Augmented Intelligence in der beruflichen Beratung

KI in der beruflichen Beratung – zwischen Versprechen und Wirklichkeit

Der Alltag von Fachkräften in der beruflichen Beratung ist herausfordernd: heterogene Zielgruppen treffen auf immer wieder neue und sich wandelnde Berufsbilder und Berufswege. KI verspricht hier Lösungen. Tools wie Chatbots für Berufsorientierung, automatische Lebenslauf-Generierung, Job-Matching-Algorithmen – sie sollen und können Fachkräfte entlasten und junge Menschen gezielt und individuell in der Berufsvorbereitung und Berufsorientierung unterstützen. In der Praxis geschieht das auch schon zunehmend. Die zentrale Frage lautet daher nicht "Sollen wir KI nutzen?", sondern eher: "Wie nutzen wir KI verantwortungsvoll und sinnvoll?" Und noch wichtiger: "Wie behält die Fachkraft ihre zentrale Rolle, während KI als intelligente Assistenz fungiert?"

Bild: Johannes/Adobe Stock

Eine mögliche Antwort führt über das Konzept der Augmented Intelligence: Nicht "artificial intelligence – KI – die uns (womöglich) ersetzt", sondern "erweiterte Intelligenz, die uns unterstützt". KI als Co-Pilot, nicht als Autopilot. Zwei Projekte zeigen beispielhaft, wie das konkret funktionieren kann: Das Projekt KI-BEP der Hochschule der Bundesagentur für Arbeit erprobt den Einsatz Künstlicher Intelligenz in der Berufsorientierung und Beratungspraxis, während Jobiri im Rahmen der Good e-Guidance Stories (GeGS-Projekt) eine digitale Karriereplattform mit KI-gestütztem Coaching bietet. Beide verfolgen unterschiedliche Ansätze, lehren aber etwas Fundamentales: KI kann an den Schnittstellen von Schule und Beruf wirksam sein – jedoch nur, wenn Menschen sie bewusst einsetzen und steuern.

PROJEKT: KI-BEP – eine Struktur für faire Entscheidungen

Das Projekt "Künstliche Intelligenz für berufliche Entscheidungsprozesse" (KI-BEP) der Hochschule der Bundesagentur für Arbeit verfolgt das Ziel, Beraterinnen und Berater in der beruflichen Orientierung  durch ein KI-basiertes Instrument bei der Unterstützung beruflicher Entscheidungen zu stärken. Im Kern geht es darum, menschliches Entscheidungsverhalten besser zu verstehen und abzubilden: Menschen treffen berufliche Entscheidungen nicht vollständig rational, sondern folgen individuellen Heuristiken (mentalen Strategien) und vereinfachten Entscheidungsmustern wie der sogenannten "One-Reason-Decision", bei der nur ein einzelnes Kriterium die Wahl bestimmt. Das Projekt zielt darauf ab, diese Heuristiken systematisch zu diagnostizieren und die dahinter liegenden Entscheidungsräume durch die Identifikation weiterer Kriterien (sogenannte "Constraints") zu erweitern und zu konsistenteren Alternativen zu führen. Auf diese Weise können mögliche Berufe, Arbeitsplätze und Ausbildungswege präziser hinsichtlich Erfüllung realer Ziele und der Erfüllung von Bedürfnissen der Ratsuchenden eingeschätzt werden.

Praktisches Beispiel: Wie das System mit vereinfachten Entscheidungen umgeht

Ein Ratsuchender oder eine Ratsuchende sagt: "Ich möchte im Unternehmen XY eine Ausbildung machen, weil das dicht an meinem Wohnviertel ist." Das System erkennt hier eine klassische "One-Reason-Decision" – die Entscheidung basiert auf einem einzelnen Kriterium. KI-BEP diagnostiziert diese Heuristik und leitet dann einen strukturierten Prozess ein: Es identifiziert weitere entscheidungsrelevante Kriterien wie Ausbildungsinhalte, Karriereperspektiven, Übereinstimmung mit  persönlichen  Stärken und Arbeitsmarktchancen. Auf dieser Grundlage kann die Beraterin oder der Berater gemeinsam mit dem Ratsuchenden den Entscheidungsraum erweitern: Passt das Unternehmen XY auch bei diesen anderen wichtigen Aspekten? Oder gibt es alternative Unternehmen, die räumlich ähnlich günstig liegen, aber bessere Chancen in anderen Bereichen bieten? Auf diese Weise unterstützt KI-BEP die Transformation von vereinfachten Heuristiken zu informierten Entscheidungen, die auf mehreren Kriterien beruhen – ohne dabei die menschliche Urteilskraft zu ersetzen.

