Künstliche Intelligenz in Learning & Development
Künstliche Intelligenz hat das Potenzial, die Art und Weise wie wir lernen, entwickeln und Wissen teilen, grundlegend zu verändern. Unsere Lernsysteme entwickeln sich kontinuierlich weiter und bieten mithilfe von KI neue Möglichkeiten, wie die Personalisierung des Lernprozesses. Adaptive Lernsysteme können Inhalte, aber auch Lern- und Zeitpläne auf individuelle Bedürfnisse anpassen. Was heute schon möglich ist und was kognitive Lernsysteme in Zukunft bieten können, schauen wir uns in diesem Beitrag an.
KI kann außerdem auch die Mitarbeitenden im Learning & Development in ihrer Arbeit bei der Planung, Durchführung und Auswertung von Lern- und Entwicklungsinitiativen unterstützen. Welche Möglichkeiten bietet der Einsatz KI im Corporate Learning? Wie verändert KI die Arbeit im Learning & Development? Welche Voraussetzungen müssen geschaffen werden, um KI gewinnbringend im Corporate Learning einzusetzen?
1. KI im Corporate Learning: von der Vision zur Realität
Die Integration von Künstlicher Intelligenz (KI) ins Corporate Learning verspricht grundlegend zu verändern, wie wir lernen, entwickeln und Wissen teilen. Zwischen den Chancen, die sich auftun, und den Herausforderungen, die gemeistert werden müssen, kann sich unsere Lernlandschaft wesentlich transformieren.
Der Einsatz von KI im Corporate Learning ist nicht neu. Durch den Hype um generative KI ist das Thema seit einiger Zeit präsenter denn je. KI wird die Art, wie Wissen erworben wird, grundlegend verändern.
Die Potenziale sind vielseitig. Sie reichen von der Erstellung und Optimierung von Lerninhalten, über die Empfehlung von Kursen zum Erwerb von Skills, bis zur personalisierten Lernunterstützung. Hierfür können etwa Chatbots eingesetzt werden, die den Mitarbeitenden als virtuelle Lernpartner zur Verfügung stehen.
Doch obwohl KI bereits seit circa 10 Jahren ein wichtiger Platz im Corporate Learning zugesprochen wird und 90 Prozent der Bildungsexperten aus dem Cornelsen Bildungsindex in KI-Systemen ein Hilfsinstrument oder einen Innovationstreiber sehen, nutzen laut einer Bitkom-Umfrage erst 3 Prozent generative KI zentral im Unternehmen. Das Verständnis geeigneter Anwendungsfälle variiert erheblich innerhalb verschiedener Organisationen.
Aktuell stehen wir zwischen Chancen und Herausforderungen: KI bietet als unterstützendes Werkzeug ein enormes Potenzial – zum Beispiel in der Automatisierung von Prozessen. Das bedeutet nicht, dass menschliche Fähigkeiten und Jobs im Corporate Learning obsolet werden, sondern ermöglicht vielmehr eine neue, symbiotische Zusammenarbeit von Mensch und Technik.
Die erfolgreiche Implementierung von KI im Corporate Learning erfordert ein ausgewogenes Verhältnis zwischen Technologie, strukturellen Prozessen innerhalb der Organisation, und den Menschen, die damit arbeiten. Entscheidend ist die übergreifende Transformation einer Organisation. Ohne Anpassungen in den Prozessen und Schulungen von Mitarbeitenden kann die Integration von KI nicht die gewünschten Ergebnisse erzielen. Es ist für Unternehmen daher von zentraler Bedeutung, sowohl in die Technologie und Prozesse als auch in die Weiterbildung der Mitarbeitenden zu investieren. Nur so wird eine erfolgreiche und rechtskonforme Implementierung von KI im Corporate Learning möglich.
Regelbasiert, datenbasiert, kognitiv? Die Entwicklung zu adaptiven Lernsystemen
Schon in den 80er- und 90er-Jahren wurde von personalisierten Lernsystemen im Corporate Learning gesprochen. Meist konnten Lernende einen von mehreren Lernpfaden auswählen oder Avatare in spielerischen Umgebungen verändern. Das war aber noch keine Personalisierung des Lernprozesses im heutigen Sinne und basierte nicht auf KI. Heute werden diese Systeme als regelbasierte Systeme bezeichnet.
Aktuelle Entwicklungen werden von datenbasierten Lernsystemen dominiert. Dabei handelt es sich um Systeme, die Benutzerdaten sammeln und an festgesetzten Knotenpunkten basierend auf den Daten des Nutzenden Entscheidungen treffen. Ein Beispiel hierfür ist die Sprachlernapp Duolingo.
