Augmentation

Künstliche Intelligenz: Die Auswirkungen auf Lernen, Lehren und (Weiter-)Bildung (Tuomi 2018)

Ilkka Tuomi, Chief Scientist bei Meaning Processing Ltd, einem unabhängigen Forschungsinstitut in Helsinki, hat im Auftrag des Joint Research Centre (JRC) der EU einen Bericht zum Thema „The Impact of Artificial Intelligence on Learning, Teaching, and Education“ erstellt.
Der Bericht ist keine leichte Kost. Mehrfach habe ich ihn zur Hand genommen und wieder beiseite gelegt – unsicher, ob der Ertrag einer genaueren Lektüre den Aufwand lohnt. Irgendwann habe ich dann doch einen Zugang gefunden. Hier meine Notizen…

Drei Ebenen menschlichen Lernens

Im ersten inhaltlichen Kapitel über Künstliche Intelligenz (KI) werden, in Anlehnung an die von Wygotski und Leontjew begründete Tätigkeitstheorie (Activity Theory), drei Ebenen des menschlichen Lernens unterschieden: Routinisierung von Verhalten, kognitives Problemlösen und soziales bzw. kulturelles Lernen (Kulturentwicklung).

Dieser Bezugsrahmen bildet dann die Folie, vor deren Hintergrund Tuomi dem Potenzial für KI und die Auswirkungen auf Handeln, Lehren und Lernen nachgeht. Dabei werden zunächst drei Typen von KI unterschieden:

Logik-orientierte KI,
wissensbasierte KI und
datenbasierte KI und neuronale Netze.

Mit einer Fokussierung auf datenbasierte KI und neuronale Netze werden anschliessend drei Typen von maschinellem Lernen unterschieden:

überwachtes Lernen (supervised learning) auf der Basis von aufbereiteten bzw. kodierten Datensätzen und transferorientiertes Lernen als eine Variante davon,
unüberwachtes Lernen (non-supervised learning) – häufig auf der Grundlage von künstlichen neuronalen Netzen – bei dem die Maschinen selbstständig Muster in den Daten entdecken, mit Verstärkungslernen (z.B. Googles Alpha Zero) als einer und General Adversarial Networks (GANs) als weiterer Variante.

Ausgehend von dieser Unterscheidung gelangt Tuomi zu einer ersten wichtigen Feststellung: KI-basierte Systeme, die auf überwachtem Lernen basieren, können dazu beitragen, bestehende Sichtweisen (und Voreingenommenheiten) zu zementieren:

A particular challenge of supervised learning models is that they can only see the world as a repetition of the past. The available categories and success criteria that are used for their training are supplied by humans. Personal and cultural biases, thus, are an inherent element in AI systems that use supervised learning. (…) supervised learning creates machines that are only able to perceive worlds where humans are put in pre-defined boxes.

Dies ist aus ethischer ebenso wie aus pädagogischer Sicht problematisch.

Veränderte Kompetenzerfordernisse und Substitution von menschlicher Arbeitskraft

In einem weiteren Kapitel geht Tuomi den Folgen der Entwicklungen im Bereich KI für zukünftige Kompetenzerfordernisse nach. Hier unterscheidet er Studien, die einzelne Fertigkeiten (Skills) als Bezugspunkt heranziehen und davon ausgehend das Potenzial für Automatisierung ermitteln, und Studien, die darüber angesiedelte Aufgaben (Tasks) als Bezugspunkt heranziehen (z.B. Osborne & Frey 2013). Die Wahl des Bezugspunkts hat Konsequenzen für die Schätzung der Auswirkungen von KI auf Automatisierung und Beschäftigung (vgl. die folgenden Abbildungen). Tuomi liefert für das Beispiel der typischen Aufgaben von Lehrpersonen an Mittelschulen seine eigene Einschätzung dazu, wie stark sich die Entwicklungen im Bereich KI auf welche Aufgaben auswirken werden:

As a result, AI will probably have its biggest impact when it is used to augment human cognition, and in supporting human learning and knowing. (…) Assuming that some occupations, perhaps such as truck drivers, data entry keyers or utilities meter readers, will become obsolete in the near future, an important question for education policy is how people in these occupations can move to new jobs. (…) The RBC study argued that as many occupations overlap in their skill requirements, it is relatively easy to complement skills within these clusters in ways that enable people to move to new jobs when their old jobs become automated.

Bildquelle: Tuomi 2018, S. 20 (adaptiert von RBC 2018)

Auswirkungen auf Lernen, Lehren und (Weiter-)Bildung

In einem dritten Kapitel geht Tuomi den möglichen Auswirkungen von KI auf Lernen, Lehren und (Weiter-)Bildung nach. Hier hatte ich mir allerdings mehr erhofft.
Tuomi kommt zunächst auf die seit den 1980er Jahren entwickelten intelligenten tutoriellen Systeme (ITS) zu sprechen. Diese Systeme stehen für Wissens-basierte KI (vgl. oben) und beinhalten typischerweise ein Domänen-Modell, ein Lerner-Modell und ein tutorielles Modell (vgl. dazu diesen Blogpost). Diese Systeme haben sich bisher aber vor allem in bestimmten Feldern wie z.B. Mathematik und Physik bewährt.
Tuomi macht in seinem Bericht keinen Versuch, aktuell verfügbare KI-basierte Werkzeuge für Lehren und Lernen zu inventarisieren (vgl. dazu u.a. diesen Blogpost). Vielmehr skizziert er einige der von ihm erwarteten allgemeineren technischen Weiterentwicklungen und deren Auswirkungen auf Lernen, Lehren und (Weiter-)Bildung:

Lernenden-Modelle für komplexe Wissensdomänen
Datenbasierte KI-Lösungen mit ausreichend Rechenleistung sind, so erwartet Tuomi, in der Lage, auch Wort bzw. sprachbasierte Wissensdomänen (z.B. Management-Lehre / Betriebswirtschaft) adäquat abzubilden und brauchbare Lernenden-Modelle für diese Domänen zu erzeugen.
Lernenden-Sensorik als Datenquelle für Learning Analytics
Daten-basierte KI-Lösungen benötigen relevante Daten. Dies wird die Entwicklungsarbeit in Richtung Lernenden-Sensorik antreiben, über die Daten von den Lernenden selbst gewonnen werden können – beispielsweise zur Aufmerksamkeit oder zum Stresserleben.
Conversational Bots zur Lernbegleitung
„It can be expected that, as conversational natural language systems such as the Google Duplex are now becoming commercially available, teachable conversational agents will be one area where educational AI start-ups try to create new business in the near future.“
KI-basierte Assessment-Lösungen für grosse Lernergruppen (z.B. MOOCs)
„AI could be used to objectively assess student learning by scoring test results without teacher bias. Given enough human-labelled examples of data, neural AI and machine learning can easily learn to categorize students based on their test results.“
Reduzierte Bedeutung von Faktenwissen im Vergleich zu überfachlichen Kompetenzen
„AI can reduce the need for human knowledge, experience, and skill (…). As a result, humans do not necessarily need to learn domain specific knowledge that earlier was required for competent behaviour. In particular, as domain-specific knowledge becomes less important for competence, transversal and domain-independent generic competences may become relatively more important.“
und weiter:
„as AI can convert speech to text and vice versa, dyslexia [and dyscalculia] may become socially less important than it has been in the past.“

