| |
|
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 #9 | 16.06.2026 | Von: Friedl Wynants |
| |
|
 |
| |
| KI ist billig. Bis sie es nicht mehr ist. |
| |
Viele KI-Tools fühlen sich am Anfang erstaunlich günstig an: Ein Monatsabo, ein Testzugang, ein kleiner Pilot, ein Autorentool für Content, ein Assistent für Recherche, ein Lern-Buddy für Produktwissen oder Onboarding. Alles für weniger als ein Sky-Abo im Monat.
Gerade für L&D ist das verlockend. Endlich lassen sich Dinge ausprobieren, ohne sofort ein großes Projekt aufzusetzen. Inhalte entstehen schneller, Wissen wird leichter zugänglich und Lernende bekommen Unterstützung genau dann, wenn sie sie brauchen.
Aber der sichtbare Preis ist nur ein Teil der Rechnung.
Denn bei KI entstehen Kosten oft an anderer Stelle: bei der Vorbereitung von Daten, bei Datenschutz- und IT-Prüfungen, bei der Pflege von Inhalten, bei interner Abstimmung, bei Qualitätssicherung und bei der Frage, wie gut sich eine Lösung später in bestehende Systeme einfügt.
Hinzu kommt: Viele Organisationen testen gerade mehrere KI-Tools parallel. Das ist verständlich, kann aber schnell unübersichtlich werden. Aus einzelnen Experimenten entsteht dann eine (redundante) Toollandschaft, die niemand bewusst geplant hat.
Was heißt das für L&D?
Für L&D ist das besonders relevant, weil gerade jetzt Entscheidungen getroffen werden, die langfristig den Lern-Stack prägen.
KI-Autorentools, Wissensassistenten, Lern-Buddies, Coaching-Bots, Analyse-Tools: Was heute als Test startet, kann morgen Teil der Lerninfrastruktur sein. Und damit geht es nicht mehr nur um Lizenzkosten.
Es geht um Fragen wie: Welche Daten fließen wohin? Wer pflegt die Wissensbasis? Wer prüft die Qualität der Antworten? Welche Inhalte bleiben kontrollierbar? Wie abhängig werden wir von einem Anbieter? Und was kostet ein Wechsel, wenn wir in zwei Jahren merken, dass eine andere Lösung besser passt?
Gerade L&D arbeitet mit wertvollem Wissen: Produktwissen, Prozesswissen, Compliance-Inhalten, Rollenprofilen, Kompetenzmodellen und Erfahrungswissen von Expertinnen und Experten. Wenn dieses Wissen in KI-Systeme wandert, sollte klar sein, welche Architektur dahintersteht.
Die Kostenfrage ist deshalb auch eine Steuerungsfrage.
Der blinde Fleck zeigt sich nach dem Pilot
Viele KI-Projekte wirken im Pilot sehr überzeugend. Der Anwendungsfall ist überschaubar, das Team motiviert, die Kosten bleiben niedrig.
Schwieriger wird es danach: Dann wird aus dem Test eine dauerhafte Lösung. Mehr Nutzerinnen und Nutzer kommen dazu, Inhalte müssen aktuell bleiben und Datenschutz und IT schauen genauer hin. Es braucht Support, Kommunikation, Regeln und Erfolgsmessung. Spätestens hier zeigt sich, ob man nur ein Tool ausprobiert oder eine tragfähige Lösung aufgebaut hat.
Aus unserer Erfahrung mit unseren Lern-Buddies ist das der entscheidende Punkt: Wer mit einem klar eingegrenzten Use Case startet – ein konkretes Problem, eine definierte Zielgruppe, ein überschaubares Wissensgebiet – baut von Anfang an etwas Handhabbares. Nicht weil der Aufwand wegfällt, sondern weil er planbar bleibt. Das ist der Unterschied zwischen einem Piloten, der irgendwann kippt, und einer Lösung, die trägt.
KI-Kosten sind also kein Argument gegen KI. Im Gegenteil: Wer die Folgekosten früh mitdenkt, kann mutiger und besser entscheiden.
Die zentrale Frage lautet: Wissen wir eigentlich, was wir gerade einkaufen?
Unterm Strich: Wer KI in L&D einführt, trifft keine Tool-Entscheidung – er trifft eine Infrastrukturentscheidung. Und die sollte bewusst getroffen werden. |
| |
|
 |
| |
| 2 Mythen über die Kosten von KI |
| |
- „Wenn der Anbieter unsere Daten nicht fürs Training nutzt, ist die Datenfrage geklärt.“ → eher nein
Gerade bei KI-Lösungen für L&D lohnt sich ein genauerer Blick: Welche Daten werden verarbeitet? Wo passiert das? Wer hat Zugriff? Und welche Inhalte landen dauerhaft in der Wissensbasis?
Denn L&D arbeitet oft mit wertvollem Organisationswissen: Produktwissen, Prozesswissen, Compliance-Inhalten, Kompetenzmodellen oder Erfahrungswissen von Expertinnen und Experten. „Kein Modell-Training“ beantwortet eine Frage – nicht alle.
- „Wenn das Tool nicht passt, wechseln wir einfach.“ → in der Praxis schwierig!
Mit der Zeit hängt an einem Tool mehr als nur die Lizenz. Es entstehen Prompts, Rollenbeschreibungen, Wissensbasen, Abläufe, Auswertungen und interne Nutzungsroutinen. Vielleicht wurden Inhalte speziell für dieses System aufbereitet. Vielleicht haben Teams ihre Arbeit daran angepasst.