Die von KI geprägte Zukunftsvision geht darüber hinaus und besteht aus kognitiven Lernsystemen (Deep Learning Systems). In dieser Vision werden Lehrkräfte von KI-Systemen ersetzt, die sprachlich und in ihrem Verhalten von Menschen nicht zu unterscheiden sind. Diese Systeme basieren auf Mensch-Maschine-Interaktion (MMI). Solche Lernsysteme werden zukünftig in der Lage sein, Schulungen datenbasiert komplett selbst zu erstellen.
Von den bisher existierenden Systemen kommen Large Language Models (LLMs) wie ChatGPT oder unternehmensfokussierte KI wie WatsonX dieser Vision am nächsten, sind aber noch weit entfernt.
Wir befinden uns heute zwischen datenbasierten und kognitiven Lernsystemen. In der Literatur werden diese Möglichkeiten unter dem Begriff adaptive Lernsysteme zusammengefasst. Man versteht darunter alle Systeme, die Lerndaten und Benutzerdaten selbstständig auswerten und den Nutzenden personalisiertes Lernen ermöglichen. Dabei geht die Personalisierung weit über binäre Daten hinaus und bezieht personenbezogene und statistische Daten mit ein. Adaptive Lernsysteme nutzen KI und Datenanalysen, um den Lernerfolg durch individuelle Lernerfahrungen zu maximieren. Erste Pilotprojekte in der Entwicklung und im Einsatz solcher KI-Lernsysteme existieren bereits.
Adaptive Lernsysteme: die Zukunft des Lernens
Was geht schon heute?
Der Umsatz von adaptiven Lernsystemen steigt aktuell um mehr als 20 Prozent pro Jahr. Europa ist nach Asien das weltweit zweitgrößte Wachstumsgebiet. Nordamerika hat bereits heute eine sehr hohe Durchdringung erreicht.
Adaptive Lernsysteme bieten Nutzenden nicht nur eine personalisierte Umgebung und Lernerfahrung, die eine Vielzahl von Faktoren berücksichtigt; sie lernen auch von ihren Nutzenden und verbessern sich automatisch auf Grundlage der gesammelten Daten.
Die allgemeine Praxis entspricht aber noch nicht den Möglichkeiten und dem Forschungsstand. Zwar greift eine Vielzahl vorhandener Systeme auf bereits existierende Datensätze zurück; es ist aber auch wichtig, diese mit weiteren Daten zu verknüpfen. Dies lässt sich an einem Beispiel veranschaulichen: Die reine Klickzahl einer Videosequenz in einem Lernsystem sagt nichts darüber aus, weshalb die Lernenden diese Sequenz jeweils angeklickt haben. Bislang werden eine fehlende Vorbildung oder unterschiedliche Ziele von den meisten eingesetzten datenbasierten Lernsystemen nicht berücksichtigt. Wertvolle adaptive Lernsysteme geben den Nutzenden die Chance, basierend auf Persönlichkeit, individuellen Zielen und vielen anderen Faktoren die Lernumgebung anzupassen. Ein wichtiger Faktor ist dabei die Berücksichtigung des Vorwissens, um passende Lerninhalte einzugrenzen.
Zusammenfassend können gute adaptive Lernsysteme:
- Lernziele, Lerninhalte und Lerngeschwindigkeit konfigurieren
- Inhalte an die Persönlichkeit und Persönlichkeitsmerkmale anpassen
- Lernpfade an das aktuelle Kompetenzniveau adaptieren und individuellen Unterstützungsbedarf im „Moment of Need“ anbieten
- Lern- und Zeitpläne an Benutzerbedürfnisse anpassen
Was wird zukünftig möglich sein?
Wann die Vision von kognitiven Lernsystemen erreicht wird, ist noch nicht absehbar. Adaptive Lernsysteme werden sich in den nächsten Jahren schnell weiterentwickeln und insbesondere anhand der gesammelten Daten größere Personalisierungen befördern. Dabei werden Lernsysteme auf Erfahrungen ihrer Nutzenden reagieren und zum Beispiel selbstständig erkennen, wenn ein Generationswandel andere Personalisierungen verlangt.
Stellen wir uns einen Lehrer vor, der seine Schüler mit all ihren Eigenschaften kennt und sich auf jeden zu 100 Prozent einstellt.
