Relevanzlose Trainingsinhalte im HR L&D mit Claude KI beheben
Viele HR-Teams kämpfen mit generischen, irrelevanten Lerninhalten, die Mitarbeitende langweilen und Budgets verschwenden. Dieser Leitfaden zeigt, wie Sie Claude nutzen, um Schwächen in Ihrer Trainingsbibliothek zu diagnostizieren, rollenspezifische Lernpfade zu entwerfen und die Relevanz und Wirkung Ihrer Inhalte kontinuierlich zu verbessern.
Inhalt
Die Herausforderung: Irrelevante Kursinhalte
HR- und L&D-Teams stehen unter Druck, die Belegschaft weiterzubilden, dennoch werden viele Mitarbeitende weiterhin in generische, One-Size-Fits-All-Kurse gedrängt. Eine Vertriebsmitarbeiterin muss breit angelegte „Kommunikationsfähigkeiten“-Module absolvieren, während ein Senior Engineer jedes Jahr dieselben Grundlagen im Security-Training wiederholt. Das Ergebnis ist vorhersehbar: Langeweile, niedrige Abschlussquoten und der Eindruck, dass Corporate Learning eher ein Pflichtprogramm als eine echte Entwicklungschance ist.
Traditionelle Ansätze im Learning Design können hier kaum Schritt halten. Content-Bibliotheken wachsen schneller, als irgendjemand sie kuratieren kann. Rollenbeschreibungen, Skill-Anforderungen und Geschäftsprioritäten ändern sich quartalsweise, aber Kurskataloge werden bestenfalls einmal im Jahr aktualisiert. Manuelle Bedarfsanalysen, Kompetenzmatrizen in Excel und lange Stakeholder-Workshops lassen sich schlicht nicht auf Tausende Mitarbeitende und sich ständig wandelnde Jobprofile skalieren. Das Ergebnis ist viel Content, aber sehr wenig relevantes Lernen.
Bleibt dieses Problem ungelöst, hat es messbare Auswirkungen auf das Geschäft. Trainingsbudgets werden in Lizenzen für Inhalte gebunden, die die Leistung im Arbeitsalltag nicht verbessern. Mitarbeitende wenden sich von Lernplattformen ab, wodurch es schwieriger wird, kritische neue Skills auszurollen. Führungskräfte werden gegenüber L&D skeptisch, und HR fällt es schwer, den Lern-ROI nachzuweisen, wenn Kursabschlüsse sich nicht in besseren KPIs widerspiegeln. In wettbewerbsintensiven Märkten wird dies zu einem echten Nachteil: Wettbewerber mit schärferem, rollenbasiertem Lernen agieren schneller und binden Talente besser.
Die gute Nachricht: Dieses Problem ist lösbar. Mit moderner KI für HR sowie L&D müssen Sie nicht länger raten, was relevant ist. Tools wie Claude können Ihre gesamte Trainingsbibliothek, Stellenbeschreibungen und Leistungsdaten lesen, Fehlanpassungen aufzeigen und gezielte Verbesserungen vorschlagen. Bei Reruption haben wir Teams dabei unterstützt, KI-first-Lernerlebnisse und interne Tools aufzubauen, die Content-Kuration und Personalisierung massiv effektiver machen. In den folgenden Abschnitten finden Sie praxisnahe Hinweise, wie Sie Claude nutzen, um einen überladenen, generischen Katalog in fokussierte, wirkungsstarke Learning Journeys zu verwandeln.
Brauchen Sie einen Sparring-Partner für diese Herausforderung?
Lassen Sie uns unverbindlich sprechen und brainstormen.
Innovatoren bei diesen Unternehmen vertrauen uns:
Unsere Einschätzung
Eine strategische Einschätzung der Herausforderung und High-Level-Tipps, wie Sie sie angehen können.
Aus Sicht von Reruption liegt die zentrale Chance darin, Claude als Analyse- und Design-Copilot für L&D zu nutzen – nicht nur als Content-Generator. Da Claude große Mengen an Richtlinien, Rollenprofilen, bestehenden Kursen und sogar anonymisierten Leistungsdaten verarbeiten kann, hilft es HR-Teams, irrelevante Kursinhalte systematisch zu identifizieren, rollenbasierte Curricula zu entwerfen und Lernmaterialien an die aktuelle Realität des Geschäfts anzupassen. Auf Basis unserer praktischen Erfahrungen bei der Implementierung von KI-Lösungen in HR- und Lernumgebungen sehen wir die größte Wirkung, wenn Claude in bestehende Workflows eingebettet wird, statt als isoliertes Experiment zu laufen.
