Zusammenfassung
Manche LXP-Tools begleiten den Lernenden KI-basiert. Aber keins davon analysiert im Vorfeld die Lernvoraussetzungen des Lernenden. Damit agiert das System reaktiv auf das Verhalten des Lernenden und berücksichtigt weder seine Motive noch sein Umfeld. Eine diagnostische und systemische Analyse vor Beginn des Lernvorhabens würde den Lernprozess effizienter und zielsicherer machen. In diesem Artikel präsentieren wir einen diagnostischen Ansatz, den ThinkSimple.io in einem Kundenprojekt realisiert hat.
Das sagen Studien über die heutigen Lernvoraussetzungen
Eine Studie der Universität St. Gallen (2021) zeigt, dass es in 62 % der Unternehmen kein strukturiertes Verfahren gab, um Vorkenntnisse, Lernhindernisse oder Motivation zu erheben. Auch der OECD- und Cedefop-Report (2020) schlägt in die gleiche Richtung: „Die individuelle Vordiagnose ist oft ein blinder Fleck betrieblicher Weiterbildungsstrategien.“
Die Unternehmen Lernhacks und Metaplan.com (2025) haben die Lernkultur in Unternehmen analysiert. Ihr Fazit: Die meisten Unternehmen befinden sich in einer mittleren Entwicklungsphase ihrer Lernkultur und somit ist das Lernumfeld für den Lernenden unzureichend.
Die Haufe Akademie stellt „mangelnde Passung der Lernformate“ in vielen Unternehmen fest.
Die Bertelsmann-Studie (2022) kommt zum Ergebnis: „Mitarbeitende lernen nur dann aktiv, wenn ihre Führungskräfte dies ermöglichen, vorleben und fördern – und nicht als Pflichtaufgabe delegieren.“
Der LXP-Anbieter Haufe Akademie beschreibt einen weiteren Befund: „Mangelnde Passung der Lernformate“ in den meisten Unternehmen.
Uns ist nur eine ältere Studie von B.J. Zimmermann (2000) bekannt, die wesentliche Aspekte wie Motive, Motivation, Lernskills und Lernumfeld umfasst.
KI und deren Implikationen fürs Lernen
Mit dem Aufkommen von ChatGPT im Bereich der generativen KI sind viele Use Cases in Betracht gezogen worden, bei denen KI einen Nutzen bringen kann. Zugleich hat die Eroberung des beruflichen Alltags durch die KI einen ungeheuren Lernbedarf mit sich gebracht. Damit hat KI zwei Effekte generiert: Lernbedarf und Lernhilfe zugleich.
KI ist jedoch nicht das Allheilmittel. Sie bringt einige Risiken und Herausforderungen mit sich.
Aufgrund der Dynamik in der AI-Entwicklung entsteht ein stetiger Lernbedarf. Die KI-Tools bzw. die KI-Agenten, die noch gestern die ultimative Lösung darstellten, gehören nach wenigen Monaten bereits zum „alten Eisen“. Der User muss eine Lernstrategie entwickeln, um sein Wissen zu aktualisieren. Kann hier KI helfen?
Künstliche Intelligenz kann im Lernen in vier zentralen Rollen auftreten:
- Lernbegleiter (Chatbot)
- Diagnostik-Tool (Skills-Analyse und Lerndiagnostik)
- Adaptives Lernsystem (personalisierte Lernpfade)
- Content erzeugen (Texte, Übungen, Erklärungen, Prüfungsfragen)
Folgende Chancen und Potenziale von KI fürs Lernen lassen sich identifizieren: Individualisierung der Lernpfade und des Contents, zeitliche Flexibilität, schnelles Feedback und ständige Diagnostik.
KI ist jedoch nicht das Allheilmittel. Sie bringt einige Risiken und Herausforderungen mit sich:
Kognitive Passivität: Lernende können sich zu stark auf KI verlassen und selbst weniger reflektieren.
Fehlende metakognitive Förderung: KI liefert die passenden Antworten, regt aber wenig zur Selbstreflexion an.
KI fördert die Denkfaulheit: Der Lernende muss sich weniger anstrengen, weil ihm alles bereitgestellt wird.
Pädagogische Einbettung: KI entfaltet nur ihr Potenzial, wenn sie pädagogisch in den Lernprozess integriert wird.
KI als Lernbegleiter
Was sollte ein KI-basierter Lernbegleiter können? Ein Lernbegleiter ist mehr als ein Info-Lieferant: Er hilft beim Verstehen, Strukturieren, Reflektieren, Wiederholen und Weiterentwickeln des Wissens. Wenn KI diese Rolle übernimmt, spricht man von:
Dialogischer, adaptiver, interaktiver Lernunterstützung durch künstliche Intelligenz.
Heutige Systeme können mangels Startinformation aus der Diagnostik a priori keine korrekten Ratschläge erteilen.
