Augmentation bezeichnet Zusammenwirken und sich wechselseitig stärken von Menschen und Smart Machines. Mehr dazu in diesem Post.
Eine schöne Abbildung von Deloitte Insights / Deloitte.com zu den jeweiligen Stärken von Menschen und Maschinen, die bei einem Zusammenwirken (Augmentation, nicht Substitution) zum Tragen kommen können:
Seit einigen Jahren publiziert degreed Survey- Studien dazu, wie Beschäftigte in Unternehmen und Organisationen tatsächlich lernen und welche Schlüsse sich daraus für das Bildungsmanagement ableiten lassen.
Für die Studie 2019 wurden Anfang Jahr knapp 6’000 Mitglieder des Harvard Business Review Councils angeschrieben, von denen knapp 800 den beigefügten Fragebogen beantworteten (v.a. aus den USA, Europa und Asien). Antworten von Personen, die ohne Beschäftigung waren, wurden ebenso ausgefiltert, wie Antworten von Personen aus Bildungsinstitutionen oder von Personen aus Unternehmen / Organisationen mit weniger als 1’000 Beschäftigten. So viel zu den Rahmenbedingungen der Studie.
Die Studie ist natürlich mit dem Vorbehalt zu lesen, dass es sich bei degreed um den Anbieter einer Lernplattform handelt, die auf personalisiertes und selbstgesteuertes (informelles) Lernen ausgerichtet ist. Dennoch fand ich die folgenden Ergebnisse interessant bzw. gut visualisiert:
Der Net Promotor Score ist ein verbreitetes Mass für die Akzeptanz eines Angebots durch die Kunden. Und dieser Score fällt für L&D im Mittel negativ aus (-25%):
Die Autoren der Studie leiten aus den Ergebnissen drei zentrale Empfehlungen für L&D ab:
degreed / Harvard Business Publishing (2019): How the workforce learns in 2019.
‘Adaptive courseware’ ist eine Spielart von adaptiven Lernumgebungen. ‘Adaptive courseware’ passt sich in Echtzeit an die Benutzer bzw. ihren Lernstand an und weist individualisiert Materialien sowie Hilfestellungen zu – häufig in einer raschen Abfolge von kleinsten Lerneinheiten und nachfolgenden Tests.
EDUCAUSE hat ein kurzes Video publiziert, in dem – aus der Perspektive von Hochschulen bzw. Hochschullehrern – drei Gründe für den Einsatz von ‘adaptive courseware’ erläutert werden:
Die kurze Antwort lautet: es kommt darauf an, wo und wie sie konkret umgesetzt werden. Die etwas ausführlichere Antwort findet sich in einem Beitrag für TheTimesHigherEducation.
Flipped-Classroom-Designs sind mittlerweile recht gut etabliert. Dennoch läuft die Diskussion über die Wirksamkeit von Flipped-Lerndesigns nach wie vor. Dabei finden sich unterschiedliche, wenn nicht sogar widersprüchliche Studienergebnisse, wie Anna McKie kürzlich in einem Beitrag für TheTimesHigherEducation aufgezeigt hat. Leider sind ausführlichere Bericht zu den von ihr angesprochenen Studien zum Teil hinter der Paywall von TheTimesHigherEducation verborgen. Hier kurze Schlagzeilen zu den im Beitrag erwähnten (Meta-)Studien:
McKie, Anna (2019): Flipping great? The case for and against flipping the classroom. TheTimesHigherEducation
Aktuell erleben wir eine «zweite Welle der Digitalisierung» (Wahlster): neben die bereits etablierten Technologien für maschinenlesbare Daten treten zunehmend Technologien, die Daten verstehen, veredeln und aktiv nutzen können. «Smart Machines» transportieren Güter und Fahrgäste, analysieren Verträge, unterstützen bei der Kundenberatung, unterstützen bei der Vermögensverwaltung, transkribieren Audio- und Videoaufzeichnungen, schreiben Börsen- und Sportberichte, helfen bei der Überwachung von Parkhäusern oder arbeiten Hand-in-Hand mit Menschen in der Produktion.
