Meine Erkenntnis
Eine flüssige Antwort ist kein Korrektheitsbeleg. Ich frage nach Kontrolle über Protokolle, Prompts und abgeleitete Daten sowie nach einem Ausstiegspfad.
Mein Vorgehen
Ich würde reale Aufgaben, bekannte Antworten, Missbrauchsfälle und Rückbau testen. Sicherheit, Datenschutz und menschliche Prüfung gehören zu den Kriterien.