| |
|
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 #16 | 22.09.2026 | Von: Friedl Wynants |
| |
|
 |
| |
| Alle nutzen KI. Warum läuft es im Team trotzdem nicht rund? |
| |
Stellen wir uns ein L&D-Team vor, das ein neues Vertriebstraining entwickelt. Ein KI-Agent sammelt Produktinformationen, gleicht Lernmaterialien ab und erstellt einen Konzeptvorschlag. Eine Kollegin arbeitet ihn aus, ein Fachexperte prüft die Inhalte.
Die Vorarbeit ist schnell erledigt. In der Abstimmung zeigt sich allerdings: Der Agent hat eine ältere Produktbeschreibung verwendet. Die Kollegin hielt die Quellen bereits für geprüft. Der Fachexperte weiß nicht, dass sich die Zielgruppe verändert hat. Alle haben ihren Teil bearbeitet. Trotzdem muss das Team zurück an den Anfang.
Wer eine einzelne Aufgabe beschleunigt, verbessert damit noch nicht den gesamten Arbeitsablauf. Im ungünstigen Fall entsteht anderswo mehr Arbeit durch zusätzliche Prüfungen, Rückfragen und Korrekturen.
Was sich mit Agenten verändert
Wer KI einen Text überarbeiten lässt, steuert meist noch jeden nächsten Schritt selbst. Ein Agent kann innerhalb vorgegebener Grenzen mehrere Arbeitsschritte übernehmen. Damit verändert sich auch, wann Menschen Einblick bekommen und eingreifen.
Im Beispiel müsste das Team erkennen können, welche Quellen verwendet wurden, was bereits geprüft ist und welche Fragen offen sind. Schnellere Vorarbeit braucht weiterhin sorgfältige Prüfung.
Die Frage „Wie führen wir KI-Agenten?“ greift deshalb zu kurz. Agenten brauchen kein Motivationsgespräch. Menschen brauchen aber Orientierung, wenn sich ihre Aufgaben verändern. Wer bisher selbst recherchiert hat, soll künftig vielleicht vor allem Ergebnisse beurteilen. Das verlangt andere Fähigkeiten und ist nicht automatisch einfacher.
Dazu passt Microsofts Work Trend Index 2026: Der wahrgenommene Nutzen von KI hing in der Befragung stärker mit organisatorischen Bedingungen wie Führung und Unternehmenskultur zusammen als mit individuellen Einstellungen und Verhaltensweisen.
Was heißt das für L&D?
KI-Kompetenz muss auch gemeinsam im Team entstehen. Mitarbeitende können einzeln gut mit einem Tool umgehen und trotzdem unterschiedliche Vorstellungen davon haben, wann ein Ergebnis verwendbar ist.
L&D kann diese Unterschiede an echten Aufgaben sichtbar machen. Etwa, indem ein Team den Konzeptvorschlag eines Agenten gemeinsam prüft: Welche Aussagen würden wir übernehmen? Wo brauchen wir einen Beleg? Welche Information fehlt für die Zielgruppe?
Dabei zeigt sich, ob Fachkenntnisse fehlen, Prüfkriterien unklar sind oder der Agent entscheidende Informationen nicht hatte. Daraus folgen unterschiedliche Maßnahmen. Ein weiteres KI-Training löst schließlich keine ungeklärte Zuständigkeit.
L&D kann solche Lernprozesse gestalten. Führungskräfte müssen die Zuständigkeiten klären und Zeit für Prüfung und Austausch einplanen.
Wie fange ich an?
Wählen Sie gemeinsam mit einem Team einen überschaubaren Arbeitsprozess aus. Halten Sie fest, wer bisher was erledigt und welche Aufgaben künftig ein KI-Agent übernehmen könnte.
Klären Sie dabei die Übergaben: Wer gibt dem Agenten den Auftrag und die nötigen Informationen? Wer prüft sein Ergebnis und arbeitet damit weiter? Wann muss der Agent die Bearbeitung unterbrechen und eine zuständige Person hinzuziehen?
Vier Fragen für diesen Check finden Sie unten👇 im AI-Hack.
Unterm Strich: Ob KI ein Team besser macht, zeigt sich daran, wie gut Menschen mit den Ergebnissen weiterarbeiten können. Genau diese Zusammenarbeit müssen Teams lernen. |
| |
|
 |
| |
| 2 Mythen über die Zusammenarbeit mit KI-Agenten |
| |
- „Jeder im Team kann einfach seinen eigenen Agenten nutzen.“ → ja und nein
Solange jeder für sich arbeitet: vielleicht. Sobald andere auf den Ergebnissen aufbauen, braucht es gemeinsame Spielregeln. Welche Quellen gelten? Welche Ergebnisse müssen überprüft werden? Wo werden Zwischenstände dokumentiert? Sonst entstehen verschiedene KI-Arbeitsweisen nebeneinander und niemand weiß mehr genau, worauf er sich verlassen kann.
- „Am Ende schaut einfach noch einmal ein Mensch drauf.“ → nein
Ein sinnvoller Human-in-the-Loop bindet Menschen gezielt in den Arbeitsprozess ein: Sie prüfen Ergebnisse und greifen ein, bevor auf dieser Grundlage weitergearbeitet wird. „Jemand prüft das“ klingt beruhigend, ist aber unkonkret. Wer prüft was? Nach welchen Kriterien? Und bei welchen Ergebnissen reicht ein kurzer Check nicht aus?
|
| |
|
 |
| |
| Der Team-Übergabe-Check |
| |
Wenn ein KI-Agent Teil eines Arbeitsprozesses wird, lohnt sich ein kurzer Check der Übergaben. Gehen Sie einen konkreten Arbeitsablauf im Team durch und klären Sie dabei vier Fragen:
- Start: Wer gibt dem Agenten welche Aufgabe? Nicht nur das Ziel klären, sondern auch den Kontext: Welche Informationen braucht der Agent, welche Quellen darf er nutzen und was gilt als gutes Ergebnis?
