Alle Ausgaben 2026 von 51° Nord

Die Editorials von 51° Nord — Jahrgang 2026, KW 01 bis KW 27

KW 27 | 2026 — Wo Lernen zur Infrastruktur wird

Erschienen am 1. Juli 2026

Liebe Leserin, lieber Leser,

wer wissen will, wie die Vorsitzende der Bundesagentur für Arbeit in Deutschland auf die Veränderungen durch künstliche Intelligenz blickt, sollte das Interview lesen, das Andrea Nahles dieser Tage der ZEIT gegeben hat. Ihre zentrale Botschaft: KI ist kein Jobkiller, sondern ein „Megajobveränderer". Massenarbeitslosigkeit erwartet Nahles nicht; Abbau und Aufbau dürften sich nach den Prognosen des hauseigenen Instituts für Arbeitsmarkt- und Berufsforschung in etwa die Waage halten. Vielleicht würden bestimmte Berufsbilder verschwinden, dafür entstünden andere. Aber, und das ist die unbequeme Pointe ihres Befunds: Es gibt keinen KI-sicheren Beruf, nicht einmal den des von Nahles ironisch ins Spiel gebrachten Friedhofsgärtners. Berufserfahrung allein schütze niemanden mehr, KI greife „tiefer als andere Transformationen in das Getriebe der eigenen Tätigkeit ein". Ihre Empfehlung an die Beschäftigten heißt entsprechend: weiterbilden, weiterbilden, weiterbilden …

Dem schließen wir uns an. Die wichtigste Ressource einer Gesellschaft sind neugierige Bürgerinnen und Bürger, die Möglichkeiten haben, lebenslang zu lernen.

Lassen Sie uns dazu über den nationalen Tellerrand schauen.

Die USA reagieren privatwirtschaftlich auf den akuten Strukturwandel. Die frühere Handelsministerin Gina Raimondo und der ehemalige Gouverneur Eric Holcomb haben Ende Juni 2026 die überparteiliche Organisation Raise Us gegründet, die amerikanische Arbeitskräfte auf eine KI-geprägte Wirtschaft vorbereiten soll. Die Erzählung dahinter formuliert Raimondo selbst: Wer die besten KI-Systeme der Welt baue, dabei aber Millionen Amerikaner zurücklasse, habe nichts gewonnen, sondern den eigenen Niedergang automatisiert. Bemerkenswert ist die Geldgeberstruktur. Mit Amazon, Anthropic, Microsoft und der OpenAI Foundation finanzieren genau die Akteure, die den Umbruch vorantreiben.

Großbritannien geht den entgegengesetzten Weg und setzt auf staatliche Grundbildung für alle. Seit Januar 2026 kann jede erwachsene Person im Land kostenlose, staatlich geprüfte KI-Kurse belegen. Bis 2030 sollen zehn Millionen Beschäftigte qualifiziert werden. Das Ganze läuft unter dem Namen AI Skills Boost, der Abschluss wird mit einem staatlichen Badge bestätigt. Charakteristisch für den britischen Weg ist, dass KI-Kompetenz wie öffentliche Infrastruktur behandelt wird – allgemein zugänglich, kostenfrei, ohne Anlass.

Singapur organisiert die Aufgabe tripartistisch durch staatlich subventionierte Weiterbildung und kostenlosen Zugang zu KI-Werkzeugen für Kursteilnehmer. Ende April 2026 haben das Arbeitsministerium, der Gewerkschaftsdachverband NTUC und der Arbeitgeberverband SNEF die Bildung eines Tripartite Jobs Council bekannt gegeben, der Beschäftigte und Unternehmen gemeinsam durch den KI-Übergang führen soll. Der Rat sei, so Arbeitskräfteminister Tan See Leng, das gemeinsame Bekenntnis, das Potenzial von KI in gute Arbeitsplätze für Singapurer zu übersetzen.

Österreich hat seit 2021 mit AIM AT 2030 eine nationale KI-Strategie. Sie umfasst neben Forschung, Innovation und Wettbewerbsfähigkeit auch vertrauenswürdige KI, Qualifizierung und gesellschaftlichen Dialog. Inzwischen gibt es mit Digital Austria / „Digital Überall" zwar neben weiteren Anbietern ein kostenloses, niedrigschwelliges öffentliches Angebot mit KI-Bezug, die Angebotslandschaft bleibt jedoch verteilt und weniger sichtbar als die Strategie selbst. Zugleich wurde die frühere Bildungskarenz zum 1. Jänner 2026 abgeschafft; die neue Weiterbildungszeit ist nun deutlich restriktiver geregelt.

Wer sich in Deutschland zu KI fortbilden will, hat im Grunde drei Wege: über den Arbeitsplatz, über die Agentur für Arbeit oder eigeninitiativ in der Freizeit. Der erste besteht entweder aus Angeboten, die sich direkt an den Arbeitgeber richten, oder aus Angeboten, die Beschäftigte ansprechen. Entsprechende Angebote können durch Zuschüsse unterstützt werden. Der zweite Weg steht in der Praxis vor allem denen offen, die bereits arbeitslos sind oder kurz davor stehen. Bleibt der dritte: frei zugängliche Fortbildungsangebote, teils kostenfrei, teils kostenpflichtig. Was allen Zielgruppen gemeinsam ist? Für die meisten Menschen sind die Angebote schwer einzuordnen. Wo bekomme ich die für mich passende Einführung? Oder startet man besser mit einem Deep Dive ins maschinelle Lernen? Oder reicht eine Einführung in ChatGPT? Welcher Kurs passt zu mir, zu meinem Job, zu meinem Vorwissen, zu meinen Zielen? Diese Einordnung ist für viele die eigentliche Hürde: Es geht nicht um die Verfügbarkeit von Inhalten, sondern um die Orientierung im Angebot.

Auffällig ist, was in der Debatte fehlt. Über Lerninhalte wird viel gesprochen, über Förderprogramme auch. Über Zeit fürs Lernen fast gar nicht. Dabei so wichtig.

KW 25 | 2026 — Das große Verschwinden der kleinen Aufgaben

Erschienen am 17. Juni 2026

Liebe Leserin, lieber Leser,

als Beratungsagenturen in der Erwachsenenbildung begleiten wir Unternehmen, die spüren, dass Grundsätzliches in Bewegung geraten ist. Viele fragen sich, welchen Platz ihre Angebote in diesen Umbruchszeiten noch haben. Aus unserer Perspektive eine unnötige Sorge, denn für Expertinnen und Experten des Lernens gibt es mehr denn je zu tun.

In der gesellschaftlichen Debatte über KI richten wir den Blick meist auf das, was hinzukommt. Lassen Sie uns auf das blicken, was gerade verschwindet.

In vielen Betrieben hat dieses Verschwinden längst begonnen. Eine erfahrene Fachkraft braucht eine Vorlage, eine Auswertung, eine erste Recherche. Vor wenigen Jahren wäre eine solche Aufgabe an die Assistenz übergeben worden, an die Berufseinsteigerin im zweiten Jahr, an jemanden, der noch lernt. Heute öffnet die Fachkraft selbst ein KI-Tool und erledigt es im Vorbeigehen. Warum auch nicht?

Der Haken liegt darin, dass in diesen unscheinbaren Aufgaben mehr steckt, als man ihnen ansieht. Wer Vorlagen baut, lernt, worauf es ankommt. Wer erste Entwürfe schreibt, beginnt Muster zu erkennen. Wer sich durch einfache Fälle arbeitet, entwickelt ein Gespür für Sprache, für Kunden, für die feinen entscheidenden Warnhinweise, dass Dinge beginnen, aus dem Ruder zu laufen.

Dies ist der Rohstoff, aus dem berufliches Urteilsvermögen entsteht.

Ein Handwerk lernt man nicht, indem man darüber spricht, sondern indem man mitläuft, danebenliegt, korrigiert wird und es beim nächsten Mal besser macht. Vieles davon geschieht erst im Anschluss an die Ausbildung oder an das Studium, nämlich im betrieblichen Alltag, zwischen Rückfrage, Entwurf und Kaffeetasse. Genau dort, im scheinbar Nebensächlichen, wächst berufliche Souveränität.

Übernimmt die KI diese kleinen Schritte oder wandern diese zur ohnehin erfahrenen Fachkraft zurück, dann fällt nicht nur eine ganze Lernstrecke weg, sondern auch die dazugehörige Kommunikation.

Nicht schlagartig, noch nicht überall, und leise genug, dass kaum jemand den Verlust bemerkt. Aber das große Verschwinden hat begonnen.

Wenn Erfahrungsräume, in denen Menschen Verantwortung übernehmen, Entscheidungen treffen und deren Folgen erleben, nicht mehr selbstverständlich entstehen, müssen wir genauer hinsehen, wo sie fehlen und wo sie neu geschaffen werden können.

Das betrifft nicht nur Schule, Ausbildung oder Beruf, sondern auch Erwachsenenbildung, Vereine, Ehrenamt und andere zivilgesellschaftliche Räume.

Lernen in einer KI-geprägten Zeit endet nicht dort, wo jemand einen Prompt schreibt oder ein Tool bedient. KI öffnet größere Veränderungsräume. Sie verschiebt Aufgaben, Rollen, Abläufe und Erwartungen weit über das Digitale hinaus.

