Wer derzeit in Unternehmen über Künstliche Intelligenz spricht, landet schnell bei Effizienz: schneller schreiben, besser recherchieren, weniger Routine, mehr Output. Doch genau in diesem Versprechen steckt ein Risiko, das in vielen Organisationen noch erstaunlich selten konsequent mitgedacht wird: KI kann Arbeit beschleunigen – und zugleich Lernprozesse aushöhlen. Nicht als Randphänomen, sondern als systemischer Nebeneffekt.
Die Session der Zukunft Personal Nachgefragt Week am Mittwoch, 25. Februar 2026 (13:00–13:45 Uhr) nimmt diesen Widerspruch zum Ausgangspunkt. Unter dem Titel „KI im Lernen – Fortschritt mit Nebenwirkungen?!“ treffen Prof. Dr. Anja Schmitz (Hochschule Karlsruhe), Jan Foelsing (New Learning Lab) und Nadine Vöhringer (Festo) aufeinander – Wissenschaft, Beratungspraxis und Unternehmensrealität in einer Diskussion, die weniger nach „Tool-Einführung“ fragt als nach der eigentlichen Führungsaufgabe: Wie steuert Learning und Development die KI so, dass Produktivität nicht gegen Kompetenzaufbau getauscht wird?
Produktivität gewinnt – Lernen verliert?
Die Forschungslage, die Schmitz skizziert, ist in ihrer Ambivalenz bemerkenswert: Auf der Leistungsseite lassen sich Produktivitäts- und Qualitätsgewinne nachweisen – selbst bei anspruchsvolleren kognitiven Aufgaben. Auf der Lernseite zeigt sich ebenfalls ein Potenzial: KI kann Feedback leichter akzeptierbar machen, Lerninhalte hyperpersonalisiert „im Moment of Need“ zuspielen und Lernprozesse adaptiv begleiten. Dazu kommt ein psychologisch nicht zu unterschätzender Effekt: Wer im Dialog mit einem Assistenten bleibt, bleibt länger am Inhalt – und genau diese Zeit ist eine harte Währung des Lernens. Lektorat_KI-im-Lernen_Transkript
Doch das andere Bild gehört ebenso zur Realität. Schmitz verweist auf Befunde, die den Preis der Entlastung beschreiben: Cognitive Offloading senkt die geistige Anstrengung – und damit oft auch die Verarbeitungstiefe. Der Mechanismus ist verführerisch, weil er sich wie Fortschritt anfühlt: weniger Mühe, schnelleres Ergebnis. Und gerade deshalb ist er gefährlich, wenn Organisationen Lernen nur noch am Output messen.
Hinzu kommt der schleichende Prozess des Skill Decay: Fähigkeiten, die man einmal beherrschte, werden nicht gebraucht – und verschwinden. Was nach „historischer Normalität“ klingt (wer kann heute noch nach Sternen navigieren?), bekommt im Wissens- und Dienstleistungskontext eine neue Brisanz: Wenn zentrale Kernkompetenzen erodieren, kann die nächste Krise nicht mehr „weggepromptet“ werden.
Noch subtiler sind die Effekte, die Schmitz als Illusion of Mastery und Ghost Learning beschreibt: Weil ein Ergebnis plausibel wirkt, entsteht der Eindruck, man habe die Fähigkeit selbst erworben – während tatsächlich die Technologie den Hauptteil geleistet hat. Das Ergebnis ist paradox: Performance ohne Kompetenz wird möglich. Für Unternehmen, die sich gerade unter Effizienz- und Transformationsdruck neu aufstellen müssen, ist das kein Komfortproblem, sondern ein strategisches Risiko. Lektorat_KI-im-Lernen_Transkript
Die zweite Nebenwirkung: Vertrauen und Qualitätsverlust
Ein weiteres Motiv der Session: die Qualität dessen, was in Organisationen zirkuliert. Schmitz nennt eine Zahl, die aufhorchen lässt: Ein relevanter Anteil der Befragten überprüfe KI-Ergebnisse nicht, sondern nutze sie „durchreichend“ weiter. Die Folge ist das, was im Netz längst einen Namen hat: „AI-Slop“ – Inhalte, die appetitlich aussehen, aber wenig Substanz besitzen; „leere Kalorien“, die Kommunikation füllen, ohne Wissen zu nähren. Lektorat_KI-im-Lernen_Transkript
Damit verschiebt sich der Fokus: Es geht nicht nur um individuelle Lernpsychologie, sondern um organisationales Wissensmanagement. Wenn der Output steigt, die Verlässlichkeit aber sinkt, verliert das Unternehmen doppelt – es produziert mehr, lernt weniger und muss später teurer korrigieren.
