Dass die Unternehmensführung den Wert von L&D hinterfragt, ist nichts Neues. Für sie ist entscheidend, ob der Nutzen die Kosten rechtfertigt. Um das nachzuweisen, gab es bis dato nichts Besseres, als sich auf den Umfang abgeschlossener Lernangebote zu berufen.
Die üblichen Kennzahlen zu Lernaktivitäten, beispielsweise Abschlusszahlen, absolvierte Lernzeit und Zufriedenheitswerte, beantworten jedoch nicht den Kern der Frage. Das haben sie noch nie. Sie geben lediglich Aufschluss darüber, ob Lerninhalte ihren Weg zu Mitarbeitenden gefunden haben und ob sie von ihnen durchgearbeitet wurden.
Von Belang ist für die Unternehmensführung seit jeher die Frage nach dem Resultat: Hat sich die Belegschaft in etwas verbessert, das für das Geschäft von Bedeutung ist?
Der Vormarsch agentengesteuerter KI macht die Fähigkeit der Belegschaft, sich schnell anpassen zu können, zur essenziellen Anforderung. Ihr Unternehmen kann nur so schnell vorankommen, wie Ihre Mitarbeitenden zum Lernen in der Lage sind. Wie die Association of Talent Development (ATD) ermittelt hat, sind jedoch nur ein Drittel (30 %) der Unternehmen erfolgreich darin, Daten zu Lernprogrammen für geschäftliche Entscheidungen zu nutzen. Dies vermutlich auch deshalb, weil diese Daten keinerlei Zusammenhang zum Geschäft herstellen.
Doch nun zeichnet sich eine Veränderung ab: Neue technische Möglichkeiten und ein wachsender Bestand an Skill-Intelligence sorgen für die so wichtige Verknüpfung von Lernaktivitäten und geschäftlichen Ergebnissen, auf die man auf Führungsebene Wert legt. Auf der Degreed Focus 2026 in London kamen führende Köpfe der Branche zusammen, um über diese Veränderungen zu diskutieren und zu beleuchten, wie sie sich bereits heute in der Praxis auswirken und wie die Zukunft personalisierter Aktivitätskennzahlen aussehen könnte.
Das Problem von L&D beim Messen von Lernmaßnahmen
Lernaktivitäten sind per se zwar einfach generier- und messbar. Schwierig gestaltet es sich jedoch, diese Aktivitäten mit geschäftskritischen Ergebnissen hinsichtlich der Fähigkeiten der Belegschaft in Zusammenhang zu setzen. Lori Niles-Hofmann, Mitgründerin von 8levers, betonte auf der Focus in London, dass L&D-Teams diese Kennzahlen zwar zu einem detaillierten Bild zusammenführen können. Doch das bedeute noch nicht, dass sie auch das Gesamtbild erhalten. Die konventionellen Kennzahlen liefern in der Regel wenig Substanz für aussagekräftige Schlussfolgerungen.
„Datengestütztes Lerndesign und aggregierte Messverfahren können uns bis zu einem Punkt bringen, an dem wir sagen können: ‚Vielleicht ist x plus y gleich z.‘ Damit lassen sich zwar Zusammenhänge herstellen, aber das ist noch recht vage“, so Niles-Hoffmann.
Eine bessere Lösung, so stellt sie heraus, sei ein geschlossener Berichtskreislauf oder die Fähigkeit, „verschiedene Arten von Lernmaßnahmen isoliert zu betrachten“, um deren Auswirkungen in Echtzeit zu ermitteln. Angenommen, jemand bereitet sich auf ein Verkaufsgespräch vor. Das Lernsystem sollte dann den Ausgang des Gesprächs als direktes Lernergebnis erfassen und bewerten.
Einige Unternehmen, darunter etwa Capgemini, führen bereits Pilotprojekte dazu durch, wie diese Art der Bewertung des Skill-Leistungsniveaus zu einer präziseren Darstellung des geschäftlichen Werts beitragen kann.
