Viele Learning-Analytics-Ansätze bleiben an der Oberfläche hängen: Es wird gezählt, wie oft jemand klickt, welche Kurse abgeschlossen werden und wie lange Lerninhalte genutzt werden. Diese Daten sagen jedoch wenig darüber aus, ob Menschen im Arbeitsalltag tatsächlich besser handeln. Ohne Bezug zu konkreten Handlungsankern bleibt Learning Analytics ein Reporting über Lernaktivitäten – aber kein Instrument zur Steuerung von Performance und Skillentwicklung.
Wenn Handlungsanker und Skillgraph ins Spiel kommen, verschiebt sich der Fokus. Im Skillgraph sind Skills mit konkreten Handlungsankern verknüpft – also mit den Situationen, in denen Leistung sichtbar wird. Learning Analytics kann so nicht nur zeigen, welche Inhalte konsumiert wurden, sondern auch, ob die für bestimmte Handlungsanker relevanten Skills aufgebaut, genutzt und im Arbeitskontext angewendet werden. Die Frage lautet dann: „Wie entwickelt sich die Fähigkeit, eine bestimmte Handlung im Prozess besser auszuführen?“
Praktisch bedeutet das: Statt nur „Kurs A abgeschlossen“ zu messen, wird beobachtet, wie sich die Qualität und Sicherheit in einer Handlung verändert – etwa in Kundengesprächen, im Umgang mit Reklamationen oder in der Entscheidungsfindung. Diese Handlungen sind im Skillgraph hinterlegt und mit den passenden Lernpfaden, Ressourcen und Performance-Support-Elementen verbunden. So entstehen Analysen, die zeigen, welche Kombination von Lernen und Unterstützung tatsächlich Wirkung auf die Arbeit hat.
Learning Analytics wird damit zu einem strategischen Instrument, das drei Perspektiven zusammenführt:
- Handlungsanker als Referenz für reale Arbeitssituationen
- Skillgraph als Struktur, die Skills, Handlungen und Angebote verbindet
- Daten aus Lernen und Performance, die zeigen, was wirklich funktioniert
Der entscheidende Effekt: Organisationen sehen nicht nur, wo gelernt wird, sondern wo sich Handlungsfähigkeit im Prozess verbessert – und wo nicht. Genau hier schließt sich der Kreis zu personalisierten Lernpfaden und Empfehlungssystemen, die auf diese Erkenntnisse reagieren können.
Call-to-Action: Worauf schaut ihr heute in euren Learning-Analytics-Dashboards zuerst: auf Nutzungszahlen oder auf die Frage, ob sich Handlungen im Prozess wirklich verändern? Welche Daten fehlen euch, um diesen Schritt konsequent gehen zu können?