Das System richtet sich in erster Linie an Beratungsfachkräfte – insbesondere bei der Bundesagentur für Arbeit –, die damit Ratsuchende in beruflichen Neuorientierungs- und Wahlprozessen unterstützen. Es kann aber auch als Trainings- und Lernwerkzeug genutzt werden, um die eigenständige Erkennung von individuellen Heuristiken und Lösungsräumen zu trainieren.

Funktionell arbeitet das System nach dem Prinzip der "Augmented Intelligence" – also menschliches Denken erweitern statt ersetzen. Die KI unterstützt die Beratenden durch dynamische Anpassung an die jeweiligen Informationsbedarfe und Aufnahmemöglichkeiten des Klienten im Gespräch. Hierfür wird das System mit bestehenden berufskundlichen und arbeitsmarktbezogenen Informationssystemen (etwa Berufenet) verknüpft und nutzt ein regelbasiertes Expertensystem mit Filteralgorithmen sowie ein KI-basiertes Empfehlungssystem. Die KI bietet dabei konkrete Unterstützung: Sie hilft dabei, wichtige Entscheidungskriterien in den Prozess einzubeziehen, überprüft die Konsistenz individueller Präferenzen, zeigt Realisierungsmöglichkeiten auf und bewertet deren Wahrscheinlichkeiten. In einer zukünftigen Phase soll insbesondere die Spracherkennung (Natural Language Processing) implementiert werden, damit die Beratenden ihre Erkenntnisse nicht mehr mühsam über Tastatureingaben erfassen müssen, sondern diese natürlichsprachlich dokumentieren können.

Das Projekt setzt dabei bewusst auf ein System der "schwachen KI", das menschliches Denken unterstützt und erweitert, ohne es zu ersetzen. Dies stellt erhöhte Anforderungen an die diagnostische Kompetenz der Beratenden: Sie müssen sowohl die individuellen Heuristiken und den Informationsbedarf ihrer Klienten erkennen als auch die Kategorien und Algorithmen des Systems verstehen, um damit vertrauensvoll arbeiten zu können.

Erste Ergebnisse aus der Pilotierungsphase

Das Projekt wurde von April 2021 bis September 2025 durchgeführt und hat damit eine umfassende Pilotierungsphase abgeschlossen. Die Ergebnisse der Rollout-Vorbereitung sind ermutigend. Sie zeigen sowohl die Potenziale als auch die realistischen Grenzen eines KI-basierten Unterstützungssystems in der beruflichen Beratungspraxis.

Ein wesentliches Ergebnis betrifft die technische Machbarkeit des Systems: Die Verknüpfung des regelbasierten Expertensystems mit BerufeNET und den KI-Empfehlungsmodulen hat funktioniert. Das System erwies sich in einem Praxispilot als erfolgreich einsetzbar und technisch zuverlässig. Ebenso zeigt sich in der praktischen Effektivität, dass das System bei Standard-Fällen solide funktioniert und Beratenden einen echten Strukturvorteil bietet. Besonders relevant ist, dass Beratende von einer Zeitersparnis bei der Recherche und bei der Strukturierung des Lösungsraums berichten – eine gewonnene Zeit, die sie dann in tiefere und qualitativ hochwertigere Gespräche mit ihren Klienten investieren können. Die Nutzerinnen und Nutzer bestätigen insgesamt den Mehrwert des Systems, insbesondere die kriteriengeleitete Identifikation passender Berufe und die damit verbundene Verbesserung der Ergebnisqualität.