In Skills und Ergebnissen denken, nicht in Kursen und Katalogen
Bevor Sie Claude einsetzen, sollten HR, L&D und Business-Verantwortliche sich auf die entscheidenden Skills und angestrebten Ergebnisse einigen. Der größte Fehler besteht darin, die KI den bestehenden Kurskatalog optimieren zu lassen, statt die Fähigkeiten in den Fokus zu stellen, die die Organisation tatsächlich braucht. Beginnen Sie damit, eine kleine Anzahl kritischer Rollen zu definieren und die Skills zuzuordnen, die für jede Rolle messbare Geschäftsergebnisse treiben.
Ist diese Skills-first-Perspektive klar, kann Claude angewiesen werden, bestehende Inhalte gegen diese Skills und Outcomes zu bewerten und aufzuzeigen, was fehlt, redundant oder nicht mehr passend ist. Diese Strategie macht aus Claude keine Content-Fabrik, sondern einen Partner, der kontinuierlich prüft: „Trägt dieser Kurs wirklich zu den Skills bei, die uns am wichtigsten sind?“
Claude zunächst als diagnostische Ebene nutzen, bevor Sie Neues erstellen
Viele L&D-Teams springen direkt in die Erstellung neuer KI-generierter Inhalte. Strategisch wirkungsvoller ist es, Claude zuerst als Diagnose-Engine einzusetzen. Laden Sie repräsentative Beispiele Ihrer aktuellen Inhalte, Rollenbeschreibungen, Kompetenzmodelle und anonymisierte Umfragedaten hoch und lassen Sie Claude Verbindungen und Lücken kartieren.
Diese Diagnosephase zeigt, wo sich irrelevante Trainings ballen: Kurse, die zu keiner Rolle oder kritischen Fähigkeit passen, Module, die ohne klaren Zweck in verschiedenen Pfaden wiederholt werden, oder Inhalte, die nicht mehr mit aktualisierten Richtlinien und Tools übereinstimmen. Wenn Sie diese Probleme beheben, bevor Sie Neues generieren, sparen Sie Budget und stärken das Vertrauen im Unternehmen, dass KI die Qualität verbessert – nicht nur die Menge.
HR- und L&D-Teams auf einen Copiloten vorbereiten, nicht auf Autopilot
Claude ist am effektivsten, wenn Ihre HR- und L&D-Profis es als Copiloten zur Verstärkung ihrer Expertise verstehen. Strategisch bedeutet das, etwas Zeit in Prompt-Design-Skills, ein grundlegendes Verständnis der Grenzen von KI und klare Review-Verantwortlichkeiten zu investieren. KI kann Lernpfade empfehlen, Microlearning-Module entwerfen oder Prüfungsfragen vorschlagen – aber Menschen müssen die endgültigen Entscheidungen treffen.
Legen Sie früh Erwartungen fest: Claude wird Muster und Ideen sichtbar machen, für die bisher niemand Zeit hatte, sie zu erkennen, wird aber auch Fehler machen oder über-verallgemeinern, wenn es unbeaufsichtigt bleibt. Wenn „KI + menschliche Prüfung“ zum Standard-Betriebsmodell wird, senkt das Risiken und stellt sicher, dass Ihre besten Praktiker bestimmen, wie Claude eingesetzt wird – statt sich davon ersetzt zu fühlen.
Governance zu Daten, Bias und Compliance von Tag eins an aufbauen
Der Einsatz von KI in HR und Learning umfasst sensible Daten und potenzielle Verzerrungen. Strategisch brauchen Sie ein leichtgewichtiges, aber klares Governance-Modell, bevor Claude in den täglichen Betrieb geht. Definieren Sie, welche Daten als Input erlaubt sind (z. B. anonymisierte Umfrageantworten, allgemeine Rollenprofile, pseudonymisierte Leistungskennzahlen) und was strikt tabu ist.
Seien Sie außerdem bewusst in der Bias-Reduktion: Weisen Sie Claude beispielsweise an, demografische Variablen bei Content-Empfehlungen zu ignorieren und geschlechtsspezifische oder ausschließende Formulierungen in bestehenden Kursen zu markieren. Dieser Ansatz schützt Mitarbeitende und stärkt zugleich die Glaubwürdigkeit Ihres KI-gestützten L&D-Programms gegenüber Betriebsrat und Management.
