Weiterbildungsberatung mit Chatbot: Warum der Mensch trotz KI relevant bleibt

Weiterbildung gilt angesichts technologischer Entwicklungen, Automatisierung und veränderter Kompetenzanforderungen als entscheidender Faktor für den Erhalt der eigenen Beschäftigungsfähigkeit und der Fachkräftesicherung. Der Bildungsbericht Schweiz 2026 ordnet Weiterbildung als zentrale Antwort auf Digitalisierung, künstliche Intelligenz und Automatisierung ein (SKBF, 2026). In der unübersichtlichen Schweizer Weiterbildungslandschaft ist es jedoch eine Herausforderung, die passende Weiterbildung zu finden (Sgier et al., 2022). Es wurde zudem festgestellt, dass das Potenzial an Weiterbildungsaktivität bei KMU noch nicht ausgeschöpft sei (Müller, 2024).

Diese Kombination aus individualisiertem Weiterbildungs-Chatbot und persönlicher Beratung ermöglicht eine zeit- und ortsunabhängige Übersicht über  Weiterbildungsangebote sowie eine vertiefte Klärung von offenen, komplexeren Fragen mit Beratungspersonen.

Das vorliegende, SBFI-finanzierte Forschungsprojekt widmete sich deshalb der Frage, wie eine hybride, d.h. eine kombinierte – KI-unterstützte und persönliche – Weiterbildungsberatung den Zugang zu passenden Weiterbildungsangeboten unterstützen könnte. Ziel des Projektes war es, den KMU einen niederschwelligen Zugang zu branchenspezifischer, passgenauer Weiterbildung zu ermöglichen. Die hybride Beratung besteht aus einer digitalen KI-basierten Lösung (Weiterbildungs-Chatbot), die einfache Anfragen automatisiert und auf der Basis eines Profilings möglichst individualisiert beantwortet und komplexere Anliegen an menschliche Beratung übergibt. Diese Kombination aus individualisiertem Weiterbildungs-Chatbot und persönlicher Beratung ermöglicht eine zeit- und ortsunabhängige Übersicht über  Weiterbildungsangebote sowie eine vertiefte Klärung von offenen, komplexeren Fragen mit Beratungspersonen. Ein erstes Ergebnis aus diesem Projekt, die Entwicklung eines  Grundlagenkonzepts, wurde bereits in Transfer vorgestellt (Pölderl et al., 2025). Die Erkenntnisse aus der Testung des Weiterbildungs-Chatbots durch die Nutzer der zwei beteiligten Branchenverbände JardinSuisse und Treuhand|Suisse werden im Folgenden beschrieben.

Iterative Entwicklung als methodisches Schlüsselelement

Die Entwicklungs- und Erprobungsphase des Weiterbildungs-Chatbots dauerte von Juli 2025 bis April 2026. In dieser Zeit wurden vier Iterationen (Schlaufen) durchgeführt (vgl. Abb. 1). Dabei haben verschiedene Stakeholder wie Vertreterinnen verschiedener Berufsverbände und potenzielle Nutzerinnen der Weiterbildungsberatung (Personas gemäss Grundlagenkonzept) den Weiterbildungs-Chatbot mehrmals getestet und validierte Erkenntnisse flossen in die Weiterentwicklung des Chatbots.

1. Iteration 1 umfasste eine Abstimmung und Anpassung des Testkonzepts mit den Branchenverbänden, um eine möglichst hohe Akzeptanz und Nutzung bei den Nutzenden zu erreichen.
2. Iteration 2 beinhaltete sechs Beobachtungsinterviews mit Vertretungen der beiden Branchenverbände. Dabei wurde der Weiterbildungs-Chatbot erstmals getestet und von den Branchenvertretern direkt bewertet.
3. In Iteration 3 wurde der Chatbot den Nutzerinnen (n=118) zur Testung zur Verfügung gestellt. Dabei handelte es sich um eine berufserfahrene Gruppe von Nutzenden, meist mit höherem Berufsabschluss. Sie wurden nach der Testung zur Nutzung, zum Nutzen sowie zur Präferenz bzgl. KI-gestützter oder persönlicher Beratung befragt.
4. In Iteration 4 testete und beurteilte eine weitere, jüngere Nutzergruppe den Weiterbildungs-Chatbot (n=105). Die Chatverläufe der Testungen wurden in den Iterationen 3 und 4 qualitativ ausgewertet.

