Kostenlose Vorlage für Führungseffektivitäts-Survey | Excel mit Auto-Scoring
Kostenlose Vorlage für Führungseffektivitäts-Survey | Excel mit Auto-Scoring
KI-Interviewfragen für Projektmanager:innen prüfen, ob Kandidat:innen KI-Tools sicher einsetzen, Outputs kritisch validieren und Governance-Anforderungen wie Datenschutz und Mitbestimmung kennen. Gute Fragen trennen technisches Hype-Wissen von echter Handlungskompetenz in Planung, Stakeholder-Kommunikation und Risikomanagement — den Bereichen, in denen KI-Fehler teuer werden.
Warum KI-Kompetenz im PM-Interview 2026 Standard ist
Die Rolle der Projektmanager:in wandelt sich grundlegend. Laut einem Bericht der GPM Deutsche Gesellschaft für Projektmanagement existieren heute bereits deutlich weniger Einstiegsstellen als vor einigen Jahren, weil KI administrative und repetitive Aufgaben übernimmt. Gleichzeitig wachsen die Stellenausschreibungen mit KI-Anforderungen im Projektmanagement laut Auswertungen des deutschen Jobmarkts stark an.
Parallel zeigt die Future Skills Studie 2026 der Haufe Akademie (1.064 Befragte aus DACH): 79 % des Fachpersonals bewertet die eigenen Digitalkompetenzen als gut oder sehr gut — aber nur 54 % der Führungskräfte teilen diese Einschätzung. Diese Wahrnehmungslücke ist ein klares Signal: Selbstauskunft im Interview reicht nicht. Es braucht konkrete Verhaltensfragen.
Eine Feldstudie der Berner Fachhochschule (2026, Kompetenzverschiebungen durch KI in der Projektplanung bei der SBB) zeigt: Alle sieben befragten PM-Expert:innen validieren KI-Outputs manuell — wegen dokumentierter Halluzinationen. Der zentrale Kompetenzshift lautet: von der Planerstellung zur Validierung.
Das hat direkte Konsequenzen für das Recruiting. Wer nur fragt „Nutzen Sie KI?", erhält Ja/Nein-Antworten ohne Substanz. Wer nach konkreten Situationen, Validierungsschritten und Governance-Verhalten fragt, erkennt, ob jemand sicher handeln kann.
Interviewfragen: Planung, Schätzung und Risiko
KI beschleunigt die Entwurfsphase erheblich — Roadmaps, RAID-Logs, Schätzungen. Die eigentliche Kompetenz liegt darin, was danach passiert: Werden KI-Vorschläge als Hypothesen behandelt oder als Ergebnis? Die folgenden Fragen testen genau das.
| Frage | Was sie testet | Warnsignal im Interview |
|---|---|---|
| Beschreiben Sie einen Fall, in dem KI eine Zeitschätzung vorgeschlagen hat. Was haben Sie als nächstes getan? | Validierungsdisziplin, Umgang mit historischen Daten | „Ich habe die Schätzung direkt übernommen" |
| Wie kommunizieren Sie intern, welche Teile eines Plans KI-gestützt entstanden sind? | Transparenz, Eigenverantwortung, Dokumentation | „Das unterscheidet sich nicht voneinander" |
| KI generiert einen Risikoplan für Ihr Projekt. Wie entscheiden Sie, welchen Risiken Sie vertrauen? | Kritisches Denken, Quellenvergleich, Domänenwissen | Keine erwähnte Gegenprüfung mit Team oder Daten |
| Wie halten Sie ein Annahmen-Log, wenn KI an der Erstellung von Forecasts beteiligt war? | Governance-Praxis, Nachvollziehbarkeit von Entscheidungen | Kein strukturiertes Annahmen-Management genannt |
| Erzählen Sie von einem Moment, in dem Sie einer KI-Empfehlung widersprochen haben. Was gab den Ausschlag? | Urteilsvermögen, Bereitschaft zur Korrektur | Kein konkretes Beispiel verfügbar |
Ergänzend empfiehlt sich eine kurze Szenario-Aufgabe: Geben Sie eine realistische Projektbeschreibung und bitten Sie, einen KI-generierten Plan zu reviewen. Wo sind die Lücken? Welche Abhängigkeiten fehlen? Gute Kandidat:innen identifizieren mindestens drei Schwachstellen in unter zehn Minuten.
