Die meisten KI-Initiativen in L&D scheitern nicht am ersten Versuch. Sie scheitern danach. Ein Pilot läuft, das Team ist begeistert, und dann bleibt es bei diesem einen Anwendungsfall. Genau hier entscheidet sich die KI-Integration in L&D. Nicht im ersten Experiment, sondern im Sprung von der Insel in die Fläche.
L&D steht für Learning & Development, also den Bereich, der Weiterbildung und Personalentwicklung im Unternehmen verantwortet. Dieser Beitrag zeigt den Fahrplan, mit dem L&D-Abteilungen KI vom ersten Pilot zur breiten Nutzung bringen. Schritt für Schritt, ohne Show, mit Blick darauf, was im Alltag tragen muss.
Warum der Sprung vom Pilot zur Fläche scheitert
Ein Pilot ist ein geschützter Raum. Wenige Beteiligte, viel Aufmerksamkeit, hohe Motivation. Genau das macht ihn schlecht übertragbar. Was im Pilot funktioniert, läuft in der Breite gegen reale Hürden. Verantwortung ist unklar, Kompetenz fehlt, ein Datenschutzrahmen existiert nicht, der Anschluss an bestehende Prozesse auch nicht.
Das ist kein Einzelfall. Laut der McKinsey-Studie „The State of AI 2025" nutzen zwar 88 Prozent der Unternehmen KI in mindestens einem Bereich, aber nur rund ein Drittel skaliert sie über das Pilotstadium hinaus. Der Fehler liegt selten im Tool. Er liegt im fehlenden Übergang. Wer den Pilot nicht als ersten Schritt einer Strecke plant, sondern als abgeschlossenes Projekt, verliert den Schwung. Dann bleibt die KI Spielzeug einzelner Begeisterter, statt Werkzeug eines Teams.
Schritt 1, den richtigen Engpass wählen
Der Einstieg entscheidet über Tempo und Akzeptanz. Sinnvoll ist nicht die spektakulärste Anwendung, sondern die zeitfressendste Routine. Dort wird der Nutzen am schnellsten sichtbar und am leichtesten anerkannt.
Gute Kandidaten sind Aufgaben, die wiederkehren, sich formalisieren lassen und heute Kapazität binden. Entwürfe für Lernmaterial, Zusammenfassungen, wiederkehrende Lernerfragen, erste Versionen von Transferaufgaben. Schlechte Kandidaten sind Felder, die von Urteil, Beziehung und Steuerung leben. Dort spart KI an der falschen Stelle.
Eine einfache Leitfrage hilft. Welche Tätigkeit kostet das Team jede Woche Stunden, ohne dass sie Wirkung erzeugt? Genau dort beginnt die KI-Integration in L&D.
Schritt 2, Pilot mit klarem Vorher-Nachher
Ein Pilot ohne Messung ist eine Meinung. Deshalb gehört vor den Start ein Bezugspunkt. Wie lange dauert die Aufgabe heute, wie viele Schleifen braucht sie, wie zufrieden sind die Beteiligten mit dem Ergebnis?
Drei Regeln halten den Pilot scharf.
- Ein Anwendungsfall, ein Team. Wer mehrere Baustellen gleichzeitig öffnet, kann am Ende nichts zuordnen.
- Fester Zeitraum. Vier bis sechs Wochen reichen, um eine belastbare Aussage zu treffen.
- Vorher-Nachher dokumentiert. Zeit, Qualität, Aufwand. Ohne diese Zahlen fehlt später das Argument für die Skalierung.
Wichtig bleibt die Reihenfolge. Erst steht die didaktische Struktur, dann füllt KI sie. Umgekehrt entsteht beliebiger Inhalt ohne Lernlogik. Der Pilot prüft also nicht nur, ob KI schneller ist, sondern ob das Ergebnis im Alltag trägt.
Schritt 3, Rollen klären und Kompetenz aufbauen
Skalierung ist keine technische Frage, sondern eine Frage von Menschen und Verantwortung. Bevor ein zweites Team folgt, braucht es Klarheit darüber, wer was tut.
- Wer pflegt Prompts und Vorlagen? Sonst beginnt jeder bei null.
- Wer prüft Ergebnisse fachlich? KI liefert Optionen, nicht Verantwortung. Die Freigabe bleibt menschlich.
- Wer bildet das Team weiter? Kompetenz entsteht nicht durch einen Zugang, sondern durch Übung an echten Aufgaben.
Der Kompetenzaufbau läuft am besten an realen Fällen, nicht in einem abstrakten Schulungsblock. Das Team lernt KI dort, wo es sie braucht. So verschiebt sich die Rolle von L&D weg von der reinen Erstellung, hin zu Architektur, Prüfung und Steuerung. Das ist kein Verlust. Das ist ein Aufstieg in der Wertschöpfung.
Schritt 4, Governance, bevor die Fläche kommt
Spätestens vor der Breite braucht KI in L&D klare Leitplanken. Personalentwicklungsdaten sind sensibel. Wer Datenschutz erst nachträglich regelt, zahlt mit teuren Korrekturen.
Eine tragfähige Governance beantwortet drei Fragen. Welche Daten dürfen in welches Tool? Wie wird geprüft, bevor Ergebnisse nach außen gehen? Wer haftet für Fehler? Das muss kein dickes Regelwerk sein. Ein knapper, verständlicher Rahmen, den das Team kennt und anwendet, wirkt besser als ein Dokument, das niemand liest.
Governance bremst die Integration nicht. Sie macht sie erst skalierbar, weil sie das Vertrauen schafft, das eine Ausweitung in die Fläche überhaupt trägt.
Schritt 5, Skalieren in Wellen, nicht im Sprung
Skalierung gelingt selten als großer Rollout. Sie gelingt in Wellen. Ein erprobter Anwendungsfall geht an das nächste Team, mit dokumentierter Praxis, fertigen Vorlagen und einer klaren Rollenverteilung. Erst wenn diese Welle trägt, folgt die nächste.
So wächst KI-Kompetenz im Unternehmen als belastbare Praxis, nicht als Schlagwort. Jeder Schritt baut auf einem gesicherten Vorgänger auf. Mehr dazu, wie KI im Arbeitsalltag wirklich entlastet, steht in unserem Überblick zu KI in der Praxis.
Fazit
KI-Integration in L&D ist kein Tool-Kauf, sondern eine Strecke. Sie beginnt am richtigen Engpass, läuft über einen Pilot mit klarem Vorher-Nachher und steht und fällt mit Rollen, Kompetenz und Governance. Skaliert wird in Wellen, nicht im Sprung. Wer diese Reihenfolge hält, kommt vom ersten Experiment zur breiten Nutzung, die im Alltag trägt.