Das Kirkpatrick-Modell zur Evaluation von Schulungen

Von Brian Tr · Aktualisiert am 7. Oktober 2026

Fragen Sie einen Raum voller Learning-Profis, wie sie Schulungen evaluieren, und ein großer Teil wird antworten: „Kirkpatrick.“ Das Vier-Ebenen-Modell ist das Standardvokabular der Branche. Es taucht in Dashboards von Anbietern auf, in RFPs, in Zertifizierungslehrplänen und auf der ersten Folie fast jedes Workshops zur Erfolgsmessung.

Dennoch wird es oft unscharf verwendet. Man spricht von „Level 4“, ohne es zu definieren, oder behandelt die Ebenen wie eine Leiter, die man nach Kursende hinaufsteigt. Dieser Artikel ist ein Nachschlagewerk zum Modell selbst: woher es stammt, was jede Ebene bedeutet und wie man sie misst, wie das New-World-Update die vorgesehene Anwendung verändert hat, was die Forschungsliteratur daran bemängelt und wie Sie es einsetzen, ohne sich selbst zu täuschen. Wenn Sie sich für die kommerzielle Seite interessieren, zeigt der verwandte Beitrag zum Nachweis des Schulungs-ROI gegenüber Käufern, wie Anbieter rund um diese Ideen einen Business Case aufbauen.

Wichtige Fakten

• Das Modell hat vier Ebenen: Reaction (Reaktion), Learning (Lernen), Behavior (Verhalten) und Results (Ergebnisse). Kirkpatrick Partners schreibt Dr. Donald Kirkpatrick die vierteilige Struktur aus den 1950er-Jahren zu (Kirkpatrick Partners).
• Kirkpatrick stellte den Ansatz in vier Artikeln in der Zeitschrift der American Society of Training Directors vor, beginnend im November 1959 und endend im Februar 1960 (Nickols).
• Das Update, bekannt als New World Kirkpatrick Model, fordert Evaluierende auf, mit Ebene 4 zu beginnen und rückwärts zu arbeiten, und ergänzt Required Drivers und Leading Indicators (Kirkpatrick Partners).
• 1989 benannten Alliger und Janak drei problematische Annahmen des Modells: dass die Ebenen im Informationswert aufsteigen, dass sie kausal verknüpft sind und dass sie positiv miteinander korrelieren (Alliger und Janak, 1989).
• Holton argumentierte 1996, das Vier-Ebenen-System sei in Wahrheit eine Taxonomie von Ergebnissen und als Evaluationsmodell fehlerhaft (Holton, 1996).

Woher das Modell stammt

Donald Kirkpatrick stellte seinen Vier-Ebenen-Ansatz in einer Reihe von vier Artikeln in der Zeitschrift der damaligen American Society of Training Directors vor. Der erste erschien im November 1959, der letzte im Februar 1960. Die Artikel wurden später in einer Sammlung von 1975 zusammengefasst, Evaluating Training Programs, herausgegeben von ASTD (Nickols). Kirkpatrick Partners ergänzt, er habe das Rahmenwerk etwa zu der Zeit entwickelt, als er seine Dissertation abschloss, Evaluating a Human Relations Training Program for Supervisors (Kirkpatrick Partners).

Das Modell ist alt, geschrieben für eine Berufsgruppe von Trainingsleitern, die überwiegend Präsenzprogramme durchführten. Und die ursprünglichen Ebenen waren nur dünn definiert. In seiner Originalformulierung bedeutete Reaction, „wie gut den Teilnehmenden ein bestimmtes Schulungsprogramm gefiel“, und für Results lieferte er Beispiele statt einer Definition: geringere Kosten, weniger Fluktuation und Fehlzeiten, weniger Beschwerden, höhere Qualität und Menge der Produktion oder bessere Stimmung (Nickols). Vieles von dem, was heute als „das Kirkpatrick-Modell“ gilt, haben spätere Autoren hinzugefügt, am sichtbarsten Donalds Sohn James und seine Frau Wendy, deren Updates laut Kirkpatrick Partners in den 2010er-Jahren entstanden (Kirkpatrick Partners). Die dritte Auflage des Buches, gemeinsam mit James geschrieben, erscheint weiterhin bei Berrett-Koehler (Penguin).