Screenshot der Website von KI-BEP

Ein besonders wichtiger und aufschlussreicher Aspekt der Entwicklung war die gezielte Überprüfung des Systems auf Geschlechterstereotype und Gender-Bias-Probleme (Verzerrungen aufgrund des Geschlechts). Das Team fand tatsächlich solche Verzerrungen – vergleichbar mit Problemen, die auch beim österreichischen Berufsinfomat aufgetreten waren – und behob sie systematisch. Dieses Vorgehen demonstriert eine zentrale Erkenntnis: Algorithmus-Bias ist nicht unvermeidbar, sondern kann durch gezieltes Suchen und bewusstes Handeln identifiziert und korrigiert werden. Dies unterstreicht die Notwendigkeit kritischer Reflexion bei der Entwicklung solcher Systeme.

Gleichzeitig zeigen die Ergebnisse aber auch realistische Grenzen des KI-Einsatzes auf. Bei komplexen Fällen – etwa bei Menschen mit atypischen Lebensgeschichten oder vielen beruflichen, persönlichen oder strukturellen Barrieren – ist weiterhin intensive menschliche Begleitung notwendig. Die KI ist kein Universal-Werkzeug, das alle Beratungssituationen lösen kann. Sie funktioniert optimal als Instrument zur Strukturierung und Unterstützung, bleibt aber auf menschliche Expertise und Urteilskraft angewiesen, wenn es um Kontextverständnis, emotionale Intelligenz und die Bewältigung komplexer Lebenssituationen geht. Aus diesen Erkenntnissen ergibt sich der Bedarf für praktische Verbesserungen in der nächsten Phase: Die Benutzeroberfläche soll nutzerfreundlicher werden, und das System benötigt eine noch stärker individualisierte Unterstützung im Beratungsgespräch, um sich optimal an unterschiedliche Beratungsstile und Klientel anpassen zu können.

Weiterentwicklung und nächste Schritte

Auf KI-BEP baut auch aktuell das Projekt E-KI-B auf. Das zentrale Ziel dieser nächsten Entwicklungsstufe ist die Integration von Spracherkennung. Künftig könnten Beraterinnen und Berater einfach mit Ratsuchenden sprechen, während das System automatisch berufswahlrelevante Kriterien aus der gesprochenen Sprache identifiziert und verarbeitet. Dies würde die Bedienung erheblich niederschwelliger gestalten und würde es der Beraterin oder dem Berater ermöglichen, sich vollständig auf das Gespräch zu konzentrieren, statt parallel Eingaben ins System vornehmen zu müssen – ein großer Gewinn für die Gesprächsqualität und den Gesprächsfluss.

Ein weiterer wichtiger Punkt betrifft die technologische Wahl: KI-BEP nutzt regelbasierte KI, also ein klassisches, regelbasiertes Expertensystem, nicht die großen Sprachmodelle wie ChatGPT oder ähnliche generative Modelle. Diese Entscheidung hat Vor- und Nachteile. Der wesentliche Vorteil liegt in der Transparenz: Das System ist nachvollziehbar, seine Entscheidungen sind für Beratende und Ratsuchende verständlich und überprüfbar. Der Nachteil ist die geringere Flexibilität gegenüber unerwarteten oder unkonventionellen Fragen. Aber gerade für strukturierte Beratungsprozesse, die eine konsistente Logik und Nachvollziehbarkeit erfordern, ist dies häufig die bessere Wahl – zumal hier die Verlässlichkeit und Erklärbarkeit des Systems kritischer sind als maximale Flexibilität.

Zentral für die Qualität und Legitimität des Systems ist schließlich seine wissenschaftliche Fundierung. Die zugrunde liegenden Kriterien stammen nicht aus Mustern, die aus großen Datenmengen extrahiert wurden, sondern aus systematischer Forschung zu beruflichen Entscheidungsprozessen und deren Psychologie. Dies bedeutet, dass das System auf theoretisch und empirisch begründetem Wissen aufbaut, nicht auf statistischen Korrelationen aus Massendaten. Diese Herangehensweise gewährleistet eine höhere fachliche Validität und Angemessenheit für den Beratungskontext.

