Simulation & Rollenspiel-Training (Vertrieb, Medizin, Führung)

Soziale Kompetenzen wie Einwandbehandlung, das Überbringen schlechter Nachrichten oder kritisches Feedback verbessern sich nur durch wiederholtes, realistisches Üben, doch menschliche Rollenspielpartner und standardisierte Patienten sind knapp, teuer und schwer zu planen. Eine Dialog-KI übernimmt das Gegenüber auf Abruf, bleibt in der Rolle, reagiert auf das, was die Lernenden tatsächlich sagen, und bewertet die Sitzung anhand eines Kompetenzrasters. Das Ergebnis ist unbegrenztes Üben ohne Risiko vor dem echten Gespräch, während sich Trainer auf das Coaching konzentrieren.

Problem & Nutzen

• Heute: Das Vertriebstraining nutzt Rollenspiele unter Kollegen in Workshops (unbeholfen, selten wiederholt); Medizin- und Pflegeschulen setzen auf standardisierte Patienten (geschulte Schauspieler) und OSCE-Stationen, die teuer und kapazitätsbegrenzt sind; Führungskräfteprogramme arbeiten mit Fallbesprechungen und gelegentlichem Live-Coaching. Das Feedback ist subjektiv und kommt verspätet.
• KI-Nutzen: Üben zu jeder Zeit, in jeder Sprache, mit gleichbleibendem Schwierigkeitsgrad und gleichbleibender Rolle; sofortiges Feedback mit Belegen aus dem Transkript; Auswertungen zu Kompetenzlücken in einer Kohorte; ein geschützter Raum zum Scheitern. Typischerweise dient der Einsatz der Vorbereitung auf menschliches Üben und Prüfen, nicht dessen Ersatz.
• Belege: Forschung zu virtuellen Patienten und simulationsbasiertem Kommunikationstraining zeigt Lernerfolge in kontrollierten Studien, während LLM-gesteuerte simulierte Patienten noch ein junges Forschungs- feld mit offenen Fragen zu Realismus und Gültigkeit des Feedbacks sind [4][5]. Anbieter veröffentlichen Kunden- fallstudien; betrachten Sie diese als Marketing, nicht als unabhängigen Beleg, und führen Sie einen eigenen Pilot durch.

Varianten

• Vertrieb & Kundenservice: Bedarfsgespräche, Einwandbehandlung, Verhandlung, Pitch-Training, Einarbeitung neuer Vertriebsmitarbeiter; Bewertung anhand einer Methodik (MEDDICC, SPIN, eigenes Playbook).
• Gesundheitsberufe: Anamnese, Überbringen schlechter Nachrichten, motivierende Gesprächsführung, interprofessionelle Kommunikation mit LLM-basierten virtuellen Patienten; klinische Entscheidungs-Simulationen mit Fall-Engines.
• Führung & Personal: schwierige Rückmeldungen, Konflikte, Leistungs- und Kündigungsgespräche, Übung von Verhandlungen mit Betriebsrat oder Gewerkschaft, Coaching für Führungskräfte in der ersten Führungsrolle.
• Öffentlicher Sektor & sicherheitsnahe Bereiche: Deeskalation und Bürgerservice-Gespräche (nur auf Richtlinienebene; jede Nutzung, die Emotionen der Lernenden ableitet, ist eingeschränkt, siehe Risiken).
• Bildung: Dialoge im Sprachunterricht (siehe EDU-011), Übung des Klassenmanagements für Lehrkräfte.
• Private Nutzung: Übung von Bewerbungs-, Gehaltsverhandlungs- oder schwierigen Gesprächen mit einem allgemeinen Sprachassistenten.

So funktioniert es

Szenario & Persona (Ziel, verborgene Fakten, Schwierigkeit, Erfolgskriterien)
  -> Lernendensitzung (Sprache oder Chat; optional Avatar)
  -> Echtzeit-Dialog-Engine (LLM in Persona + Leitplanken + Szenariozustand)
  -> Transkript + Zeitverlauf + optional Audiomerkmale
  -> rubrikbasierte Bewertung (LLM-as-Judge mit Belegzitaten, Verhaltensankern)
  -> Feedback an Lernende (was funktionierte, was zu versuchen ist, Wiedergabe von Schlüsselmomenten)
  -> Trainerprüfung markierter/stichprobenartiger Sitzungen + Kohortenanalysen
  -> LMS-Eintrag (xAPI/SCORM)