Der Ansatz von Capgemini zur Verknüpfung von Skillfortschritt und geschäftlichen Ergebnissen
„Das hier sind unsere Lernausgaben. Was kommt dabei heraus?“
Mit dieser Frage der Führungsebene sah sich Estelle Maione, Global Head of Learning bei Capgemini, immer wieder konfrontiert. Capgemini beschäftigt mehr als 300.000 Mitarbeitende, deren Skills die Kernsäule der Identität des Unternehmens bilden. Sich nur auf die Annahme zu stützen, dass zwischen Lernen und geschäftlicher Performance ein Zusammenhang besteht, war vor diesem Hintergrund schlicht keine Option.
„Von Anfang an galt für unser Unternehmen die Prämisse, unsere Skills in konkreten geschäftlichen Wert umzusetzen“, so Maione.
Die Anforderung der Unternehmensführung von Capgemini an L&D lautete wie folgt: personalisiertes Lernen in großem Umfang, sichtbarer Skillfortschritt und nachweisliche Bereitschaft zur Erfüllung von Projektanforderungen.
Abschlussquoten sagen nichts darüber aus, ob ein Team gut genug vorbereitet ist, um ein anspruchsvolles Kundenprojekt zu betreuen. Genauso wenig gibt ein Badge für absolvierte Kurse einer Führungskraft Aufschluss darüber, was ein Team tatsächlich leisten kann.
Anstelle dieser Skillsignale nahm Capgemini daher andere Indikatoren in den Blick: die Projektumsetzung und -leistung.
Wenn Mitarbeitende, die sich auf einem bestimmten Kompetenzlevel befinden, aktiv an Kundenprojekten arbeiten, stellen sie ihre Fähigkeiten durch die eigentliche Arbeit unter Beweis – und nicht in einer kontrollierten Schulungsumgebung. Daten aus der Arbeitspraxis werden so zu Skilldaten. Dies ist entscheidend, denn „wenn Ihre Daten nicht präzise sind, können Sie keine Wunder erwarten“, wie Maione es ausdrückt.
Um projektbasierte Daten erfassen zu können, bedurfte es eines vernetzten Ökosystems, in dem mitarbeiter- und skillbezogene Daten so zusammenlaufen, dass ein ganzheitliches Bild entstehen kann. An diesem Punkt wird die geschäftliche Performance zum Indikator für Erfolg, und so muss die Lernfunktion nachweisen, welchen Beitrag sie dazu im Zeitverlauf geleistet hat.
„Wir verbinden uns mit unserem operativen System und damit dem Ort des Geschehens. Denn darin werden unsere Mitarbeitenden Projekten zugeteilt. So haben wir die Hand dort am Puls, wo Mitarbeitende ihre Skills entwickeln“, bringt Maione es auf den Punkt.
Das Ergebnis ist ein Berichtsmodell, das der Führungsebene genau die Messgrößen liefern kann, die sie erwartet: Lernausgaben in Höhe von x führen zu y kompetenten Mitarbeitenden, die erfolgreiche Ergebnisse bei Kunden erzielen.
„Im Kern geht es darum, wie wir alle unsere Skills an zentraler Stelle zusammenführen und die Einblicke oder Informationen, die wir dabei gewinnen, in etwas zu überführen, das für geschäftliche und personalbezogene Entscheidungen gleichermaßen wertvoll ist und dabei die Entwicklung der Skills unserer Mitarbeitenden fördert“, so Maione.
Doch selbst mit einer zentralen Sicht auf Skilldaten erfordert die Umsetzung eine funktionsübergreifende Zusammenarbeit. Daher ist das Skill-Framework bei Capgemini nicht dem L&D-Team unterstellt. „Verantwortlich sind dafür unsere Teams aus dem operativen Bereich, da sie am umfassendsten überblicken können, was benötigt wird“, erklärt Maione.
Für Maione gilt dabei ein Grundprinzip: Das Lernen selbst mag unsichtbar in den Arbeitsalltag eingebettet sein. Sein Beitrag zum geschäftlichen Erfolg muss hingegen umso klarer sichtbar sein.