Dann ist der Wechsel keine reine Einkaufsentscheidung mehr. Er kostet Zeit, verursacht Aufwand und untergräbt oft auch das Vertrauen bei den Nutzerinnen und Nutzern.
Deshalb sollte die Frage nach dem Ausstieg schon vor dem Einstieg gestellt werden: Wie kommen wir wieder raus, wenn wir müssen?
|
| |
|
 |
| |
| Der 20-Minuten-Kostencheck für jedes neue KI-Tool |
| |
Bevor das nächste KI-Tool getestet, gekauft oder intern empfohlen wird: 20 Minuten, fünf Fragen – das reicht für einen ersten soliden Check.
- Was kostet das Tool in 24 Monaten wirklich?
Also nicht nur Lizenzkosten, sondern auch Einführung, Pflege, Qualitätssicherung, Support und interne Arbeitszeit.
- Welche Daten und Inhalte gehen hinein?
Zum Beispiel Lerninhalte, Produktwissen, Prozesswissen, Rollenprofile, Feedbackdaten oder interne Dokumente.
- Wohin fließen diese Daten genau?
Wichtig sind nicht nur Modelltraining und Datenschutzversprechen, sondern auch Hosting, Unterauftragnehmer, Speicherorte und Zugriffsrechte.
- Was passiert, wenn wir wieder wechseln wollen?
Können Inhalte, Prompts, Wissensbasen, Auswertungen und Abläufe exportiert oder übertragen werden?
- Welches konkrete (Business-)Problem löst das Tool?
Spart es Zeit? Verbessert es Qualität? Reduziert es Fehler? Beschleunigt es Wissenstransfer? Oder kaufen wir vor allem Potenzial?
Wer auf zwei dieser Fragen keine klare Antwort hat, sollte das Tool noch nicht einführen. Die Entscheidung ist noch nicht reif. |
| |
|
 |
| |
| KI-Kosten werden schwerer planbar |
| |
Viele Unternehmen haben ihre KI-Ausgaben noch nicht sauber im Blick. Laut KPMG haben nur 26 Prozent einen umfassenden Überblick über ihre KI-Kosten. Viele sehen die Kosten nur teilweise oder erst mit der Rechnung.
Ein Grund: KI-Services werden oft nutzungsbasiert abgerechnet, etwa nach Token oder Rechenleistung. Für L&D heißt das: Wenn ein KI-Buddy, ein Wissensassistent oder ein Autorentool stark genutzt wird, können auch Datenvolumen, Pflegeaufwand und Support steigen. Eine stark genutzte KI-Lösung ist eine gute Nachricht – aber auch eine, die Ressourcen braucht. Das gehört von Anfang an in die Planung.
🔗 Quelle: https://now.you-know.de/e/811453/gle-to-track-ai-usage-3b30c10c/cybk2/1631221021/h/GSgrjZfWnEUyFdZYINCLBzt8kMUthweeRkKeP3tXdiI |
| |
| Tool-Wildwuchs bremst Wirkung |
| |
Eine Zapier-Erhebung zeigt: 28 Prozent der befragten Unternehmen nutzen bereits mehr als zehn KI-Apps. Gleichzeitig sind 70 Prozent noch nicht über einfache Integrationen hinaus.
Für L&D bedeutet das: Es reicht nicht, einzelne Tools im Blick zu haben. Gefragt ist Orientierung – für die eigene Organisation und für die Lernenden: Welche Anwendungen sind freigegeben? Welche Daten dürfen hinein? Wie passen die Tools zur bestehenden Lernlandschaft? Das ist eine L&D-Aufgabe. Nicht nur eine IT-Aufgabe.
Sonst entsteht schnell eine KI-Landschaft, die aktiv wirkt, aber kaum steuerbar ist.
🔗 Quelle: https://now.you-know.de/e/811453/blog-ai-sprawl-survey-/cybk5/1631221021/h/GSgrjZfWnEUyFdZYINCLBzt8kMUthweeRkKeP3tXdiI |
| |
|
 |
| |
| Wir reden über KI. Aber selten über den Preis. |
| |
Mich beschäftigt, wie selbstverständlich viele KI-Entscheidungen getroffen werden. Ein neues Tool testen? Klingt sinnvoll. Einen Assistenten bauen? Naheliegend. Einen weiteren KI-Service buchen? Warum nicht, wenn er hilft?
Ich verstehe diesen Impuls gut. Auch ich glaube, dass KI im Lernen enorme Möglichkeiten eröffnet. Aber je mehr KI in Arbeitsprozesse, Lernangebote und Wissenssysteme einzieht, desto wichtiger wird eine Frage, die erstaunlich selten gestellt wird: Was kaufen wir da eigentlich mit?
Nicht nur an Funktionen, sondern an Abhängigkeiten, Datenwegen, Pflegeaufwand, Kostenmodellen und langfristigen Entscheidungen.
Möglicherweise ist das ein Reifetest für KI in L&D: Lernen, genauer hinzusehen, bevor aus einem schnellen Tool-Test eine langfristige Entscheidung wird. Was bleibt ein Experiment? Was verdient den nächsten Ausbauschritt? Und wo entwickeln wir Infrastruktur, die uns über Jahre begleitet? |
| |
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 |
| |
|
|
