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.