Manche Tool-Anbieter wie Area9 Lyceum haben hierfür Lösungen entwickelt. Auch Squirrel AI und Duolingo bieten solche KI-basierte Lernbegleiter an. Was allen jedoch fehlt, ist eine systemische Lerndiagnostik, die Motive, Lernskills und Umfeld erfasst. Nur so lassen sich individualisierte Ratschläge erteilen, wo das Individuum allumfassend betrachtet wird.
Die heutigen Lösungen sind reaktiv, d. h., sie orientieren sich am Lernverhalten der User. Mangels Startinformation aus der Diagnostik können sie a priori nicht die korrekten Ratschläge erteilen. Aus dem Verhalten kann das System nicht erkennen, ob das Problem zum Beispiel an der Lernkultur, am Verhalten der Führungskraft, an fehlender Lerncommunity usw. liegt.
Neuer Ansatz – die Lerndiagnostik
In diesem Artikel haben wir uns bislang mit den Mängeln an heutigen Systemen und Lernprozessen befasst. Welcher Lösungsansatz könnte hier helfen? Mehrfach haben wir auf die häufig fehlende Lerndiagnostik hingewiesen. Damit befassen wir uns in diesem Abschnitt. Unter Lerndiagnostik verstehen wir eine mehrdimensionale Analyse der Lernvoraussetzungen eines Individuums oder einer Organisationen.
Das Konzept für systemische Lerndiagnostik lässt sich in Anlehnung an die Personaldiagnostik aufbauen.
Im KI-Zeitalter stellt sich die Frage: Wie sollte ein Tool für Lerndiagnostik konzipiert werden, als Expertensystem oder KI-basiert? Nach Rücksprache mit Kunden haben wir uns für eine hybride Lösung entschieden. Die Erfassung wird expertenbasiert auf Basis eines multimodalen Fragebogens durchgeführt. Die Erklärung der Ergebnisse erfolgt dann mittels eines Chatbots und auch über Texte. Diese Kombination verwendet das Beste beider Welten.
Das Konzept für systemische Lerndiagnostik lässt sich in Anlehnung an die Personaldiagnostik aufbauen. Systemisch bedeutet hier die Analyse und Bewertung von drei Dimensionen wie Lernmotiven, Lernskills und Lernumfeld. Daraus wird ein KPI errechnet, den wir Lernprofil nennen (siehe Bild 1).
Bild 1: Die drei Dimensionen der Lerndiagnostik: Motive, Skills und Umfeld. Daraus lassen sich das Lernprofil des Lernenden und das Lernprofil der Organisation errechnen.
Viele Abbrüche im Lernprozess sind fehlender Klarheit der Motive fürs Lernen und mangelnder Motivation für die Aufrechterhaltung des Lernprozesses geschuldet. Aber auch das Lernumfeld wie Lernkultur, Unterstützung durch die Führungskraft, Lerncontent, Lerncommunity usw. kann den Lernprozess negativ beeinflussen. Diese Information steht aber selten der HR-Abteilung zur Verfügung. Daher sollte sie Insights darüber gewinnen, wie es mit der Organisation bestellt ist.
Um dieser Problematik zu begegnen, haben wir diesen neuen Ansatz konzipiert, dessen Kern das lerndiagnostische Modell bildet. Passend dazu gehören eine einfache Benutzeroberfläche und eine kurze User-Journey.
Dieser neue Ansatz richtet sein Augenmerk auf das Workplace-Learning, wo der Lernende selbstorganisiert den Lernprozess gestaltet.
Nicht nur der einzelne Lernende profitiert von diesem Ansatz, sondern auch die Organisation. Aggregiert, und damit unter Wahrung der Privatsphäre, erhält HR die Ergebnisse der Organisation. Das Tool generiert damit einen doppelten Nutzen: für den Lernenden und für die Organisation. Die dritte Dimension der Lerndiagnostik, das Umfeld, liefert für HR wichtige Insights über die Lern- und Unternehmenskultur, über die Ressourcen, über das Verhalten der Führungskräfte gegenüber den Lernenden, über die Lern-Communities usw.
Das lerndiagnostische Modell
Ein Modell ist immer ein Kompromiss zwischen Genauigkeit in den Ergebnissen und Kürze in der Erfassung. Bei der Entwicklung des Modells haben wir uns in Abstimmung mit dem Kunden für 35 Attribute entschieden. Diese sind in zehn Grundmerkmalen gruppiert. Im Bild 2 ist die Hauptstruktur des lerndiagnostischen Modells abgebildet, mit den zehn Grundmerkmalen, mit den drei Dimensionen und mit dem Haupt-KPI Lernprofil. Die 35 Attribute werden hier aufgrund der Verschwiegenheitsklausel nicht gelistet.
Bild 2: Das lerndiagnostische Modell beinhaltet mehrere Layer. Abgebildet sind hier die oberen drei Layer und die zehn Grundmerkmale. Ihnen zugeordnet kommen die 35 Attribute. Diese bilden die Grundlage für die Erfassung im Fragebogen.