Abschliessend wurden – ergänzend zu den beiden Branchenverbänden JardinSuisse und Treuhand|Suisse – Interviews mit vier weiteren Branchenverbänden geführt, um deren Einschätzung für die branchenübergreifende Übertragbarkeit des Weiterbildungs-Chatbots zu evaluieren.

Abbildung 1: Phasen der Testung des Weiterbildung-Chatbots.

Technologische Erkenntnisse zum Weiterbildung-Chatbot

Ursprünglich entwarf der technologische Partner im Projekt, Apps with love, im Grundlagenkonzept eine mehrstufige KI-Architektur mit Fein-Tuning des Sprachmodells, zentralem Knowledge Graph und einer dedizierter Vektor-Datenbank. In der praktischen Umsetzung führten die gewonnenen Erkenntnisse über die Schweizer Weiterbildungsdatenlandschaft und der rasante Wandel im Bereich KI allerdings zu einer Anpassung der Architektur. Die Gründe lassen sich in drei Punkten zusammenfassen:

1. Heterogenität der Weiterbildungslandschaft

Diese sehr heterogene Darstellung der Weiterbildungsangebote macht den Aufwand für das ursprünglich geplante Web-Scraping nicht tragbar. Als Lösung wird daher der KI-gestützte Suchdienst Perplexity Web Search eingesetzt.

Auf Seite der Weiterbildungsanbieter fehlen teilweise einheitliche Formate: Inhalte werden als html, pdf, in Tabellen oder in unstrukturiertem Text dargestellt, zudem werden Seiten sehr unterschiedlich strukturiert (direkte Links, mehrstufige Navigation, Tabellen). Die Mehrsprachigkeit mit unterschiedlichen Bezeichnungen für gleiche Programme stellt eine weitere Herausforderung dar, ebenso die gängige Verwendung synonymer Bezeichnungen für Qualifikationsstufen (z.B. BP für Berufsprüfung oder auch eidg. Fachausweis). Diese sehr heterogene Darstellung der Weiterbildungsangebote macht den Aufwand für das ursprünglich geplante Web-Scraping nicht tragbar. Als Lösung wird daher der KI-gestützte Suchdienst Perplexity Web Search eingesetzt.

2. Bias in der Suchqualität

In der Testung tauchte ein strukturelles Problem auf: die Web-Suche bevorzugt akademische Institutionen gegenüber beruflichen Weiterbildungsanbietern wie den Branchenverbänden. Vermutlich sind bessere Search-Rankings von Hochschulen der Grund dafür. Um diesen Bias zu vermindern, wurde ein Domain-Boosting implementiert, weshalb Perplexity-Prompts nun berufliche Bildungsanbieter priorisieren. Zudem werden im Ranking der Ergebnisse berufliche Qualifikationen vor akademischen Abschlüssen gelistet. Eine noch bessere Lösung könnte in der Optimierung der Suchmaschine und der Datenqualität der Branchenverbände liegen.

3. Feldabdeckung und Datenlücken

Ursprünglich war eine zentrale Angebotsdatenbank mit einem standardisierten Datenmodell vorgesehen. Ein Vollschema, in dem alle Angebotsfelder erstellt sind, ist aber nicht möglich, da erhebliche Lücken bei den verfügbaren Informationen bestehen. Nur Titel und Anbieter sind zuverlässig extrahierbar; Felder wie Kosten (25% Abdeckung), Standort (36%) oder Akkreditierung (35%) sind häufig nicht auf den Quellseiten publiziert. Bei 75% der Angebote werden die Kosten nur «auf Anfrage» genannt. Für das Datenmodell bedeutet dies, dass das System in der Lage sein muss, fehlende Felder zu akzeptieren und diese Lücken gegenüber den Nutzern transparent zu kommunizieren.