An dieser Stelle plädiert Tuomi für ein vertieftes Verständnis von KI auf Seiten von Entscheidungsträgern in Politik und (Bildungs-)Institutionen. Ohne ein solches vertieftes Verständnis besteht die Gefahr, dass mit KI-basierten Lernlösungen lediglich bereits in die Jahre gekommene oder überholte Lehr- und Erziehungsmodelle auf eine neue technische Basis gestellt werden:

Therefore, without clear visions and policies (…) educational AI will probably mainly be provided as solutions to existing problems. Instead of renewing the system and orienting it towards the needs of a post-industrial economy and knowledge society, AI may therefore mechanize and reinvent outdated teaching practices and make them increasingly difficult to change.

Hinweis: In unserem Modul „KI-basierte und adaptive Lernumgebungen“ vertiefen wir einige der hier angesprochenen Punkte:

KI und maschinelles Lernen
Erfolgsfaktor personalisiertes Lernen: Anspruchsgruppen und ihre Erwartungen
Komponenten adaptiver Lernumgebungen: Tutorielles Modell, Lernenden-Modell, Domänen-Modell, Inner- / Outer Loop
Überblick und Praxisberichte zu KI-basierten, adaptiven Lernumgebungen

Frey, Carl Benedikt; Osborne, Michael (2013): The future of employment. Herausgegeben vom Oxford Martin Programme on the Impacts of Future Technology. University of Oxford. Oxford, UK.
Tuomi, Ilkka (2018): The Impact of Artificial Intelligence on Learning, Teaching, and Education. JRC Science for Policy Report. Hg. v. European Union. Publications Office of the European Union. Seville, (Spain).

Digitale Kompetenzen – Handlungsempfehlungen für Personalentwickler

Aus den Ergebnissen unserer Studie zu Digitale Kompetenzen von Personalentwicklern haben wir 7 Handlungsempfehlungen abgeleitet. Diese beziehen sich auf Aspekte wie Strategie, Kompetenzaufbau, beidhändiges Agieren, Impulse für Veränderung und Partnerschaften bzw. Netzwerke. Hier die Empfehlungen in einer Übersicht:

handlungsempfehlungen

An unserem 5. scil Community Day im September konnten wir an einer Nachmittagssession diese 7 Handlungsempfehlungen mit ca. 25 Personalentwicklern im Rahmen eines Workshop diskutieren. Insgesamt haben sich dabei alle Handlungsempfehlungen als relevant erwiesen. Fragen zur konkreten Umsetzung (wie macht man es denn gut?) haben wir ebenfalls angesprochen – dabei zeigte sich allerdings ein heterogenes Bild dazu, wie vorgegangen wird.
In einer Matrix haben wir die Teilnehmenden im Workshop eine Bewertung der Handlungsempfehlungen vornehmen lassen. Gefreut hat uns zunächst, dass wirklich jede Handlungsempfehlung als überdurchschnittlich bedeutend, mit Impact, sowie auch als machbar bewertet worden ist. Auch hier ergibt sich ein sehr diffuses Bild, insgesamt können wir mit der folgenden Abbildung einige Tendenzen ableiten.

Handlungsempfehlungen_2

Handlungsempfehlung 1 wird der höchste Impact zugeschrieben
Handlungsempfehlung 7 wird der niedrigste Impact zugeschrieben
Handlungsempfehlung 3 wird die höchste Realisierbarkeit zugeschrieben
Handlungsempfehlung 4 wird die niedrigste Realisierbarkeit zugeschrieben

Hoher Impact und Realisierbarkeit:
Eine Digitalisierungsstrategie muss sein (höchster Impact). Hier gilt es im eigenen Bereich anzufangen, mit kleinen Schritten zu starten und digitale Kompetenzen zielgerichtet aufzubauen (höchste Realisierbarkeit),
Geringer Impact:
Die hohen Kompetenzen im Change Management nutzen, um die digitale Transformation der eigenen Profession und des Unternehmens voranzutreiben.
Geringe Realisierbarkeit:
Beidhändig agieren: Neben dem Kerngeschäft auf der Grundlage von Zukunftsszenarien und Augmentationsstrategien Entwicklungslinien entwerfen.
Deutlich wurde, dass die Diskussion um Augmentation noch relativ neu in der Personalentwicklung ist – von daher ist die Handlungsempfehlung 7 noch relativ weit weg vom jetzigen Kerngeschäft.

Hier geht es zur Studie:

scil Trendstudie 2018: Digitale Kompetenz von Personalentwicklern

L&D für die Arbeitswelt 4.0 – EPA Fachforum Personalentwicklung

Am 30.10.2018 war ich eingeladen, das HR Fachforum „Personalentwicklung und Arbeitswelt 4.0“ in Bern mit einem Vortrag zu eröffnen. In meinem Beitrag habe ich den Titel der Veranstaltung aufgegriffen und drei Schlaglichter gesetzt: „L&D für die Arbeitswelt 4.0 – digital kompetent, beidhändig agierend, Augmentation im Blick“.
Zunächst habe ich ausgewählte Ergebnisse unserer Studie zu „Digitale Kompetenz von Personalentwicklern“ aufgezeigt. Dann habe ich die Anforderung, beidhändig zu agieren anhand eines eigenen Beispiels kurz thematisiert. Und schliesslich das Thema „Augmentation“ (Zusammenspiel von Mitarbeitenden und intelligenten Maschinen) eingeführt sowie anhand des Beispiels „Content Curation“ auf das Aufgabenfeld von Learning Professionals bezogen.
Hier die Folien zu meinem Impuls:

Keynote Fachforum Personal 2018-10-30 Vs fuer scil-aktuell

KI am Arbeitsplatz: Augmentation und neue Aufgabenprofile

Im Zusammenhang mit dem Thema „Augmentation“ bin jetzt auf einen Beitrag von Jeanne Meister („AI Plus Human Intelligence Is The Future Of Work„) im Magazin forbes von Anfang 2018 gestossen, in dem sie zehn Entwicklungstrends für HR vor dem Hintergrund der zunehmenden Verfügbarkeit von KI-Lösungen skizziert. Hier eine Auswahl aus den von Meister behandelten Aspekten:

Es geht beim Thema KI-basierte Automatisierung weniger um das Freistellen von ganzen Arbeitsstellen, sondern vielmehr um die Automatisierung von einzelnen Aufgaben und Aktivitäten. Eine Studie des McKinsey Global Instituts zufolge können weniger als 5% aller Arbeitsstellen vollständig automatisiert werden, aber bei ca. 60% aller Stellen können bis zu 30% der Aufgaben automatisiert werden.
Die Zusammenarbeit von Menschen und intelligenten Maschinen Seite an Seite wird zur Normalität. Einer Studie von Gartner zufolge werden im Jahr 2022 etwa 20% der Beschäftigten einen KI-basierten Assistenten an ihrer Seite haben.
Es muss geklärt werden, welche Stellen bzw. Rollen in welcher Weise durch die Einführung von KI-basierten „intelligenten“ Systemen verändert werden. Dies gilt für alle Beschäftigten – ganz gleich, ob sie in der Produktion arbeiten oder im Managment.
Es muss geklärt werden, welche neuen Rollen es in welchem Umfang braucht. Hier verweist Meister beispielhaft auf Studien des Cognizant Center for the Future of Work, die zur Formulierung von 42 neuen Stellenprofilen geführt haben:

Beitragsbild: Wikipedia / Rethink Robotics

Studie mit DGFP: Digitale Kompetenzen von Personalentwicklern – "Step Aside" favorisiert

Gemeinsam mit der Deutschen Gesellschaft für Personalführung e.V. (DGFP) haben wir eine Studie zu digitalen Kompetenzen von Personalentwicklern durchgeführt. Ziel der Studie ist es, diese neuen Kompetenzen näher zu untersuchen, eine Standortbestimmung vorzunehmen undHandlungsempfehlungen für Personalentwickler abzuleiten, damit diese sich für die digitale Transformation besser vorbereiten können.

Augmentation als Leitmotiv

Mit den derzeitigen technologischen Entwicklungen rückt – wieder einmal – das Schreckgespenst einer umfassenden Freisetzung menschlicher Arbeitsleistung (Substitution) durch (intelligente) Maschinen in den Blick. Dies wird in zahlreichen Diskussionsbeiträgen aufgegriffen, die aufzeigen, wie hoch das Risiko ist, dass der eigene Arbeitsplatz durch eine intelligente digitale Maschine (Algorithmus, Roboter) ersetzt wird. Neu dabei ist, dass „intelligente“ Maschinen heute auch in solchen Bereichen viel leisten können, die bislang eine Domäne von gut ausgebildeten Wissensarbeitern waren. In der öffentlichen Debatte steht derzeit der Aspekt der Substitution im Vordergrund. Bei der Digitalisierung von Wissensarbeit ist der Aspekt der Augmentation wichtiger. Aus der Perspektive der Personalentwicklung sollte daher die Augmentation in der Wissensarbeit statt deren Substitution im Vordergrund stehen. Ziel muss es sein, eine gelungene Partnerschaft von Mensch und Maschine zu entwickeln, in der beide ihre jeweiligen Stärken einbringen können.

Rahmenmodell

Zentrale Ergebnisse
Im Hinblick auf die digitalen Kompetenzen von Personalentwicklern ist durch die Studie deutlich geworden, dass diese Augmentation (an Stelle von Substitution) als die neue Herausforderung aufzunehmen ist. Die Studie stellt im Schwerpunkt fest, dass
–  der digitale Reifegrad in Unternehmen als eher gering eingeschätzt wird, auch in der Personalentwicklung ist der digitale Reifegrad gering;
–  das Wissen im Bereich fortgeschrittener Digitalisierung als eher gering eingestuft wird. Personalentwickler in leitender Position messen dem Fachwissen zur Digitalisierung eine deutlich höhere Bedeutung bei;
–   das Wissen über konkrete Verfahren und Methoden fortgeschrittener Digitalisierung ebenfalls eher niedrig eingeschätzt wird;
–   die Change-Management-Kompetenzen schätzen die Personalentwickler sehr hoch ein.
–   bei den Fertigkeiten im Umgang mit digitalen Medien/ Tools sich deutliche Unterschiede zeigen: Die «soft skills» sind hoch ausgeprägt, die «hard skills» deutlich weniger.
–   die Einstellungen gegenüber der fortschreitenden Digitalisierung sehr positiv sind. So schätzt die überwältigende Mehrheit der Befragten die Implikationen für die Volkswirtschaft positiv ein und auch im Hinblick auf die Personalentwicklung dominiert die Wahrnehmung von Vorteilen massiv.
Im Hinblick auf die Augmentationsstrategien von Personalentwicklern erweist sich „Step Aside“ (Ausweichen und auf komplementäre Kompetenzen fokussieren) als die favorisierte Strategie. „Step Up“ (Beurteilung Entscheidung, wo intelligente Systeme nutzbringend eingesetzt werden können) und „Step Forward“ (Beteiligung an der Weiterentwiclung von intelligenten Systemen) sind bei Personen mit Leitungsfunktionen höher ausgeprägt.
Die Studie zeigt eine hohe Korrelation bei der Einschätzung der Bedeutung fortgeschrittener Digitalisierung mit einer Leitungsfunktion: Personalentwickler mit Leitungsfunktion schätzen die Bedeutung fortgeschrittener Digitalisierung für die derzeitige Tätigkeit wesentlich höher ein als Fachspezialisten. Dies passt gut zur Beobachtung, dass Personalentwickler mit Leitungsfunktion eher Step Up und Step Forward als Augmentationsstrategien wählen.
abbild_digi_comp

Die vollständigen Ergebnisse der Befragung „Digitale Kompetenzen von Personalentwicklern – Digitale Reife und Augmentationsstrategien in der Personalentwicklung“ inklusive Handlungsempfehlungen steht als ausführliche Dokumentation mit Grafiken kostenfrei als Download zur Verfügung:

https://www.scil.ch/produkt/scil-trendstudie-2018-digitale-kompetenz-von-personalentwicklern/

KI-basierte Anwendungen für L&D: Beispiele und Profilierungsoptionen für Learning Professionals – CLC 2018 Kassel

Im Rahmen des Corporate Learning Camp 2018 in Kassel habe ich am zweiten Tag eine Session zum Thema „KI-basierte Anwendungen für L&D: Beispiele und Profilierungsoptionen für Learning Professionals“ angeboten.
Ausgehend von der Beobachtung, dass „intelligente“ Maschinen auch im Arbeitsfeld von PE / L&D zunehmend Einzug halten, haben wir über das Zusammenspiel von Menschen und Maschinen (Augmentation) und die damit verbundenen Entwicklungsoptionen für die Bildungsverantwortlichen bzw. Personalentwickler selbst gesprochen.
Hier der Etherpad mit den Notizen zu der Session. Und hier meine Folien, mit denen ich zu Beginn den thematischen Impuls gesetzt habe:
Session KI-basierte Loesungen fuer L&D vs 2018-09-28