• Dialog-Engine: ein LLM, dem Persona, verborgene Informationen und ein Zustandsautomat für das Szenario vorgegeben werden (z. B. nennt der Patient Symptome nur, wenn die richtige Frage gestellt wird). Die Sprache läuft entweder als ASR -> LLM -> TTS-Kaskade oder mit nativen Speech-to-Speech-/Echtzeitmodellen für geringere Latenz.
• Bewertung: Ein separater Bewertungsdurchlauf (Judge) vergibt Punkte für verankerte Rubrikpunkte und muss Belege aus dem Transkript nennen; die Bewertung ist nur beratend, solange sie nicht gegen menschliche Bewerter validiert wurde.
• Mensch-in-der-Schleife (Human-in-the-Loop): Trainer erstellen und genehmigen Szenarien und Rubriken, prüfen Stichproben-Sitzungen und kalibrieren die Bewertungen; jede Note mit Folgen (Zertifizierung, Beförderung) braucht eine menschliche Entscheidung.

Datenaufbereitung

Rollenspiele brauchen Szenariomaterial statt großer Datensätze: Kunden- oder Patienten-Personas, typische Einwände, Produkt- und Prozesswissen, Bewertungsraster (wie sieht gut aus) und idealerweise Aufzeichnungen oder Transkripte echter Gespräche als Vorbilder. Diese liegen typischerweise in Vertriebs-Playbooks auf Dateiablagen oder SharePoint, in CRM-Notizen, Gesprächsaufzeichnungen, Schulungsfolien, E-Mail-Vorlagen und in den Köpfen erfahrener Trainer. Typische Lücken: stillschweigendes Wissen, das nie aufgeschrieben wurde, Raster, die sich zwischen Trainern unterscheiden, veraltete Produktblätter und echte Aufzeichnungen, die personenbezogene Daten von Kunden enthalten.

Aufbereitungsschritte: drei bis fünf Personas mit Zielen und Einwänden schreiben, die Erwartungen der besten Trainer in ein Raster mit Stufen überführen (PREP-016, PREP-019), aktuelles Produktwissen in einer kuratierten Quelle sammeln (PREP-013) und einen kleinen Testsatz aus von Experten bewerteten Referenzdialogen aufbauen (PREP-018). Echte Gesprächsaufzeichnungen dürfen erst nach einer Zweckprüfung und Pseudonymisierung weiterverwendet werden (PREP-025, PREP-022); transkribieren Sie sie mit Whisper-basierten Werkzeugen (siehe SPEECH-001).

Grober Anteil am Aufwand: mittel, etwa 30 Prozent, überwiegend Expertenzeit für Szenarien und Raster, nicht technische Umwandlung. Planen Sie für ein erstes Szenarienset etwa ein bis drei Wochen Trainerzeit ein.

Umsetzungswege

Welcher Weg für wen

• smb: A - Rollenspiel- sowie Vertriebs- oder Service-Trainingsprodukte gibt es als gehostete Angebote zu KMU-Preisen; die Trainingsszenarien sind standardisiert genug.
• enterprise: B - Szenarien, Raster und Unternehmens-Playbooks sind strategische Inhalte und sollten über APIs in das eigene LMS und die HR-Systeme integriert werden.
• developer: B - auf Sprach- und LLM-APIs mit EU-Regionen aufbauen; Selbstbetrieb braucht HW3 für mehrere Sprachsitzungen.
• public: B - Hochschulen, Kliniken und Behörden sollten eine souveräne EU- oder deutsche Cloud nutzen, weil Aufzeichnungen von Lernenden und klinische Szenarien sensibel sind und Vergaberegeln gelten.

