Janine Kappenberg & Rubén Leites García, Sapered KI statt Entwicklung? Wie falsch eingesetzte KI den Unternehmensfortschritt hindert

Wird KI falsch eingesetzt, bringt sie eher Rückschritt, als Fortschritt, meinen Janine Kappenberg und Rubén Leites García (Bild: Sapered).

Wenn Geschwindigkeit zum Qualitätsproblem wird

Einer der größten Effekte von KI im Lernkontext liegt in der drastisch gesunkenen Eintrittshürde für die Erstellung von Inhalten. Was früher Zeit, Abstimmung und didaktische Erfahrung erforderte, lässt sich heute in wenigen Minuten erzeugen. Diese neue Leichtigkeit wirkt auf den ersten Blick wie ein Fortschritt. In der Praxis führt sie jedoch oft dazu, dass Fachabteilungen eigenständig Trainings, Schulungsfolien oder Lernmodule produzieren, ohne über die notwendige methodische und didaktische Kompetenz zu verfügen. Das Ergebnis ist eine schnell wachsende Menge an Content, die produktiv aussieht, aber häufig keinen tragfähigen Lernprozess auslöst. Wir nennen das die „Gut-genug“-Falle.

Darin liegt eine zentrale Fehlentwicklung. Die eigentliche Falle besteht nicht in der Technologie selbst, sondern in der Illusion, schnelles Erstellen sei bereits ein Beitrag zu wirksamem Lernen. Für einen guten Output muss KI präzise gebrieft werden, braucht belastbare Informationen über das Unternehmen, über Zielgruppen, Lernziele und Trainingsmethoden. Daran fehlt es jedoch in vielen Organisationen. In der Folge entstehen scheinbar brauchbare Ergebnisse, die beim genaueren Hinsehen jedoch weder Tiefe noch Transfer aufweisen. KI kann Planung und Ausführung sehr gut unterstützen. Entscheidend bleibt aber die Vorarbeit. Wer nicht weiß, welches Ziel mit dem Einsatz erreicht werden soll, produziert zwar Material, aber keine Entwicklung.

Warum Lernen mehr ist als Informationsbereitstellung

Die Debatte über KI im L&D krankt häufig an einer stillschweigenden Verkürzung. Lernen wird mit Informationsvermittlung verwechselt – ein strukturelles Missverständnis! Zwar kann KI Inhalte generieren, ordnen, übersetzen und personalisiert ausspielen. Damit schafft sie jedoch zunächst nur bessere Zugänge zu Informationen. Lernen im eigentlichen Sinn entsteht erst, wenn Menschen Inhalte einordnen, anwenden, reflektieren und in Verhalten übersetzen.

KI ersetzt keine Menschen, sondern verschiebt, was sie wertvoll macht. In der Unternehmensentwicklung bedeutet das: Je stärker Systeme Routineaufgaben übernehmen, desto wichtiger werden jene Leistungen, die sich nicht automatisieren lassen. Dazu gehören Reflexion, Feedback, emotionale Unterstützung, soziale Resonanz und die Fähigkeit, Erfahrungen in den eigenen Arbeitskontext zu übertragen. Genau diese Elemente geraten unter Druck, wenn Unternehmen glauben, Trainer, Coaches oder Mentoren ließen sich durch digitale Assistenzsysteme ersetzen.

Im Lernprozess sind es häufig nicht die Inhalte selbst, die Veränderung auslösen, sondern die Fragen, die im Anschluss gestellt werden. Was bedeutet das für meine Arbeit? Wo stoße ich an Grenzen? Welche Annahmen muss ich revidieren? Welche Verhaltensänderung ergibt sich daraus? KI kann solche Prozesse anregen, aber nicht verlässlich tragen. Sie kann Denkanstöße liefern, Muster aufzeigen und Material aufbereiten. Die eigentliche Entwicklung bleibt eine menschliche Leistung. Wer diese Tatsache ignoriert, spart womöglich Aufwand in der Produktion, verliert aber Qualität im Lernen.