Diese Erkenntnisse rechtfertigen die Abkehr von einem anfänglich konzipierten zentralen, gepflegten Knowledge Graph zu einer dezentralisierten Web-Suche mit Prompt-Engineering. Die neue Architektur verbessert Skalierbarkeit und Wartungsfreiheit, schränkt jedoch die Auditierbarkeit einzelner Datenpunkte ein. In Bezug auf die Triagierung wurden gemeinsam mit den Verbänden Triage-Kriterien (z. B. Auskünfte zu Prüfungen oder Gleichwertigkeitsanfragen) definiert und im Modell implementiert. Darüber hinaus weist das Modell im Verlauf des Gesprächs nach drei Interaktionen auf die Möglichkeit eines persönlichen Gesprächs hin. Zusammengefasst veranschaulicht Abbildung 2 die Architektur des Weiterbildungs-Chatbots. Die Benutzeranfrage führt einerseits zu einer KI-basierten Verarbeitung einfacher und häufiger Fragen, die automatisiert beantwortet werden, und andererseits zur gezielten Weiterleitung komplexerer Anliegen an eine menschliche Beratungsperson.

Abbildung 2: Systemarchitektur mit Agentenlogik.

Die technologischen Grundlagen und Datenmodelle aus der Entwicklung des Weiterbildungs-Chatbots stehen allen interessierten Branchenverbänden als Open Source hier zur Verfügung. Weiterführende Erkenntnisse zur UX (Nutzererlebnis) und zum Datenschutz finden sich im Grundlagenkonzept.

Der Mensch bleibt relevant

In den verschiedenen Nachbefragungen zeigten sich die Teilnehmenden mit der Testumgebung des Weiterbildungs-Chatbots insgesamt zufrieden, die KI-basierten Erstinformationen stiessen auf Akzeptanz, und der digitale Einstieg wurde als einfach und unkompliziert wahrgenommen. Zudem führten die verschiedenen Verbesserungsmassnahmen des Weiterbildungs-Chatbots bzgl. der Branchenspezifität (etwa Priorisierung der Weiterbildungsangebote der brancheneigenen Weiterbildungsanbieter) zu einer Optimierung der Ergebnisqualität; sie erhöhten so die Zufriedenheit mit dem Nutzen des Chatbots. Insbesondere jüngere Nutzer, die erst am Beginn ihres Berufsweges stehen, beispielsweise nach Abschluss einer Lehre, waren insgesamt deutlich zufriedener mit dem Weiterbildungs-Chatbot.

Viele Nutzerinnen und Nutzer nahmen die Möglichkeit einer persönlichen Beratung nicht in Anspruch, trotz der expliziten Empfehlung des Weiterbildungs-Chatbots.

Wie sich während der Testung herausstellte, war der Übergang in der hybriden Weiterbildungsberatung von KI auf eine persönliche Beratung schwierig zu erproben. Viele Nutzerinnen nahmen die Möglichkeit einer persönlichen Beratung nicht in Anspruch, trotz der expliziten Empfehlung des Weiterbildungs-Chatbots. In zukünftigen Iterationen könnte dieser Übergang sichtbarer und einfacher gestaltet werden, beispielsweise durch die Integration von Calendly Widgets und Live-Chats anstelle einer E-Mail-Adresse und Telefonnummer der Beratungsperson.

Im Kontrast zum konkreten Testverhalten zeigten die Nachbefragungen, dass über ein Drittel der Nutzerinnen die persönliche Beratung anstelle der KI-basierten Auskunft präferieren. Dies betrifft vor allem inhaltliche Fragen, Voraussetzungen für die Weiterbildung, Anerkennung von Vorleistungen sowie Finanzierungsfragen. Aus den Experteninterviews mit den Verbänden (Iterationen 2 und 4) wurde ausserdem deutlich, dass Weiterbildungsberatung ein hohes Mass an Kontextverständnis in Bezug auf die jeweilige Branche und den persönlichen Berufsweg erfordert, was der Chatbot in der gewünschten Qualität nicht zu leisten vermag.