Weg A — Kaufen (Standardsoftware) (empfohlen für KMU; Standard-Rollenspiele)

• Vertriebs-Rollenspielplattformen: Second Nature, Hyperbound, Exec, Yoodli (Sprach-/Kommunikationscoaching), dazu Conversation-Intelligence-Suiten mit Übungsmodi (z. B. Gong, Enablement im Stil von Salesloft/Highspot). Prüfen Sie EU-Datenhaltung und AVV; die meisten sind US-Anbieter.
• Medizin-/Pflegesimulation: Mursion (avatarbasiert, Mensch-in-der-Schleife), Body Interact, SimX und virtuelle Patientenprodukte wie Laerdal/vSim; es gibt schwedische, niederländische und deutsche Hochschulausgründungen, prüfen Sie die aktuellen EU-Angebote. LLM-basierte Module für virtuelle Patienten erscheinen innerhalb von Simulationssuiten.
• Unternehmens-Lernsuiten: LMS-/LXP-Anbieter (Docebo, Cornerstone, 360Learning (EU), Sana (EU)) ergänzen KI-Rollenspielfunktionen; Avatare der Klasse HeyGen/Synthesia (Synthesia ist EU/UK) für das Aussehen von Moderator oder Gegenüber.
• A wählen, wenn: gängige Szenarien (Vertrieb, Einarbeitung), keine strenge Vorgabe zur Datenhaltung, Ergebnisse in Wochen benötigt werden.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Modelle: führende LLMs (Claude, GPT, Gemini) oder EU-Anbieter (Mistral) in EU-Regionen; für Sprache: OpenAI Realtime, Gemini Live oder Kaskaden mit ElevenLabs / Deepgram / Azure Speech (EU-Regionen) [3].
• Orchestrierung: LiveKit Agents oder Pipecat für Echtzeit-Sprache, Szenariozustand im eigenen Backend, strukturierte Ausgaben für die Rubrikbewertung, LTI-/xAPI-Konnektoren in Moodle, Canvas oder das Unternehmens-LMS.
• B wählen, wenn: Sie eigene Szenarien, ein Erlebnis im eigenen Erscheinungsbild, die Integration in einen Kurs oder ein medizinisches Curriculum sowie Kontrolle über Prompts und Raster brauchen.

Weg C — Selbst betreiben (Open Source)

• Modelle: Open-Weight-LLMs wie Mistral, Qwen oder Modelle der Llama-Familie (etwa 30-70B für überzeugende Persona und Bewertung), betrieben mit vLLM oder Ollama; Whisper / faster-whisper für ASR; Kokoro, Piper oder offene TTS-Modelle; Pipecat/LiveKit (beide Open Source) für die Echtzeit-Pipeline [2].
• Hardware: HW3 für mehrere gleichzeitige Sprachsitzungen mit einem mittelgroßen LLM; HW2 genügt für reine Chat-Anwendungen oder kleine Kohorten mit einem quantisierten kleineren Modell.
• C wählen, wenn: sensible Aufzeichnungen (klinische Szenarien, Personalgespräche) vorliegen oder Hochschul- bzw. Betriebsratsvorgaben zur Datensouveränität bestehen.

Weg D — Eigenes Training

Feintuning nur, um die Treue der Persona in einer bestimmten Sprache/einem Dialekt oder Fachgebiet zu verbessern (z. B. Patienten- vokabular) oder um aus einigen hundert von Trainern bewerteten Sitzungen ein kalibriertes Bewertungsmodell zu trainieren. Von Experten bewertete Sitzungen sind die knappe Ressource, nicht die Rechenleistung.

Stand der Technik (2026)

• Speech-to-Speech-Modelle in Echtzeit haben natürliches Unterbrechen und gesprochene Rollenspiele mit geringer Latenz praxistauglich gemacht; Avatare und Video-Personas erhöhen die Präsenz, aber nicht zwingend den Lernwert.
• LLM-simulierte Patienten können Fallskripten folgen und anhand von Kommunikationsmodellen bewertet werden; veröffentlichte Evaluationen zeigen guten Gesprächsrealismus, aber uneinheitliche sachliche Disziplin (Patienten verraten Informationen, fallen aus der Rolle) und nicht validierte Feedback-Bewertungen [4][5].
• Rubrikbasierte LLM-Bewertung korreliert bei klar definierten Kriterien ordentlich mit menschlichen Bewertern, ist aber schwächer bei Tonfall, Empathie und subtilem klinischem Denken; mit Trainern an einer Stichprobe kalibrieren.
• Grenzen und Fehlerbilder: zu zustimmende Gegenüber (Sycophancy) machen das Üben unrealistisch; Bias oder Stereotype in Personas; erfundene klinische Fakten; Lernende, die das Raster austricksen; der Transfer in die reale Leistung wird selten gemessen.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack (llm-general, asr, tts, speech-to-speech): EDU-011 Gesprächspartner für Sprachlernen, EDU-004 KI-Tutor, CONV-018 digitale Menschen, CONV-019 KI-geführte Interviews (anderer Zweck und andere Risiko- klasse), SPEECH-012 Aussprachetraining.
• Inhalt und Bewertung: EDU-006 erzeugt die Trainingsinhalte und Szenario-Ansätze; EDU-003 teilt rubrikbasiertes Feedback; EDU-007 verwendet Sitzungsdaten für Kohortenauswertungen.
• Angrenzend: SEC-024 Phishing-Simulation und Awareness-Training; LANG-027 Persona-Simulation nutzt dasselbe Persona-Prompting; GEN-003 Präsentations-Avatare.
• Gemeinsame Hardware: ein HW3-Sprach-LLM-Server kann Rollenspiel, Tutor und Sprachübung bedienen.