Mit fokussierten Piloten und klaren Metriken starten, dann skalieren
Die erfolgreichsten Einsätze von Claude im L&D-Bereich beginnen strategisch klein und gezielt. Wählen Sie 1–2 Rollen mit klaren Business-KPIs (z. B. Inside Sales, Customer Support, Produktionsteamleitungen) und führen Sie einen begrenzten Piloten durch, in dem Claude Lernpfade und Content-Relevanz nur für diese Zielgruppen optimiert.
Definieren Sie Erfolg im Voraus: reduzierte Zeit in irrelevanten Kursen, höhere Abschlussquoten, verbesserte Leistungskennzahlen nach Trainings oder bessere Zufriedenheitswerte der Lernenden. Wenn der Pilot sichtbare Verbesserungen zeigt, haben Sie interne Belege und eine Vorlage, um Claude auf weitere Rollen und Regionen zu übertragen, ohne Ihre Teams zu überfordern.
Sorgfältig eingesetzt kann Claude einen unscharfen L&D-Katalog in ein zielgerichtetes, skillsgetriebenes Lernsystem verwandeln, indem es Irrelevanz diagnostiziert, rollenbasierte Pfade vorschlägt und bei der Gestaltung kompakter, szenariobasierter Materialien unterstützt. Mit Reruption’s Kombination aus tiefem KI-Engineering-Know-how und HR-Domänenverständnis helfen wir Kunden, von der Theorie zu funktionierenden Lösungen zu kommen – Claude in bestehende Tools zu integrieren, Governance aufzusetzen und die Workflows mitzugestalten, die Ihre Teams tatsächlich nutzen. Wenn Sie prüfen, wie Sie irrelevante Kursinhalte mit KI beheben können, sprechen wir gerne über einen konkreten, risikoarmen Einstieg.
Hilfe bei der Umsetzung dieser Ideen?
Nehmen Sie gerne unverbindlich Kontakt zu uns auf.
Fallbeispiele aus der Praxis
Von Logistik bis Luft- und Raumfahrt: Erfahren Sie, wie Unternehmen Claude erfolgreich einsetzen.
Best Practices
Erfolgreiche Implementierungen folgen bewährten Mustern. Werfen Sie einen Blick auf unsere taktischen Ratschläge für den Einstieg.
Claude nutzen, um Ihre bestehende Trainingsbibliothek gegen reale Rollen zu auditieren
Beginnen Sie mit einer strukturierten Sicht auf Ihre aktuellen Rollen und die dafür benötigten Skills. Exportieren Sie Rollenbeschreibungen, Kompetenzmodelle und einen Katalog Ihrer bestehenden Kurse (Titel, Beschreibungen, Zielgruppe, Dauer). Nutzen Sie anschließend Claude, um diese systematisch zu vergleichen und Fehlanpassungen sowie Redundanzen aufzuzeigen.
Beispiel-Prompt für ein Kurs-Rollen-Audit:
Sie sind ein KI-Assistent, der einem HR- und L&D-Team hilft, irrelevante Trainings zu eliminieren.
Inputs:
- Rollenprofile mit Kernaufgaben und erforderlichen Skills
- Kursliste mit Titeln, Beschreibungen, Zielgruppe und Dauer
Aufgaben:
1. Identifizieren Sie für jede Rolle, welche Kurse hoch relevant, teilweise relevant oder irrelevant sind.
2. Markieren Sie Kurse, die:
- sich keiner Rolle oder keinem kritischen Skill eindeutig zuordnen lassen
- offensichtlich dupliziert oder überlappend sind
- für die definierten Rollen zu generisch oder zu grundlegend sind
3. Schlagen Sie vor, welche Kurse:
- unverändert beibehalten werden sollten
- aktualisiert werden sollten (mit kurzer Begründung)
- eingestellt werden sollten, um Budget zu sparen und Rauschen zu reduzieren.
Geben Sie das Ergebnis als Tabelle pro Rolle aus.Erwartetes Ergebnis: eine klare, rollenbasierte Relevanzlandkarte Ihrer Bibliothek, die es Ihnen ermöglicht, 10–30 % an wenig wertvollem Content zu streichen und Ihr Budget auf das zu konzentrieren, was wirklich zählt.