KI-basierte "intelligente" Maschinen im Arbeitsfeld: Herausforderungen für L&D – CLC'18 Kassel

Im Rahmen des Corporate Learning Camp 2018 in Kassel habe ich am ersten Tag eine Session zum Thema „KI-basierte „intelligente“ Maschinen im Arbeitsfeld: Herausforderungen für L&D“ angeboten.
Ausgehend von der Beobachtung, dass „intelligente“ Maschinen zunehmend im Arbeitsfeld Einzug halten, haben wir über das Zusammenspiel von Menschen und Maschinen (Augmentation) und die damit verbundenen Herausforderungen für L&D / Personalentwickler gesprochen. Ein in meinen Augen wirklich wichtiger Punkt in der Diskussion war, dass Learning Professionals ein Grundverständnis zu neuen Technologien (im Unterschied zu Werkzeugen, die auf diesen neuen Technologien basieren) benötigen, um die Implikationen für Aufgaben- und Kompetenzprofile frühzeitig einschätzen zu können.
Hier der Etherpad mit den Notizen zu der Session. Und hier meine Folien, mit denen ich zu Beginn den thematischen Impuls gesetzt habe:
Session KI im Arbeitsfeld 2018-09-27

Agiles L&D für die Arbeitswelt 4.0 – 5. scil Trend- & Community Day 2018

Letzte Woche fand der fünfte scil Trend- & Community Day in der Tonhalle St.Gallen statt. Der Tag stand unter dem Motto: «Agiles L&D für die Arbeitswelt 4.0: Digitale Kompetenzen, Ambidextrie, Augmentation. Forschung, Entwicklung und Praxis im Gespräch».
Im Zuge der Bewegung hin zu einer Arbeitswelt 4.0 müssen L&D und die Bildungsverantwortlichen in Unternehmen / Organisationen beweglich sein. Sie müssen Antworten auf neu gestellte Fragen liefern («Welche Kompetenzen brauchen wird heute? Und morgen?»). Sie müssen die technologischen Entwicklungen sowie deren Folgen für die Personalentwicklung verstehen. Und sie müssen liefern: Bewährtes ebenso wie Neues. Dies waren denn auch die zentralen Themen, mit denen wir uns an diesem Tag beschäftigt haben:

Wie kann Kompetenzmanagement agil und beweglich gestaltet werden?
Wie kann die geforderte Beidhändigkeit von L&D gelebt werden und welche Kompetenzen erfordert diese?
Sind Augmentationsstrategien ein geeigneter Orientierungsrahmen für die Personalentwicklung in der Arbeitswelt 4.0?
Wo stehen Personalentwickler im Hinblick auf ihre eigenen digitalen Kompetenzen?

Nachdem wir zu Beginn die zentralen Konzepte für den Tag (Agilität, Beidhändigkeit / Ambidextrie und Augmentation) eingeführt hatten, ging es in die thematischen Impulse am Vormittag.

Agile Arbeits- und Organisationsformen für L&D

Im ersten fachlichen Beitrag gab Daniela Bäcker (scil) anhand von zwei Fallbeispielen einen Einblick, wie Agilität in der Personalentwicklung durch agile Arbeits- und Organisationsformen erhöht werden kann. Bei CYP in Zürich und bei der schweizerischen Post wurden aus verschiedenen Ansätzen agiler Organisationsformen (wie Holocracy, Reinventing Organizations, Semco, Soziokratie 3.0 u.a.) einzelne Elemente zu einem jeweils eigenen, für die spezifischen Organisationen «passenden» Modell adaptiert. Damit ergeben sich neue Strukturen, neue Formen der Zusammenarbeit und neue Rollen.
Bei beiden Fallbeispielen zeigt sich, dass neue «agile» Kompetenzen der Mitarbeitenden wichtig werden: Die eigene Rolle ändert sich enorm. Für (frühere) Vorgesetzte heisst das z.B. dass sie kein «OKAY» mehr geben, sondern vielmehr Feedback. Eingreifen findet kaum mehr statt, nur wenn doch mal «Sand im Getriebe ist». Für Mitarbeitende werden Selbstmanagement und Selbstführung besonders zentral. Dazu gehört auch eine neue Art der Kommunikation: Zum einen müssen eigene Bedürfnisse transparent und klar geäussert werden (Was brauche ich, um dieses Projekt zu bearbeiten? Wieviel Kapazität habe ich noch? Kann/möchte ich dieses Projekt annehmen?). Zum anderen wird es noch wichtiger, konstruktives Feedback zu geben und selbst aufnehmen zu können.
Für L&D werden damit 3 Dimensionen und die Gestaltung von deren Zusammenspiel wichtig: Als 1. Dimension ist da die neue, agile Arbeitswelt. Doch was bedeutet das für Lernprozesse, wenn die «Lernwelt der Spiegel der Arbeitswelt» (Sauter, 2018) sein sollte? Sollte die Entwicklung agiler Kompetenzen (2. Dimension) dann ebenso selbstorganisiert durch Mitarbeitende stattfinden? Wie kann L&D solche Lernprozesse unterstützen (3. Dimension)? Und übergreifend: Wie kann dabei umgegangen werden mit der Beibehaltung von Bewährtem bei gleichzeitiger Exploration von Neuem?

Augmentation & Strategien für die Personalentwicklung

Im Anschluss folgte ein Impuls zum Thema «Augmentation & Strategien für die Personalentwicklung» gegeben. Startpunkte waren zum einen der Begriff «Augmentation» als das effektive Zusammenspiel von Menschen und «intelligenten» Maschinen und zum anderen die Einsicht des ehemaligen Schachweltmeisters Garry Kasparov, dass hierfür die Gestaltung des Kooperationsprozesses zwischen Mensch und Maschine entscheidend ist. Ausgehend von unseren konzeptionellen Rahmen zum Thema (vgl. die folgende Abbildung)

habe ich den Aspekt der Awareness fokussiert: Wissen wir als Personalentwickler – und wissen die Führungskräfte sowie die Beschäftigten in Unternehmen und Organisationen – was es mit KI und Machine Learning auf sich hat und was da auf uns zukommt? Im Rahmen eines kleinen Quizz-Wettbewerbs auf Basis von Socrative.com haben wir unser Wissen dazu überprüft. Das hat überraschend viel Energie bei den Teilnehmenden freigesetzt…

Und ich habe Beispiele dafür aufgezeigt, was «intelligente» Maschinen in verschiedensten Arbeitskontexten heute bereits leisten können, wie sie immer besser werden (u.a. Machine Learning), was sie nicht gut können und wo unsere Stärken als Menschen liegen (z.B. Fähigkeit zu kritischem Denken, zu Kreativität, zu Empathie oder zu schnellem Wechsel zwischen verschiedenen Aufgaben). Es sind diese Fähigkeiten, die wir stärken und entwickeln müssen.