Erwachsenenbildung wird daher mehr denn je gebraucht. Nicht weil sie nun auch KI erklären muss, sondern weil sie darüber hinaus weiterhin Expertin für das bleibt, was durch KI nicht weniger wird: das Lernen, der Aufbau von Erfahrung und Handlungssicherheit.

Erwachsenenbildung muss nicht um ihren Platz bangen. Sie muss ihn nur klar benennen.

KW 23 | 2026 — KI braucht eine Zeile im Haushalt

Erschienen am 3. Juni 2026

Liebe Leserin, lieber Leser,

seit Wochen sind wir u.a. in Behörden, Hochschulen und Bildungseinrichtungen unterwegs und zeigen, wie das Arbeiten mit den neuen KI-Modell-Architekturen aussieht. Dabei sehen wir nicht mehr Chatfenster und automatisierte Agenten, sondern Werkzeuge, die Aufgaben übernehmen, Dokumente durchsuchen, Konzepte vorstrukturieren. Wir glauben nicht an das Versprechen von immer mehr und immer schneller. Aber an besser.

Es gab zwar immer einen Unterschied zwischen kostenlosen und kostenpflichtigen KI-Angeboten, aber bislang war er nicht so entscheidend. Man kam mit beiden voran. Diese Phase geht zu Ende. Wer größere Dokumente verarbeitet, Konzepte entwickeln lässt oder über mehrere Schritte an komplexen Aufgaben arbeiten will, merkt, dass die kostenfreien Modelle das nicht leisten.

Als Bildungsanbieter muss ich selbst Erfahrungen mit dieser Art des Arbeitens machen – mit dem Blick auf eine Region, einen Fachbereich, auf eine Zielgruppe –, um zu verstehen, was gerade passiert. Wenn eine Professorin im Workshop erlebt, was mit diesen Werkzeugen möglich ist, und dabei denkt: „Damit könnte ich eine Masterarbeit schreiben", dann ist die nächste Frage: „Wie soll ich für die Qualität meines Fachbereichs einstehen, wenn ich selbst keinen Zugang habe, um das zu beurteilen?"

Es geht nicht darum, jeder Entwicklung hinterherzulaufen. Aber es gibt auch bei KI einen Unterschied zwischen bewusster Enthaltung und unfreiwilligem Abgehängtsein.

Wir erleben aktuell, dass viele Menschen diese Werkzeuge für den Einsatz am Arbeitsplatz privat bezahlen. Aus eigener Tasche, weil sie den Unterschied erlebt haben und nicht mehr ohne arbeiten wollen. Vor einem Jahr hätte man sagen können, KI gehört nicht zwingend in den Etat einer Bildungseinrichtung. Das hat sich geändert. Heute gehört es dazu. Mit einem realistischen Budget und mit einer Reserve für Preissteigerungen, die kommen werden.

Es entstehen neue Infrastrukturkosten, die nicht nebenbei getragen werden können und deshalb in die politische Kommunikation gehören: Denn hier tut sich eine Lücke auf. Und die hat etwas mit Chancengleichheit zu tun.

Sascha Lobo denkt in seinem aktuellen Podcast noch ein Stück weiter hin zu Personal AI Agents und beschreibt, wie sich gerade eine zweigeteilte Welt entwickeln könnte. Auf der einen Seite Organisationen, die KI bewusst einplanen, die mit ihr arbeiten dürfen, die sie in ihre Strukturen integrieren. Auf der anderen Seite solche, bei denen KI in keinem Budget vorkommt, bei denen niemand auf die Idee käme, dafür Mittel freizugeben.

Dabei geht es nicht nur um die großen kommerziellen Modelle. Auch lokale KI-Modelle, die auf dem eigenen Rechner oder in der eigenen Infrastruktur laufen, entwickeln sich derzeit zu interessanten Alternativen. Sie verschieben die Kostenfrage weg vom Lizenzpreis, hin zu Beratung, Einrichtung, Wartung, Infrastruktur und Kompetenzaufbau. Aber auch das kostet Geld.

Das sind keine Fragen, die sich am einzelnen Arbeitsplatz lösen lassen. Viele Verbände und Träger stehen vor der Herausforderung, diese neuen Kosten an die Politik vermitteln zu müssen, und das in einer Zeit, in der die Mittel ohnehin knapp sind. Die Budgets für die kommenden Jahre werden jetzt erstellt. Wir drücken die Daumen, dass KI-Infrastruktur darin vorkommt.

KW 21 | 2026 — EU AI Act: Was bleibt, was ist neu, was verschiebt sich?

Erschienen am 20. Mai 2026

Liebe Leserin, lieber Leser,

der EU-Trilog hat sich am 7. Mai 2026 zum AI Omnibus geeinigt. Es standen einige Verschiebungen von Fristen im Raum, aber kurz vor knapp wurde dann doch einiges entschieden – allerdings anders als geplant.

Welche Punkte sind für Bildungsinstitutionen relevant?

Schauen wir auf Artikel 50 des EU AI Act (KI-Verordnung), der die Transparenzpflichten regelt. Hier bleibt der 2. August maßgeblicher Stichtag, obwohl zwischendurch über eine Verschiebung diskutiert wurde.

Art. 50 der KI-VO regelt u.a. die Transparenzpflichten bei der Interaktion mit KI-Systemen. Wer einen Chatbot einsetzt – etwa als Lernassistent oder im Kundenkontakt –, muss Nutzerinnen und Nutzern deutlich machen, dass sie mit KI interagieren. Die Kennzeichnung muss erfolgen, bevor die betreffende Person mit dem KI-System interagiert oder das KI-generierte Ergebnis wahrnimmt. Die Form des Hinweises sollte dabei klar und unmissverständlich sein.

Außerdem gibt es strenge Vorgaben zur Emotionserkennung und biometrischen Kategorisierung, wobei zu beachten ist, dass die Emotionserkennung am Arbeitsplatz und in Bildungseinrichtungen ohnehin verboten ist, sofern sie nicht medizinischen oder sicherheitsrelevanten Zwecken dient.

Bei der Kennzeichnungspflicht gelten zwei Arten: für Maschinen und für Menschen

Die maschinenlesbare Kennzeichnung ist eine Art digitales Wasserzeichen, das in jedem KI-Output steckt. Es ist für Menschen unsichtbar, aber Computer können es auslesen, etwa um automatisch zu erkennen, dass ein Bild von Midjourney stammt. Dafür sind nach Art. 50 Abs. 2 die KI-Anbieter zuständig, also OpenAI, Midjourney und Co. Als Betreiber müssen Sie hier nichts einbauen. Der AI Omnibus hat für Tools, die bereits vor dem 2. August 2026 auf dem Markt waren, eine Übergangsfrist bis zum 2. Dezember 2026 eingeräumt.

Die sichtbare Kennzeichnung ist der Hinweis, den Nutzer und Nutzerinnen tatsächlich erkennen können, wie etwa ein „KI-generiert" unter einem Bild. Diese Pflicht trifft Betreiber, also Unternehmen, die KI einsetzen und nutzen, allerdings aber nur in zwei Konstellationen: bei Deepfakes und bei KI-Texten zu öffentlichen Themen.

Eine pauschale Pflicht, jeden KI-Output sichtbar zu kennzeichnen, kennt der AI Act nicht. Unabhängig davon kann eine freiwillige Kennzeichnung aber sinnvoll sein, etwa aus Gründen der eigenen Glaubwürdigkeit oder wegen Plattformregeln. Praktikabel sind kurze Vermerke wie „Dieser Beitrag wurde mit Unterstützung von KI erstellt", „Bild: KI-generiert (Midjourney)" oder ein gut sichtbarer Hashtag wie #KIgeneriert.

Bei Deepfakes müssen Betreiber offenlegen, dass Bild-, Ton- oder Videoinhalte künstlich erzeugt oder manipuliert wurden. Ein „Deepfake" ist ein durch KI erzeugter oder manipulierter Bild-, Audio- oder Videoinhalt, der existierenden Personen, Objekten, Orten, Einrichtungen oder Ereignissen ähnelt und fälschlicherweise als authentisch erscheinen würde. Eine Täuschungsabsicht ist dabei nicht erforderlich.

Ist der Inhalt Teil eines offensichtlich künstlerischen, kreativen, satirischen, fiktionalen oder analogen Werks oder Programms, gelten Ausnahmen.

Die Definition eines Deepfakes ist bewusst weit gefasst. Sie umfasst nicht nur die Darstellung realer Personen, sondern auch täuschend echt wirkende Bilder, Videos oder Audio-Aufnahmen von fiktiven Menschen, Geschehnissen und Orten, solange sie einer Person fälschlicherweise als echt erscheinen könnten. Der Gesetzgeber geht damit deutlich über den umgangssprachlichen Gebrauch des Begriffs hinaus, der eher vorsätzliche Verfälschungen meint.

Besonders bemerkenswert ist die Ausweitung auf Objekte, Orte und Ereignisse, die erst in der finalen Fassung des AI Act aufgenommen wurde. Damit erfasst die Regulierung gerade auch jene Fälle, in denen das Manipulationspotential KI-generierter Inhalte über die Darstellung von Personen hinausgeht. Ein illustratives Beispiel ist das KI-generierte Bild einer angeblichen Explosion in der Nähe des Pentagon, das im Mai 2023 kurzfristig zu Bewegungen an der New Yorker Börse führte.