Wir können davon ausgehen, dass Smart Machines in zunehmendem Tempo verschiedenste repetitive und monothematische Aufgaben übernehmen und diese besser, schneller und kostengünstiger erledigen als Menschen. Dies befeuert nicht nur die Debatte um die Zukunft von Arbeit und Beschäftigung in modernen Wirtschaftsgesellschaften (beginnend mit Frey / Osborne 2013), sondern bringt auch neue Herausforderungen für die Personalentwicklung mit sich.
Schon Ende der 1990er Jahre war Garry Kasparov als amtierender Schachweltmeister mit der Situation konfrontiert, dass eine «intelligente» Maschine in seinem spezifischen Kompetenzfeld Überlegenheit bewies. Für Kasparov bedeutete dies einen Einschnitt in seine berufliche Entwicklung, wie er im Rahmen eines TED-Talks in 2017 ausführte.
In der Folge hat Kasparov die Entwicklung von «Advanced Chess» vorangetrieben. Bei dieser und ähnlichen Varianten (z.B. «Freestyle Chess») spielen Teams von Menschen und Computern (sogenannte Zentauren) gegeneinander. Im Rahmen eines Freestyle-Turniers in 2005 erlebte Kasparov eine Überraschung: nicht die vermeintlich stärksten Spieler mit den besten Rechnern gewannen das Turnier, sondern ein Team von Aussenseitern, die aber ihre drei einfachen Rechner sehr effektiv einzusetzen wussten. Kasparov zog daraus folgende Schlussfolgerung:
A weak human player plus a machine plus a better process is superior to a very powerful machine alone but more remarkably is superior to a strong human player plus machine and an inferior process.
Garry Kasparov, TED2017
In der Diskussion um den Einsatz von Smart Machines steht oft das Ersetzen von menschlichen Arbeitskräften im Vordergrund (Substitution). Zu wenig beachtet wird, dass
Beides liegt darin begründet, dass Menschen und Maschinen unterschiedliche Stärken haben:
Wichtige Diskussionsimpulse zu diesem Zusammenspiel kommen beispielsweise von Davenport / Kirby (2016) sowie Daugherty / Wilson (2018). So plädieren Davenport Kirby für einen Perspektivwechsel: weg von einem Verständnis von Arbeit als Nullsummenspiel (ENTWEDER durch Menschen ODER durch Maschine erledigt); hin zur Frage: was können Menschen und Smart Machines GEMEINSAM leisten? Diese “gemeinsame Mitte” ist auch im Fokus von Daugherty und Wilson, wenn sie die Bedeutung von wechselseitigem Ergänzen, Kooperieren, Verstärken und Trainieren herausstellen.
Davenport und Kirby analysieren in ihrem Buch die Folgen des Eindringens von Smart Machines in die Arbeitsfelder von qualifizierten Wissensarbeitern. Und sie betonen die Bedeutung der Entwicklung neuer und erweiterter Kompetenzen für die Zusammenarbeit mit Smart Machines.
Für die betroffenen Wissensarbeiter sehen sie insbesondere fünf Strategien zur Weiterentwicklung:
Im Rahmen der Arbeit im scil Innovationskreis Augmentation hat sich u.a. gezeigt, dass diese Entwicklungsstrategien nicht nur für hoch qualifizierte Wissensarbeiter relevant sind, sondern auch für Agenten in einem Call Center oder angelernte Kräfte im Bereich der Post-Services. Und darüber hinaus sind diese Entwicklungsstrategien natürlich auch für Personalentwickler bzw. L&D-Experten selbst relevant. Auch in diesem Arbeitsfeld sind zunehmend Smart Machines verfügbar, die (Teil-)Aufgaben übernehmen können (vgl. dazu diesen Blogpost).
