Christoph Meier

Richtlinien für Einsatz von KI in der Personalarbeit

Der Ethikbeirat HR-TECH ist ein interdisziplinär besetztes Gremium mit knapp 20 Expertinnen aus Wissenschaft, Gesellschaft und Unternehmen. Vertreten sind WissenschaftlerInnen und ExpertInnen aus den Bereichen Verhaltensökonomie, Personalmanagement, Psychologie, Wirtschaftsethik und Recht, HR-Executives etablierter Unternehmen und erfahrene HR-Experteinnen, GründerInnen, CEOs und InteressenvertreterInnen erfolgreicher HR-Startups sowie VertreterInnen der Zivilgesellschaft (insbesondere von Gewerkschaften).

Ziel des Beirats ist es, PersonalmanagerInnen, die Berührungspunkte mit digitalen Innovationen in der Personalarbeit haben, Orientierung für einen verantwortungsvollen Einsatz zu geben.

Der Ethikbeirat hat sich im Dezember 2018 konstituiert und sechs Technologiefelder definiert, die die Personalarbeit in den kommenden Jahren nachhaltig verändern werden:
• Big Data
• Analytics
• Künstliche Intelligenz
• Blockchain
• Sharing Economy
• Digitale Präsenz

Ende Juni 2019 hat der Beirat ein erstes Dokument mit Richtlinien für den verantwortungsvollen Umgang mit Künstlicher Intelligenz in der Personalarbeit vorgelegt:

In dem Dokument wird u.a. auf den Employee-Lifecycle Bezug genommen:

Der Employee Lifce Cycle ist ein HR-Modell zur Beschreibung der verschiedenen Phasen, die Arbeitnehmer*innen in einer Organisation durchlaufen und zur Identifikation der Rolle, die HR zur Optimierung dieses Prozesses einnimmt. (…) [Die folgende Abbildung] dient dazu, uns eine Vorstellung davon zu geben, was durch digitale Technologien, allen voran durch Künstliche Intelligenz, möglich ist und in Zukunft vermehrt Einzug in die Personalarbeit finden wird.
Ethikbeirat HR TECH

Anschliessend werden 10 Leitlinien für den verantwortungsvollen Einsatz von KI formuliert:

1) Transparenter Zielsetzungsprozess
Vor der Einführung einer KI-Lösung muss die Zielsetzung für die Nutzung geklärt werden. In diesem Prozess sollen alle relevanten Interessensgruppen identifiziert und eingebunden werden.

2) Fundierte Lösungen
Wer KI-Lösungen anbietet oder nutzt, muss darauf achten, dass diese empirisch evaluiert sind und über eine theoretische Grundlage verfügen.

3) Menschen entscheiden
Wer KI-Lösungen einsetzt, muss sicherstellen, dass die Handlungsträgerschaft der Menschen bei wichtigen Personalentscheidungen nicht eingeschränkt wird.

4) Notwendiger Sachverstand
Wer KI-Lösungen in seiner Organisation nutzt, muss diese in ihrer Logik verstehen und erklären können.

5) Haftung und Verantwortung
Organisationen, die KI-Lösungen nutzen, sind für die Ergebnisse ihrer Nutzung verantwortlich.

6) Zweckbindung und Datenminimierung
Wer personenbezogene Daten für KI-Lösungen nutzt, muss im Vorfeld definieren, für welche Zwecke diese verwendet werden und sicherstellen, dass diese Daten nur zweckdienlich erhoben, gespeichert und genutzt werden

7) Informationspflicht
Vor bzw. beim Einsatz einer KI-Lösung müssen die davon betroffenen Menschen über ihren Einsatz, ihren Zweck, ihre Logik und die erhobenen und verwendeten Datenarten informiert werden.

8) Achten der Subjektqualität
Für die Nutzung in KI-Lösungen dürfen keine Daten erhoben und verwendet werden, welche der willentlichen Steuerung der Betroffenen grundsätzlich entzogen sind.

9) Datenqualität und Diskriminierung
Wer KI-Lösungen entwickelt oder nutzt, muss sicherstellen, dass die zugrundeliegenden Daten über eine hohe Qualität verfügen und systembedingte Diskriminierungen ausgeschlossen werden.

10) Stetige Überprüfung
Wer KI-Lösungen nach den vorliegenden Richtlinien einführt, soll transparent sicherstellen, dass die Richtlinien auch bei der betrieblichen Umsetzung und der Weiterentwicklung beachtet werden.

Die Autoren betonen, dass es sich bei diesem Dokument und den formulierten Leitlinien um eine „Konsultationsfassung“ handelt. Die Leitlinien seien nun in der Praxis anzuwenden und sukzessive weiterzuentwickeln.

EthikbeiratHRTech (2019): Richtlinien für den verantwortungsvollen Einsatz von Künstlicher Intelligenz und weiteren digitalen Technologien in der Personalarbeit. www.ethikbeirat-hrtech.de.

Einsatz von KI an Hochschulen: Anwendungen, Chancen, Risiken & ethische Fragen

„KI trifft Bildung“ – das war das Thema unseres scil Trend- & Community Days letzten Freitag. Jetzt bin ich auf einen Beitrag in EDUCAUSEreview gestossen, der sich ebenfalls mit diesem Thema befasst – und zwar mit Blick auf Hochschulen: Artificial Intelligence in Higher Education: Applications, Promise and Perils, and Ethical Questions, von Elana Zeide, Wissenschaftlerin an der UCLA.

In ihrem Beitrag unterscheidet sie verschiedene Nutzungsszenarien für KI im Bereich der Hochschulbildung:

Management-Aufgaben („institutional“)
Beispiele hierfür sind u.a.
- Nutzung von Algorithmen, um Zugriffsdaten auf Webseiten von Hochschulen auszuwerten und Interessenten gezielt anzusprechen;
- Nutzung von Algorithmen, um Kursgrössen zu prognostizieren oder Curricula zu planen;
- Nutzung von Algorithmen bei der Ressourcenplanung (von finanzieller Förderung für Studierende bis zur Raumplanung).
Unterstützung von Studierenden („student support“)
Beispiele hierfür sind u.a.
- Nutzung von Algorithmen für die Studienplanung, beispielsweise Empfehlungen zu Vertiefungsrichtungen;
- Nutzung von Algorithmen für Frühwarnsysteme, wenn das Risiko im Raum steht, das Studierende Prüfungen nicht bestehen oder das Studium abbrechen.
Unterstützung von Lehr-/Lernprozessen
Beispiele hierfür sind u.a.
- intelligente tutorielle Systeme (hierzu eine Marktübersicht von Tyton Partners aus dem Jahr 2016).

Zeide geht auch auf Chancen und Risiken ein, die sich mit der Nutzung von KI im Hochschulkontext verbinden. Auf der Chancen-Seite sieht sie eine verbesserte Qualität von Datenanalysen und damit verbunden auch von Bildungsdienstleistungen. Auf der Risiko-Seite sieht sie unter anderem unerwünschte negative Effekte aufgrund von unzureichend oder mit nicht-repräsentativen Datensätzen trainierten Algorithmen (bias) oder auch Herausforderungen im Bereich des Datenschutzes.

Und schliesslich thematisierte sie eine Reihe von ethischen Fragen rund um den Einsatz von KI in Hochschulen. Die Stichworte hier sind „unsichtbare“ Infrastrukturen, Verschiebung von Entscheidungsgewalt, Engführung von Zielen und Argumentationen auf Messbares oder mögliche Interessenskonflikte.

