Häufig gestellte Fragen

Ein KPI-System — KPI Management System, KPI Tracking System oder System zur KPI-Steuerung — ist eine Umgebung, in der Kennzahlen nach einer einheitlichen Methodik berechnet werden, sich automatisch aus den Unternehmensdaten aktualisieren und allen Führungsebenen als Berichte und Dashboards zur Verfügung stehen.

Die Plattform übernimmt den gesamten Lernzyklus: Zuweisung von Kursen nach Funktion oder Dienststelle, Fristerinnerungen, Prüfungen, Erfassung der Ergebnisse und Ausgabe von Zertifikaten. Statt Papierjournal und Tabellen entsteht eine einzige Datenquelle dazu, wer wann und mit welchem Ergebnis geschult wurde.

Das Berichtswesen wird gesondert automatisiert: Die Analytik entsteht nach Dienststelle, Laufbahngruppe und Zeitraum, sodass die Vorbereitung eines Berichts für die Leitung keine Arbeit von mehreren Tagen mehr ist.

Die manuelle Berechnung von Kennzahlen kostet Analystenzeit und erzeugt bei jedem neuen Bericht ein Fehlerrisiko. Die KPI-Automatisierung befreit das Team von dieser Routine und stellt sicher, dass alle dieselben Zahlen sehen.

Ja. Die Struktur der Behörde wird als Hierarchie aus Kurskategorien und Benutzergruppen abgebildet: Zentrale, regionale Behörden, Abteilungen und Referate. Jede Dienststelle erhält ihren Kursbestand und ihre schulungsverantwortliche Person.

Für Organisationen mit Regionalnetz ist das der Hauptfall: Ein LMS bedient Zentrale und regionale Stellen zugleich. Die Leitung vor Ort sieht nur ihr Team, die Zentrale das Gesamtbild.

Ein Dashboard aktualisiert sich automatisch und schließt Abweichungen zwischen den Dateien verschiedener Abteilungen aus. Statt die aktuelle Version einer Tabelle zu suchen, öffnet die Führungskraft ein Dashboard mit verlässlichen Daten.

Ja. Weiterbildung im öffentlichen Dienst wird als Programm aus mehreren Kursen mit eigenen Fristen, Bestehensgrenze und Abschlussbewertung aufgebaut. Die Plattform erfasst Versuche, Punkte und Abschlussdatum und stellt ein Zertifikat aus.

Prüfungen werden getrennt von den Lernmaterialien konfiguriert: Fragenpool, Zufallsauswahl, Zeit- und Versuchsbegrenzung. Die Lernhistorie wird je Mitarbeitendem geführt und ist für die verantwortliche Person einsehbar.

Praktisch jede Kennzahl, für die es eine Datenquelle gibt: Finanz-, Betriebs-, Vertriebs-, Produktions- oder Servicekennzahlen. Den Umfang legen wir gemeinsam mit Ihnen in der Discovery-Phase fest.

Ja, und das ist einer der Gründe, warum Moodle im öffentlichen Sektor gewählt wird. Die Standardrollen — Administrator, Redaktion, Leitung, Teilnehmende — werden um eigene Rollen ergänzt, die den tatsächlichen Funktionen und Verantwortungsbereichen entsprechen.

Rechte werden nicht „auf das System“ vergeben, sondern auf einen konkreten Kontext: Kurskategorie, einzelner Kurs oder Gruppe. Eine schulungsverantwortliche Person in einer regionalen Dienststelle arbeitet daher nur mit den eigenen Nutzern.

Die Anbindung erfolgt über fertige Konnektoren zu verbreiteten ERP- und CRM-Systemen. Die Daten gelangen automatisch in das KPI-System, und wenn im Unternehmen bereits Power BI läuft, werden die Dashboards ohne Verlust bestehender Arbeit integriert.

Ja. Die Integration erfolgt über die REST-API der Plattform, Webhooks oder einen Middleware-Dienst. Die häufigsten Szenarien sind Single Sign-on über das dienstliche Konto (Active Directory, LDAP, SSO) sowie die Synchronisierung von Nutzern und Organisationsstruktur aus dem Personalsystem.

Für externe Lerninhalte greifen SCORM, xAPI und LTI. Der konkrete Umfang der Integrationen wird in der Anforderungsanalyse festgelegt — abhängig davon, welche Systeme die Behörde bereits nutzt.

KPIs sind messbare Kennzahlen der laufenden Leistung, OKR ist eine Methode, ambitionierte Ziele mit Schlüsselergebnissen zu setzen. Beides schließt sich nicht aus: OKRs stützen sich häufig auf dieselben Daten wie ein KPI-System.

Ja. Übernommen werden Kurse, Lernmaterialien, Nutzerbestand und Teilnahmehistorie. Liegen Materialien heute als Dokumente, Präsentationen und Videos vor, werden sie zu strukturierten Kursen zusammengeführt; liegen sie in einem anderen LMS, nutzen wir den Export in Standardformaten.