PROJEKT: GeGS-Projekt – KI-Ökosystem mit "Community-of-Practice"

Während KI-BEP eine Unterstützungslösung für Beratungsfachkräfte entwickelt, verfolgt das Jobiri-Projekt einen grundlegend anderen Weg. Jobiri ist ein KI-basiertes Berufsberatungssystem, das sich direkt an junge Menschen richtet, etwa an Schülerinnen und Schüler, Studierende oder Berufseinsteigerinnen und -einsteiger – ein digitaler Karriereberater, der rund um die Uhr zur Verfügung steht. Das System wird von Schulen, Hochschulen, Arbeitsverwaltungen und Bildungsträgern eingesetzt und ist bereits weltweit im Einsatz, mit über 100.000 Nutzerinnen und Nutzern sowie Dutzenden von Institutionen. Die Besonderheit liegt jedoch nicht nur in der Plattform selbst, sondern in einem umfassenden Implementierungsansatz, der die technologische Innovation mit gezielter Fachkräfte-Professionalisierung und kollegialem Lernen verbindet.

Das Vier-Säulen-Modell von Good e-Guidance Stories (GeGS)

Das GeGS-Projekt (Good e-Guidance Stories, Erasmus+ KA3, Februar 2021 – Juni 2024) entwickelte ein differenziertes Vier-Säulen-Modell, das deutlich über eine reine Technologie-Implementierung hinausgeht.

Säule 1: Die Jobiri-Plattform für junge Menschen

Im Zentrum steht die Jobiri-Plattform selbst – ein KI-basiertes Berufsberatungssystem (auf Basis von Künstlicher Intelligenz und maschinellem Lernen), das junge Menschen bei ihrer Karriereorientierung unterstützt. Das System bietet eine Reihe von integrierten Funktionen: Ein intelligenter "CV Builder" zur Erstellung von Lebensläufen schöpft aus einer Datenbank von über 140 von Expertinnen und Experten formulierten Phrasen, sodass junge Menschen professionelle Lebensläufe schnell erstellen können. Ein entsprechender "Cover Letter Builder" ermöglicht es, individuelle und professionelle Bewerbungsschreiben in Minuten zu verfassen. Ein "CV Analyzer" überprüft eingereichte Lebensläufe automatisch, spürt Fehler auf und schlägt Verbesserungen vor. Der "Job Aggregator" durchsucht Dutzende von Job-Portalen und präsentiert jedem Nutzer personalisierte Stellenvorschläge. Eine Video-gestützte Interviewsimulation ermöglicht es jungen Menschen, Bewerbungsgespräche zu trainieren, Feedback zu erhalten und ohne Prüfungsdruck zu lernen. Darüber hinaus bietet die Plattform über 140 Video-Kurse von erfahrenen Career Coaches und Recruiterinnen und Recruitern zu Jobsuchstrategien an.

Screenshot der Website von Jobiri

Die praktische Erfahrung zeigte dabei ein wichtiges Muster: Jüngere Nutzerinnen und Nutzer fanden die digitalen Funktionen intuitiv zu handhaben. Dennoch brauchten alle Nutzer Unterstützung durch Fachkräfte – bei der Registrierung, bei der Nutzung der Plattform und beim Verständnis der Ergebnisse. Dies war eine zentrale Erkenntnis: KI-Systeme sind niederschwellig zugänglich, aber kein Ersatz für menschliche Begleitung. Die meistgenutzten Features waren der "CV Builder" und der Anschreibengenerator, also Tools zur direkten Bewerbungsvorbereitung. Job-Matching-Features waren in manchen Ländern noch nicht vollständig verfügbar, und einige Nutzerinnen und Nutzer empfanden die Plattform-Komplexität als überwältigend – zu viele Features, zu viele Optionen, was deutlich machte, dass auch Förderung der digitalen Kompetenzen notwendig ist.

Säule 2: E-Learning für Fachkräfte-Professionalisierung

Ein zentraler Gedanke des GeGS-Ansatzes war, dass Jobiri nicht einfach als Technologie eingesetzt werden sollte, sondern dass eine Kultur der professionellen Weiterentwicklung entstehen muss. Zu diesem Zweck entwickelte das Projekt eine e-Learning-Plattform auf Basis von Moodle mit 19 digitalisierten, interaktiven Fallstudien. Diese Fallstudien vermitteln die 19 Kernkompetenzen für Berufsberatung nach dem Cedefop-Standard – dem europäischen Referenzsystem für Kompetenzen in IAG (Information, Advice and Guidance).