Personalentwickler: digitale Reife, digitale Kompetenzen und Augmentationsstrategien

Im dritten fachlichen Beitrag am Vormittag hat Sabine Seufert die Ergebnisse einer empirischen Studie vorgestellt, die wir am Institut für Wirtschaftspädagogik in Zusammenarbeit mit der DGFP durchgeführt und gerade fertiggestellt haben. Die Studie fokussiert die digitale Reife, die digitalen Kompetenzen und die Augmentationsstrategien von Personalentwicklern. Beteiligt haben sich 225 Personalentwickler aus Deutschland, der Schweiz und Österreich, mehrheitlich aus Unternehmen mit mehr als 500 Mitarbeitenden. Erfasst wurden die notwendigen Kompetenzen für die digitale Transformation mit folgendem Rahmenmodell:

Die Ergebnisse der Studie sind demnächst auf der scil-aktuell sowie DGFP-Website verfügbar. Hierzu werden wir auch noch separate blogposts erstellen. Dies ist ja ein Thema, an dem wir noch länger arbeiten werden…

Die Handlungsempfehlungen für Personalentwickler, die sich aus diesen Ergebnissen ableiten lassen, wurden dann nach dem Mittagessen im Rahmen von Arbeitsgruppen vertieft – ebenso wie Fragen zur Entwicklung von Kompetenzen für agiles Arbeiten bzw. Lernen und auch die weiteren Herausforderungen für L&D im Hinblick auf Augmentation:

Marktplatz / Mini-Camp

Auch in diesem Jahr hatten wir wieder einen Marktplatz bzw. ein Mini-Camp, zu dem sowohl eingeladene Gäste als auch Teilnehmende selbst Themen eingebracht haben:

Bernhard Probst (LerNetz AG) berichtete zu den Erfahrungen bei LerNetz mit Soziokratie 3.0 als Ansatz für eine agile (Bildungs-)Organisation;
Stephanie Schneider (Allianz Deutschland AG) arbeitete mit den Teilnehmenden an ihrer Station zu Herausforderungen bei der Umsetzung von agilen Arbeits- und Organisationsformen für L&D innerhalb von klassischen Strukturen eines Grossunternehmens;
Aylin Ispaylar (IFPM, UniSG) berichtete zu ihrem Dissertationsvorhaben über Kompetenzanforderungen in ambidextren Arbeitssettings;
Christian Wymann (Eidgenössisches Personalamt) stellt das dort sehr systematisch entwickelte Modell zu «Kompetenzen 4.0» zur Diskussion;
Elena Kaplun-Parker (SAP Education) berichtete zu zwei Fallbeispielen für eine Transformation des betrieblichen Lernportfolios;
Volker Rohr (IWP, UniSG) stellte das Student Innovation Lab vor, eine auf dem Ansatz von reverse mentoring basierende Initiative für das Kompetenzcoaching von Lehrpersonen an der Universität St.Gallen;
Luca Moser und Stefan Sonderegger (IWP, UniSG) stellten einen MOOC als flexibles Bildungsgefäss im Rahmen der Hochschullehre vor;
und Rico Wyder (degreed) stellte eine adaptive, KI-basierte Plattform für Wissens- und Lerninhalte vor.

Agiles Mind- & Skillset für neue Entwicklungsformate

Den letzten inhaltlichen Beitrag des Tages lieferte Patrick Veenhoff, Leiter ENT-Academy bei Swisscom: «Agiles Mindset & Skillset für neue Entwicklungsformate», so lautete der Titel seines Vortrags. Der Unternehmensbereich «Enterprise Sales», den Patrick Veenhoff mit seinem Team unterstützt, umfasst ca. 5’000 Mitarbeitende. Wichtige Ziele sind das Etablieren einer positiven Grundhaltung der Beschäftigten («Winning spirit»), die Förderung der Leistungsfähigkeit des Geschäftsbereichs sowie das Verankern von kontinuierlichem Lernen auf Seiten der Mitarbeitenden. Seine Vision für die ENT Academy ist, dass diese die Geschäftsmodelle von airbnb und Netflix auf die interne Weiterbildung überträgt, um so die genannten Ziele zu erreichen. Im Zentrum steht daher ein «Social Learning Marketplace», in den von verschiedenen Seiten Inhalte eingestellt werden können.
Für Aufhorchen und intensive Diskussion im Nachgang sorgte, dass das Team der ENT-Academy (in der Regel) keine Lerninhalte mehr für den Geschäftsbereich erstellt, sondern vielmehr dessen Teams und Beschäftigte in die Lage versetzt, Lernangebote in verschiedenen Formaten selbst zu erstellen: als Foliensatz, als Webmeeting, als Workshop, als Bildschirmaufzeichnung oder als Kurzvideo. Dies führt dazu, dass die Linienbereiche mehr Verantwortung für die Investitionen in Trainings übernehmen: Brauchen wir das wirklich? Und wie können wir den Transfer am Arbeitsplatz sicherstellen?
Als Beleg dafür, dass ein solches Modell funktionieren kann, lieferte Patrick Veenhoff unter anderem die beiden folgenden Auswertungen. Diese zeigen zum einen, dass seit der Umstellung des Geschäftsmodells der ENT-Academy die Anzahl der aktiven Nutzer der Lernplattform zugenommen hat. Und sie zeigen zum anderen, dass die Zufriedenheit mit den von den Mitarbeitenden selbst produzierten Inhalten im Mittel höher ist als mit den vom L&D-Team erstellten Inhalten.

Besonders eindrücklich war – neben diesen Ergebnissen – die Schilderung von Patrick Veenhoff dazu, wie es ihm gelungen ist, sein Team auf dieser Reise in unbekanntes Terrain mitzunehmen und die Veränderungsbereitschaft im Team zu unterstützen. Mehr zu Patrick Veenhoff und seiner Arbeit gibt es auf dieser Seite.
Beim abschliessenden Apéro konnten wir dann zusammen mit unseren Gästen die Herbstsonne, Wein und leckere Antipasti geniessen.
Der nächste scil Trend- & Community Day findet am Freitag, 06.09.2019 wiederum in St.Gallen im Weiterbildungszentrum der HSG statt.

Katja Bett von CLC-Learning in Stuttgart war am Community Day dabei und hat hier ein kurzes Video zu ihren Eindrücken gepostet.

