E-Learning mit KI lässt sich heute in wenigen Minuten anschieben – ein fertiger Prototyp ist schnell gebaut. Ob daraus auch ein Lernangebot wird, das im Kopf der Mitarbeitenden tatsächlich etwas bewegt, entscheidet sich erst danach. Sylvie Rumler, Gründerin und Geschäftsführerin der onBildung GmbH in Usingen, entwickelt seit Jahren digitale Lernkonzepte. Im Interview erklärt sie, woran sie ein gutes Lernkonzept erkennt, wo KI beim E-Learning wirklich helfen darf und welche Risiken Unternehmen beim Selbermachen unterschätzen.
Woran ein gutes Lernkonzept beim E-Learning mit KI zu erkennen ist
Ein erster App-Prototyp lässt sich heute mit KI tatsächlich in zehn Minuten bauen. Ein gutes Lernangebot entsteht dadurch noch lange nicht.
Ob ein tragfähiges Lernkonzept dahintersteckt, erkennt Rumler vor allem daran, ob durchdacht wurde, was im Kopf der Lernenden passieren soll: welche Hürden auftreten können, welche Missverständnisse wahrscheinlich sind und was an genau dieser Stelle weiterhilft. Geprüft wird das zum Beispiel mit einer Testgruppe, die das Material tatsächlich zum Lernen nutzt, oder indem man sich selbst konsequent in die Rolle der Lernenden versetzt. So ist Rumler bei ihrer eigenen Kroatisch-Lern-App vorgegangen: Sie hat einen Prototyp gebaut, ihn so lange selbst zum Lernen benutzt und verändert, bis es bei ihr tatsächlich „Klick“ gemacht hat.
Wie tief diese didaktische Arbeit gehen kann, zeigt ein zweites Beispiel: Bei einem E-Learning mit Multiple-Choice-Fragen und bis zu fünf Antwortmöglichkeiten untersuchte sie, welche der theoretisch 32 Antwortkombinationen inhaltlich überhaupt sinnvoll vorkommen können. Am Ende waren es 16 – und für jede hat sie ein eigenes, gezieltes Feedback geschrieben. Wählt jemand zwei bestimmte Antworten nicht aus, kann dahinter ein ganz bestimmtes Missverständnis stecken; das Feedback greift dann genau dieses Missverständnis auf, statt nur „richtig“ oder „falsch“ zu melden. Auch bei richtigen Antworten ergänzte sie eine Begründung, weil ein Lernprogramm nicht erkennen kann, ob jemand sicher wusste, unsicher war oder nur geraten hat. Für dieses Feedback-Konzept wurde sie ausgezeichnet.
Die Technik präsentiert nicht nur Inhalte und prüft Ergebnisse, sondern reagiert möglichst sinnvoll auf den Lernprozess.
Eine KI kann bei der Umsetzung sehr viel leisten – aber jemand muss ihr vorher die richtigen Vorgaben geben, und dafür verstanden haben, was gelernt werden soll, wo typische Denkfehler liegen und welche Rückmeldung wirklich weiterhilft.
Was KI beim Aufbau eines E-Learnings übernehmen darf – und was nicht
Bei klar umrissenen Teilaufgaben ist KI aus Rumlers Sicht sehr hilfreich: Sie formuliert Textentwürfe und Varianten, strukturiert umfangreiches Rohmaterial, schlägt Quizfragen vor oder baut einen ersten technischen Prototyp. Das spart enorm viel Zeit – ungeprüft übernehmen würde sie die Ergebnisse trotzdem nicht.
Die entscheidenden Fragen müssen vorher Menschen beantworten: Wer soll hier was lernen? Welches Vorwissen ist vorhanden? In welcher Situation soll das Gelernte angewendet werden? Wo liegen typische Verständnisprobleme – und was soll danach tatsächlich besser funktionieren? Je genauer das vorgegeben ist, desto besser lässt sich die KI steuern.
Sage ich nur: „Erstelle mir einen E-Learning-Kurs zu Thema X“, erhalte ich schnell etwas Mainstreammäßiges.
Ein Beispiel aus der Praxis: Eine Sprachlern-App richtet sich an deutsch- und englischsprachige Lernende einer dritten Sprache; Erklärungen gibt es deshalb bewusst nur auf Deutsch und Englisch. Die KI bemängelte die fehlende Übersetzung einiger Erklärungen in die Zielsprache als vermeintlichen Fehler – ohne zu verstehen, dass die Lernenden diese Sprache ja noch gar nicht beherrschen und die Beschränkung didaktisch gewollt ist.
Deshalb bleibt menschliche Prüfung notwendig: eine fachkundige Person für die Inhalte, eine didaktisch erfahrene Person für Aufbau, Fragen und Rückmeldungen, dazu Prüfungen zu Funktion, Barrierefreiheit und Datenschutz beim technischen Aufbau.