Zeide, Elena (2019): Artificial Intelligence in Higher Education: Applications, Promise and Perils, and Ethical Questions. EDUCAUSEreview, 26.08.2019

KI trifft Bildung – 6. scil Trend- & Community Day 2019

Letzte Woche fand der sechste scil Trend- & Community Day statt. Der Tag stand unter dem Motto „KI trifft Bildung – Wie künstliche Intelligenz Lernen & Kompetenzentwicklung verändert“. Das Programm umfasste Vorträge, Projektberichte und einen Lösungs-Marktplatz mit verschiedenen Stationen zum Thema.

Sabine Seufert machte in ihrem Beitrag die grundlegenden Elemente eines Bildungsprozesses (Input – Design – Process – Output / Outcome) zum Ausgangpunkt. Sie zeigte auf, welche Gestaltungsaspekte bei diesen Elementen besonders relevant sind (z.B. Strategien für Phasen selbstregulierten Lernens, Motivationsdesign, Interaktion & Scaffolding). Und sie zeigte, wo KI ins Spiel kommen kann, um Blended Learning Designs weiterzuentwickeln und zu stärken:

Damit war das Thema Künstliche Intelligenz eingeführt und ein Ankerpunkt für Bildungsverantwortliche gesetzt.

Aber was ist KI genau und was müssen Bildungsverantwortliche dazu wissen? Im anschliessenden Beitrag habe ich versucht, einige grundlegende Antworten darauf zu geben. Dabei bin ich den folgenden Leitfragen gefolgt:

Was ist KI bzw. die „2. Welle der Digitalisierung“?
Was können Smart Machines?
Wie werden Smart Machines besser?
Was sind aktuelle Herausforderungen im Feld KI?
Was bedeutet das alles für L&D bzw. für Bildungsverantwortliche?

Beim letzten Punkt bin ich noch sehr allgemein geblieben und habe drei Punkte formuliert:

Bildungsverantwortliche müssen sich auf KI einlassen;
sie müssen in der Lage zu sein, anderen Orientierung zu diesem Thema und den Folgen für Kompetenzentwicklung zu geben; und
sie sollten allgemeine Leitlinien zum Einsatz von KI kennen und berücksichtigen (vgl. hierzu die Leitlinien des Ethikbeirats HR-TECH).

Mit dem nächsten Beitrag wurden wir dann konkreter. Henning Klaffke, Oberingenieur am Institut für Technische Bildung und Berufsbildung der TU Hamburg, hat in seinem Beitrag ein konkretes Szenario für den Einsatz von KI im Kontext der Berufsbildung erläutert: einen personalisierten Empfehlungsservice für Nutzer der Berufsbildungsplattform foraus.de des Bundesinstituts für Berufsbildung (BIBB) in Deutschland.

Die Plattform foraus.de richtet sich an AusbilderInnen, wird täglich von mehr 1’000 Nutzern aufgerufen und hält umfangreiche Inhalte bereit. So viele Inhalte, dass für die Nutzer in der Regel nicht klar ist, was alles verfügbar ist. Vor diesem Hintergrund wurde ein Konzept entwickelt, wie diese Inhalte gefiltert und individuell zugeschnitten präsentiert werden können. Ein zentrales Element dabei ist ein algorithmenbasiertes Empfehlungssystem:

Am Nachmittag stand zunächst die jüngste Assistentin des Instituts für Wirtschaftspädagogik im Mittelpunkt: Lexi (alias Pepper):

Johannes Stähli von RaumCode erläuterte die Funktionsweise des Roboters und Bonnie Jones von Zürich Versicherungen stellte zwei Trainings-Szenarien vor, in denen Pepper zum Einsatz kam.

Anschliessend gab es drei Runden „Speedgeeking“ mit insgesamt fünf Martkplatz-Stationen:

Peggy Palluch, Kantonsspital St.Gallen:
Fit4Change – Schulungskonzept für KSSG
(Abschlussprojekt im Rahmen des scil-Diplomprogramms „Corporate Learning / Bildungsmanagement“)
Bernd Wiest, time4you:
JIX-basierte Chatbots
Thomas Jenewein, SAP Education:
Ed the bot – Unterstützung in digitalen Learning Rooms
Sarah Schwab, TheExperienceAccelerator:
Coaching mit teilautomatisiertem Feedback
Daniel Niederberger, Taskbase:
Teilautomatisierte Korrektur von Mathe-Aufgaben

Die vier Stationen zu KI-basierten Werkzeugen machten deutlich, dass bereits verschiedene praktisch nutzbare Lösungen verfügbar sind.

KI-basierte Werkzeuge bzw. Smart Machines finden also ihren Weg in den Arbeitsalltag von Bildungsverantwortlichen. Aber nicht nur dort, sondern an vielen anderen Orten auch: im Bereich der IT-Services, in der Finanz- und Versicherungswirtschaft, in der Logistik, in Produktionsbetrieben etc. Vor diesem Hintergrund stellt sich die Frage, welche Konsequenzen daraus für die Personalentwicklung resultieren.

Diese Frage war auch der Ausgangspunkt für den scil Innovationskreis 2018 / 19 zum Thema „Augmentation und Personalentwicklung“. Die wichtigsten Ergebnisse zu diesem Innovationskreis habe ich im folgenden Beitrag vorgestellt:

In der Diskussion um die Substitution und Augmentation von menschlicher Arbeitskraft durch Smart Machines ist die relevante Ebene die von Aktivitäten, nicht von Jobrollen oder Berufsgruppen;
Eine am Konzept der Augmentation orientierte Personalentwicklung als Gesamtprozess umfasst drei Aufgabenstränge:
– Anforderungsanalyse & Kompetenzentwicklung
– Veränderungsmanagement
– Erfolgsbestimmung;
Es braucht spezifische Arbeitshilfen, um diesen Gesamtprozess umsetzen zu können.

Einige ausgewählte Arbeitshilfen habe ich dann kurz vorgestellt. Und am Ende folgenden Punkt herausgestellt:
Angesichts der zunehmenden Verbreitung von Smart Machines im Arbeitsfeld sind Augmentationsstrategien nicht nur ein wichtiger Orientierungsrahmen für das Bildungsmanagement und die Personalentwicklung. Auch Führungskräfte und Beschäftigte sollten diese Strategien und die damit verbundenen Optionen sowie Anforderungen immer im Blick haben. Das Bewusstsein, dass angesichts neuer Technologien im Arbeitsfeld verschiedene Entwicklungswege möglich sind, deblockiert bzw. entlastet das Gespräch über die damit verbundenen Veränderungserfordernisse.

Der letzte inhaltliche Beitrag des Tages kam von Donald Clark (wildfirelearning; learningpool / ht2labs; planBlearning; University of Derby). Er hat zum einen aufgezeigt, wie KI über den gesamten Lernprozess (attract – support – create content – learner analysis – personalization – assessment) genutzt werden kann. Und er berichtete zu einem Projekt zur Lerninhalte-Entwicklung, dass er mit TUI UK / Ireland durchgeführt hat.

Der nächste scil Trend- & Community Day findet am 09. September 2020 statt. Mehr Informationen dazu folgen später hier.

Impressionen zum Trend- & Community Day

Digital Age Learning (EFMD SIG Report)

Der Bericht einer EFMD Special Interest Group „Digital Age Learning“ (2017) formuliert sechs Besonderheiten von „digital age learning“, ein angepasstes Prozessmodell und eine neue Rolle: den „Learning Experience Designer“.

In einer von Nigel Paine moderierten Arbeitsgruppe hatten sich 16 Unternehmen zusammengeschlossen (u.a. Novartis, Pirelli, Santander, Siemens, Swiss Re, UBS) und die Optionen und Herausforderungen der digitalen Transformation für Learning & Development exploriert. Als Sponsoren waren Capgemini Consulting und IESE Business School beteiligt.