Die Migration läuft als gesteuertes Projekt: zunächst eine Testübernahme auf einer Kopie, dann ein Datenabgleich und erst danach der Start im Produktivbetrieb. Ein Rollback-Plan wird vorab erstellt.

Standardmäßig verfügbar sind Berichte zu Fortschritt und Abschluss von Kursen, Prüfungsergebnissen, Nutzeraktivität, Bewertungsübersicht und Aktionsprotokollen. Sie lassen sich nach Dienststelle, Gruppe, Kurs und Zeitraum filtern und als Datei exportieren.

Braucht die Behörde ein Berichtsformat, das der Kern nicht liefert, entwickeln wir einen eigenen Bericht — etwa eine Übersicht zur Erfüllung von Pflichtprogrammen nach regionalen Dienststellen.

Ja. Der Moodle-Support läuft nach SLA und umfasst Aktualisierungen von Kern und Plugins einschließlich Sicherheitspatches, Performance-Monitoring, Reaktion auf Vorfälle und Beratung für die Administration der Behörde.

Die Weiterentwicklung erfolgt gesondert: neue Kurse und Dienststellen, zusätzliche Integrationen und Berichte. Das Schulungssystem, das wir für eine führende ukrainische Bank modernisiert haben, blieb nach dem Start beispielsweise in unserer Betreuung.

Eine KI-Lösung für Unternehmen ist ein System, das aus den Daten des Unternehmens lernt und eine Entscheidung oder Handlung übernimmt, die zuvor einen Menschen erforderte: Nachfrage prognostizieren, das Abwanderungsrisiko eines Kunden bewerten, Anfragen klassifizieren, eine Empfehlung auswählen, eine Antwort in Unternehmensdokumenten finden.

Künstliche Intelligenz für Unternehmen unterscheidet sich von gewöhnlicher Automatisierung dadurch, dass sie nicht nach einer fest vorgegebenen Regel arbeitet, sondern nach einem Muster, das aus historischen Daten abgeleitet wurde.

KI-Automatisierung wirkt am schnellsten bei wiederkehrenden Vorgängen, die sich nicht auf eine einfache Regel reduzieren lassen: Verarbeitung und Prüfung von Dokumenten, Klassifizierung und Weiterleitung von Anfragen, Aufbereitung und Normalisierung von Daten, Erstellung von Standardtexten.

Wo ein Prozess durch klare Bedingungen beschrieben ist, ist die klassische Automatisierung von Geschäftsprozessen günstiger und zuverlässiger. Wir trennen diese beiden Ebenen: Die KI übernimmt genau den Schritt, der ein „Verstehen“ von Text, Dokument oder Verhalten erfordert.

KI-Datenanalytik kommt dort zum Einsatz, wo die Informationsmenge die Möglichkeiten manueller Auswertung übersteigt: Mustersuche in Transaktionen, Verhaltensclusterung der Kundenbasis, Anomalieerkennung, Prüfung von Geschäftshypothesen an historischen Daten.

Im Projekt für Planeta Kino teilten ML-Algorithmen die Basis anhand von mehr als einem Jahr Transaktionen in Verhaltenscluster; die Ergebnisse wurden gemeinsam mit dem Marketingteam in Tiefeninterviews überprüft.

Prädiktive Analytik prognostiziert künftige Ereignisse auf Basis historischer Daten: Nachfrage, Umsatz, Auslastung, Bestände, Abwanderungswahrscheinlichkeit. Anders als gewöhnliche Berichte, die die Vergangenheit beschreiben, verschafft prognostische Analytik Zeit zum Handeln.

Ein praktisches Beispiel: Für die Novi Produkty Group prognostiziert ein Ensemble-ML-Modell die Produktionsmengen mit über 80% Genauigkeit. Das Unternehmen ist von der nachträglichen Reaktion auf Fehl- oder Übermengen zur vorausschauenden Planung übergegangen.

Ja, und genau das macht eine Lösung praktisch nutzbar. Die KI-Integration erfolgt über REST API, Message Queues, Webhooks oder eine direkte Anbindung an das Data Warehouse — je nach Ihrer Infrastruktur.

Ein Beispiel aus der Praxis: Bei Planeta Kino wird der Abwanderungs-Risikowert an Salesforce Marketing Cloud übergeben, und der Nutzer erhält eine auf sein Risiko abgestimmte Nachricht. Ebenso können Prognosen in ein ERP für die Produktionsplanung oder in das BI-Reporting fließen.

Ja, die Entwicklung von KI-Lösungen entlang der konkreten Prozesse eines Unternehmens ist unser Hauptformat. Individuelle KI-Lösungen sind dann nötig, wenn ein fertiger Dienst die Besonderheiten des Geschäfts nicht berücksichtigt.

Ein anschaulicher Fall ist goodwine: Der Kunde wollte einen fertigen Empfehlungsdienst nutzen, doch im Test zeigte sich, dass das Modell die Lagerbestände nicht einbezieht. Ein eigenes Modell, das Verhaltens- und Logistikfaktoren verband, brachte +5% durchschnittlichen Bestellwert und +10% Lagerrotation.