Besonders ist die Art der Vermittlung: Die Fallstudien sind nicht statische Texte, sondern interaktive Lerneinheiten mit Videos, Illustrationen und Gaming-Elementen. Sie sind selbstgesteuert, sodass jede Person im eigenen Tempo lernen kann, und gleichzeitig für Gruppenarbeit konzipiert, um kollegiales Lernen zu ermöglichen. Erste Tests zeigten, dass der Fallstudienansatz von Fachkräften sehr geschätzt wurde, aber die Materialmenge manche überforderte. Das Team reagierte, indem es die Moodle-Struktur überarbeitete – übersichtlicher, weniger ablenkend, besser navigierbar.

Säule 3: Community-of-Practice

Die dritte Säule war möglicherweise die wichtigste: ein Austausch- und Lernformat für Beratende untereinander. "Communities of Practice" sind Netzwerke von Menschen, die das Gleiche tun, voneinander lernen, ihre Praktiken teilen und gemeinsam Probleme lösen. Die GeGS-Community-of-Practice war in vier Regionen organisiert – Berlin, Dublin, Sardinien und Thessalien in Griechenland. Beratende trafen sich regelmäßig (mit unterschiedlicher Intensität je nach Region), tauschten aus, was mit Jobiri funktionierte und was nicht, integrierten neue Tools in ihre Arbeit und reflektierten gemeinsam über ihre Erfahrungen.

Bedeutsam war, dass diese Treffen nicht nur für Jobiri-Spezialistinnen und Spezialisten gedacht waren, sondern für alle Beratenden – unabhängig davon, ob sie Jobiri nutzen oder nicht. Es ging um das kollegiale Lernen selbst. In der Praxis wurde dieser Ansatz sehr positiv aufgenommen: Fachkräfte teilen ihre Praktiken gerne, wenn sie sich verstanden und nicht beurteilt fühlen. Die regionalen Unterschiede waren erheblich – manche Communities waren sehr aktiv, andere weniger intensiv – aber überall dort, wo das Format intensiv umgesetzt wurde, entstanden wertvolle Einsichten und nachhaltiges Lernen.

Säule 4: Hybrid-Beratung (in Entwicklung)

Eine vierte Komponente befindet sich derzeit in der Entwicklung: Hybrid-Beratung, die Kombination der digitalen Jobiri-Plattform mit echter Video-Beratung durch eine Fachkraft (zum Beispiel aus Arbeitsagenturen, Schulkarrierecentern oder Bildungsträgern). Auf diese Weise könnten Institutionen skalierbare, aber gleichzeitig menschlich geführte Beratung anbieten – eine Synthese aus technologischer Effizienz und persönlicher Betreuung.

Evaluationsergebnisse und Erkenntnisse

Die GeGS-Jobiri-Plattform zeigt: Jüngere Nutzerinnen und Nutzer hatten weniger Hemmschwellen gegenüber digitalen Tools, aber auch sie benötigten Orientierung durch Fachkräfte. Die Effektivität des Systems hing stark davon ab, ob Beratende wussten, wie Jobiri effektiv einzusetzen ist – wenn das der Fall war, half es den jungen Menschen wirklich weiter. Der "CV Builder" und der Anschreibengenerator waren überall beliebt, während Job-Matching-Features weniger durchgängig verfügbar waren. Die Plattform-Komplexität war für einige Nutzer zu hoch, und das Feedback floss in Überarbeitungen ein. Eine wichtige Forschungslücke blieb: Spezifische Evaluationen für junge Menschen mit Beeinträchtigungen und sozial benachteiligte junge Menschen fanden nicht statt.

Im Laufe des Projekts integrierte Jobiri auch generative KI-Fähigkeiten – die Nutzung von großen Sprachmodellen wie bei ChatGPT. Dies macht die Plattform flexibler und ermöglicht bessere Konversationen mit Nutzerinnen und Nutzern. Gleichzeitig erhöht sich dadurch die Anforderung an Qualitätskontrolle und Bias-Mitigation, also die Identifizierung, Reduzierung und Beseitigung von Vorurteilen in KI-Systemen, – Fragen, die bei regelbasierten Systemen wie KI-BEP weniger akut sind, aber bei generativen Modellen zentral für die Vertrauenswürdigkeit des Systems werden.