Von daher ist es wichtig, dass diese Entwicklungsstrategien
Die nachfolgende Abbildung, die im Rahmen des Innovationskreises erarbeitet wurde, hilft dies zu erreichen:
Davenport und Kirby gehen – vielleicht etwas idealistisch – davon aus, dass die Betroffenen (die Beschäftigten) selbst entscheiden können (oder müssen), welche Augmentationsstrategie sie verfolgen. Und sie sehen die verschiedenen Entwicklungsstrategien als mehr oder weniger gleichwertige Optionen (mit Ausnahme von Step narrow). In der Unternehmenspraxis stellt sich dies häufig anders dar. So kann beispielsweise die Vertriebsleitung einer Bank vorgeben, welche digitalen, KI-basierten Assistenten von den Anlageberatern eingesetzt werden müssen. Für die Anlageberater bleibt dann nur die Option «Step in» oder aber der Wechsel auf eine andere Stelle – innerhalb oder ausserhalb der Bank. Das gleiche kann beispielsweise für Mitarbeitende im Call-Center gelten. Andere Unternehmen verfolgen diesbezüglich möglicherweise eine andere Personalpolitik und gewähren ihren Mitarbeitenden mehr Entscheidungsspielraum, um auch andere Entwicklungsstrategien in Betracht zu ziehen bzw. eine für sie selbst passende Augmentationsstrategie zu verfolgen.
In welchen Bereiche Kompetenzen erweitert oder neu entwickelt werden müssen, ist abhängig vom Berufsfeld, den Aufgaben, der Gestaltung des Zusammenwirkens mit Smart Machines sowie der gewählten Augmentationsstrategie. Die Entwicklungsstrategie “Step forward” erfordert in der Regel mehr Kompetenzaufbau in Bereichen wie Informationstechnologie, künstliche Intelligenz oder User Experience Design. Die Entwicklungsstrategie “Step aside” erfordert häufig die Stärkung von Kompetenzen wie kreatives Problemlösen, Kommunikation, Coaching oder Beratung.
Beispiele für berufsfeldspezifische und strategiespezifische Entwicklungserfordernisse sowie auch für die Ausgestaltung bzw. Planung entsprechender Entwicklungsinitiativen finden sich im Arbeitsbericht zum scil Innovationskreis, der aktuell in Vorbereitung ist.
Die durch neue Technologien induzierten Veränderungen werden kurzfristig häufig überschätzt, langfristig häufig unterschätzt. Es zeigt sich, dass die Einführung von Smart Machines in verschiedene Arbeitsfelder nicht über Nacht erfolgt, sondern Schritt für Schritt. Gleichzeitig ist auch klar, dass umfangreiche Requalifizierungsprogramme viel Zeit erfordern (vgl. dazu diesen Bericht über die auf sieben Jahre angelegte unternehmensweite Re-Skilling-Initiative mit der der US-amerikanische Telekommunikationsdienstleister AT&T die digitale Transformation des Unternehmens unterstützt).
In vielen Unternehmen und Organisationen werden die Entwicklungen im Bereich Smart Machines und die Folgen für Kompetenzerfordernisse, Beschäftigung und Personalentwicklung nicht oder nur zögerlich thematisiert. Dahinter steht häufig die Befürchtung, dass eine Diskussion zu Verunsicherung führen könnte – insbesondere dann, wenn Leitungsebenen sich noch nicht in der Lage sehen, genauere Auskunft dazu zu geben, wer wann in welcher Weise betroffen sein wird.
Das Konzept der Augmentationsstrategien bietet nicht nur einen Orientierungsrahmen für die Personalentwicklung. Es bietet allgemein Orientierung für Betroffenen und Beteiligten. Es erleichtert, über Smart Machines und die Folgen für Beschäftigung und Kompetenzerfordernisse zu sprechen. Weil es aufzeigt, dass wir diesen Veränderungen nicht hilflos ausgeliefert sind. Vielmehr gibt es verschiedene, sich gegebenenfalls ergänzende Strategien für die Weiterentwicklung – auf der Ebene der einzelnen Mitarbeitenden ebenso wie auf der Ebene von ganzen Beschäftigtengruppen.
Davenport, Thomas H.; Kirby, Julia (2016): Only humans need apply. Winners and losers in the age of smart machines. New York: Harper Business.
