Betriebliche Schulung & Microlearning-Inhalte

Pflichtschulungen (Compliance, Arbeitssicherheit, Produkt, Onboarding) sind teuer in der Erstellung, veralten schnell und werden selten lokalisiert. Generative KI wandelt vorhandenes Quellmaterial in Stunden statt Wochen in kurze Module mit Quizfragen, Vertonung und Übersetzungen um und markiert Module zur Überarbeitung, sobald sich die Quelle ändert. Fachexperten prüfen, statt selbst zu schreiben.

Problem & Nutzen

• Heute: Weiterbildungsteams (L&D) oder externe Agenturen bauen Kurse in Autorenwerkzeugen (Foliensätze, E-Learning), oft einmal im Jahr. Die Inhalte sind lang, generisch, in 1-2 Sprachen verfügbar und veralten nach Änderungen von Richtlinien oder Produkten. KMU verlassen sich häufig auf Foliensätze und Präsenzunterweisungen.
• KI-Nutzen: erste Entwürfe aus Arbeitsanweisungen und Richtlinien, automatische Aufteilung in Microlearning-Einheiten, Quizerstellung, Lokalisierung in viele Sprachen, Vertonung und Avatar-Videos ohne Studio sowie Pflege (Quelle vergleichen, nur betroffene Module aktualisieren).
• Nachfragetreiber: Die Pflicht nach Art. 4 der KI-Verordnung (AI Act), die KI-Kompetenz der Beschäftigten sicherzustellen, sowie wiederkehrende Pflichten wie DSGVO-Sensibilisierung, Arbeitsschutz, Geldwäscheprävention, NIS2-Awareness und Schulungen zu Hinweisgebern/Verhaltenskodex erzeugen Inhaltsvolumen [1][2].
• Von Anbietern genannte Zeitersparnisse gibt es, sie sind aber Marketingaussagen; messen Sie Ihre eigene Ausgangsbasis (Stunden pro fertiger Lerninhalts-Minute).

Varianten

• Compliance- und Richtlinienschulung: hohe Genauigkeitsanforderungen, Prüfpfad, Versionierung (DSGVO, Arbeitssicherheit, Ethik, KI-Kompetenz).
• Onboarding und Produktschulung: rollenbasierte Pfade aus Wiki, CRM und Produktdokumentation; siehe EDU-005.
• Mitarbeitende an der Basis / im Schichtbetrieb: mobile, audiobasierte, mehrsprachige Häppchen aus Arbeitsanweisungen (siehe KNOW-027).
• Kunden- / Partner-Akademie: externe Schulung mit Branding und Zertifizierung.
• Security Awareness: Phishing-Simulation und Nudges, siehe SEC-024.
• Öffentlicher Sektor / KMU: Wiederverwendung fertiger Kataloge plus unternehmensspezifische Ergänzungen.

So funktioniert es

1. source ingestion (docs, SOPs, video, wiki; OCR/transcription)
2. structuring (learning objectives, audience, chunks of one idea each)
3. draft generation (script, key points, scenario, examples) grounded in sources via RAG
4. assessment items (see EDU-002) + feedback texts
5. media (TTS voice-over, avatar presenter, illustrations)
6. translation / localization (terminology glossary)
7. human review (subject expert, legal/works council where relevant)
8. packaging (SCORM / xAPI / cmi5)
9. LMS/LXP
10. completion & quiz data
11. change monitoring: source diff
12. flag affected modules
13. regenerate draft

• Verankerung in den Quellen (Grounding): Das LLM verwendet nur abgerufene Quellpassagen und zitiert sie in einer Prüfansicht, was erfundene Regeln verringert. Vorlagen aus dem Instruktionsdesign (Ziel, Szenario, Kontrollfrage) steuern die Ausgabe.
• Mensch-in-der-Schleife (Human-in-the-Loop): Die Freigabe durch Fachexperten vor der Veröffentlichung ist bei Compliance- und Sicherheitsinhalten verpflichtend; KI-generierte Medien werden als solche gekennzeichnet.
• Pflegeschleife: Dokument-Hashes oder Versionen lösen die Neuerzeugung nur der geänderten Abschnitte aus.

Datenaufbereitung

Das Quellmaterial ist der Qualitätsengpass: Arbeitsanweisungen, Richtlinien, Handbücher, Foliensätze, PDFs und aufgezeichnete Expertenvorträge. In einem KMU liegen sie auf Dateiablagen, in SharePoint, in E-Mail-Anhängen, im Qualitätsmanagementsystem und manchmal auf Papier.

Typische Lücken: veraltete oder widersprüchliche Versionen, eingescannte Handbücher ohne Textebene, Folien mit Inhalten nur in Bildern, nicht dokumentiertes Expertenwissen und keine Lernziele pro Rolle.

