Das Spiel, in dem Lernende das KI-Modell prüfen

Das Spiel, in dem Lernende das KI-Modell prüfen

KI-Kompetenz zeigt sich nicht daran, ob Mitarbeitende den Begriff Halluzination definieren können. Entscheidend ist, ob sie eine unbelegte Antwort erkennen, bevor sie bei einem Kunden landet. Schulungen sollten diese Urteilsfähigkeit sichtbar machen.

In Polar Peaks gehört das Testen von Modellen zur Mission

In seiner Ankündigung zu Polar Peaks vom 26. Oktober 2026 stellt Google eine Lernmission vor, die Google Research und der Stanford Accelerator for Learning für Schülerinnen und Schüler im Alter von 11 bis 14 Jahren entwickelt haben. Die Lernenden bearbeiten eine Forschungsfrage zur Kartierung des Gehirns: Sie bereinigen Daten und testen Modelle, wobei die Kontrolle durch Menschen im Mittelpunkt steht. Begleitend zur Veröffentlichung gibt es Fortbildungsmodule für Lehrkräfte. Google meldet mehr als 400.000 abgeschlossene Missionen in der gesamten Reihe. Das sind Teilnahmezahlen, keine Belege für Lernerfolge oder die Wirksamkeit in Unternehmen.

Entscheidungsprozesse zählen mehr als Belohnungssysteme

Eine Metaanalyse zum simulationsbasierten Lernen fand positive Effekte auf komplexe Fähigkeiten im Hochschulbereich. Allerdings stammten die meisten Studien aus der medizinischen Ausbildung. Das spricht dafür, diesen Ansatz zu erproben. Es belegt nicht, dass ein kurzes Spiel für den Arbeitsalltag einer herkömmlichen Lerneinheit überlegen ist.

In der betrieblichen Weiterbildung sollte Gamification Entscheidungen spürbare Folgen geben, statt nur Antworten zu belohnen. Der vorgeschlagene Ablauf führt von den Belegen über ein Urteil zur Handlung und zum Feedback. Punkte sind optional. Die Entscheidung muss zeigen, wie Lernende zu ihrem Urteil kommen. Darauf muss Feedback folgen, das erklärt, was sich aus den Belegen ableiten ließ und was nicht.

Szenarien aus dem Arbeitsalltag brauchen einen echten Prüfschritt

Wer KI-Kompetenz anhand von Szenarien vermitteln will, sollte bei einer konkreten beruflichen Handlung ansetzen. Für ein Supportteam im Bank- oder Kryptobereich könnte das bedeuten, zu prüfen, ob eine KI-generierte Antwort den freigegebenen Richtlinien entspricht. App-Learning könnte diesen Ansatz in kurze KI-Trainingssimulationen übertragen: mit synthetischen Datensätzen, kontrollierten Modellausgaben und Feedback, das die zuständige Fachperson freigegeben hat.

Fünf Minuten im Support

Denkbar ist eine fünfminütige Übung zu einer verzögerten Auszahlung. Du erhältst ein synthetisches Supportticket, widersprüchliche Zeitstempel, einen freigegebenen Ablauf und einen KI-Entwurf, der einen Freigabezeitpunkt verspricht.

1. Finde den unzuverlässigen Zeitstempel und erkläre, warum sich die Antwort nicht darauf stützen lässt.
2. Markiere den zugesagten Freigabezeitpunkt als unbelegt, weil ihn die vorliegenden Informationen nicht stützen.
3. Entscheide nach dem vorgegebenen Ablauf der Übung, ob du die Antwort überarbeitest, eine Überprüfung anforderst oder den Fall eskalierst.
4. Sieh dir im Feedback an, wie sich jede Entscheidung auf die Antwort an den Kunden auswirkt. Korrigiere anschließend den Entwurf.

Am Ende der Übung steht eine Handlung, die sich begründen lässt – keine Punktzahl für Begriffswissen. Die fünf Minuten sind eine zeitliche Vorgabe, deren Eignung noch zu testen ist – keine nachweislich wirksame Lerndauer.

Zeitversetzte Leistungstests sind aussagekräftiger

Eine Metaanalyse zum Lerntransfer (doi.org) zeigte, dass die Wahl der Messmethode die Ergebnisse beeinflusste. Zusammenhänge wurden überschätzt, wenn die Prädiktoren und die gemessenen Transferergebnisse aus derselben Quelle und demselben Messkontext stammten. Eine unabhängige Bewertung ist deshalb eine sinnvolle Absicherung für ein Pilotprojekt.

In einem risikoarmen Pilotprojekt könnten Lernende per Zufall entweder das Szenario oder eine herkömmliche Lerneinheit mit denselben Inhalten und derselben Bearbeitungszeit zugewiesen bekommen. Beide Gruppen würden direkt danach und erneut nach zwei bis vier Wochen einen jeweils unbekannten Fall bearbeiten. Gemessen werden sollten das Erkennen von Fehlern, korrekte Überarbeitungen, angemessene Eskalationen und Fehlalarme bei gültigen Modellausgaben. Mit einer zeitversetzten Simulation lässt sich prüfen, was die Lernenden behalten haben und ob ihnen der Transfer auf ähnliche Aufgaben gelingt. Ob der Transfer in den Arbeitsalltag gelingt, muss separat beobachtet werden. Abschluss und gefühlte Sicherheit bleiben zweitrangig.

Simulationen haben Grenzen

Direkte Wissensvermittlung kann der bessere Einstieg sein, wenn Lernenden Grundbegriffe fehlen oder sie lediglich eine Richtlinie zum Nachschlagen brauchen. Komplexe Entscheidungen, bei denen viel auf dem Spiel steht, können begleitetes Üben erfordern. Ein Pilotprojekt sollte echte Kundenentscheidungen und sensible Daten ausschließen. Dabei sollten die Ausgangsmaterialien versioniert und das Feedback geprüft sein.

Aus Polar Peaks lässt sich nicht die Lehre ziehen, dass Arbeit mehr Spiele braucht. Entscheidend ist vielmehr: Beim Lernen durch Handeln sollten Lernende das Modell prüfen müssen, statt seine Antwort einfach zu akzeptieren. Erst wenn sich diese Urteilsfähigkeit nach dem Spiel auch bei einer neuen Aufgabe bewährt, gibt es eine Grundlage für eine Ausweitung.