In vielen Unternehmen hängt 2026 ein neues Messinstrument an der Wand: kein Thermometer für die Konjunktur, sondern ein Manometer für Legitimität. Kostendruck, Transformation, Personalknappheit – das ist die eine Seite. Die andere: Beschäftigte erwarten Fairness, Beteiligung und Schutz. Und HR steht dazwischen wie die Schalttafel eines Kraftwerks: stabilisieren und liefern, während Politik und Regulierung das Netz laufend neu verschalten.

Professor Rupert Felder macht in seiner Session keinen Hehl daraus, worum es wirklich geht: Arbeitsrecht ist nicht Paragrafenfolklore, sondern Betriebssystem der Arbeitswelt – und wer es nicht beherrscht, verliert Zeit, Geld und Vertrauen. Vor allem aber warnt er davor, zu sehr nach Berlin zu starren: Viele Impulse kommen längst aus Europa – Mindestlohn, Datenschutz, Gleichberechtigung. Der nationale Gesetzgeber ist in diesem Spiel oft eher der Übersetzer als der Autor.

Equal Pay: Kein Gesetzesdefizit, sondern ein Umsetzungsdefizit

Das erste Reizthema wirkt wie ein Countdown: die Entgelttransparenz-Richtlinie der EU und ihre Umsetzung in deutsches Recht. Felder erwartet den Entwurf im Frühjahr und verweist auf die Deadline im Juni – andernfalls drohen europarechtliche Konsequenzen. Doch sein eigentlicher Punkt ist unbequemer: Wir haben das Prinzip längst, wir leben es nur nicht. Er erinnert an internationale und europäische Grundlagen, an alte Rechtsprechung – und zieht daraus eine Schlussfolgerung, die für HR nach Arbeit klingt: Nicht warten, machen.

Ökonomisch übersetzt heißt das: Equal Pay ist kein „Compliance-Häkchen“, sondern ein Organisationsprojekt mit Reibungsverlusten. Denn die operative Kernfrage ist nicht, ob Gleichheit gilt, sondern was „gleiche Arbeit“ bedeutet – also Bewertung, Vergleichbarkeit, sachliche Differenzierung. Wer jetzt in reflexhafte „Gleichmacherei“ verfällt, erzeugt neue Ungerechtigkeiten und lädt Konflikte in die Lohnsystematik. Wer es sauber macht, muss Arbeit bewerten, Kriterien offenlegen, Diskriminierungsfreiheit dokumentieren – und genau dort wird aus einer juristischen Pflicht eine Managementkompetenz.

Felders Seitenbemerkung ist dabei fast schon industriepolitisch: Das Thema kann zum Eintrittstor für Tarifbindung werden, weil Bewertungssysteme und Transparenz dort strukturierter verankert sind. In Zeiten, in denen Unternehmen nach Stabilität suchen, ist das kein nostalgischer Gedanke, sondern eine Governance-Option.

Arbeitszeit: Flexibilität ist kein Slogan, sondern ein Arrangement

Beim zweiten Thema – Arbeitszeit-Flexibilisierung – verschiebt Felder die Debatte weg von Symbolpolitik („eine Stunde mehr oder weniger“) hin zur eigentlichen Steuerungsfrage: Zahlen wir Zeit oder zahlen wir Wertbeitrag? Und vor allem: Wie schaffen Arbeitgeber einen attraktiven Raum aus Inhalt, Ort und Zeit – den drei Dimensionen des Direktionsrechts – der produktiv ist und zugleich Schutzrechte respektiert?

Hier wird die ökonomische Spannung sichtbar: Unternehmen brauchen Anpassungsfähigkeit, Beschäftigte Schutz und Planbarkeit, Betriebsräte Mitbestimmung. Felder erinnert daran, dass das Arbeitszeitgesetz ein Schutzgesetz ist – Arbeitszeiterfassung ist nicht Bürokratie um der Bürokratie willen, sondern Arbeitsschutz. Gleichzeitig muss Arbeit leistbar bleiben; Flexibilität kann – kontextabhängig – sogar im Interesse der Beschäftigten sein (etwa bei Montage, Reise, Baustellenlogik). Das Entscheidende ist das Wort „passgenau“: Nicht der große Wurf per Gesetz, sondern das Arrangement der Betriebsparteien, angepasst an Tätigkeit und Lebenslage.

Krankheit: Der Kulturkampf hinter der Krankschreibung

Das dritte Reizthema – Krankheit/Entgeltfortzahlung – wird in der öffentlichen Debatte gern moralisch aufgeladen. Felder entzieht sich dem Reflex, über „zu leicht“ oder „zu viel“ zu reden, und legt den Finger auf die produktive Stelle: Daten und Kultur. Er empfiehlt HR, die Analysen der Krankenkassen systematisch zu nutzen: nicht „Gießkanne“, sondern diagnosebasierte Schwerpunkte (Muskuloskelett, psychische Erkrankungen – wenige Fälle, viele Tage). Wer betriebliches Gesundheitsmanagement ernst nimmt, muss es datenbasiert bauen.

Der zweite Teil ist härter, weil er nicht delegierbar ist: Kultur. Felder spricht über Verantwortungssprache, über Empathie, über die Frage, ob Organisationen Teil-Arbeitsfähigkeit überhaupt denken (Teileinsatz, angepasste Aufgaben), statt nur „krank/gesund“ zu kennen. Und dann weitet er es aus: Die Verrohung der Sprache – im Unternehmen wie in der Politik – unterminiert Veränderungsfähigkeit. In Krisen, bei Restrukturierung, bei Jobabbau entscheidet Kommunikation darüber, ob ein Unternehmen handlungsfähig bleibt oder in Zynismus kippt. HR wird hier zum Hüter eines ökonomischen Gutes, das selten bilanziert wird: soziales Vertrauen.

Online-Mitbestimmung: Eine vertane Chance mit langfristiger Rechnung

Beim vierten Punkt – digitale Mitbestimmung/Online-Betriebsratswahl – ist Felder erstaunlich nüchtern. Das politische Versprechen existierte, geliefert wurde nicht. Ergebnis: Wahlen laufen weiter papierbasiert, die Chance eines Digitalisierungsschubs ist vertan – mindestens bis zur nächsten großen Wahlrunde. Was wie ein Nischenthema wirkt, ist in Wahrheit eine Frage der demokratischen Infrastruktur im Betrieb: Niedrigschwellige Beteiligung ist nicht nur „nice“, sondern ein Faktor für Legitimation – gerade wenn Transformation wehtut.