Vergleich und Orientierung: Welches System für welchen Anwendungsfall?

Zwei Projekte, zwei sehr unterschiedliche Ansätze – aber beide mit wichtigen Lernpunkten. Um ihre Unterschiede und gemeinsamen Einsichten zu verstehen, lohnt sich ein tieferer Blick auf die strategischen Unterschiede.

KI-BEP und Jobiri unterscheiden sich zunächst in ihrer primären Zielgruppe und deren Rolle im System. KI-BEP adressiert direkt die Beratungsfachkräfte – es ist ein Instrument der Augmented Intelligence für ihre tägliche Arbeit. Die Beraterin oder der Berater bleibt die zentrale Figur, nutzt das System aber zur Strukturierung von Entscheidungsräumen und zur systematischeren Diagnose von Heuristiken. Jobiri dagegen richtet sich an junge Menschen selbst – es ist ein digitaler Karriereberater, der niederschwellig zur Verfügung steht, sowohl innerhalb von Beratungsgesprächen (zum Beispiel Einstiegsberatung, Gruppenworkshops etc.) aber auch außerhalb von Beratungsgesprächen. Die Rolle der Fachkraft (zum Beispiel Berufsberaterinnen und -berater, Coaches, Mitarbeitende bei Bildungsträgern) ist hier eher unterstützend: Sie kann Jobiri parallel zu direkter Beratung einsetzen, weiß aber, dass auch digitale Tools allein nicht ausreichen.

Diese unterschiedlichen Zielgruppen führen zu unterschiedlichen technologischen Entscheidungen. KI-BEP nutzt regelbasierte KI, die nach logischen Regeln arbeitet. Dies hat einen großen Vorteil: Transparenz. Jeder Schritt des Systems ist nachvollziehbar, Beratende und Ratsuchende verstehen, warum das System eine bestimmte Empfehlung macht. Jobiri hingegen arbeitet mit generativen KI-Modellen und Matching-Algorithmen. Dies ermöglicht mehr Flexibilität und natürlichere Interaktionen – aber auf Kosten der Nachvollziehbarkeit. Generative Modelle sind wie „Black Boxes": Man sieht die Input-Output-Beziehung, aber nicht immer die exakte innere Logik.

Diese technologische Wahl wirkt sich direkt auf die Anforderungen an Bias-Mitigation aus. KI-BEP hat gezielt Gender-Bias-Tests durchgeführt und Verzerrungen behoben – ein aufwändiger, aber transparenter Prozess. Bei Jobiri mit seinen generativen Modellen ist Bias-Mitigation komplizierter, weil die Systeme von Natur aus weniger transparent sind. Das Team hat sich der Aufgabe gestellt, aber die Berichte dazu sind weniger umfassend.

Bild: Vitalii Vodolazskyi/Adobe Stock

Auch die Rolle von Fachkräfte-Professionalisierung unterscheidet sich fundamental. Bei KI-BEP ist Training in das System selbst integriert – das Werkzeug zwingt Beraterinnen und Berater gewissermaßen, ihre diagnostischen Fähigkeiten zu entwickeln. Bei Jobiri aber ist Professionalisierung nicht nebenbei, sondern zentral: Das GeGS-Projekt hat bewusst ein Vier-Säulen-Modell gebaut, bei dem E-Learning und Communities of Practice genauso wichtig sind wie die Plattform selbst. Das ist ein Investment in Kultur, nicht nur in Technologie.

Was die Projekte über Skalierbarkeit lehren

In Bezug auf Reife und Evaluationsstatus sind die beiden Projekte unterschiedlich weit gediehen. KI-BEP ist wissenschaftlich fundierter, die Entwicklung dauerte länger (April 2021 bis September 2025), die Felderprobung ist abgeschlossen und der Rollout läuft. Jobiri dagegen hat einen Start-up-ähnlichen, agilen Ansatz: Das System wird weltweit genutzt (über 100.000 Nutzer), aber das GeGS-Projekt selbst war zeitlich kürzer (Februar 2021 – Juni 2024) und hatte einen explorativen Charakter.

