| |
|
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 #8 | 02.06.2026 | Von: Friedl Wynants |
| |
|
 |
| |
| Wenn der KI-Pilot zu gut läuft |
| |
Viele KI-Projekte beginnen mit einem guten Gefühl: Ein kleines Team startet einen Pilotversuch, die ersten Ergebnisse sehen ordentlich aus, intern heißt es: „Das funktioniert.“ Und trotzdem landet die Lösung später selten dort, wo sie wirken müsste: im echten Arbeitsalltag.
Eine aktuelle Cloudflight-Studie unter 150 C-Level-Führungskräften in Deutschland zeigt, wie groß diese Lücke ist:
- 71% der Unternehmen starten KI-Projekte ohne klaren Business Case
- 21% hängen in der Testphase fest, ohne erkennbaren Weg in den Alltag
- Nur 29% haben vorab klare Erfolgskennzahlen definiert
Als größtes Hindernis nennen 49% übrigens fehlende Abstimmung zwischen IT, Fachbereich und Compliance. Die Studie hat dafür einen treffenden Begriff: das Dreieck der Lähmung.
Der eigentliche Befund der Studie ist aber subtiler, nämlich: Das Problem ist, dass Piloten zu gut laufen.
Denn Piloten sind auf Erfolg ausgelegt: sauberere Daten als im Alltag, motivierte Early Adopter, kein vollständiger Compliance-Zyklus, kein Fachbereich, der seinen Workflow wirklich ändern müsste. Unter diesen Bedingungen sieht fast jedes KI-System vielversprechend aus. Und dann gilt der erfolgreiche Pilot als Beweis, dass die Organisation bereit ist zu skalieren.
Sie ist es nicht.
Wer wissen möchte, wo die eigene Organisation gerade wirklich steht: Der AI-Reality-Check von youknow macht genau das – strukturiert, in neun Fragen, ohne Berater-Bingo.
Was heißt das für L&D?
Viele L&D-Professionals kennen dieses Muster aus eigener Erfahrung. KI-gestützte Lernassistenten, Wissens-Hubs, Reflexions-Buddies: Viele Ideen starten vielversprechend. Danach wird es schwieriger: Die Zielgruppe ist größer, die Wissensbasis unordentlicher, die Erwartungen werden vielfältiger, Datenschutz und IT müssen mitspielen.
Deshalb sollte ein KI-Use-Case in L&D möglichst früh am echten Arbeitsproblem hängen. Ein guter Ausgangspunkt ist zum Beispiel: „Unsere Servicemitarbeitenden müssen schneller die richtige Antwort finden.“ Oder: „Führungskräfte brauchen nach einem Training kurze Reflexionsimpulse, damit der Transfer nicht nach zwei Wochen versandet.“
Aus unserer Erfahrung funktioniert der Einstieg am besten in kleinen, klaren Schritten:
- Einen konkreten Anwendungsfall wählen – So spitz wie möglich, so breit wie nötig – und am besten von einem Business-Problem mit Erfolgskennzahl ausgehend.
- Einen ersten, schlanken Stand bauen – Den Kernnutzen beweisen, nicht alles auf einmal lösen.
- Früh aus der Nutzung echter User lernen – Die Lösung anhand des Feedbacks einer Pilot-Usergruppe aus dem realen Arbeitsalltag verbessern.
So entstehen KI-Lösungen, die Schritt für Schritt besser werden. Bei unseren Lern-Buddies ist das ein zentraler Erfolgsfaktor: ein klarer Use-Case (noch besser: messbarer Business-Case!), frühes User-Feedback, echte Nutzungssignale und iterative Verbesserung. So entsteht Vertrauen. Vertrauen erzeugt Nutzung und Nutzung erzeugt Skalierung.
Unterm Strich: Der Pilot ist kein Beweis für Skalierbarkeit – er ist der Startpunkt. Was danach entscheidet, ist weniger Technik als Kultur. |
| |
|
 |
| |
| 2 Mythen über KI-Piloten |
| |
- „Wenn der Pilot funktioniert, können wir in der Breite ausrollen.“ → Eher nein.
Der Pilot hat funktioniert, weil er unter Bedingungen lief, die im Live-Betrieb so nicht existieren: saubere Daten, ausgewählte Nutzerinnen und Nutzer, viel Aufmerksamkeit und kurze Wege. Im Alltag sieht es anders aus. Dann kommen mehr Stakeholder dazu, Wissen ist unvollständig, Prozesse sind komplexer. Das führt dazu, dass 48% der deutschen Unternehmen KI einsetzen, aber nicht skalieren.
Ein Pilot sollte vor allem eines liefern: echte Erkenntnisse. Was wird genutzt? Wo hakt es? Welche Anpassungen braucht es, damit die Lösung im Arbeitsalltag hilft? Der Pilot ist also nicht unbedingt ein Beweis für Skalierbarkeit. Er ist der Startpunkt für die nächste, bessere Version.
- „KI-Piloten sind vor allem IT-Projekte.“ → Nein.