Lernziele, didaktische Entscheidungen, fachliche Prüfung und die Verantwortung für das fertige Lernangebot bleiben beim Menschen.
Die teuersten Fehler beim Selbermachen mit KI
Dass Unternehmen kleinere Schulungen selbst produzieren, hält Rumler grundsätzlich für unproblematisch – KI macht das heute wesentlich leichter. Der häufigste Denkfehler: Weil die KI schnell etwas produziert, hält man auch das Ergebnis für fertig.
Die Mitarbeitenden, die solche Kurse erstellen, kennen ihr Fachgebiet meist gut, sind aber keine Didaktiker. Verlassen sie sich zu sehr auf die KI, entstehen leicht gleichförmige Kurse – etwas Einführung, mehrere Textabschnitte, zwischendurch ein Quiz, am Ende eine Zusammenfassung. Das sieht ordentlich aus, wird aber auf Dauer langweilig und geht zu wenig auf die konkrete Arbeitssituation ein.
Unterschätzt wird außerdem der Aufwand nach der ersten Erstellung: Inhalte müssen geprüft, überarbeitet, getestet und aktualisiert werden. Gerade bei kostenlosen Tools kann sich das rächen, wenn ein Tool später nicht mehr im gleichen Umfang zur Verfügung steht oder ein kostenpflichtiges Abo nötig wird. Ein weiteres Risiko ist der allzu sorglose Umgang mit internen Informationen: Wer konkrete Unternehmensabläufe, Fallbeispiele oder personenbezogene Daten in ein frei verfügbares KI-Tool eingibt, schafft möglicherweise ein Datenschutz- oder Vertraulichkeitsproblem.
Schon eine Stunde schlecht genutzter Lernzeit bedeutet bei 500 Mitarbeitenden 500 verlorene Arbeitsstunden.
Für kleine, kurzlebige und fachlich wenig riskante Lerninhalte kann interne Produktion sehr sinnvoll sein. Professionelle Unterstützung empfiehlt Rumler, sobald ein Kurs länger genutzt, regelmäßig aktualisiert oder an viele Menschen ausgerollt werden soll – oder wenn fachliche Fehler rechtliche, sicherheitsbezogene oder wirtschaftliche Folgen haben können.
Damit Wissen wirklich hängen bleibt: So muss E-Learning aufgebaut sein
Verstehen beginnt für Rumler damit, dass ein Kurs nicht im Allgemeinen bleibt, sondern mit der tatsächlichen Arbeitswelt der Lernenden zu tun hat. Ihr Beispiel: In einem Brandschutzkurs sprechen das eigene Gebäude, die echten Fluchtwege und Fotos bekannter Details ganz anders an als ein Stockfoto aus einem fremden Büro – vor allem beim Fluchtplan erkennt man dann den Weg, den man im Ernstfall selbst nehmen müsste.
Damit Wissen im Gedächtnis bleibt, reicht es nicht, einen Inhalt einmal gesehen zu haben – die Lernenden müssen selbst etwas damit tun: eine Entscheidung treffen, etwas einordnen, Wissen auf einen konkreten Fall anwenden.
Eine gute Frage kann manchmal mehr bewirken als weitere fünf Minuten Video.
Auch Wiederholung gehört dazu: lieber nach einiger Zeit noch einmal eine kurze Aufgabe oder einen neuen Fall anbieten, auch über einen anderen Kanal, statt alles in einen einzigen langen Kurs zu packen. Für die Anwendung im Arbeitsalltag sollten die Aufgaben im Kurs den Situationen ähneln, die im Beruf tatsächlich vorkommen – es reicht nicht, eine Regel wiedergeben zu können.
Selbst das beste E-Learning kann laut Rumler aber nicht allein dafür sorgen, dass Gelerntes im Betrieb umgesetzt wird: Greifen Führungskräfte es später nicht auf oder widerspricht die betriebliche Realität den Kursinhalten, war ein großer Teil der Arbeit umsonst. Deshalb gehören für sie auch kurze Erinnerungen im Arbeitsprozess, Unterstützung durch Führungskräfte und die Möglichkeit, später noch Fragen zu stellen, zum Lernkonzept dazu.
Prototyp ist nicht Produkt: Die unterschätzten Risiken bei E-Learning mit KI
Das größte Risiko ist aus Rumlers Sicht, einen funktionierenden Prototyp schon für ein fertiges Produkt zu halten. Bei ihrer eigenen App dauerte die didaktische Konzeption rund zwei Wochen – bis Verkaufsplattform, Datenschutz und rechtliche Anforderungen standen, folgten noch einmal rund acht Wochen. Das war ein B2C-Produkt, das Grundproblem sieht sie in Unternehmen ähnlich: Die eigentliche Anwendung ist oft schneller gebaut als alles, was drumherum für einen verlässlichen Einsatz nötig ist.