Augmentation – ein neues Arbeitsfeld für L&D

Fortgeschrittene digitale Systeme im Arbeitsfeld

Fortgeschrittene, durch künstliche Intelligenz (KI) unterstützte digitale Systeme finden zunehmend Eingang in unsere Arbeitswelt. Die Beispiele hierfür sind vielfältig:

Bots in der Tourismus-Industrie, die die Verfügbarkeit passender Angebote prüfen und gleichzeitig Kundenpräferenzen identifizieren und berücksichtigen können;
Bots in der Medienbranche, die einfache Texte (z.B. Unternehmensnachrichten oder Sportergebnisse) automatisch erstellen;
Bots im Kundendienst, die einfache, wiederkehrende Kundenanfragen automatisch beantworten;
Systeme für das Übersetzen von Texten von einer Sprache in eine andere;
Systeme, die basierend auf Spracherkennungs-Algorithmen, automatisch schriftliche Protokolle zu Sitzungen erzeugen;
Systeme für die Steuerprüfung, die Anomalien bei Unterlagen / Erklärungen identifizieren;
Systeme für die Anlageberatung, die Risikoprofil-konforme Anlageentscheidungen treffen;
Systeme für die Logistik, die Engpässe bei der Verfügbarkeit von Ersatzteilen prognostizieren und identifizieren sowie auch bei deren Bewältigung unterstützen;
medizinische Diagnosesysteme, die anhand von Bilddaten Gewebeanomalien identifizieren.

Die Tatsache, dass wir neue Werkzeuge und Hilfsmittel in Arbeitsfelder integrieren (müssen), ist nicht neu. Neu ist, dass die oben genannten Systeme auf künstlicher Intelligenz bzw. maschinellem Lernen (ML) beruhen und kontinuierlich besser und leistungsfähiger werden: durch „Training“ mit speziellen Datensets (überwachtes Lernen); durch das Entdecken von Mustern in Datensets (unüberwachtes Lernen); oder durch Rückkopplungsmechanismen (Verstärkungslernen).

Augmentation statt Substitution

Vor diesem Hintergrund wird über die Auswirkungen auf Beschäftigung und Arbeitsmarkt diskutiert („Welche Beschäftigten werden wann von intelligenten Maschinen ersetzt?“). Dabei liegt das eigentliche Potenzial in einem gut gestalteten Zusammenwirken von Menschen und (intelligenten) Maschinen. Garry Kasparow war schon sehr früh mit der Leistungsfähigkeit von Computern in seinem Fachgebiet konfrontiert. Und er hat in der Folge eine neue Variante von Schachwettkämpfen initiiert: Advanced Chess. Hier treten Schachspieler unterstützt von ihren jeweils eigenen Computern gegeneinander an. Dabei hat er folgendes beobachtet:

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.

Bildquelle: http://labs.sogeti.com/decision-support-better-than-machine-intelligence/

Das Potenzial eines guten Zusammenspiels von Menschen und intelligenten Maschinen zeigt sich auch in den Ergebnissen einer Studie zur Diagnose von Brustkrebs-Gewebe: ein Pathologe, der ein KI-basiertes System zur Unterstützung heranzieht, erzielt deutlich bessere Ergebnisse (geringere Fehlerquote) als ein Pathologe ohne ein solches Unterstützungssystem, aber auch als ein KI-basierte System für sich allein genommen.

Bildquelle: https://blogs.nvidia.com/blog/2016/09/19/deep-learning-breast-cancer-diagnosis/

Aufgaben für Personalentwickler und Bildungsverantwortliche

Die geschilderten Veränderungen können bei den Beschäftigten in Unternehmen und Organisationen Verunsicherung auslösen und gegebenenfalls auch die Bereitschaft für Veränderung blockieren. Es braucht die Diskussion zu diesen Veränderungen, ein Verständnis zu den laufenden Entwicklungen und es braucht eine Sicht auf mögliche Entwicklungspfade für die Beschäftigten.
Für Personalentwickler und Bildungsverantwortliche stellen sich die folgenden Fragen und Aufgaben:

Haben wir die Kompetenz und das Mandat, uns mit diesem zukunftsgerichteten Thema zu beschäftigen?
Verstehen unsere Führungskräfte und unsere Mitarbeitenden die oben aufgezeigten technischen Entwicklungen und deren Konsequenzen – für Arbeit und Beschäftigung ebenso wie für Zuversicht, Engagement und Innovationsbereitschaft?
Wie können / sollen wir mit Verunsicherung und den Fragen der Beschäftigten umgehen?
Welche Entwicklungsoptionen können wir aufzeigen? (Step in / Step up / Step aside / etc. – mehr zu diesen Entwicklungsoptionen in diesem Blogpost). Welche Entwicklungsoptionen machen für wen Sinn? (Einzelpersonen, Funktionen, Beschäftigtengruppen)
Wie können wir diese Entwicklungsoptionen spezifizieren und erfolgreich umsetzen?
Über welche Methoden und Leistungsindikatoren können wir Veränderungen beobachten und Erfolg ausweisen?

Das Arbeitsprogramm für den scil-Innovationskreis 2018. Bildquellen: scil, bitkom, techleer

Im Rahmen des scil-Innovationskreises 2018 werden wir diese Themen bearbeiten. Ziel des auf ca. neun Monate angelegten Konsortialprojekts ist es, einen Werkzeugkoffer zum Thema für Personalentwickler und Bildungsverantwortliche zusammenzustellen. Das Kick-off zum Innovationskreis findet am 20.09.2018 in St.Gallen statt. Eine Beteiligung ist noch möglich.

Weiterführende Links

Don't fear intelligent machines. Work with them!

Noch ein Fundstück für den Workshop zum Thema „Augmentation“ – Garry Kasparov berichtet anschaulich und engagiert über seine Erfahrungen im Wettbewerb mit intelligenten Maschinen…

Er berichtet u.a. auch kurz von einem Freestyle Schachturnier in 2005 (bei Laufzeit ca. 10′). Beim Free Chess dürfen Spieler gemeinsam mit unterstützenden Computern antreten. In 2005 gewannen überraschend zwei Hobby-Spieler, die drei einfache Computer einsetzten – und nicht der favorisierte Grossmeister mit seinem viel leistungsfähigeren Computer (vgl. diese Notiz dazu).
Kasparov leitet daraus folgendes ab:

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.