Entscheidungsprozesse sind nicht nur als reine Datenverarbeitung zu verstehen, sondern auch als psychologische Vorgänge, in denen Erfahrung, Emotionen, Kontextwissen und Unsicherheit eine wesentliche Rolle spielen (Gigerenzer, 2020; Kahneman, 2011). Die persönliche Beratung bringt Empathie und Kontextverständnis ein, um individuelle Abwägungsprozesse über die Sinnhaftigkeit einer Weiterbildung zu unterstützen. Eine situative Triage vom Chatbot in eine persönliche Beratung ist daher nicht nur Ergänzung, sondern eine Notwendigkeit. Dass dies entscheidend ist, zeigt auch ein Blick auf die Chatverläufe: Diese offenbaren sehr unterschiedlich umfangreiche Interaktionsmuster. Ob dies am Testsetting, einer unterschiedlichen KI-Affinität der Nutzenden oder an anderen Faktoren lag, bleibt zwar eine offene Frage, unterstreicht aber: Ein Teil der Weiterbildungsinteressierten kann durch andere Beratungsformate besser erreicht werden als durch den Chatbot. Gleichzeitig zeigen die Ergebnisse, dass gerade jüngere Teilnehmende den Chatbot merklich besser beurteilen und sich durch ihn stärker abgeholt fühlen, was die Notwendigkeit eines hybriden, zielgruppenspezifischen Ansatzes zusätzlich untermauert.

Fazit & Ausblick

Zwei Aspekte haben sich durch die Testung der hybriden Weiterbildungsberatung herauskristallisiert. Der erste Aspekt bezieht sich auf die Branchenspezifität des Weiterbildungs-Chatbots. Branchentypische Karrierepfade, anerkannte Anbieter der Verbände oder verbandsspezifische Reglemente sind für die Erzielung von Mehrwert, Akzeptanz und zur Abgrenzung gegenüber anderen gängigen Large Language Models (LLMs) von herausragender Bedeutung. Das erfordert aber, dass jede Branche relevantes Erfahrungswissen (z.B. Erfahrungswerte) identifiziert und klärt, in welcher Form dieses dem Chatbot zur Verfügung gestellt werden kann und soll.

Im Moment zeigt das vorliegende Projekt, dass der Mensch mit seinen Beratungskompetenzen nicht ersetzt werden kann.

Der zweite Aspekt betrifft den Mensch-KI-Weiterbildungsberatungsmix. Trotz der vielschichtigen Erkenntnisse zur technologischen Ausgestaltung eines Weiterbildungs-Chatbots machen die Ergebnisse deutlich, dass die menschliche Beratung weiterhin Vorzüge besitzt und auch von den Nutzerinnen gewünscht wird. Ob dies in den nächsten Jahren auch so bleiben wird, ist derzeit noch unklar. Die technologische Entwicklung von KI-Agenten schreitet in hohem Tempo voran. So könnte der Weiterbildungs-Chatbot in Zukunft nicht nur Auskunft zu den Weiterbildungen geben, sondern auch selbständig Beratungstermine vereinbaren oder direkt die Anmeldung zu einem Kurs abwickeln. Ob die technologischen Möglichkeiten auf Akzeptanz stossen werden, bleibt abzuwarten – und wird auch davon abhängen, ob die Technologieentwicklung menschzentriert, d.h. konsequent auf die Bedürfnisse der Nutzenden ausgerichtet, erfolgt. Im Moment zeigt das vorliegende Projekt, dass der Mensch mit seinen Beratungskompetenzen nicht ersetzt werden kann.

Literatur

• Gigerenzer, G. (2020). Risiko. Wie man die richtigen Entscheidungen trifft. Pantheon: München.
• Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux: New York.
• Müller, M., Gollob, S. & Hedinger, F. (2024). Bedeutung und Umsetzung von Weiterbildung in KMU. Zürich: SVEB.
• Pölderl, C., Gerber, M., Probst, J., & Oswald, O. (2025). KI trifft persönliche Beratung: Weiterbildungs-Co-Pilot für KMU. Transfer. Berufsbildung in Forschung und Praxis 10 (9).
• Sgier, Irena, Schläfli, André & Grämiger, Bernhard (2022). Weiterbildung in der Schweiz. Länderporträt. Bielefeld: wbv.
• SKBF (2026). Bildungsbericht Schweiz 2026. Aarau: Schweizerische Koordinationsstelle für Bildungsforschung

Das vorliegende Werk ist urheberrechtlich geschützt. Erlaubt ist jegliche Nutzung ausser die kommerzielle Nutzung. Die Weitergabe unter der gleichen Lizenz ist möglich; sie erfordert die Nennung des Urhebers.