Integriert ist KI oft nur auf dem Papier

Die öffentliche Debatte vermittelt derzeit leicht den Eindruck, KI sei in Unternehmen bereits breit angekommen. In der Realität zeigt sich ein anderes Bild: Zwar setzen inzwischen viele L&D-Verantwortliche KI aktiv ein, doch der Schwerpunkt liegt meist auf der Content-Erstellung. Von einer durchdachten Integration in Lernprozesse, Kompetenzmanagement und strategische HR-Arbeit sind zahlreiche Organisationen noch weit entfernt.

Der Grund dafür liegt selten in fehlender Begeisterung, sondern meist in einer unterschätzten Vorbereitung. Ein sinnvoller KI-Einsatz braucht zunächst eine klare Strategie. Unternehmen müssen vorab klären, was das Tool leisten soll, welche Prozesse davon profitieren und welche Aufgaben bewusst nicht an Systeme delegiert werden. Ohne diese Klarheit entstehen Insellösungen, die mehr Reibung erzeugen als Entlastung.

Hinzu kommt die technische Basis. Datenschutzkonforme Infrastrukturen, saubere Daten, kompatible Systeme und verlässliche Zuständigkeiten sind Voraussetzung. Gerade in gewachsenen Organisationen zeigt sich hier oft die größte Hürde. Noch wichtiger ist jedoch der menschliche Faktor in der Datenverarbeitung. Mitarbeitende benötigen KI-Kompetenz, Führungskräfte müssen als Multiplikatoren wirken und es braucht eine Kultur, die Experimentieren zulässt, ohne jeden Versuch sofort in Produktivität umzurechnen. Eine KI-Strategie ohne Lernstrategie ist fahrlässig. Wer Systeme einführt, ohne zugleich den Kompetenzaufbau mitzudenken, erzeugt Unsicherheit statt Fortschritt.

Mitarbeitende gewinnt man nicht mit Folien, sondern mit Erfahrung

Viele Unternehmen reagieren auf den KI-Wandel mit großen Informationsveranstaltungen, Leitlinien und Präsentationen. Das ist nachvollziehbar, trifft aber oft nicht den Punkt, der für Beschäftigte wirklich relevant ist. Die meisten Mitarbeitenden wollen verstehen, welche Folgen die Entwicklung für ihren konkreten Arbeitsalltag hat.

Erfolgreiche Einführung benötigt zunächst eine Entmystifizierung der Technologie. KI muss als Werkzeug erfahrbar werden, nicht als Bedrohung und auch nicht als Heilsversprechen. Kurze, praxisnahe Formate, in denen Mitarbeitende innerhalb kurzer Zeit ein erstes Erfolgserlebnis mit einem Tool erzielen, senken Schwellen deutlich wirksamer als abstrakte Strategiekommunikation.

Relevanz entsteht, sobald konkrete Anwendungsfälle aus dem eigenen Bereich sichtbar werden. Der Vertrieb stellt andere Anforderungen als das Controlling, der Personalbereich oder das Projektmanagement. Sobald Mitarbeitende erkennen, dass KI ihnen Routineaufgaben abnimmt, Formulierungen beschleunigt, Recherchen erleichtert oder Informationen besser zugänglich macht, verschiebt sich die Wahrnehmung. Skepsis weicht der Nützlichkeit.

Langfristig trägt aber nur eine Verstetigung. Dazu gehören KI-Champions in Teams, regelmäßige Werkstätten für gute Prompts, kollegiale Austauschformate und Peer Learning anhand echter Fälle.

Mehr zum Thema

verwandte Artikel werden geladen...

Future Skills entstehen durch wiederholte Anwendung. Lernen im Umgang mit KI muss in die Arbeit hineinwachsen. Alles andere bleibt folgenlos.

Wo KI heute bereits echten Mehrwert schafft

Trotz aller berechtigten Warnungen gibt es eine ganze Reihe interner Prozesse, in denen KI schon heute einen klaren Unterschied macht. Besonders wirksam ist sie überall dort, wo Informationen strukturiert, wiederkehrende Abläufe beschleunigt oder erste Entwürfe effizient erzeugt werden müssen.

