Aus Grafiken wird Klartext mit KI: Schriftliche Berichte für eine erfolgreiche GBU Psyche

Der Schwerpunkt liegt bei KI-gestützten Berichten: aus aggregierten Daten und strukturierten Freitexten entstehen gut lesbare Auswertungstexte für Teams, Führung und Dokumentation. KI-Helfer in der Administration ergänzen den Prozess.

KI in den Berichten – für alle Kunden

Egal ob Sie die Software selbst nutzen oder wir die Erhebung für Sie durchführen: KI erzeugt schriftliche Auswertungsteile in Berichten. Das betrifft SaaS und Full-Service. Die KI schreibt narrative „AI-Insights“-Texte auf Basis aggregierter Kategorien-, Aspekt- und Item-Daten sowie übergreifende Berichtsteile über mehrere Kapitel. Überblick zu den Formaten: Berichte · Ergebnisse · Full-Service.

Die drei KI-Berichtsarten

BASA-KI-Einzelbericht (pro Auswertungsgruppe)

Für einzelne Auswertungsgruppen (z.B. eine Abteilung) erzeugt die KI einen narrativen Text. Er deckt die Inhalte des BASA-Posters ab: zuerst eine Zusammenfassung der Ergebnisse, danach die einzelnen Kategorien.

Zum Schluss folgen Maßnahmenvorschläge, die sich auf die Ergebnisse dieser Gruppe stützen. Der Bericht hat meist fünf bis sieben Seiten. Sie erhalten ein PDF und ein bearbeitbares Word-Dokument.

Mehr dazu auf der Seite BASA-KI-Einzelbericht.

Beispielseite aus einem BASA-KI-Einzelbericht

BASA-KI-Vergleichsbericht (über mehrere Gruppen)

Der KI-Vergleichsbericht fasst die Ergebnisse der ganzen Organisation schriftlich zusammen. Der Text konzentriert sich auf den Überblick und auf die Besonderheiten der Auswertungsgruppen.

Die KI verdichtet die Daten auf die wichtigsten Bereiche und ergänzt Tabellen. Das Dokument hat etwa zehn bis zwölf Seiten. Ausgabe wieder als PDF und als bearbeitbares Word.

Details: BASA-KI-Vergleichsbericht. Kontext: BASA · Auswertungsgruppen.

Beispiel BASA-KI-Vergleichsbericht – Kategorien und BASA-Scores

Text-Item-KI-Auswertung (qualitativ)

Der Bericht wertet schriftliche Antworten auf offene Fragen aus. Die Daten durchlaufen mehrere Schritte, bis die KI sie sicher nutzen kann. Dabei entstehen Themen, die anschließend über alle Antworten hinweg vereinheitlicht werden.

Sie sehen Häufigkeiten der Themen und eine Einteilung in positive, neutrale und negative Erwähnungen. Pro Item fasst der Bericht alle Antworten knapp zusammen. Am Ende stehen die Originalantworten – auf Wunsch auch in einer geschwärzten Fassung.

Details: Text-Item-KI-Auswertung.

Beispiel einer Text-Item-KI-Auswertung mit Themen und Zusammenfassung

Vom Input zum KI-Bericht

Der Ablauf bleibt nachvollziehbar: erst strukturierte Eingaben, dann KI-Verarbeitung, dann lesbarer Berichtstext. So wird aus Daten eine klare Arbeitsgrundlage.

Schritt 1

Datenbasis

Aggregierte Kategorien-, Aspekt- und Itemdaten bilden die Grundlage. Bei Freitext werden Antworten vor der KI-Auswertung bereinigt.

Standard evaluation report: Aggregation -> Prompt-Payload -> strukturierte Textausgabe.

Schritt 2

KI-Verarbeitung

KI erzeugt narrative Auswertungstexte. In der qualitativen Pipeline werden Themen extrahiert, zu übergreifenden Labels zusammengeführt und für Berichte nutzbar gemacht.

Übergreifender Bericht: mehrstufige Erzeugung (Kernaussagen, Gesamtbild, Kapitel) und anschließende Zusammenführung.

Schritt 3

Berichtsausgabe

Ergebnis sind klare Berichtsteile für Einzelgruppen, qualitative Freitextauswertungen und übergreifende Vergleiche – als PDF oder Word.

Text-Item-Bericht: geschwärzte Antworten + Themen-/Stimmungsdaten -> qualitative Berichtsabschnitte.

Vertiefung: Alle Berichtsformate im Detail

KI-Helfer in der Administration (ergänzend)

Zusätzlich zu den KI-Berichten unterstützt KI in der Administration die tägliche Arbeit von SaaS-Nutzern. Diese Funktionen sind hilfreich, stehen aber hinter dem Berichtsnutzen.

Freitext-Pipeline: von Antworten zu Themen

Offene Textantworten werden für die Auswertung strukturiert aufbereitet. Ziel ist, aus vielen Einzelantworten wiederverwendbare Themenstrukturen zu gewinnen, die in Berichten und Abläufen zur Themenmarkierung genutzt werden können. Siehe auch Funktionen und Handbuch.

Hilfe-Bot im Tool

Der Hilfe-Bot nutzt Modellantworten plus Retrieval über eingebettete Hilfedokumentation, damit Antworten auf Produktdokumente gestützt sind. Embeddings werden zudem zur effizienten Indexierung und Suche in der Hilfedokumentation verwendet.

Übersetzung und Strukturierung

Übersetzung: KI unterstützt Übersetzung in Backend-Abläufen (z. B. UI-/Editor-Inhalte) sowie die Übersetzung von Schlagwörtern im Kontext der Textantwort-Markierung, inkl. Stapelübersetzung.

Auswertungsgruppen und Auswertungshierarchien: KI unterstützt bei Generierung oder Übersetzung von Bezeichnungen, z. B. Namen für Auswertungsgruppen und Titeln von Hierarchie-Items in Zielsprachen.

Quellen und Einordnung

Wir richten die Umsetzung an geltenden Anforderungen fuer Arbeitsschutz, Datenschutz und KI aus. Die Punkte unten sind die zentralen Referenzen fuer die fachliche Einordnung dieser Seite.

Stand der inhaltlichen Einordnung: 25.4.2026. Details zur praktischen Umsetzung stehen unter Sicherheit und Datenschutz.

Wie Inhalte erstellt, fachlich geprüft und aktualisiert werden: Fachredaktion und Quellenprinzip.

Compliance: KI und Datenschutz

KI-Berichte basieren auf aggregierten Auswertungsdaten. In der qualitativen Auswertung werden Freitexte vor der KI-Verarbeitung bereinigt. So bleibt die Berichtserstellung nachvollziehbar und auf den Auswertungszweck ausgerichtet.

Mehr zu Sicherheit und Compliance

Mehr zur ursprünglichen Einführung der KI-Integration: Blog-Artikel vom November 2024.

Sie wollen die Software mit KI live sehen?

Admin-Demo vereinbaren

Inhaltsangaben

  • Autor: Dr. Jens Hühn , Geschäftsführer ACOMERA
  • Zuletzt aktualisiert: 25.4.2026