Im Mittelpunkt des Berichts stehen neun Erprobungen bzw. Projekte, die bei den Partner-Unternehmen umgesetzt wurden. Darüber hinaus wird eine neue Rollen für Bildungsverantwortliche skizziert, die aus Sicht der Arbeitsgruppe im Zentrum von „Digital Age Learning“ steht: „Learning Experience Designer“ (Gestalter von Lernerfahrungen).

Ausgangspunkt des Berichts ist das folgende Modell dazu, was Digitalisierung für Unternehmen und Organisationen bedeutet (vgl. Soule et al. 2016):

Von diesem Verständnis von Digitalisierung ausgehend werden sechs Charakteristika von Lernen im digitalen Zeitalter eingeführt, die in den folgenden Abbildungen visualisiert sind:

Bildquelle: EFMD SIG Digital Age Learning; Übersetzung der Erläuterungen durch scil

Die an der Arbeitsgruppe beteiligten Partner brachten eigene Erprobungen bzw. Projekte ein, die in den sechs Dimensionen von ‚Digital Age Learning‘ verortet bzw. auf diesen Dimensionen bewertet wurden:

Bildquelle: EFMD SIG Digital Age Learning

Diese neun Erprobungen bzw. Projekte werden in dem Arbeitsbericht in standardisierter Weise beschrieben:

Business Need
What was piloted / created?
User Experience
Social Learning
Analytics

Die Arbeitsgruppe formuliert in diesem Bericht auch ein Modell für Lern- bzw. Entwicklungsprozesse. Wenn dieses mit üblichen Darstellungen des L&D-Prozesses kontrastierend gegenüber gestellt wird, werden die spezifischen Betonungen dieses Modells besonders deutlich:

Das „Learning Model“ der EFMD-Arbeitsgruppe links;
eine typische Dastellung des L&D-Leistungsprozesses rechts
Bildquellen: EFMD SIG Digital Age Learning; scil

Der wichtigste Unterschied zu etablierten Darstellungen des L&D-Leistungsprozesses betrifft aus meiner Sicht die Schritte 2 und 3: „Explicate Learning Moments“ sowie „Enable the Learning Journey“.

„Explicate Learning Moments“
Im Unterschied zu einem „traditionellen“, angebotsorientierten Modell liegt hier der Fokus auf verschiedensten Lerngelegenheiten, die sich im Arbeitsalltag ergeben. Diese „Learning Moments“ gilt es – in Zusammenarbeit mit den Beschäftigen / Lernenden – zu identifizieren und die wichtigsten Momente herauszuarbeiten.

Und dann kommmt der zweite Schritt: die verschiedenen „Learning Moments“ zu einer Gesamterfahrung zu verknüpfen:
„Enabling a Learning Journey“
Eine solche Lernreise beinhaltet nicht nur eine sinnvolle Verknüpfung und Abfolge von Learning Moments, sondern auch deren Reflexion und das Herausarbeiten von Mustern, Handlungsmaximen, etc. Ein nicht zu vernachlässigender Aspekt dabei ist, dass diese Lernreise attraktiv gestaltet ist und – soweit möglich – auch Spass macht.

Die Umsetzung dieser Aufgaben bündeln die Autoren der Arbeitsgruppe in einer neuen Rolle: Learning Experience Designer.

The Learning Experience Designer is charged with creating the systems and processes that allow employees to stitch together various learning moments, and create a holistic experience. This task requires a relentless focus on the learner experience; i.e. the way a learner is capturing learning moments, reflecting on them and extracting generalizable patterns. Improving the ease, accessibility and pleasure of these activities, which underpin the ability of the learner to create an integrated learning journey, becomes a primary concern. This mindset is typical of a user experience designer,
EFMD SIG Digital Age Learning, 2017

Die Autoren des Berichts verstehen die Rolle des Learning Experience Designers als Weiterentwicklung der etablierten Rolle Instructional Designer. Learning Experience Designer sollen in allen vier oben angeführten Prozess-Phasen Aufgaben übernehmen:

Bedarfsklärung / Zieldefinition
Im digitalen Zeitalter spielen hier zum einen Datenanalysen eine wichtige Rolle und zum anderen eine Design-Thinking-Haltung, mit der ein gutes Verständnis der Anforderungen der Nutzer verfolgt wird.
Lerngelegenheiten identifizieren
Hier steht die enge Zusammenarbeit mit den Beschäftigten / Nutzern / Lernenden im Vordergrund und es braucht eine Haltung, die Co-Creation möglich macht.
Lernreise ermöglichen
Hier geht es darum, Neues auszuprobieren, zu tüfteln, Prototypen zu entwickeln und diese zu überprüfen.
Bewerten und personalisieren
Sobald die Lösung steht, treten weitere Aufgaben in den Vordergrund: die Umsetzung optimieren. In einer schnelllebigen Welt müssen Learning Experience Designer gleichzeitig darauf achten, ob und wie sich die Anforderungen der Zielgruppe verändern bzw. neue Möglichkeiten ergeben. Dann müssen sie bereit sein, ihre bisherigen Lösungen über Bord zu werfen und nach neuen Lösungen zu suchen.

Die verschiedenen Facetten der Rolle „Learning Experience Designer“ sind in der folgenden Abbildung dargestellt:

Facetten der Rolle „Learning Experience Designer“ im Gesamtprozess
Bildquelle: EFMD SIG Digital Age

Ich finde den Arbeitsbericht, auf den ich über das aktuelle Buch von Nigel Paine (Workplace Learning, 2019) gestossen bin, sehr interessant. Allerdings ist die in diesem Bericht skizzierte Rolle „Learning Experience Designer“ breit angelegt und aus meiner Sicht sehr herausfordernd.

Verweise:

Soule, Deborah L.; Puram, Akshita; Westerman, George F.; Bonnet, Didier (2016): Becoming a Digital Organization: The Journey to Digital Dexterity. In: SSRN Journal (January). DOI: 10.2139/ssrn.2697688.

Special Interest Group Digital Age Learning (2017): Digital Age Learning. EFMD Special Interest Group Report. EFMD. Brussels. Online verfügbar unter https://efmdglobal.org/knowledge/studies-and-reports/.

50:50 Learning Model für Kleinunternehmen

In der aktuellen Ausgabe des Chief Learning Officer Magazins argumentieren Videhi Bhamid und Kasper Spiro (beide easygenerator.com) für ein für Startups angepasstes Trainingsportfolio: 50% selbstgesteuertes Lernen & 50% soziales Lernen.

Der Formulierung des Modells liegen folgende Annahmen bzw. Ausgangspunkte zugrunde:

Startups haben nicht die finanziellen Ressourcen, um Personalentwicklung mit formal organisierten Lernangeboten umzusetzen.
Startups zeichnen sich durch ein agiles und informelles Arbeitsumfeld aus.
Startups suchen und beschäftigen hochgradig selbstgesteuerte Personen.

Vor diesem Hintergrund argumentieren die beiden Autoren, dass Startups mit begrenzten Ressourcen für Personalentwicklung nicht auf diese verzichten müssen. Aber an Stelle eines 70:20:10-Modells ist eher ein 50:50-Modell ohne formale Trainings und Kurse passend. Ein solches Modell ist vermutlich auch für viele anderen kleine bzw. Kleinst-Unternehmen passend – sofern sie eine ähnliche Personalstruktur aufweisen:

Bildquelle: Bhamidi / Spiro / CLO-Magazin 2019

Bhamidi, V. & Spiro, K. (2019): The 50:50 Learning Model. Chief Learning Officer Magazine, September 2019.

Digitalisierung und Geschäftsmodelle für Bildungsdienstleister

Im Zuge der Digitalisierung sind Bildungsdienstleister gefordert, ihre Geschäftsmodelle auf den Prüfstand zu stellen bzw. weiterzuentwickeln. Dies gilt für die adressierten Zielgruppen ebenso wie für die angebotenen Leistungen, die Prozesse der Leistungserstellung und die Verrechnung von Leistungen.