Bleibt die KI Teil des fertigen Lernangebots, etwa als Tutor oder Chatbot, wird es anspruchsvoller: Sie erzeugt laufend neue statt fester, vorher geprüfter Antworten, deshalb reicht es nicht, nur einige typische Fälle zu testen. Hinzu kommen die Daten der Lernenden – was wird gespeichert, wer darf es sehen, wofür wird es später verwendet? Ist ein System geeignet, Verhalten oder Leistung von Beschäftigten zu überwachen, kann laut Rumler der Betriebsrat mitzubestimmen haben; nutzt eine KI Lernergebnisse sogar zur Bewertung von Beschäftigten, kann sie unter dem europäischen AI Act als Hochrisiko-System gelten – nicht grundsätzlich verboten, aber streng geregelt.
Tests, Datenschutz und rechtliche Fragen sind keine Kleinigkeiten, die man am Ende noch schnell ergänzt. Sie gehören von Anfang an ins Konzept.
Wer diese Fragen vorab klärt statt sie nach Fertigstellung nachzureichen, kann auf robustere KI-Governance im eigenen Unternehmen aufbauen – sonst hat man zwar schnell einen beeindruckenden Prototyp, muss ihn später aber aufwendig umbauen oder kann ihn schlimmstenfalls gar nicht einsetzen.
Ausblick: Wird professionelle Didaktik überflüssig?
Bei dem Tempo, mit dem KI sich entwickelt, will sich Rumler für die nächsten drei bis fünf Jahre nicht zu genau festlegen. Dass Unternehmen künftig mehr kleinere E-Learnings selbst erstellen, hält sie für wahrscheinlich – dass sie ihre Lernangebote überwiegend allein produzieren werden, bezweifelt sie.
Bei ihren Kunden erlebt sie im Moment oft denselben Ablauf: Zunächst der Eindruck, mit KI könne man ein E-Learning jetzt einfach selbst machen, dann die Erkenntnis, wie viel Arbeit trotzdem noch darinsteckt – und dass im Arbeitsalltag oft schlicht die Zeit dafür fehlt. Das war schon bei klassischen Autorentools so: Auch sie ermöglichten Unternehmen die Eigenproduktion, trotzdem ist daraus nicht überall eine große interne E-Learning-Produktion entstanden.
Wenn fast jeder technisch ansprechende Inhalte erzeugen kann, sagt die äußere Form immer weniger über die Qualität aus.
Für kleinere, aktuelle und wenig riskante Inhalte bleibt Selbermachen aus ihrer Sicht sinnvoll; bei größeren Kursen, wichtigen betrieblichen Themen oder langfristig genutzten Angeboten wird professionelle Entwicklung weiterhin gebraucht – und professionelle Didaktik dadurch nicht unwichtiger, sondern wichtiger: Es kommt umso mehr darauf an, ob jemand die Zielgruppe wirklich verstanden, sinnvolle Lernziele festgelegt und daraus ein Angebot entwickelt hat, das beim Lernen tatsächlich hilft.
FAQ: E-Learning mit KI
Kann man mit KI wirklich einen kompletten E-Learning-Kurs bauen?
Einen ersten technischen Prototyp ja, oft in wenigen Minuten. Ein tragfähiges Lernkonzept mit durchdachten Lernzielen, passenden Aufgaben und sinnvollem Feedback entsteht dadurch aber noch nicht von selbst – das bleibt didaktische Arbeit von Menschen.
Welche Aufgaben kann KI beim E-Learning sicher übernehmen?
Textentwürfe, Strukturierung von Rohmaterial, erste Quizfragen und einen technischen Prototyp. Ungeprüft übernommen werden sollten die Ergebnisse laut Sylvie Rumler nie – die inhaltliche und didaktische Prüfung bleibt Aufgabe eines Menschen.
Ab wann lohnt sich professionelle E-Learning-Entwicklung statt Selbermachen?
Sobald ein Kurs länger genutzt, regelmäßig aktualisiert oder an viele Mitarbeitende ausgerollt werden soll – oder wenn fachliche Fehler rechtliche, sicherheitsbezogene oder wirtschaftliche Folgen haben können.
Wann gilt ein KI-gestütztes Lernangebot als Hochrisiko-System nach dem AI Act?
Nutzt eine KI Lernergebnisse zur Bewertung von Beschäftigten, kann sie laut Sylvie Rumler unter dem europäischen AI Act als Hochrisiko-System gelten. Das ist nicht grundsätzlich verboten, aber streng reguliert – zusätzlich kann bei Systemen, die Leistung oder Verhalten überwachen können, der Betriebsrat mitzubestimmen haben.
