Gkc24-Session: Nano Learning für tiefe Integration von Wissen

Nano Learning für tiefe Integration von Wissen
Art	Barcamp-Session
KnowledgeCamp	KnowledgeCamp 2024
Sessiongebende	Joachim Lorenz
Datum	10.10.2024
Zeit	17:00 bis 17:45 Uhr
Aufzeichnung	YouTube
KI-Unterstützung	GPT-6.1 Sol

Aus dem Veranstaltungsprogramm

Kompetenzen im Umgang mit KI-Systemen aufbauen müssen. Schulungen während der Arbeitszeit kosten jedoch Zeit und Geld. Außerdem müssen sich Organisationen an das Lernverhalten der jüngeren Generation anpassen. Lösungsraum: Die jüngeren Generationen sind auf Kanälen wie Instagram und TikTok aktiv. Ein Grund dafür könnte sein, dass sie auf diesen Plattformen leicht verdauliche Inhalte konsumieren können. Hier lässt sich das Phänomen des Nano-Learnings beobachten. Kurze Lernvideos von unter einer Minute, sehr gut geschnitten und mit vielen visuellen Elementen können dazu beitragen, dass KI-Wissen effizient und effektiv vermittelt werden kann. Beitrag für den KnowledgeCamp 2024: Joachim Lorenz hat im Selbstversuch ein TikTok-Projekt gestartet, in dem er dieses Phänomen untersucht. In seinem Vortrag erläutert er, welche Szenarien denkbar sind, um KI-Wissen durch Nano-Learning zu fördern. Zielgruppe: Dieser Vortrag könnte für Personalentwickler*innen interessant sein, die nach Lösungen suchen, wie sie ihren Mitarbeiter*innen KI-Wissen während der Arbeit vermitteln können.

Disclaimer: Diese Seite ist KI-generiert, basierend auf einer KI-Zusammenfassung des Transkripts vom vorstehenden Youtube-Video!

Überblick

Joachim Lorenz untersucht, wie Nano Learning die Integration von Wissen über künstliche Intelligenz unterstützen kann. Ausgangspunkt sind Verständigungsprobleme zwischen unterschiedlichen Fachdisziplinen in Projekten. Kurze, verständlich aufbereitete Lerninhalte betrachtet er als mögliche Grenzobjekte, die eine gemeinsame Wissensbasis fördern. Seine Erfahrungen mit TikTok dienen als explorativer Ausgangspunkt für die Frage, ob sich solche Formate auf das Lernen in Unternehmen übertragen lassen.

Aufbau und Perspektive der Session

Lorenz verbindet seine Tätigkeit als selbständiger KI-Management-Trainer und Dozent mit seiner Forschung zur Wissensintegration. In seinen Trainings vermittelt er unter anderem Strategie- und Grundlagenwissen sowie Prompt Engineering. Als Forschungsziel nennt er eine einheitlichere Definition von Wissensintegration und eine größere Sichtbarkeit des Themas.

Die Session ist in drei Schwerpunkte gegliedert:

Herausforderungen eines gemeinsamen Wissensverständnisses in Projekten.
Nano Learning als mögliches Boundary-Spanning-Objekt.
Erfahrungen aus einem eigenen TikTok-Projekt zur Vermittlung von KI-Wissen.

Der erste Teil stützt sich auf eine bibliometrische Analyse, Begriffsdefinitionen und ein Unterrichtsbeispiel. Im zweiten Teil diskutieren Vortragender und Teilnehmende die Aufbereitung von Lerninhalten, Vorwissen und individuelle Lernwege. Der abschließende Erfahrungsbericht behandelt Gestaltung, Authentizität und Aufmerksamkeit auf TikTok.

Zwischenfragen und Beiträge aus dem Publikum prägen den Verlauf deutlich. Dadurch wird aus dem Vortrag zugleich eine Diskussion über die Voraussetzungen gelingender Wissensvermittlung. Die Übertragung auf Unternehmen bleibt eine zu prüfende Möglichkeit, nicht der Bericht über eine bereits evaluierte Einführung.

