| |
|
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 #3 | 24.03.2026 | Von: Friedl Wynants |
| |
|
 |
| |
| Die KI ist nicht das Problem. Das Wissen ist es! |
| |
Viele KI-Assistenten handeln im Alltag noch wie ein sehr kluger Praktikant mit Gedächtnisverlust: schnell, eloquent, hilfsbereit – aber jeden Morgen weiß er wieder nicht, was bei euch eigentlich gilt.
Genau das ist gerade in vielen Organisationen ein Problem. Die Tools werden besser. Aber die Antworten bleiben oft generisch, widersprüchlich oder überraschend unbrauchbar, sobald es konkret wird. Nicht, weil die KI zu schwach wäre – sondern weil ihr das fehlt, was in Organisationen am schwersten greifbar ist: verlässliches (organisationsspezifisches) Wissen.
Gemeint ist nicht nur dokumentiertes Wissen in PDFs, Wikis oder Prozessbeschreibungen. Sondern auch das Wissen, das heute noch in Köpfen steckt: Erfahrungswerte, Sonderfälle, sprachliche Feinheiten, informelle Regeln. Also all das, was neue Kolleginnen und Kollegen sich sonst nur über die Zeit erschließen.
Dafür braucht es eine saubere Wissensbasis für KI. Wir nennen das einen Knowledge Layer: so etwas wie das Organisationsgedächtnis, auf das Assistenten, Agenten und Workflows zugreifen können.
Im Fachjargon spricht man von Grounding: Modelle werden mit verifizierbaren, organisationsspezifischen Quellen verbunden. Erst dann wird aus allgemeiner KI ein wirklich nützlicher Assistent.
Was heißt das für L&D?
Wenn Wissen zur Grundlage für KI wird, verschiebt sich auch die Rolle von L&D: weg vom Content-Erstellen – hin zur Frage, wie Wissen so aufbereitet wird, dass Menschen und KI damit arbeiten können.
Anders gesagt: vom Content-Studio zur Knowledge Engine. L&D muss dafür nicht alle Unternehmensdaten besitzen. Aber L&D kann helfen, Wissen nutzbar zu machen und implizites Wissen von Expertinnen und Experten sichtbar zu machen.
Wie der Einstieg gelingt:
Am besten nicht gleich mit einem Großprojekt starten. Praktischer ist dieser Weg:
- Einen abgegrenzten Wissensbereich mit echtem Schmerz wählen
Also ein Thema, bei dem Fragen ständig wiederkommen, Fehler teuer sind oder kritisches Wissen an Einzelpersonen hängt.
- Wissen in nutzbare Form bringen
Was ist aktuell, was darf die KI verwenden? Und: Wie wird aus Dokumenten wirklich nutzbares Wissen? Nicht einfach Dateien ablegen, sondern FAQs, Entscheidungshilfen, Beispiele und klare Begriffsklärungen daraus machen.
- Wo Erfahrungswissen im Spiel ist: Expertinnen und Experten befragen
Gerade Sonderfälle, Erfahrungswerte und typische Missverständnisse sind oft nirgends sauber dokumentiert.
- Erst dann einen konkreten Use Case aufsetzen
Zum Beispiel einen Wissensassistenten oder Knowledge-Chatbot für dieses klar abgegrenzte Thema.
Unterm Strich: Der Knowledge Layer ist kein Technikdetail, sondern die Grundlage dafür, dass KI im Arbeitsalltag wirklich relevant, verlässlich und wirksam wird. |
| |
|
 |
| |
| 2 Mythen über Knowledge Layer |
| |
- „Der Knowledge Layer ist ein IT-Thema.“ → Nein.
Die IT kann die Infrastruktur bauen. Aber jemand muss Wissen so aufbereiten, dass Menschen und KI damit arbeiten können – und das sollte jemand sein, der sich mit explizitem und implizitem Wissen auskennt.
- „Wenn wir unsere Dokumente zentral ablegen, haben wir schon einen Knowledge Layer.“ → Nein.
