Kolumne E-Learning: Uber als Vorbild für adaptives Lernen

E-Learning ist mehr als nur die digitale Version eines Präsenzseminars. Wer E-Learning geschickt nutzt, kann die Lerner individuell motivieren - Big Data macht's möglich. Unsere Kolumnistin Gudrun Porath zeigt, wie Personalentwickler hier vom Taxi-Dienst Uber lernen können.

Der amerikanische Taxi-Dienst Uber verdient sein Geld mit Menschen, die für wenig Geld mit ihrem eigenen Auto für fremde Menschen den Chauffeur spielen. Wie viel Uber verdient, hängt davon ab, wie gut es dem Unternehmen gelingt, Menschen, die man nicht angestellt hat, an sich zu binden und zum Arbeiten zu motivieren.

Big Data im Einsatz bei Uber

Die Herausforderung besteht vor allem in zwei Punkten: Es gilt, die Fahrer dazu zu bewegen, möglichst viel für Uber zu fahren, damit der Dienst immer und überall angeboten werden kann. Zweitens gilt es die Fahrer zu motivieren, sich gegenüber den Fahrgästen von ihrer sympathischen Seite zu zeigen. Um diese beiden Herausforderungen in den Griff zu bekommen, hat Uber kräftig investiert und Verhaltenswissenschaftlern und Datenanalysten angestellt, berichtet die „New York Times“. Diese Experten werten Daten aus, die über eine Fahrer-App gesammelt werden. Über die App nehmen die Fahrer Aufträge an und verwalten sie oder melden sich ab, wenn sie ihre „Schicht“ beenden möchten. Das Unternehmen „steuert“ die Fahrer über die App. Es weiß, wo sie sich befinden, kann sie an einen bestimmten Ort lenken und jederzeit mit ihnen in Kontakt treten. Anhand der Datenanalysen und der Arbeit der Verhaltenswissenschaftler kann Uber inzwischen jeden Fahrer ganz individuell motivieren – zum Beispiel länger am Tag zu arbeiten (auch wenn das für sie selbst nicht lukrativ sein sollte).

Individuelle Motivation für jeden Uber-Fahrer

Bei einigen Fahrern wirkt es, bereits dann einen neuen Auftrag anzukündigen, wenn der aktuelle Fahrgast noch nicht ganz an seinem Ziel ist. Andere Fahrer, die sich über Geld motivieren lassen, bekommen beim Abmelden einen „Einnahmen-Tacho“ gezeigt, auf dem man ablesen kann, dass man zum Beispiel kurz davor steht, den nächsten vollen Hunderter zu verdienen. Andere Fahrer bekommen kleine Geschenke versprochen, wenn sie weitermachen oder werden ausgiebig für etwas gelobt (und mit Punkten in einem Spiel belohnt), was an diesem Tag besonders vorbildlich lief – zum Beispiel für ein gutes Gespräch mit einem Fahrgast, wenn dieser das ausdrücklich in seiner Bewertung erwähnt hat.

Uber als Vorbild für Personalentwickler

Die Manipulation von Menschen zum Zweck ihrer Selbstausbeutung ist aus europäischer Sicht natürlich ausgesprochen verwerflich, darüber darf kein spielerischer Ansatz hinwegtäuschen. Ein Vorbild für andere Unternehmen ist Uber aber, wenn es darum geht, sich individuell auf den Mitarbeiter einzustellen. Unternehmen könnten schließlich denselben Analyse-Aufwand betreiben, um Lernangebote für ihre Mitarbeiter adaptiv zu gestalten. Adaptives Lernen folgt den gleichen Prinzipien. Die technischen Möglichkeiten sind vorhanden.

Alle Möglichkeiten von digitalen Lernkonzepten ausschöpfen

Lassen wir tausend Mitarbeiter nicht einfach einen Standard-Kurs absolvieren. Stellen wir ihnen genau den Lernstoff zur Verfügung, den sie für ihre Tätigkeit brauchen und der ihrem persönlichen Wissensstand entspricht. Nutzen wir spielerische Elemente, die zum individuellen Geschmack eines Lerners passen und nach Möglichkeit auch noch zu ihrer Tätigkeit. Sorgen wir für Feedback, das den persönlichen Vorlieben entgegenkommt. Schöpfen wir die Möglichkeiten aus, die digitale Lernkonzepte bieten.

Learning-Management-Systeme müssen flexibler werden

Dass das keine überflüssige Forderung ist, zeigt auch das neueste „Learning Delphi 2016“ des MMB Instituts in Essen, die am 5. April 2017 veröffentlicht wurde. Sie enthält die Einschätzung namhafter Experten zur Zukunft der Learning-Management-Systeme. Demnach werden LMS nur eine Zukunft haben, wenn sie flexibler und individueller werden. Fazit: „Zusätzliche LMS-Funktionen wie Adaptivität müssen sein, um nicht an Bedeutung zu verlieren.“