Educationsuisse, der Dachverband der Schweizerschulen im Ausland, hatte mich angefragt, ob ich einen Workshop zu diesem Themenfeld für die Mitgliedsschulen durchführen könnte. Dies habe ich gerne gemacht. Diese Schulen operieren in verschiedenen regionalen und kulturellen Kontexten (von Santiago de Chile über Barcelona bis Singapur und Peking) und unter unterschiedlichen Marktbedingungen (z.B. Wettbewerb mit anderen internationalen Schulen am Standort). Sie sind aber gleichermassen gefordert, Antworten auf aktuelle Herausforderungen zu finden – von der Rekrutierung von Schülern (und damit verbunden ihrer Finanzierung) bis hin zur Entwicklung digitaler Kompetenzen bei Lehrpersonen und Schülern.

Durchgeführt wurde der zweitägige Workshop im Rahmen der Jahreskonferenz 2019 von educationsuisse. Gestartet sind wir mit einem Impuls zum Thema Digitale Transformation und den Implikationen für Bildungsdienstleister allgemein. Stichworte hierzu waren u.a. immersive und personalisierte Lernumgebungen, veränderte Ansprüche an die User Experience in Lernumgebungen, datenbasierte Bildungsdienstleistungen und die zu erwartenden Veränderungen durch den Einsatz von Künstlicher Intelligenz.

Workshop: Visualisierung von Geschäftsmodellen und Ansatzpunkte für Weiterentwicklungen

Anschliessend haben wir uns dem Konzept „Geschäftsmodell“ und der Arbeitshilfe „Business Model Canvas“ weiter angenähert. Die Teilnehmenden Schulleitungen und Schulvorstände hatten dazu bereits im Vorfeld Auszüge aus dem Buch „Business Model Generation“ von Osterwalder und Pigneur bearbeitet. Jetzt wurden zunächst vier befüllte Tableaus von verschiedenen Typen internationaler Schulen vorgestellt: Collège du Léman, Swiss International Scientific School Dubai, Hochalpines Institut Ftan und schliesslich Collegio Suizo de Santiago de Chile.

Im Anschluss begann der eigentliche Workshop. Hier erarbeiteten die Vertreter der Schulen in regional gegliederten Gruppen sowohl allein als auch gemeinsam den aktuellen Stand ihres jeweiligen Geschäftsmodells auf der Basis des Business Model Canvas. Eine Reflexion der Erfahrungen in der Arbeit mit diesem Instrument rundete den ersten Tag ab.

Am zweiten Tag stand dann die Entwicklung eines Zukunftsbilds im Mittelpunkt. Ausgangspunkte hierfür waren zunächst eine Reflexion der relevanten Kontexte, in denen die Bildungsdienstleister stehen (übergreifende gesellschaftliche Trends, makroökonomische Kräfte, Branchenentwicklung und Marktkräfte). Danach die Frage, welche Ausgangspunkte für die Weiterentwicklung des Geschäftsmodells prioritär sind: beispielsweise Veränderungen bei Kostenstrukturen und Einnahmequellen; Veränderungen bei den Kundenbedürfnissen; oder Veränderungen bei den verfügbaren Partnern und Ressourcen.

Die Vertreter der teilnehmenden Schulen haben im Rahmen dieses Workshops zahlreiche Ideen und Ansatzpunkte für die Weiterentwicklung ihrer jeweiligen Geschäftsmodelle entwickelt. Diese gilt es jetzt zu priorisieren und Möglichkeiten der Umsetzung zu explorieren. Der Geschäftsstelle des Verbands kommt hierbei eine wichtige Rolle zu (Moderation und Unterstützung des weiteren Austauschs bzw. Abgleichs untereinander).

Hier ein Zusammenschnitt der Folien, die ich bei diesem Workshop eingesetzt habe:

educationsuisse-WS-Gesch-Modell-Entw-2019-07-09f-scil-blog_2

Justieren von Geschäftsmodellen als Daueraufgabe in einem digitalisierten Bildungsmarkt

Den Abschluss der Jahreskonferenz bildete eine offlizielle Veranstaltung im Kantonsparlament des Gastgeber-Kantons Luzern. Im Rahmen dieser Veransaltung hatte ich die Möglichkeit, die Arbeit im Workshop und die Arbeitsergebnisse kurz vorzustellen. Und ich konnte einen mir wichtigen Gedanken platzieren.

Im Zuge der fortschreitenden Digitalisierung von Bildungsdienstleistungen (Lernmedien, Lernplattformen, datenbasierte Leistungsprozesse, etc.) können Bildungsorganisationen Anpassungen beim eigenen Geschäftsmodell zunehmend einfacher und schneller vorzunehmen. Ein neuer Partner oder eine zusätzliche Ressourcensammlung soll eingebunden werden? Auf der Basis von Cloud-basierten Infrastrukturen mit standardisierten Schnittstellen (Rest-API) ist dies schneller und einfacher möglich als je zuvor. Eine neue Kundengruppe soll adressiert und mit (neuen) Leistungen versorgt werden? Auch dies ist auf der Grundlage von digitalen Infrastrukturen und digitalen Lernressourcen einfacher als zuvor möglich. Bildungsanbieter wie Coursera machen dies vor. So hat Dhawal Shah in einer Analyse der Geschäftsmodell-Entwicklung bei Coursera (Shah 2019) aufgezeigt, dass in den letzten sieben Jahren kaum ein Quartal verging, in dem Coursera nicht eine oder mehrere Neuerungen in seinem Geschäftsmodell erprobt (und zum Teil auch wieder verworfen) hat (vgl. die folgende Abbildung).

Kontinuierliche Veränderung / Weiterentwicklung des Geschäftsmodells von Coursera
Bildquellen: Shah 2019; Coursera; scil

Die Arbeit am Geschäftsmodell wird für Bildungsdienstleister zunehmend zu einer Daueraufgabe. Ein zunehmend dynamischeres Marktumfeld macht die kontinuierliche Beobachtungen der Mitbewerber und entsprechende Anpassungen erforderlich. Diese Anpassungen sind leichter und schneller möglich als je zuvor.

Referenzen:

Dhawal Shah: Coursera’s Monetization Journey: From 0 to $100+ Million in Revenue, Class Central Blog, June 22nd, 2019.

Osterwalder, Alexander; Pigneur, Yves (2011): Business Model Generation. Ein Handbuch für Visionäre, Spielveränderer und Herausforderer. 1. Aufl. Frankfurt am Main u.a.: Campus Verlag.

David Kelly’s Curated Content auf TWIST / eLearning Guild

David Kelly, Executive Director der eLearning Guild, stellt seit gut zwei Jahren wöchentlich eine Reihe von Fundstücken zu verschiedenen Themen rund um eLearning bereit: David Kelly’s Curated L&D Content for the Week.

Die Fundstücke sind gut ausgewählt und die Themenpalette ist breit: eLearning Design, Einsatz verschiedener medialer Formate, Werkzeuge und Ressourcensammlungen für eLearning-Designer, Ausrichtung von L&D, Forschungs- und Studienergebnisse, etc:

Einsatz von VR in der Ausbildung von Chirurgen: höherer Lernerfolg

Die kürzlich bei einer Konferenz in Kalifornien vorgestellten Ergebnisse einer Experimentalstudie der medizinischen Fakultät der UCLA zum Lernerfolg bei chirurgischen Arbeitstechniken zeigen einen deutlich höheren Lernerfolg derjenigen Studierenden, die mit einer VR-Anwendung gelernt hatten.

