Learning-Analytics-Assistenten brauchen kalibriertes Vertrauen

Dashboards zeigen Signale, aber sie coachen nicht

Die meisten Learning-Dashboards zeigen Daten. Von allein ändern sie selten Verhalten. Lernende sehen überfällige Module, niedrige Quiz-Scores, schwache Selbsteinschätzungen oder eine rote Compliance-Ampel. Die eigentliche Frage bleibt offen: Was heißt das, was mache ich als Nächstes, und ab wann ist es ernst genug, Hilfe zu holen?

Diese Lücke ist in Lernumgebungen für Finance und Krypto besonders deutlich. Compliance-Training dominiert die Agenda, aber Abschlussdaten sagen wenig über echte Fähigkeit aus. Jemand kann ein AML-Modul abschließen und trotzdem ein Szenario zum Transaktionsrisiko falsch lesen. KI-gestützte Learning Analytics wird erst nützlich, wenn sie Signale in geführte Handlung übersetzt, ohne so zu tun, als sei jedes Signal gleich eine Diagnose.

Der Assistent wird zur Stütze, nicht zum Richter

Ein LAK-Paper von Yildiz Uzun, Andrea Gauthier und Mutlu Cukurova aus dem Jahr 2026 macht diese Lücke sichtbar: Studierende, vor allem diejenigen mit schwächerer Selbstregulation beim Lernen, taten sich schwer damit, Learning-Analytics-Feedback aufzugreifen und zu deuten. In der 10-wöchigen Studie nutzten Lernende mit niedriger SRL-Kompetenz einen GenAI-Assistenten für Klärung und Bestätigung. Lernende mit höherer SRL-Kompetenz stellten eher technische Fragen und baten um personalisierte Strategien.

Dieses Muster passt gut zum Lernen im Unternehmen. Starke Lernende können ein Dashboard oft selbst in einen Plan übersetzen. Unsichere Lernende brauchen mehr Halt: was eine Kennzahl bedeutet, warum sie wichtig ist, welche Inhalte sie wiederholen sollten und wie sie üben können. Ein Learning-Analytics-Assistent sollte deshalb weniger Dashboard-Sprecher sein und eher ein strukturierter Feedback-Coach.

Auch eine Studie aus dem Jahr 2026 zu GenAI-Feedback und selbstreguliertem Lernen zeigt, wie wichtig es ist, wie Lernende die Quelle des Feedbacks wahrnehmen. Manche achten vor allem auf den Nutzen. Andere ändern ihre Haltung, sobald sie wissen, dass das Feedback von KI kommt. Das ist kein Messaging-Problem. Es geht darum, das Vertrauen der Lernenden zu kalibrieren.

Vertrauen zu kalibrieren ist die eigentliche Designaufgabe

Zu viel Vertrauen ist gefährlich. Lernende folgen vielleicht vagem KI-Rat, weil er flüssig klingt. Zu wenig Vertrauen kostet ebenfalls. Nützliches Feedback wird ignoriert, nur weil es von einer Maschine kommt. Beides erzeugt Rauschen im Lernsystem.

Die Designaufgabe ist, dass der Assistent ehrlich bleibt, was er weiß. Er sollte zeigen, worauf eine Empfehlung basiert, fehlenden Kontext benennen und keine Sicherheit ausstrahlen, wenn die Daten dünn sind. Das NIST AI Risk Management Framework beschreibt KI-Risikomanagement als Arbeit über Design, Entwicklung, Nutzung und Evaluation hinweg. Genau so sollten auch Lernsysteme betrieben werden.

Für regulierte Arbeitgeber ist Vertrauen auch Governance. Die Europäische Kommission weist darauf hin, dass die Regeln zur KI-Kompetenz im AI Act seit dem 2. Februar 2025 gelten, und Anhang III des Gesetzes umfasst bestimmte Systeme der allgemeinen und beruflichen Bildung, die Lernergebnisse bewerten. Nicht jeder interne Lernassistent fällt darunter. Trotzdem ist das Signal klar: KI-Feedback, das Entwicklung prägt, braucht Aufsicht, Erklärbarkeit und Wege zur menschlichen Prüfung.

Gutes Feedback zeigt seine Arbeitslogik

Der praktische Maßstab für einen Learning-Analytics-Assistenten ist einfach: Er muss Feedback erklären, begrenzen und weiterleiten. Kann er das nicht, sollte er Lernende nicht beraten.

• Signal: der konkrete Datenpunkt oder das Muster, das das Feedback ausgelöst hat.
• Interpretation: eine Erklärung in klarer Sprache, was das Signal bedeuten kann.
• Grenze: was der Assistent aus den vorhandenen Daten nicht ableiten kann.
• Sicherheit: ob die Empfehlung belastbar, vorläufig oder unvollständig ist.
• Nächster Schritt: eine konkrete Handlung, die die lernende Person jetzt angehen kann.
• Eskalation: wann ein Coach, eine Führungskraft, eine fachliche Expertin oder ein Compliance Owner einsteigen sollte.
• Audit Trail: was gezeigt wurde, warum es gezeigt wurde und welche Regeln die Antwort geprägt haben.

Diese Struktur verhindert, dass aus dem Assistenten eine allgemeine Ratgeberbox wird. Sie schützt auch die Lernenden. Wenn ein Compliance-Szenario uneindeutig ist, sollte der Assistent keine Richtlinie improvisieren. Er sollte auf die freigegebene Quelle verweisen, den passenden Refresher empfehlen und den Fall an einen Menschen geben, wenn die Antwort echte Arbeit betrifft.

Learning Operations verwandelt Gespräche in Verbesserungen

Bei App-Learning geht es nicht darum, einen Chatbot an ein LMS anzubauen. Es geht um eine geführte Lernschicht rund um Analytics. Lernende bekommen Erklärungen und nächste Schritte. Das Unternehmen sieht systematisch, wo Trainings nicht greifen.

Hier wird Learning Operations mit KI relevant. Gespräche mit dem Assistenten können wiederkehrende Verwirrung rund um eine Policy, schwache Beispiele in einem Szenario, unklare Quizformulierungen oder fehlendes Vorwissen sichtbar machen. Diese Muster sollten in bessere Inhalte, Coaching-Playbooks und Compliance-Reviews einfließen. Die lernende Person darf nicht zum Produkt werden. Das Lernsystem sollte leichter zu verbessern sein.

• Content-Teams sehen, welche Lektionen immer wieder Klärungsfragen auslösen.
• Coaches sehen, wo ein Mensch mehr bringt als noch ein Modul.
• Compliance-Verantwortliche sehen, wo freigegebene Leitlinien fehlen oder falsch verstanden werden.
• L&D-Verantwortliche sehen, ob Analytics zu Handlung führen, nicht nur zu Reports.

Klare Aufsicht macht Assistenz nützlich

Ein guter Learning-Analytics-Assistent reduziert Verwirrung, ohne Verantwortung zu verschieben. Er hilft Lernenden, Feedback einzuordnen, zeigt Grenzen, empfiehlt den nächsten Schritt und eskaliert, wenn die Situation mehr verlangt, als die Daten hergeben. Genau darin liegt der Wert: nicht ein schlaueres Dashboard, sondern eine sicherere Lernschleife, in der Signale zu Handlung werden und Handlung das System verbessert.