Mit Claude rollenspezifische, niveaugerechte Lernpfade entwerfen
Wenn Sie verstanden haben, welche Inhalte relevant sind, bitten Sie Claude, strukturierte Learning Journeys pro Rolle und Senioritätsstufe (z. B. Junior, Mid, Senior) zu entwerfen. Damit adressieren Sie direkt das Problem, dass Mitarbeitende in Inhalte gedrängt werden, die nicht zu ihrem Skill-Level passen.
Beispiel-Prompt für die Pfadgestaltung:
Sie entwerfen rollenspezifische Lernpfade, um die Relevanz von Trainings zu erhöhen.
Inputs:
- Rolle: Inside Sales Representative
- Senioritätsstufen: Junior (0–1 Jahr), Mid (1–3 Jahre), Senior (3+ Jahre)
- Verfügbare Kurse mit Relevanzbewertungen aus unserem vorherigen Audit
- Business-Ziele: Steigerung der Conversion Rate, Verkürzung der Ramp-up-Zeit für Neueinstellungen
Aufgaben:
1. Schlagen Sie für jede Senioritätsstufe einen 4–6-wöchigen Lernpfad vor.
2. Geben Sie für jeden Pfad an:
- Lernziele in Business-bezogenen Begriffen
- Ausgewählte Kurse/Module und Begründung
- Empfohlene Assessments oder Praxisaktivitäten
3. Stellen Sie sicher, dass Schwierigkeitsgrad und inhaltliche Tiefe dem Erfahrungsniveau entsprechen.
4. Heben Sie fehlende Inhalte hervor, die zusätzlich erstellt werden sollten.Indem Sie Claude nutzen, um Lernpfade auf diese Weise zu strukturieren, kommen Sie schnell weg von „alle machen denselben Kurs“ hin zu differenzierten Journeys, die Vorwissen und Rollenkontext respektieren.
Szenariobasiertes Microlearning direkt aus Richtlinien und realen Fällen generieren
Claude ist besonders gut darin, dichte Richtlinien und ausführliche Trainings in kompaktes, szenariobasiertes Microlearning für spezifische Rollen zu verwandeln. Geben Sie Ihre bestehenden Guidelines, SOPs oder anonymisierte Falldarstellungen ein und lassen Sie Claude kurze, realistische Szenarien und Entscheidungspunkte erstellen.
Beispiel-Prompt für die Szenarioerstellung:
Sie erstellen szenariobasiertes Microlearning für Customer-Support-Mitarbeitende.
Inputs:
- Unternehmensrichtlinie zur Erstattung und Bearbeitung von Beschwerden (Volltext)
- 3 anonymisierte Beispiele für herausfordernde Kundensituationen
Aufgaben:
1. Erstellen Sie 5 realistische Kundenszenarien, die typische Fälle und Edge Cases abbilden.
2. Für jedes Szenario enthalten sein sollen:
- eine kurze Erzählung (max. 150 Wörter)
- 3 Entscheidungsoptionen, wie der/die Agent:in reagieren könnte
- Feedback, das die beste Wahl erklärt und sich auf die Richtlinie bezieht
3. Nutzen Sie eine einfache, freundliche Sprache und fokussieren Sie auf praktische Urteilsfähigkeit, nicht auf Theorie.So entstehen hochrelevante Microlearning-Einheiten, in denen sich Mitarbeitende sofort wiedererkennen – „ihre Welt“ – was im Vergleich zu abstraktem, generischem E-Learning zu höherer Beteiligung und besserer Behaltensleistung führt.
Rollenbezogene Gespräche zur Übung und zum Assessment simulieren
Claude kann als Gesprächssimulator auftreten und die Rolle eines Kunden, einer Kollegin oder eines Vorgesetzten übernehmen, damit Mitarbeitende ihre Skills in realitätsnahen Dialogen anwenden können. Für HR und L&D ist dies ein wirkungsvolles Mittel, um arbeitsplatzrelevante Übung und Assessments zu ermöglichen, ohne komplexe Individualsoftware bauen zu müssen.
Beispiel-Prompt für Gesprächssimulation:
Sie simulieren ein schwieriges Gespräch für ein Trainingsprogramm für Teamleitungen.
Rolle: Sie sind ein/e Mitarbeiter:in, die/der frustriert über die Arbeitsbelastung ist und überlegt zu kündigen.
Zielgruppe: Teamleitungen in der Produktion.
Ziel: Der Führungskraft realistische Übung in aktivem Zuhören und Problemlösung geben.