Menschen + intelligente Maschinen + ein guter Kooperationsprozess – so lautet die Erfolgsformel. Da gibt es ein Betätigungsfeld für Personalentwickler…

Berufstätige, die (Ro-)Bots für ihre Jobs trainieren

Ich bin gerade dabei, einen Workshop zum Thema „Augmentation“ (Zusammenwirken von Menschen und intelligenten Maschinen) vorzubereiten. Dabei bin ich auf einen Artikel der New York Times gestossen. Daisuke Wakabayashi hat mit fünf berufstätigen Personen gesprochen, die (Ro-)Bots entwickeln bzw. trainieren – die möglicherweise einmal ihre eigenen Aufgaben übernehmen:

eine Mitarbeiterin in einem Reisebüro;
eine Mitarbeiterin im Kundenservice eines Anbieters von Vorbereitungskursen für akademische Zulassungsprüfungen;
eine Ingenieurin, die an der Steuerungssoftware für selbstfahrende Autos mitarbeitet;
eine Interaktionsdesignerin, die an einer intelligenten Software für Terminvereinbarungen mitarbeitet;
ein Firmengründer, der einen Bot und Dienstleistungen für automatisierte Übersetzungen von Arbeitsverträgen entwickelt.

In den kurzen Falldarstellungen kommen Aspekte des Zusammenwirkens bzw. Zusammenarbeitens mit intelligenten Systemen zur Sprache sowie zum Teil auch die Sicht der Beteiligten auf die Zukunft ihres Arbeitsplatzes und ihre Entwicklungsoptionen. Das ist zwar noch nicht ganz dicht dran an Aufgaben und Problemstellungen von Personalentwicklern, aber dennoch interessant…

Wakabayashi, Daisuke (2017): Meet the People Who Train the Robots (to Do Their Own Jobs). New York Times, 27. April 2017

Augmentation und smarte Personalentwicklung

1 Digitale Transformation, Machine Learning & Automatisierung

‘Digitale Transformation’ bezeichnet die tiefgreifenden Veränderungen, die aus dem intensiven Einsatz von fortgeschrittenen Technologien folgen: Veränderungen bei der Gestaltung von Leistungsprozessen, bei der Gestaltung der Interaktionen mit Kunden und Partnern, bei den Kundenerlebnissen und auch bei den Geschäftsmodellen. Wir erleben diese Veränderungen täglich, beim Bestellen im Online-Shop ebenso wie beim Zugreifen auf unsere Musik und unsere Tageszeitung in der Cloud.
Im Zusammenhang mit dieser Transformation wird auch von einer dritten Welle der Automatisierung gesprochen (vgl. Davenport, 2016): Nachdem Maschinen in einer ersten Welle viele körperlich anstrengende und gefährliche Arbeiten (z.B. im Bergbau) und in einer zweiten Welle viele Routineaufgaben (z.B. beim Verarbeiten von Buchungsbelegen) übernommen haben, sind heute auch anspruchsvollere Aufgaben von Wissensarbeitern betroffen (z.B. bei der Analyse von Mammografie-Bilddaten zur Identifikation von Tumor-Gewebe). Bei manchen dieser Aufgaben arbeiten maschinelle Systeme inzwischen in etwa so genau wie Menschen (z.B. Spracherkennung) oder sogar genauer (z.B. Bilderkennung) (vgl. Brynjolfson / McAfee, 2017).

Prototyp einer KI-basierten Video-Überwachung einer Werkstatt im Hinblick auf Lagerung und Zugriffe auf Werkzeuge (Quelle: Microsoft Entwicklerkonferenz 2017)

Ein wichtiger Treiber für diese dritte Welle der Automatisierung ist das sogenannte maschinelle Lernen (‘machine learning’). Früher waren Maschinen nur so «schlau», wie das in ihrer Software kodifizierte (explizite) Wissen. Heute spielen verschiedene Formen wie überwachtes, teilüberwachtes, unüberwachtes und Feedback-basiertes Lernen von Maschinen eine wichtige Rolle bei der Verbesserung ihrer Leistungsfähigkeit (vgl. Brynjolfsson / McAfee 2017, S. 31 und diesen Blogbeitrag).

2 Freisetzung oder Augmentation menschlicher Arbeitskraft?

Mit diesen Entwicklungen rückt – wieder einmal – das Schreckgespenst einer umfassenden Freisetzung menschlicher Arbeitsleistung durch (intelligente) Maschinen in den Blick. Die sogenannte «Oxford»-Studie von Frey & Osborne (2013) hat uns diesbezüglich aufgeschreckt und in den Medien kursieren verschiedenste Abbildungen, die zeigen, wie hoch das Risiko ist, dass unsere Arbeitsleistung (und damit unsere Arbeitsplätze) durch eine intelligente digitale Maschine (Algorithmus, Roboter) ersetzt werden:

Abbildung 2: Wahrscheinlichkeit, dass Arbeitsplätze von intelligenten Maschinen ersetzt werden (Quelle: Economist / Business Insider, 2014)

Aber auch „intelligente“ Maschinen kommen an ihre Grenzen, beispielsweise wenn es Abweichungen von Standardprozessen gibt. Dann braucht es Menschen, die die Einschränkungen von Maschinen einschätzen, ihren Einsatzbereich eingrenzen bzw. Parameter anpassen oder die maschinell produzierten Ergebnisse mit anderen Problemstellungen verknüpfen. In der Zusammenarbeit von Menschen und Maschinen sind Ergebnisse möglich, die weder Menschen noch Maschinen alleine erbringen können. In ihrem Buch «Only humans need apply» (2016) lenken Davenport / Kirby den Blick auf genau diese wechselseitige Ergänzung bzw. Zusammenarbeit von Menschen und Computern, die sie als «Augmentation» bezeichnen.

3 Augmentation und Optionen / Strategien für die Personalentwicklung

Davenport / Kirby skizzieren fünf Augmentations- bzw. Entwicklungsstrategien, die sich für uns Menschen aus den oben geschilderten Entwicklungen ergeben: «step in», «step up», «build the steps», «step aside» und «step narrow» (vgl. Abbildung 2):

Abbildung 3: Fünf Strategien für Augmentation (nach Davenport / Kirby 2016)

Diese fünf Entwicklungsoptionen sind allgemein formuliert. Sie gelten für unterschiedlichste Berufsgruppen. Davenport / Kirby haben vor allem Wissensarbeiter wie zum Beispiel Rechtsanwälte oder Fachleute aus Bereichen wie Finanzdienstleistungen oder Marketing im Blick. Diese Strategien gelten darüber hinaus aber auch für weitere Berufsgruppen: für kaufmännische Angestellte ebenso wie Fachkräfte in der Produktion oder Fachkräfte im Gesundheitswesen.

4 Entwicklungsstrategien für «Bildungsverantwortliche»

Die oben aufgezeigten Entwicklungsstrategien lassen sich beispielhaft auch auf unsere Berufsgruppe (Personalentwickler / Bildungsverantwortliche) beziehen. Auch hier gibt es mit jedem Technologieschub wiederkehrende Befürchtungen, dass Lehrpersonen oder Trainer ersetzt würden – durch Web-based trainings, durch MOOCs, durch teaching bots, etc. Wie könnten nun entsprechende Entwicklungsstrategien für uns aussehen?