Ausblick auf künftige Möglichkeiten zur Messung von Lerninitiativen
Capgemini reizt mit seinem Ansatz alles aus, was derzeit technisch möglich ist. Mit der voranschreitenden technologischen Entwicklung erweitern sich jedoch auch die Möglichkeiten zur Quantifizierung. Taylor Blake, SVP of New Initiatives and Head of AI Labs bei Degreed, hat anhand von Prototypen untersucht, wie die Zukunft personalisierter Berichterstellung aussehen könnte.
Stellen Sie sich Berichte vor, die nicht einfach nur über den Prozentwert der von einer Person abgeschlossenen Inhalte Aufschluss geben, sondern darüber, wie sich deren Selbstsicherheit und Leistung im Verlauf des Programms entwickelt hat. Ermittlungsgrundlage hierfür bildet ihre Interaktion über die gesamte Programmdauer hinweg. Anstelle einer durch Befragung der Person ermittelten Kennzahl würde dabei der individuelle Verlauf des Lernpfads erfasst, einschließlich Details zum Ausgangspunkt und zu Wissenslücken der entsprechenden Person sowie dazu, wie sich das Programm auf dem Weg zum Abschluss angepasst hat.
In der KI-Labordemo zeigte Blake anhand von zwei fiktiven Mitarbeitenden, wie sich deren unterschiedliche Skill-Entwicklungsverläufe nachzeichnen ließen – und zwar nicht nur die durchgearbeiteten Inhalte, sondern auch die Unterschiede im Skillfortschritt. Dies beinhaltete auch einen direkten Vergleich der Zunahme des Selbstvertrauens und der nachweisbaren Kompetenz.
Dadurch wird es möglich, Lernergebnisse präziser mit anderen Arten geschäftlicher Indikatoren in Zusammenhang zu setzen. Die Zunahme des Selbstvertrauens wird zu einer quantifizierbaren Kennzahl. Anhand des über echte Interaktionen ermittelten Kompetenzlevels wird es sogar möglich, festzustellen, ob eine Person ihre Fähigkeiten über- oder unterschätzt. Derartige Erkenntnisse wird ein Bericht zu Abschlusszahlen niemals liefern können.
Der Weg zu einer klaren Verbindung zwischen Lernen und geschäftlichem Wert
Lernkennzahlen müssen sich stärker an der geschäftlichen Realität orientieren. Anhand von Abschlussquoten auf die Bereitschaft der Belegschaft zu schließen, ist eine vage Annahme und nicht mit messbarem geschäftlichen Wert gleichzusetzen. Im besten Fall ist eine solche Argumentation fragwürdig. Erfreulicherweise können neue KI-Fähigkeiten und ein wachsender Bestand an Skilldaten L&D-Teams dazu verhelfen, mehr zu tun als nur Punkte abzuhaken.
Für HR- und L&D-Teams gilt es heute, bei der Evaluierung von Lernmaßnahmen die entscheidende Frage zu beantworten: Haben sie den Mitarbeitenden dazu verholfen, ihre Leistung in einem Aspekt zu verbessern, der für das Geschäft von Bedeutung ist?
Gefragt sind hierfür zwei Dinge: Skilldaten, die sauber und vertrauenswürdig sind – d. h. sie beruhen auf systemübergreifend normalisierten Taxonomien und konsistenten Definitionen –, sowie Lernaktivitäten, die mit den Leistungsindikatoren verknüpft sind, die die Unternehmensführung bereits heute zur Bewertung der Bereitschaft der Mitarbeitenden zugrunde legt.
Ganz ähnlich wie Capgemini werden diejenigen Unternehmen, die diese Grundlage bereits heute schaffen, nicht nur ihre Lernaktivitäten besser quantifizieren. Sie werden auch schnellere und verlässlichere Entscheidungen über ihre Belegschaft treffen – und zwar so, dass sie die Anforderungen des Geschäfts antizipieren.
Unser heißer Draht zu Ihnen.
Exklusive Einblicke, Infos zu bevorstehenden Veranstaltungen, Updates zu Degreed-Lösungen – das alles erwartet Sie in unserem monatlichen Newsletter.