Interviewfragen: Stakeholder-Kommunikation und Berichterstattung
Status-Updates, Eskalations-Mails, Executive Summaries — das sind Bereiche, in denen KI besonders oft eingesetzt wird und gleichzeitig besonders leicht missbraucht wird. KI-generierter Text kann höflich klingen und gleichzeitig Risiken verwischen oder zu viel versprechen. Die SBB-Studie belegt, dass der größte Effizienzgewinn durch KI im Reporting entsteht — aber auch, dass die eigentliche Kompetenz in der menschlichen Nachbearbeitung liegt.
| Frage | Was sie testet | Warnsignal im Interview |
|---|---|---|
| Sie erhalten einen KI-Entwurf für ein Stakeholder-Update. Was prüfen Sie, bevor Sie absenden? | Ownership, Faktencheck, Tonalität | „Ich lese es kurz durch" |
| Wie gehen Sie vor, wenn ein KI-Text eine schlechte Nachricht zu weich formuliert? | Kommunikationsklarheit, Mut zur Direktheit | „Das lasse ich so stehen, der Ton ist freundlicher" |
| Ein Stakeholder fragt, wie das Update entstanden ist. Was antworten Sie? | Transparenz über KI-Einsatz, professionelle Selbstdarstellung | Ausweichen oder Unklarheit über eigene Rolle |
| Beschreiben Sie ein konkretes Beispiel, in dem Sie eine KI-Mail komplett umgeschrieben haben. Warum? | Qualitätsanspruch, Eigenverantwortung | Kein konkretes Beispiel genannt |
Zusatz-Frage für Senior-Level: „Wie stellen Sie sicher, dass Ihr Team KI zur Klarheit nutzt und nicht zur Vermeidung schwieriger Gespräche?" — Diese Frage trennt Manger:innen von Koordinator:innen.
Interviewfragen: Datenschutz, DSGVO und Governance im DACH-Kontext
In Deutschland, Österreich und der Schweiz gilt ein rechtlicher Rahmen, der den KI-Einsatz in Projekten reguliert. Projektmanager:innen, die ihn nicht kennen, schaffen Risiken für ihr Unternehmen — unabhängig davon, wie effizient sie sonst arbeiten.
Zentrale Regelung: Nach § 87 Abs. 1 Nr. 6 BetrVG hat der Betriebsrat ein Mitbestimmungsrecht bei der Einführung technischer Einrichtungen, die Verhalten oder Leistung von Mitarbeitenden überwachen können — auch wenn das nicht der primäre Zweck ist. KI-gestützte Produktivitätstracking-Tools oder automatisierte Reporting-Systeme können darunter fallen. Ständige Rechtsprechung des BAG bestätigt diesen weiten Anwendungsbereich.
| Frage | Was sie testet | Warnsignal im Interview |
|---|---|---|
| Welche Informationen dürfen in Ihrem Kontext nicht in ein KI-Tool eingegeben werden? | Datenschutzbewusstsein, Datenminimierung | Keine konkreten Kategorien (Personendaten, Konflikte, HR-Notizen) |
| Wie gehen Sie vor, wenn ein KI-Tool projektrelevante Personendaten verarbeitet? | DSGVO-Grundkenntnisse, Einbindung von Datenschutzbeauftragten | „Das ist IT-Sache" |
| Wann und wie binden Sie den Betriebsrat ein, wenn Sie ein neues KI-gestütztes Werkzeug im Projekt einsetzen? | BetrVG-Kenntnis, proaktives Compliance-Verhalten | Betriebsrat nicht erwähnt oder als reine Bürokratie abgetan |
| Wie dokumentieren Sie KI-gestützte Entscheidungen im Projekt nachvollziehbar? | Governance-Praxis, Revisionssicherheit | Keine strukturierte Dokumentationspraxis beschreibbar |
| Gibt es in Ihrem aktuellen Umfeld eine Betriebsvereinbarung oder Dienstvereinbarung für KI-Einsatz? Was steht darin? | Praktische Kenntnis des Regelwerks im eigenen Betrieb | Kein Wissen über bestehende Regelungen |
Für Unternehmen, die den Überblick über ihre KI-Governance strukturieren möchten, bietet die AI Governance Checkliste für HR einen praxisnahen Einstieg nach vier Reifegraden.
Interviewfragen: Prompt-Hygiene, Templates und Wissenstransfer
Gute Projektmanager:innen bauen Systeme, keine Solo-Routinen. Bei KI bedeutet das: Prompt-Templates, die das Team nutzen kann; Versionierung, damit veraltete Prompts nicht schleichen; Coaching, damit KI-Kompetenz nicht auf Einzelpersonen konzentriert bleibt.
| Frage | Was sie testet | Warnsignal im Interview |
|---|---|---|
| Haben Sie Prompt-Vorlagen für PM-Artefakte erstellt? Wie sind diese entstanden und wie werden sie gepflegt? | Systematisierung, Skalierbarkeit von KI-Nutzung | Nur persönliche Notizen, kein Team-Asset |
| Wie verhindern Sie, dass veraltete Prompts oder KI-Annahmen unbemerkt weiterverwendet werden? | Versions-Management, Qualitätskontrolle | Kein Versionierungs-Konzept |
| Wie coachen Sie andere Teammitglieder im KI-Einsatz, ohne Abhängigkeit oder Angst zu erzeugen? | Enablement-Fähigkeit, psychologische Sicherheit | „Ich mache das selbst und gebe die Ergebnisse weiter" |
Diese Fragen helfen besonders bei der Besetzung von PMO-Führungsrollen und Program-Manager-Positionen, wo Skalierbarkeit der Prozesse entscheidend ist.