Daugherty, Paul R.; Wilson, H. James (2018): Human + machine. Reimagining work in the age of AI. Boston, MA: Harvard Business Review Press.
Frey, Carl Benedikt; Osborne, Michael (2013): The future of employment. Hg. v. Oxford Martin Programme on the Impacts of Future Technology. University of Oxford. Oxford, UK.
Kasparov, Garry (2017): Don’t fear intelligent machines. Work with them. TED 2017, April 2017.
Eine ausführlichere Herleitung und Darstellung von Augmentationsstrategien als Orientierungsrahmen für die Personalentwicklung findet sich in diesem Fachbeitrag:
Meier, Christoph; Seufert, Sabine; Guggemos, Josef (2019): Arbeitswelt 4.0 und Smart Machines. Augmentation als Herausforderung für die Personalentwicklung. In: Josephine Hofmann und Jochen Günther (Hg.): Arbeiten 4.0. HMD Praxis der Wirtschaftsinformatik 56 (4). Wiesbaden: Springer Fachmedien, S. 823–839.
Das Sonderheft, in dem dieser Fachbeitrag erschienen ist, ist hier verfügbar: Arbeiten 4.0, HMD Praxis der Wirtschaftsinformatik, Vol. 56 (4), 2019
Ein Abschlussbericht zum scil Innovationskreis “Augmentation und Personalentwicklung”, der einen Vorschlag für einen konkreten Umsetzungsprozess liefert, ist in Arbeit. Dieser wird in Kürze auf dieser Seite verfügbar sein.
Das “Expertenforum Digitales Talent Management” ist eine von der Mannheim Business School, der Universität Mannheim, SAP und tts getragene Initiative, die seit etwa drei Jahren in loser Folge Veranstaltungen zu verschiedenen Themen durchführt.
Am 04.10. fand ein knapp dreistündiger, virtueller Round Table zum Thema Learning Analytics statt. Der Round Table war gut besetzt, dass Programm dicht. Nach einer Einführung durch Thomas Jenewein (SAP) und Klaus Kräft (tts) folgten verschiedene Beiträge:
Thomas Jenewein von SAP Education hat die Veranstaltung hier ausführlich dokumentiert (Folien und Aufzeichnung).
In diesem Herbstsemester habe ich das erste Mal unseren humanoiden Roboter Lexi in einer Vorlesung eingesetzt: Einführungskurs Wissenschaftliches Schreiben für alle Assessment Studierende (über 1.600 Studierende).
Lexi ist Teil des Robo Lab Teams des Instituts für Wirtschaftspädagogik an der Universität St.Gallen (neben dem Roboter Nao). Dieses Team erforscht den Einsatz von Robotern im Bildungsbereich. Im Vordergrund steht dabei, die neue Mensch-Maschine Interaktion zu verstehen. Lexi hat in der Vorlesung u.a. erklärt, wie die an der HSG verwendete Plagiatssoftware funktioniert: was macht dabei das Plagiatsprüfungssystem, was entscheidet der Mensch? Ziel muss es sein, eine gelungene Partnerschaft von Mensch und Maschine zu entwickeln, in der beide ihre jeweiligen Stärken einbringen können. In diesem Zusammenhang müssen wir uns an der HSG ja auch fragen, welche Kompetenzen angehende Führungskräfte im Umgang mit diesen und anderen smart machines in Zukunft benötigen.
Wir haben die Studierenden auch nach ihrer Einschätzung und Grundhaltung gegenüber Lexi sowie nach möglichen Anwendungsfeldern befragt. Das Informieren war an erster Stelle, effizient recherchieren zu können. Leicht die Mehrheit ist positiv eingestellt, ca. 52 %, ca. 20 % neutral sowie die restlichen ca. 28 % eher negativ. Würde das die Reaktion in der Gesellschaft widerspiegeln oder wäre es im Querschnitt nicht eher negativer?
