KI verändert, wie wir Wissen suchen, Fragen klären und im Arbeitsfluss lernen. Antworten sind jederzeit verfügbar. Im Vorfeld der Shift/HR Learning & Talent Development Konferenz am 17.06. haben wir in einer Beitragsreihe diskutiert, wie KI Corporate Learning grundlegend neu sortiert, was Lerntheorie daraus ableitet und was als Aufgabe für L&D bleibt. Denn wenn KI zu schnell eine plausible Antwort liefert, kann Lernen in eine kognitive Konsumhaltung kippen: Wir arbeiten weiter, ohne wirklich vertieft, eingeordnet oder behalten zu haben.

Darüber sprechen wir auf der Konferenz auch mit Jan Foelsing. Jan ist ein bekannter Kopf im L&D-Umfeld, häufiger Inputgeber unserer Veranstaltungen und einer der Köpfe hinter der NewLearning Community. Mit eEight hat er zudem vor Kurzem ein neues Projekt gestartet: eine AI-native Lösung für Wissensmanagement, Decision Support, Performance Support und Content Creation. Er beschäftigt sich seit Jahren mit New Learning, Lernkultur und der Frage, wie Lernen näher an Arbeit, Zusammenarbeit und Veränderung rücken kann.

Sein Eröffnungsvortrag trägt den Titel: „Always-on Knowledge: Was KI mit Lernen im Arbeitsfluss macht“. Vorab haben wir mit Jan über Vibe Learning, Cognitive Offloading und die Frage gesprochen, welche neue Rolle L&D einnehmen muss, wenn KI zum ständigen Lern- und Wissenspartner wird.

1. Vibe Coding hat die Tech-Welt gespalten. Wenn wir Vibe Learning als Analogie nehmen: KI-gestütztes Prompten, Erkunden, Experimentieren ohne Lehrplan - ist das eine neue Lernform oder nur ein neuer Name für altes informelles Lernen?

Jan Foelsing: Ich verstehe den Reiz dieser Gegenüberstellung, aber ich glaube, sie greift zu kurz. Erkunden, ausprobieren, sich an einer Sache entlanghangeln, bis man sie versteht: Das ist die älteste Lernform überhaupt. Daran ist nichts neu. Neu ist das Gegenüber. Der Lernpartner. Das Medium.

Lernen hatte oft dieselbe Grenze. Irgendwann kommt die Frage, die kein Buch, kein Video, kein Tutorial beantwortet, und dann steht man entweder still oder braucht einen Menschen beziehungsweise informellen Austausch. Genau diese Grenze fällt. Das Medium antwortet jetzt zurück. Es passt sich dem Kontext an, dem Tempo, dem Vorwissen, und es wird nie ungeduldig. Was früher eine Bibliothek war, ist jetzt ein Gegenüber.

Das ist die eigentliche Verschiebung, und sie ist groß genug, dass man sie ernst nehmen muss. Besser wird das Lernen dadurch nicht automatisch. Hier lohnt der Blick zurück auf Vibe Coding, weil die Analogie an einer entscheidenden Stelle bricht. Code hat einen Compiler. Er läuft oder er läuft nicht. Die Vibe wird von der Realität korrigiert, gnadenlos und sofort. Lernen hat keinen Compiler. Wenn ich etwas falsch verstanden habe, stürzt nichts ab. Ich gehe mit einem plausiblen Halbwissen weiter und merke es vielleicht nie.

Vibe Learning ist also keine neue Lernform. Es ist eine alte Lernform unter einer neuen Bedingung. Und ob diese Bedingung trägt, hängt davon ab, ob wir den fehlenden Compiler ersetzen. Das ist die ganze Designaufgabe.

2. Wenn wir Vibe Learning als KI-gestütztes freies Lernen und Experimentieren definieren: Ist das im betrieblichen Kontext überhaupt zielführend? Organisationen haben Kompetenzbedarfe, Timelines, Transfererwartungen. Verträgt sich das mit „einfach mal schauen, was KI mir zeigt“?

Jan Foelsing: In der Frage steckt ein vermeintlicher Gegensatz, der sich bei näherem Hinsehen auflöst. Freies Erkunden und organisationale Anforderung schließen sich nicht aus. Selbstgesteuertes Lernen war noch nie das Gegenteil von Struktur. Es ist die Wahl der Route innerhalb einer klaren Architektur.