Aufwand, Kosten & Kennzahlen

• Weg A: Tage bis Wochen bis zum Pilot; Abonnement typischerweise pro Nutzer und Monat; fordern Sie einen Test mit Ihrem eigenen Playbook an.
• Weg B: 1-3 Monate für ein produktives MVP inkl. Sprache, Bewertung und LMS-Anbindung; Kostentreiber sind Echtzeit-Sprachminuten und Bewertungsaufrufe pro Sitzung.
• Weg C: 2-4 Monate; GPU-Server plus Betrieb, dazu Aufwand für die Latenzoptimierung.
• Oft unterschätzte Kosten: Erstellung von Szenarien und Rastern, Kalibrierung durch Trainer, Veränderungsmanagement.
• Kennzahlen: Abschluss- und Wiederholungsquote beim Üben, Zuwachs der Rasterpunkte zwischen erstem und letztem Versuch, Übereinstimmung von KI- und Trainerbewertung (z. B. Cohens Kappa), Zeit bis zur Produktivität neuer Mitarbeiter, Ergebnisse von Führungskräften oder OSCE im Vergleich zur Kontrollgruppe, Zufriedenheit der Lernenden, Kosten pro geübter Stunde.

Menschen & Veränderung

Beziehen Sie die Leitung für Ziele und Budget ein, die Fachbereichsleitung oder Leitung der Weiterbildung als Prozessverantwortliche, Trainer und die Lernenden selbst als Nutzer, die Personalabteilung für Kompetenzmodelle und Mitarbeiterdaten, die IT für Konten und Audio und früh die Datenschutzbeauftragte bzw. den Datenschutzbeauftragten, denn Sprachaufzeichnungen und Trainingsergebnisse sind personenbezogene Daten. Eine Datenschutz-Folgenabschätzung (DSFA) ist wahrscheinlich nötig, wenn Sitzungen aufgezeichnet und personenbezogen ausgewertet werden (GUIDE-005).

Betriebsrat: in der Praxis ja. Rollenspiel-Werkzeuge zeichnen individuelle Leistungen auf und bewerten sie und sind daher zur Überwachung von Verhalten oder Leistung geeignet; das BAG hält die objektive Eignung für ausreichend, daher gilt die Mitbestimmung nach § 87 Abs. 1 Nr. 6 BetrVG. § 90 Abs. 1 Nr. 3 verlangt die rechtzeitige Unterrichtung, und § 80 Abs. 3 erlaubt einen KI-Sachverständigen. Vereinbaren Sie in einer Betriebsvereinbarung, dass Bewertungen nur dem Lernen dienen und nie für Beurteilungen oder Disziplinarmaßnahmen verwendet werden (GUIDE-004). Im öffentlichen Dienst hat der Personalrat dieselbe Rolle.