Überrascht hat uns, dass nach dem Informieren bereits die Care Assistance (Pflegeroboter) an zweiter Stelle gesehen werden, noch vor der Sales Assistance – ein Einsatzgebiet, das derzeit am stärksten von Unternehmen erprobt wird:
Einen ersten Eindruck zur Vorlesung erhält man über diese kurze Videosequenz:
All Abord ist eine von verschiedenen irischen Universitäten lancierte Initiative zur Entwicklung digitaler Kompetenzen im tertiären Bildungssektor (finanziert von Irlands National Forum for the Enhancement of Teaching and Learning in Higher Education).
Die dort zusammengetragenen Materialien sind als Open Content lizensiert (CC BY-NC 4.0) und bilden ein Kompetenzmodell ab, das über eine U-Bahn-Netzkarte visualisiert wird. Die U-Bahn-Linien heissen:
An den Haltestellen (aktuell sind 19 verfügbar) finden sich Materialien zum jeweiligen Thema. Und für die meisten Themen kann ein Badge erworben werden, wenn die Materialien (z.B. eine online-Lerneinheit und ein abschliessendes Quizz) bearbeitet wurden. Es ist angekündigt, dass die verfügbaren Lerneinheiten als SCORM-Pakete heruntergeladen und auf eigenen Lernplattformen verfügbar gemacht werden können.
Zum Thema “Sicherheit in online Lernumgebungen” (Station “Online Security” auf der Linie “Identity & Wellbeing”), beispielsweise, findet sich eine online Lerneinheit (Bearbeitungszeit ca. 25 Minuten), die die folgenden Themen behandelt:
Neben den U-Bahn-Linien und den einzelnen Stationen stellen sogenannte “Travelcards” eine nächste Strukturierungsebene dar. Auf dieser Ebene werden verschieden ausgewählte Themen zusammengeführt und man kann mit erfolgreicher Bearbeitung – analog zu den Badges für die einzelnen Stationen – Travelcards erwerben:
Sberbank Corporate University und EFMD haben ein umfangreiches “Reference Dictionary” zu Corporate Learning in der digitalen Welt publiziert. Das mehr als 250 Seiten umfassende Dokument beinhaltet 58 Einträge zu 285 grundlegenden Konzepten, von “adaptive learning” bis “virtual reality”.
Das Dokument wurde in Ende 2017 für die Corporated Academy der russischen Sberbank publiziert und dann – aufgrund des grossen Interesses in der Profession – in 2019 gemeinsam mit der European Foundation for Management Development (EFMD) in englischer Sprache publiziert.
Die insgesamt 58 Themen werden in einer hoch verdichteten Form auf ein bis fünf Seiten behandelt und beinhalten viele Tabellen und Visualisierungen.
Katkalo, V.; Moehrle, M.; Volkov, D. (2019): Reference Dictionary: Corporate Learning for the Digital World. Sberbank / EFMD.
xAPI ist eine Spezifikation, die es Lerninhalten, Lernplattformen und Arbeitsplatzsystemen erlaubt, Daten zu Lern- und Arbeitsaktivitäten auszutauschen (Activity Statements). Diese Activity Statements werden in einem Learning Record Store (LRS) gespeichert und stehen dann für Auswertungen zur Verfügung. xAPI macht es möglich, eine viel grössere Bandbreite von formalen sowie informellen Lernaktivitäten zu erfassen, als dies auf der Basis von SCORM möglich ist. Mehr zu xAPI und Activity Statements in diesem Blogbeitrag.
Der Fragebogen der eLearning Guild zu diesem Thema war im Juli 2019 verfügbar. Mehr als 500 Antworten von Mitglieder der Guild sind eingegangen. Ca. 50% der Antworten kamen von Vertretern von Unternehmen, jeweils ca. 10% von Schulen / Hochschulen sowie von Not-for-profit Organisationen (Anwender bzw. potenzielle Anwender) und knapp 20% von Anbietern von Bildungsdienstleistungen bzw. Services zu xAPI.
Die Studie zeigt folgendes:
Die folgende Abbildung zeigt die wichtigsten Ergebnisse in einer Übersicht:
Torrance, Megan: 2019: The state of xAPI adoption. The eLearning Guild. Santa Rosa, CA (The eLearning Guild Research).