Interviewfragen: Ethik, Bias und Fairness
KI-gestützte Kapazitätsplanung, automatisierte Staffing-Empfehlungen und KI-Analyse von Teamleistung können ungewollt unfair sein — durch verzerrte Trainingsdaten oder kulturell codierte Sprache. Projektmanager:innen müssen diese Dimension aktiv mitdenken, gerade wenn ihre Entscheidungen Menschen betreffen.
- Woran erkennen Sie, ob eine KI-Empfehlung zur Teambesetzung möglicherweise verzerrt ist? — Testet Bias-Bewusstsein und Bereitschaft zur manuellen Prüfung.
- Nutzen Sie KI-Outputs als Grundlage für Performance-Entscheidungen? Warum (nicht)? — Trennt Werkzeug-Nutzung von Verantwortungsübertragung.
- Wie stellen Sie sicher, dass remote arbeitende Teammitglieder durch KI-Analyse nicht strukturell benachteiligt werden? — Testet systemisches Denken über Sichtbarkeits-Bias.
Scoring-Tabelle: Was gute Antworten auszeichnet
Für eine konsistente Auswertung über mehrere Kandidat:innen hinweg empfiehlt sich ein einfaches Scoring-Schema. Nutzen Sie Domänen-Durchschnitte statt Einzel-Item-Wertungen.
| Domäne | Starkes Signal (4–5) | Schwaches Signal (1–2) | Empfehlung bei Lücke |
|---|---|---|---|
| Planungsvalidierung | Konkrete Validierungsschritte, Annahmen-Log, Querverweis auf Daten | KI-Output direkt übernommen, keine Gegenprüfung | Planungs-Clinic + Checkliste innerhalb von 21 Tagen |
| Kommunikations-Ownership | Aktives Rewrite, Faktencheck, Kontext-Anpassung für Stakeholder | Copy-Paste aus KI ohne Prüfung, Tendenz zu Vagheit | Peer-Review-Prozess für Updates + Writing-Clinic |
| Datenschutz & Governance | Kennt Kategorien, die nicht eingegeben werden dürfen; bindet DSB/BR ein | „Das macht IT" ohne eigenes Verantwortungsgefühl | Onboarding-Session mit DSB und BR-Vertreter:in |
| Prompt-Hygiene | Team-Templates, Versionierung, Coaching-Ansatz | Persönliche Tricks, kein Wissenstransfer | Prompt-Bibliothek aufbauen, PMO-Enablement-Rolle definieren |
| Ethik & Fairness | Benennt konkrete Bias-Risiken, lehnt KI als Entscheidungsgrundlage für Personen ab | Kein Bewusstsein für Bias, KI-Output für Performance genutzt | Schulung: People-Impact-Regel einführen |
Wann Survey, wann Interview — das optimale Format
KI-Kompetenz lässt sich nicht gut in einem einzigen Gesprächsmoment abfragen. Ein zweistufiges Format funktioniert besser:
- 24–48 h vor dem Gespräch: Schriftliche Selbsteinschätzung (Likert-Skala 1–5 pro Domäne, 15–20 Minuten). Fokussiert das Interview auf die niedrigsten Domänen.
- Im Gespräch: Behavioral-Fragen (STAR-Methode) zu den zwei schwächsten Domänen. Zusätzlich eine kurze Szenario-Aufgabe (Planreview oder Update-Rewrite), 10–15 Minuten.
- Für interne PM-Teams: Vierteljährliche Survey-Runde über alle Domänen; Team-Leads besprechen Ergebnisse innerhalb von 14 Tagen.
Dieses Format verhindert, dass interviewstarke Kandidat:innen ohne echte KI-Praxis punkten — und ermöglicht gleichzeitig einen fairen Vergleich über mehrere Gesprächsrunden hinweg.
Kompetenzprofil 2026: Was HR von PM-Kandidat:innen erwarten kann
Der Kompetenzshift weg von der Planerstellung hin zur Validierung ist keine Zukunftsvision, sondern dokumentierter Befund aus der Praxis. Vier Kernkompetenzen sollten 2026 bei erfahrenen Projektmanager:innen vorausgesetzt werden können:
- Validierungsdisziplin: KI-Outputs systematisch gegen reale Randbedingungen, historische Daten und Team-Input prüfen — nicht nur grob überfliegen.
