| |
|
Alle zwei Wochen filtern wir das KI-Rauschen und bringen auf den Punkt, was für Learning & Development wirklich zählt: relevante Entwicklungen, Tool-Checks, Mini-Hacks und vieles mehr.
|
| |
|
| |
| Ausgabe #15 | 08.09.2026 | Von: Friedl Wynants |
| |
|
 |
| |
| Der KI-Output wird besser. Die Kompetenz dahinter unschärfer. |
| |
KI macht Wissensarbeit sichtbar besser: Texte sind strukturierter, Präsentationen klarer, Mails professioneller und erste Konzepte schneller auf einem soliden Niveau.
Das ist erstmal eine gute Nachricht, aber es gibt eine interessante Nebenwirkung: Je besser KI den Output macht, desto schwerer wird es zu erkennen, wie viel Kompetenz eigentlich dahintersteckt.
Denn viele Signale, anhand derer wir Leistung bisher beurteilt haben, liegen genau an dieser Oberfläche: Wer formuliert klar? Wer strukturiert Gedanken sauber? Wer liefert einen guten ersten Entwurf? Wer erkennt Zusammenhänge und arbeitet Aufgaben eigenständig aus?
KI hilft heute an fast all diesen Stellen.
Zwei Personen können deshalb am Ende ähnlich gute Ergebnisse abliefern, obwohl die eine das Thema wirklich durchdrungen hat und die andere vor allem sehr geschickt mit KI gearbeitet hat.
Was heißt das für L&D?
Wir müssen genauer unterscheiden zwischen Leistung und Kompetenz. Ein gutes Ergebnis zeigt künftig vielleicht zuverlässig, dass jemand mit den verfügbaren Werkzeugen eine Aufgabe lösen kann. Es zeigt aber nicht automatisch, was die Person selbst verstanden hat, ob sie Zusammenhänge beurteilen oder auf eine neue Situation übertragen kann.
Doch genau das ist für die Entwicklung ja entscheidend. Deshalb sollten wir bei Lernaufgaben, Feedback und Entwicklungsdialogen weniger auf das fertige Ergebnis schauen, sondern stärker auf den Weg dorthin:
Kann jemand erklären, warum eine Entscheidung getroffen wurde? Erkennt die Person Schwächen im KI-Output? Kann sie Alternativen gegeneinander abwägen? Und weiß sie, wann sie der KI besser nicht folgen sollte?
Wie fange ich an?
Schon eine kleine Änderung hilft: Bei KI-unterstützten Aufgaben nicht nur das Ergebnis abgeben, sondern ein oder zwei Reflexionsfragen ergänzen. Zum Beispiel: Was war die wichtigste Entscheidung, die du selbst getroffen hast? Oder: An welcher Stelle musstest du die KI korrigieren oder ihr widersprechen?
Unterm Strich: KI kann unsere Leistung verbessern, ohne dass unsere Kompetenz im gleichen Maß wächst. Für L&D heißt das, genau hinzuschauen und neu zu denken, woran wir Entwicklung wirklich erkennen. |
| |
|
 |
| |
| 2 Mythen über Kompetenz im KI-Zeitalter |
| |
- „Wer viel mit KI arbeitet, verlernt automatisch das eigene Denken.“ → Nein.
KI kann Denkarbeit abnehmen, sie kann sie aber genauso gut anregen. Der Unterschied liegt in der Nutzung: Wer sich nur fertige Antworten geben lässt, trainiert wenig. Wer KI nutzt, um Gegenargumente zu suchen, Annahmen zu hinterfragen oder Alternativen durchzuspielen, kann sogar intensiver denken als zuvor. KI macht uns also nicht automatisch schlauer oder dümmer. Entscheidend ist, welche Rolle wir ihr im Denkprozess geben.
- „KI-Kompetenz heißt auch: gut prompten können.“ → Zu kurz gedacht.
Prompting hilft, aber je selbstverständlicher KI wird, desto wichtiger werden andere Fähigkeiten: ein Problem richtig einordnen, der KI den passenden Kontext geben, Ergebnisse kritisch prüfen und gute von schlechten Vorschlägen unterscheiden. Die eigentliche KI-Kompetenz zeigt sich also nicht darin, möglichst ausgefeilte Prompts zu schreiben, sondern darin, gute Entscheidungen mit KI zu treffen.
|
| |
|
 |
| |
| Der 3-Minuten-Check für KI-unterstützte Arbeit |
| |
Wenn KI bei einer Aufgabe mitgearbeitet hat, helfen drei kurze Fragen, um nicht nur das Ergebnis zu sehen, sondern auch die Qualität der Arbeit dahinter:
- Was war die wichtigste Entscheidung, die du selbst getroffen hast?
Zeigt, wo menschliches Urteil tatsächlich gefragt war.