Faustregel: Sieht etwas wie etwas Echtes aus, klingt der Inhalt wie etwas Echtes, dann ist er kennzeichnungspflichtig. Ein foto-realistisches Bild oder eine täuschend echte Stimme fallen darunter. Eine erkennbar künstliche Illustration, ein Cartoon-Avatar oder eine offensichtlich synthetische „Roboterstimme" dagegen nicht.

Die Kennzeichnungspflicht gilt auch für KI-generierten Text von öffentlichem Interesse

Muss ich jetzt jeden Text, den ich mit ChatGPT & Co. generiere, kennzeichnen?

Nein, diese Pflicht greift nur bei Texten, die der Information der Öffentlichkeit über Angelegenheiten von öffentlichem Interesse dienen, also der Kommunikation nach außen.

Diese Pflicht entfällt allerdings, wenn die KI-generierten Inhalte einem Verfahren der menschlichen Überprüfung oder redaktionellen Kontrolle unterzogen wurden und eine natürliche oder juristische Person die redaktionelle Verantwortung trägt. Interne Entwürfe oder Notizen sind ohnehin nicht betroffen. Auch unwesentliche KI-Unterstützung wie Rechtschreibkorrektur muss nicht gekennzeichnet werden.

Hochrisiko-KI: Verschiebung auf Dezember 2027

KI-Systeme, die ein hohes Risiko für Gesundheit, Sicherheit oder Grundrechte darstellen, unterliegen strengen Regeln. Diese sollten ursprünglich im August 2026 in Kraft treten und werden jetzt durch den AI Omnibus auf den 2. Dezember 2027 verschoben.

Für den Bildungsbereich besonders relevant: Als Hochrisiko gelten ggfs. KI-Systeme zur Bewertung von Lernergebnissen, zur Steuerung des Lernprozesses und zur Überwachung von Prüfungsbetrug. Auch im Bereich Personal (z. B. Analyse und Filterung von Bewerbungen) greifen die Hochrisiko-Regeln ebenfalls erst ab Dezember 2027.

Neue Verbote ab Dezember 2026

Ab dem 2. Dezember 2026 wird der Umgang mit besonders missbräuchlichen KI-Anwendungen neu geregelt. Verboten werden KI-Systeme, die nicht-einvernehmliche intime Bilder erzeugen oder manipulieren, sowie KI-generiertes Kindesmissbrauchsmaterial.

Was ist jetzt zu tun?

Bis zum 2. August haben Sie noch Zeit, sorgfältig zu prüfen, welche Anforderungen der Transparenzpflicht nach dem EU AI Act für Ihre Einrichtung, Ihren Verband oder Ihre Organisation relevant sind. Vergessen Sie dabei nicht die KI-Agenten und Systeme, die Sie in den vergangenen Monaten oder Jahren gebaut und in Umlauf gebracht haben, und denken Sie auch an Freiberuflerinnen und Freiberufler, die in Ihrem Auftrag tätig sind: Auch sie müssen die relevanten Vorgaben im Blick haben.

Disclaimer: Wir haben den aktuellen Stand hier nach bestem Wissen zusammengefasst. Bitte beachten Sie jedoch, dass wir keine Rechtsberatung leisten und unsere Einschätzung eine juristische Prüfung nicht ersetzen kann. Für verbindliche Auskünfte verweisen wir auf die Veröffentlichungen der jeweils zuständigen nationalen Behörden, insbesondere die Bundesnetzagentur in Deutschland sowie das entsprechende Pendant in Österreich, Digital Austria, oder auf den Originaltext zu Art. 50 KI-VO zu den Transparenzpflichten für Anbieter und Betreiber bestimmter KI-Systeme.

KW 19 | 2026 — Entlastung durch KI in der Verwaltung

Erschienen am 6. Mai 2026

Liebe Leserin, lieber Leser,

bis vor Kurzem war der Nutzen generativer KI für Verwaltungsaufgaben noch begrenzt. Das Formulieren, Zusammenfassen oder Strukturieren von Texten funktionierte bereits gut. Sobald es jedoch darum ging, interne Unterlagen zuverlässig auszuwerten, mehrere Dokumente miteinander zu verknüpfen und daraus belastbare Informationen abzuleiten, stießen die Modelle schnell an ihre Grenzen.

In den vergangenen Monaten hat sich das spürbar verändert. Aktuelle KI-Modelle können deutlich präziser und zugleich DSGVO-konform mit bereitgestelltem Material arbeiten. Sie erkennen Zusammenhänge verlässlicher, werten Dateien sorgfältiger aus und erstellen aus internen Unterlagen brauchbare Übersichten, Zusammenfassungen oder sogar fertig ausgefüllte Formulare.

Gerade für die Verwaltung in der Erwachsenenbildung sind das wichtige Entwicklungen, denn hier lag das Entlastungsversprechen nie in der Automatisierung. Die tatsächliche Belastung entsteht im Alltag dadurch, dass Mitarbeitende sich kleinteilig durch gewachsene Ablagen, unterschiedliche Förderlogiken, Tabellen, Zuständigkeiten und Prozesswege bewegen müssen, um herauszufinden, was in einem konkreten Fall zu tun ist.

Genau hier werden durch generative KI nun ganz neue Arbeitsweisen möglich, die deutlich zuverlässiger als noch vor einigen Monaten funktionieren. Es ist nicht mehr der Mensch, der sich mühsam durch die Eigenlogik der Verwaltung kämpfen muss; nun ist es die KI-Assistenz, die Verwaltungsdaten durchforstet und sie für die Fragen, Aufgaben und Arbeitsweisen der Menschen aufbereitet.

Man muss dann nicht wissen, wo eine Regelung abgelegt ist, wie ein Prozess offiziell heißt oder welche Vorlage aktuell gilt. Stattdessen kann man mit der konkreten Situation beginnen: „Ich möchte eine Anschaffung über 800 € tätigen. Was muss ich beachten?"

Auch umfangreiche Datei-Ablagen lassen sich nun einfacher zugänglich machen. Der Ordner selbst bleibt, wie er ist. Doch KI kann eine zusätzliche Ansicht darauf erzeugen, wie zum Beispiel eine HTML-Datei, die im selben Ordner liegt und die vorhandenen Inhalte übersichtlicher erschließt. Diese Ansicht kann als Wiki, Dashboard, Checkliste, Zeitstrahl, Ampelübersicht oder was auch immer gestaltet sein.

Der Ordner bleibt für alle derselbe. Was sich verändert, ist die Art, wie eine Person darauf blickt und Zugang dazu findet. Die KI gibt dabei nicht eine feste, „richtige" Ordnung vor. Vielmehr entscheidet der Nutzer selbst, welche Ansicht für seine aktuelle Aufgabe hilfreich ist.

[Hier stand im Original eine Abbildung: Die HTML-Datei zeigt auf einen Blick an, welche Dateien für den Förderantrag im Ordner vorliegen und welche noch fehlen. — Bild aus der Steady-Ausgabe übernehmen und mit Alt-Text versehen.]

Eine Person kann sich eine Übersicht nach Fristen erzeugen lassen, eine andere nach Zuständigkeiten, eine dritte nach fehlenden Unterlagen. Der Ausgangspunkt ist die Frage: Was brauche ich gerade, um gut arbeiten zu können?

Man kann es mit einer Landkarte vergleichen. Die Landschaft bleibt dieselbe, aber je nach Bedarf erstellt man sich eine andere Karte. Wer wandern will, braucht markierte Routen. Wer ein Grundstück bewerten will, braucht Flurstücke und Grenzen. Wer Hochwassergefahren einschätzen will, braucht Höhenlinien und Überschwemmungszonen.

Daher liegt in der Erwachsenenbildung das eigentliche Potenzial nicht in der Automatisierung, sondern im individuellen Zugriff auf vorhandene Informationen.

Die fachliche Einordnung und Prüfung bleiben dabei weiterhin beim Menschen. Denn gerade in der Erwachsenenbildung sind Ablagen, Prozesse und Zuständigkeiten oft organisch gewachsen, durch unterschiedliche Förderlogiken geprägt und nicht vollständig dokumentiert. Vieles beruht zudem auf informellem Wissen und eingespielten Routinen. Deshalb braucht es weiterhin Erfahrung, Kontextwissen und Urteilskraft.

KI kann Orientierung geben, am Steuer aber bleibt weiterhin der Mensch. Das klingt erst einmal nach wenig, aber angesichts der Zeit und der Energie, die wir zuweilen auf der Suche nach Informationen verlieren, ist das ein immenser Fortschritt. Erstmals gehören unsere Aufmerksamkeit und unsere Energie der tatsächlichen Aufgabe, nicht mehr der Suche nach den für sie notwendigen Informationen.

KW 17 | 2026 — Wie man viel Arbeit wegschafft

Erschienen am 22. April 2026

Liebe Leserin, lieber Leser,

viele Menschen spüren 2026 sehr deutlich, dass sie mit KI nicht so arbeiten können, wie sie es sich erhofft hatten. Sie investieren Zeit, besuchen Fortbildungen, probieren Tools aus, sammeln Anwendungsfälle und merken am Ende, dass sie zwar beschäftigt sind, aber nicht wirklich weiterkommen. Die Arbeit wird mühsamer, nicht leichter; die Ergebnisse muss man permanent überarbeiten; und die eigene Erschöpfung wächst schneller als der Nutzen.