Das wirkt sich auch auf die Skalierbarkeit aus. KI-BEP hat mittelhohes Skalierungspotenzial – das System ist auf Institutionen mit etablierten Beratungsfachkräften ausgerichtet. Um es auszurollen, braucht es Schulen, Arbeitsagenturen, Beratungsstellen, die ihre Berater trainieren wollen. Jobiri hat hohes Skalierungspotenzial – die digitale Plattform kann viele Nutzer gleichzeitig bedienen, ist mehrsprachig und weltweit einsetzbar. Aber: Je mehr Nutzer, desto mehr variiert die Unterstützung durch Fachkräfte, und das ist ein Risiko für Effektivität.

Gemeinsame Grundprinzipien trotz aller Unterschiede

Trotz dieser fundamentalen Unterschiede zeigen beide Projekte ähnliche Grundprinzipien, die sich als kritisch für KI in der Beratung herausstellen:

Das erste Prinzip ist: Felderprobung ist essentiell. Beide Projekte haben nicht einfach Systeme gebaut und ausgerollt, sondern sie gezielt mit Praktikerinnen und Praktikern sowie mit Nutzerinnen und Nutzern getestet – KI-BEP in Form von Pilotierungen mit Beratenden, Jobiri in Form von Lokalisierungsprojekten in Deutschland und Griechenland. Das ist zeitaufwändig, aber nötig – weil das, was in Theorie gut klingt, in der Praxis oft unerwartet funktioniert oder eben nicht funktioniert.

Das zweite Prinzip ist: Wissenschaftliche Begleitung ist wertvoll. Die externen Evaluationen zeigen nicht nur: Wirkung ist messbar. Sie zeigen auch, dass wichtig ist für die Glaubwürdigkeit. Wenn ein System selbst berichtet, dass es funktioniert, ist das weniger überzeugend als wenn unabhängige Forscherinnen und Forscher das bestätigen.

Das dritte Prinzip ist: Bias kann adressiert werden. KI-BEP hat Gender-Bias systematisch getestet und behoben. Das zeigt: Verzerrungen sind nicht unvermeidbar, wenn man gezielt handelt. Das ist eine wichtige Nachricht für alle, die befürchten, dass KI-Systeme automatisch unfair sind. Sie werden es nur, wenn man nicht aufpasst. Aber mit Aufmerksamkeit und Tests kann man es besser machen.

Das vierte Prinzip ist: Menschen bleiben zentral. Bei KI-BEP nutzen Beratende das System bewusst und bleiben die Experten. Bei Jobiri brauchten junge Menschen trotzdem Unterstützung durch Fachkräfte, denn die Nutzer wollen nicht nur mit einer Maschine sprechen, sondern auch mit einem Menschen. KI bietet Unterstützung, nicht Ersatz. Und diese Erkenntnis ist fundamental: Wer sie ignoriert, wird Systeme bauen, die nicht genutzt werden oder die sogar Schaden anrichten.

Das fünfte Prinzip ist: Kultur und Training sind wichtig. Jobiris Erfolg hängt stark ab von der Professionalisierung der Beratenden – E-Learning, Communities of Practice, Austausch. Ein Tool allein ist nicht genug. Ein System kann noch so clever sein – wenn die Fachkräfte nicht wissen, wie sie es nutzen, oder wenn die Kultur der Institution es nicht unterstützt, scheitert die Implementation. Das ist manchmal unbequem: Technologie allein ist einfacher zu implementieren als Kultur zu verändern. Aber es ist realistisch.

Fazit: Augmented Intelligence als Haltung

Die beiden Projekte KI-BEP und Jobiri zeigen: KI funktioniert in der Berufsvorbereitung und Berufsorientierung. Aber sie funktioniert nicht von selbst, und sie funktioniert nicht überall gleich. Die Realität ist nuancierter als die Hoffnung auf technologische Lösungen.