Der Studie lag ein Experimental-Design mit zufälliger Zuweisung von 20 Studierenden zu zwei Bedingungen (Nutzung VR-Headset & Controller vs. traditionelle chirurgische Trainingsmethoden) zugrunde. Nach dem Training vollführten die Studierenden einen Eingriff an einem künstlichen Knochen und wurden dabei gefilmt. Die Bewertung ihrer Leistungen erfolgte duch einen Evaluator, der nicht wusste, welche Studierenden zu welcher Gruppe (Experimentalgruppe, Kontrollgruppe) gehörten.

Die Ergebnisse sind deutlich: die mit der VR-Anwendung trainierte Gruppe schnitt bei allen Bewertungskriterien (z.B. Zeitaufwand, Handhabung der Instrumente, Steuerung des Vorgehens) deutlich besser ab als die Studierenden, die nach dem traditionellen Trainingsverfahren ausgebildet worden waren:

Bidlquelle:
https://www.roadtovr.com/ucla-vr-surgical-training-study-osso-vr/

Tibial IMN: Virtual Reality vs. Standard Surgical Guide Randomized Study. Gideon Blumstein, MD, MS, University of California, Los Angeles. Präsentation an der Jahreskonferenz der Western Orthopaedic Association, August 2019.

Automatisierte Produktion von Lernressourcen: Sammlungen, Quizzes, Bücher, Videos, etc.

Im Zuge der fortschreitenden Digitalisierung und Automatisierung ergeben sich auch neue Möglichkeiten der Produktion von medialen Inhalte bzw. Lernressourcen. Für Bildungsverantwortliche und Inhalte-Entwickler ist es ratsam, diese Entwicklungen im Blick zu behalten.

Automatisierte Zusammenstellungen von Lernressourcen sind nicht neu. Aktuell im Markt verfügbare Plattformen wie beispielsweise EdCast, Degreed oder FuseUniversal erlauben es, spezifisch auf ein Nutzer-Profil (Funktion, Aufgaben, Weiterbildungshistorie) zugeschnittene Lerninhalte anzuzeigen:

Bildquelle: https://joshbersin.com/2017/06/a-new-world-of-corporate-learning-arrives-and-it-looks-like-tv/

Ein nächster Entwicklungsschritt ist die (teil-)automatisierte Produktion von Lernressourcen aus vorhandenen Materialien. Auch hierzu gibt es erste Produkte und verschiedene laufende Projekte:

Automatisierte Produktion von Wissenstests

Volley.com bietet eine Lösung, um für sich rasch änderne Wissensgebiete (z.B. Cybersecurity) Text-Zusammenfassungen und Wissens-Tests zu erstellen. Dazu müssen zunächst Dokumente (z.B. technische Beschreibungen zu den neuesten Phishing-Angriffen) in ein System eingelesen werden, in dem diese dann semantisch analysiert werden. Aufbauend auf der inhaltlichen Analyse der Dokumente können dann automatisch kurze Wissenstests zu den eingelesenen Inhalten erzeugt werden.

Mehr dazu in diesem (Werbe-)Video von volley.com.

Automatisierte Anreicherung von Webseiten mit passenden Inhalten

Anyclip.com bietet mit „LuminousX“ eine Plattform, über die für eine beliebige Webseite passende Inhalte ergänzt werden können. Ein Beispiel bietet diese Seite von Venturebeat.com, auf der – ergänzend zu einem Artikel über KI-unterstützte Video-Produktion bei einem MOOC-Anbieter – automatisch weitere thematisch verwandte Videos aus dem Bereich Bildung, Ed-Tech, etc. vorgeschlagen werden.

Auch wenn diese Lösung ursprünglich aus dem Bereich des Web- und Inhalte-Marketings kommt, so ist ein Einsatz auch im Bildungsbereich denkbar.

Automatisiertes Erzeugen von Zusammenfassungen und Büchern

Technische Lösungen, die Texte automatisch zusammenfassen, finden sich schon seit einigen Jahren im WWW (z.B. autosummarizer.com oder resoomer.com). Eine Übersicht zu Nutzungsszenarien von Autosummarizer-Applikationen im Unternehmenskontext bietet dieser Blogpost.

Der Wissenschaftsverlag Springer hat kürzlich in Zusammenarbeit mit Wissenschaftlern der Goethe Universität Frankfurt das erste von einem Computer / Algorithmus zusammengestellte Buch publiziert. Dieses Buch enthält automatisch erstellte Zusammenfassungen der neuesten Forschungsliteratur über Lithium-Ionen-Batterien. Ein Forschungsgebiet, dass mit mehr als 53’000 Publikationen in den letzten drei Jahren sehr dynamisch ist und kaum noch „manuell“ gesichtet werden kann.

Quelle: https://link.springer.com/book/10.1007/978-3-030-16800-1

Hier ein kurzer Ausschnitt aus dem Inhaltsverzeichnis:

In einer Sendung des Deutschlandfunks wird dieses Projekt näher erläutert. Hier nur ein kurzer Auszug daraus:

„Das Verfahren besteht aus zwei Stufen. In der ersten Stufe wird quasi das Inhaltsverzeichnis generiert oder die Dokumentenstruktur, in der zweiten Stufe wird der Text ergänzt. Die Generierung der Dokumentenstruktur erfolgt im Wesentlichen auf Basis eines sogenannten Clustering-Verfahrens. Das heißt, wir nehmen alle Publikationen in unsere Domäne, ermitteln deren jeweilige Ähnlichkeit miteinander und gruppieren dann die ähnlichen Publikationen zueinander. Dann kommt der Nutzer ins Spiel und der sagt: Wie viele Kapitel möchte ich haben, innerhalb jedes Kapitels wie viele Sektionen? Und dann bilden wir mit Standardverfahren aus dem Clustering eben genau eine Gruppierung in, sagen wir mal, fünf potenzielle Kapitel mit jeweils fünf potenziellen Subsektionen. Innerhalb dieser Subsektionen nun sind die Publikationen einander unterschiedlich ähnlich, und wir können diejenigen, die sich quasi im Mittelpunkt eines Clusters befinden, als die prototypischsten behandeln.“
Quelle: Deutschlandfunk

Ergänzend hierzu eine schematische Darstellung des Herstellungsprozesses aus dem einleitenden Kapitel des Buches.

In diesem Kapitel werden auch die aktuell noch bestehenden Herausforderungen aufgeführt, an den weiter gearbeitet wird, beispielsweise Verbesserungen bei Satzkonstruktionen, bei kontextsensitiven Umschreibungen oder bei aussagekräftigen Überschriften.

Solche automatisch erstellten Übersichtspublikationen sind nicht nur für (Nachwuchs-)Wissenschaftler relevant, die sich in ein neues Themengebiet einarbeiten müssen. Die gleiche Problemstellung ergibt sich ja in ganz vielen weiteren (Arbeits-)Kontexten.

Automatisiertes Erzeugen von Vorlesungs-Videos

Vorlesungs-Videos sind ein zentrales Element vieler MOOCs. Die Produktion dieser Videos ist aufwändig. Es braucht ein Studio und Ausrüstung (Kamera, Ton, Licht, etc.), der oder die Fachexpertin muss ins Studio kommen, es braucht eine Regie, später muss die Aufzeichnung zusammengeschnitten werden, etc. Und wenn dann die Inhalte aktualisiert werden müssen, geht die ganze Übung wieder von vorne los.

Kein Wunder also, dass es Bemühungen gibt, diesen Prozess zu vereinfachen. Alltagstaugliche Lösungen gibt es noch nicht, aber es wird daran gearbeitet.

