Open Discussion gibt Antworten auf das Lernen der Zukunft

Künstliche Intelligenz (KI) kann anhand von Daten eine ganz passable BBQ-Soße erschaffen. Doch wie weit ist künstliche Intelligenz bereits im Hinblick auf die Einsatzmöglichkeit bei der Weiterbildungs-Optimierung? Dies war eines von vielen Dialog-Themen zwischen den Teilnehmern der 2. Open Discussion, die von der Fraunhofer Academy am 12. Dezember 2018 in München veranstaltet wurde. Die Konferenz drehte sich darum, wie „Lernen für den Job der Zukunft“ aussehen kann, wie sich die Berufswelt möglicherweise verändern dürfte – und wie sich Unternehmen wie Mitarbeiter darauf vorbereiten können.

So sieht unsere Zukunft im Jahr 2030 aus

In einem Punkt gibt es keine Diskussion: Die meisten Kinder, die heute zur Schule gehen, werden später einen Job ausführen, den die Welt von heute noch nicht kennt. Dementsprechend werden sie auch andere Kenntnisse und Qualifikationen benötigen; genau wie diejenigen, die heute schon im Berufsleben stehen, sich weiterbilden sollten. Deshalb ist es umso wichtiger, neue Methoden der Weiterbildung und der beruflichen Qualifizierung zu finden, die sich parallel zur fortschreitenden Digitalisierung mitentwickeln. Ziel sollte es sein, dass das eigene Wissen so aktuell gehalten wird, dass man bestmöglich für die Jobs der Zukunft vorbereitet ist. Auch wenn wir in zukünftigen Projekten auf verschiedenste Arten von einer KI unterstützt werden, so wird dennoch das Pensum des Lernstoffs wachsen. Vor allem, weil die Zeiträume immer kürzer werden, in denen das erworbene Wissen aktuell bleibt.

Dieser Meinung war auch Dr. Sven Schimpf, Geschäftsführer des Fraunhofer-Verbunds Innovationsforschung. Er betrat nach der Begrüßung durch die Gastgeberin Clara Tu, Leiterin Geschäftsfeld Externe Weiterbildung der Fraunhofer Academy, die Bühne und hielt den ersten der zwei inspirierenden Impuls-Vorträge. Seine Impulse kamen aus der Zukunftsforschung. Er warf die Frage auf, was nötig ist, damit Industrie und Forschung auch weiterhin innovationsfähig bleiben. Außerdem stellte Dr. Schimpf fünf Thesen zum Jahr 2030 auf, wie die Arbeitswelt der Zukunft aussehen könnte.

• These eins: 2030 sind Offenheit, Lernfähigkeit und Kooperation die Leitbilder von Innovation.
  
  
• These zwei: 2030 stehen integrierte Lösungen im Mittelpunkt des Innovationsgeschehens.
  
  
• These drei: 2030 sind Innovationsprozesse durchgängig digitalisiert.
  
  
• These vier: 2030 steht Wissen allen offen – es kommt darauf an, es nutzbringend anzuwenden.
  
  
• These fünf: 2030 verfügt Europa mit Blick auf Datensicherheit und -souveränität über ein Alleinstellungsmerkmal im globalen Wettbewerb.

Im Wesentlichen werden Fähigkeiten und Rahmenbedingungen wie Kooperation, Interdisziplinarität, das Fortschreiten der Digitalisierung, die Verfügbarkeit von Wissen und die Lernfähigkeit darüber entscheiden, ob diese Thesen eintreffen. Am besten gewappnet für den Arbeitsmarkt der Zukunft ist man mit Kreativität, anwenderorientiertem Handeln und einer Bereitschaft für interdisziplinäre Zusammenarbeit.

Lernen ist Übungssache

Lernen ist keine Frage des Alters, sondern der Übung. Lernfitness ist genauso trainierbar wie ein Muskel und gehört neben Kreativität zu den unabdingbaren Kernkompetenzen der Zukunft. Diese These vertritt der zweite Impulsgebers Dr. Andreas Heindl, stellvertretender Leiter der Geschäftsstelle Plattform Lernende Systeme, mit Sitz an der acatech - Deutsche Akademie der Technikwissenschaften e.V.

Dr. Heindl sprach über das zukunftsorientierte Lernen und stimmte seinem Vorredner zu, dass es wichtig ist, interdisziplinär zu lernen, zu denken und zu handeln. Nur so können auch zukünftig Innovationen vorangebracht und Hürden überwunden werden.  

Da die Zyklen immer kürzer werden, in denen unser Wissen gesichert und brauchbar bleibt, werden Just-in-time-Weiterbildungen immer notwendiger, aber auch effizienter. Aber auch Train-the-Trainer-Maßnahmen und Kompetenzbedarfs-Analysen der Unternehmen sind unerlässlich.

Zusammengefasst funktioniert das Lernen in der Zukunft so:

• Geteilte Verantwortung zwischen Lernenden und Bildungs-Anbietern
• Individuelle Freiräume zum Ausprobieren, zum Beispiel Lernlabore
• Digitale Tools
• Lernfitness als Grundvoraussetzung

Soft Skills als wichtigste Fähigkeiten

Inspiriert durch die anregenden Impulse hatten die Teilnehmer für eine lebhafte Open Discussion die ideale Ausgangslage. Für die einzelnen Diskussionsrunden verteilten sich die Besucher an eine reichhaltige Auswahl von Thementischen:

• Biointelligenz – eine neue Perspektive für nachhaltige industrielle Wertschöpfung
• Impulse für den Job der Zukunft aus Sicht der Innovationsforschung
• Industrie 4.0 und Digitale Twins
• KI für das digitale Lernen nutzen?
• 3 Gründe für die Digitalisierung der Laborausbildung
• Blockchain for Education – Das Management von Zeugnissen und Zertifikaten in der digitalisierten Welt.
• Virtual Reality – Tech-Hype in der Ausbildung?
• Kompetenzen & Digitalisierung: Bedarf für den Data Scientist?
• E-Mobilität – Chance oder Bedrohung?
• Reskilling: Effizienter Kompetenzaufbau

Ein Referent je Tisch gab eine kurze Einführung in sein Tisch-Thema und lud die Teilnehmer anschließend dazu ein, Fragen zu stellen, um eine Unterhaltung anzuregen. So entwickelten sich an allen Thementischen lebhafte und produktive Gespräche. Oft entstand der Dialog dadurch, dass die vorgeschlagenen Lösungsansätze stark hinterfragt wurden. Aber dass neue Möglichkeiten geschaffen werden müssen, um sich auf die Digitalisierung bildungstechnisch vorzubereiten, war die mehrheitliche Meinung. Auffällig war, dass an allen Thementischen keine technischen Skills als die notwendigsten Fähigkeiten genannt wurden. Stattdessen sahen die Diskutierenden Soft Skills als das wichtigste Wissensgut der Zukunft an.

Was auf jeden Fall heute schon wichtig ist und in der Zukunft auch noch an Bedeutung gewinnen wird, ist die Fähigkeit zu priorisieren. Man sollte auf einen Blick Unwichtiges oder weniger Relevantes identifizieren und ausblenden können. Etwas, das eine KI bereits kann – im Gegensatz zum Lehren. Denn bis eine KI als Lehrer eingesetzt werden kann, müssen noch viele Herausforderungen bewältigt werden. Zumindest muss sie lernen, Motivation, Inspiration und kritisches Hinterfragen zu vermitteln. Dies kann auch durch intensivstes Machine Learning nicht aus reinen Daten errechnet werden. Dafür braucht es Menschen, mit der richtigen Kompetenz und dem richtigen Gespür.