Innovationslogiken in der Berufsbildung: Von der digitalen zur KI-Transformation

Abstract

„Die digitale Transformation der Berufsbildung folgte primär einer ergänzenden Innovationslogik. Digitale Tools unterstützten bestehende Modelle und stärkten die Integration von Lernen und Arbeiten im Arbeitsprozessmodell. Mit der Verbreitung generativer KI entsteht hingegen eine neue, daten- und modellzentrierte Logik, die ein konnektives Modell erfordert. Dieses Modell betont systemische Vernetzung, gemeinsame Datenräume und die Ko-Konstruktion von Wissen. Dadurch verändern sich pädagogische und berufliche Professionen tiefgreifend. Der Beitrag entwickelt eine Vergleichsmatrix digitaler und KI-basierter Innovationslogiken und leitet daraus ein Reifegradmodell der KI-Transformation für die Lernortkooperation ab. Eine qualitative Studie im Auftrag des Kantons Bern liefert eine Standortbestimmung anhand des entwickelten Reifegradmodells. Die Ergebnisse verdeutlichen, dass die KI-Transformation gemeinsame Datenräume, neue Governance-Modelle, technische Vernetzung und KI-bezogene Kompetenzen erfordert. Zugleich besteht derzeit die Gefahr, dass Lernorte in eigenen digitalen Ökosystemen verharren. Das Reifegradmodell dient daher als Instrument, um diese Fragmentierung aufzuzeigen und die Lernortkooperation aus bildungspolitischer Perspektive strategisch zu steuern.“ (Autorenreferat; BIBB-Doku)„The digital transformation of vocational education and training (VET) primarily followed a complementary innovation logic. Digital tools supported existing models and, within the work-process approach, strengthened the integration of learning and working. With the rise of generative artificial intelligence (AI), however, a new, data- and model-centered logic emerges that requires a connective model. This emphasizes systemic networking, shared data spaces, and the co-construction of knowledge, thereby profoundly reshaping both pedagogical and occupational professions. The article develops a comparative matrix of digital and AI-based innovation logics and derives a maturity model of AI transformation for learning location cooperation from it. A qualitative study commissioned by the Canton of Bern provides an assessment of the current situation based on the developed maturity model. The results illustrate that AI transformation requires shared data spaces, new governance models, technical networking and AI-related skills. At the same time, there is currently a risk that learning locations will remain stuck in their own digital ecosystems. The maturity model therefore serves as a tool for highlighting this fragmentation and strategically managing learning location cooperation from an education policy perspective.” (author’s abstract; BIBB-Doku)