Die bisherige Methodik für das Lernen am Arbeitsplatz wurde für eine andere Zeit konzipiert. Im konventionellen Lernmodell – auch dem für E-Learning –spiegeln sich die Einschränkungen der Ära wider, in der es entwickelt wurde: Für die Entwicklung von Lernprogrammen mussten Inhalte zu hohen Kosten und mit großem Zeitaufwand kuratiert werden, deren Bereitstellung war auf bestimmte Kanäle beschränkt, und es ließ sich nicht genau feststellen, was eine Person zu einem bestimmten Zeitpunkt lernen musste, um ihre nächste Entwicklungsstufe zu erreichen.
Doch jetzt gibt es KI.
KI beseitigt die meisten dieser Hürden, daher muss das Lernmodell selbst neu gedacht werden. Lerntechnologie kann heute schlichtweg mehr leisten als früher. Gleichzeitig gelten andere Rahmenbedingungen, und die Anforderungen an Geschwindigkeit und Personalisierung steigen. Lerntrends sind von einer rasanten Entwicklungsdynamik geprägt. Damit Schritt zu halten, wird zunehmend geschäftskritisch, denn es gilt der Belegschaft kontinuierlich neue Skills zu vermitteln – etwa im Bereich KI.
Aus Prognosen zur Marktentwicklung lässt sich dies bereits ablesen. So wird der Markt für betriebliches E-Learning laut Global Market Insights bis 2030 ein Volumen von 1 Billion US-Dollar erreichen. Zudem wollen 85 % der Arbeitgeber bis dahin ihre Upskilling-Initiativen forcieren, wie aus einem Bericht des Weltwirtschaftsforums hervorgeht.
Das bedeutet jedoch nicht, dass diese enormen Ausgaben einfach in das bisherige, konventionelle Lernmodell fließen. Der Bereich Learning & Development entwickelt sich rapide zu etwas, das dynamischer und stärker KI-gesteuert ist, als es dieses Modell bewältigen kann – etwas, das sich selbst Branchenfachleute bislang nicht hätten vorstellen können. Dadurch könnte sich die Entwicklung von Skills grundlegend verändern. Dies möchte ich gern ein wenig ausführen.
Im Degreed KI-Labor entwickle und teste ich Prototypen für KI-gestützte Lerntools nun schon so lange, dass ich mir ein klares Urteil über die Entwicklung des Marktes erlauben kann. Dies nur zur Einordnung – nun also zu meinen Einschätzungen, wohin die Reise im Jahr 2027 und darüber hinaus gehen wird.
Stärker spezialisierte Formate für die Skillentwicklung
Heutzutage kann man lernen, indem man sich ein Video ansieht, einen Artikel liest oder an einem Seminar teilnimmt. Ein häufiges Problem dabei: Oft passt der Inhalt nicht unbedingt zu der Art und Weise, wie man lernt. Stattdessen richtet sich die Lernerfahrung nach dem Format, in dem der Inhalt vermittelt wird. Hinzu kommt, dass die Formate der meisten Lerninhalte in der Regel keine praktische Anwendung beinhalteten. Gerade das ist für die Entwicklung der meisten Skills jedoch ungemein wichtig.
Führen Sie sich einfach vor Augen, was nötig ist, um Ihre Präsentationsfähigkeiten zu verbessern. Ein Kurs kann Ihnen Methoden und Modelle liefern. Er bietet jedoch keine Möglichkeit zum wiederholten Üben. Er kann die Präsentation Ihrer Folien auch nicht verfolgen, um Ihnen beispielsweise zu vermitteln, dass Ihre Energie bei Folie 4 nachgelassen hat oder Ihre Erklärung der Datenpunkte auf Folie 7 etwas unklar blieb. Ebenso wenig ist es möglich, Ihre Reaktion auf Fragen eines kritischen Publikums so oft zu üben, bis Sie diesen Aspekt beherrschen.