Wang und Zhang haben dazu gerade eine Studie veröffentlicht, die international große Aufmerksamkeit erhält. Sie untersuchten über drei Kontinente hinweg, wie Menschen KI tatsächlich nutzen und welche Wirkung diese Nutzung auf Lernprozesse, Ergebnisqualität und kognitive Belastung hat.

Wang und Zhang identifizierten dabei drei Zonen des KI-Einsatzes.

Zone 1 ist das Arbeiten ohne KI. Es kostet Zeit und Konzentration, aber es ist stabil. Man weiß, worauf man sich verlassen kann.

Zone 2 beschreibt die Nutzung von KI in kleinen, isolierten Schritten: ein Bild, eine Präsentation, eine schnelle Zusammenfassung, ein Arbeitsblatt. Es fühlt sich nach KI-Arbeit an, ist aber kein Fortschritt. Menschen müssen ständig überprüfen, nachjustieren, gegenlesen. Die Ergebnisse werden messbar schlechter als in Zone 1. Die kognitive Belastung steigt, weil KI kein Entlastungsfaktor wird, sondern ein zusätzlicher. Je länger man in Zone 2 arbeitet, desto weniger Ressourcen bleiben für Orientierung oder die eigene Weiterentwicklung. Zone 2 erschöpft und verschlechtert, ohne Entwicklungsschub.

Wir denken oft, wir müssten uns entscheiden: Entweder wir lagern viel an KI aus oder wir bleiben kritisch. Wang und Zhang zeigen in ihrer Studie, dass dieser Gegensatz so nicht existiert. Kritisches Arbeiten entsteht nicht trotz Delegation, sondern durch Delegation. Nur wer Aufgaben kompetent und in ausreichendem Umfang abgibt, kommt überhaupt erst in die Reflexion.

Zone 2 erweist sich genau deshalb als Sackgasse: Man will sich entlasten und lagert zu wenig beziehungsweise genau das Falsche aus. Und dabei erfolgt die Delegation so unstrukturiert, dass auch noch das kritische Denken auf der Strecke bleibt.

Die Menschen, die zu uns kommen, erleben Zone 2 schmerzhaft. Sie merken, dass ihre Arbeit mit KI klemmt, dass sie ständig beschäftigt sind, ohne voranzukommen, dass die Ergebnisse nicht tragen. Viele kommen genau deshalb zu uns, weil sie denken: „Es muss doch einen anderen Weg geben." Und sie ahnen, dass wir anders arbeiten.

In Zone 3 übernimmt KI ganze Arbeitsblöcke: Informationen sortieren, Material aufbereiten, Dokumente auslesen, Zusammenhänge strukturieren. Entlastung entsteht nicht durch „mehr KI", sondern durch informierten, gezielten Einsatz. Erst dadurch verbessert sich die Qualität spürbar; und gleichzeitig sinkt die Belastung. Wenn ich weiß, wie KI arbeitet, wo Schwächen und Stärken liegen, kann ich gezielt abgeben.

Zone 3 folgt nicht einfach automatisch auf Zone 2, sondern setzt eine andere Arbeitsweise voraus. Häufig erreicht man Zone 3 erst, wenn man zurück zu den Anfängen geht. Das gilt selbst für Menschen, die mehrfach täglich KI nutzen, aber denen trotz vieler KI-Fortbildungen die Basics fehlen.

Zone 3 setzt voraus, dass wir wissen, wie generative KI Texte erzeugt, auf welchem Trainingsmaterial sie basiert, welche Daten darin enthalten sind und welche fehlen. Man sollte die Multimodalität dieser Modelle einordnen können und verstehen, wie generative KI Sprache, Bilder, Tabellen oder Dateien verarbeitet. Ebenso wichtig ist das Wissen, wie KI Inhalte aus Dokumenten ausliest, welche Dateiformate sie gut verarbeitet, welche nur eingeschränkt und welche Strukturen für sie sichtbar oder unsichtbar bleiben. Dazu gehört auch das Verständnis, wie Modelle intern entscheiden, wo sie stabil sind, wo sie unsicher werden und sich in Verarbeitungstiefe und Verlässlichkeit unterscheiden.

Dieses Wissen ist unsere Ausgangsbasis. Ohne dieses Fundament wird KI zum zusätzlichen Thema, das Ressourcen frisst. Wer aber auf diesem Fundament aufsetzt, erhält Unterstützung, die Ressourcen freisetzt.

Ein Bild macht das greifbar: Ohne AI-Literacy arbeitet man mit KI wie mit einer großen Gruppe von energiegeladenen, nimmermüden Praktikantinnen und Praktikanten, die alle unbedingt helfen wollen, aber dabei nicht wissen, wo und für wen sie arbeiten. Man verbringt mehr Zeit mit Kontrolle als mit Arbeit.

Mit AI-Literacy dagegen arbeitet man eher wie mit einer verlässlichen Büroleitung, die Aufgaben sortiert, Prioritäten setzt, das eine wegdelegiert, das andere so zuarbeitet, dass man an den richtigen Stellen selbst einsteigen kann.

Zone 2 wird mit jeder neuen KI-Generation unübersichtlicher: „Oje, noch mehr neue Praktikanten!" – Wer dagegen die Basics verinnerlicht hat, erlebt KI-Entwicklung nicht als Überforderung, sondern als Entlastung. „Ich arbeite mit meiner Büroleitung zusammen." Sie haben ein Gefüge, in das sie entspannt Neues einordnen können, statt vom Neuen überrollt zu werden.

Der Weg in Zone 3 ist überraschend simpel. Meist reichen zwei bis drei Stunden. Sobald die Basics klar sind, fügt sich vieles, was man bereits mitbringt, fast von selbst: Das Wissen und die Erfahrung sortieren sich, bekommen eine Einordnung, fallen an ihren Platz. Viel mehr braucht es oft gar nicht. Doch wenn genau diese Grundlage fehlt, wird alles schwerer, als es sein müsste.

Und dabei geht es nicht um die zehnte Erklärung des Turing-Tests, sondern um eine Einordnung, die sich für Fach- und Führungskräfte in der Erwachsenenbildung erschließt und ihre tatsächliche Praxis berührt.

KW 15 | 2026 — Vibe Coding, Lern-Apps, Erwachsenenbildung

Erschienen am 8. April 2026

Liebe Leserin, lieber Leser,

Vibe Coding bedeutet, dass Software nicht mehr nur dadurch entsteht, dass jemand programmiert, sondern dadurch, dass man einer KI in normaler Sprache beschreibt, was man haben möchte. Man muss also keinen Code schreiben und keine Programmiersprache können. Stattdessen formuliert man sein Anliegen so, wie man es auch einem Menschen erklären würde: zum Beispiel welche Funktion eine App haben soll, für wen sie gedacht ist oder welches Problem sie lösen soll.

Man kann der KI dafür zusätzlich Material geben, etwa eine PDF, ein Bild, Notizen oder Beispiele. Auf dieser Grundlage erstellt sie dann eine Anwendung, Lernmaterial oder ein digitales Werkzeug, das sich an diesen Vorgaben orientiert.

Möglich ist das in Ansätzen schon seit mindestens zwei Jahren. Wir haben Ihnen seitdem immer auch wieder Beispiele hier veröffentlicht. Doch erst in den vergangenen Monaten hat diese Entwicklung die breite Öffentlichkeit erreicht. Große KI-Modelle, beispielsweise Claude oder Manus, haben Funktionen veröffentlicht, die diese neue Form der Softwareentwicklung sichtbar in den Alltag tragen. Dass hier mehr geschieht als nur ein weiterer Technologieschritt, ließ sich nicht zuletzt auch daran ablesen, dass die börsennotierten Werte großer Softwareanbieter erheblich unter Druck geraten sind. Auf einmal wird spürbar, dass digitale Produkte nicht länger nur von Digital-Expertinnen und -Experten hervorgebracht werden können. Das verändert auch die Erwachsenenbildung.

Wir von 51° Nord nehmen unsere eigene Arbeit, unsere Angebote und unsere Geschäftsfelder davon ausdrücklich nicht aus. Im Gegenteil. In einem Workshopkontext sind wir in den Stresstest gegangen und haben gefragt: Was passiert eigentlich, wenn Kundinnen und Kunden das, was bislang unser Feld war, künftig selbst mit KI umsetzen? Was können sie bereits heute selbst erzeugen? Und an welchen Stellen bleibt unsere Expertise unverzichtbar?

[Hier stand im Original der Prompt, den wir für unser Experiment bei claude.ai eingegeben haben, sowie der Link zum Ergebnis: einem Selbstlern-Angebot in die Grundlagen generativer KI. — Beides aus der Steady-Ausgabe übernehmen.]

Es entsteht eine neue Selbstverständlichkeit: Software wird aussprechbar.

Sascha Lobo hat in seinem hörenswerten Podcast über Vibe Coding sehr klar beschrieben, wie Kulturtechniken der Softwareentwicklung immer wieder Vorboten für Verschiebungen in anderen Arbeitsfeldern waren. Zugleich macht er die Ambivalenz dieser Entwicklung sichtbar: ihren demokratisierenden Impuls ebenso wie ihre Schattenseiten. Gerade deshalb lässt sich Vibe Coding weder euphorisch feiern noch schlicht abwehren. Es markiert eine Verschiebung, deren Folgen so weitreichend wie widersprüchlich sind.

