Wichtige Erkenntnisse
- Markdown verbessert die Zusammenarbeit von Autorenteams, Fachleuten und KI-Content-Systemen.
- Haltet Lektions-IDs, Quizlogik und Inhaltsschemas getrennt von der Datei für die fachliche Prüfung.
- Prüft Wissenstests, Medien und Sprachzuordnungen vor dem CMS-Import.
- Gleicht die freigegebenen Änderungen ab und testet die Vorschau für Lernende vor der Veröffentlichung.
Eine Datei für die Kursprüfung ist kein Lernobjekt
Für ein Startup mit 50 oder mehr Mitarbeitenden entstehen Onboarding-Inhalte oft aus einer Mischung aus Wissen des Gründerteams, Notizen von Führungskräften, Foliensätzen und KI-generierten Entwürfen. Einen ersten Entwurf zu erstellen, ist selten das Schwierige. Entscheidend ist, ihn durch die fachliche Prüfung zu bringen, ohne Entscheidungen zu verlieren, doppelte Versionen anzulegen oder neuen Mitarbeitenden eine ungetestete Lektion zu übergeben.
Hier hilft die Kurserstellung in Markdown: Autorenteams, Fachleute und KI-Systeme arbeiten mit einer schlanken Datei, die Menschen gut lesen und Maschinen weiterverarbeiten können. Sie sollte allerdings nicht zur verbindlichen Quelle für sämtliche Kursbestandteile werden.
Word und PDF machen aus Feedback eine Übertragungsaufgabe
Word-Dokumente und PDFs lassen sich gut lesen. Bei der Weiterverarbeitung entsteht jedoch oft zusätzlicher Aufwand: Kommentare stehen in einer Datei, Kursinhalte in einer anderen, und jemand muss die Änderungen übertragen, bevor das CMS aktualisiert werden kann. Dabei können Tabellen und Formatierungen beschädigt werden. Häufig fehlt auch ein klarer Vergleich zwischen dem geprüften Entwurf und der veröffentlichten Lektion.
Das erschwert es, KI-generierte Kursinhalte automatisiert weiterzuverarbeiten. Ein KI-System kann strukturierte Lektionstexte schnell erstellen, doch jeder Export und jede Konvertierung schafft eine weitere Übergabe. Für kleine Teams bedeutet das oft versteckten Aufwand: Veröffentlichungen verzögern sich, und die Qualität des Onboardings hängt davon ab, wer den aktuellen Prozess kennt.
Google macht Markdown-Dateien gemeinsam bearbeitbar
Am 5. Oktober 2026 kündigte Google die native Bearbeitung und Zusammenarbeit an Markdown-Dateien in Docs an, ergänzt um gerenderte Vorschauen in Drive. Die Datei kann im Format `.md` oder `.markdown` bleiben, statt in ein Google Doc konvertiert zu werden.
Damit verändert sich der Prüfprozess. Fachleute können eine Lektion in der Umgebung kommentieren, die sie bereits nutzen, während das Content-Team eine maschinenlesbare Datei für nachgelagerte Schritte behält. Googles Markdown-Hilfedokumentation macht die Grenze ebenfalls deutlich: Einige Docs-exklusive Funktionen wie Schriftfarben, Hervorhebungen, Ausrichtung, Smart Chips und HTML-Formatierung bleiben in Markdown nicht erhalten.
Diese Einschränkung ist sinnvoll. Sie zwingt Teams dazu, die inhaltliche Bedeutung von visueller Gestaltung zu trennen. Eine Datei für die Kursprüfung sollte Überschriften, Erklärungen, Beispiele, Tabellen, Links und klare Kommentare enthalten. Versteckte Produktionslogik gehört nicht hinein.

Kurserstellung auf zwei Ebenen
Das praktische Modell ist einfach: Markdown dient der menschlichen Prüfung, strukturierte Daten bilden veröffentlichungsreife Lernobjekte ab. Bei einer Umsetzung mit App-Learning kann der Ablauf als kontrollierte Pipeline statt als Kette manueller Kopier- und Einfügeschritte laufen.
- Ausgangsdokumente fließen zusammen mit Kursbriefing, Zielgruppe, Tonalität und Lernzielen in einen kontrollierten KI-Entwurf.
- Das System erstellt einen Markdown-Entwurf der Lektion für die fachliche Prüfung und einen separaten strukturierten Datensatz für Kapitel-IDs, Ziele, Quizfragen, Medienreferenzen und Sprachschlüssel.
- Fachleute prüfen die `.md`-Datei in Google Docs und klären sachliche Korrekturen, fehlende Beispiele und Formulierungen zu Richtlinien direkt im Kontext.
