Der soziale Filter

Auf die Frage nach den größten Herausforderungen im Corporate Learning kann man derzeit nur mit einer Liste antworten. Aus Unternehmenssicht steht ganz weit oben der Veränderungsdruck, dem Organisationen ausgesetzt sind, und der einen wachsenden Up- und Reskilling-Bedarf für die Mitarbeitenden mit sich bringt. Weitere Großbaustellen sind das Wissensmanagement, das selbstorganisierte Lernen, die Schaffung von Skill-Transparenz. Und ganz nebenbei gilt es, die Organisation für die KI-Revolution fit zu machen – in wirtschaftlich schwierigen Zeiten, bei sinkenden Budgets.

Aus Lernendensicht ergibt sich ein weiteres Problem: Sie müssen sich ständig in neue Kontexte einarbeiten und sich mit einer Vielzahl von Themen befassen. Die Folge sind eine zunehmende Überforderung und Lernmüdigkeit. Verstärkend wirkt dabei, dass sie die relevanten Lerninhalte oft nicht oder nur mit großem Aufwand finden – weil das Angebot vielerorts inzwischen zu groß ist, um sich darin zurechtzufinden. Mitarbeitende sehen sich einer wachsenden Datenflut ausgesetzt. Einer aktuellen Studie von Atlassian zufolge verbringen sie täglich rund zwei Stunden mit Informationsbeschaffung, andere Studien nennen noch höhere Werte. Und wenn Unternehmen neue Learning Experience Plattformen (LXP), Content Hubs oder KI-basierte Systeme einführen, um dem erhöhten Lernbedarf zu begegnen, steigern sie die Belastung für die Lernenden sogar noch. „Teams haben mehr Informationen als je zuvor, sind aber weniger informiert“, lautet das passende Fazit der Atlassian-Studie.

Kuratieren lernen – mit und ohne KI

Was Kuratieren vom bloßen Aggregieren unterscheidet, ist, dass Informationen nicht nur zusammengestellt, sondern geprüft, bewertet und vor allem mit persönlichen Erfahrungen und Einschätzungen aufgewertet werden. Darauf zielt das „Seek-Sense-Share“-Framework von Harold Jarche, das mit folgenden drei Übungen in die Praxis umgesetzt werden kann.

Zum Tutorial

Fehlende Filter

Lernenden mangelt es also nicht an Lerninhalten, sondern an Inhalten, die ihnen auch tatsächlich weiterhelfen. Um diese im „Data Noise“ unnützer Informationen zu finden und zugänglich zu machen, braucht es effiziente Filterwerkzeuge und -methoden. Technische Lösungen, auf die Unternehmen bevorzugt setzen, taugen dazu nur begrenzt. Eine LXP kann zwar einzelne Inhalte hervorheben, das aber nach dem Prinzip von Netflix: Sie schlägt Inhalte auf Basis von Datenmustern vor, was umfangreiche Nutzungsanalysen voraussetzt – ein Aufwand, den die wenigsten Unternehmen betreiben. KI-Systeme erweitern die Möglichkeiten, helfen jedoch auch nicht wirklich weiter, zumal sie vor allem Bekanntes vorschlagen und Nutzer leicht in irrelevante Themen ablenken. Was fehlt, ist ein echtes Verständnis dafür, was Lernende für ein konkretes Problem wirklich brauchen.

Vielen Dank für Ihr Interesse an diesem Artikel

Lesen Sie jetzt weiter …

… mit unserer Testmitgliedschaft von managerSeminare:

für nur 10 EUR einen Monat lang testen

Zugriff auf alle Artikel von managerSeminare

Sofortrabatte für Bücher, Lernbausteine & Filme

Probelesen für 10 EUR

Login für Mitglieder