Aus dem AI-Team von Udacity, einem MOOC-Anbieter, ist ein Prototyp einer Lösung hervorgegangen: LumièreNet. Diese Lösung basiert ausschliesslich auf neuronalen Netzen, die darauf trainiert wurden, aus den bereits verfügbaren Videosequenzen einer Person (z.B. einer Lehrperson) und später aufgenommenen Sprachaufzeichnungen (z.B. aktualisierte Sequenz zu einer Vorlesung) ein Video mit einem neuen Inhalt zu erstellen:

Hier ein Beispiel für ein auf diese Weise erzeugtes Video.

Wie gesagt: noch nicht überzeugend, aber die Ergebnisse werden vermutlich bald besser sein.

Verweise:

Kim / Ganapathi (2019): LumièreNet: Lecture Video Synthesis from Audio.

Badges zur Dokumentation von Kompetenzentwicklung: Das Beispiel EY

Badges sind digitale Repräsentationen von Fähigkeiten, Lernleistungen oder Erfahrungen, die einerseits mit einem Bild und andererseits mit Metadaten verknüpft sind. Standards wie das System „Open Badges“ der Mozilla Foundation, ermöglichen die Darstellung von solchen Kompetenznachweisen in verschiedenen Kontexten (z.B. im eigenen Linkedin-Profil).

Über Badges wird schon länger diskutiert – beispielsweise über die Frage, inwiefern die über Badges dokumentierten Informellen bzw. nonformalen) Lernleistungen aggregiert und von Hochschulen als Leistungsnachweise anerkannt werden können. Im Kontext der Corporate Learning Community hatte Charlotte Venema kürzlich die mit Badges verknüpften Fragen und Herausforderungen aufgegriffen: „Badges für informelles Lernen? Ja, ABER…„

Jochen Robes hat in einem ausführlichen Blogbeitrag die Praxis des Wirtschaftsprüfungs-Unternehmens Ernst & Young beschrieben. Dort werden „EY Badges“ als komplementäres Bildungsangebot zu formal organisierten Weiterbildungskursen gesehen und gepflegt. In Abstimmung mit der jeweiligen Führungskraft kann man so einem Entwicklungsthema ohne Zeitdruck selbstgesteuert nachgehen.

Interessant ist, welche Anforderungen bei Ernst&Young gestellt werden, um einen Badge zu erwerben:

Learning
Complete 40 hours of online, classroom or on-project training
Experience
Engage with a project on a radar of one of EY Innovation teams (regional, and service lines) and demonstrate knowledge of acquired concepts or submit an idea to EY innovation challenge
Contribution
Share knowledge through thought leadership, coaching, conferences, social media, client presentations or other relevant channels
Jochen Robes, Weiterbildungsblog.de, 14.08.2019

Hier geht es zum ausführlichen Beitrag auf weiterbildungsblog.de…

Kompetenzen für die digitale Ökonomie (Burning Glass / BHEF)

Burning Glass Technologies ist ein in Boston beheimateter Anbieter von Software für Datenanalyse und ein Anbieter von Arbeitmarkt-Analysen. Das Business-Higher Education Forum (BHEF) ist ein in Washington D.C. verankertes Netzwerk von CEOs grosser US-amerikanischer Unternehmen einerseits sowie Hochschulleitungen andererseits. Gemeinsam haben diese beiden Partner eine Studie zu den grundlegenden Kompetenzen für die digitale Ökonomie publiziert: „The new foundational skills for the digital economy“ (2018).

Ausgehend von einem Datensatz von 150 Millionen Stellenausschreibungen aus den USA aus dem Zeitraum 2007-2017 wurden zunächst 17’000 Fertigkeiten unterschieden und diese dann in 14 „grundlegende“ Kompetenzen und in drei Kompetenzbereiche gruppiert.

14 Skills in drei Bereichen:

Human Skills
- Sozialkompetenzen, Kreativität, Kritisches Denken;
- werden insbesondere in der digitalen Ökonomie nachgefragt;
- können vergleichsweise breit eingesetzt und einfach transferiert werden;
Digital Building Blocks
- für den Erfolg in der digitalen Ökonomie unverzichtbare Fertigkeiten;
- ermöglichen den Umgang mit und die Nutzung von neuen Technologien;
- sind zunehmend auch für Berufe ausserhalb von IT- / datenbezogenen Berufsfeldern relevant;
Business Enablers
- dienen als Kitt zwischen Menschen, Kompetenzen und Rollenanforderungen;
- spielen eine wichtige Rolle für die Anwendung der anderen Fertigkeiten in konkreten Arbeitssituationen;

Bildquelle: Burning Glass Technologies / Business-Higher Education Forum 2018

In der Studie wird auch aufgezeigt, wie sich die Nachfrage nach diesen drei Kompetenzbereichen in den USA in den Jahren 2012 – 2017 entwickelt hat:

Ein Konzept, das in dem Bericht entwickelt wird, ist das des „blended digital professional“, der die drei Kompetenzbereiche in einer guten Weise mit einer spezifischen Fachkompetenz verbindet:

(…) the skills of today’s digitally intensive workers – which this research shows are neither rarified nor static – will become the New Foundational Skills of millions of workers, in thousands of workplaces, across the US. These blended digital professionals will develop proficiencies within each of the three core groups – Digital Building Block, Business Enabler, and Human Skills. Indeed, their ability to draw on, and weave together, these diverse skill sets will set them apart from workers of the past, and lay the foundation for the economy of the future.”
Brian K. Fitzgerald, CEO BHEF

Markow, Will; Hughes, Debbie; Bundy, Andrew (2018): The new foundational skills of the digital economy. Developing the professionals of the future. Burning Glass Technologies / Business-Higher Education Forum.

Entwicklung der Lernprofis: digitale Kompetenzen

Ich habe versäumt, auf diesen Beitrag hinzuweisen, der schon vor einiger Zeit in Wirtschaftspsychologie aktuell erschienen ist:

Seufert, Sabine; Meier, Christoph; Spirgi, Judith (2019):
Entwicklung der Lernprofis: Welche digitalen Kompetenzen sie in Zukunft benötigen.
In: Wirtschaftspsychologie aktuell (2), S. 53–56.

Im Zuge der Digitalisierung der Arbeitswelt sind Bildungsverantwortliche gefordert, ihre eigenen Kompetenzen weiterzuentwickeln. Dies betrifft digitale Grundkompetenzen (z.B. digitale Lernmedien erstellen oder Lizenzmodelle für offene Lernmedien kennen) ebenso wie Kompetenzen für eine digitalisierte Arbeitswelt (z.B. Learning Analytics) und Kompetenzen für die Bewältigung der digitalen Transformation (z.B. Innovation und Transformation fördern und begleiten). Die Kompetenzentwicklung der Lernprofis kann über verschiedene Formate unterstützt werden. Wichtig ist, dass sie möglichst vielfältige eigene Lernerfahrungen in digitalen Lernumgebungen machen.

Reflexionshilfe für Portfolio-Arbeiten: STAR

In loser Folge greife ich immer mal wieder die Portfolio-Arbeiten auf, die von den Teilnehmenden an unseren Weiterbildungsprogrammen erstellt werden (vgl. dazu diese Beiträge).

Mathis Fluck hat kürzlich seine Portfolio-Arbeit eingereicht, in der er eine aus meiner Sicht sehr interessante Arbeitshilfe für die Reflexion der eigenen Kompetenzentwicklung eingesetzt hat. Das von ihm verwendete Tableau beinhaltet fünf Bereiche:

Situation
Task
Action
Result
Reflection

Ich habe Mathis einige Fragen zu dieser Arbeitshilfe gestellt:

Christoph Meier: Mathis, du hast von 2018 bis 2019 im Rahmen des Weiterbildungsprogramms «CAS Corporate Learning / Bildungsmanagement» insgesamt sieben Module absolviert und mittlerweile deinen Abschlussbericht eingereicht. Besonders auffällig an deiner Portfolio-Arbeit fand ich die Tableaus, die du auf der Basis des «STAR»-Modells erstellt hast. Wo kommt dieses Modell her? Hast du dieses selbst entwickelt? Hast du dich an Modellen anderer orientiert?