„Einfach mal schauen, was KI mir zeigt“ ist als Methode wertlos und als Phase wertvoll. Am Anfang einer Lernkurve, wo es um Orientierung geht, um die eigene Frage, um Motivation, persönliche Relevanz, ist offenes Erkunden mit das Beste, was man tun kann. Am Ende, wo Anwendung, Transfer und Verbindlichkeit zählen, ist es mit das Schlechteste. Das Problem liegt nicht im Erkunden. Es liegt darin, Vibe Learning für den ganzen Lernprozess zu halten statt für einen Teil davon.

Eine Organisation muss sich hier nicht entscheiden. Sie muss den Rahmen bauen, in dem das Erkunden stattfindet. Ein Spannungsfeld, ein Ziel, ein Punkt, an dem das Erkundete auf die Realität trifft. Dann wird aus dem „mal mit KI was lernen“ ein Lernen mit Richtung.

Eine Beobachtung am Rande, die selten gern gehört wird: Wenn eine Organisation panisch wird bei dem Gedanken, dass Menschen frei mit KI experimentieren, dann hat sie selten ein KI-Problem, sondern eher ein Vertrauensproblem. Und die KI macht es nur sichtbar. Wer seinen Leuten nicht zutraut, sinnvoll zu explorieren, hatte auch vorher keine wertstiftende Lernkultur. Er hatte einen Kurskatalog mit Kontrollen.

3. KI gibt uns eine Antwort, die scheinbar genügt, um weiterzuarbeiten - aber wir haben nichts vertieft, nichts eingeordnet, nichts behalten. Kommen wir beim KI-gestützten Lernen zu schnell in eine Konsumhaltung? Und wenn ja: Ist das ein Nutzungsproblem, ein Designproblem oder liegt es in der Natur der Technologie?

Jan Foelsing: Es gibt etwas in der Bauart dieser Technologie, das gegen das Lernen arbeitet. Ein KI-System ist darauf optimiert, Spannung aufzulösen. Es gibt mir eine befriedigende Antwort und das Gefühl, fertig zu sein. Lernen funktioniert umgekehrt. Es braucht die Spannung, die Anstrengung, den Moment des Ringens. Die Lernforschung nennt das wünschenswerte Schwierigkeiten, also Hürden, an denen man tatsächlich wächst. Genau diese Reibung entfernt das Werkzeug, weil sie sich wie ein Mangel anfühlt. Was die KI angenehm macht, ist dasselbe, was das Lernen verhindert. Das geht tiefer als ein Bedienfehler.

Trotzdem ist es kein Naturgesetz. „Natur der Technologie“ ist meist eine Ausrede dafür, das Design nicht zu hinterfragen. Man kann KI-Lernumgebungen bauen, die Reibung erzeugen, statt sie wegzunehmen, die zurückfragen, statt vorzusagen. Es ist primär ein Designproblem, das sich als Naturproblem tarnt und durch Gewohnheit verschärft.

Der gefährlichere Punkt liegt woanders. Man könnte argumentieren, Behalten sei in einer Welt mit permanentem KI-Zugriff überbewertet. Wozu auswendig können, was jederzeit abrufbar ist? Daran ist etwas dran, und es greift trotzdem zu kurz. Denn um eine KI-Antwort beurteilen zu können, benötige ich ein eigenes, internes Modell der Sache. Ohne internalisiertes Wissen kann ich eine gute Antwort nicht von einer plausibel klingenden falschen unterscheiden. Die Konsumhaltung ist deshalb doppelt riskant: Sie höhlt genau das Urteilsvermögen aus, das ich brauche, um das Werkzeug überhaupt sicher zu benutzen. Ein Mindestmaß an verstandenem Wissen wird wichtiger. KI-gestütztes Lernen kann dabei helfen, Dinge zu wiederholen, zu hinterfragen, uns unsere eigenen Muster zu zeigen. Aber wir müssen wissen, wie wir das Werkzeug dafür einsetzen. Sonst ist die Wahrscheinlichkeit hoch, dass KI uns dabei hilft, uns das Denken abzugewöhnen: Skill Decay. Das Navigationssystem ist das beste Beispiel dafür. Vibe Learning ist eine Möglichkeit, unsere Fähigkeiten im Umgang mit KI zu stärken, damit wir nicht zu einer Art KI-Outcome-Weiterleitungsservice verkommen.

