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.
Lernkurse sind einfach nicht vollständig personalisierbar, oder?
Wir sprechen ja schon lange über personalisiertes Lernen. Dennoch erhalten die meisten Menschen, die sich bei einem Kurs anmelden, noch immer dieselben Inhalte wie alle anderen. Berücksichtigt wird weder ihr Aufgabenbereich, ihre Abteilung noch ihr Wissensstand: Es spielt keine Rolle, ob sie Anfänger:innen oder hoch qualifizierte Fachkräfte sind.
Diese Diskrepanz zwischen dem, was wir in puncto Personalisierung propagieren, und dem, was wir in der Entwicklung liefern, brachte mich auf einen abenteuerlichen Gedanken: Was wäre, wenn sich ein Kurs von Anfang an auf die jeweils lernende Person zuschneiden ließe? Und zwar so, dass die Erstellung des Kurses in Echtzeit erfolgt, unter Berücksichtigung der jeweiligen Person, ihres Wissensstands und ihrer Lernziele?
In einem KI-Laborexperiment versuchten wir, genau das umzusetzen.
Darum verfehlen statische Kurse das Ziel
Denken Sie einfach daran, wie Sie sich das letzte Mal durch einen Kurs gekämpft haben, der sich letztlich größtenteils als Wiederholung von Inhalten herausstellte, die Sie bereits kannten. Oder es ging sofort ans Eingemachte, sodass Sie das Gefühl hatten, Sie hätten zunächst einmal wichtige Grundlagen lernen müssen, bevor Sie sich an diesen Kurs wagen. Beides fühlt sich an wie eine Verschwendung wertvoller Lernzeit: Im einen Fall trottet man vor sich hin, obwohl man längst zum Joggen bereit wäre. Im anderen soll man zum Sprint ansetzen, hat aber nicht noch einmal seine Laufschuhe angezogen.
Vorgefertigte Kurse sind für eine fiktive Durchschnittszielgruppe konzipiert, zu der – seien wir ehrlich – Sie wahrscheinlich nicht gehören.
Personalisierung gilt seit Jahren als Lösung dieses Problems – zumindest in der Theorie. Adaptives Lernen, verzweigte Szenarien und kuratierte Lernpfade sind allesamt Versuche, dasselbe Problem zu lösen. Doch deren Grundlage bildet noch immer Material, das irgendwann von irgendjemandem im Voraus erstellt wurde.
In diesem Experiment gibt es dagegen keinerlei vorgefertigtes Kursmaterial.
Entwicklung des Kurses zum Zeitpunkt des Lernbedarfs
Doch wie lässt sich das Ganze aufziehen, wenn man nicht mit einem vorgefertigten Inhaltsmodul beginnt? Nun, indem Sie in Dialog mit einer KI treten. Dabei bietet die KI-Persona Optionen für Gesprächsthemen an, die bereits als Bereiche für dynamisches Lernen etabliert sind. Davon ausgehend gestalten Sie Ihre Lernreise selbst.
Im Verlauf des Gesprächs baut sich der Kurs um Sie herum auf: Visuelle Elemente, Quizze, Texte, Reflexionsfragen – alles wird in Echtzeit generiert, je nachdem, wo Sie sich im Gespräch befinden und was Sie tatsächlich lernen müssen.
Und nicht nur das: Während Sie den Kurs erstellen, passt er sich an die jeweilige Situation an. Sie können verlangen, Bereiche zu überspringen oder bestimmte Inhalte genauer in den Blick zu nehmen. Wenn Ihnen etwas unklar ist, passt der Kurs seinen Ansatz an. Wenn Sie etwas ausführlicher behandeln möchten, geht er darauf ein. Und wenn Sie das Gelernte festigen möchten, generiert er Fragen, über die Sie das jeweilige Konzept verinnerlichen. Der Kurs ist nicht mehr auf ein bestimmtes Ziel fixiert, sondern entwickelt sich in einem fortlaufenden Dialog weiter.
In gewisser Weise spiegelt dies den neuen Lernzyklus wider, bei dem Upskilling kontinuierlich statt etappenweise erfolgt.
Praxisbeispiel: Live-Kursentwicklung zum Thema Modellkontext-Protokoll (MCP)
Am besten erschließt sich die Funktionsweise an einem Szenario, das ich selbst durchgespielt habe.
Thematisch entschied ich mich mit dem MCP für etwas, an dessen Entwicklung wir bei Degreed aktiv arbeiten. Wir haben unseren eigenen Degreed MCP-Server, daher kenne ich den Hintergrund und den Kontext, aber ich bin wirklich neugierig, wohin sich diese Technologie entwickeln wird. Es ist auch ein guter Test, da es komplex ist und viele Ebenen umfasst, die es zu verstehen gilt.