Technik spielt eine wichtige Rolle. Aber der Engpass liegt oft an anderer Stelle: fehlende Abstimmung zwischen IT, Fachbereich und Compliance. 49 Prozent der befragten Führungskräfte nennen diesen Punkt als größtes Hindernis.
Deshalb hilft ein frühes gemeinsames Verständnis: Welches Arbeitsproblem lösen wir? Für welche Zielgruppe? Auf welche Inhalte und Daten greift die Lösung zu? Nach welchen Erfolgskriterien? Denn IT kann die Lösung ermöglichen. Wirksam wird sie aber erst, wenn Fachbereich, L&D, Compliance, IT und User am selben Problem arbeiten.
|
| |
|
 |
| |
| In sieben Schritten zur skalierbaren KI-Lösung |
| |
 |
| |
|
 |
| |
| KI kommt in der Breite an – klare Regeln fehlen oft |
| |
Laut Bitkom nutzt inzwischen mehr als jedes dritte deutsche Unternehmen KI. Der Anteil ist innerhalb eines Jahres von 20 auf 36 Prozent gestiegen. Weitere 47 Prozent planen oder diskutieren den Einsatz. Gleichzeitig haben nur 23 Prozent der Unternehmen feste Regeln für generative KI. Für L&D ist das ein Signal: KI verbreitet sich schneller, als viele Organisationen Orientierung schaffen. Wer KI-Adoption begleitet, sollte deshalb früh die einfachen, aber entscheidenden Fragen stellen: Wo soll KI wirklich helfen? Was ist erlaubt? Wer prüft Ergebnisse? Und woran merken wir, dass der Einsatz etwas bringt?
🔗 Quelle: https://now.you-know.de/e/811453/che-Intelligenz-in-Deutschland/cxlqf/1626146388/h/oI7mgBFJ6GpyBw7pixrrk8de68qHbF9wr0yoeFNQyB4 |
| |
| Viele KI-Vorhaben drohen an der Umsetzung zu scheitern |
| |
HCLTech hat 467 Führungskräfte aus großen internationalen Unternehmen befragt. Das Ergebnis: Fast 43 Prozent der großen KI-Initiativen könnten scheitern. Als Hauptproblem beschreibt die Studie die Lücke zwischen ambitionierten Plänen und verlässlicher Umsetzung im Unternehmen. Besonders relevant für L&D: Change Management wird als kritischer Erfolgsfaktor genannt, bleibt aber oft unterfinanziert. Viele Unternehmen bringen KI in Arbeitsabläufe, ohne die Menschen ausreichend darauf vorzubereiten. Für L&D ist das eine Einladung, früher am Tisch zu sitzen: nicht erst beim Training nach dem Rollout, sondern schon bei der Frage, wie Menschen mit KI sinnvoll,
sicher und wirksam arbeiten sollen.
🔗 Quelle: https://now.you-know.de/e/811453/ines-for-impact-302777842-html/cxlqj/1626146388/h/oI7mgBFJ6GpyBw7pixrrk8de68qHbF9wr0yoeFNQyB4 |
| |
|
 |
| |
| Vertrauen braucht länger als Technik |
| |
Ein Aspekt aus der Cloudflight-Studie ist bei mir besonders hängen geblieben: Die technische Umsetzung eines KI-Projekts dauert oft drei bis sechs Monate. Kultureller Wandel eher zwölf bis achtzehn.
Das ist ein Teil der Erklärung, warum viele KI-Projekte unterwegs stecken bleiben. Die Technik ist da, die Demo hat funktioniert und der Pilot liefert erste Ergebnisse. Aber Vertrauen und neue Gewohnheiten entstehen dadurch noch nicht automatisch.
51% der befragten Führungskräfte nennen Ängste und fehlendes Vertrauen als größte künftige Hürde, nicht Technologie.
Ich verstehe gut, warum Organisationen trotzdem mit der Technik anfangen. Sie ist greifbar, man kann etwas zeigen, man kann Fortschritt präsentieren. Vertrauen und Routine wachsen leiser: durch Klarheit, Beteiligung, gute Erfahrungen, offene Kommunikation und das Gefühl, dass KI im eigenen Arbeitsalltag wirklich hilft.
Für mich liegt hier eine große Chance für L&D. Denn vieles, was bei KI-Projekten über Erfolg entscheidet, gehört zu unserem Handwerk: Menschen befähigen, Veränderung begleiten, Transfer ermöglichen, Unsicherheit ernst nehmen und neue Routinen im Alltag verankern.
Also: KI-Lösungen brauchen mehr als nur gute Technologie. Sie brauchen Menschen, die ihnen vertrauen und sie zum Teil ihrer (Arbeits-)Gewohnheiten machen. |
| |
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 unsgerne oder vernetzen Sie sich mit unseren KI-Experten auf LinkedIn.
|
|
|
| |
Ausgabe verpasst?
Alle bisherigen Newsletter finden Sie im Archiv |
| |
|
|