Wissensintegration als organisationale Fähigkeit

Lorenz beschreibt Wissensintegration als Bündelung von Wissen aus internen und externen Quellen, damit eine Organisation es für Aufgaben und gemeinsame Problemlösungen nutzen kann. Dabei geht es nicht nur um die Verfügbarkeit einzelner Informationen, sondern um deren Verbindung zu nutzbarem Wissen. Besonders relevant erscheint ihm dies bei komplexen, nicht wiederkehrenden Aufgaben.

Zur Einordnung stellt er eine bibliometrische Analyse auf Basis von Scopus vor. Sie umfasst den Zeitraum von 1983 bis 2024 und untersucht Autoren-Keywords und weitere Schlüsselwörter. Für 1998 bis 2010 hebt er Verbindungen zu Innovation, neuer Produktentwicklung und Zusammenarbeit hervor. Für 2011 bis 2020 nennt er Netzwerke und Wissenserwerb; für 2021 bis 2024 Innovationsleistung, Projekterfolg, Wissensteilung und Projektleistung.

Aus dieser Entwicklung leitet er die Bedeutung der Wissensintegration für Innovations-, Wettbewerbs- und Lernfähigkeit ab. Dabei behandelt er sie sowohl als Prozess als auch als strategisch wichtige Fähigkeit einer Organisation.

Eng damit verbunden ist die Absorptionsfähigkeit: die Fähigkeit, externes Wissen aufzunehmen, zu integrieren und anzuwenden. Für Lorenz gehören Aufnahme und Nutzung zusammen. Wissen soll nicht lediglich in eine Organisation gelangen, sondern dort zur Lösung von Aufgaben beitragen.

Wissensgrenzen und gemeinsames Verständnis

Als zentrale Herausforderung nennt Lorenz Wissensgrenzen. Sie können durch Sprache, unterschiedliche Fachkenntnisse, soziale Schwierigkeiten oder mangelndes gegenseitiges Verständnis entstehen. In interdisziplinären Projekten treffen Personen zusammen, deren Kompetenzfelder und Ausdrucksweisen sich erheblich unterscheiden.

Am Beispiel eines KI-Projekts nennt er Projektleitung, Koordination, KI-Management und Data Science. Jede Rolle bringt spezifisches Wissen ein. Erfolgreiche Zusammenarbeit setzt jedoch voraus, dass die Beteiligten miteinander kommunizieren und ihre Beiträge gegenseitig einordnen können. Lorenz bezeichnet die Arbeit an einer gemeinsamen Wissensbasis als Alignment.

Grenzen entstehen dabei nicht ausschließlich durch fehlende Fachkenntnisse. Wer unsicher ist, Angst vor Bloßstellung hat oder sein Wissen schwer artikulieren kann, teilt es möglicherweise nicht. Umgekehrt kann die empfangende Person Schwierigkeiten haben, die Erklärung aufzunehmen. Wissensaustausch ist deshalb für Lorenz auch ein Beziehungsproblem.

Hinzu kommt das Zurückhalten von Wissen. Lorenz verweist auf die Vorstellung, Wissen bedeute Macht, und stellt ihr den Nutzen von Austausch und Feedback gegenüber. Er versteht auch die Weitergabe seiner eigenen Forschung als offenen Austausch: Andere sollen die Überlegungen aufgreifen, praktisch erproben und mit ihren Erfahrungen zur weiteren Forschung beitragen.

Brücken durch Personen, Objekte und Koordination

Um Wissensgrenzen abzubauen, unterscheidet Lorenz zwischen vermittelnden Personen, den Boundary Spannern, und unterstützenden Grenzobjekten. Beide können Wissensintegration fördern; sie sind nicht mit ihr gleichzusetzen. Diese Unterscheidung erläutert er ausdrücklich auf eine Nachfrage aus dem Publikum.

Ein mögliches Grenzobjekt ist ein gemeinsames Vokabular. Ein Glossar kann beispielsweise helfen, technische und nichttechnische Perspektiven miteinander ins Gespräch zu bringen. Entscheidend ist, dass Beteiligte verstehen, was die jeweils andere Seite tut und welche Bedeutung ihre Begriffe haben.

