Teilen auf
In unserer neuen offenen Reihe stellen wir KI-Best Cases aus dem HR-Bereich vor. Den Auftakt macht PwC. Im Gespräch erläutert der Manager für Immersive Technologies bei PwC und zentraler Ansprechpartner für KI-Soft-Skill-Trainings und Virtual-Reality-Lösungen, Leon Daniel, wie KI das Lernen verändern kann.
E-Learnings sollen Lernen flexibler und für große Gruppen zugänglich machen. Doch oft ist das neue Wissen nicht auf den oder die Lernende zugeschnitten oder verblasst nach kurzer Zeit. Für tiefere Lerneffekte greifen viele Arbeitgeber auf Rollenspiele oder Präsenztrainings zurück. Der Nachteil: Sie können teuer und aufwendig werden.
Die Herausforderung, effiziente E-Learnings für die eigenen Mitarbeitenden und Kunden zu entwickeln, sah auch PwC. So entstand bei der Wirtschaftsprüfungs- und Beratungsgesellschaft die Idee, die klassischen Lerneinheiten durch Sessions mit künstlichen Coaches zu ergänzen – KI-Avatare, die im Gebrauch jederzeit verfügbar und flexibel im E-Learning-Bereich einsetzbar sind.
Gesprächspartner mit digitalem Gedächtnis
Eine Low-Code-Plattform des externen Partners 3spin Learning bildet die technische Grundlage. Hier können Trainerinnen oder HR-Teams auch ohne Programmierkenntnisse Avatare konfigurieren. Per Drag & Drop und mit einem Briefing werden Rolle und Aufgabe für den jeweiligen Avatar definiert.
Die KI-Avatare lassen sich sowohl im Browser des Laptops als auch durch die Nutzung von Virtual-Reality-Brillen abrufen. Für die Skalierung sei es aber entscheidend gewesen, vorerst mehr auf Browserlösungen, statt reine Virtual Reality (VR) zu setzen. VR bleibt immersiver, ist aber für die Masse weniger zugänglich. Browsertrainings dagegen sind niedrigschwellig und für hunderte Teilnehmende gleichzeitig nutzbar – ein wichtiger Hebel für Reichweite und Akzeptanz.
Learning by doing
In Workshops und selbstgesteuerten Lernsessions kommen die Avatare zum Einsatz. Lernende bringen ihre eigenen Probleme und Themen mit, beispielsweise: Wie mache ich meine eigene Kompetenz deutlich? Wie artikuliere ich mich besser? Wie gehe ich auch mit kritischen Rückfragen um? In realistischen Gesprächssituationen stellen die Avatare Rückfragen und reagieren auf den Input der Nutzerinnen. Sie agieren als Coaches, Kunden oder kritische Gesprächspartner – und simulieren etwa schwierige Gespräche, wie zum Beispiel negatives Jahresfeedback oder kritische Rückfragen zur Gehaltstransparenz.
Sie unterscheiden sich in Persönlichkeit und Stil: mal freundlich, mal herausfordernd, mal wortkarg. So kann ein realistischer Übungsraum und ein lebendiges Rollenspiel entstehen, das die Teilnehmenden fordert, spontan zu handeln.
Ein KI-Avatar in einer virtuellen Trainingssituation © PwC
Die Plattform wird auch dafür genutzt, um Fachtrainings – wie zum Beispiel für den Vertrieb von Berufsunfähigkeitsversicherungen – für Kunden zu erstellen. In mehreren Lektionen erlernt der Nutzer relevante Gesprächsinhalte und Produktinformationen und wendet diese in Rollenspielen an.
Häufig endet die Simulation mit einem Reflexionsdialog, in dem der Avatar in die Rolle des Mentors wechselt und ein persönliches Feedback gibt. Es basiert auf den vermittelten Fachinhalten und ermöglicht die Einschätzung, ob diese korrekt angewendet wurden. Außerdem bietet sich die Möglichkeit für Rückfragen, falls sich der Nutzer oder die Nutzerin noch nicht sicher fühlt. Beispielhaft könnte ein Feedback sich also darauf beziehen, ob man aktiv zugehört hat und die Äußerungen des Avatars in der eigenen Antwort berücksichtigt wurden.