Der Subtext: Sozialbeiträge, Standortkosten, Predictive HR

Fast nebenbei schiebt Felder eine fünfte, größere Debatte hinein: Sozialsysteme und Beitragssätze. Steigende Beiträge belasten den Standort, verstärken Kostendruck und können Personalabbau indirekt beschleunigen. Sein Argument: Wir haben weniger ein Einnahmen- als ein Ausgaben- und Prozessthema – und HR solle politischer werden, weil diese Stellschrauben direkt auf jede Lohnabrechnung wirken. Daraus folgt eine moderne HR-Disziplin, die er „predictive“ nennt: Szenarien denken, demografische Kurven ernst nehmen, Skills und Geschäftsmodellstress früh antizipieren – statt nur das Morgen zu verwalten.

2026 ist ein Belastungstest – und ein Professionalisierungsfenster

Felders Klartext ist im Kern ein wirtschaftlicher Hinweis: In einer Zeit, in der Unternehmen gleichzeitig sparen, umbauen und gewinnen müssen, wird Arbeitsrecht zur Wettbewerbsbedingung. Equal Pay ist kein Presseprojekt, sondern eine operative Bewertungsaufgabe. Arbeitszeit ist kein Ideologiekrieg, sondern die Architektur von Produktivität und Schutz. Krankheit ist kein Moralthema, sondern Datenarbeit plus Kulturarbeit. Und Mitbestimmung ist kein Formalismus, sondern Legitimation im Umbau.

Wer das als HR 2026 sauber aufsetzt, gewinnt nicht nur Rechtssicherheit, sondern etwas, das knapper wird als Kapital: Handlungsfähigkeit.

Die nächste Produktivitätswelle kommt nicht mit mehr Rechenleistung, sondern mit einem paradoxen Versprechen: Maschinen sollen einfühlsamer werden, damit Menschen weniger Maschine sein müssen. In der Session „Empathische KI: Wenn IT-Systeme einfühlsam werden – und Menschen wieder mehr Mensch sein können (Human X AI)“ beschreibt Professor Wolfgang Wahlster, Gründungsdirektor des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI), genau diesen ökonomischen Kipppunkt: Kognitive KI ist heute Commodity – der Engpass wandert zur emotionalen und sozialen Intelligenz der Systeme.

Wahlster gliedert „Intelligenz“ in vier Dimensionen: kognitiv, sensorphysisch, emotional und sozial. Kognitiv sind Systeme inzwischen beeindruckend; sensorphysisch bleibt Robotik oft unter menschlichem Niveau. Der lange Rückstand – und damit die neue Wertschöpfungschance – liegt in emotionaler und sozialer Intelligenz: Wer Stimmungen erkennt, angemessen reagiert und das auch multimodal ausdrücken kann (Sprache, Mimik, Gestik), gestaltet Interaktion neu – und damit Prozesse.

Deutschlands unterschätzter Vorsprung: Personalisierung ist kein GenAI-Trend, sondern Forschungstradition

Bemerkenswert ist Wahlsters historischer Seitenhieb: Der Kern dessen, was heute als „Human-centric AI“ verkauft wird, wurde in Deutschland vor Jahrzehnten als empathische Benutzermodellierung diskutiert – inklusive frühem Workshop (Maria Laach) und der bis heute aktiven Community rund um User Modeling, Adaptation and Personalization (UMAP). Diese Kontinuität ist wirtschaftlich relevant, weil sie ein Gegenargument zu einer verbreiteten Erzählung liefert: Europa sei bei KI zwangsläufig Nachzügler. Für empathische Interaktion gilt das so pauschal nicht.

Drei Schritte zur Empathie – und warum sie sich in Euro messen lassen

Wahlster reduziert empathische Systeme auf eine klare Prozesslogik:

Emotionen erkennen (z. B. über Stimme, Tempo, Tonhöhe).

Adaptiv reagieren (Kontext, mentaler Zustand, „was braucht mein Gegenüber gerade?“).

Multimodal ausdrücken (nicht nur Text, sondern Verhalten, Ton, Gestik).

Das klingt nach Soft-Skills. Ist aber knallharte Prozessökonomie. Im Callcenter etwa entscheidet Emotionslage über Eskalation und Bearbeitungszeit. Wahlster beschreibt, wie sich starke Emotionalisierung bereits mit wenigen, robust extrahierbaren Sprachparametern erkennen lässt – und dann gezielt an deeskalationsstarke Mitarbeitende geroutet werden kann. Ergebnis: weniger „Hotline-Terror“, höhere Erstlösungsquote, geringere Fluktuation in einer ohnehin angespannten Arbeitsmarkt-Nische.

„Losgröße 1“ – diesmal nicht für Produkte, sondern für Bildung und Karriere

Die vielleicht stärkste ökonomische Idee der Session ist eine Verschiebung des Industrie-4.0-Mottos „Losgröße 1“ in den Bildungs- und Arbeitsmarkt: Personalisierung lohnt sich dort noch mehr als bei Produkten. Wahlster argumentiert, KI könne nicht nur Fehler markieren, sondern Fehlkonzepte diagnostizieren – und damit individuelle Lernlücken zielgenau schließen, was Lehrkräfte in großen Klassen aus Zeitgründen kaum leisten können.

Daran hängt eine arbeitsmarktpolitische Pointe: Wenn tutorielle Förderung und „persuasive“ Systeme (Motivation, Dranbleiben, Ermutigung) breit verfügbar werden, kann das soziale Muster „Herkunft gleich Zukunft“ aufbrechen. Nicht als Utopie, sondern als Skalierungsfrage: KI kann die Persistenz liefern, die menschliche Betreuung in überlasteten Systemen oft nicht leisten kann.

Pflege, Psychologie, Teamrobotik: Empathie wird Infrastruktur

Wahlster erweitert den Blick auf drei Felder, die 2026 nicht nur technologisch, sondern demografisch unter Druck stehen:

Ambient Assisted Living / alternde Gesellschaft: Systeme müssen Tagesform und Grundstimmung respektieren, sonst scheitert Akzeptanz im Alltag.

Psychologische Trainings- und Beratungskontexte: Menschen sind gegenüber einer KI teils offener, weil Scham- und Statusdruck sinken – ein Effekt, der für Prävention, Training und Versorgungskapazitäten relevant wird.

Teamrobotik in der Industrie: Gemischte Teams aus Menschen und Robotern brauchen soziale Intelligenz (Rollen, Ausfälle, Koordination). Empathie ist hier kein „Gefühl“, sondern ein Mechanismus zur Stabilisierung von Zusammenarbeit.