Personalisierte Lernerfahrungen und kognitive Systeme, die die Stärken, Schwächen und Vorlieben der Lernenden verstehen und auf ihre Bedürfnisse eingehen, werden sich weiterentwickeln und können die Norm werden.
Die Einwilligung der Lernenden, ihre Daten zu speichern und offen für Personalisierungen zu sein, wird ein Schlüsselfaktor für die Weiterentwicklung von adaptiven Lernsystemen sein. Durch die gemeinsame Verarbeitung persönlicher Informationen und technischer Daten von Lernsystemen können Algorithmen zukünftigen Nutzenden effizienteres Lernen und persönlichere Lernerfahrungen bieten.
Die Analyse und die Verarbeitung dieser Daten bergen allerdings auch Risiken. Deswegen müssen wir uns zukünftig mit der Frage beschäftigen, an welcher Stelle wir technologieoffen lernen und wo wir Grenzen setzen.
2. Methodische Einbettung
KI revolutioniert die uns bekannten Lernkonzepte. Es können neue Tools für Textzusammenfassungen, Interpretation, Sprache-zu-Text und Text-zu-Sprache realisiert werden. Das erhöht die Personalisierung, Anpassungsfähigkeit und inklusive Nutzung von Lerninhalten. Zudem können durch KI passive Lernansätzen wie die reine Aufnahme von Informationen durch aktivere Praktiken wie Abrufen, Reflektieren oder das Verknüpfen von Informationen ersetzt werden.
n der für Learning & Development (L&D) zuständigen Abteilung kann das Personal das Verhalten und die Fortschritte der Lernenden durch integrierte KI in Lernsystemen in Echtzeit analysieren. Basierend auf diesen Daten kann das System die Lerninhalte direkt anpassen. Das stärkt die Motivation und das Engagement der Lernenden, und verbessert die Effizienz des gesamten Lernprozesses. Zudem können verschiedene KITechnologien individuelle Lernpräferenzen, Wissensstände und Lernfortschritte der Lernenden erfassen. Mit diesen Daten können personalisierte Lernpfade, die den individuellen Bedürfnissen der Lernenden gerecht werden, erstellt werden. Durch die Analyse der Mitarbeitenden-Daten können generative KI-Tools somit Empfehlungen für notwendige Weiterbildungen geben oder passendere Reflexionsfragen stellen. So können sich Mitarbeitende ohne neue vorgefertigte Programme gezielter und effektiver entwickeln.
Welche Faktoren müssen beim Einsatz von KI berücksichtigt werden?
Um Künstliche Intelligenz erfolgreich im Corporate Learning zu nutzen, müssen wir klären, welche Voraussetzungen und Kompetenzen Lernende brauchen, um mit einer KI zu interagieren. Dazu sollte zwischen drei Ebenen unterschieden werden: der Ebene der Unternehmen (Organisation), der Ebene der Verantwortlichen und Führungskräfte, und der Ebene der Lernenden.
1. Ebene: die Unternehmen (Organisation)
Immer mehr Unternehmen erkennen die Wichtigkeit von L&D. Inzwischen ist der Bereich oft auch in Vorstandsebenen vertreten. Das zeigt die strategische Relevanz von L&D im Kontext disruptiver Veränderungen. Eine erste Grundvoraussetzung ist die Definition einer unternehmensweiten Lernstrategie. Sie legt fest, wohin sich ein Unternehmen und dessen Kernkompetenzen entwickeln werden, motiviert die Belegschaft individuelle Lernvorhaben um KI zu ergänzen und etabliert den KI-Einsatz im L&D-Bereich.
Die zweite Voraussetzung ist eine aktiv gelebte Lernkultur, die Innovation und Experimentieren fördert. Zu ihr gehört eine gewisse Unsicherheit durch die stetige technologische Weiterentwicklung, sowie das Ausprobieren und Scheitern in der Zusammenarbeit mit KI. Unternehmen müssen Grundlagen schaffen, um eine solche aktive Lernkultur zu etablieren. Dazu sollte sie gezielt und mit konkreten Idealen kommuniziert werden.