Im Onboarding kann KI neue Mitarbeitende durch Standardfragen begleiten, relevante Wissensressourcen vorschlagen und Einarbeitungswege personalisieren. Das entlastet HR-Teams und verbessert zugleich das Erleben aufseiten der Neuen. Im Informations- und Datenmanagement liegt ein weiterer großer Hebel: Wenn interne Datenbestände kontextuell durchsuchbar werden, verkürzt sich die Suche nach relevanten Informationen erheblich. Aus verstreuten Dokumenten und unübersichtlichen Ablagen kann so ein nutzbarer Wissenszugang entstehen. Wichtig bleibt allerdings die Unterscheidung zwischen Information und Können. Der Zugang zu Daten ersetzt nicht die Einübung von Handlungsfähigkeit.

Auch in der Erstellung und Übersetzung von Schulungsunterlagen, FAQs oder interner Kommunikation sorgt KI bereits für deutliche Beschleunigung. Gleiches gilt für Skillanalysen und erste Empfehlungen in der Personalentwicklung. Systeme können Wissen abfragen und Entwicklungsoptionen strukturieren. Im Meeting und Dokumentenmanagement sparen automatische Zusammenfassungen, Protokolle und Action Items erheblich Zeit. In all diesen Feldern gilt jedoch dieselbe Bedingung: KI liefert sehr gute erste Entwürfe, aber keine verlässliche Endredaktion. Der menschliche Prüf- und Steuerungsanteil bleibt unverzichtbar.

Die Grenzen liegen dort, wo Urteilskraft beginnt

Je leistungsfähiger KI in operativen Aufgaben wird, desto wichtiger wird eine nüchterne Grenzziehung. Systeme können analysieren, strukturieren und generieren. Sie können aber weder Verantwortung übernehmen noch auf Basis von Werten entscheiden. Sie bauen kein Vertrauen auf, gestalten keine Kultur und tragen keine Beziehung.

Deshalb sollten sich Unternehmen gerade in strategischen Fragen nicht auf KI verlassen. Ein System kann Szenarien berechnen und Optionen verdichten, aber keine unternehmerische Entscheidung im eigentlichen Sinn treffen. Dafür fehlt ihm Kontextverständnis. Es kennt keine impliziten Interessenlagen, keine politische Gemengelage, keine unternehmenskulturellen Spannungen. Ähnlich klar ist die Grenze in empathischer Führung, in Konfliktsituationen und im Krisenmanagement. Wo Menschen Orientierung, Anerkennung oder Sicherheit brauchen, reicht ein plausibel formulierter Text nicht aus.

Besonders risikoreich wird es im rechtlichen und Compliance-relevanten Bereich. KI halluziniert. Wer regulatorische oder juristische Entscheidungen auf ungeprüfte Outputs stützt, handelt fahrlässig. Auch in sensiblen HR-Prozessen wie Leistungsbewertungen, Einstellungsentscheidungen oder Trennungen darf KI allenfalls Hinweise liefern. Entscheiden muss immer ein Mensch. Gleiches gilt für kreative Markenarbeit und Unternehmensidentität. KI kann inspirieren, aber nicht definieren, wofür ein Unternehmen steht.

Daten, Schutz und blinde Flecken

Ein weiterer neuralgischer Punkt liegt im Umgang mit Mitarbeiterdaten. Adaptive Lernsysteme basieren auf Informationen über Lernverhalten, Leistungen und Präferenzen. Der Einsatz solcher Systeme braucht Haltung über eine formale DSGVO-Prüfung hinaus. Welche Daten werden tatsächlich benötigt? Wer erhält Zugang, zu welchem Zweck und mit welcher Legitimation? Wie transparent ist der Einsatz für die Betroffenen?

Hinzu kommt die Frage nach der Qualität der Empfehlungen selbst. Lernpfade, die auf historischen Daten basieren, reproduzieren immer auch bestehende Muster. Damit spiegeln sie unter Umständen blinde Flecken, Ungleichheiten oder verzerrte Annahmen. Ein professioneller Einsatz von KI bedeutet deshalb nicht nur, Daten zu schützen, sondern auch die eigenen Datenbestände kritisch zu lesen. Der menschliche Faktor darf gerade hier nicht entfallen.