Damit wird empathische KI zur Infrastrukturtechnologie: Sie bestimmt, ob Systeme in menschlichen Umgebungen tragen – oder nur in Demos.

Normative KI: Wettbewerb über Standards, nicht über Lautstärke

Am Ende wird Wahlster europäisch-pragmatisch: Vertrauen entsteht nicht durch Claims, sondern durch Standards, Transparenz und begründete Verweigerung. Systeme müssen in der Lage sein, unethische Anfragen nicht nur abzulehnen, sondern die Ablehnung nachvollziehbar zu begründen. Das ist weniger Philosophie als Engineering – und zugleich eine strategische Positionierung gegen Modelle, die „alles beantworten“ und Verantwortung externalisieren.

Wer empathische KI als „Nettigkeit“ missversteht, übersieht den ökonomischen Kern: In einer Arbeitswelt mit Fachkräftemangel, Alterung und wachsender Servicekomplexität entscheidet Interaktion zunehmend über Produktivität. Der nächste Wettbewerbsvorteil liegt nicht darin, dass Systeme schneller schreiben, sondern darin, dass sie besser verstehen, wann Menschen Unterstützung brauchen – und wann sie in Ruhe gelassen werden wollen. Human X AI ist dann kein Motto, sondern eine Standortfrage.

Wer in diesen Monaten durch die Flure größerer Organisationen geht, hört ein merkwürdiges Geräusch: nicht das Surren neuer Technik, sondern das Schleifen alter Routinen. KI ist da – aber sie landet oft dort, wo schon Excel-Tabellen, Prozesshandbücher „Stand 2014“ und unklare Zuständigkeiten wohnen. Genau in dieser Kollision liegt die eigentliche Wahrheit vieler Transformationsprogramme: Die meisten KI-Projekte scheitern nicht an der Technologie, sondern an der Organisation.

Das ist die Kernthese der Session „People First – Wie Miele, KUKA & Co. KI in ihre Organisationen bringen“ mit dem Analysten Bernhard Steimel. Sein Befund ist so unromantisch wie belastbar: Wer KI als Tool-Rollout behandelt, bekommt Tool-Nutzung. Wer KI als People Project versteht, bekommt Wertschöpfung. pdf Peope First

60 Stunden Empirie statt Folienpoesie

Steimel stützt sich auf eine Interviewserie, die für den deutschen Mittelstand ungewöhnlich tief in die Maschinenräume geht: rund 60 Stunden Gespräche mit 55 Hidden Champions – Geschäftsführer, CTOs, Data-Leads, Digitalverantwortliche. Die Leitfrage: Wie macht KI Unternehmen erfolgreicher – jenseits der öffentlichen Hype-Kurve?

Was dabei herauskommt, ist eine Art Gegenbild zur gängigen Debatte. Nicht „KI ersetzt Menschen“, sondern: KI erhöht Schlagkraft, entlastet Routinen, beschleunigt Zyklen – wenn man sie systematisch in die Wertschöpfung integriert. Und genau dieses „Wenn“ ist der Engpass.

Die typischen Sollbruchstellen: Akzeptanz frisst Architektur

Wenn Steimel seine Interviewpartner fragt, was sie heute anders machen würden, kommt als erstes selten „Modellwahl“ oder „GPU-Budget“. Es kommt: Mindset und Akzeptanz. Projekte kippen, weil Mitarbeitende nicht mitgehen, weil Nutzen nicht sichtbar wird, weil Kommunikation zu spät beginnt – und weil Verantwortlichkeiten im Nebel bleiben.

Dazu kommt eine zweite, unterschätzte Sollbruchstelle: Kompetenzlücken. Wer Use Cases aus der Belegschaft einsammeln lässt, ohne dass Grundverständnis über GenAI vorhanden ist, bekommt oft entweder Banales („Schreib mir Texte schneller“) oder Utopisches („Mach alles autonom“). Beides führt in Sackgassen. Und ja: Auch der Agenten-Hype bekam in vielen Unternehmen einen Realitätscheck – „autonom“ war in frühen Phasen häufig schlicht überschätzt.

Kurz: Technologie skaliert. Aber Akzeptanz entscheidet, ob sie überhaupt starten darf.

Die produktive Alternative: Augmentation statt Personalphantasie

Steimel wird konkret, weil nur Konkretion die Floskel entlarvt. Ein Beispiel: EDAG (Engineering im Automotive-Umfeld). Dort geht es nicht um Entlassungsnarrative, sondern um die mühselige Realität großer Dokumente, Requirements, Tests, Nachweise. KI kann hier Routineanalyse abräumen, Dokumentationsphasen beschleunigen und Wissensarbeitern Luft geben – aber nur, wenn das Ganze nicht als isoliertes Pilotprojekt, sondern als Bestandteil der Wertschöpfung gedacht wird. Der Nutzen erzeugt dann Akzeptanz – nicht umgekehrt.

Ähnlich bei Internorm: geringe KI-Budgets, aber spürbare Wirkung – weil Training (Prompting, Copilot-Schulung), Governance und eine wachsende Lern- und Fehlerkultur zusammenspielen. Der entscheidende Satz dahinter: Der Mensch bleibt „Human in the Loop“ – unterstützt, nicht ersetzt.

Und dann Miele: ein Traditionsunternehmen, das die digitale Sphäre nicht als PR-Anbau betrachtet, sondern als Verlängerung der Premiumqualität. Neue Rollen entstehen („Director Data & AI“), Lernpfade für alle Ebenen, datengestützte Weiterentwicklung vernetzter Produkte. Das ist kein „Backofen-Gimmick“, sondern ein Muster: Wer KI nutzt, braucht Datenstrategie, Rollenklärung und Qualifizierung – sonst bleibt es Showroom.

Governance: Bremse oder Sicherheitsgurt – je nachdem, wie man fährt

Einer der interessanteren Punkte in Steimels Einordnung betrifft Governance als Kulturfrage. Manche Unternehmen erledigen ihre Regulierungs- und Compliance-Hausaufgaben so gründlich, dass sie am Ende keine Erfahrung sammeln – und damit die Lernkurve verlieren. Best Practice sei oft ein iteratives Vorgehen: vorstoßen, lernen, Governance parallel klären. Das ist ein pragmatischer Mittelweg zwischen deutschem Perfektionismus und Silicon-Valley-„Move fast“.