Die vier Ebenen im Detail

Kirkpatrick Partners definiert die Ebenen derzeit so (Quelle):

Die nummerierte Reihenfolge ist die Reihenfolge der Datenerhebung in einer klassischen Evaluation. Wie Sie unten sehen werden, ist es nicht die Reihenfolge, in der die New-World-Version Sie planen lässt.

Ebene 1: Reaction

Ebene 1 fragt, wie die Teilnehmenden das Programm erlebt haben. Ursprünglich ging es darum, ob es ihnen gefallen hat. Die aktuelle Definition ergänzt Einbindung und Relevanz für die eigene Tätigkeit, und das ist wichtig, denn „Der Trainer war gut“ und „Ich kann das am Montag anwenden“ sind sehr verschiedene Antworten.

Beispielhafte Messgrößen:

• Eine Umfrage nach der Session mit Fragen zur Relevanz, nicht nur zum Gefallen
• Fragen im Stil des Net Promoter Score („Würden Sie das weiterempfehlen?“)
• Beobachtung des Engagements durch die Moderation während der Session
• Bei digitalen Programmen Abbruchstellen und die Nutzung optionaler Aktivitäten (siehe Kennzahlen zum Lernendenengagement)

Ebene 1 ist günstig, schnell und als Diagnose für das Programm selbst nützlich. Ihre Grenze: Sie misst die Erfahrung, nicht das Ergebnis. Ein reibungsloser, unterhaltsamer Kurs kann nichts vermitteln, und ein anspruchsvoller kann sehr viel vermitteln.

Ebene 2: Learning

Ebene 2 fragt, ob die Menschen das erworben haben, was das Programm beabsichtigte. Kirkpatricks ursprüngliche Frage lautete, welche Prinzipien, Fakten und Techniken verstanden und aufgenommen wurden. Nickols weist darauf hin, dass man den Ausgangspunkt der Lernenden kennen muss, um sagen zu können, dass die Schulung zu Lernerfolg geführt hat, also muss man vorher und nachher messen (Nickols).

Beispielhafte Messgrößen:

• Vortest- und Nachtestergebnisse mit demselben Instrument
• Eine praktische Fertigkeitsdemonstration oder Simulation, bewertet anhand einer Rubrik
• Selbsteingeschätztes Selbstvertrauen vorher und nachher, was dem Teil „Selbstvertrauen“ der aktuellen Definition entspricht
• Eine schriftliche Verpflichtungserklärung, bestimmte Maßnahmen umzusetzen, was dem Teil „Verbindlichkeit“ entspricht

Ebene 2 ist der Punkt, an dem die meisten Kursplattformen aufhören, weil Quizdaten automatisch anfallen. Sie zeigt, was eine Person am Ende des Programms konnte. Sie sagt nichts darüber, ob sie es zurück im Job auch tun wird.

Ebene 3: Behavior

Ebene 3 fragt, ob Menschen im Job Dinge anders tun. Hier gehen die meisten Programme verloren, weil das Gelernte den Kontakt mit einem Arbeitsumfeld überstehen muss, das es womöglich nicht unterstützt. Die aktuelle Definition baut das in die Formulierung ein: Menschen zeigen die kritischen Verhaltensweisen und werden dabei unterstützt und dafür zur Verantwortung gezogen.

