Wie man Training aus Ausgangsmaterial erstellt

22. Mai 2026 · 13 Min. Lesezeit

Die meisten Trainings beginnen nicht mit einer perfekten leeren Leinwand.

Sie beginnen mit Dokumenten: ein altes Onboarding-Deck, ein Produktbriefing, ein Support-Playbook, eine Checkliste, ein Kundenleitfaden, ein Handbuch oder Meeting-Notizen. Und dann muss jemand daraus Training machen.

Das klingt wie Formatierung, ist es aber nicht. Ausgangsmaterial ist nicht dasselbe wie Training. Ein Prozessdokument ist kein Lernkonzept, ein Handbuch kein Kurs.

Training soll Menschen helfen, das Relevante zu verstehen und danach besser zu handeln.

Start mit der langweiligen Frage: Können wir der Quelle vertrauen?

Vor jeder Gliederung: Material prüfen.

• Ist es die aktuelle Version?
• Ist es freigegeben oder nur Entwurf?
• Wem gehört das Dokument?
• Enthält es die echte Regel oder nur eine vereinfachte Erklärung?
• Gibt es Widersprüche zwischen Quellen?
• Fehlt Kontext, den Lernende brauchen?

Wenn die Quelle falsch, veraltet oder unvollständig ist, löst AI das nicht. Sie kann es nur besser aussehen lassen.

Dokumentstruktur nicht heilig machen

Ein häufiger Fehler: Kursstruktur = Dokumentstruktur.

Dokumente sind oft für Pflegende geschrieben, nicht für Lernende. Training sollte nach Nutzungssituationen aufgebaut sein.

Aus „Scope, Definitionen, Verantwortungen ...“ wird für Lernende eher:

• Wann gilt das für mich?
• Was soll ich konkret tun?
• Wie sieht der Normalfall aus?
• Was sind Ausnahmen?
• Wo frage ich nach?

Nicht jedes Dokument sollte ein Kurs werden. Oft reicht ein kleines Modul für die häufigsten Situationen.

Zielgruppe vor Lernzielen definieren

Dieselbe Quelle ergibt unterschiedliche Trainings für Sales, Support, Kunden oder Partner.

Vor dem Schreiben festhalten:

• Wer lernt?
• Was wissen sie schon?
• Was sollen sie danach anders tun?
• Welche Fehler sind typisch?
• Welche Situationen begegnen ihnen real?
• Welches Detailniveau ist zu viel?

Lernende brauchen nicht das ganze Dokument, sondern den Teil, der Verhalten verändert.

Kurzes Design-Brief schreiben

Ein halbe Seite reicht, aber es braucht eine Brücke zwischen Quelle und Kursentwurf.

Ein Brief kann enthalten:

• Zweck
• Zielgruppe
• Quellen
• Lernziele
• Muss-Themen
• Out-of-Scope
• Tonalität
• Länge
• Review-Anforderungen
• sensible Punkte

Für AI-gestützte Arbeit ist das nicht Deko. Es ist die Steuerungsebene.

Lernziele aus Entscheidungen ableiten, nicht aus Überschriften

Schwach: „Rückerstattungsprozess verstehen.“

Besser: „Für häufige Fälle den richtigen Rückerstattungspfad wählen und Eskalationsausnahmen erkennen.“

Suche in Quellen nach:

• Entscheidungen
• Aktionen
• Ausnahmen
• häufigen Fehlern
• Begriffen, die wirklich erklärt werden müssen
• Reihenfolgen
• Folgen bei Fehlentscheidungen

Interaktionen mit Maß einsetzen

Interaktivität ist nicht automatisch Lernen.

Die entscheidende Frage: Was sollen Lernende üben?

• Situationen erkennen -> Szenarien
• Beispiele einordnen -> Sortierung
• Prozess verstehen -> Reihenfolge-Aufgaben
• Erinnerung prüfen -> Quiz

Die Interaktion soll eine kleine Version der realen Aufgabe sein.

AI für Entwürfe nutzen, nicht für Entscheidungen

AI kann helfen bei Zusammenfassung, Themenfindung, Zielentwurf, Szenarien und Quizfragen.

Aber: Der erste Entwurf ist nicht das Lernprodukt. Die geprüfte Version ist es.

Praktischer Loop:

1. AI identifiziert Themen, Entscheidungen und Lücken.
2. Gegen Quellen prüfen.
3. Brief schreiben/überarbeiten.
4. Outline erstellen.
5. Inhalte erzeugen.
6. Szenarien und Antworten prüfen.
7. Unbelegte Aussagen entfernen.
8. Sensible Inhalte richtig reviewen lassen.
9. Bei Quellenänderungen aktualisieren.

Nachvollziehbarkeit behalten, auch wenn es langweilig wirkt

Wenn jemand fragt „Warum steht das im Training?“, darf die Antwort nicht sein: „Weil AI es geschrieben hat.“

Mindestens dokumentieren:

• verwendete Quellen
• Version/Datum
• Reviewer
• offene Fragen
• potenziell schnell veraltende Abschnitte

Konkretes Beispiel: Rückerstattungstraining im Support

Quellen:

• freigegebene Policy
• Support-Makros
• drei aktuelle Eskalationen
• Teamlead-Notizen zu typischen Fehlern
• Produktnotiz zu Abo-Ausnahmen

Mögliche Ziele:

• richtigen Pfad für Standardfälle wählen
• eskalationspflichtige Ausnahmen erkennen
• Entscheidung kundenverständlich kommunizieren
• Makro erst nach Account-Check nutzen

Mögliche Modulstruktur:

1. Zweck des Prozesses
2. Häufige Pfade
3. Eskalationsausnahmen
4. Kommunikation der Entscheidung
5. Szenarien + Wissenstest

AI kann Szenarien vorschlagen. Die Quelle entscheidet über die richtige Antwort.

Weitere Beispiele für Source-to-Training

• Onboarding
• Produkttraining
• Software-Einführung
• Operations/SOP-Training
• Kundenschulung
• Franchise/Retail
• Sicherheitsbewusstsein

Compliance ist wichtig, aber nicht der einzige Anwendungsfall.

Wo E-Learning nicht ausreicht

Selbstlernmodule sind oft nur Unterstützung bei:

• Sprachenlernen
• körperlichen Fertigkeiten
• Notfallreaktion
• Therapie/sensibler Entwicklung
• komplexer Verhandlung, Leadership, kreativer Arbeit

Wo dieser Ansatz passt

Dieser Ansatz folgt einem klaren Ablauf: aus Quellen starten, mit AI entwerfen, mit Experten prüfen und finalisieren.

Nicht das Entfernen von Expertinnen/Experten ist das Ziel, sondern bessere Struktur, schnellere Entwürfe und bessere Umsetzbarkeit.

Was man sich merken sollte

• Quelle prüfen
• Zielgruppe klären
• kurzes Brief schreiben
• Ziele aus Entscheidungen ableiten
• Dokumentstruktur nicht blind übernehmen
• Interaktionen nur mit Lernnutzen einsetzen
• AI für Entwurf, nicht für Entscheidungen
• kritisch reviewen
• Traceability sichern

Das Ziel ist nicht, jedes Dokument in Training zu verwandeln, sondern die richtigen Teile in handlungswirksames Lernen zu übersetzen.