Was daraus für HR 2026 folgt: Operating Model statt Tool-Schulung

Der „People First“-Befund ist letztlich eine HR-Agenda – aber nicht im Sinne „HR macht Trainings“. Sondern als Betriebsmodell-Frage:

1. Rollen & Operating Model
   Neue Verantwortlichkeiten (Data/AI-Leadership, Product Owner für KI-Use-Cases, Champions) müssen benannt werden – sonst bleibt KI eine Querschnittsidee ohne Eigentümer. pdf Peope First
2. Kompetenzaufbau als Breitenprogramm
   AI Literacy darf nicht bei Spezialisten hängen bleiben. Steimel betont Kompetenzmodelle und Lernpfade – über Hierarchieebenen hinweg. pdf Peope First
3. Datenkompetenz als Führungsdisziplin
   Viele Defizite liegen nicht bei Tools, sondern bei der Fähigkeit, Data Insights gegen Bauchgefühl durchzuhalten. pdf Peope First
4. Governance + Change-Design
   KI-Transformation braucht Kommunikation, Mitnahme, Betriebsratsintegration – nicht als „Blocker-Management“, sondern als Gestaltung der Entlastungslogik („Stupid Work“ raus, Wertarbeit rein). pdf Peope First

Der wirtschaftliche Kern: KI ist ein Produktivitätshebel, aber nur Organisationen können ihn in Wertschöpfung übersetzen. Technik liefert Optionen. Kultur, Zuständigkeit, Skills und Prozesse entscheiden über Ergebnis.

Terminhinweise: Zukunft Personal Nord 2026 in Hamburg

ZP Nord 2026 findet am 25.–26. März 2026 in Hamburg Messe & Congress statt.

Passend zu „People First“ (Organisation vor Tool) sind diese Sessions besonders anschlussfähig:

• Talent-Inventur: Wie man die Fähigkeiten und Skill-Lücken im Unternehmen aufdeckt (DE)
  25. März 2026 • 09:30–10:30 • Keynote Stage
  Mit Beate Maak (Schwarz&Grantz Hamburg GmbH), Anke Brinkmann (TÜV Nord AG), Prof. Dr. Werner Sauter (oneclick Learning GmbH), Phillip Mark, Moderation Cliff Lehnen.
• Cawa trifft… Quo vadis Arbeitsrecht 2026 (DE)
  25. März 2026 • 16:00–17:00 • Keynote Stage
  Mit Cawa Younosi – inklusive Live-Quiz „Wer wird (Punkte) Millionär?“.
• We the HR Community (DE)
  26. März 2026 • 09:30–10:30 • Keynote Stage
  Mit Veronika Birkheim, Tim Verhoeven, Moderation Cliff Lehnen – Agenda per App, ungefilterter Dialog.
• Innovation in HR, Leadership & Recruiting – How to change: Ohne Führungskräfte geht es nicht (DE)
  26. März 2026 • 12:45–13:45 • Keynote Stage (Podcast-Aufzeichnung „neues lernen“)
  Mit Prof. Dr. Simone Kauffeld (TU Braunschweig) und Andrea Heinze (Jungheinrich AG).
• Die wichtigsten Erkenntnisse aus 227 Recruiting-Kampagnen: Wie Mittelständler 2026 Fach- und Führungskräfte gewinnen (DE)
  26. März 2026 • 14:50–15:15 • Solution Stage 2
  Fokus: Handlungsempfehlungen aus Kampagnenpraxis, Positionierung als Arbeitgeber, gezielte Talentgewinnung.

Man erkennt die Lage eines Marktes oft daran, wie nervös seine Rituale werden. In der Learning-Session von Thomas Jenewein beginnt das Ritual nicht mit der Folie, sondern mit dem QR-Code: Handy raus, Mentimeter an, einmal den Raum vermessen, bevor man ihn erklärt. Es ist ein kleiner Akt, der viel erzählt: Corporate Learning ist 2026 nicht mehr die Disziplin, die Gewissheiten verteilt. Es ist die Funktion, die Unsicherheit organisiert – und die Belegschaft dabei beobachtet, wie sie sich in Echtzeit neu sortiert.

KI als General-Purpose-Technologie – und Learning als Nebenkriegsschauplatz?

Jenewein zeichnet die Großwetterlage entlang zweier Linien: KI als dominante General-Purpose-Technologie – und die gleichzeitige Rückkehr klassischer L&D-Themen, die plötzlich wieder nach vorn drängen. Donald H. Taylors globale Stimmungsumfrage liefert den nüchternen Rahmen: AI steht oben, aber der Peak wirkt erreicht, die Kurve flacht ab. Darunter: Reskilling/Upskilling, Personalisierung, Skill-basierte Organisation. Weniger Revolution, mehr Konsolidierung – als hätte der Markt begriffen, dass der Hype zwar Schlagzeilen, aber keine Lernarchitektur baut.

Dazu kommt ein Befund, der in seiner Einfachheit betriebswirtschaftlich ist: 2026 ist ein Jahr mit „Rekord an Stressfaktoren“ – Jobunsicherheit, Redundanzängste, unklare Zukunft. KI verschärft diese Gemengelage zunächst eher, als dass sie sie beruhigt. Und dennoch dominiert – bemerkenswert genug – ein Grundoptimismus: L&D kartiert „neues Terrain“ durch Experimente, weniger durch fertige Antworten.

Der Markt dreht: SCORM ist nicht tot, aber nicht mehr souverän

Wenn man wissen will, wie ernst ein Technologiesprung ist, sollte man nicht auf Keynotes schauen, sondern auf Standards. Jenewein greift Josh Bersins Blick auf den Enterprise-Learning-Tech-Markt auf: Die alten Plattformen sterben nicht sofort – „todgesagte leben länger“ –, aber sie verändern ihre Mechanik. SCORM, dieses ehrwürdige Trackingmodell des E-Learning-Zeitalters, wird nicht mehr als Zentrum gedacht. Stattdessen drängen dynamische Content-Modelle und KI-native Architekturen in die Mitte. Plattformen werden zu „Content Intelligence Platforms“, Lernsysteme zu Oberflächen für Suche, Tutorien, Q&A-Agenten und Flow-of-Work-Unterstützung. Die Pointe ist ökonomisch: Im Markt stecken Milliarden in Legacy-Systemen. Wer nicht auf dynamische, KI-native Architekturen umstellt, verliert Anschluss – nicht weil die Technik schöner ist, sondern weil sich die Erwartung an „Time-to-Competence“ verschiebt.

Assessment wird erwachsen: Vom Ankreuzen zum Performen

Besonders greifbar wird der Wandel beim Thema Assessment. Jenewein beschreibt, wie SAP Zertifizierungen von Multiple-Choice-Wissensabfrage hin zu Systemsimulationen und Rollenspielen umgestellt hat: weg vom „weiß es jemand“ hin zum „kann es jemand“. KI ist hier weniger der Tutor als der Prüfer im Hintergrund – ein Mechanismus, der Performance sichtbar macht, ohne gleich ein Prüfungstheater aufzubauen.