Ein Dateiablageort ist noch kein Organisationsgedächtnis. Entscheidend ist, dass Wissen gültig, strukturiert und für konkrete Fragen nutzbar ist – sonst greift KI nur auf einen schöner sortierten Dokumentenhaufen zu.
|
| |
|
 |
| |
| KI-Agenten können jetzt auch WBTs durchklicken |
| |
Die ersten agentischen KI-Systeme können Weboberflächen selbst bedienen – also klicken, scrollen, Formulare ausfüllen und mehrstufige Aufgaben erledigen. In Tests liefen solche Agenten bereits durch Online-Trainings inklusive Quiz. Ethena berichtet, dass ChatGPT Agent Mode Compliance-Trainings ohne menschliches Zutun absolvieren konnte. In einem weiteren Test durchlief OpenAI Operator ein Safety-Training samt Abschlusstest – und erreichte 88 Prozent.
Spätestens jetzt wird klar: Completion ist kein verlässlicher Wirkungsnachweis mehr.
🔗 Quelle: https://now.you-know.de/e/811453/d-employees-ai-do-it-for-them-/cszzy/1596900286/h/pi36gbB9L6-wJ3HP2aOQ4ytxttKHZ_zfnySZhtnlkdY |
| |
| AI-Literacy wird zum Standortthema |
| |
Google hat diese Woche „AI Works for Europe“ gestartet – eine Initiative, die gezielt KI-Kompetenzen in Europa aufbauen soll.
Der Hintergrund: AI-Skills entwickeln sich gerade zur Basiskompetenz und ein signifikanter Teil der Jobs setzt heute schon entsprechende Fähigkeiten voraus – Tendenz steigend.
Damit verschiebt sich die Perspektive: AI-Literacy ist nicht mehr nur eine Frage von Weiterbildung. Sondern eine Frage von Wettbewerbsfähigkeit.
Dass Google dafür ein standardisiertes Zertifikat in zehn europäischen Sprachen einführt und zusätzlich einen Fördertopf von 30 Mio. Dollar aufsetzt, zeigt: Hier geht es nicht um einzelne Trainings. Sondern um den systematischen Aufbau von Fähigkeiten im großen Maßstab.
🔗 Quelle: https://now.you-know.de/e/811453/le-europe-ai-works-for-europe-/ct112/1596900286/h/pi36gbB9L6-wJ3HP2aOQ4ytxttKHZ_zfnySZhtnlkdY |
| |
|
 |
| |
| KI ist vielleicht gerade da, wo die Dampfmaschine einmal war |
| |
An einem Gedanken aus einem SZ-Artikel (leider nicht frei zugänglich) bin ich diese Woche hängen geblieben: Die Dampfmaschine hat die Welt verändert, lange bevor die Thermodynamik erklären konnte, warum und wie sie eigentlich funktioniert.
Genau diesen Vergleich zieht die Autorin für heutige Sprachmodelle: LLMs verändern längst, wie wir suchen, schreiben, lernen und entscheiden – und gleichzeitig verstehen wir wissenschaftlich noch erstaunlich wenig davon, warum sie so funktionieren, wie sie funktionieren.
Mich beschäftigt daran vor allem: Wir bauen gerade immer mehr Prozesse, Lernangebote und Entscheidungen auf Systeme, deren innere Logik wir noch gar nicht wirklich verstanden haben. Das ist kein Grund, KI kleinzureden. Aber vielleicht ein guter Grund für einen bewussteren Umgang – und dafür, KI nicht nur als Tool-Frage zu behandeln, sondern auch als Technologie, die wir gerade erst beginnen zu verstehen.
Oder anders gesagt: Wir nutzen sie längst. Aber verstehen sie noch nicht. |
| |
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 unsgerne oder vernetzen Sie sich mit unseren KI-Experten auf LinkedIn.
|
|
|
| |
Ausgabe verpasst?
Alle bisherigen Newsletter finden Sie im Archiv |
| |
|
|