When the format of the content matches the task, and the experience is built around what you’re actually trying to do, something changes. The feedback is more specific. The practice gets more useful. Suddenly, experiential learning can be done on demand and in the moment of need for the exact situation you’re trying to prepare for.
Personalisierung in Form von dynamischem, adaptivem Lernen
Jahrzehntelang wurden Kurse für eine fiktive Durchschnittsperson konzipiert. Den Anfang machten Lernangebote „von der Stange“, die ein und denselben Kurs für alle vorsahen. Inzwischen ist Lernen zwar personalisierter und flexibler geworden. Häufig folgt es jedoch noch immer vorab definierten Lernpfaden, die auf Annahmen beruhen – statt sich dynamisch an die Ziele, Bedürfnisse und den Lernfortschritt einer Person anzupassen. Das ist zwar besser als das ursprüngliche Modell, aber noch nicht im eigentlichen Sinne personalisiert.
Die Zukunft hat eher den Charakter eines Dialogs. Dabei wird zunächst festgestellt, was eine Person bereits weiß, um dann den Inhalt daran anzupassen, wo Unklarheiten bestehen. Hakt die Person nach, geht es tiefer in die Materie, und es wird abgefragt, was sie als Nächstes benötigt, statt nur einem vorgegebenen Weg zu folgen.
I tested this kind of dynamic course experience in AI Labs to see exactly what it might look like in practice. I created an experiment for a new kind of development course that is designed for easy daily learning. The content wasn’t created before I started the conversation. Instead, the AI persona was just ready for me, primed with the context of my upskilling history and proficiency.
Den Ausgangspunkt des Experiments bildete eine Auswahl verschiedener Themen, die meine bisherigen Lernerfahrungen und Interessen widerspiegelten. Ich entschied mich für ein vergleichsweise technisches Thema, bei dem bereits Kontext und eine Skillhistorie über mich verfügbar waren. Der Unterschied zeigte sich auf Anhieb: Zunächst präsentierte die KI Inhalte, die zu meinem Kompetenzlevel passten. Als ich dann eine Frage stellte, die in eine andere Richtung deutete, wurde dies nahtlos aufgegriffen.
Genau das ist Personalisierung, wie sie sein sollte – fähig, in Echtzeit auf die jeweilige Person zu reagieren und sich auf dynamische Anforderungen und einen veränderten Fokus einzustellen.
Passende Lerninhalte für die jeweilige Situation
Der dritte Trend betrifft eine Thematik, die womöglich am bedeutendsten ist, zugleich aber auch am wenigsten zur Sprache kommt. Die Momente, in denen Menschen am dringendsten lernen müssen, lassen sich nicht planen. Sei es zwei Stunden vor einem wichtigen Gespräch, inmitten eines Projekts, das aus dem Ruder läuft, oder kurz vor einer Präsentation, bei der das Publikum besser über das Thema Bescheid weiß als man selbst.
Konventionelles Lernen kann auf derartige Situationen nicht so präzise eingehen, wie es der Arbeitsalltag erfordert, da es per se nicht in diesen Situationen erfolgt. Mit KI wird es dagegen möglich, Lernen situationsbezogen zu gestalten, d. h., es wird auf Abruf im Kontext des konkret vorliegenden Szenarios generiert – und zwar schnell genug, um echten Nutzen zu bringen.
Angenommen, es steht ein wichtiges Gespräch an. Dieses müssen Sie dann lediglich beschreiben, und schon erhalten Sie innerhalb weniger Minuten ein realistisches Übungsszenario mit allem, was dazugehört: verschiedene Personas mit jeweils eigenen Persönlichkeiten und Fragen, die Möglichkeit zum Teilen Ihres Bildschirms, falls Sie etwas präsentieren müssen, Live-Feedback und eine Nachbesprechung am Ende. Es handelt sich also nicht um ein allgemein gehaltenes Modul zu Kommunikations-Skills, sondern um eine gezielte Übung genau der Aktionen, die Sie in Kürze ausführen werden.