Mathis Fluck: Das Modell habe ich nicht selber entwickelt, vielmehr bin ich mit der STAR Methode vor einigen Jahren als Teilnehmer eines internen Entwicklungsprogramms für Führungskräfte in einem Development Center in Kontakt gekommen. Zudem habe ich es im Rahmen eines Projektes zur Fähigkeitsentwicklung von über 100 Teilnehmenden für individuelle Präsentationsaufgaben angewendet. Es handelt sich dabei um ein Instrument aus der Kompetenz-Diagnostik. Das Instrument kann in Rekrutierungs- sowie in Entwicklungsprozessen Anwendung finden. Dem Instrument liegt das Konzept Behavioural Interviewing (Verhaltensbasierte Befragung) zugrunde und legt den Fokus auf Erfahrungen, Verhaltensweisen, Kenntnisse, Fertigkeiten und Fähigkeiten, die mit der täglichen Arbeit in Verbindung stehen.

Christoph Meier: Du hast ein solches Tableau für jeden Transferauftrag bzw. zu jedem Modul der Weiterbildung erstellt. Was nützt dir persönlich dieses Tableau – jenseits des Transferauftrags, den du ja bereits zuvor erstellt und eingereicht hast?

Mathis Fluck: Grundsätzlich hilft mir das Tableau mit der STAR Methode, strukturiert mein eigenes Verhalten zu reflektieren. Es zwingt mich dazu, noch einmal verschiedene Schritte meines Entwicklungsprozesses zu durchdenken sowie zukunftsgerichtete Schlüsse zu ziehen. Im Nachgang zu den Transferaufträgen festigt diese Methode mein Lernen, indem ich noch einmal die entsprechenden Wissensstrukturen rekapituliere. Zudem konnte ich mir im Resultate / Reflektionsteil des STAR Modelles entwickelte Kompetenzen oder auch künftig notwendige Perspektivenwechsel bewusst machen. Da ich für jedes Weiterbildungsmodul einen solchen «One-Pager» erstellt habe, ist dies natürlich auch eine verdichtete aber trotzdem ganzheitliche Zusammenfassung aller Lerninhalte die ich im Arbeitsalltag umgesetzt habe.

Christoph Meier: Wie aufwändig ist es für dich, ein solches Tableau zu einem Transferauftrag bzw. einem Weiterbildungsmodul zu erstellen? Wie gehst du dabei vor? Und lernst du noch etwas dabei?

Mathis Fluck: Aufwändig war in erster Linie die Ideengenerierung sowie der Entscheid, auf welche Art und Weise ich in der Praxis umgesetzte Lerninhalte sinnvoll reflektieren möchte. Natürlich hat auch die Erstellung des Templates der STAR Methode eine gewisse Zeit in Anspruch genommen – weshalb ich gerne auch die «leere» Struktur zur Verfügung stelle.
Danach besteht der Arbeitsaufwand darin, den gesamten Transferprozess noch einmal sehr strukturiert gedanklich durchzugehen. Daraus resultiert dann natürlich auch der hauptsächliche Lerneffekt – so setzte ich mich zum Beispiel noch einmal bewusst mit den zentralen Wissensstrukturen, die im Transferauftrag Anwendung gefunden haben, auseinander; Also eine erneute Wiederholung und somit Festigung des von mir erarbeiteten Wissens. Zudem habe ich versucht, den Kern eines behandelten Themas in einem einzigen schlagkräftigen Satz zusammenzufassen (in der Sprechblase im Tableau) – auch hier ein Lerneffekt, da es eine massive didaktische Reduktion auf einen Kern-Leitsatz ist.

Christoph Meier: Denkst du, dass diese Arbeitstechnik bzw. Methode auch für andere Teilnehmende in unseren Weiterbildungsprogrammen nützlich wäre? Was würdest du anderen Teilnehmenden raten, wenn diese ebenfalls in dieser Weise ihre Transfererfahrungen verdichten wollen?

Mathis Fluck: Im Prinzip kann es natürlich für jedermann/frau nützlich sein, ein neues Diagnostik-Instrument (Behavioural Interviewing) kennen zu lernen – denn wer weiss, wann man sich das nächste Mal in einer Interviewsituation wiederfindet, oder eine solche gestalten muss? Ich persönlich bin ein sehr strukturiert denkender Mensch – ohne Struktur bleibt bei mir kaum etwas «hängen». Für alle Teilnehmenden die ähnlich denken und funktionieren, kann die STAR Methode absolut hilfreich sein um Transfererfahrungen ganzheitlich zu verdichten. Aber wie es beim Lernen halt so ist: das ist sehr individuell.

Christoph Meier: Mathis, ganz herzlichen Dank für deine Offenheit und deine Bereitschaft, uns und anderen Einblicke in eine deiner persönlichen Arbeitstechniken zu ermöglichen!

Mathis Fluck: Vielen Dank meinerseits für die Möglichkeit, diese Methodik vorstellen zu dürfen.

Eine leere Vorlage für auf dem STAR-Modell basierende Tableaus kann HIER geladen werden.

Vom LMS zum „Digital Learning Environment“ – University of Wisconsin

Die University of Wisconsin ist mit ca. 170’000 Studierenden und ca. 39’000 Beschäftigten einer der grössten öffentlichen Hochschulverbünde in den USA. Vor dem Hintergrund eines auslaufenden Vertrags mit dem Anbieter eines Lern-Management-Systems wurde in einem aufwändigen Projekt ein Paradigmenwechsel vollzogen: von einem zentralen LMS zu einem offenen „Digital Learning Environment“ (DLE).

In einem Beitrag für EDUCAUSreview wird diese Transformation skizziert.

Zentrale Merkmale des DLE sind die folgenden:

Einfache Nutzung / Zugänglichkeit
Unterstützung für Learning Analytics und Administrative Analytics
Unterstützung für / Ermutigung von Zusammenarbeit sowohl innerhalb des Verbunds als auch darüber hinaus
Interoperabilität
Personalisierung

Darüber hinaus basiert das DLE auf einem fixen Kern zur Abbildung zentraler Prozesse einerseits und einem flexiblen Umfeld andererseits. Dies bedeutet eine Abkehr von der bisherigen Lernarchitektur:

Shifting our perspective from a proprietary, one-stop vendor-controlled LMS that holds the keys to our data to an information-creating digital environment allows us to realize the many benefits of an interoperable and agile suite of services and tools that maximizes student access and success.
Pfeiffer-Luckett, EDUCAUSEreview, 2019-07-29

Nach zwei Semestern im Regelbetrieb sind bereits 50 externe, Cloud-basierte Services mit dem neuen Kernsystem verbunden. Dazu gehören Services wie Badgr, Cerego, Films on Demand, Khan Academy, Quizlet, Soft Chalk, oder Trello.

Ein solcher Ansatz kann auch in anderen Bildungskontexten jenseits von Hochschulen verfolgt werden…

Pfeifer-Luckett, Renee: Designing a Digital Learning Environment for the University of Wisconsin System. EDUCAUSEreview, 2019-07-29

Zusammenspiel von KI und L&D-Profis (Brandon Hall / Docebo Report)

Die Autoren dieses Arbeitsberichts skizzieren Einsatzpotenziale für KI im Arbeitsfeld von L&D. Und sie plädieren dafür, im Sinne von Augmentation vor allem die Potenziale einer gelingenden Zusammenarbeit von L&D-Profis und intelligenten Maschinen zu betrachten.