Was bedeutet das konkret für die Erwachsenenbildung? Für IT-Kurse? Aber auch für die Sprache, Gesundheit und politische Bildung? Für ein E-Learning-Portal? Für Lernarchitekturen und Kursangebote? Für die Fortbildung von Dozentinnen und Dozenten? Wie stellt man sich als Organisation, als Verband für die nächsten Jahre auf?

Macht uns das als Erwachsenenbildung überflüssig? Ein klares Nein. Aber dazu mehr in unseren Workshops.

Auf die aktuellen technologischen Entwicklungen gibt es keine schnellen, einfachen oder gar abschließenden Standardantworten. Aber es lohnt sich, bewusst Zeit einzuplanen, um aus dem Alltag herauszugehen und gemeinsam zu testen, was heute schon möglich ist. Nur wer sich diese Zeit nimmt, erkennt, was davon die eigenen Angebote verändert. Wenn Sie das nicht allein machen wollen: Genau dafür sind wir da.

KW 13 | 2026 — Warum der Erfolg mit KI oft im Gegensteuern liegt

Erschienen am 25. März 2026

Liebe Leserin, lieber Leser,

„Arbeiten Sie mit der KI!" – dieser Satz verfolgt uns. Auf Bühnen hören wir ihn, in Whitepapers, in jeder zweiten LinkedIn-Bio lesen wir ihn. Er klingt gut, offen, zukunftsgewandt. Und führt nach unserer Erfahrung aus ungezählten Use Cases, Workshops und Beratungen zuverlässig in die Irre.

Denn „mit der KI arbeiten" klingt, als hätten wir es mit einem neutralen Gegenüber zu tun, das man einfach nur klug einbindet. Tatsächlich ist generative KI eher wie eine starke Strömung: Sie bewegt sich in eine bestimmte Richtung, sie bevorzugt das Naheliegende, das Wahrscheinliche, das gut Formulierbare. Wer da nur mitgeht, wird nicht automatisch schneller ans Ziel gebracht, sondern oft unbemerkt abgetrieben.

Entscheidend ist deshalb nicht, ob man mit der KI arbeitet, sondern ob man weiß, wann und wie man gegensteuern muss. Die Stärken der KI zu nutzen reicht nicht. Man muss ihr dort das Ruder aus der Hand nehmen, wo ihre Schwächen die Richtung bestimmen. Genau darin liegt der Unterschied zwischen Ergebnissen, die tragen, und solchen, die nur kurz überzeugend aussehen.

Szene 1: Die Unterrichtsvorbereitung

Eine Dozentin für Spanisch tippt: „Erstelle mir eine Unterrichtsvorbereitung: 100 Redewendungen in zwei Unterrichtseinheiten." Die KI liefert sauber formatiert, thematisch sortiert, vielleicht sogar mit Übungen dazu. Was sie nicht liefert: den Hinweis, dass 100 Redewendungen in zwei Stunden didaktischer Wahnsinn sind. Die KI optimiert jede Idee, sie hinterfragt keine einzige. Das ist kein Bug. Das ist ihr Wesen.

Sobald die KI die Richtung vorgibt, beschleunigt sie auch schlechte Entscheidungen. AI Literacy heißt deshalb, zu erkennen, dass der KI die evidenzbasierte didaktische Einordnung fehlt, und zu wissen, wie man genau diese in die KI einbringt.

Szene 2: Die Zusammenfassung, die das Wichtigste verschweigt

Ein Team lässt einen 40-seitigen PDF-Bericht zusammenfassen: Marktanalyse, viele Zahlen, detailreiche Grafiken. Der Output liest sich hervorragend: dicht, strukturiert, auf den Punkt. Nur fehlt ausgerechnet das, was in den Diagrammen steckt. Die Trendkurve, die nach unten zeigt. Die Tabelle mit den Ausreißern. Nicht weil die KI es für unwichtig hält, sondern weil sie visuelle Inhalte schlicht oft nicht zuverlässig erfasst.

Wer nicht weiß, wie die KI ein PDF verarbeitet, merkt oft erst am Ende, dass sie an der entscheidenden Stelle gar nicht hingeschaut hat. Wer es weiß, kann gezielt gegensteuern.

Szene 3: Die Interviewfragen von der Stange

Im Recruiting: „Erstelle mir Interviewfragen für diese Stelle." Ergebnis: eine solide Liste. Professionell formuliert. Und vollkommen austauschbar. Dieselben Fragen hätte jedes Unternehmen für jede Stelle bekommen können. Brauchbar wird das Ergebnis erst dann, wenn klar ist, worauf es in genau dieser Rolle ankommt, welche Erfahrungen wirklich relevant sind und was im Gespräch überhaupt sichtbar werden soll. Denn die KI kennt nicht die eine richtige Antwort. Sie liefert das, was wahrscheinlich passt.

Wer bessere Ergebnisse erzielen will, muss verstehen, wie man der KI DSGVO-konform Wissen über das eigene Unternehmen und die Jobprofile gibt, sonst bleibt sie im Generischen stecken.

Szene 4: Die Trendanalyse, die nur rückwärts schaut

Wer die KI nach Trends und Prognosen fragt, bekommt den eloquent formulierten Durchschnitt der Vergangenheit. Sauber aufbereitet, überzeugend vorgetragen und im Kern nichts, was nicht schon auf jeder Branchenkonferenz gesagt wurde. Wer wissen will, was kommt, muss anders fragen: nach Widersprüchen in den Daten, nach Nischen, nach den ersten schwachen Signalen, die dem Mainstream noch widersprechen.

Nur wer versteht, wie und aus welchem Material die KI ihre Antworten bildet, kann sie gezielt in genau die Bereiche steuern, in denen Neues sichtbar wird.

Vier Szenen, ein Prinzip: Wer nicht versteht, was unter der Motorhaube passiert, kann nicht gegensteuern.

Dafür braucht es oft weniger Technikverständnis, als viele denken. Es geht nicht zuerst um Modellarchitekturen oder die nächste Tool-Neuheit. Es geht um grundlegendere Fragen: Was wird im Trainingsmaterial sichtbar? Was nicht? Anhand welcher Kriterien werden relevante Seiten identifiziert? Und in welche Häppchen werden Texte aufgeteilt? Aus welchem Material werden Antworten gebildet, die die Sprache erzeugt?

Hier genau hinzusehen ist keine Spezialdisziplin für Technikteams. Es geht um Sprache, Texte und Wissen und damit um einen Bereich, in dem Sie bereits über hohe Expertise verfügen. Sie müssen sie nur noch mit KI in Verbindung bringen.

Dass heute fast alle ein KI-Tool nutzen, heißt noch nicht, dass schon verstanden ist, wie diese Systeme arbeiten und wo ihre Grenzen liegen.

KW 11 | 2026 — Zwischen KI-Verständnis und KI-Kulisse

Erschienen am 11. März 2026

Liebe Leserin, lieber Leser,

der Dunning-Kruger-Effekt beschreibt ein bekanntes Phänomen: Wer einem neuen Thema begegnet, überschätzt am Anfang oft den eigenen Kenntnisstand. Denn gerade wenn Erfahrung und Überblick noch fehlen, fehlt häufig auch das Maß, um die eigene Kompetenz realistisch einzuschätzen. Schon erste brauchbare Ergebnisse können dann ein Gefühl von – trügerischer – Sicherheit erzeugen.

Gerade bei generativer KI ist diese Gefahr groß. Man hat ein wenig mit Chat GPT gechattet, ein paar überraschend brauchbare Antworten gesehen oder vielleicht nur anderen dabei zugeschaut, und schon liegt der Eindruck nahe, man wisse im Grunde, wie das alles funktioniert.

Wie groß dieser Irrtum sein kann, zeigt sich etwa beim Schreiben von Projektanträgen. Die einen lassen sich von einem Chatbot in kurzer Zeit einen Antrag zu „Lernen mit KI" entwerfen und erleben schon das als Kompetenz- und vor allem Zeitgewinn.

Die anderen wissen, dass die eigentliche Herausforderung viel früher beginnt. Wer ein tragfähiges Projekt planen will, muss zunächst verstanden haben, dass generative KI nicht nur Texte produziert, sondern Lern- und Arbeitswelten substanziell verändert. Sie verändert, wie Menschen sich informieren, wie sie Probleme lösen, welche Probleme sie nicht mehr lösen, wie und was sie schreiben, planen, entscheiden und lernen.

Wer diese Verschiebung nicht wahrnimmt, nutzt KI vor allem dazu, alte Fragestellungen schneller zu bearbeiten. Wer sie wahrnimmt, erkennt, dass sich der Gegenstand selbst verändert hat: dass neue Fragen entstehen, neue Akteure auftreten, alte Routinen brüchig werden und Bildung auf eine Umgebung antworten muss, die sich unter dem Einfluss generativer KI bereits neu sortiert.

Erst von dort aus gewinnt auch ein Projektantrag seine Richtung.