Weitere Voraussetzungen sind eine unternehmensweite KI-Strategie, technische Rahmenbedingungen und geeignete Ressourcen. Damit KI-gestützte Anwendungen funktionieren bzw. ihre volle Wirksamkeit entfalten, braucht es eine unternehmensweite KI-Strategie. Sie sollte sich mit der Unternehmensvision und den Zielen der Lernstrategie decken, und gleichzeitig Datenströme und die Interoperabilität von Systemen ganzheitlich im Blick behalten. Ergänzend benötigen Unternehmen eine robuste technische Infrastruktur, die KI-basierte Werkzeuge und Plattformen unterstützen kann. Außerdem muss sichergestellt werden, dass der Datenschutz und die Sicherheit der Lernenden gewährleistet sind. Zuletzt müssen ausreichend finanzielle Mittel und Ressourcen bereitgestellt werden, um KI-Systeme zu implementieren und instand zu halten
2. Ebene: Verantwortliche & Führungskräfte
Wie bei jeder neuen Technologie hängt der Erfolg beim Lernen mit Künstlicher Intelligenz von der Technologieoffenheit ab. Neue Technologien können nur verstanden werden, wenn man sich mit ihnen beschäftigt und sie ausprobiert.
Verantwortliche und Führungskräfte müssen verstehen, dass der Umgang mit KI einen eigenen Lernprozess benötigt. Die Kompetenzerweiterung setzt voraus, dass den Lernenden und Nutzenden genug Zeit und geeignete Angebote zur Verfügung gestellt werden.
Der Wandel zum Lernen mit KI wird erleichtert, wenn Verantwortliche und Führungskräfte als Botschafter und Vermittler wirken, indem sie das Lernen mit KI vorleben. So werden Barrieren gebrochen, Vertrauen geschafft und das Lernen mit KI demokratisiert.
Die Verantwortlichen müssen ebenfalls sicherzustellen, dass die Nutzung von KI im Einklang mit lokalen und internationalen Gesetzen und Normen erfolgt. Das beinhaltet z. B. die Einhaltung der Datenschutzgrundverordnung (DSGVO) sowie anderer relevanter Rechtsvorschriften. Das kann teilweise über die Konfiguration erfolgen. Da es zu Anpassungen an den Gesetzen kommen kann, sollte zudem ein ständiges Monitoring erfolgen. Was die Verarbeitung personenbezogener Daten betrifft, gilt die Einhaltung der DSGVO für alle KI-Tools und -Systeme. Die Prinzipien der Datensparsamkeit, Zweckbindung und Transparenz müssen also beachtet werden. Es muss geprüft werden, ob personenbezogene Daten überhaupt verwendet werden müssen und wenn ja, in welchem Umfang. Alternativ können Daten auch pseudonymisiert oder anonymisiert werden.
Gerade beim Einsatz von generativer KI werden ethische Überlegungen zu Fairness, Transparenz und der Vermeidung von Bias immer wichtiger. Der Gleichbehandlungsgrundsatz muss gewahrt werden, KI-basierte Entscheidungen also frei von Diskriminierung sein. Bei der Generierung von Texten, Bildern, Audios und Videos durch KI ist also zu prüfen, dass keine Vorurteile fortgeschrieben und durch Verbreitung dieser Inhalte verstärkt werden, sondern Darstellungen vielfältig sind. Unternehmen sollten eigene ethische Richtlinien für den Einsatz von KI entwickeln, die die Arbeit von KI-Systemen fair und transparent gestalten, und diese einhalten. So können Diskriminierung, Ausgrenzung und die Verbreitung von Vorurteilen vermieden und werden.
Um all diese Punkte zu erfüllen und die Tools effektiv einzusetzen, muss das L&D-Personal entsprechend qualifiziert werden. Hierzu gehören AI Literacy, ein Verständnis von Möglichkeiten und Herausforderungen, und die Möglichkeit, die Tools selbst auszuprobieren. Nur so können Use Cases identifiziert und rechtssicher umgesetzt werden. Eine ständige Fortbildung und der Austausch mit anderen Abteilungen sorgen für einen nachhaltigen Einsatz. Hiervon profitieren neben den Lernenden auch die L&D-Abteilungen selbst.
3. Ebene: die Nutzenden & Lernenden
Die Lernenden müssen die Philosophie des Lebenslangen Lernens verstehen. Das Lernen mit KI verlangt die Bereitschaft, Offenheit und Anpassungsfähigkeit, sich mit Neuem auseinanderzusetzen. Das kann das Verlassen der Komfortzone erfordern. Relevant ist außerdem, dass sich mit dem Einsatz von Technologien die Halbwertszeit von Fachwissen verändert: Je fortgeschrittener die Technologie, desto geringer die Halbwertszeit. Aktuell liegt diese Zeit bei drei bis fünf Jahren. Nutzende müssen Inhalte also gezielt wiederholen und auffrischen, und bereit sein, das Lernen in den Alltag zu integrieren.