- Aufgabe: Was erledigt der Agent selbst und was ausdrücklich nicht? Recherche, Zusammenfassung oder Vorbereitung ist etwas anderes als eine Entscheidung auszulösen. Die Grenze sollte vorher klar sein.
- Übergabe: Wer übernimmt das Ergebnis? Festlegen, wer prüft, ergänzt oder weiterarbeitet und welche Informationen dabei mitgegeben werden müssen.
- Qualität: Woran erkennen wir, dass das Ergebnis brauchbar ist?
Klare Prüfkriterien vereinbaren: Ist das Ergebnis vollständig? Sind die Quellen nachvollziehbar und die Aussagen plausibel? Außerdem vorher festlegen, in welchen Fällen der Agent die Bearbeitung unterbrechen und eine menschliche Entscheidung einholen soll, etwa bei widersprüchlichen Angaben oder fehlenden Pflichtinformationen.
Ein mögliches Beispiel aus L&D: Ein Agent wertet Feedbackdaten aus und identifiziert wiederkehrende Lernbedarfe. Eine Führungskraft oder L&D prüft die Muster und priorisiert. Erst danach wird entschieden, ob daraus tatsächlich eine Lernmaßnahme entsteht.
Der Hack dahinter ist simpel: Nicht (nur) den Agenten testen, sondern die Übergaben testen. |
| |
|
 |
| |
| KI ist angekommen. Weiterbildung hinkt hinterher. |
| |
Laut IAB-Betriebspanel 2025 boten nur 27 Prozent der deutschen Betriebe, die generative KI bereits einsetzten, ihren Beschäftigten entsprechende Weiterbildungen oder Schulungen an. Weitere 21 Prozent planten solche Maßnahmen. Bei 52 Prozent gab es weder ein entsprechendes Angebot noch konkrete Pläne dafür.
Das zeigt: KI verbreitet sich schneller als die systematische Befähigung dazu. Für L&D ist das eigentlich eine Steilvorlage. Denn je stärker KI Teil der täglichen Arbeit wird, desto weniger reicht ein einmaliges „So funktioniert ChatGPT“-Training. Entscheidend wird die Frage: Wie nutzen Mitarbeitende KI gut in ihrer konkreten Rolle und ihren tatsächlichen Arbeitsprozessen?
🔗 Quelle: https://now.you-know.de/e/811453/utschland-nutzt-generative-ki-/d2vsq/1656640266/h/psAePzmDmx2JfcYY1Q-C5YPGEaN-Bhi3UNC8gqdfhuA |
| |
| Aus ChatGPT wird immer öfter Branchen-Software |
| |
OpenAI hat gerade ChatGPT for Financial Services vorgestellt. Dahinter steckt nicht einfach ChatGPT mit ein paar Finanz-Prompts: Das System bringt spezialisierte Finanzdaten mit, kann auf Unternehmensvorlagen für Excel, Word oder PowerPoint zurückgreifen und ist gezielt für Workflows wie Research, Finanzmodelle oder Kundenunterlagen gebaut.
KI wird zunehmend vertikal: Aus einem allgemeinen Assistenten werden Lösungen, die Daten, Regeln und typische Arbeitsabläufe einer Branche bereits kennen. Für L&D stellt sich damit die Frage, wie Lernangebote mit solchen branchenspezifischen Arbeitsabläufen Schritt halten.
🔗 Quelle: https://now.you-know.de/e/811453/ng-chatgpt-financial-services-/d2vst/1656640266/h/psAePzmDmx2JfcYY1Q-C5YPGEaN-Bhi3UNC8gqdfhuA |
| |
|
 |
| |
| Wenn KI vorarbeitet: Wo lernen wir noch voneinander? |
| |
Je mehr KI-Agenten Aufgaben übernehmen, desto effizienter können Teams werden. Ich frage mich allerdings, ob dabei nicht auch etwas verloren gehen kann.
Viele Lernmomente im Arbeitsalltag entstehen nebenbei: beim gemeinsamen Durchdenken eines Problems, bei einer Rückfrage, beim Blick auf einen unfertigen Entwurf oder in dem Moment, in dem jemand sagt: „Das würde ich anders machen.“
Wenn Agenten immer mehr Vorarbeit übernehmen und fertige Ergebnisse weiterreichen, könnten solche Gespräche seltener werden. Dann bekommen wir auch weniger davon mit, wie andere an eine Aufgabe herangehen und warum sie sich für eine bestimmte Lösung entscheiden.
Das muss nichts Schlechtes sein. Im Gegenteil: Wenn Routinearbeit wegfällt, bleibt im besten Fall mehr Zeit für Austausch und echte Zusammenarbeit.
Aber das passiert nicht automatisch.
Wenn wir Arbeit mit Agenten neu organisieren, sollten wir deshalb nicht nur fragen: Wo werden wir schneller? Sondern auch: Wo lernen Menschen heute voneinander und was davon wollen wir bewusst erhalten?
Wahrscheinlich ist das am Ende eine der spannendsten Aufgaben für L&D: Menschen für die Zusammenarbeit mit KI zu befähigen und zugleich Gelegenheiten zu erhalten, in denen sie voneinander lernen.
Fragen Sie doch in Ihrer nächsten Teamrunde: Was haben wir zuletzt voneinander gelernt, während wir gemeinsam an einer Aufgabe gearbeitet haben? Die Antworten könnten zeigen, was auch mit KI im Team seinen Platz behalten sollte. |
| |
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 |
| |
|
|
