Warum L&D jetzt neu denken muss

Die Arbeitswelt verändert sich schneller als je zuvor. Künstliche Intelligenz verändert Tätigkeitsprofile, neue Tools ersetzen alte, und was heute als Kernkompetenz gilt, kann morgen automatisiert sein. L&D-Abteilungen stehen vor einer fundamentalen Herausforderung: Die klassischen Instrumente aus Jahresplan, langen Entwicklungszyklen und standardisierten Kursprogrammen wurden für eine Welt gebaut, die es so nicht mehr gibt.

Dieser Artikel beschreibt fünf Thesen, die ich für zentral halte, wenn Corporate Learning in dieser neuen Realität wirksam bleiben soll. Die Thesen hängen zusammen – und jede einzelne hat direkte Konsequenzen dafür, wie L&D-Abteilungen heute aufgestellt sein müssen.

These 1: Toolwissen ist innerhalb von Monaten veraltet

Wer heute eine Copilot-Schulung entwickelt, entwickelt sie für ein Tool, das in sechs Monaten grundlegend anders funktioniert. Das ist keine Übertreibung, sondern die strukturelle Realität von Software in einer Welt, in der KI-Funktionen im Monatstakt weiterentwickelt werden.
Das Problem ist nicht mangelnder Einsatz der L&D-Abteilungen. Das Problem ist strukturell: Toolwissen hat ein Mindesthaltbarkeitsdatum. Wer das nicht einplant, pflegt einen Katalog aus schnell alternden Inhalten und investiert Budget in Schulungen, die bei Fertigstellung bereits überholt sind.

Die Konsequenz ist unbequem, aber klar: Toolspezifische Schulungen müssen als vergängliche Inhalte behandelt werden – mit kurzen Entwicklungszyklen, regelmäßiger Überprüfung und der Bereitschaft, sie schnell zu ersetzen.

These 2: Schulung on Demand. Wer Monate entwickelt, kommt zu spät.

Wenn Toolwissen schnell veraltet, muss L&D fundamental schneller werden. Ein Curriculum, das sechs Monate Vorlauf braucht, kann auf Veränderungen, die heute passieren, nicht reagieren.
Erschwerend kommt hinzu, dass Schulungen, die zeitlich zu weit vom Arbeitsalltag entfernt entwickelt werden, ihre Relevanz verlieren, bevor sie überhaupt eingesetzt werden. Je länger der Weg vom Bedarf zur fertigen Schulung, desto größer die Lücke zur gelebten Realität der Mitarbeitenden.

Hinzu kommt die Bottom-up-Dimension: Niemand weiß besser, welche konkreten Fähigkeiten gerade fehlen, als die Menschen, die die Arbeit ausführen. Schulungsbedarfe müssen von unten erkannt und schnell adressiert werden – nicht im Jahresplan oben verwaltet werden.

Das Modell, das gebraucht wird, ist Schulung on Demand: Ein konkreter Bedarf entsteht, innerhalb von Tagen ist ein brauchbarer Lerninhalt verfügbar. Nicht perfekt ausgearbeitet, aber aktuell, kontextuell relevant und sofort nutzbar.

These 3: Future Skills schulen statt zeitgebundene Details

Es gibt Fähigkeiten, die nicht veralten, weil sie nicht an ein spezifisches Tool oder Wissensgebiet gebunden sind. Urteilsvermögen. Kritisches Denken. Die Fähigkeit, unter Unsicherheit zu entscheiden. Ambiguitätstoleranz. Diese Fähigkeiten werden in der Forschung als Future Skills oder kognitive Grundkompetenzen bezeichnet.
In einer Welt permanenter Veränderung werden Future Skills wichtiger, nicht unwichtiger. Wer weiß, wie er denkt, kann sich schneller auf neue Inhalte einstellen. Wer nur weiß, was er denken soll, verliert den Boden unter den Füßen, sobald sich der Inhalt verschiebt.

Gerade in Kombination mit KI wird das entscheidend: KI liefert Antworten in Sekunden. Was KI nicht kann, ist urteilen, abwägen und entscheiden, wenn die Situation komplex und mehrdeutig ist. Genau das sind Future Skills. Wer sie beherrscht, nutzt KI-Outputs besser, hinterfragt sie gezielter und kommt zu besseren Ergebnissen, weil er weiß, welche Fragen er stellen muss.