Zunächst erhielt ich einige Themenvorschläge von der KI. Ich entschied mich für die Grundlagen des MCP. Als das erste Diagramm geladen wurde, fragte sie mich, was ich bereits über die Anbindung von Large Language Models an externe Tools wusste.
Das war ein entscheidender Moment. Es ging nicht bei Null los. Sie ermittelte, wo ich bereits stand.
Ich habe einige Hintergrundinformationen zur Zusammenarbeit von Degreed mit MCP gegeben. Die Antwort griff dies sofort auf. Sie ging nicht noch einmal auf die Grundlagen ein, von denen ich bereits angedeutet hatte, dass ich sie verstanden habe. Stattdessen ging es direkt um die Funktionsweise: wie das MCP strukturierte Kommunikationskanäle erstellt, Absicht und Ausführung voneinander trennt und Schemata auf eine Weise durchsetzt, wie es reine API-Aufrufe nicht tun.
Als ich mit einer konkreten Frage nachhakte (Warum MCP verwenden, anstatt das Modell einfach direkt auf die APIs zugreifen zu lassen?), gab es eine klare und präzise Antwort: Typensicherheit, Trennung der Anliegen, Vorhersehbarkeit. Dann ging die KI in die nächste Ebene der Vertiefung über, ohne dass ich danach fragen musste.
Nach den technischen Inhalten hakte sie nach: Möchte ich tiefer in die Materie einsteigen? Ein ausführlicheres Video ansehen? Ein Quiz machen? Oder zu einer Reflexionsfrage übergehen?
Der Kurs lief nicht einfach weiter. Er fragte mich, was ich als Nächstes brauchte, um Fortschritte zu machen.
Inwiefern unterscheiden sich dynamische Kurse vom traditionellen, adaptiven Lernen?
Das adaptive Lernen basiert meist noch auf einem vorab erstellten Ablaufplan. Das System entscheidet anhand Ihrer Antworten, welchen Zweig Sie einschlagen, doch diese Zweige wurden bereits im Voraus festgelegt. Das Lernerlebnis ist insofern personalisiert, als Sie zwar unterschiedliche Wege einschlagen können, diese jedoch bereits vorab existieren.
Was wir hier untersuchen, funktioniert anders. Es handelt sich um in Echtzeit generierte Inhalte, die als Reaktion auf Sie entstehen, und die visuellen Elemente erscheinen ganz natürlich im Verlauf des Gesprächs. Die Fragen sind auf Ihre spezifischen Denkprozesse und unklaren Momente zugeschnitten. Herkömmliches adaptives Lernen kann das nicht leisten.
Was das für das Lernen bedeuten könnte
Ich möchte mich davor hüten, unsere Entwicklungen zu überbewerten. Denn es ist ein Experiment. Vieles, was wir im KI-Labor entwickeln, bleibt dort.
Ich glaube jedoch, dass dies auf etwas Wichtiges hinweist: Die häufigste Beschwerde in Bezug auf das Lernen am Arbeitsplatz betrifft nicht den Zugang zu Inhalten, sondern deren Relevanz. Knapp 80 % der Mitarbeitenden geben an, dass sie sich Lernangebote wünschen, die in direktem Zusammenhang mit ihren Aufgaben stehen. Doch wie soll das gelingen, wenn die Lerninhalte keinen konkreten, persönlichen Bezug zu ihren bestehenden Skills und Zielen haben? Lernteams, Personalverantwortliche und Führungskräfte haben nicht immer die Zeit, diese Lücke für jeden Einzelnen manuell zu schließen.
Das ist nicht skalierbar.
Ein Kurs, der sich ganz an die Lernenden anpasst, ist eine Lösung für dieses Problem. Nicht, weil er neuartig ist, sondern weil er mit größerer Wahrscheinlichkeit schnell nützlich und wirksam ist. Die Belegschaft braucht eine Möglichkeit, mit der sich wandelnden Welt Schritt zu halten, und das bedeutet, über traditionelle Lernmethoden hinauszudenken, um relevante, personalisierte Lernerfahrungen schneller zu ermöglichen.
Das ist es, was echte Personalisierung im besten Fall tatsächlich bieten könnte. Es macht Spaß, sich diese Zukunft vorzustellen.
Wenn Sie neugierig sind, woran wir gerade arbeiten, kontaktieren Sie mich auf LinkedIn. Ich freue mich immer, mit Ihnen darüber zu sprechen oder Ihnen Zugang zu gewähren, damit Sie einige unserer Experimente selbst ausprobieren können.
Sehen Sie sich die Aufzeichnung meines gesamten Vortrags auf der LENS 2026 zu unseren KI-Experimenten.
Unser heißer Draht zu Ihnen.
Exklusive Einblicke, Infos zu bevorstehenden Veranstaltungen, Updates zu Degreed-Lösungen – das alles erwartet Sie in unserem monatlichen Newsletter.