Für Fachkräfte im Übergang Schule – Beruf ergibt sich daraus eine klare Orientierung: Wählen Sie nicht die technologisch innovativste Lösung, sondern diejenige, die zu Ihrem Kontext passt. Wenn Sie einen KI-BEP-ähnlichen Ansatz nutzen wollen, investieren Sie in Berater-Training. Wenn Sie einen Jobiri-ähnlichen Ansatz nutzen wollen, investieren Sie in Lehrkräfte-Community und Professionalisierung. Fragen Sie Systementwickler konkret nach Bias-Tests, Evaluationsergebnissen und bekannten Grenzen – und seien Sie skeptisch gegenüber Versprechungen, die zu gut klingen.

Beide Systeme sind noch in Entwicklung. KI-BEP ist wissenschaftlich reifer, aber nur in Deutschland verfügbar. Jobiri ist weltweit skalierbar, aber nicht alle Features sind überall vollständig getestet. Das ist nicht schlimm – es ist die Natur von Innovation. Wichtig ist Transparenz darüber, was funktioniert, wo Grenzen sind, welche Zielgruppen berücksichtigt wurden und welche nicht.

Am Ende braucht es nicht die perfekte KI-Lösung. Es braucht ehrliche, testbare, transparent entwickelte Systeme, bei denen Fachkräfte verstehen, was das System kann und was nicht. Es braucht die Möglichkeit, das System als Werkzeug zu nutzen, nicht als Ersatz für gute Unterstützung und Beratung. Und es braucht eine Kultur, die diese bewusste, reflektierte Nutzung unterstützt – durch Training, durch kollegialen Austausch, durch kontinuierliche Reflexion. Wenn diese Bedingungen gegeben sind, kann KI echte Fortschritte bringen in einer der anspruchsvollsten Aufgaben, die es gibt: junge Menschen auf ihrem Weg in ihre berufliche Zukunft zu begleiten. Wenn sie fehlen, werden selbst die besten Systeme zu technologischem Ballast – intelligent, aber nicht genutzt, und damit letztlich wirkungslos.

Literatur

AGBFN (2024). Roundtable: Einsatz von KI in der Berufsberatung.   (Stand: Dezember 2024)

Forschungsinstitut Betriebliche Bildung  (2025). VEvaluation: Einbindung von KI in die Berufsberatung und in die Ausbildung von Beraterinnen und Beratern auf der Basis von Spracherkennung (E-KI-B). Abgerufen von  (Stand: Januar 2026)

Goodeguidance (2024). Digital Community – Good e-Guidance Stories (GeGS).

Goodeguidance (2024). ). GeGS Final Conference Documentation.

Hochschule der Bundesagentur für Arbeit (2024). KI-BEP: Künstliche Intelligenz für berufliche Entscheidungsprozesse.

Hochschule der Bundesagentur für Arbeit (2024). E-KI-B: Entwicklung und Erprobung eines KI-basierten Systems mit Spracherkennung.

Jobiri (2025). Jobiri: Your intelligent digital career counsellor.

MetropolisNet (2024). Good e-Guidance Stories (GeGS) – Europäisches Projekt. 

Mycelia Education (2025). WMit KI zum passenden Job: Wie wir die berufliche Orientierung neu denken – KISEE-Projekt.

Schleicher, Nadine et al. (2025). Gender Bias in der Künstlichen Intelligenz – Chancen und Herausforderungen. Mobile University. Abgerufen von

Simply Rational (2022). Phase 1 & Endbericht: Erweiterte Möglichkeiten für Berufsberaterinnen durch die Entwicklung und Erprobung eines KI-basierten Instruments. (Interner Bericht, HdBA-Archiv)

Weber, Peter C. & Ertelt, Bernd-Joachim (2023). Die Entwicklung eines Instruments zum Einsatz von KI in der beruflichen Beratung – Projekt KI-BEP. BBV Tagung, Kassel. Abgerufen von

Weber, Peter C. & Ertelt, Bernd-Joachim (2026). KI in der Berufsberatung: Chancen und Grenzen. DVB-Fachverband Workshop. (Präsentationsfolien)

ZDH (2025). Datenschutz bei künstlicher Intelligenz – Anforderungen für KI-Systeme in Beratung und Bildung. Zentralverband des Deutschen Handwerks. Abgerufen von