Open Access

Aufgrund einer alternden Belegschaft, einem steigenden Digitalisierungsgrad von Arbeitsprozessen, unzureichenden Digitalisierungskompetenzen sowie sinkenden Weiterbildungsaktivitäten im Alter, kann eine wachsende Herausforderung für Unternehmen und Gesellschaft angenommen werden, die Erwerbsbevölkerung über 45 Jahre in den notwendigen Digitalen Kompetenzen zu befähigen. Adaptive Lernsysteme können als Hilfsmittel eingesetzt werden, um je nach individuellem Anspruch angepasst an die eigenen Bedürfnisse zu lernen. Da in der bisherigen Forschung sowohl der (Digitale) Kompetenzstand als auch Weiterbildungsverhalten kaum Anwendung als Auslöser für eine Anpassung in einem adaptiven Lernsystem finden, wurden beide Merkmale in dieser Dissertation untersucht und erforscht, ob sich innerhalb der Zielgruppe Weiterbildungstypen im digitalen Raum voneinander abgrenzen und typ-basierte Output-Elemente adaptiver Lernsysteme ableiten lassen. Um die Ausprägung von Digitaler Kompetenz anschaulich in adaptiven Lernsystemen zu gestalten, wird eine Kompetenz-Ziel-Matrix entwickelt und eine Systematik vorgeschlagen, mit der die Erfüllung der Handlungsziele aus dem Europäischen Referenzrahmen für Digitale Kompetenz gemessen werden kann. In den Tiefeninterviews mit 41 Erwerbstätigen aus Deutschland und der Schweiz wiesen Teilnehmende deutliche Unterschiede in ihrem gelebten Weiterbildungsverhalten auf. Die empfundene Relevanz von Digitaler Kompetenz für die berufliche Rolle war nicht allein ausschlaggebend für eine aktivere Weiterbildungsbeteiligung. Bewusstseinslücken zum eigenen Digitalen Kompetenzstand und/ oder ein geringes Kompetenzerleben im digitalen Raum bewirkten ein passives Weiterbildungsverhalten trotz hoher empfundener Relevanz. Die entstandene Typologie weist fünf Weiterbildungstypen im digitalen Raum auf: Wissbegierige, Effiziente, Sozialaktive, Zufriedene und Unsichere. Diese haben sehr unterschiedliche Anforderungen dahingehend, wie ein adaptives Lernsystem gestaltet sein müsste, um ihren Anforderungen an Lernen gerecht zu werden. Demzufolge weichen auch die vorgeschlagenen priorisierten Output-Elemente je nach Typ voneinander ab, um Anreizpunkte zu setzen, welche die Bereitschaft zum Lernen steigern können.

Die zunehmende Digitalisierung veranlasst wissensintensive Organisationen, deren Kerngeschäft die Aufbereitung und Kuratierung von Wissen ist, dazu, Künstliche Intelligenz (KI) verstärkt in ihre Arbeitsprozesse zu integrieren. Da verfügbare KI-Lösungen die spezifischen Anforderungen dieser Organisationen häufig nicht vollständig erfüllen können, entwickeln einige von ihnen hausintern eigene KI-Projekte. Dieser Prozess erfordert ein hohes Maß an interdisziplinärer Zusammenarbeit zwischen KI-Anwender*innen, die über das notwendige Kontextwissen verfügen, und KI-Entwickler*innen, die auf dieses Wissen angewiesen sind – ein Spannungsfeld, das bislang nur unzureichend empirisch untersucht wurde. Die vorliegende Dissertation untersucht, inwiefern dieses Spannungsfeld das Management von KI-Projekten in wissensintensiven Organisationen beeinflusst. Theoretisch verortet sie sich in der Technology-Frame-Theorie nach Orlikowski und Gash (1994). Bibliotheken, im weiteren Sinne, stellen in diesem Zusammenhang ein besonders aufschlussreiches Untersuchungsfeld dar, da sie jahrhundertealte Wissensordnungen mit einer nachgewiesenen Anpassungsfähigkeit an neue Technologien verbinden. Die empirische Arbeit basiert auf einem qualitativen Prozessfallstudiendesign, welches eine Expert*innen-Vorstudie sowie drei vergleichende Prozessfallstudien in deutschen Bibliotheken umfasst. Die Datenerhebung erfolgte in den Jahren 2019 bis 2022. Die Ergebnisse zeigen, dass auf allen drei Analyseebenen – KI-Funktionen, KI-Strategie und KI-Nutzung – Frame-Inkongruenzen zwischen Entwicklung und Anwendung identifiziert werden konnten. Mangelnde Wertschätzung und mangelnde Unterstützung sind dabei als sich gegenseitig verstärkende Wechselwirkungen besonders salient. Als Reaktion auf diese Herausforderung entwickelten KI-Projektmanager*innen vier Frame-Bridging-Taktiken: klare KI-Kommunikation, agile Interdisziplinarität, transparente Teilhabe und Kompetenzentwicklung. Die Arbeit leistet damit sowohl einen theoretischen Beitrag zur Technology-Frame-Community als auch praktische Handlungshinweise für Organisationen, die KI hausintern entwickeln.