4. Was bedeutet das für unsere Lernkonzepte? Müssen wir Formate grundsätzlich neu denken oder reicht es, bestehende Ansätze an die KI-Realität anzupassen?

Jan Foelsing: Anpassen reicht nicht, weil die meisten unserer Formate schon vorher das falsche Gefäß waren. Das Denken in Formaten ist Katalogdenken. Es unterstellt, Lernen finde in einem abgegrenzten Behälter statt, im Kurs, im Webinar, im Modul. KI löst diesen Behälter auf. Das Lernen wandert dorthin, wo die Frage entsteht, in den Arbeitsfluss, in den Moment.

Man passt also nicht das Webinar an die KI an. Man hört auf anzunehmen, dass das Webinar der Ort ist, an dem gelernt wird. Es ist ein Raum für Orientierung und Austausch. Für Gemeinschaft.

Was L&D dann gestaltet, verschiebt sich. Die Erklärung übernimmt die KI, geduldiger und persönlicher als jedes Format. Mit ihr auf dem Feld der Wissensvermittlung zu konkurrieren, ist aussichtslos. Das Format wird stattdessen zum Gerüst um die KI-Interaktion herum. Es liefert das, was die KI-Konversation herausnimmt: die Konfrontation mit anderen, die gemeinschaftliche Verortung und Bewertung, die Anwendung mit echtem Einsatz, die Reflexion, die jemand bezeugt.

Ich nenne das Reibungsarchitektur. Die Aufgabe ist nicht mehr, Inhalte bereitzustellen, sondern absichtlich den Widerstand wieder einzubauen, den das glatte KI-Gespräch wegschleift. Wer das verstanden hat, designt nicht gegen die KI und nicht im Wettbewerb mit ihr, sondern um sie herum - fokussiert auf die Dinge, die den Unterschied machen zwischen „Ja, schon einmal gehört“ und „Ja, schau mal, so und so mache ich das.“

5. Was bedeutet das für L&D selbst? Welches neue Verständnis brauchen wir - und welche Kompetenzen?

Jan Foelsing: Der Wert von L&D lag lange im Produzieren und Kontrollieren von Lernen. Inhalte, Kurse, Katalog, Hoheit über das, was gelernt wird. In dem Moment, in dem KI unbegrenzt personalisierten Content praktisch ad hoc und vergleichsweise günstig erzeugt, geht dieser Wert gegen null. Das soll keine Drohung sein, das ist für mich eher die Ausgangslage.

Der neue Wert von L&D liegt in den Dingen, die schlecht skalieren. Im Urteil darüber, was überhaupt zu lernen sich lohnt. Im Gestalten von Reibung und sozialer Verbindlichkeit, Adaptability und Resilience. In der Kuratierung, die in einer Welt unendlichen Contents immer schwerer wird. Und darin, das Gewissen des Lernsystems zu sein: zu unterscheiden, wann das Auslagern an die KI in Ordnung ist und wann es Kompetenz aushoehlt, die gebraucht wird.

Bei den Kompetenzen wird viel über AI Literacy gesprochen, und sie gehört ganz sicher dazu. Die unterschätzte Kompetenz ist eine andere: L&D braucht ein echtes Verständnis von Lernwissenschaft, von der Frage, warum Schwierigkeit produktiv ist. Nur wer das versteht, kann gegen die verführerische Reibungslosigkeit von KI als Antwortmaschine andesignen. Ohne dieses Verständnis baut L&D die schnellste Maschine zum Nichtlernen.

Der heikelste Teil betrifft L&D selbst. Eine Funktion, die anderen Vibe Learning und New Learning ermöglichen will, muss es zuerst an sich selbst erfahren haben. Wer KI nur verwaltet, statt selbst damit zu denken und zu lernen, kann sie für andere nicht gestalten. Dafür haben wir das New Learning Lab ins Leben gerufen. Und last but not least: Eine Organisation, die nie eine wirksame Lernkultur aufgebaut hat, wird mit KI vor allem eines schneller tun: ihre schlechten Gewohnheiten skalieren.

Jan Foelsing eröffnet die Learning & Talent Development Konferenz am 17.06. mit dem Vortrag „Always-on Knowledge: Was KI mit Lernen im Arbeitsfluss macht“. Die weiteren Beiträge der Reihe: wie KI Corporate Learning verändert, was Lerntheorie daraus ableitet und was als Aufgabe für L&D bleibt.