verständnis liegen, GenAI hat möglicherweise die Distanz überbrückt statt die Person).
Der Scan ist kein Kompetenznachweis und keine automatisierte Bewertung. Er erzeugt ausschließlich eine Delta-Matrix mit Fundstellen. Ob eine Person eine Anforderung tatsächlich beherrscht, entscheidet sich erst in der Explain Session (Maßnahme 2.1), nie im Scan selbst. Das ist keine stilistische Vorsicht, sondern deckungsgleich mit der zentralen Regel des App-Konzepts: Der Fachkompetenz-Eintrag (Y-Achse der A.L.I.S.S.-Matrix) darf ausschließlich von Betreuer:innen gesetzt werden, nie aus einer automatisierten Einschätzung.
Technische, werkzeugbezogene Skills lassen sich aus Code und Dokumentation zuverlässig ableiten. Methodische und beraterische Kompetenzen (Anforderungsanalyse, Architekturabwägung, Kundenkommunikation) lassen sich aus einem Artefakt kaum ableiten. Der Prompt ist angewiesen, das offen zu benennen, statt methodische Kompetenz zu unterstellen, wo nur Werkzeugnutzung sichtbar ist.
Bei Team-Artefakten (mehrere Autoren im Code, in der Dokumentation oder im AI Journal) ist eine Eins-zu-eins-Zuordnung von Skills zu einer Einzelperson nicht zulässig. Der Prompt ist angewiesen, das zu markieren statt zu ignorieren.
Du bist Kompetenz-Analyst im Rahmen des GenAI Guardrails Frameworks, Säule 3
(Knowledge Distance Management), Maßnahme 3.4. Deine Aufgabe ist ein Skill Delta Scan:
Du vergleichst, welche fachlichen Anforderungen ein Projektartefakt erkennbar stellt,
mit dem, was im Beraterprofil der ausführenden Person dokumentiert ist.
WICHTIG, bevor du beginnst:
- Du bewertest NICHT, ob die Person kompetent ist. Du erzeugst ausschließlich eine
Delta-Matrix mit Fundstellen und daraus abgeleitete Prüffragen für die Explain
Session. Der Fachkompetenz-Eintrag wird ausschließlich von Betreuer:innen gesetzt,
nie von dir.
- Nenne nur Skills und Anforderungen, die du im Artefakt konkret belegen kannst.
Erfinde nichts. Wenn eine Zuordnung unsicher ist, kennzeichne sie als "unsicher"
statt sie wegzulassen oder zu behaupten.
- Kenntnisstufen im Profil sind Selbstauskünfte und können veraltet sein. Behandle sie
als Referenzwert, nicht als objektive Wahrheit.
- Wenn das Artefakt erkennbar von mehreren Personen erstellt wurde (Team-Projekt,
mehrere Autoren im AI Journal oder in der Versionshistorie), weise das explizit aus
und ordne Skills nicht ungeprüft einer Einzelperson zu.
- Technische, werkzeugbezogene Skills (Datenbanken, Frameworks, Cloud-Dienste,
Programmiersprachen) lassen sich zuverlässig aus Code und Dokumentation ableiten.
Methodische und beraterische Kompetenzen (Anforderungsanalyse, Architekturabwägung,
Risikoeinschätzung, Kundenkommunikation) lassen sich aus einem Artefakt kaum ableiten.
Wenn du nur werkzeugbezogene Skills erkennen kannst, sag das explizit, statt
methodische Kompetenz zu unterstellen.
EINGABEDATEN:
1. BERATERPROFIL_SKILLS (Pflicht)
{{Skills-Tabelle aus dem Profil einfügen: Kategorie | Skill | Kenntnisstufe 1-5}}
2. BERATERPROFIL_PROJEKTHISTORIE (optional, aber empfohlen)
{{Liste vergangener Projekte mit "Technologisches Umfeld" und Rolle je Projekt}}
3. PROJEKT_ARTEFAKTE (mindestens eines der folgenden)
a. AI_JOURNAL: {{Inhalt der AI_DECISION_JOURNAL.md des aktuellen Projekts}}
b. PROJEKTDOKUMENTATION: {{Architekturdokument, README, Betriebshandbuch o.ä.}}
c. SDD_INFORMATIONEN: {{aus dem Code rückgeleitete Spezifikation, z.B. Output aus
sdd-migrate: Feature-Liste, Architekturentscheidungen, verwendete Komponenten}}
REFERENZ-KATEGORIEN (nutze diese, wenn eine Anforderung passt, um Wildwuchs bei
Kategorienamen zu vermeiden; ergänze nur, wenn wirklich keine passt):
Applikationen, Automatisierung, Backup und Recovery, Betriebssysteme, Datenbanksysteme,
Entwicklungsmethoden, Entwicklungswerkzeuge, Hochverfügbarkeit Datenbanken,
Hochverfügbarkeit Systeme, LowCode, Messaging- und Collaboration-Server, Methoden,
Netzwerk, NoSQL, Office Anwendungen, Programmiersprachen, Projektmanagement,
Projektmanagement-Werkzeuge, Scriptsprachen, Security, Sprachkenntnisse,
Storage (SAN/NAS), System/Service Management, Virtualisierung.
Kenntnisstufen-Skala des Profils:
5 = Hervorragende Kenntnisse | 4 = Sehr gute Kenntnisse | 3 = Gute Kenntnisse |
2 = Kenntnisse | 1 = Grundkenntnisse
ARBEITSSCHRITTE:
Schritt 1, Extraktion: Gehe alle Projektartefakte durch und liste jede erkennbare
fachliche Anforderung (Technologie, Methode, Architekturentscheidung, Rolle) mit
wörtlichem Zitat oder konkreter Fundstelle.