KI-Kompetenz nach KI-Verordnung (AI Act) Art. 4: Unterstützen Sie das Personal mit kurzen Schulungen dazu, wie die Simulation funktioniert und wo sie irrt (GUIDE-006). Kommunizieren Sie offen, dass das Üben ein geschützter Raum ist, machen Sie die Teilnahme am ersten Pilot mit einer kleinen Gruppe aus Trainern und motivierten Lernenden freiwillig (GUIDE-008, GUIDE-009) und lassen Sie die Lernenden ihre eigenen Ergebnisse zuerst sehen. Typische Bedenken sind Überwachung und Bloßstellung; halten Sie die Trainer in der Schleife als diejenigen, die nachbesprechen und entscheiden.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): Die Einstufung hängt vom Einsatz ab. Reines Üben mit Feedback ist typischerweise ein minimales/begrenztes Risiko; die Kennzeichnung als Chatbot/Sprach-KI sowie von synthetischer Stimme oder Avataren gilt (Art. 50), und die KI-Kompetenz (Art. 4) gilt für Betreiber. Es wird hochriskant (Anhang III, allgemeine und berufliche Bildung), wenn Ergebnisse genutzt werden, um Lernergebnisse zu bewerten, den Lernprozess zu steuern oder über den Zugang zu Bildung bzw. Zulassung/Fortschritt in der Bildung zu entscheiden, z. B. benoteter OSCE-Ersatz, Zertifizierung. Der Einsatz bei Einstellungs- oder Beförderungsentscheidungen ist nach der Kategorie Beschäftigung hochriskant [1].
• Verbot nach Art. 5: Das Ableiten von Emotionen von Lernenden/Beschäftigten aus Stimme, Mimik oder anderen biometrischen Daten am Arbeitsplatz und in der Bildung ist verboten (außer aus medizinischen oder Sicherheits- gründen). Ergänzen Sie keine Emotionserkennung und keine biometrisch gestützten „Selbstvertrauens-/Stress“-Werte; analysieren Sie nur den Transkriptinhalt und ausdrückliche Sprechmerkmale (Tempo, Füllwörter), und zwar erst nach rechtlicher Prüfung [1].
• DSGVO: Sprachaufzeichnungen und Transkripte sind personenbezogene Daten (biometrische Stimmprofile sind zu vermeiden); Leistungsdaten von Beschäftigten sind in der Praxis sensibel. Erforderlich sind eine Rechtsgrundlage (im Beschäftigungsverhältnis nicht allein die Einwilligung), eine DSFA, eine Betriebsvereinbarung in Deutschland (BetrVG § 87), Aufbewahrungsfristen und eine klare Regel, dass Sitzungen nicht für die Personalbeurteilung genutzt werden, sofern nichts anderes vereinbart ist.
• Medizinische Inhalte: Simulierte Patienten dürfen nicht mit klinischer Entscheidungsunterstützung verwechselt werden; klinische Fakten als Lehrmaterial kennzeichnen und die Szenarien von der Fakultät prüfen lassen.
• Gegenmaßnahmen: KI-Gegenüber offenlegen, menschliche Prüfung folgenreicher Bewertungen, Bias-Tests von Personas und Rastern, EU-Hosting, kein Training von Anbietermodellen mit Daten der Lernenden, Möglichkeit, der Aufzeichnung zu widersprechen.

Erste Schritte

1. Eine Kompetenz mit klarem Raster wählen (z. B. Fragetechnik im Bedarfsgespräch oder Überbringen schlechter Nachrichten) und 3-5 Szenarien.
2. Trainer Persona, verborgene Fakten, Schwierigkeitsstufen und verankertes Raster schreiben lassen; 20 Beispielsitzungen von Hand bewerten.
3. Mit einem Werkzeug nach Weg A oder einem Prototyp nach Weg B mit 20-50 Lernenden pilotieren; als reine Übung kennzeichnen.
4. KI- und Trainerbewertungen vergleichen, Unklarheiten im Raster beheben, DSFA durchführen und (wo nötig) den Betriebsrat einbeziehen.
5. Wiederholtes Üben und nachgelagerte Leistung messen; auf weitere Szenarien und Sprachen ausweiten.

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. Pipecat open-source voice agent framework — https://github.com/pipecat-ai/pipecat
3. LiveKit Agents documentation — https://docs.livekit.io/agents/
4. Cook DA et al., simulation-based education in health professions (meta-analysis, JAMA 2011) — https://jamanetwork.com/journals/jama/fullarticle/1104780
5. Large language models as simulated patients in medical education (review and studies) — https://pubmed.ncbi.nlm.nih.gov/?term=large+language+model+simulated+patient+medical+education
6. European Commission — AI Act guidelines on prohibited AI practices — https://digital-strategy.ec.europa.eu/en/policies/guidelines-prohibited-artificial-intelligence-practices-established-ai-act
7. Mursion — https://www.mursion.com/
8. Second Nature — https://www.secondnature.ai/