Anweisungen:
- Bleiben Sie in der Rolle des/der Mitarbeitenden.
- Antworten Sie natürlich auf die Nachrichten der Führungskraft.
- Eskalieren oder deeskalieren Sie die Situation, je nachdem, wie gut die Führungskraft reagiert.
- Nach 10–12 Nachrichten pausieren Sie das Gespräch und geben Feedback:
- Was die Führungskraft gut gemacht hat
- Was verbessert werden könnte
- Vorschläge für alternative Formulierungen.Eingebettet in Ihr LMS oder Lernportal (via API-Integration oder manuelles Copy & Paste) bieten diese Simulationen hochrelevante, risikofreie Übungssituationen, die deutlich fesselnder sind als statische Quizformate.
Kontinuierlich Feedback sammeln und Claude Relevanztrends analysieren lassen
Um zu verhindern, dass Ihr Lernkatalog wieder in die Irrelevanz abgleitet, etablieren Sie einen einfachen Feedback-Loop. Ergänzen Sie am Ende jedes Kurses 2–3 gezielte Fragen zur wahrgenommenen Relevanz für Rolle und Skill-Level und holen Sie Feedback von Führungskräften zum beobachtbaren Verhaltensänderungen ein.
Beispiel-Prompt für Feedbackanalyse:
Sie analysieren Learning-Feedback, um irrelevante oder nicht passende Inhalte zu identifizieren.
Inputs:
- Anonymisierte Feedback-Kommentare von Lernenden zu 20 Kursen
- Relevanzbewertungen (1–5) pro Kurs
- Rolle jeder/s Lernenden (z. B. Sales, Support, Engineering)
Aufgaben:
1. Fassen Sie die häufigsten Themen nach Kurs und Rolle zusammen.
2. Identifizieren Sie Kurse mit:
- niedrigen Relevanzbewertungen
- häufigen Beschwerden, der Kurs sei zu grundlegend/zu generisch/zu theoretisch
3. Schlagen Sie konkrete Verbesserungen für die 5 schlechtesten Kurse vor.
4. Schlagen Sie 3–5 neue oder überarbeitete Module vor, die besser zu den beschriebenen Bedarfen passen würden.Wenn Sie diese Analyse quartalsweise mit Claude durchführen, bleibt Ihr Katalog scharf, und Sie können Inhalte ausmustern oder überarbeiten, bevor sie zu einem kostspieligen Zeit- und Aufmerksamkeitsgrab werden.
Erwartete Ergebnisse und realistische Kennzahlen
Wenn HR-Teams diese Praktiken systematisch anwenden, sind realistische Ergebnisse: eine Reduktion der Zeit in wenig wertvollen Trainings um 15–30 %, messbar höhere Relevanzbewertungen und Abschlussquoten sowie eine schnellere Einarbeitung von Neueinstellungen in Zielrollen (oft um 10–20 %). Wichtiger noch: Führungskräfte sehen klarere Zusammenhänge zwischen Lernaktivitäten und Performance und stärken dadurch den Rückhalt für weitere L&D-Investitionen und KI-getriebene Innovation.
Brauchen Sie jetzt Umsetzungskompetenz?
Lassen Sie uns über Ihre Ideen sprechen!
Häufig gestellte Fragen
Claude kann große Mengen Ihrer bestehenden Trainingsinhalte, Rollenbeschreibungen und Kompetenzmodelle verarbeiten und systematisch vergleichen. Indem Sie Claude Kurskataloge, Jobprofile und Ihre Ziel-Skills zur Verfügung stellen, können Sie das System bitten, jedes Modul je nach Rolle und Senioritätsstufe als hoch relevant, teilweise relevant oder irrelevant zu klassifizieren.
Es kann außerdem Duplikate, veraltete Verweise auf Tools oder Richtlinien sowie Module markieren, die für ihre Zielgruppe zu grundlegend oder zu generisch sind. Das Resultat ist eine datenbasierte Landkarte der Fehlanpassungen in Ihrem Katalog, die Ihnen hilft zu entscheiden, was Sie beibehalten, aktualisieren oder einstellen – statt sich allein auf Bauchgefühl zu verlassen.
Sie brauchen für den Einstieg kein voll besetztes Data-Science-Team. Ein praxisnahes Setup umfasst üblicherweise:
- Eine L&D- oder HRBP-Leitung, die Ihre Rollen, Skills und Business-Prioritäten kennt.