Als vermittelnde Personen nennt Lorenz unter anderem Koordinatoren, Business Analysten oder Personen mit einer Rolle in der KI-Wissensintegration. Sie können zwischen technischen Fachkräften und Führungskräften übersetzen. Führung soll zudem einen Rahmen schaffen, in dem Verständigung und Wissensteilung möglich werden.

Ein Beispiel aus der Lehre

Lorenz berichtet von einer Aufgabe in einem Kurs zu Digital Business Modeling: Eine Gruppe sollte innerhalb von 30 Minuten einen Fachartikel effizient analysieren. Ein verantwortlicher Teilnehmer koordinierte die Arbeit und verteilte unterschiedliche Zugänge über ChatGPT, NotebookLM und Perplexity.

Die Ergebnisse wurden auf einem Whiteboard zusammengeführt. Anschließend besprach die Gruppe sowohl das Fachthema als auch die eingesetzten KI-Werkzeuge und deren Ergebnisse. Lorenz kontrollierte und diskutierte die Beiträge als Dozent; gemeinsam wurde ein Konsens erarbeitet.

Für ihn veranschaulicht das Beispiel die Bündelung von KI-Wissen und Domänenwissen. Der wesentliche Mechanismus war die Koordination: Nicht die parallele Werkzeugnutzung allein, sondern die organisierte Zusammenführung und gemeinsame Prüfung machten daraus Wissensintegration.

Nano Learning als mögliches Grenzobjekt

Lorenz beschreibt Nano Learning als Lernstrategie, die Inhalte in kleinen, leicht verständlichen Einheiten bereitstellt. Die Inhalte sollen in kurzer Zeit aufgenommen werden können. Im Verlauf der Session grenzt er das Format auf Lernhäppchen von unter einer Minute ein. Die Beziehung zu Microlearning behandelt er zunächst offen; später ordnet er einen eigenen längeren Podcast eher diesem Begriff zu.

Neben TikTok nennt er kurze Videos auf LinkedIn sowie zusammengefasste Inhalte in getAbstract als Beispiele seiner Beschäftigung mit kompakten Lernformaten. Dabei verbindet er Nano Learning mit dem Ziel, Wissen schneller aufzunehmen und Verständnishürden abzubauen.

Seine zentrale Hypothese lautet: Wenn Inhalte passend aufbereitet werden, können kurze Lerneinheiten zwischen unterschiedlichen Wissenswelten vermitteln. Technische und geschäftliche Zielgruppen benötigen möglicherweise andere sprachliche Zugänge zum selben Thema. Nano Learning soll deshalb nicht bloß kürzen, sondern Komplexität so reduzieren, dass ein verständlicher Zugang entsteht.

Ob ein Lernhäppchen diese Brückenfunktion tatsächlich erfüllt, hängt in seiner Argumentation von der Gestaltung und der Anschlussfähigkeit an die Lernenden ab. Die Kürze allein ersetzt kein gemeinsames Verständnis.

Vorwissen, Reflexion und unterschiedliche Lernwege

Die Diskussion über Lernpräferenzen führt zu einer wichtigen Präzisierung. Lorenz spricht zunächst von visuellen und auditiven Lerntypen. Aus dem Publikum wird eingewandt, Lerntypen seien ein Mythos. Im weiteren Austausch rückt stattdessen die Frage in den Mittelpunkt, wie Inhalte an unterschiedliche Vorerfahrungen anschließen können.

Eine Teilnehmerin erläutert dies anhand der Ko-Konstruktion: Wissenserwerb sei ein aktiver, selbstgesteuerter und sozialer Prozess, der auf Vorwissen und Vorerfahrung aufbaue. Lorenz stimmt zu. Menschen müssten dort abgeholt werden, wo sie stehen; bloßes Übermitteln großer Wissensmengen reiche nicht aus.