Schritte der Aufbereitung: (1) pro Thema die maßgebliche Version wählen und Duplikate aussortieren (PREP-013); (2) Scans per OCR erfassen (PREP-006) und Altformate konvertieren (PREP-007); (3) Expertenvorträge mit Whisper transkribieren (SPEECH-006) und fehlendes Wissen aufzeichnen; (4) Lernziele und Zielrollen pro Modul formulieren; (5) ein Unternehmensglossar anlegen, damit Begriffe einheitlich bleiben (PREP-015); (6) Rechte prüfen: keine personenbezogenen oder vertraulichen Daten im Schulungsmaterial, Lizenzen für Bilder. Werkzeuge: Paperless-ngx oder das DMS für OCR, Whisper für Audio, eine gemeinsame Tabelle für Lernziele.

Grober Aufwandsanteil: etwa 20-30 Prozent; der Rest ist die Prüfung durch Fachexperten. Siehe GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• KMU: Weg A, weil ausgereifte, in der EU hostbare Autoren- und LMS-Produkte mit KI-Funktionen zu KMU-tauglichen Preisen existieren und Schulungsinhalte ein Standardprozess sind.
• Unternehmen (Enterprise): Weg B, weil die Erzeugung aus internen Arbeitsanweisungen über APIs sich ins bestehende LMS integriert und günstiger skaliert als Lizenzen pro Arbeitsplatz.
• Entwickler (Developer): Weg B, weil Cloud-APIs plus SCORM/xAPI-Export den schnellsten Weg zu einer Inhalts-Pipeline bieten.
• Öffentlicher Sektor: Weg C, weil Vergaberegeln und Souveränität Open-Source-Werkzeuge (Moodle, H5P, lokales LLM) in deutscher/EU-Cloud begünstigen.

Weg A — Kaufen (Standardsoftware; für die meisten empfohlen)

• KI-Autoren- und LMS-Suiten: Docebo, 360Learning (EU, Frankreich), Articulate 360 (AI Assistant), Absorb, Cornerstone, SAP SuccessFactors Learning, Sana Learn (EU, Schweden, inzwischen Teil von Workday), iSpring, Lectora; für deutschsprachige KMU außerdem imc Learning Suite, Haufe Akademie, Werkzeuge vom Typ Coursebox (EU: imc, Haufe, 360Learning, Sana im Ursprung).
• Video und Stimme: Synthesia (Datenoptionen UK/EU), HeyGen, Colossyan, ElevenLabs (Option mit EU-Datenspeicherung).
• Fertige Kataloge: LinkedIn Learning, Udemy Business, Coursera for Business; für generische Themen nutzen und nur unternehmensspezifische Module selbst bauen.
• A wählen, wenn: unter einigen Tausend Lernenden, ein LMS vorhanden ist und die Inhalte nicht streng vertraulich sind. Prüfen: EU-Hosting, AVV, SCORM/xAPI-Export, Prüfworkflow, Versionshistorie, kein Training mit Ihren Daten.

Weg B — Auf Cloud-KI-Diensten aufbauen

• LLM: Mistral (EU), Claude, GPT, Gemini über Endpunkte in EU-Regionen (Azure OpenAI EU, Vertex AI EU, Amazon Bedrock Frankfurt) mit strukturierten Ausgaben für JSON-Schemata der Module.
• Pipeline: Dokumentenverarbeitung (Azure Document Intelligence oder Mistral OCR), Embeddings plus Vektorsuche, Workflow mit n8n / Power Automate, TTS (Azure Speech, ElevenLabs, Google), Übersetzung (DeepL - EU, Deutschland).
• Ausgabe: H5P-Interaktivinhalte oder xAPI/cmi5-Pakete per API direkt in Moodle, Open edX oder ein kommerzielles LMS erzeugen. B wählen für eigenes Branding, Integration interner Systeme und einen maßgeschneiderten Prüfworkflow.

Weg C — Selbst betreiben (Open Source)

• Stack: Moodle oder Open edX als LMS, H5P für interaktive Inhalte, Docling zur Dokumentenverarbeitung, Open-Weight-LLMs (Klasse Mistral Small/Medium, Qwen3, Llama, gpt-oss) über vLLM/Ollama, Embeddings (bge-m3, e5), TTS (Piper, Kokoro, XTTS), ASR (Whisper, faster-whisper), Übersetzung (NLLB oder das LLM selbst), Bildmodelle (FLUX-Familie, Lizenzen beachten).
• Hardware: HW2 genügt für Entwürfe, Quizfragen und TTS; HW3 für hochwertigere lange Texte auf Deutsch bzw. in europäischen Sprachen. Einsetzen bei vertraulichem Material (z. B. Sicherheit, M&A, geistiges Eigentum) oder für die Souveränität im öffentlichen Sektor.