Beispielhafte Messgrößen:

• Beobachtung durch Führungskraft oder Kollegen anhand einer Checkliste der konkreten Verhaltensweisen
• Prüfung von Arbeitsergebnissen, etwa eine Stichprobe von Gesprächsaufzeichnungen, Code-Reviews oder Kunden-E-Mails
• Folgebefragungen von Teilnehmenden und ihren Führungskräften einige Wochen oder Monate später
• Systemdaten, die das Verhalten widerspiegeln, etwa die Nutzung eines neuen Prozesses oder Tools

Die Herausforderung der Messung liegt in Timing und Verantwortlichkeit. Verhaltensänderung braucht Wochen, bis sie sichtbar wird, und die Person, die sie am besten sehen kann, ist meist die Führungskraft der teilnehmenden Person, nicht das L&D-Team. Eine Führungskraft dazu zu bringen, eine Beobachtung auszufüllen, ist ebenso ein Designproblem wie ein Messproblem. Zur Forschung darüber, warum Gelerntes übertragen wird oder nicht, siehe Lerntransfer.

Ebene 4: Results

Ebene 4 fragt, ob die angestrebten Unternehmensergebnisse eingetreten sind. Beachten Sie das Wort „angestrebt“. Das Modell verlangt nicht, irgendeine Geschäftskennzahl zu finden, die sich bewegt hat. Es fragt nach den Ergebnissen, die Sie und Ihre Stakeholder erreichen wollten.

Beispielhafte Messgrößen:

• Umsatz, Win Rate oder Deal-Größe bei einem Vertriebsprogramm
• Fehlerquoten, Defekte oder Sicherheitsvorfälle bei einem Operations-Programm
• Kundenzufriedenheitswerte oder Beschwerdevolumen bei einem Serviceprogramm
• Mitarbeiterbindung, Zeit bis zur Produktivität oder Fehlzeiten bei einem Programm für Mitarbeiterführung

Ebene 4 ist aus einem einfachen Grund die schwierigste: Viele Faktoren beeinflussen gleichzeitig eine Geschäftskennzahl. Ein Schulungsprogramm wirkt selten allein. Hier greifen Evaluierende zu Vergleichsgruppen, Trendbaselines oder Stakeholder-Schätzungen, die der Beitrag zum Nachweis des Schulungs-ROI durchgeht.

Das New World Kirkpatrick Model

Die wichtigste Änderung in der modernen Version betrifft die Reihenfolge. Die klassischen Ebenen lesen sich wie ein Zeitstrahl: den Kurs durchführen, dann vier Fragen stellen. Die New-World-Version kehrt das um. Kirkpatrick Partners beschreibt es so, dass man mit Ebene 4 beginnt und im Design rückwärts arbeitet (Kirkpatrick Partners).

Eine funktionierende Reihenfolge sieht so aus:

1. Das Ergebnis auf Ebene 4 definieren. Welches Unternehmensergebnis soll sich ändern, und wen interessiert das?
2. Leading Indicators bestimmen. Das sind kurzfristige Beobachtungen und Messungen, die darauf hindeuten, dass kritische Verhaltensweisen auf dem Weg sind, eine positive Wirkung auf die gewünschten Ergebnisse zu erzielen (Kirkpatrick-Partners-Workbook).
3. Die kritischen Verhaltensweisen auf Ebene 3 definieren. Was genau müssen Menschen anders tun?
4. Die Required Drivers festlegen. Das sind Prozesse und Systeme, die die Ausführung kritischer Verhaltensweisen im Job verstärken, überwachen, fördern und belohnen (dasselbe Workbook).
5. Das Lernen (Ebene 2) und die Erfahrung (Ebene 1) gestalten. Erst jetzt entscheiden Sie, wie das Programm aussieht.

Zwei dieser Begriffe sind neu und verdienen Aufmerksamkeit.