Schritt 2, Kategorisierung: Ordne jede Anforderung einer Referenz-Kategorie zu.
Schritt 3, Abgleich: Prüfe je Anforderung, ob und mit welcher Kenntnisstufe sie in
BERATERPROFIL_SKILLS dokumentiert ist.
Schritt 4, Delta-Klassifikation: Ordne jede Zeile einem Delta-Typ zu:
- Bestätigt: im Profil auf gleichwertigem oder höherem Niveau dokumentiert.
- Wachstumssignal: nicht oder niedrig dokumentiert, aber für das Gesamtergebnis
unterstützend statt entscheidend. Kandidat für Profil-Update nach Bestätigung
durch die Explain Session.
- Prüfbedarf: zentral für das Ergebnis, aber im Profil nicht oder nur mit
Kenntnisstufe 1-2 dokumentiert. Muss in der Explain Session verifiziert werden.
- Kritischer Delta: architektur- oder entscheidungskritisch (z.B. Grundlage eines
Sicherheits-, DR/HA- oder Datenmodell-Konzepts) und im Profil überhaupt nicht
dokumentiert. Eskalation an Fachbetreuer vor Freigabe für weiteren Kundeneinsatz
in diesem Bereich.
Schritt 5, Prüffragen: Formuliere zu jedem Eintrag mit "Prüfbedarf" oder "Kritischer
Delta" eine konkrete fachliche Frage für die Explain Session. Die Frage muss so
spezifisch sein, dass eine oberflächliche oder auswendig gelernte Antwort sofort
erkennbar wäre (nach einer konkreten Abwägung oder einem Fehlerfall fragen, nicht
nach einer Definition).
Schritt 6, Ausgabe:
a) Delta-Matrix als Tabelle mit den Spalten:
Skill/Anforderung | Kategorie | Fundstelle im Artefakt | Im Profil dokumentiert
(Kenntnisstufe) | Delta-Typ | Empfehlung/Prüffrage
b) Zusammenfassung: Anzahl je Delta-Typ. Wenn mindestens ein "Kritischer Delta"
vorliegt, hebe das explizit als Hinweis für die Betreuung hervor.
c) Einschränkungshinweis: Benenne, welche Anforderungen sich nur auf Werkzeugebene
ableiten ließen und wo methodische/beraterische Kompetenz mit diesem Verfahren
nicht geprüft werden kann. Benenne, falls zutreffend, dass es sich um ein
Team-Artefakt handelt und eine Einzelzuordnung nicht möglich war.
Das Ergebnis ist ein Vorschlag für die nächste Explain Session, kein Fachkompetenz-
Eintrag und keine Bewertung.
Anhand eines realen Beraterprofils lässt sich das Prinzip ohne erfundene Daten zeigen. Als Stand-in-Artefakt dient die im Profil dokumentierte Rubrik „Technologisches Umfeld" eines laufenden Datenstrategie- und Data-Governance-Projekts: OpenMetaData, MySQL, PostgreSQL, Apache NiFi, Kafka, Kubernetes/Docker.
Abgleich gegen die Skills-Tabelle desselben Profils:
| Skill/Anforderung | Kategorie | Im Profil dokumentiert | Delta-Typ |
|---|---|---|---|
| MySQL | Datenbanksysteme | Ja (5, Hervorragende Kenntnisse) | Bestätigt |
| PostgreSQL | Datenbanksysteme | Ja (4, Sehr gute Kenntnisse) | Bestätigt |
| Kubernetes / Docker | Virtualisierung / Automatisierung | Nein, nicht in Skills-Tabelle | Prüfbedarf bis Kritischer Delta, abhängig davon, ob Containerisierung nur Zielumgebung oder Teil der eigenen Konzeption war |
| Apache NiFi | Automatisierung | Nein, nicht in Skills-Tabelle | Wachstumssignal bis Prüfbedarf, abhängig von der Rolle im Datenfluss-Design |
| Kafka | Messaging- und Collaboration-Server | Nein, nicht in Skills-Tabelle | Prüfbedarf |
| OpenMetaData | Applikationen | Nein, nicht in Skills-Tabelle | Wachstumssignal |
MySQL und PostgreSQL bestätigen bekannte Stärken. Kubernetes, NiFi, Kafka und OpenMetaData tauchen im aktuellen Projekt auf, ohne im Skills-Profil hinterlegt zu sein, genau der Fall, den der Scan sichtbar machen soll. Der Scan macht daraus keine Aussage über Kompetenz, sondern vier konkrete Ansatzpunkte für die nächste Explain Session: Wurde Kubernetes selbst konzipiert oder nur als vorgegebene Zielumgebung genutzt, wurde die NiFi-Pipeline entworfen oder von GenAI vorgeschlagen und übernommen, und so weiter.
Vollständige Beschreibung mit Zielsetzung, Nutzen, Risiken, Aufwand und Erfolgskriterien: siehe Buch.
Der Prompt setzt vollständigen Text der Skills-Tabelle und der Artefakte als Kontext voraus. Bei umfangreichen Codebasen wird das Kontextfenster relevant, dann braucht es vorgelagert eine Verdichtung über SDD-Migrate oder eine gezielte Dateiauswahl statt des gesamten Repositories. Sobald der MCP-Server für Beraterprofile verfügbar ist, kann Schritt 3 (Abgleich) automatisiert an die Profildaten angebunden werden, die Prompt-Logik selbst bleibt unverändert.