Weg D — Eigenes Training

Selten nötig. Feintuning auf einen Firmen-Styleguide, Tonalität und Terminologie oder auf Spezialgebiete (Medizin, Technik) kann helfen, sobald Hunderte freigegebener Module als Trainingsdaten vorliegen; Terminologieglossare und Few-Shot-Beispiele genügen meist.

Stand der Technik (2026)

• LLMs entwerfen aus Dokumenten klare, gut strukturierte Module und Quizfragen; Reasoning-Modelle plus Retrieval bewältigen lange Richtlinientexte. Die mehrsprachige Ausgabe ist für die großen EU-Sprachen gut; Fachterminologie und Tonalität brauchen Glossare.
• Autorenwerkzeuge bringen KI inzwischen mit (Gliederung, Umschreiben, Quiz, Alt-Texte für Bilder, Stimme), sodass KMU selten selbst bauen müssen; agentische Funktionen wie „Kurs aus Prompt/URL“ sind verbreitet, liefern aber generische Inhalte.
• Die Qualität von Avataren und TTS reicht für Schulungen aus; synthetische Stimmen echter Beschäftigter erfordern eine schriftliche Einwilligung (DSGVO, Persönlichkeitsrechte).
• Grenzen und Fehlerbilder: plausible, aber falsche Regeln (erfundene rechtliche Schwellenwerte), oberflächliche Inhalte, die ein Abschlusshäkchen setzen, ohne Verhalten zu ändern, veraltete Quellen, kulturell unpassende Lokalisierung, gefällige Quizfragen mit schwachen Distraktoren und „Content-Schrott“, den Lernende ignorieren. Die Wirksamkeitsforschung bevorzugt kurzes, praxisbasiertes, zeitlich verteiltes Lernen; kombinieren Sie Inhalte mit Abrufübungen (EDU-016) und Szenarien (EDU-010).

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack: EDU-001 (Kurserstellung), EDU-002 (Quizerstellung), KNOW-011 (Pflege von FAQ/Wissensdatenbank), KNOW-027 (Arbeitsanweisungen aus Aufzeichnungen), GEN-003 (Avatar-Videos), SPEECH-006 (Vertonung) - ein RAG-Index und ein TTS-Server bedienen alle.
• Nachgelagert: EDU-005 (adaptive Pfade), EDU-007 (Lernanalytik), EDU-010 (Rollenspiel-Übung), SEC-024 (Security Awareness).
• Gemeinsame Hardware: Ein HW2-GPU-Server betreibt auch Transkription und Dokumentenverarbeitung.

Aufwand, Kosten & Kennzahlen

• Weg A: Tage bis Wochen; Lizenzen pro Arbeitsplatz oder pro Lernender plus Video-Guthaben.
• Weg B: 1-3 Monate für eine Pipeline mit LMS-Integration; Token- und TTS-Kosten sind klein im Verhältnis zur Expertenzeit.
• Weg C: 2-4 Monate inkl. LMS-Betrieb und GPU-Server.
• Kennzahlen: Stunden Fachexpertenzeit pro Modul, Zeit von der Richtlinienänderung bis zur aktualisierten Schulung, Abschlussquote, Quiz-Bestehens- und Wiederholungsquote, Behaltensleistung nach 30-90 Tagen, Indikatoren am Arbeitsplatz (Vorfälle, Fehler, Audit-Feststellungen), abgedeckte Sprachen, Ablehnungsquote der KI-Entwürfe in der Prüfung.

Menschen & Veränderung

Beginnen Sie mit der Geschäftsleitung (Budget, Richtlinie) und der Fachbereichsleitung oder dem Personalbereich als Prozessverantwortlichen. Fachexperten sind die eigentlich kritische Gruppe: Sie prüfen jedes erzeugte Modul, binden Sie also vom ersten Tag an ein. Die IT bindet das LMS an; die oder der Datenschutzbeauftragte wird benötigt, wenn Abschlussdaten der Lernenden oder Stimmen und Gesichter von Beschäftigten verwendet werden (Avatare, Aufnahmen); eine Datenschutz-Folgenabschätzung (DSFA) ist für reine Inhaltserzeugung meist nicht erforderlich, für individuelle Lernanalytik aber schon (GUIDE-005).

Betriebsrat: kommt darauf an. Die Inhaltserzeugung allein überwacht keine Beschäftigten, aber LMS-Abschlussverfolgung und Quizergebnisse pro Person sind zur Leistungskontrolle geeignet, daher gilt §87 Abs. 1 Nr. 6 BetrVG; §90 Abs. 1 Nr. 3 verlangt frühzeitige Information, wenn sich Arbeitsabläufe ändern, und die Verwendung des Abbilds von Beschäftigten in Avataren braucht deren Einwilligung (GUIDE-004).