- Ein Validator prüft den strukturierten Datensatz auf Pflichtfelder, erlaubte Fragetypen, Lösungsschlüssel, Medieninhalte und Übersetzungszuordnungen.
- Der freigegebene, maßgebliche Datensatz wird in Strapi importiert, während der Markdown-Text die jeweiligen Lektionsfelder füllt.
- Eine Vorschau für Lernende zeigt, ob das Modul im tatsächlichen Einsatz funktioniert, bevor das Release freigegeben wird.
Der Unterschied lässt sich an einem Beispiel zeigen. In der Markdown-Datei steht: „Wähle den richtigen Eskalationsweg.“ Im maßgeblichen Datensatz des Wissenstests müssen dagegen Frage-ID, Antwortoptionen, richtige Antwort, Feedback, Bewertungslogik und Analytics-Event definiert sein. So können Fachleute die Formulierung freigeben, ohne damit versehentlich auch die technische Logik zu genehmigen.
Good to know
Kann Markdown strukturierte Kursdaten ersetzen?
Nein. Nutzt Markdown für gut prüfbare Lektionstexte. Stabile IDs, Quizlogik, Bewertungen, Beziehungen, Medienmetadaten und Sprachzuordnungen gehören in ein separates, verbindliches Schema.
Was sollten Fachleute im Markdown-Entwurf prüfen?
Bittet Fachleute, sachliche Richtigkeit, Beispiele, Terminologie, Formulierungen zu Richtlinien, Reihenfolge und Verständlichkeit für Lernende zu prüfen. Technische Validierung und Veröffentlichungssteuerung bleiben beim Content-Ops-Team.
Was sollte vor einem Strapi-Import passieren?
Führt eine strukturierte Validierung durch, gleicht die freigegebenen Änderungen mit den Importdaten ab und testet das gesamte Modul in einer Vorschau für Lernende. Die Freigabe des Textes allein ist keine Freigabe zur Veröffentlichung.
Qualitätssicherung schützt das Lernerlebnis
Der zweite Prüfschritt sollte nach der Freigabe durch Fachleute und vor dem Import der Strapi-LMS-Inhalte erfolgen. Hier weist das Content-Team nach, dass eine geprüfte Lektion im Produkt korrekt funktioniert.
- Prüft, ob jedes Kapitel, jede Aktivität und jede Frage eine stabile ID hat.
- Stellt sicher, dass für jeden Wissenstest alle erforderlichen Antworten, Erklärungen und Bestehenskriterien vorhanden sind.
- Prüft Medien-URLs, Alt-Texte, Untertitel und Zugriffsrechte.
- Stellt sicher, dass jedem Sprachschlüssel eine Übersetzung zugeordnet ist und kein Standardtext als Ersatz angezeigt wird.
- Gleicht die freigegebene Markdown-Version mit den Importdaten ab.
- Testet Abschluss, Bewertung, Navigation und Darstellung in der Vorschau für Lernende.
Fachleute sollten Richtigkeit und Relevanz der Inhalte prüfen können, ohne sich mit JSON, CMS-Beziehungen oder Lokalisierungsschlüsseln beschäftigen zu müssen. Das Content-System muss dafür sorgen, dass ihre freigegebenen Änderungen bei der Veröffentlichung erhalten bleiben. Diese Aufgabenteilung hält den Prüfaufwand gering und macht Fehler nachvollziehbar.
Erstellt Onboarding-Inhalte, die auch beim Wachstum eures Unternehmens prüfbar bleiben.
Kontakt aufnehmenMesst den Veröffentlichungsprozess, nicht nur die produzierten Kurse
Erfasst, wo im Betrieb Verzögerungen und Fehler entstehen: Wie lange dauert es vom Entwurf bis zur fachlichen Freigabe? Wie lange bleiben Kommentare offen? Wie viele Validierungsfehler gibt es pro Release, wie viel Nacharbeit nach der Vorschau und wie viele Fehler entdecken erst die Lernenden? Für ein wachsendes Startup sagen diese Kennzahlen mehr aus als die Zahl veröffentlichter Module. Sie zeigen, ob sich Onboarding-Wissen zuverlässig in neue Lerninhalte überführen lässt.
Die direkte Zusammenarbeit in Markdown ersetzt weder LMS noch CMS. Sie erleichtert den Austausch zwischen Menschen und automatisierten Prozessen. Bleibt der Prüftext gut lesbar, werden die strukturierten Daten kontrolliert und wird das Ergebnis abschließend in der Vorschau für Lernende geprüft, lässt sich die Kurserstellung ausbauen, ohne jedes Update zum Sonderprojekt zu machen.