Wichtig war von Beginn Transparenz: Die Gesprächsdaten werden nach jeder Avatar-Session gelöscht. Nur während des Trainings greift der Avatar auf Inhalte zu, um Feedback zu geben – ein zentraler Punkt, um Datenschutz und Akzeptanz zu sichern.
Prozess und Freigabe
Vor der praktischen Umsetzung der virtuellen Coaches steht ein ganzheitlicher Prozess: Das interne Technology Risk Assessment bezieht unter anderem Einkauf, Datenschutz und IT-Sicherheit mit ein. Um Tempo zu gewinnen, entschied PwC sich für ein mehrstufiges Vorgehen: Die KI-Avatare sollten zunächst mit öffentlichen Daten arbeiten. So war die Plattform nach rund drei Monaten bereits einsatzfähig. Erst dann wurden interne Daten herbeigezogen. Künftig sollen die Avatare in einzelnen Fällen auch mit vertraulichen Daten arbeiten.
Ziele wurden vorerst qualitativ bestimmt. Es galt, herauszufinden, ob die Avatare Lernen tatsächlich zugänglicher machen. Die Hypothese: Wer mehr Lust hat, mit einer Technologie zu lernen, weist ein stärkeres Engagement mit dem Lerninhalt auf, was zu einem höheren Lernerfolg führt.
„Die größte Herausforderung lag weniger in der Technik als im Mindset“, sagt Leon Daniel, Manager für Immersive Technologies bei PwC und zentraler Ansprechpartner für KI-Soft-Skill-Trainings und Virtual-Reality-Lösungen. „KI-generierte Dialoge folgen keiner starren Logik, sie bleiben dynamisch und in Teilen bewusst unvorhersehbar. Das bedeutet: Nicht jede Antwort ist vordefiniert. Man muss bereit sein, diese Unsicherheit zu akzeptieren.“
Wie geht es künftig weiter?
In Zukunft will PwC die Freigabe für vertrauliche Trainingsdaten abschließen, auch wenn dies nur einen kleinen Teil der Trainings betreffen wird. Parallel entwickelt der externe Plattformpartner neue technische Funktionen: realistischere Avatare, die Upload-Möglichkeit eigener Dokumente sowie erweiterte Feedback-Mechanismen sind in Aussicht.
Außerdem soll der Einsatz auf weitere Themen ausgeweitet werden – von Führungskräfteentwicklung bis zu Produktpräsentationen. Ziel ist es, Kommunikationstrainings effektiver und realistischer durchzuführen, um den Lernerfolg zu steigern.
Learnings für HR
- Ownership klar definieren: Es braucht einen Ansprechpartner für das Thema: Verantwortlichkeiten für Technologie, Freigabeprozesse, Enablement der User und Content-Erstellung sollten zentral gebündelt werden.
- Implementierung pragmatisch staffeln: KI-Anwendung erst mit öffentlichen Daten trainieren, dann internen, optional später mit vertraulichen Daten – beschleunigt die Freigaben und reduziert Risiken.
- Governance früh klären: Datenflüsse dokumentieren, Löschung der Daten transparent machen, AI-Act-Einstufung pro Use Case prüfen.
- Didaktik vor Technik: Szenarien klar briefen, Reflexionsphasen einplanen, Nutzerfreundlichkeit in den Vordergrund stellen.
- Realismus vs. Bedienbarkeit abwägen: Visuelle Perfektion ist weniger entscheidend als niedrige Hürden für Erstellung und Nutzung.
- Akzeptanz messen: In der Startphase qualitatives Feedback priorisieren; quantitative Wirknachweise (zum Beispiel Performance-Indikatoren) nachziehen, sobald das Format stabil läuft.