Required Drivers. Ein Driver ist alles außerhalb des Kurses, was das neue Verhalten wahrscheinlicher macht: Coaching, Job Aids, Lob der Führungskraft, Auffrischungen, Anerkennung oder leistungsbezogene Vergütung. Die eigene Anleitung von Kirkpatrick Partners nennt als Beispiel, eine Mitarbeiterin oder einen Mitarbeiter zu loben, die oder der ein neu gelerntes Verhalten anwendet, und führt Coaching, Mentoring und leistungsbezogene Vergütung als weitere Driver auf, mit dem Hinweis, dass Führungskräfte Anleitung für deren Einsatz brauchen (Kirkpatrick Partners, Rao). Das ist die direkte Antwort des Modells auf das Problem von Ebene 3. Statt darauf zu hoffen, dass sich das Verhalten überträgt, planen Sie die Unterstützung.

Leading Indicators. Ergebnisse auf Ebene 4 treten spät ein. Leading Indicators liefern einen frühen Hinweis. Im selben Artikel von Kirkpatrick Partners könnten Führungskräfte nach einem Kommunikationsprogramm Kunden zu den E-Mails befragen, die sie erhalten, und beobachten, ob Eskalationen aufgrund von Kommunikationsproblemen zurückgehen.

Return on Expectations

Das New-World-Modell stützt sich außerdem auf Return on Expectations, kurz ROE. Kirkpatrick Partners beschreibt es als das, was eine erfolgreiche Schulungsinitiative den wichtigsten Stakeholdern im Unternehmen liefert, und zeigt, inwieweit deren Erwartungen erfüllt wurden. Es solle mit dem Fachbereich besprochen werden, bevor ein Programm entwickelt wird (Kirkpatrick Partners, Rao).

In der Praxis ist ROE ein Gespräch, keine Berechnung. Sie setzen sich mit dem Stakeholder zusammen, der das Programm bezahlt, und fragen, wie Erfolg für ihn aussähe, in Begriffen, die er auch in einem Jahr noch wiedererkennt. Die Antwort wird zum Ziel auf Ebene 4. Sie verändert auch, für wen der Bericht gedacht ist: nicht für das L&D-Team, sondern für die Person, deren Erwartungen zu Beginn festgelegt wurden.

Phillips und Ebene 5

Jack Phillips erweiterte die Struktur um eine fünfte Ebene, Return on Investment. Das ROI Institute beschreibt die fünf Ebenen als Reaction und Planned Action, Learning, Application und Implementation, Business Impact sowie ROI, wobei die letzte Ebene den monetären Nutzen den Kosten gegenüberstellt. Es betrachtet außerdem das Isolieren des Programmeffekts, mit Methoden wie Kontrollgruppen und Trendlinienanalyse, als unverzichtbaren Schritt (ROI Institute).

Phillips leistet also zwei Dinge, die Kirkpatricks Ebenen nicht leisten. Er rechnet die Wirkung auf Ebene 4 in Geld um, und er besteht darauf, den Beitrag des Programms zu isolieren, bevor das geschieht. Wenn Sie die Formel, die Kostenkategorien und ein durchgerechnetes Beispiel brauchen, finden Sie sie im Beitrag Nachweis des Schulungs-ROI gegenüber Käufern. Viele Organisationen nutzen Kirkpatrick als Gesamtrahmen und ergänzen den Phillips-Schritt nur für einige kostenintensive oder besonders sichtbare Programme.

Kritik am Modell

Die Popularität des Modells ging immer mit akademischer Skepsis einher. Die drei meistzitierten Kritiken setzen unterschiedliche Schwerpunkte.

Alliger und Janak (1989). Dreißig Jahre nach den Originalartikeln identifizierten sie drei problematische Annahmen: dass die Ebenen in aufsteigender Reihenfolge des gelieferten Informationswerts angeordnet sind, dass sie kausal verknüpft sind und dass sie positiv miteinander korrelieren. Sie untersuchten, wie oft jede Ebene in veröffentlichten Evaluationsstudien vorkommt und was die Korrelationen in der Literatur zur zweiten und dritten Annahme aussagen (Alliger und Janak, 1989). Die praktische Lehre: Ein guter Wert auf Ebene 1 sagt keinen guten Wert auf Ebene 2 voraus, und Sie können nicht von einer Kausalkette von einer Ebene zur nächsten ausgehen.