Ein weiterer wichtiger Faktor beim Lernen mit KI ist das Feedback für die Lernenden. Sie sollten sich bewusst für KI-Systeme entscheiden, die beispielsweise Feedback zum Stand und der Entwicklung des Lernerfolgs geben können.
Lernende sollten sich bewusst sein, dass KI individuell fördern und sich auf Persönlichkeiten und spezielle Lernbedürfnisse einstellen kann. Dazu braucht es aber Vertrauen in die Organisation, den KI-Einsatz und in den Lernprozess. Liegt dieses Vertrauen vor, können individuelle Lernziele definiert, selbst gesteuertes Lernen ermöglicht und optimale individuelle Lernförderung angeboten werden.
3. Einsatzszenarien von KI im Corporate Learning
Die Einsatzgebiete von KI in den L&D-Abteilungen von Unternehmen sind vielfältig. Sie reichen von der Erstellung von Lerninhalten, über die automatische Adaption von Kursen an den Lernstand des Lernenden, bis hin zur Analyse von Lernstandsdaten. Im Folgenden werden verschiedene Einsatzszenarien beschrieben:
Im personalisierten Lernen sorgt KI für eine maßgeschneiderte Lernmöglichkeit, die sich an die jeweilige Rolle des Nutzenden anpasst und individuelle Empfehlungen gibt.
Adaptives Lernen geht noch weiter und reicht von einfachen Vortests bis zu fortschrittlichen maschinellen Lernalgorithmen. Mithilfe dieser Daten und Algorithmen passen sich Kurse und Inhalte an die Bedürfnisse der Lernenden an. In besonders fortgeschrittenen Systemen können Nutzende so maßgeschneidert wie mit einem persönlichen Tutor lernen. Individuelle Anpassungen können dabei vor, während und nach einem Kurs erfolgen.
Ein weiteres Szenario ist die Unterstützung bei der Karriereplanung von Mitarbeitenden. KI kann hierfür personalisierte Lernwege erstellen oder Lernempfehlungen anbieten, die einen Mitarbeitenden optimal auf eine neue Position vorbereiten. Durch Benchmarking und Entwicklungsempfehlungen können Mitarbeitende gezielt auf Softskills und zukünftige Techniken vorbereitet werden.
Skill-Kompetenz-Management-Systemen können im Profil des Mitarbeitenden und bei Lerninhalten Skills und Kompetenzen abbilden und darstellen. Das unterstützt die Nachverfolgung und Entwicklung von Fähigkeiten und macht sie direkt sichtbar.
KI kann tägliche Learning-Empfehlungen auf verschiedenste Nutzende zuschneiden. Diese basieren auf dem individuellen Lernverhalten und den jeweiligen Präferenzen des Nutzenden. Um passende Inhalte bereitzustellen, werden dazu auch vergangene Interaktionen und Lernerfolge analysiert.
LLMs zum Daily Learning können als persönliche Lernbegleiter und Sparringspartner eingesetzt werden. Sie können Nutzenden individuelle und passende Beispiele liefern und komplexe Sachverhalte näher erläutern. Zudem können sie Aufgaben aus dem Arbeitsalltag stellen, um Erlerntes zu festigen.
Lernende können durch KI Echtzeit-Feedback zu ihrem Lernfortschritt erhalten. Dabei werden absolvierte Kurse, erreichte Lernziele und weitere Faktoren einbezogen. Durch die Analyse der Daten und die Erkennung von Mustern lassen sich Stärken und Schwächen des Nutzenden identifizieren. Darauf basierend können Feedback und Verbesserungsvorschläge gegeben werden.
Generative KI kann zur Unterstützung der L&D-Abteilung eingesetzt werden. Zum Beispiel können sich Mitarbeitende aus konzipierten Lerninhalten eine Struktur für einen E-Learning-Kurs erstellen lassen. Zudem kann eine KI Sprechtexte für Videos, Bilder oder ganze Videos generieren und damit die Produktion von E-Learnings unterstützen. Für bereits erstellte Inhalte kann eine KI Quizfragen zur Überprüfung des Gelernten erstellen.
Wie generative KI die Mitarbeitenden von L&D-Abteilungen sonst noch unterstützen kann, fasst das folgende Cheat Sheet zusammen. Die Möglichkeiten wachsen stetig und täglich kommen neue Tools und Einsatzmöglichkeiten dazu.
Eine ausführliche Erläuterung finden Sie im Cheat Sheet unseres Leitfadens.