Das ist mehr als Didaktik. Es ist ein Signal für die Arbeitswelt: Wenn KI Wissen überall verfügbar macht, wird Können die knappere Währung. Unternehmen, die weiter auf Wissensabfragen setzen, optimieren eine Größe, die ihre Knappheit verliert.

Knowledge Management kehrt zurück – als KI-gestützte Betriebsinfrastruktur

Ein weiterer Strang der Session wirkt auf den ersten Blick unspektakulär, ist aber wahrscheinlich der eigentliche Hebel: Dynamic Enablement und die Renaissance des Wissensmanagements. Jenewein skizziert den Shift von SharePoint-Gräbern hin zu semantischer Suche, RAG-Agenten, Expertenfinding, automatisierten Workflows und Knowledge Retention – also dem Versuch, implizites Erfahrungswissen so zu erfassen, dass es nicht beim Babyboomer-Abgang verdampft.

Ökonomisch ist das der Übergang von „Lernen als Veranstaltung“ zu „Wissen als Infrastruktur“. In einer Zeit, in der Belegschaften schneller rotieren, Projekte kürzer werden und Produktzyklen schrumpfen, wird die Fähigkeit, internes Wissen auffindbar zu machen, zur Produktivitätsreserve – und zur Compliance-Versicherung.

Agentic AI, Peer Learning, Immersion: Drei Trends, die einander begrenzen

Jenewein lässt den Markt nicht in der KI-Erzählung stecken, sondern holt zusätzliche Perspektiven aus der Corporate-Learning-Community: Agentic AI als Dauerbrenner (viele Namen, wenig Greifbarkeit), die Zuspitzung auf Lernkultur und die Rückkehr von Lernökosystemen.

Gleichzeitig betont Jochen Robes – zitiert über den Podcast-Kontext – Peer Learning als Gegenpol zur KI-getriebenen Individualisierung: Der Mensch sucht den Menschen, gerade weil Technologie überall ist. Barcamps, Lernzirkel, Promptathons – Formate, die nicht „Content“ liefern, sondern Erfahrung erzeugen.

Und dann ist da Christoph Haffners „Hidden Champion“: Immersive Learning. Nicht als VR-Heilsversprechen, sondern als robuste Nische, die sich mit KI verheiratet und dort stark ist, wo reale Übung teuer, gefährlich oder schwer skalierbar ist – von Rollenspielen bis Ausbildungsszenarien.

Zusammengenommen entsteht ein interessantes Kräftefeld: Agentic AI verspricht Automatisierung, Peer Learning erzwingt soziale Einbettung, Immersion liefert verkörperte Erfahrung. Die drei Trends sind keine additive Liste – sie sind Korrektive füreinander.

Gegenwind: Schatten-KI und die zwei Geschwindigkeiten der Adoption

Die schärfste Diagnose der Session ist weniger technologisch als organisatorisch: das Privatnutzungs-Paradox. Schatten-KI ist Realität – Mitarbeitende nutzen Tools, weil sie produktiv sein wollen, nicht weil Governance fertig ist.

Dazu kommen zwei Geschwindigkeiten: Schnell ist alles, was in bestehende Produktionslogiken passt – Übersetzung, Video, Content-Erstellung. Langsam ist das, was wirklich neu wäre: KI als Coach, als Sparringspartner, als Tutor, als Begleiter im Arbeitsfluss. Genau dort fehlt oft die didaktische Innovation, und es drohen Rückfälle: mehr Kurse, mehr Zertifikate, mehr „besprochene PowerPoints“.

Der zentrale Satz, der wie ein Stachel im System sitzt: Wissen ≠ Fähigkeiten ≠ Erfahrung. Wer KI nur benutzt, um Wissenspakete billiger zu produzieren, skaliert nicht Lernen, sondern Ablenkung.

Die Kompetenzlücke: hohe Motivation, geringe Umsetzungskompetenz

Aus einem SAP-internen Enablement-Projekt bringt Jenewein eine Beobachtung mit, die in vielen Organisationen weh tut: Motivation hoch, Umsetzungskompetenz niedrig. Ein klassischer Erwartungsfehler: Man verwechselt „Lust auf KI“ mit „Fähigkeit, KI sicher und sinnvoll in Arbeit zu übersetzen“.

Das ist der Punkt, an dem Corporate Learning eine neue Rolle bekommt – und zwar nicht als Content-Fabrik, sondern als Befähigungsarchitekt für ein Arbeitsmittel, das zugleich Produktivitätshebel und Risikoquelle ist.

Sieben pragmatische Sätze, die man als Programm lesen kann

Jeneweins „sieben Tipps“ wirken in ihrer Form schlicht, sind aber in Wahrheit ein Organisationsprogramm: Grundlagen für alle (inkl. Ethik/Governance), Standortbestimmung, rollenspezifische Vertiefung, Lernziele und Dokumentation, Peer Learning, Hands-on-Projekte, kontinuierliches Update. Es ist die Abkehr vom einmaligen Training hin zur permanenten Lernökonomie.

Und in diesem Punkt wird der Titel der Session („Trends, Gegenwind & Treffen“) plötzlich sehr präzise: Treffen ist nicht Folklore, sondern Infrastruktur. Communities, Camps, Barcamps, Messen – Orte, an denen Lernfähigkeit sozial verankert wird, weil Algorithmen allein keine Kultur bauen.

Corporate Learning wird 2026 zur Betriebsbedingung

Wenn man den wirtschaftlichen Kern dieser Session in eine Zeile zwingen wollte, wäre es diese: 2026 entscheidet sich Corporate Learning nicht an der Frage, ob KI Inhalte schneller macht, sondern daran, ob Unternehmen ihren Kompetenzaufbau gegen die eigene Bequemlichkeit verteidigen.

KI ist der Beschleuniger. Aber Beschleunigung ohne Richtung ist nur Verschleiß. Corporate Learning steht damit vor einer unsentimentalen Aufgabe: Es muss aus dem KI-Turbo eine fähigkeitsbasierte Wertschöpfung machen – und aus dem Gegenwind den Nachweis, dass Lernen nicht „nice to have“, sondern die Produktionsbedingung der nächsten Jahre ist.