Holton (1996). Er argumentierte, das Vier-Ebenen-System sei in Wahrheit eine Taxonomie von Ergebnissen und als Evaluationsmodell fehlerhaft. Ein echtes Modell müsse aus seiner Sicht Ergebnisse korrekt spezifizieren, intervenierende Variablen berücksichtigen und Kausalbeziehungen aufzeigen. Er schlug eine Alternative vor, die Variablen wie Lernmotivation, Lernfähigkeit, Einstellungen zum Job, persönliche Merkmale und Bedingungen des Trainingstransfers berücksichtigt, und gab den Reaktionen der Teilnehmenden eine neue Rolle (Holton, 1996). Die Kritik richtet sich gegen das ursprüngliche Modell. Beachten Sie, wie die Required Drivers der New-World-Version einen Teil davon beantworten, indem sie die Bedingungen am Arbeitsplatz als Gestaltungselemente benennen.

Bates (2004). Reid Bates steuerte eine spätere kritische Analyse in Evaluation and Program Planning bei, mit dem Titel „A critical analysis of evaluation practice: the Kirkpatrick model and the principle of beneficence“ (Bates, 2004). Sie lohnt sich in voller Länge, wenn Sie das Modell in einem Umfeld mit hohem Risiko einsetzen wollen.

Zusammengenommen legen die Kritiken eine faire Lesart nahe. Die Ebenen sind eine nützliche Checkliste für Arten von Nachweisen. Sie sind keine Kausaltheorie darüber, wie Schulung zu Ergebnissen führt, und sollten nicht als solche verwendet werden.

So wenden Sie das Modell an

Aus den oben genannten Quellen ergeben sich einige Vorgehensweisen.

Beginnen Sie mit dem Gespräch mit dem Stakeholder. Bevor Sie irgendetwas gestalten, vereinbaren Sie das Ergebnis auf Ebene 4 mit der Person, die das Programm beurteilen wird. Wenn Sie ohnehin eine Weiterbildungsbedarfsanalyse durchführen, ist dieses Gespräch die natürliche Brücke zwischen der gefundenen Lücke und den Nachweisen, die Sie erheben.

Wählen Sie wenige Leading Indicators. Zwei oder drei, die innerhalb weniger Wochen ablesbar sind, schlagen ein Dutzend, das niemand erhebt.

Formulieren Sie die kritischen Verhaltensweisen beobachtbar. „Kommuniziert besser“ lässt sich nicht beobachten. „Bestätigt in der ersten Antwort das Anliegen des Kunden, bevor eine Lösung vorgeschlagen wird“ schon.

Planen Sie die Driver und benennen Sie deren Verantwortliche. Ein Driver ohne Verantwortlichen ist eine Hoffnung. Entscheiden Sie, wer coacht, wer kontrolliert und was von der Führungskraft der teilnehmenden Person erwartet wird.

Messen Sie Ebene 2 gegen eine Baseline. Ohne Vortest oder Entsprechendes lässt sich ein gutes Nachtestergebnis nur schwer dem Programm zuschreiben, wie Nickols anmerkt.

Passen Sie den Aufwand an den Einsatz an. Eine vollständige Evaluation auf Ebene 3 und 4 für jeden Kurs ist unrealistisch. Das eigene Workbook von Kirkpatrick Partners beschreibt die Arbeit als Evaluation eines geschäftskritischen Programms, was eine Auswahl impliziert. Reservieren Sie die aufwendige Behandlung für Programme, die teuer, strategisch oder politisch sichtbar sind. Basiert das Programm auf einem strukturierten Designprozess wie ADDIE, passt die Evaluationsplanung natürlich in dessen letzte Phase.

Weiterführende Lektüre

• Nachweis des Schulungs-ROI gegenüber Käufern
• Weiterbildungsbedarfsanalyse
• Kennzahlen zum Lernendenengagement
• Lerntransfer
• Das ADDIE-Modell