Weitere Beiträge betonen Schreiben, Reflexion und Mindmaps als mögliche Wege, neues Wissen mit bereits vorhandenem Wissen zu verbinden. Lorenz ordnet dies dem selbstregulierten Lernen zu. Für Organisationen entsteht daraus die zusätzliche Aufgabe, individuelle Lernwege wieder zu kollektivem Wissen zusammenzuführen.

Als mögliche zukünftige Unterstützung diskutiert die Runde KI-basierte Erklärungen und digitale Zwillinge vertrauter Personen. Solche virtuellen Ansprechpersonen könnten etwa beim Onboarding Fragen beantworten oder Inhalte anders erklären. Diese Szenarien werden als Möglichkeiten erörtert, nicht als nachgewiesene Ergebnisse des TikTok-Projekts.

TikTok-Erfahrungen: Aufmerksamkeit und Vertrauen

In seinem Selbstversuch untersucht Lorenz, wie KI-Wissen zugänglich und vermittelbar werden kann. Dafür experimentiert er mit Trends, Videoschnitt und einem aufmerksamkeitsstarken Einstieg, dem Hook. Er berichtet von unterschiedlich erfolgreichen Videos sowie gewonnenen und wieder verlorenen Followern, ohne daraus eine systematische Wirksamkeitsmessung abzuleiten.

Seine wichtigste persönliche Erkenntnis betrifft Authentizität. Anfangs habe er angenommen, sich stärker verstellen und unterhalten zu müssen. Rückblickend bewertet er Natürlichkeit als wichtiger: Glaubwürdigkeit und Vertrauen könnten Verständigung erleichtern, während eine künstliche Darstellung zusätzliche Wissensgrenzen schaffe.

Bei den Inhalten beobachtet er zwei aufmerksamkeitsstarke Richtungen: praktische Erklärungen zur Nutzung von KI-Werkzeugen und dramatisierende Erzählungen über KI. Letztere sprechen nach seiner Einschätzung Gefühle und Verunsicherung an. Aufmerksamkeit ist damit nicht automatisch ein Beleg für hilfreiche Wissensvermittlung.

Lorenz beschreibt außerdem, wie ihm der TikTok-Algorithmus nach wiederholter Beschäftigung mit KI laufend ähnliche Inhalte zuspielt. So entstehe schnell eine Wissensblase. Seine eigene Informationsaufnahme beschränkt sich jedoch nicht auf TikTok: Er nutzt zusätzlich Buchzusammenfassungen, Podcasts, kuratierte Fachinhalte und wissenschaftliche Journals.

Auf die Frage nach der Auswahl und Zerlegung komplexer Themen nennt er Trendbeobachtung, Schnittwerkzeuge wie CapCut und einen eigens erstellten Custom GPT zur Strukturierung von Inhalten. Eine konkrete didaktische Schrittfolge zur Verdichtung eines schwierigen Themas auf weniger als eine Minute wird dabei nicht ausgeführt.

Fazit und weiterführende Impulse

Lorenz hält die Übertragung kurzer Lernformate auf Unternehmen grundsätzlich für denkbar. Als entscheidend nennt er Gestaltung, Storytelling und verständliche Aufbereitung. Nano Learning erscheint dabei als ein möglicher Baustein der Wissensintegration, eingebettet in Koordination, Austausch und eine gemeinsame Wissensbasis.

Aus dem Publikum kommt zudem der Aufruf, Wissensmanagement stärker in Schulen und Hochschulen zu verankern. Lorenz greift den Gedanken auf und signalisiert Interesse an einem weiteren Austausch und einer möglichen Initiative. Eine zusätzliche Session wird ebenfalls vorgeschlagen.

Eine abschließende Rückmeldung macht die Bedeutung eindeutiger Begriffe nochmals sichtbar: Die Verwendung von „KI“ hatte zu Verwechslungen zwischen künstlicher Intelligenz und Knowledge Integration geführt. Lorenz stellt klar, dass Wissen über künstliche Intelligenz sein Untersuchungsgegenstand ist und dessen Integration im Mittelpunkt steht. Damit zeigt die Session selbst eine Verständigungshürde, die ihre zentrale Fragestellung unmittelbar veranschaulicht.