Die KI ist in die Unternehmen eingezogen wie ein neuer Motor in ein altes Getriebe: beeindruckende Beschleunigung, ein neuer Klang – und zugleich das leise Knirschen an Stellen, die man zuvor kaum beachtet hat. Wer heute über Lernen spricht, spricht selten noch über Seminarkataloge. Es geht um Wettbewerbsfähigkeit, um Anpassungsfähigkeit, um die Frage, ob Organisationen in einem rauer werdenden Klima noch beweglich bleiben. Genau dort setzt die Session „KI im Lernen – Fortschritt mit Nebenwirkungen?!“ an – als nüchterne Bestandsaufnahme einer Technologie, die Lernprozesse zugleich verstärken und entkernen kann.

Von der Polykrise zum Polypotenzial – und zurück in die Bilanz

Prof. Anja Schmitz eröffnet mit einem Bild, das man derzeit in vielen Vorstandsetagen findet: Veränderungsgeschwindigkeit, wirtschaftliche Eintrübung, steigender Anpassungs- und Effizienzdruck – und darübergelegt der spürbare KI-Adoptionsdruck. KI wird, so ihre Rahmung, zum Unterscheidungsmerkmal zwischen „Leaders“ und „Laggards“: Wer nicht integriert, fällt zurück – nicht moralisch, sondern ökonomisch. Lernbedarfe steigen entsprechend, individuell wie organisational.

Die interessante Verschiebung liegt im Narrativ: Schmitz stellt nicht nur die Diagnose einer Polykrise, sondern fordert eine Perspektivarbeit – von der „Polyrise“ zum „Polypotenzial“. Das klingt nach Rhetorik, ist aber eine Managementfrage: Wird KI als Krisenreaktion genutzt – oder als Anlass, Lern- und Arbeitsarchitekturen zu modernisieren?

Die Verheißung: Output, Feedback, Personalisierung – die neue Leichtigkeit

Zunächst die positiven Effekte, die Schmitz aus Studien bündelt. Auf Arbeitsebene zeigen sich Produktivitäts- und Effizienzgewinne; bei höherwertigen kognitiven Tätigkeiten teils auch Qualitätssteigerungen. Im Lernkontext wird es psychologisch und damit für Organisationen besonders relevant: Negatives Feedback wird von KI leichter angenommen als von Menschen – weil die Maschine keine Miene verzieht und kein Statusspiel mitliefert. Bemerkenswert: Dieser Effekt zeigt sich laut Schmitz sogar im universitären Kontext; Studierende akzeptieren Kritik der KI eher als die des Professors.

Hinzu kommen die klassischen KI-Versprechen im Lernen, diesmal präziser formuliert: Hyperpersonalisierung („Moment of Need“), Adaptivität (Anpassung an den Lernprozess), potenziell steigendes Engagement und Motivation. Schmitz nutzt dafür eine Metapher aus der Debatte um Social Media: Was Plattformen problematisch macht – Algorithmen, die Menschen in der Interaktion halten – kann im Lernkontext zur didaktischen Chance werden, weil längere Beschäftigung mit Inhalten die Verarbeitungstiefe erhöht. Dazu kommen erste Befunde, dass bei bestimmten Aufgaben sogar Leistungserhalt möglich ist, wenn KI-Unterstützung später wegfällt. Das ist der Idealfall: KI als Trainingspartner, nicht als Prothese.

Die Nebenwirkungen: „AI Slop“ und die Ökonomie der ungeprüften Antwort

Doch genau dort, wo es bequem wird, lauert die betriebliche Versuchung. Schmitz zitiert eine globale Befragung, nach der 25 % der Befragten in Deutschland KI-Arbeitsergebnisse nicht prüfen oder überarbeiten, sondern weiterreichen. Die Zahl ist weniger Skandal als Symptom: Sobald Output billig ist, wird Kontrolle teuer – und viele sparen ausgerechnet am teuersten Punkt, der Qualitätssicherung.

Der Begriff „AI Slop“ bringt das Problem auf eine ernährungsökonomische Metapher: leere Kalorien. Viel Masse, wenig Nährwert. Verführerisch im ersten Blick, aber nicht tragfähig – weder für Entscheidungen noch für Kompetenzen. Und weil Menschen die Eignung von KI für bestimmte Aufgaben oft falsch einschätzen, steigt die Fehlerwahrscheinlichkeit ausgerechnet dann, wenn es heikel wird. Aus einem Tool wird ein Risiko-Multiplikator: nicht, weil KI „böse“ ist, sondern weil Organisationen die falsche Arbeitsteilung etablieren.

Am schärfsten ist der Punkt „Performance ohne Kompetenz“: KI ermöglicht sichtbare Ergebnisse, ohne dass die zugrundeliegenden Fähigkeiten aufgebaut werden. Das ist, betriebswirtschaftlich gesprochen, ein kurzfristiger Scheinumsatz im Kompetenzkonto – der langfristig als Abschreibung zurückkommt.

Cognitive Offloading: Wenn Entlastung zur Entkernung wird

Auf Lernseite verdichtet Schmitz die Risiken: Cognitive Offloading senkt die geistige Anstrengung – und damit die Verarbeitung. Wer nicht mehr liest, sondern nur noch zusammenfassen lässt, spart Minuten, aber verliert Lernrendite. Dazu kommen Skill Decay (Kompetenzverfall), Illusion of Mastery (das trügerische Gefühl, etwas zu können, weil das Ergebnis gut aussieht) und Ghost Learning (Lernen wird ausgelagert, wie Ghostwriting). Zusammengenommen entsteht ein paradoxes Szenario: KI kann Lernen beschleunigen – und gleichzeitig Lernerfolg reduzieren.

Schmitz’ Pointe ist dabei unbequem: Technologische Transformation und Unsicherheit können Lernen förderlich machen (weil sie Bewegung erzeugen) – sie können es aber auch hinderlich machen, wenn Druck, Kontrollverlust und Überforderung dominieren. Genau dieses „Mind the Gap“ ist die Managementaufgabe: Potenziale heben, Nebenwirkungen begrenzen.

Praxis: Das Ende der „Zwei-Tage-Schulung“ und die Geburt der Lerninfrastruktur

Hier wird Jan Fösing (New Learning Lab) konkret – und entzaubert den verbreitetsten Reflex: KI-Upskilling als einmaliges Training. Die KI sei kein Hammer, den man nach zehn Nägeln verstanden hat, sondern ein Schweizer Taschenmesser mit ständig neuen Funktionen. Wer glaubt, eine Rundmail („Hier ist Copilot“) ersetze Lernarchitektur, produziert Schattennutzung, Frust – oder beides. KI-Upskilling müsse als konstanter Prozess gedacht werden.