- Eine Person mit grundlegenden technischen Fähigkeiten, um Kurskataloge und Rollendaten zu exportieren (oft aus Ihrem LMS und HRIS).
- Eine kleine Gruppe von Fachexpert:innen, die die Empfehlungen von Claude überprüfen und validieren.
Ein fokussierter Pilot – für 1–2 Rollen, inklusive Audit der bestehenden Inhalte und Design verbesserter Lernpfade – lässt sich typischerweise in 4–8 Wochen konzipieren und umsetzen, abhängig von Datenverfügbarkeit und Abstimmung mit Stakeholdern. Danach lässt sich die Nutzung auf weitere Rollen deutlich schneller ausweiten, weil Sie dieselben Prompts, Templates und Workflows wiederverwenden.
Die meisten Organisationen sehen Effekte in drei Bereichen: gesparte Zeit, Engagement und Performance. Auf der Zeitseite reduziert das Streichen klar irrelevanter oder redundanter Inhalte die benötigten Trainingsstunden oft um 15–30 %, ohne Compliance oder Qualität zu gefährden. Befragungen von Lernenden zeigen in der Regel eine höhere wahrgenommene Relevanz und Zufriedenheit, sobald Pfade rollen- und niveauspezifisch sind, was wiederum die Abschlussquoten erhöht.
Auf der Performanceseite hängt der ROI davon ab, wie eng Sie Lernen mit Business-KPIs verknüpfen. Beispielsweise kann ein besser zielgerichtetes Onboarding die Time-to-Productivity für Sales- oder Support-Rollen um 10–20 % verkürzen. Diese Effekte erleichtern es erheblich, L&D-Ausgaben gegenüber dem Management zu rechtfertigen – insbesondere, wenn Sie nachweisen können, dass Claude geholfen hat, Budget von generischen Inhalten hin zu wirkungsstarkem, rollenspezifischem Development umzulenken.
Qualitätssicherung entsteht durch die Kombination aus klaren Prompts, Governance und menschlicher Prüfung. Sie können Claude explizit anweisen, demografische Merkmale zu ignorieren, potenziell voreingenommene Sprache zu markieren und Empfehlungen strikt an Ihren dokumentierten Kompetenzmodellen und Richtlinien auszurichten. Das Weglassen personenbezogener Daten in den Prompts verringert Risiken zusätzlich.
Wir empfehlen einen Review-Workflow, in dem HR-/L&D-Expert:innen die Relevanzeinschätzungen, Pfadentwürfe und generierten Inhalte von Claude validieren, bevor etwas live geht. Regelmäßiges Stichprobenziehen – z. B. monatliche Prüfung eines Teils der KI-Ausgaben – und gezieltes Feedback der Lernenden helfen, Probleme schnell zu erkennen und Prompts oder Guardrails im Zeitverlauf zu verfeinern.
Reruption unterstützt Sie End-to-End – von der Idee bis zur laufenden Lösung. Mit unserem KI-PoC-Angebot (9.900 €) können wir schnell testen, ob sich Claude mit Ihren tatsächlichen Daten und Tools sinnvoll einsetzen lässt, um Ihren Trainingskatalog zu auditieren und rollenspezifische Lernpfade zu entwickeln. Sie erhalten einen funktionsfähigen Prototypen, Performance-Kennzahlen und eine konkrete Umsetzungsroadmap – nicht nur ein Folienset.
Über den PoC hinaus bedeutet unser Co-Preneur-Ansatz, dass wir uns in Ihr Team einbetten und Verantwortung für Ergebnisse mittragen, statt nur von der Seitenlinie zu beraten. Wir helfen Ihnen, die richtigen Use Cases zu definieren, sichere Integrationen mit Ihrem LMS und Ihren HR-Systemen aufzubauen, Prompts und Workflows für Ihre HR- und L&D-Mitarbeitenden zu gestalten und die Governance für einen compliant und nachhaltigen Einsatz von KI im HR-Learning aufzusetzen. Das Ziel ist immer dasselbe: generische, wenig wirksame Trainings durch KI-gestütztes, relevantes Lernen zu ersetzen, das Mitarbeitende und Führungskräfte tatsächlich schätzen.
Kontaktieren Sie uns!
Direkt Kontaktieren
Philipp M. W. Hoffmann
Founder & Partner
Adresse
Reruption GmbH
Falkertstraße 2
70176 Stuttgart
Kontakt
Telefon