Wenn Messbarkeit Wirkung ersetzt

KI erzeugt im Lernkontext eine neue Faszination für Dashboards, Scores und Completion Rates. Das Problem ist nicht die Messung an sich. Im Gegenteil: Klare Ziele und sinnvolle KPIs sind im L&D gern gesehen. Problematisch wird es, wenn Kennzahlen mit Wirkung gleichgesetzt werden. Hohe Abschlussquoten, bestandene Quiz oder häufig genutzte Lernmodule sagen nichts darüber aus, ob sich Kompetenzen entwickeln oder Verhalten verändert.

Die Gefahr: Unternehmen verwechseln Daten mit Fortschritt. Wenn sich L&D-Abteilungen fast ausschließlich auf Tool-Schulungen konzentrieren, aber Zukunftskompetenzen wie Kontextualisierung, Urteilsvermögen, Kommunikation, Selbstführung und Ambiguitätstoleranz vernachlässigen, optimieren sie an der Oberfläche. Soft Skills sind keine weichen Themen, sondern harte Zukunftswährung. Gerade in einer unsicheren Welt gewinnen jene Fähigkeiten an Bedeutung, die Sicherheit im Handeln ermöglichen.

Wo FOMO besonders viel Schaden anrichtet

Überhastete Implementierung lässt sich derzeit in mehreren Bereichen beobachten. Die gemeinsame Ursache ist meist FOMO, also die Angst, den Anschluss zu verlieren. Die mediale Dauerpräsenz des Themas erzeugt Handlungsdruck, der Geschwindigkeit über Qualität stellt.

Im Kundenservice zeigt sich das etwa in Chatbots, die menschliche Ansprechpersonen zu früh ersetzen und bei komplexeren Anliegen scheitern. Im Content Marketing führt die Verlockung schneller Skalierung zu austauschbaren Inhalten, die Marken eher schwächen als stärken. Im Recruiting birgt die automatisierte Vorauswahl erhebliche Risiken in Bezug auf Bias und Diskriminierung. Und im E-Learning glauben manche Unternehmen, ihre gesamte Trainingslandschaft innerhalb weniger Wochen neu aufsetzen zu können. Das Resultat sind häufig didaktisch schwache Inhalte, die am eigentlichen Lernbedarf vorbeigehen.

Was in all diesen Fällen unterschätzt wird, ist die Bedeutung menschlicher Urteilsfähigkeit. Kontextualisierung ist eine Kernkompetenz, genauso wie die Anpassungsfähigkeit von Organisationen. Sinnvoller KI-Einsatz bedeutet nicht, Prozesse möglichst schnell zu automatisieren, sondern die eigene Arbeitsweise so weiterzuentwickeln, dass Technologie, Kultur und Kompetenzaufbau zusammenspielen.

Dos and Don'ts für KI im strategischen Unternehmensbereich:

Dos

• Mit der Strategie beginnen, nicht mit dem Tool. Erst definieren, welches Problem gelöst werden soll, und dann das passende KI-Werkzeug auswählen.
• Klein anfangen, schnell lernen. Pilotprojekte in definierten Bereichen starten, Erfahrungen sammeln, dann skalieren. KI entwickelt sich schneller als frühere Technologien – wer wartet, bis alles perfekt geplant ist, verpasst den Anschluss.
• KI-Kompetenz auf Führungsebene aufbauen. Entscheidungstragende müssen verstehen, was KI kann und was nicht. Sonst entstehen unrealistische Erwartungen oder blinde Flecken. KI realistisch einzuordnen heißt: klare Leitplanken schaffen.
• Governance früh etablieren. Klare Regeln für den KI-Einsatz: Datenschutz, Qualitätssicherung, Verantwortlichkeiten. Lieber früh strukturieren als später reparieren.
• Mensch und Maschine als Team denken. Die besten Ergebnisse entstehen, wenn KI den Menschen stärkt, nicht, wenn sie ihn ersetzt. Future Skills strategisch definieren und priorisieren.