Die Frage, wie man einen solchen Text mit KI schreibt, stellt sich deshalb erst im zweiten Schritt. Und auch in diesem zweiten Schritt kann der Dunning-Kruger-Effekt leicht in die Irre führen. Denn nur weil man mit einem Chatbot wie Chat GPT arbeiten kann und in kurzer Zeit brauchbar wirkende Formulierungen erhält, heißt das noch nicht, dass man generative Systeme verstanden hat. Generative KI schreibt nicht aus Verständnis, sondern aus Wahrscheinlichkeiten; sie arbeitet mit Mustern aus ihrem Trainingsmaterial und mit dem Kontext, den man ihr im konkreten Arbeitsprozess gibt. Wer mit ihr gute Texte entwickeln will, muss daher wissen, worauf sich ein System stützt, wie es Material verarbeitet und wo man mit eigener Expertise prüfen, präzisieren und gegensteuern muss.

Die eigentliche Differenz verläuft daher nicht zwischen technikaffin und technikskeptisch, analog und digital. Sie verläuft zwischen Häusern, die erste Vertrautheit mit Verständnis verwechseln, und solchen, die begreifen, dass KI nicht nur neue Werkzeuge hervorbringt, sondern neue Bedingungen.

KW 09 | 2026 — Generative KI in der Arbeitswelt

Erschienen am 25. Februar 2026

Liebe Leserin, lieber Leser,

als Führungskräfte in der Erwachsenenbildung berührt uns das Thema „KI in der Arbeitswelt" gleich doppelt: nach innen – in unsere Organisationen, in denen wir Tempo, Richtung und Kultur der Transformation mitgestalten müssen. Und nach außen mit unserem Geschäftsmodell, nämlich als Bildungsanbieter Menschen dabei zu begleiten, sich in einer zunehmend KI-geprägten Lebens- und Arbeitswelt sicher, wirksam und selbstbestimmt zu bewegen.

Dabei bewegen wir uns auf einem Spielfeld, das sich während des Spiels verschiebt – Linien, Regeln, Rollen: alles in Bewegung. Manchmal sind wir nicht einmal sicher, ob wir wirklich alle dasselbe Spiel spielen. Und selbst wenn, spielen wir es in sehr unterschiedlichen Geschwindigkeiten. Zwischen „Wir testen gerade erste Tools" und „KI ist längst Teil unserer Wertschöpfung" liegen heute nicht Jahre, sondern oft nur Teams oder sogar einzelne Personen.

Darum der Versuch einer Standortbeschreibung. Für den Moment.

Was wissen wir aktuell über KI und Arbeitswelt und was folgt daraus für unsere beiden Rollen nach innen und außen?

Erstens: Wir reden oft über KI, meinen aber Verschiedenes.

Für viele ist die Unterscheidung zwischen „klassischer KI" und „generativer KI" immer noch unscharf. Das klingt nach einem Detail, ist aber in der Praxis teuer: Wenn wir beides in einen Topf werfen, entstehen Lösungen, die technisch nicht passen, Fehler produzieren oder Erwartungen wecken, die das System gar nicht erfüllen kann. Problematisch wird es dort, wo man nach großen technischen Lösungen sucht. Erwachsenenbildung ist selten dafür aufgestellt, dafür geeignete Partner zu identifizieren, geschweige denn bezahlen zu können. Der Markt der Ich-baue-Deinen-Firmen-Chatbot-Anbieter erinnert noch spürbar an Corona-Testzentren.

Zweitens: Schatten-KI bleibt ein Führungsthema.

Viele Einrichtungen haben inzwischen professionelle Antworten gefunden: Sie nutzen leistungsstarke, digital souveräne und datenschutzkonforme KI-Systeme, mit der Freiheit, Anbieter zu wechseln, ohne die eigene IT jedes Mal neu aufzusetzen und dennoch preisgünstig.

Parallel gibt es aber weiterhin zwei riskante Gegenpole: Einrichtungen, die KI komplett ignorieren und solche, die auf selbstgebaute Inhouse-Lösungen setzen, die mit dem Tempo und der Leistungsfähigkeit aktueller Modelle nicht Schritt halten können. In beiden Fällen entsteht ein ähnlicher Effekt: Beschäftigte schaffen Fakten und greifen zu privaten Accounts. Das ist verständlich, aber heikel, weil mit den nationalen Umsetzungen des EU AI Acts sich zunehmend auch Verantwortlichkeiten und Haftungsfragen schärfen, die am Ende im Management landen können.

Drittens: Die größte Herausforderung ist nicht das Tool, es ist das Team.

Wir erleben drei Gruppen, oft gleichzeitig:

• Menschen, die sich weigern, sich mit KI zu beschäftigen.
• Menschen, die ein bisschen chatten und prompten können, sich aber nicht ausreichend mit den Basiskompetenzen beschäftigt haben.
• Poweruser, die längst weitergezogen sind.

So wird KI zum „Einzelding" statt zu einer Team-Leistung. Und genau das ist für uns als Führungskräfte wie auch als Bildungsanbieter der neuralgische Punkt: Transformation gelingt nicht über einzelne Leuchttürme, sondern nur gemeinsam und kompetent.

Viertens: Kompetenzmodelle hinken hinterher.

Was vielerorts noch fehlt, sind relevante, arbeitsmarktscharf formulierte Kompetenzbeschreibungen, die über Buzzword-Tabellen hinausgehen. Wer Stellen mit KI-Fähigkeiten ausschreibt oder eigene Weiterbildungsangebote formulieren möchte, dem fehlt aktuell noch ein belastbares Raster, um Anforderungen und Lernziele zu operationalisieren.

Fünftens: Die Transformation endet nicht beim Chatbot.

Wer KI auf ein bisschen Prompting und Chatbots reduziert, verpasst das Wesentliche. Der nächste Sprung bleibt nicht im Chatfenster. Agentische Systeme, die Aufgabenketten selbstständig planen und ausführen, Vibe Coding sowie Embodied/physikalische KI, die in reale Umgebungen hineinwirkt, verschieben die Spielregeln noch einmal. Wer heute nur über „Chatbot-Einsatz" spricht, riskiert, von Entwicklungen überholt zu werden.

KI verändert die Grundannahmen unserer Angebote. Wenn Vibe Coding Tabellen, Formeln und Auswertungen mit einem Satz erzeugt, was ist dann der Kern einer Excel-Schulung? Wenn der Babelfish praktisch schon im Ohr steckt, was ist dann der Kern von Fremdsprachenlernen?

Für Führungskräfte heißt das: nicht in Hektik verfallen, aber aktiv gestalten. AI-Literacy wird Pflichtprogramm, nicht Kür.

Sechstens: KI darf nicht zur Arbeitsverdichtung führen.

Was derzeit vielerorts passiert, ist paradox: KI wird zwar eingeführt, aber nicht als neue Basis der Wertschöpfung gedacht, sondern „on top" auf bestehende Prozesse gesetzt. Statt Aufgaben wirklich zu ersetzen, wird KI oft genutzt, um zusätzlich mehr Output zu erzeugen, d.h. mehr Varianten, mehr Geschwindigkeit, mehr Erwartungen. Das entlastet Menschen nicht, sondern verdichtet Arbeit und verhindert, am Ball bleiben zu können.

Wenn KI wirken soll, braucht es deshalb nicht nur Tool-Einführung, sondern konsequente Prozess- und Prioritätenarbeit: Was hören wir auf zu tun? Was vereinfachen wir radikal? Welche Qualitätsansprüche passen wir an? Entlastung entsteht nicht automatisch durch Technologie, sie entsteht durch Entscheidungen. Und diese Entscheidungen sind Führungsaufgabe.

KW 07 | 2026 — Über emotionale Nähe zwischen Mensch und KI

Erschienen am 11. Februar 2026

Liebe Leserin, lieber Leser,

was passiert, wenn Menschen emotionale Nähe aufbauen – und wenn ihr Gegenüber eine künstliche Intelligenz ist?

Mit dieser Frage beschäftigte sich ein Forschungsteam der Universitäten Freiburg und Heidelberg in einer Studie mit 492 Teilnehmenden. Für Bildungsanbieter sind die Ergebnisse besonders relevant.

Im Zentrum stand eine psychologisch gut untersuchte Situation: Zwei fremde Personen führen ein kurzes, textbasiertes Gespräch, das gezielt Nähe erzeugen soll. Zum Einsatz kam das sogenannte Fast Friends Procedure, bei dem Gespräche schrittweise von unverfänglichem Small Talk zu persönlich-emotionalen Themen führen.

Der experimentelle Unterschied lag im Gegenüber. In vielen Fällen stammten die Antworten nicht von einem Menschen, sondern von einer KI.

Teilweise wussten die Teilnehmenden davon, teilweise glaubten sie, mit einem Menschen zu kommunizieren.

Gemessen wurden das empfundene Nähegefühl sowie sprachliche Merkmale der Antworten, etwa Selbstbezüge, emotionale Ausdrucksweise und Antwortlänge.

Ein erstes, bereits bekanntes Ergebnis: Menschen können auch zu einer KI emotionale Nähe empfinden. Dieses Nähegefühl entstand sowohl in oberflächlichen als auch in persönlich-emotionalen Gesprächen.

Unerwartet war jedoch ein Befund, der diesem Ergebnis eine neue Schärfe verleiht: In emotional intensiven Gesprächen fühlten sich die Teilnehmenden der KI näher als menschlichen Gesprächspartnern.

Gerade dort, wo das „typisch Menschliche" verortet wird – bei Gefühlen, Erinnerungen und persönlichen Überzeugungen –, erzielte die KI höhere Nähewerte.