User-Journey
Für die Datenerfassung verwenden wir einen multimodalen Fragebogen. Damit soll eine eintönige User-Journey vermieden und die Zahl der Abbrüche reduziert werden. Ferner werden nach jedem der drei Befragungsschritte die jeweiligen Ergebnisse gezeigt. Damit erhält der User nach nur fünf Minuten bereits die Ergebnisse einer der Dimensionen: Motive, Skills und Umfeld. Dies wiederholt sich dreimal. Am Ende erhält der User das Lernprofil mit dem KPI und den Hinweisen (siehe Bild 3).
Die Ergebnisse sind so gestaltet, dass sie einen schnellen Überblick ermöglichen.
Bild 3: Mit dem Lernprofil erhält der User einen KPI, der ihm aufzeigt, wie es mit den Lernvoraussetzungen bestellt ist. Entsprechend werden die Hinweise abgefasst. Damit das Lernvorhaben effizient abläuft, empfehlen wir einen Score von mindestens 60 %, .
Bild 4: Aus aggregierten Ergebnissen der Lernenden lässt sich das Lernprofil der Organisation ermitteln. Damit erhält die HR-Abteilung Insights über die Lernvoraussetzungen bei den geplanten Lernvorhaben in der Organisation.
Für die Hinweise wird ein vorwärtsgerichtetes Wording verwendet. Gemeinsam mit einer eingängigen Präsentation der Ergebnisse soll beim User einen positiven Eindruck hinterlassen und zu einer späteren Wiederholung des Tests animieren.
Die Ergebnisse sind so gestaltet, dass sie einen schnellen Überblick ermöglichen. Bei Bedarf kann sich der User über alle einzelnen Werte informieren lassen (siehe Bild 5 und Bild 6).
Bild 5: Das Lernprofil errechnet sich aus den drei Dimensionen Motive-Fit, Skills-Fit und Umfeld-Fit. In dem betrachteten Fall im Bild sind die Werte vom Motive- und Umfeld-Fit so schlecht, dass von einem Starten des Lernvorhabens unter diesen Voraussetzungen abgeraten wird. Damit wird vermieden, dass der Lernende aus Enttäuschung den Lernprozess abbricht.
Bild 6: Ergebnisse vom Skills-Fit mit den zugehörigen Grundmerkmalen. Der Lernende verfügt über einen hervorragenden Score für die Durchführung des Lernvorhabens.
Erklärung der Ergebnisse durch den Chatbot
Nach der Zeitinvestition für die Beantwortung des Fragebogens erwartet der User nicht nur trockene Ergebnisse, sondern eine hilfreiche und empfindsame Erklärung der Ergebnisse sowie aufbauende Hinweise für eine Verbesserung der Lernvoraussetzungen.
Der Chatbot begleitet den User entlang der User-Journey.
Um den Erwartungen des Users gerecht zu werden, stellt das Tool neben Hinweisen in Textform auch den Chatbot Pia zur Verfügung. Dieser kann auf die individuellen Fragen des Users eingehen und somit tiefergehende Erklärungen liefern.
Der Chatbot begleitet den User entlang der User-Journey. Auch vor Beginn des Tests kann der Chatbot Pia Fragen zum Tool, zur Lerndiagnostik und zum Einsatzgebiet des Tools beantworten. Dies macht das Tool für den User attraktiver und ermöglicht einen effizienten Einsatz. Dadurch können die Einführungs- und Begleittexte auf ein Minimum reduziert werden. Will der User mehr wissen, kann er den Chatbot Pia fragen.
Bild 7: Der User kann dem Chatbot Pia Fragen über Lerndiagnostik, über das Tool und über die Ergebnisse im Tool stellen.
Quellen
Studie Universität St. Gallen (2021) Lerndiagnostik in Transformationsprozessen
Lernhacks und Metaplan.com (2025) Lernkultur-Metaanalyse
Bertelsmann Stiftung (2022) Lernlust oder Lernfrust? – Betriebliche Weiterbildung aus Sicht der Beschäftigten
Zimmerman, B. J. (2000) Attaining self-regulation: A social cognitive perspective.
Der Autor
Dr. Karl-Maria de Molina ist CEO und Co-Founder von ThinkSimple.io. Er hat mit Professoren ein Kompetenz- und Motivationsmodell entwickelt. Hat über 10 Jahre Vorlesungen über Kompetenzen an mehreren deutschen Universitäten gehalten. Viele Jahre hat er Seminare über Kompetenzentwicklung für Führungskräfte geleitet. Er ist Herausgeber von Büchern über Unternehmenskultur und über Future Skills und Autor eines Buches über Komplexitätsreduktion. Er ist Mitentwickler des Tools ThinkSimple+ für Kompetenz- und Motivationsanalysen sowie eines Tools für Lerndiagnostik.
