QUED – Ein originäres Modell zur Analyse und Optimierung von KI‑Dialogen

Abstract Künstliche Intelligenz wird zunehmend als dialogisches Werkzeug genutzt, doch die meisten Nutzer verfügen über keine strukturierten Kompetenzen im Umgang mit KI Kommunikation. Fehlinterpretationen, Missverständnisse und unerwartete Antworten werden häufig als Fehler verstanden, obwohl sie in vielen Fällen produktive Abweichungen darstellen, die neue Erkenntnisräume öffnen. Dieses Paper stellt QUED vor – ein originäres Modell zur Analyse und Optimierung von KI Dialogen. QUED beschreibt vier Kernprozesse: Questioning (präzises Fragenstellen), Understanding Divergence (Erkennen und Interpretieren von KI Abweichungen), Error Productivity (Nutzung von KI Fehlern als epistemische Ressource) und Dialogue Steering (bewusste Steuerung des Gesprächsverlaufs). Das Modell zeigt, wie Nutzer durch gezielte Interaktion die Qualität, Tiefe und Effizienz von KI Antworten erheblich steigern können. QUED bietet damit eine theoretische Grundlage für ein neues Skillset, das im Zuge des KI Booms zunehmend zu einem zentralen Bestandteil digitaler Kompetenz wird. Die Publikation markiert den ersten Schritt zur formalen Etablierung eines eigenständigen Ansatzes für KI Kommunikation und bildet die Basis für zukünftige Forschung und anwendungsorientierte Trainingsformate.