- Wo war die KI falsch, zu oberflächlich oder nicht überzeugend?
Wer Schwächen erkennt, zeigt, dass er den Output nicht einfach übernimmt.
- Was würdest du beim nächsten Mal anders machen?
Macht Reflexion und Lernfortschritt sichtbar.
Das funktioniert in Lernaufgaben genauso wie in Reviews, Feedbackgesprächen oder im Coaching. Und das Schöne: Es reichen drei Minuten mehr Gespräch, um deutlich besser zu verstehen, was jemand wirklich kann. |
| |
|
 |
| |
| KI verändert, was Arbeitgeber unter „guter Arbeit“ verstehen |
| |
Eine aktuelle Studie zeigt: Generative KI senkt die Bedeutung menschlicher Expertise nicht, sondern sie legt die Messlatte höher. Wenn KI Routineaufgaben übernimmt, werden Fähigkeiten wichtiger, die sich schwerer automatisieren lassen: über den eigenen Fachbereich hinausdenken, KI sinnvoll einsetzen und Arbeitsweisen neu gestalten.
Also: AI Upskilling darf nicht bei Tool-Nutzung und Prompting stehen bleiben. Gefragt sind Menschen, die mit KI bessere Entscheidungen treffen und Arbeit neu denken können.
🔗 Quelle: https://now.you-know.de/e/811453/-employers-want-from-new-hires/d2br7/1652784741/h/utFjZVChKrtlA8qE6e_og2cUc81OPBe6CnDocfXqqR0 |
| |
| Mehr persönliche Produktivität heißt noch nicht mehr Produktivität fürs Unternehmen |
| |
Das Forschungs- und Beratungsunternehmen Gallup zeigt: Viele Beschäftigte erleben durch KI persönliche Produktivitätsgewinne. Gleichzeitig übersetzt sich diese individuelle Verbesserung noch längst nicht automatisch in echte Produktivität auf Organisationsebene.
Das zeigt die Lücke zwischen individueller Nutzung und tatsächlicher Transformation: Ein schneller geschriebener Text oder eine bessere Präsentation sind noch kein Business Impact.
🔗 Quelle: https://now.you-know.de/e/811453/n-spurs-workforce-changes-aspx/d2brb/1652784741/h/utFjZVChKrtlA8qE6e_og2cUc81OPBe6CnDocfXqqR0 |
| |
|
 |
| |
| Muss Führung wieder näher an die Arbeit ran? |
| |
Wenn ich den Kerngedanken dieser Ausgabe weiterdenke und auf Führung übertrage, lande ich bei einer Erkenntnis: Wenn KI den sichtbaren Output glättet, reicht es für Führungskräfte immer weniger, nur auf Ergebnisse zu schauen.
Denn selbst klare Empfehlungen, gut begründete Priorisierungen oder sauber formulierte Analysen verraten künftig weniger darüber, wie jemand eigentlich gearbeitet hat. Was wurde selbst durchdacht? Wo wurde kritisch geprüft? Wo hat jemand nur übernommen und wo wirklich entschieden?
Eigentlich heißt das: Führung müsste wieder stärker mitbekommen, wie Arbeit entsteht, nicht nur, was am Ende abgegeben wird.
Gleichzeitig arbeiten viele Teams heute hybrid, verteilt und deutlich asynchroner als früher. Im Home-Office sieht man nicht mal eben so, wie jemand an ein Problem herangeht, wo er festhängt, welche Fragen er stellt oder mit wem er sich austauscht.
Das soll kein Plädoyer für mehr Kontrolle oder weniger Home-Office sein. Aber das Spannungsfeld lässt sich nicht leugnen.
Wie gute Führung damit umgehen sollte, weiß ich ehrlich gesagt noch nicht. Mehr gemeinsame Reviews? Mehr Gespräche über Entscheidungen statt Ergebnisse? Andere Formen von Zusammenarbeit?
Ein Patentrezept habe ich nicht. Aber gerade deshalb sollten wir die Frage nicht zu schnell beiseitelegen. |
| |
In diesem Sinne: Weiterdenken lohnt sich!
Viele Grüße
Friedl Wynants |
| |
| |
|
|
|
| |
| |
| 💌 Wenn Ihnen dieser Newsletter hilft, teilen Sie ihn gern im Team oder Netzwerk. Danke, dass Sie die AI in L&D Community weiter wachsen lassen. |
| |
| |
| |
|
Sie möchten tiefer in AI für L&D eintauchen und Insights, Einordnungen und Praxistipps erhalten? Dann schreiben Sie uns gerne oder vernetzen Sie sich mit unseren KI-Experten auf LinkedIn.
|
|
|
| |
Ausgabe verpasst?
Alle bisherigen Newsletter finden Sie im Archiv |
| |
|
|