„Step in“ (Systeme nutzen):
Bildungsverantwortliche erarbeiten Kenntnisse und entwickeln Handlungskompetenzen im Hinblick auf die Potenziale, die Grenzen und die Nutzung von neuen Technologien, wie beispielsweise (KI-basierte) digitale Konzeptions- / Autoren- / Distributions- und Analytics-Lösungen, und nutzen diese für die effektive Gestaltung und Weiterentwicklung von Lernumgebungen.
Beispiele: Berücksichtigung von Analytics-Ergebnissen (z.B. welche Lernressourcen werden nicht aufgerufen / nicht kommentiert / negativ bewertet) bei der Überarbeitung eines Lernpfads bzw. eines Entwicklungsprogramms. Nutzung von Werkzeugen für E-Coaching um ein bestehendes Coaching-Programm um E-Coaching-Sequenzen zu erweitern.
„Step up“ (Systemeinsatz steuern):
Bildungsverantwortliche, v.a. in Entscheidungsfunktionen, erarbeiten sich einen Überblick über 1) die aktuellen Entwicklungen, 2) die Möglichkeiten des Einsatzes digitaler und KI-basierter Technologien in Bildungsprozessen und 3) die Anforderungen bezüglich einer Passung mit den institutionellen bzw. organisatorischen Rahmenbedingungen. Sie sind damit in der Lage, Entscheidungen dazu herbeizuführen, wo und wie (intelligente) technische Lösungen in Bildungsprozessen eingeführt und eingesetzt werden sollen.
Beispiel: Beteiligung an der Sichtung / Evaluation innovativer Lernplattformen und Herbeiführen einer Entscheidung dazu, ob eine KI-basierte, adaptive Lernplattform eingeführt wird, um Studierende bei der individualisierten Erarbeitung von curricular vorgegebenen Inhalten zu unterstützen.
„Step aside“ (Design- & Sozialkompetenz stärken):
Auf der Basis von Kenntnissen zu Potenzialen und Grenzen von (KI-basierten) digitalen Konzeptions- / Autoren- / Distributions- und Analytics-Lösungen konzentrieren sich Bildungsverantwortliche bewusst auf Aufgaben und Fähigkeiten, bei denen Menschen (intelligenten) Maschinen überlegen sind. Sie setzen auf ihre kreativen Gestaltungs- und Sozialkompetenzen und schärfen ihr diesbezügliches Profil.
Beispiel: Ausgehend von einem Profil als Fachexperte / Fachtrainer Weiterentwicklung in Richtung Lern- und Entwicklungsberater für die zuvor schon betreute Zielgruppe. Oder die kreative und innovative Entwicklung neuer Ideen und Lösungen für Inhalte und Lernangebote für diese Zielgruppe.
„Step narrow“ (Nischen suchen):
Bildungsverantwortliche suchen Nischen, die wenig Potenzial für intelligente und automatisierte Systeme bieten und entwickeln sich in diesen Nischen zu Spezialisten. Etwa im Hinblick auf die Analyse und Gestaltung von institutionellen Rahmenbedingungen für Lernen und Entwicklung.
Beispiel: Aufbau von Kompetenzen zur Analyse organisationaler Lernkulturen und der Gestaltung von wirksamen Veränderungsimpulsen für Lernkulturen.
„Build the steps“ (Innovation und Systementwicklung):
Bildungsverantwortliche bauen Kompetenzen auf, die es ihnen ermöglichen, innovative digitale Lösungen für Lernen & Kompetenzentwicklung entweder selbst zu entwickeln oder bei der Entwicklung von solchen Lösungen mitzuarbeiten.
Beispiel: Mitarbeit an einer KI-basierten Lösung für das Erstellen von zielgruppenspezifischen didaktischen Entwurfsmustern.

5 Augmentationsstrategien als Folie für lebenslanges Lernen

Die aktuellen Entwicklungen im Bereich KI und ‘machine learning’ sind nur ein Beisiel für die permanenten, Technologie-induzierten Veränderungen, mit denen wir in unserer Arbeitswelt konfrontiert sind. Für Personalentwickler stellt sich damit immer wieder die Frage, welche Entwicklungsoptionen für die von ihnen betreuten Zielgruppen passen und wie diese umgesetzt werden können.
Dabei müssen sie sich nicht nur dazu orientieren, was (intelligente) Maschinen leisten können und welche Technologien ganz konkret in naher Zukunft in den Arbeitsprozess eingeführt werden. Sie müssen bisherige Entwicklungsstrategien und diesbezügliche Präferenzen ebenso diagnostizieren wie die von den aktuellen Entwicklungen betroffenen Aufgaben- und Kompetenzbereiche. Und sie müssen sich dazu schlau machen, wie denn andere bei ähnlichen Technologieschüben nachhaltige Entwicklungsstrategien umgesetzt haben und welche Lehren sich daraus ableiten lassen (vgl. dazu die folgende Abbildung).

Abbildung 4: Aufgaben für Personalentwickler im Zusammenhang mit Augmentation (Bildquelle: scil)

Weiterführende Links:

Wirtschaft + Weiterbildung (Haufe)
Ein komplementärer Beitrag, der ein Beispiel für die Ausgestaltung eines Entwicklungsprogramms für Bildungsverantwortliche gemäss der hier vorgestellten fünf Optionen skizziert, erscheint in der März-Ausgabe von wirtschaft + weiterbildung. Sobald dieser Beitrag online verfügbar ist, werden wir hier darauf verlinken.
Zertifikatsprogramm „Digitale Bildung“ (scil academy)
Ein modulares Weiterbildungsprogramm für Bildungsverantwortliche, das auf dem Konzept der Augmentation und den hier vorgestellten Optionen aufsetzt.
scil Innovationskreis 2018 (scil consulting)
scil führt regelmässig Innovationskreise mit einer Gruppe von Partnern durch. Die hier aufgezeigten Entwicklungsoptionen und die daraus abgeleiteten Aufgaben für die Personalentwicklung (vgl. Abbildung 4, oben) sollen Gegenstand des scil-Innovationskreises 2018 werden. Weitere Informationen zu scil Innovationskreisen finden Sie hier. Sie sind an einer Beteiligung interessiert? Bitte nehmen Sie mit uns Kontakt auf.

Literaturverweise:
Brynjolfsson, Erik; McAfee, Andrew (2017): Von Managern und Maschinen. In: Harvard Business Manager (November), S. 22–34.
Davenport, Thomas H.; Kirby, Julia (2016): Only humans need apply. Winners and losers in the age of smart machines. First edition. New York, NY: Harper Business.
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. Online verfügbar unter: https://www.oxfordmartin.ox.ac.uk/downloads/academic/future-of-employment.pdf
.