Seine Argumentation läuft auf eine infrastrukturelle Logik hinaus: Es braucht einen „Single Point of Truth“ für Regeln und Grenzen, Explorationsräume für Lernen voneinander, „Trusted Guides“ bzw. AI-Coaches als Lernbegleiter – und Integration in den Arbeitsfluss, damit aus Impuls Routine wird. Die zentrale Warnung: KI wird häufig nur als Beschleuniger bestehender Prozesse genutzt. Wenn diese Prozesse „nur mittelprächtig“ sind, beschleunigt KI eben Mittelmaß – nur schneller. Deshalb müsse der Weg von Adoption zu echter Transformation führen.

Und dann kommt der Satz, der jede KI-Strategie auf ihren harten Kern reduziert: Ohne Daten kein Mehrwert. Wer Agenten einführt, aber in einer „Datenhölle“ lebt, bekommt Quatsch zurück – nur automatisiert.

Industrieperspektive: Festo und das Management der Lernenergie

Nadine Vöhringer (Festo) zeigt, wie eine große Organisation versucht, genau diese Infrastruktur aufzubauen: Digital Mindset als Ausgangspunkt, Digital Skills als Paket, Personas von „Digital Starter“ bis „Creator“, dazu Leadership-Skills als Hebel, weil „bottom-up“ alleine nicht reicht. Besonders aufschlussreich ist der Fokus auf Messbarkeit und Takt: regelmäßige kurze Lernimpulse („15 minutes Learning Beat“), interne Champions, Community-Mechaniken – und als Zielbild ein Learning Agent in Microsoft Teams, also Lernen dort, wo Arbeit stattfindet.

In dieser Praxis steckt die eigentliche Antwort auf die Nebenwirkungen: Nicht mehr Lernangebote stapeln, sondern Lernfähigkeit steuern – über Orientierung, Routinen, Netzwerke, Daten. In der Sprache der Ökonomie: Man braucht Governance für Kompetenzaufbau, sonst wird KI zur Renditemaschine auf Kosten des Humankapitals.

Die Kennzahl der Stunde: Kompetenzsaldo statt Zeitersparnis

Die Session endet implizit mit einem Perspektivwechsel, den man sich als Formel merken kann: Entscheidend ist nicht, wie viel Zeit KI spart, sondern ob der Kompetenzsaldo positiv bleibt. Wer Output gewinnt und Kompetenz verliert, wird im nächsten Technologiesprung zwar schneller tippen – aber schlechter entscheiden. KI im Lernen ist damit kein didaktisches Randthema, sondern eine Standortfrage: für Unternehmen, die sich in einer „Leader/Laggard“-Logik behaupten müssen, und für eine Arbeitswelt, in der „Team Human × AI“ nur dann funktioniert, wenn der Mensch nicht zur Bedienungskraft seiner eigenen Automatisierung wird.

Der HR-Analyst Winfried Felser erwartet eine grundlegende Verschiebung in der Debatte über hybride Arbeit: Weg von der Standortfrage („Wo arbeiten wir?“) hin zur Kooperationsfrage („Wie arbeiten wir – und wer arbeitet mit wem?“). Der heute dominierende Fokus auf Homeoffice und Büro sei vor allem eine Übergangsdebatte, sagt Felser – auch wenn derzeit an vielen Stellen „Rollback“-Tendenzen zu beobachten seien.

Im Kern gehe es künftig um hybride Teams aus Menschen und intelligenten Maschinen bzw. Agenten. Diese neue Form der Zusammenarbeit werde Rollen in Organisationen verändern und Produktivität wie Kreativität neu definieren. Der Arbeitsort bleibe zwar relevant, doch im Mittelpunkt stehe die nahtlose Verbindung von menschlicher Intelligenz und künstlicher Unterstützung – als Grundlage für Innovation und neue Formen der Wertschöpfung.

Felser verweist dabei auf einen Austausch mit dem HR-Vordenker Dave Ulrich und dessen Arbeiten zum „Human Capability“-Ansatz: Die Gegenwart hybrider Arbeit werde noch über Flexibilität beim Ort diskutiert, die Zukunft jedoch über die Leistungsfähigkeit einer hybriden Workforce, die technologiegestützt, lernfähig und flexibel agiert.

Wer wissen will, wie 2026 in HR tatsächlich „klingt“, muss weniger auf Leitbilder als auf Formate schauen. In vier Tagen ZP Nachgefragt Week – vom 24. bis 27. Februar – verdichtet sich eine Debatte, die sonst über Monate in Einzelbeobachtungen zerfällt: KI als Produktivitätsversprechen, Führung als Engpass, Recht als Reality-Check, Learning als Infrastruktur, Gesundheit als harte Kennzahl. Das Motto „Team Human X AI“ ist dabei nicht Dekor, sondern eine Zumutung: Es zwingt Organisationen, das Zusammenspiel von Mensch und Technologie nicht nur als Tool-Frage, sondern als Betriebsmodell zu behandeln.

Der dramaturgische Auftakt ist bewusst gesetzt. Am Dienstagvormittag (24. Februar, 10 Uhr) rahmen Heike Riebe und Martina Hofmann die Zukunft Personal 2026 als Programm- und Standortbewegung: neue Formate, Hallenwechsel, Side Events, erste Speaker-Highlights – inklusive Ausblick auf die Zukunft Personal Nord. Das ist mehr als ein organisatorisches „Was kommt?“. Es markiert die Grundannahme, dass HR 2026 nicht mehr als Servicefläche genügt, sondern als strategischer Hebel gedacht werden muss: für Produktivität, Bindung, Skills, Kultur – und für die Akzeptanz von Technologie.

Der Hofmann-Moment: Wenn Flexibilität messbar wird – und die Debatte endlich erwachsen

Der eigentliche Taktgeber liegt jedoch in einem Special, das die Woche inhaltlich erdet: das Interview mit Dr. Josephine Charlotte Hofmann, Leiterin „Zusammenarbeit und Führung“ im Forschungsbereich Unternehmensentwicklung und Arbeitsgestaltung am Fraunhofer IAO / Universität Stuttgart IAT. Ihr Wert liegt nicht im erwartbaren Pro-oder-Contra zum Homeoffice, sondern im methodischen Bruch mit dem Meinungsbetrieb.

Hofmann spricht über eine Studie, die sich nicht auf Stimmungsbilder verlässt, sondern Produktivität über einen langen Zeitraum beobachtbar macht: In Kooperation mit der Techniker Krankenkasse wurden über gut ein Jahr hinweg bei rund 11.000 Mitarbeitenden harte Leistungsdaten ausgewertet – flankiert von Befragungen und einer klaren arbeitsorganisatorischen Einordnung.