Das Problem: Die meisten L&D-Programme trainieren noch überwiegend kurzlebiges Detailwissen. Die Frage, welche Kompetenzen ein Mitarbeitender in drei Jahren braucht, wird selten gestellt. Die Frage, welchen Kurs er dieses Jahr absolvieren soll, sehr häufig.

These 4: Erfahrungstransfer statt Wissenstransfer

Wissen ist heute jederzeit und überall abrufbar. Wer eine Frage hat, fragt ChatGPT, Perplexity oder einen KI-Assistenten. Die Hürde zum Wissen ist praktisch verschwunden.
Was nicht abrufbar ist: Erfahrung. Das Systemwissen, das über Jahre entsteht. Die Intuition, die sagt, wann eine Regel gilt und wann nicht. Das Verständnis dafür, wie Dinge in einer spezifischen Organisation wirklich funktionieren – jenseits des Organigramms.

Gleichzeitig beobachten viele Organisationen, dass Juniorrollen seltener besetzt werden, weil KI-Tools einfache Aufgaben übernehmen und Nachwuchs seltener die Gelegenheit bekommt, organisch Erfahrung aufzubauen. Der Pool an Erfahrungsträgern schrumpft relativ zur Nachfrage.

Das Optimum liegt in der Kombination: exzellenter Einsatz von KI-Tools plus menschliche Erfahrung als entscheidender Differenzierungsfaktor. Erfahrung gibt dem Tool-Einsatz Richtung, Kontext und Urteilsvermögen. Systemverständnis, gewachsene Herangehensweisen und das Wissen, wie Dinge wirklich funktionieren, lassen sich nicht googeln. Genau das hebt Organisationen und ihre Mitarbeitenden ab.

Deshalb muss der Fokus auf Erfahrungstransfer liegen. TreadEd ermöglicht es, dialogbasierte Lernpfade zu gestalten, in denen Lernende durch echte Szenarien geführt werden. Der KI-Tutor wird dabei von erfahrenen Mitarbeitenden geprägt, die ihr Wissen und ihre Erfahrung einbringen und didaktisch vollständig kontrollieren, was weitergegeben wird. So wird Erfahrung skalierbar, ohne dass die Tiefe verloren geht.

These 5: Nur tief durchdringendes Lernen lohnt sich

Eine Schulung, die eine Liste von Punkten abhakt, war schon immer suboptimal. Heute ist sie praktisch wertlos.
Warum? Weil die einfachen Aufgaben – Informationen zusammenfassen, Standardprozesse ausführen, wiederkehrende Fragen beantworten – von KI-Systemen schneller, günstiger und zuverlässiger erledigt werden als von Menschen, die dafür oberflächlich geschult wurden.

Was bleibt, ist das, was KI nicht kann: komplexe Zusammenhänge wirklich verstehen. Systeme durchdringen. Entscheidungen in mehrdeutigen Situationen treffen. Auf der Bloomschen Taxonomie entspricht das den oberen Stufen: Analyse, Synthese, Bewertung – nicht das bloße Erinnern und Verstehen.

Eine Schulung sollte deshalb erst dann als erfolgreich gelten, wenn sie echte Kompetenz erzeugt – nicht das Gefühl, etwas gehört zu haben. Das ist ein anderer Designanspruch: weniger Inhalte, mehr Auseinandersetzung. Weniger Klicks durch Slides, mehr Situationen, in denen Lernende wirklich herausgefordert werden. Zusammenhänge müssen verstanden werden. Prozesse müssen durchdrungen werden. Nur dann entsteht die Tiefe, die in Kombination mit KI einen echten Mehrwert erzeugt.

Fazit: L&D muss sich neu erfinden

Diese fünf Thesen hängen zusammen. Toolwissen veraltet – also brauchen wir Geschwindigkeit. Geschwindigkeit allein reicht nicht – also brauchen wir zeitlose Future Skills. Kompetenzen ohne Tiefe bringen nichts – also brauchen wir echtes Durchdringen. Und das Wertvollste, was eine Organisation hat, ist Erfahrung – die muss skaliert weitergegeben werden, bevor sie verloren geht.

L&D wurde als Institution für Stabilität gebaut. Die Welt, in der es heute operiert, ist alles andere als stabil. Das ist kein Vorwurf – es ist ein strukturelles Problem, das strukturelle Antworten braucht.