Warum KI-Upskilling nicht als Kurs funktioniert
An dieser Stelle setzt Jan Foelsing an – und räumt mit einer verbreiteten Illusion auf: Dass KI mit einem „Zwei-Tage-Training“ eingeführt sei. Sein Bild ist eingängig: KI sei kein neuer Hammer, den man kurz erklärt, sondern ein Schweizer Taschenmesser mit sehr vielen Möglichkeiten. Entsprechend müsse Upskilling als Prozess gedacht werden – mit klaren Rahmenbedingungen und zugleich Experimentierfähigkeit. Lektorat_KI-im-Lernen_Transkript
Foelsing wird in der Session einen Vierklang darstellen, der sich in Projekten bewährt habe:
- Foundation: ein verlässlicher „Single Point of Truth“ (was ist erlaubt, was nicht, welche Standards gelten).
- Explorationsräume: Orte, an denen Mitarbeitende miteinander lernen, ausprobieren, vergleichen – weil Standard-Trainings der Entwicklungsgeschwindigkeit nicht folgen.
- Trusted Guides: Rollen wie AI Coaches / Ambassadors, die nicht nur Tool-Wissen, sondern Lernbegleitung liefern.
- Integration: Hilfen, die Routinen verankern – von Assistenten über Performance Support bis zu Micro-Resources.
Das entscheidende Argument folgt danach: Adoption ist erst der Einstieg. Der eigentliche Mehrwert entsteht, wenn KI nicht nur bestehende Prozesse beschleunigt, sondern hilft, sie neu zu denken. Sonst, so Foelsing, beschleunigt man lediglich „kaputte Prozesse“ – und produziert schneller kaputte Ergebnisse.
Festo: Von Digital Mindset bis Learning Agent
Wie ein Unternehmen versucht, genau diese Brücke zu schlagen, zeigt Nadine Vöhringer. Festo arbeitet mit einem Digital-Skills-Framework, das Basiskompetenzen (u. a. Kommunikation & Kollaboration, Data Literacy, Security) und AI & Automation strukturiert – über allem steht das Digital Mindset: Neugier, Offenheit, Selbstvertrauen, Experimentierbereitschaft. Ohne diese Ebene, so der Tenor, werden Maßnahmen zu Programmen ohne Wirkung.
Konkreter wird es bei den Instrumenten: Personas vom Digital Starter bis zum Co-Creator, flankiert von Datenpunkten auf Individual-, Team- und Organisationsebene. Ein Beispiel ist DIMIKO, ein Voice-/Interview-Bot zur Selbsteinschätzung, der Feedback zusammenfasst und erste nächste Schritte empfiehlt. Dazu kommen kurze, regelmäßig getaktete Formate (15-Minuten-Lernbeats), Community-Ansätze und Digital Champs als Multiplikatoren, die nicht passiv auf Anfragen warten, sondern aktiv Use Cases identifizieren und Lernräume öffnen. Für Fortgeschrittene: ein AI & Automation Lab als Hackathon-Format – Teilnahmebedingung: eigener Use Case, Ziel: MVP. MVP steht hier für „Minimum Viable Product“ (deutsch sinngemäß: kleinstmöglicher funktionsfähiger Prototyp). Gemeint ist nicht ein „fertiges Produkt“, sondern eine erste, lauffähige Version, die den Use Case bereits so abbildet, dass man sie testen, vorführen und iterativ verbessern kann.
Am Horizont steht bei Festo ein Gedanke, der über klassische Lernplattformlogik hinausgeht: ein Learning Agent, integriert dort, wo Arbeit passiert (Teams/M365), der intern verfügbare Inhalte und externe Quellen zusammenführt und personalisiert begleitet – nicht als „Kurskatalog“, sondern als Arbeits- und Lerncompanion.
Worum es in 45 Minuten wirklich geht
Die Session ist damit mehr als eine Bestandsaufnahme. Sie ist eine Einladung, die KI-Debatte im Lernen von zwei Seiten zu führen: Potenziale heben – Erosion verhindern. Und sie macht deutlich, warum das keine Nebenaufgabe ist, sondern zur Kernagenda von L&D gehört: Wer KI nur als Effizienzmaschine einführt, riskiert Kompetenzverlust im großen Stil. Wer sie als Lern- und Transformationshebel gestaltet, kann den Schritt von der Polykrise zum Polypotenzial schaffen – und damit genau jene Zukunftsfähigkeit, die viele Unternehmen gerade suchen.