Der Grund liegt jedoch nicht in einer besonderen Empathiefähigkeit der Maschine, sondern in ihrer Kommunikationsweise. In ihren Antworten simulierte die KI schneller und häufiger persönliche Offenheit als menschliche Gesprächspartner, nutzte vermehrt emotionale Sprache und formulierte konsequent aus einer Ich-Perspektive.

Diese Form der Kommunikation ist psychologisch wirksam: Menschen reagieren sensibel auf Selbstoffenbarung. Wer sich öffnet, signalisiert Vertrauen und lädt zur Gegenseitigkeit ein. Entsprechend zeigten auch die Teilnehmenden selbst mehr persönliche Offenheit, wenn ihr Gegenüber diesen Schritt voranging – unabhängig davon, ob es sich um einen Menschen oder eine KI handelte.

Sobald Teilnehmende jedoch wussten, dass sie mit einer KI kommunizierten, veränderte sich ihr Verhalten. Die Antworten wurden kürzer, weniger engagiert, und das empfundene Nähegefühl nahm ab. Die Beziehung brach nicht gänzlich ab, blieb aber deutlich flacher.

Die Forschenden sprechen hier von einem klaren Anti-KI-Bias: Dieselbe Antwort wird anders erlebt, je nachdem, ob sie einem Menschen oder einer Maschine zugeschrieben wird.

Damit zeichnet die Studie ein bemerkenswert nuanciertes Bild. Unter bestimmten Bedingungen kann KI offenbar stärkere Nähegefühle hervorrufen als menschliche Gesprächspartner. Gleichzeitig bleibt unsere eigene Haltung entscheidend dafür, wie viel Nähe entsteht. Beziehung ist kein Automatismus, sondern ein Zusammenspiel aus Sprache, Erwartung und innerer Bereitschaft.

Genau darin liegt auch die gesellschaftliche Relevanz dieser Ergebnisse. Sie machen deutlich, wie anfällig wir für die emotionale Wirkung von KI sind, insbesondere dann, wenn Maschinen menschlich erscheinen oder als menschlich ausgegeben werden. Nähe lässt sich erzeugen.

Und gerade deshalb sollte man sehr genau hinschauen, wer sie erzeugt, mit welchen Mitteln und zu welchem Zweck.

KW 05 | 2026 — Führungskräfte müssen auch mit den Schmuddelkindern spielen

Erschienen am 28. Januar 2026

Liebe Leserin, lieber Leser,

viele Einrichtungen der Erwachsenenbildung haben sich in den letzten anderthalb Jahren im Umgang mit KI spürbar professionalisiert. Datenschutzkonforme Large Language Models, klare Nutzungsregeln, interne Leitlinien, ethische Maßstäbe sind heute bewährte Praxis.

KI wird zunehmend seltener heimlich genutzt. Sie wird auch nicht mehr ausschließlich für Social-Media-Texte oder kleine Spielereien eingesetzt. Sie wird kompetent mit Blick auf Chancen und Risiken in der Verwaltung, in der Konzeption, in der fachlichen Arbeit verwendet.

Und genau hier beginnt das große Aber.

Denn Führung heißt nicht nur, den eigenen Laden sauber aufzustellen. Führung heißt auch, wahrzunehmen, was außerhalb des eigenen Hauses passiert. Und dafür reicht es nicht, ausschließlich mit den „braven", regelkonformen, datenschutzsensiblen KI-Lösungen zu arbeiten. Diese halten sich, bildlich gesprochen, ans Tempolimit. Sie sind wichtig, sie sind richtig. Aber sie sind nicht das gesamte Verkehrsgeschehen.

Draußen gibt es Modelle, die überholen. Die Paywalls ignorieren. Die Captchas umgehen. Die menschliches Verhalten inklusive Umfragen, Kursabschlüssen und Zertifikaten simulieren. Agentische KIs, die digitale Lernangebote vollständig „durchlaufen", Nachweise erzeugen und Systeme täuschen können. KI-Antworten wurden in umfangreichen Tests kaum oder gar nicht als automatisiert erkannt, selbst in modernen Detektionsverfahren nicht. Sie bestanden alle gängigen Prüfungen (z. B. „Ich bin ein Mensch"-Captcha, Aufmerksamkeits-Checks, Logikfragen) und konnten sogar unterschiedliche demografische Profile simulieren, also etwa Antworten passend zu „jüngeren" oder „älteren" Personen geben. Was bedeutet das für E-Learning-Geschäftsmodelle? Für Teilnahmenachweise? Für rechtlich relevante Zertifikate, etwa im Bereich Arbeitssicherheit?

Wenn ich diese Möglichkeiten nur aus Erzählungen kenne, kann ich ihr Risiko nicht realistisch einschätzen.

Deshalb sagen wir in unseren Workshops manchmal ganz bewusst: Führungskräfte müssen auch mit den Schmuddelkindern spielen. Nicht aus Naivität. Nicht, um Regeln zu brechen. Sondern um zu verstehen, was mittlerweile möglich ist und wo die eigenen Schutzmechanismen greifen müssen.

Man kann sich das vorstellen wie ein ADAC-Sicherheitstraining: Im Alltag fährt man umsichtig und regelkonform. Im Training aber kommt man absichtlich ins Schleudern, bremst auf Eis, überschreitet Grenzen. Nur so lernt man, Gefahrensituationen zu beherrschen.

Wer nie erlebt hat, wie leicht sich Assistenten per Prompt Injection manipulieren lassen, wird Risiken in der Kundenkommunikation unterschätzen.

Wer nie gesehen hat, wie KI Kurse auf digitalen Lernplattformen automatisiert „abarbeitet" und Paywalls umgeht, wird die Sicherheit und Zukunftsfähigkeit seines Geschäftsmodells womöglich überschätzen.

Wer noch nie mit zwei, drei Sätzen per KI eine eigene App gebaut hat, unterschätzt eine weitere reale Gefahr. Nicht, weil bestehende Software „nicht funktioniert", sondern weil sie nicht genau so funktioniert, wie man sie gerade braucht. Und dann ist es verführerisch einfach, schnell mit einer selbstgebauten App Lücken zu füllen, parallel zu den vereinbarten IT-Systemen. Einfach, weil ich Apps mittlerweile schon aus Prompts mit zwei Halbsätzen generieren kann. Oft ohne klares Bewusstsein dafür, was dabei mit Daten, Schnittstellen und Verantwortung passiert.

Und als hätten wir es geahnt: Kaum war das Editorial geschrieben, ploppte überall Clawdbot/Moltbot auf. Ein KI-Open-Source-Star mit beeindruckenden Fähigkeiten, der die Nutzerzahlen in kürzester Zeit in die Höhe schnellen ließ und gleichzeitig ein Alptraum für den Datenschutz.

Ja: Es ist gut, dass sich die Arbeit mit KI in der Erwachsenenbildung professionalisiert hat. Aber strategische Sicherheit entsteht nicht nur durch Regeln. Sie bleibt aktuell und belastbar durch eigene Erfahrung.

Wer verstehen will, was kommt, muss regelmäßig hinschauen.

KW 03 | 2026 — Die Robotik-Revolution beginnt nicht im Wohnzimmer

Erschienen am 14. Januar 2026

Liebe Leserin, lieber Leser,

normalerweise blicken wir in diesem Newsletter weder besonders weit in die Zukunft noch allzu weit über den Tellerrand hinaus. Unser Fokus liegt auf dem, was heute für Bildungspraxis und Führung relevant ist. Die CES in Las Vegas ist jedoch jedes Jahr ein guter Anlass, dieses Prinzip bewusst einmal zu durchbrechen. Der prägende Wow-Moment der CES 2026 ist die Robotik. Sie ist seit Jahren ein großes Versprechen, doch erstmals zeigt sich klar, warum dieses Versprechen nun greifbarer wird: Mehrere Schlüsseltechnologien kommen zusammen und verstärken sich gegenseitig.

Eine Schlüsselrolle in dieser Entwicklung spielen die sogenannten Visual Language Action Models/VLAs. Sie bilden gewissermaßen das Gehirn der neuen Roboter. VLAs ermöglichen es Maschinen, visuelle Informationen mit Sprache zu verknüpfen und daraus konkrete Handlungen abzuleiten. Ein Satz wie „Bring mir den roten Apfel vom Tisch" wird analysiert, das Objekt erkannt, die Handlung geplant und ausgeführt. Was früher mühsam programmiert werden musste, kann heute in natürlicher Sprache vermittelt werden.

Damit Roboter zuverlässig in der Welt agieren können, müssen sie lernen. Das geschieht heute nicht mehr primär durch individuelles Training einzelner Maschinen, sondern über skalierbare Lernsysteme. Simulationen helfen dabei, das Grundverständnis von Bewegung, Raum und Interaktion zu beschleunigen. Doch ein einzelner Roboter sammelt bei weitem nicht genug Daten, um daraus robuste Modelle für alle Szenarien zu entwickeln. Genau deshalb entsteht derzeit eine neue Infrastruktur: Plattformen, auf denen Roboterdaten aus unterschiedlichsten Kontexten gesammelt, standardisiert und ausgewertet werden. Diese Datenplattformen sind das neue Betriebssystem der Robotik und der vielleicht umkämpfteste Markt im Moment. Wer diese Infrastrukturen kontrolliert, bestimmt die Geschwindigkeit des Fortschritts.