Unter der Vorgabe, genau das zu ermöglichen, habe ich einen Prototyp entwickelt. Dieser funktioniert so: Man beschreibt die jeweilige Situation, beispielsweise ein bevorstehendes Meeting, bei dem es die Akzeptanz von Stakeholdern in unterschiedlichen Rollen für eine bestimmte Initiative zu gewinnen gilt. Innerhalb des Modells durchläuft man dann eine Übungssitzung, in der die KI die Rolle der Stakeholder übernimmt, Fragen stellt und Feedback dazu gibt, wie diese Ihre Präsentation abhängig von ihrer Funktion und Rolle beurteilen.
Die Vorbereitung auf das Gespräch, das in einer Stunde ansteht, wird so deutlich einfacher und effektiver.
KI-gestütztes Lernen im Jahr 2027
Was wir heute unter KI-gestütztem Lernen verstehen, ist nicht einmal annähernd mit dem vergleichbar, was im Jahr 2027 und darüber hinaus möglich sein wird.
Die Fähigkeiten der einzelnen Tools werden immer beeindruckender. Doch selbst für die besten Lernerfahrungen gilt auch heute noch, dass Menschen sie aktiv ausfindig machen müssen: Sie müssen wissen, dass die Ressourcen verfügbar sind und zu ihrer Situation passen, um sie dann zu finden und sie einzurichten. Zudem ist noch immer keine vollständige Personalisierung gegeben, und auch die jeweilige Situation wird noch nicht in vollem Umfang berücksichtigt.
Ein Weg, um das möglich zu machen, besteht meiner Ansicht nach darin, dass Lernbedarf und Lernerfahrung zusammenfinden. Und zwar in Form eines Dialogs, bei dem Mitarbeitende ihre jeweilige Situation oder Vorgesetzte die Anforderungen ihres Teams beschreiben können, woraufhin die Lernerfahrung automatisch in Echtzeit und kontextbezogen erstellt wird, ohne dass zusätzliche Infrastrukturmaßnahmen für die Realisierung der Lösung erforderlich sind.
Lernerfahrungen entwickeln sich dahin, dass sie auf die jeweilige Aufgabe zugeschnitten sind – und nicht auf eine Durchschnittsperson. Statt den Anforderungen der breiten Masse Rechnung zu tragen, berücksichtigen sie das Individuum. Und sie sind genau dann verfügbar, wenn sie benötigt werden, statt einem schon Wochen im Voraus festgelegten Plan zu folgen. Das ist die Richtung, in die die Innovation geht. Und sie ist näher, als die meisten vielleicht denken.
Ich weiß das, weil wir bereits Prototypen der Technologien entwickeln, die dies ermöglichen.
Dennoch möchte ich hier vorsichtig sein, denn die Entwicklungen in diesem Bereich schreiten rasant voran, und der Hype um sie ist nicht gerade gering. Die Lernerfahrungen, die ich oben beschrieben habe, sind heute noch Prototypen. Einige davon werden es zur Produktreife schaffen, andere nicht. Zudem weist die Technologie noch immer einige Ecken und Kanten auf, und so wird es noch mehr als eine gute Demo brauchen, um all dies unternehmenstauglich zu machen.
Wie stehen Sie zu diesen Ausführungen? Ich würde mich freuen, mit Ihnen darüber zu sprechen – kontaktieren Sie mich jederzeit.
Alle im KI-Labor behandelten Themen dienen experimentellen Zwecken oder befinden sich in der Entwicklung; zudem ist nicht garantiert, dass sie Teil der Degreed Produktsuite werden.
Unser heißer Draht zu Ihnen.
Exklusive Einblicke, Infos zu bevorstehenden Veranstaltungen, Updates zu Degreed-Lösungen – das alles erwartet Sie in unserem monatlichen Newsletter.