Potenzial für weitere Automatisierung und Effizienzgewinne sehen sie vor allem im Hinblick auf die nachfolgend abgebildeten Aufgaben:

Analyse von Lerninhalten
Kuratieren von Inhalten (extern und intern)
Vorschläge für Lerninhalte / Personalisierung von Lernen
Automatisierung von administrativen Aufgaben rund um Lernen und Entwicklung
Bot-basiertes Coaching

Bildquelle: Brandon Hall Group / Docebo 2019

Zu den einzelnen Einsatzszenarien werden im Bericht ergänzende Erläuterungen geliefert, beispielsweise die folgenden:

Verbesserung von Inhalte-Mamagement vor allem durch
- automatisierte Verschlagwortung
- verbesserte Klassifizierung und Organisation von Lernressourcen auf der Basis von Algorithmen-basierter natürlicher Sprachverarbeitung
- leistungsfähigere Suche (z.B. Volltextsuche in Videos)
- Reduktion von Aufwand bei der Wiederverwertung von Lernressourcen
- Identifikation von thematisch verwandten Lernressourcen
Automatisierung von administrativen Aufgaben, beispielsweise Zuweisen von Lernressourcen zu Mitarbeitenden auf Basis von Rollenprofilen und automatischer Inhalte-Indexierung

Wentworth, David; Powell, Matt (2019): Understanding the intersection of AI and human capability in L&D. Brandon Hall Group / Docebo.

Wie wird man zur „lernenden Organisation“? – Interview mit M. Ockers

Die Internet Time Alliance (Jane Hart, Harold Jarche, Charles Jennings, Clark Quinn) hat den vierten Jay Cross Memorial Award Michelle Ockers zugesprochen. Michelle Ockers ist eine in Australien lebende Expertin, die Unternehmen und Organisationen dabei unterstützt „zukunftsfähige lernende Organisationen“ zu werden. Auf ihrer Webseite und ihrem Blog finden sich u.a. Videos, in denen sie ihre zentralen Lernerfahrungen des jeweils zu Ende gegangenen Monats darstellt („What I learned April 2019“ etc.).

Michelle Ockers wurde vor wenigen Wochen von convergencetraining.com interviewt. Zu dem gut einstündigen Gespräch finden sich auf dieser Seite eine Videoaufzeichnung und ein Transkript. Die folgenden Aspekte wurden in diesem Interview behandelt:

Was ist eine lernende Organisation?

a learning organization is an organization that is good at creating knowledge, acquiring knowledge, and transferring knowledge and then using both the knowledge that’s being shared as well as what’s been created to be able to change behavior appropriately
Michelle Ockers, https://www.convergencetraining.com/blog/how-to-become-a-learning-organization

Warum sollte man danach streben, eine lernende Organisation zu sein?

So being a learning organization is about being able to adapt. To see what’s going on around us. To make changes in not only how we engage with customers, for instance, and in the service and products we offer, but how we work internally to bring that all to life and to make sure we can deliver something new, something more appropriate, something more effective.
Michelle Ockers, https://www.convergencetraining.com/blog/how-to-become-a-learning-organization

Was sind Charakteristika einer lernenden Organisation?

1) A supportive learning environment
a) Psychological safety (Fragen stellen, Fehler bzw. Nicht-Wissen zugeben, etc.)
b) Time for reflection (After Action Reviews, Job Pre-Mortem, etc.)
2) Concrete learning processes and practices (training, performance support, kaizen, hackathons, experiments, systematically listening to customers, unconferences, cross-functional teams, etc.)
3) Leadership that reinforces learning (especially trust, collaboration, sharing)
4) Purpose (working on a collective „why statement“ etc.)
Michelle Ockers, https://www.convergencetraining.com/blog/how-to-become-a-learning-organization

Das Interview bzw. das Transkript beinhaltet viele Beispiele und Verweise auf wichtige Quellen zu den Diskussionen um die behandelten Themen und Aspekte. Lesenswert.

Beitragsbild by Loenfeldt (artbylonfeldt)

Blended Learning Lernpfad mit erläuterndem Video

Vor gut einer Woche wurden in Berlin zum 24. Mal die Comenius-EduMedia-Awards für digitale Bildungsmedien vergeben. Ausgezeichnet wurde u.a. ein Blended Learning Design der Pink University für den Lernpfad „Professionell verkaufen“.

Hier ein Bildschirmfoto mit einer Übersicht zum Lernpfad, das einem kurzen Video entnommen wurde, in dem dieses Design erläutert wird:

Bildquelle: Pink University
https://www.youtube.com/watch?v=ydhNOtuDvSY&t=7s

Das Design beinhaltet vorbereitende Webkonferenzen (Onboarding der Teilnehmenden), zwei Selbstlernphasen mit Transferaufträgen, zwei Präsenzphasen und Trainer, die konsequent als Lernbegleiter agieren und auch während der Selbstlernphasen telefonisch erreichbar sind.

KI-basierte, adaptive Lernumgebungen (Beitrag Handbuch E-Learning)

Unsere (Bildungs-)Welt wird kontinuierlich „bunter“: Lebensläufe, Berufs- und Bildungsbiografien sind vielfältiger als früher. In der Folge nimmt auch die Heterogenität der Nutzer von Bildungsdienstleistungen zu. Dies gilt für Schulen genauso wie für Hochschulen, die Berufsbildung und auch für die betriebliche Weiterbildung. Hinzu kommt, dass sich unsere Erwartungen an Dienstleistungen und Produkte geändert haben. Was wir vom Musik-Streaming-Dienstleister gewohnt sind (meine persönliche Playlist), erwarten wir zunehmend auch bei der (Weiter-)Bildung: auf mich und meine persönlichen Voraussetzungen bzw. Ziele zugeschnittene Angebote und Lernpfade.

Vor diesem Hintergrund wird die Gestaltung von Lernumgebungen, die für die Benutzer passen, immer herausfordernder. Studien (u.a. von Bloom) haben schon Mitte der 1980er Jahre gezeigt, dass Lernende, die in einer 1:1-Situation von Tutoren individuell betreut wurden, bei Lernerfolgsüberprüfungen etwa 2 Standardabweichungen besser abschnitten als Lernende in konventionellen Lernarrangements (Frontalunterricht mit ca. 30 Lernenden pro Lehrperson). Oder anders gesagt: die individuell betreuten Lernenden erbrachten im Mittel so gute Prüfungsleistungen wie die besten 2% der Lernenden in konventionellen Lernarrangements.

Tutorielle Einzelbetreuung von Lernenden ist aber in der Regel kein bezahlbares Modell – weder an Schulen und Hochschulen, noch in der Berufsbildung, noch in der betrieblichen Weiterbildung. Vor diesem Hintergrund werden hohe Erwartungen an adaptive Lernumgebungen herangetragen. Die Erwartung ist, dass diese Systeme hochgradig lernwirksame und zugleich kostengünstige individualisierte Lernunterstützung durch Feedbacks und / oder personalisierte Lernpfade für eine grosse Anzahl von Menschen ermöglichen.

Dieser Beitrag für das Handbuch E-Learning (hrsg. von Karl Wilbers) beschreibt die zentralen Komponenten adaptiver Lernumgebung und illustriert anhand verschiedener Beispiele, mit welchen Typen technischer Systeme adaptives Lernen unterstützt werden kann. Die nötigen Schritte zur Planung des Einsatzes von adaptiven Lernumgebungen bzw. intelligenten tutoriellen Systemen werden erläutert und konkrete Umsetzungstipps für eine erfolgreiche Umsetzung solcher Lernumgebungen gegeben.

Meier-2019-Handbuch-E-L-9.14-KI-basierte-adaptive-Lernumgebungen