- Kommunikations-Ownership: Status-Updates, Eskalationen und Entscheidungen inhaltlich verantworten, nicht an KI-Formulierungen delegieren.
- Governance-Bewusstsein: Datenschutz, Mitbestimmung und Dokumentationspflichten als eigene Aufgabe verstehen, nicht als externe Hürde.
- Enablement-Fähigkeit: KI-Kompetenz im Team aufbauen, ohne Abhängigkeiten zu schaffen — durch Templates, Coaching und psychologische Sicherheit.
Für Unternehmen, die diese Kompetenzen systematisch entwickeln und messen wollen, bietet die Verbindung mit einem strukturierten KI-Enablement-Ansatz für HR den nötigen Rahmen.
Für den Aufbau eines Kompetenzmodells, das KI-Kompetenzen neben klassischen PM-Skills abbildet, eignet sich das Projektmanagement Skill-Matrix-Framework als Ausgangsbasis.
FAQ
Welche KI-Interviewfragen eignen sich am besten für Projektmanager:innen?
Die wirksamsten Fragen sind behavioral und szenariobasiert: „Beschreiben Sie einen Fall, in dem Sie einer KI-Schätzung widersprochen haben" oder „Was prüfen Sie, bevor Sie ein KI-generiertes Stakeholder-Update absenden?" Diese Fragen trennen echte Kompetenz von oberflächlichem Tool-Wissen — besser als die Frage, ob jemand ChatGPT kennt.
Wie testet man KI-Governance-Kompetenz im PM-Interview?
Fragen Sie nach konkreten Situationen: Wann wurde der Betriebsrat einbezogen? Welche Daten dürfen nicht in ein KI-Tool? Gibt es eine Betriebsvereinbarung? Kandidat:innen, die den Betriebsrat als Bürokratie abwimmeln oder DSGVO als IT-Aufgabe sehen, kennen die Governance-Realität in DACH-Unternehmen nicht.
Sollten Projektmanager:innen KI für Planung und Schätzung nutzen?
Ja — mit dem entscheidenden Vorbehalt, dass KI-Outputs als Hypothesen behandelt und gegen reale Projektdaten, Teameinschätzungen und historische Lieferwerte validiert werden. Die SBB-Studie zeigt: Alle befragten PM-Expert:innen validieren manuell, weil Halluzinationen in Schätzungen und Risikologs dokumentiert sind.
Wie beeinflusst der Betriebsrat den KI-Einsatz im Projektmanagement?
Nach § 87 Abs. 1 Nr. 6 BetrVG hat der Betriebsrat ein Mitbestimmungsrecht, wenn KI-Systeme objektiv geeignet sind, Verhalten oder Leistung von Mitarbeitenden zu überwachen. Das gilt auch dann, wenn das nicht die Hauptfunktion des Tools ist. Projektmanager:innen sollten den Betriebsrat frühzeitig einbinden — das verhindert Verzögerungen und schafft Vertrauen.
Welche KI-Kompetenzen werden von Projektmanager:innen 2026 erwartet?
Validierungsdisziplin, Kommunikations-Ownership, DSGVO- und Mitbestimmungs-Bewusstsein sowie die Fähigkeit, KI-Kompetenz im Team zu skalieren. Laut dem GPM-Bericht sind Soft Skills wie Stakeholder-Management und Empathie KI-resistent und gewinnen gegenüber administrativen Fähigkeiten an Gewicht.
Wie viele Fragen sollte ein KI-Interview-Fragebogen für PMs umfassen?
15–25 Fragen in 4–5 Domänen sind praxistauglich. Mehr als 30 Fragen erhöhen die Abbruchrate ohne nennenswerten Informationsgewinn. Ergänzen Sie quantitative Fragen (Likert 1–5) immer durch 2–3 offene Fragen, die konkrete Situationen abfragen — diese liefern die stärksten qualitativen Signale.
Fazit
KI-Interviewfragen für Projektmanager:innen funktionieren nur, wenn sie Verhalten statt Wissen abfragen: Wie wurde validiert? Was wurde nicht eingegeben? Wann wurde der Betriebsrat einbezogen? Diese Fragen liefern die Signale, die für sicheres und effektives KI-Handeln in der Praxis entscheidend sind. Kombinieren Sie eine kurze schriftliche Selbsteinschätzung vor dem Gespräch mit gezielten Behavioral-Fragen zu den schwächsten Domänen — so erhalten Sie vergleichbare, faire und aussagekräftige Ergebnisse.
Jürgen Ulbrich
Jürgen Ulbrich has more than a decade of experience in developing and leading high-performing teams and companies. As an expert in employee referral programs as well as feedback and performance processes, Jürgen has helped over 100 organizations optimize their talent acquisition and development strategies.
