Bildungsorganisationen unterscheiden sich von den meisten anderen Branchen dadurch, dass die Kernaktivität selbst – unterrichten, begleiten, beurteilen – sich schwer von den Menschen trennen lässt, die sie ausführen. Wo eine Fabrik oder ein Geschäft Prozesse umschreiben kann, ohne die Identität der Arbeit anzutasten, berührt jede Veränderung in einer Schule oder Hochschule schnell die Beziehung zwischen Lehrkraft und Schüler oder Student. Das macht die Branche nicht langsamer in der Technik, aber vorsichtiger in der Frage, was KI eigentlich tun darf, bevor von 'Übernehmen' gesprochen wird.
Hinzu kommt, dass Bildungseinrichtungen oft aus mehreren Ebenen bestehen, die nicht dasselbe Tempo haben: ein Vorstand, mehrere Standorte oder Fakultäten, und eine große Gruppe von Lehrkräften mit eigenen Arbeitsweisen. Der größte Teil der KI-Initiativen, denen wir begegnen, startet auf einer dieser Ebenen, ohne dass die anderen Ebenen mitgenommen wurden. Eine Lehrkraft experimentiert mit einem Sprachmodell für Feedback, während die IT-Abteilung kein Bild davon hat, welche Daten dabei das Gebäude verlassen. Ein Vorstand formuliert eine KI-Vision, während das Datenmanagement der Schülerverwaltungssysteme noch auf Papier oder in einzelnen Tabellen beruht. Diese Diskrepanz ist keine Frage des Unwillens, sondern der Reihenfolge.
Ein Vorstandsmitglied, Direktor Betriebsführung oder IT-Leiter, der KI-Pilotprojekte ins Stocken geraten sieht, erkennt oft dasselbe Muster: das Pilotprojekt funktioniert für sich, skaliert aber nicht. Das liegt selten daran, dass die Technik unzureichend ist. Häufiger fehlt eine der fundamentalen Ebenen, die nötig sind, um ein Pilotprojekt zu tragen: eine Organisationsstruktur, die Entscheidungen über KI treffen und verankern kann, eine IT-Infrastruktur, die neue Anwendungen sicher aufnehmen kann, und ein Datenmanagement, das in Ordnung ist, bevor ein Modell etwas Sinnvolles damit anfangen kann. Erst wenn diese drei stehen, ist es sinnvoll, sich die abhängigen Ebenen anzuschauen: wie Menschen damit arbeiten, welche Einsicht es liefert, und wie intelligent die Organisation letztlich damit umgeht.
Im Bildungswesen spielt dies stärker als anderswo, weil die fundamentalen Ebenen oft historisch um pädagogische Entscheidungen gewachsen sind, nicht um technische. Eine Schulverwaltung ist auf die Rechenschaft gegenüber der Aufsichtsbehörde ausgerichtet, nicht auf wiederverwendbare Daten für KI-Anwendungen. Eine IT-Abteilung ist oft klein und auf Betrieb ausgerichtet, nicht auf die Integration neuer Systeme. Das ist kein Mangel, es ist eine andere Priorität, die vor Jahrzehnten festgelegt wurde und jetzt mitbestimmt, wie schnell KI tatsächlich landet.
Die Messung von hybridresourcing betrachtet sieben Dimensionen, verteilt über fünf Stufen von Baseline bis Intelligence. Bei Bildungseinrichtungen fällt auf, dass die Bewertung bei Organisation und Datenmanagement häufig hinter der Bewertung bei Ambition oder bei individuellen Anwendungen zurückbleibt. Es gibt regelmäßig schon jemanden, der mit KI arbeitet, manchmal schon auf fortgeschrittenem Niveau, während die Organisation als Ganzes noch auf der ersten Stufe steht, was Entscheidungsfindung und Datenstruktur betrifft. Diese Streuung wird in der Plot-Runde sichtbar, in der mehrere Personen innerhalb derselben Einrichtung getrennt bewertet werden. Bei Bildungsorganisationen ist diese Streuung oft größer als der Durchschnitt, gerade weil Vorstand, IT und Lehrpersonal selten von demselben Bild ausgehen.
Diese Streuung ist an sich kein Problem. Sie ist Information. Ein Vorstandsmitglied, das denkt, dass die Organisation für KI im großen Maßstab bereit ist, und ein IT-Manager, der weiß, dass die Infrastruktur das noch nicht bewältigen kann, haben beide aus ihrer eigenen Position heraus recht. Die Messung macht diesen Unterschied explizit, sodass das Gespräch darüber geführt werden kann, was zuerst stehen muss, statt darüber, wer recht hat.
Die sieben Dimensionen sind zeitlich nicht gleichwertig. Organisation, IT-Infrastruktur und Datenmanagement sind die Dimensionen, auf denen die anderen vier ruhen. Eine Schule, die an Einsicht oder Intelligenz arbeiten will, ohne dass die Daten in Ordnung sind, baut auf Treibsand. Das gilt für Bildungseinrichtungen genauso wie für Einzelhandelsunternehmen, die mit vergleichbaren Rückständen im Datenmanagement kämpfen oder für die Gastronomie, wo Organisationsstrukturen oft ebenso fragmentiert über Standorte verteilt sind. Die Branche unterscheidet sich, die Reihenfolge nicht.
Das macht die Frage 'wie weit stehen wir' weniger zu einer Frage nach einer Punktzahl und mehr zu einer Frage danach, wo das Fundament fehlt. Eine Einrichtung, die auf dem Papier ambitioniert bei der KI-Nutzung bewertet wird, aber keinen Überblick über die eigene IT-Infrastruktur hat, wird diese Ambition nicht einlösen können, ohne zuerst zur Basis zurückzukehren. Das zeigen auch Einrichtungen in der IKT-Branche und in der Finanzdienstleistung: hohe Ambition bei den abhängigen Dimensionen kompensiert kein schwaches Fundament.
Die Reifegradmessung von hybridresourcing befindet sich im Aufbau. Wer wissen möchte, wie die eigene Einrichtung bei den sieben Dimensionen bewertet wird, und wie diese Bewertung sich zu der von Kollegen innerhalb derselben Organisation verhält, kann sich für die Warteliste anmelden. Es gibt noch kein Tool, das heute genutzt werden kann; es gibt aber ein klares Bild davon, was die Messung liefern wird, sobald sie verfügbar ist.
Diese Seite behandelt die Frage, ob eine Bildungsorganisation KI tragen kann: ob das Fundament steht, bevor darauf etwas aufgebaut wird. Eine andere Frage, die erst danach sinnvoll wird, ist, was KI innerhalb des Bildungswesens konkret übernehmen kann. Dafür ist der Werkscan von FTE TO AI gedacht: der berechnet pro Aufgabe, welcher Teil der Arbeit sich dafür eignet, von KI übernommen zu werden, unabhängig von der Frage, ob die Organisation als Ganzes dafür bereits bereit ist. Wer beide Fragen kombiniert, erhält nicht nur Einblick in die Möglichkeiten, sondern auch in die Reihenfolge, in der sie Wirklichkeit werden können.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.