5 Don'ts

• Nicht ohne Plan auf den Hype-Zug aufspringen. KI einzuführen, weil „jeder es macht“, ist keine Strategie, sondern ein Rezept für Budgetverschwendung.
• Nicht beschwichtigen. Keine falsche Sicherheit versprechen, KI nicht als reines IT-Thema behandeln und die Sorgen der Mitarbeitenden niemals kleinreden. Das bricht Vertrauen, das Unternehmen später dringend benötigen.
• Nicht blind vertrauen. KI-Outputs müssen geprüft werden. Immer. Besonders bei Entscheidungen, die Menschen betreffen. Die Autonomie von KI und die Ersetzbarkeit komplexer Rollen werden massiv überschätzt.
• Nicht alles auf einmal wollen. Wer gleichzeitig 15 KI-Projekte startet, führt keines davon zum Ziel. Frühere Innovationszyklen waren über Jahre beobachtbar – KI verändert sich exponentiell. Umso wichtiger, fokussiert zu bleiben.
• Nicht nur auf Effizienz schauen. Wer KI als Ersatzstrategie nutzt, spart vielleicht Kosten, aber verliert Kompetenz. KI kann Qualität verbessern, Innovation fördern und neue Möglichkeiten eröffnen. Wer nur spart, verschenkt Potenzial.

Dos and Don'ts für KI in Learning & Development:

Dos

• Didaktik vor Technologie. Gutes Lernen beginnt mit guten Lernzielen, nicht mit dem neuesten KI-Tool. Die Frage muss immer sein: Welches Ziel verfolgt die Lernmaßnahme und hilft KI mir sie zu erreichen?
• KI als Ermöglicher nutzen. KI kann weder Trainer noch L&D-Experten ersetzen. Aber sie kann ihnen Routinearbeit abnehmen und damit Zeit für wertschöpfende Tätigkeiten freischaufeln.
• Auf Transfer und Anwendung setzen. Wirkung entsteht durch Anwendung im realen Arbeitskontext, Peer Learning, Arbeit an echten Fällen und kontinuierliche Auseinandersetzung statt durch Einmal-Trainings.
• Future Skills gezielt fördern. Kontextualisierungsfähigkeit, Urteils- und Entscheidungsfähigkeit, Kommunikation, Selbstführung und Ambiguitätstoleranz sind die Fähigkeiten, die in einer KI-geprägten Arbeitswelt den Unterschied machen.
• Experimentierräume schaffen. L&D-Teams brauchen Zeit und Budget, um mit KI zu experimentieren, bevor sie skalieren. Mit Pilotprojekten, Sandboxes und Learning Sprints entsteht echte Kompetenz.

Don'ts

• Nicht KI-generierten Content ungeprüft ausrollen. Jeder KI-erstellte Lerninhalt muss von Verantwortlichen fachlich und didaktisch geprüft werden. Sonst riskieren Unternehmen das Schulen von Fehlinformationen.
• Nicht Trainer und Coaches durch Chatbots ersetzen. KI kann Informationen vermitteln, aber weder inspirieren noch den Funken zünden, der Wachstum fördert.
• Nicht Quantität mit Qualität verwechseln. Nur weil KI die Möglichkeit gibt, in der Hälfte der Zeit doppelt so viele E-Learnings zu produzieren, müssen Zuständige dem nicht nachgehen. Weniger, dafür wirkungsvoller ergibt mehr Sinn.
• Nicht den Datenschutz auf die lange Bank schieben. Lernendendaten sind sensibel. Jedes KI-Tool, das mit Mitarbeitendendaten arbeitet, muss vor dem Livegang datenschutzrechtlich sauber aufgesetzt sein.
• KI nicht als Alleinlöserin struktureller L&D-Probleme sehen. Stimmt die Lernkultur eines Unternehmens nicht, ändert auch die beste KI nichts daran. Technologie verstärkt, was da ist – im Guten wie im Schlechten.

CONSULTING.aktuell: der Newsletter der Consultingbranche

News +++ Jobs +++ Whitepaper +++ Webinare

Newsletter abonnieren

 

Datenschutz