Fördern Sie die KI-Kompetenz der Trainer durch einen kurzen Workshop zu Prompting, Faktenprüfung und Halluzinationen (Art. 4 AI Act, GUIDE-006). Typische Bedenken: „Trainer werden überflüssig“ und „KI-Inhalte sind schlecht“. Positionieren Sie KI als Entwurfshilfe, behalten Sie vor der Veröffentlichung eine Freigabe durch Experten bei, kennzeichnen Sie KI-generierte Medien (Transparenz nach Art. 50) und pilotieren Sie mit einem Thema und einer kleinen Gruppe, bevor Sie skalieren (GUIDE-008).

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): Inhaltserzeugung hat typischerweise begrenztes/minimales Risiko. Transparenz (Art. 50) gilt für synthetisches Audio/Video/Bilder, die Menschen präsentiert werden, z. B. die Kennzeichnung von Avatar- oder stimmgeklonten Inhalten. Art. 4 (KI-Kompetenz) gilt für Ihre eigenen KI-Nutzer. Anhang III Nr. 3 (allgemeine und berufliche Bildung) stuft Systeme als Hochrisiko ein, wenn sie Zugang/Zulassung bestimmen, Lernergebnisse bewerten, das angemessene Bildungsniveau beurteilen oder verbotenes Verhalten bei Prüfungen überwachen; zertifizierende Prüfungen oder das Steuern von Karrierefolgen anhand von Lernendenwerten im betrieblichen Umfeld sollten geprüft werden (siehe EDU-003, EDU-007). Art. 5 verbietet Emotionserkennung am Arbeitsplatz und in der Bildung - schließen Sie keine Emotionen von Lernenden aus Webcam/Stimme ab [2].
• DSGVO: Quelldokumente können personenbezogene Daten enthalten (Namen, Vorfälle); Abschluss- und Quizdaten der Lernenden sind Beschäftigtendaten. Nach deutschem Recht ist die Überwachung von Lernenden mitbestimmungspflichtig (Betriebsrat, §87 BetrVG). Nutzen Sie AVV, EU-Hosting und Zweckbindung; verwenden Sie Lerndaten nicht ohne Rechtsgrundlage zur Leistungsbeurteilung.
• Genauigkeit und Haftung: Sicherheits-, Rechts- und Medizinschulungen brauchen Freigabe durch Experten und Versionskontrolle; bewahren Sie Prüfnachweise auf, wer welche Version freigegeben hat.
• Urheberrecht und geistiges Eigentum: Lizenzen des Quellmaterials und der erzeugten Bilder/Stimmen prüfen; Anbieterbedingungen zum Training mit Ihren Daten beachten.
• Gegenmaßnahmen: RAG mit Quellenangaben, Prüfschranke durch Experten, Glossar, Änderungsverfolgung, Kennzeichnung von KI-Inhalten, rollenbasierter Zugriff.

Erste Schritte

1. Ein umfangreiches, stabiles Thema wählen (z. B. DSGVO-Grundlagen oder Onboarding) und die maßgeblichen Quellen zusammentragen.
2. Lernziele, Zielgruppe und eine 5-Minuten-Modulvorlage mit 3-5 Kontrollfragen festlegen.
3. 2 Werkzeuge aus Weg A oder ein einfaches RAG-+-LLM-Skript auf derselben Quelle pilotieren; Aufwand und Qualität gemeinsam mit einem Fachexperten vergleichen.
4. Prüfschranke, Kennzeichnungsrichtlinie und Betriebsvereinbarung etablieren; als SCORM/xAPI ins LMS paketieren.
5. Kennzahlen 3 Monate lang verfolgen, dann Übersetzung und die Schleife für Quelländerungs-Hinweise ergänzen.

Quellen

1. Regulation (EU) 2024/1689 (AI Act), Art. 4, 5, 50, Annex III - https://eur-lex.europa.eu/eli/reg/2024/1689/oj
2. European Commission - AI literacy: questions and answers - https://digital-strategy.ec.europa.eu/en/faqs/ai-literacy-questions-answers
3. Regulation (EU) 2016/679 (GDPR) - https://eur-lex.europa.eu/eli/reg/2016/679/oj
4. 360Learning - https://360learning.com/
5. Synthesia - https://www.synthesia.io/
6. Docebo - https://www.docebo.com/
7. H5P - https://h5p.org/
8. xAPI / cmi5 specification (ADL) - https://github.com/adlnet/xAPI-Spec
9. Docling project - https://github.com/docling-project/docling
10. Open edX - https://openedx.org/