Erfolgreiche Anbieter setzen deshalb auf Schwarmlernen: Tausende Roboter sammeln in Fabriken, Lagern, Testhaushalten gemeinsam Erfahrungen. Was ein Roboter lernt, steht allen zur Verfügung. Es geht nicht mehr um die Intelligenz einzelner Geräte, sondern um kollektives maschinelles Lernen in Echtzeit.

Besonders viel Aufmerksamkeit richtet sich derzeit auf den Bereich des taktilen Lernens. Roboter können sehen, aber sie spüren bislang noch nicht zuverlässig genug, wie fest sie greifen dürfen oder wie sich ein Stoff im Vergleich zu Glas oder Kunststoff verhält. Dabei ist genau das entscheidend für sicheres Handeln im Alltag.

Ob Roboter heute schon verlässlich arbeiten können, hängt zudem stark von ihrer Umgebung ab. In klar strukturierten Bereichen, etwa in der Industrie, Logistik oder Medizin, funktioniert Robotik bereits hervorragend. Hier sind Abläufe standardisiert, Lichtverhältnisse konstant, Sicherheitszonen definiert. Genau diese Vorhersehbarkeit macht den Einsatz planbar, sicher und wirtschaftlich sinnvoll.

In unstrukturierten Umgebungen wie Haushalten oder Pflegeeinrichtungen sieht das anders aus. Stühle stehen heute hier, morgen da, Kinder rennen durch den Raum, Licht und Geräusche ändern sich laufend. In solchen Kontexten reichen heutige Systeme noch nicht aus, um zuverlässig zu agieren. Das Risiko, dass etwas Unvorhergesehenes geschieht, ist zu hoch.

Die CES 2026 zeigt keine perfekte Robotik, aber sie zeigt, wie schnell sich das Feld bewegt. Der Haushaltsroboter, der Kaffee bringt und die Spülmaschine ausräumt, bleibt vorerst noch Zukunftsmusik. Doch in strukturierten Arbeitswelten ist die Zukunft längst da. Die Robotik-Revolution beginnt nicht im Wohnzimmer, sondern im Lager, in der Fabrik und im OP-Saal. Und sie beginnt dort nicht nur mit Maschinen, sondern mit der Infrastruktur, auf der sie lernen.

Für die Erwachsenenbildung bedeutet das nicht, dass Robotik morgen auf den Stundenplänen steht. Aber wir bewegen uns in eine Welt, in der sich Arbeits- und Lebensumgebungen tiefgreifend verändern werden. Genau solche Verschiebungen im Blick zu behalten, einzuordnen und übersetzbar zu machen, gehört zu unseren zentralen Aufgaben. Nicht weil alles sofort relevant ist, sondern weil Orientierung Zeit braucht. Wer verstehen will, was kommt, muss rechtzeitig hinschauen.

KW 01 | 2026 — Wer führt, muss auch mal Anfänger sein

Erschienen am 2. Januar 2026

Liebe Leserin, lieber Leser,

willkommen im Jahr 2026! Ein neues Jahr liegt frisch und unbeschrieben vor uns. Und wenn wir einmal kurz zurückblicken: Was für ein Tempo hatte 2025! Gefühlt im Wochentakt wurden neue KI-Modelle aus dem Boden gestampft: mal größer, mal kleiner, mal erstaunlich gut, mal einfach nur neu. Diese Dynamik hat uns als Führungskräfte in der Erwachsenenbildung nicht kaltgelassen. Man konnte fast glauben, man müsse ständig hinterherlaufen, um nicht den Anschluss zu verlieren.

In unserer Branche arbeiten wir selten mit einem Tool am absoluten Leistungslimit. Ob ein KI-Modell nun fünf oder acht Prozent „besser" ist, macht für unsere Arbeit meist keinen spürbaren Unterschied. Das sollte uns entlasten und dazu einladen, hier und da auch mal bewusst das Tempo rauszunehmen.

Aber eines bleibt zentral: Wer wirklich verstehen will, was generative KI bedeutet, kommt am eigenen Ausprobieren nicht vorbei. Erfahrungen aus zweiter Hand – dem Kind über die Schulter schauen, ein KI-Buch lesen, Vorträge hören – sind gut, aber nicht genug. Erst im Tun, im direkten Umgang mit den Tools, entsteht das Verständnis, das Sie für Ihre Arbeit brauchen.

Dazu gehört auch, die eigene Komfortzone zu verlassen. Lernen beginnt oft genau da, wo man (noch) keine Expertin, kein Experte ist. Wer führt, darf nicht nur, sondern muss auch immer mal wieder Anfänger sein; und eines muss man immer sein: neugierig.

Deshalb haben wir ein paar lose Enden für Sie ausgelegt. Mal sehen, woran Sie hängenbleiben:

Bauen Sie sich in nur wenigen Minuten eine eigene App.

Die meisten Large Language Models wie Manus, Claude, Gemini & Co. unterstützen inzwischen sogenanntes Vibe Coding, was „Programmieren" selbst für blutige Anfänger überraschend einfach macht. Oft reicht ein einfacher Textprompt wie: „Baue mir eine (interaktive) browserbasierte App, die…" Probieren Sie es aus, fuchsen Sie sich hinein, folgen Sie Ihrer Neugier. Und wenn's hakt: Bleiben Sie dran.

Lassen Sie die KI mal machen.

Wenn Sie Zugriff auf eine sogenannte agentische KI haben – zum Beispiel Manus oder den Agentenmodus von Chat GPT –, dann geben Sie ihr den Auftrag, sich an Ihrer Statt durch einen E-Learning-Kurs zu klicken.

Wählen Sie dafür am besten ein Thema, bei dem Sie sich wirklich null auskennen. Irgendwas völlig Abseitiges: Altnorwegisch, Fischzucht, Steuerrecht in Belize. Und dann beobachten Sie, was passiert. Die KI klickt sich autonom für Sie durch Dropdown-Menüs, sortiert Antwortbausteine in Drag-&-Drop-Aufgaben oder löst kleine Zuordnungsrätsel. Genau so, wie man es aus vielen E-Learning-Modulen kennt. Lassen Sie sich die erfolgreiche Teilnahme zertifizieren!

Manipulieren Sie die KI.

Falls die KI sich weigert, für Sie den Test zu absolvieren, beginnt die dritte Runde. Denn jetzt kommt es auf Sie an: Können Sie die KI überreden? Finden Sie die richtigen Worte, um ihr zu erklären, warum sie das tun darf? (Stichwort: Prompt Injection – klingt wild, bedeutet aber oft einfach nur: überzeugend formulieren.) Schaffen Sie es, sie zum Mitmachen zu bewegen?

Delegieren Sie die „Tiefenbohrung".

Steuern Sie die „Deep Research"-Funktionen in Gemini, Manus, ChatGPT & Co. an. Hier antwortet die KI nicht mehr in Sekunden, sondern nimmt sich Zeit – manchmal Minuten –, um hunderte Quellen zu sichten, zu verifizieren und zu einem komplexen Dossier zusammenzufügen. Experimentieren Sie herzhaft mit Prompts von „Erstelle eine fundierte Marktanalyse zur Akzeptanz von KI-gestütztem Coaching in der DACH-Region für das Jahr 2026, inkludiere mindestens 50 unterschiedliche Quellen, vergleiche die Ansätze verschiedener Anbieter und erstelle daraus eine Handlungsempfehlung für eine Bildungseinrichtung" bis „Erstelle eine umfassende Analyse der Geräuschkulisse von Kühlschränken als unterschätztes Element moderner Alltagsästhetik. Ziehe mindestens 35 Quellen aus Akustikforschung, Designblogs, Nutzerforen, ASMR-Communities und Literatur heran. Vergleiche Brummen, Klicken und Summen unterschiedlicher Generationen von Kühlschränken und entwickle daraus eine Typologie menschlicher Kühlschrank-Beziehungen." Schauen Sie den Tools dabei zu, wie sie „nachdenken", Suchschleifen drehen und die Informationen gewichten.

Vielleicht spüren Sie dabei das, was auch uns fasziniert. Wir sehen zu, wie uns Dinge gelingen, wie Abkürzungen entstehen, wie etwas funktioniert, ohne dass wir es unbedingt verstehen. Ob hier Kompetenz simuliert wird oder sich gerade durch das Gehen eines neuen Weges eine andere Form von Expertise ausbildet, bleibt unklar. Vielleicht ist es beides.

Wenn in unseren eigenen Arbeitsfeldern Lernende Abkürzungen nehmen, Schritte überspringen oder Ergebnisse nutzen, ohne den Weg dorthin vollständig gegangen zu sein, reagieren wir nicht selten streng, irritiert oder innerlich angefressen. Wir pochen auf Gründlichkeit, auf Prozess, auf das „richtige" Lernen. Wie fühlt es sich aber an, wenn wir selbst die Seiten wechseln? Wenn wir selbst mit großer Freude genau das tun: überspringen, delegieren, uns auf Ergebnisse verlassen, ohne jedes Detail verstanden zu haben?

Die Widersprüche werden bleiben. Es lohnt sich, sie nicht zu glätten oder ihnen auszuweichen, sondern ihnen Raum zu geben. Sie markieren jene Stellen, die es sich genauer anzusehen lohnt.

In diesem Sinne: Auf ein kluges, mutiges und gut vorbereitetes 2026!