Zwei Botschaften sind dabei für die wirtschaftspolitische und betriebliche Debatte zentral. Erstens: Homeoffice kann hochproduktiv sein – im TK-Fall lag die messbare Arbeitslast im Homeoffice im Durchschnitt etwa 20 Prozent über der im Büro.

Zweitens: Mehr Homeoffice ist nicht automatisch mehr Gesamtproduktivität. Hofmann beschreibt, warum ab einem bestimmten Punkt die Vorteile konzentrierter Heimarbeit durch Nachteile zu geringer gemeinsamer Präsenz überlagert werden: weil Austausch, Informalität, gegenseitige Hilfe, Einarbeitung und Teamkohäsion im Büro systematisch leichter entstehen – und weil diese Faktoren als Frühindikatoren späterer Produktivität wirken.

Wer die berühmt gewordene „60/40“-Zahl als neue goldene Regel zitiert, verfehlt den Kern. Die Studie nennt diesen Wert als bestmöglichen Kompromiss auf Ebene des Gesamtunternehmens, betont aber ausdrücklich: Es ist kein universales Optimum für jede Tätigkeit, jedes Team, jede Kultur. Entscheidend ist der Gedanke des „Kipp-Punkts“ und die Empfehlung, neben Outputgrößen auch Frühindikatoren wie Wissensaustausch, Teamzusammenhalt und Arbeitszufriedenheit systematisch zu monitoren.

Hofmanns Interview ist damit ein Lehrstück über moderne Organisationssteuerung: Nicht die Quote ist die Botschaft, sondern die Fähigkeit, Flexibilität zu gestalten, ohne soziale Erosion zu riskieren. Wer 2026 Hybridarbeit wieder in die Schublade „Policy“ steckt, wird an genau dieser Stelle scheitern.

Die Highlights der Woche: Ein Programm wie ein Betriebssystem-Update

Was die ZP Nachgefragt Week stark macht, ist die Anschlussfähigkeit der Themen – jede Session wirkt wie ein Modul desselben Betriebssystems.

Am Dienstag (24. Februar, 12 Uhr) setzt Prof. Wolfgang Wahlster mit „Empathischer KI“ den technologischen Horizont. Seine Perspektive verschiebt den Diskurs weg von reiner „kognitiver“ KI hin zu emotionaler und sozialer Intelligenz: Emotionen erkennen, Verhalten adaptieren, Reaktionen multimodal ausdrücken – mit Konsequenzen für Bildung, Beratung, Training und Team-Robotik, aber auch für Standards, Transparenz und normativ belastbare Leitplanken.

Am Nachmittag (14 Uhr) zieht Bernhard Steimel die Brücke in die Organisation: Warum KI-Projekte an Akzeptanz, Rollen, Governance und Change scheitern – und welche HR-Hebel 2026 den Unterschied machen, wenn man „people first“ ernst meint.

Der Mittwoch (25. Februar) ist der Tag, an dem sich die Transformationsdebatte in Führung, Lernen und Recht materialisiert. Thomas Jenewein (SAP) liefert den Realitätscheck zu Learning & Development 2026: Welche Trends tragen, welche bleiben Erwartungspolitik. Um 12 Uhr setzt Ali Mahlodji im Barcamp-Format den kulturellen Akzent: Führung, Motivation, Sinn – und die These, dass „Null Bock“ häufig ein System- und Führungsproblem ist. Um 13 Uhr wird es präzise: Prof. Dr. Anja Schmitz, Jan Foelsing und Nadine Vöhringer (Festo) verhandeln die Dilemmata von KI im Lernen: Produktivitätsgewinne und Personalisierung einerseits, Cognitive Offloading, Skill Decay und „Illusion of Mastery“ andererseits – und vor allem die Konsequenz, dass KI-Upskilling kein Einmalkurs ist, sondern ein kontinuierlicher Prozess mit Foundations, Explorationsräumen und Integration in den Arbeitsfluss.

Um 14:15 Uhr bringt Prof. Dr. Rupert Felder den Klartext-Check zu Mitbestimmung, Entgelttransparenz/Equal Pay, Arbeitszeitflexibilisierung und Krankheits-/Entgeltfortzahlungsdebatte – als juristisch-praktikable Umsetzungsperspektive für Entscheider:innen.

Der Donnerstag (26. Februar) fokussiert den Markt: Dr. Tobias Zimmermann ordnet um 12 Uhr datenbasiert die Jobwechsel-Frage 2026 ein – inklusive Kriterienrahmen nach Aufgaben, Kultur, Flexibilität, Gehalt, Timing und Branchenlogik. Um 14 Uhr zeigt Robindro Ullah, wie Recruiting vom Bauchgefühl in strukturierte, faire, operativ machbare Auswahlprozesse überführt werden kann – und wie sich Ökosysteme, Datenqualität und KI-gestützte Suche auf den Funnel auswirken.

Am Freitag (27. Februar) wird das Programm „hart“: um 10 Uhr ein Faktencheck zur Krankenstandsdebatte mit Guido Zander – weg von Scheinlösungen, hin zu betrieblicher Arbeitsgestaltung, Gesundheits- und Krankheitsmanagement sowie Führung. Um 14 Uhr schließlich ein Thema, das längst in die volkswirtschaftliche Kernzone gerückt ist: Pivi Scamperle übersetzt mentale Gesundheit in alltagstaugliche Routinen – Micro-Interventionen, Team-Agreements, Priorisierung, psychologische Sicherheit und KI-Governance als Schutz- und Leistungsfaktoren, nicht als Wohlfühlagenda.

Warum dieses Programm zusammenpasst

Man kann die Woche als Abfolge einzelner „Stunden“ konsumieren. Ihre eigentliche Stärke liegt jedoch im Zusammenschnitt: Hofmann liefert die empirische Nüchternheit zur Arbeitsorganisation; Wahlster öffnet das Fenster zur nächsten Generation von Human-X-AI-Interaktion; Learning und Führung bekommen mit Schmitz/Foelsing/Vöhringer und Mahlodji die kulturelle und infrastrukturelle Tiefe; Felder zieht die normative Linie; Recruiting, Arbeitsmarkt, Krankenstand und mentale Gesundheit schließen den Kreis zur operativen Wirklichkeit. So entsteht eine seltene Mischung: nicht bloß Trendbeschau, sondern ein plausibles Bild davon, was 2026 in Organisationen „stehen muss“, wenn HR vom Nice-to-have zum strategischen Hebel werden soll.

Zur virtuellen Programm-Zeitschrift: