Das Arbeitsmodell des LXMS

TYPO3 wird durch die Kombination aus H5P, xAPI/cmi5, LRS und LTI zu mehr als einem Content-Management-System. Es wird zur Produktions- und Ausspielplattform für digitale Lernangebote, die interaktiv, adaptiv und auswertbar sind.

Für Redaktionen bedeutet das weniger Medienbrüche und mehr Kontrolle über den gesamten Bestand. Neue Inhalte können direkt im LXMS entstehen. Bestehende Inhalte können als kontrollierter Bestand weitergeführt werden. Änderungen, Übersetzungen, Medienersatz, Review und Re-Releases werden nicht mehr als lose Dateioperationen behandelt, sondern als versionierte Anpassungen.

Für Organisationen entsteht dadurch eine offene Architektur, die vorhandene LMS-Landschaften ergänzt und zugleich mehr Kontrolle über Inhalte, Versionen und Daten ermöglicht. Der Weg vom CMS zum LXMS besteht deshalb nicht nur aus zusätzlicher Technik. Er beschreibt einen anderen Betriebsmodus digitaler Lernangebote: weg von einmaligen Exportpaketen, hin zu versionierbaren, auslieferbaren und auswertbaren Lernangeboten.

Die Wahl der technologischen Basis ist für ein Learning Experience Management System nicht nur eine technische, sondern auch eine strategische Entscheidung. Gerade bei langfristig genutzten Lernplattformen spielen Faktoren wie Wartbarkeit, Erweiterbarkeit, digitale Souveränität und Integrationsfähigkeit eine zentrale Rolle.

Das TYPO3 CMS bietet dafür eine belastbare Grundlage. Das Open-Source-Content-Management-System ist auf hochskalierbare und langfristig betriebene Webplattformen ausgelegt und wird über LTS-Versionen (Long Term Support) dauerhaft gepflegt. Für Organisationen mit hohen Anforderungen an Stabilität, Governance und nachhaltige Systemarchitekturen ist das ein wesentlicher Vorteil.

Technologisch lässt sich TYPO3 flexibel in bestehende Infrastrukturen integrieren. Der Betrieb kann auf etablierten Open-Source-Komponenten wie MariaDB, MySQL, PostgreSQL, Apache, Nginx, PHP und JavaScript erfolgen. Gleichzeitig stehen zahlreiche Schnittstellen und Erweiterungsmöglichkeiten für REST-APIs, Single-Sign-On, Übersetzungsdienste, Medienquellen oder KI-Dienste zur Verfügung.

Für Legacy Content Operations ist diese Offenheit zentral. Bestehende Pakete, Medien, Sprachfassungen, Metadaten, Review-Stände und Auslieferungswege müssen nicht in einem proprietären Autorentool verschwinden. Sie können im LXMS als verwaltete Objekte, Dateien, Releases oder Referenzen geführt werden. TYPO3 liefert dafür die redaktionelle und technische Grundlage: Dateiverwaltung, Rechte, Workflows, Mehrsprachigkeit, Versionierung, Erweiterbarkeit und Integration in bestehende Authentifizierungs- und LMS-Strukturen.

Hinzu kommt ein breites TYPO3-Ökosystem mit spezialisierten Agenturen und EntwicklerInnen sowie frei verfügbaren und kommerziellen Erweiterungen. Dadurch können Organisationen ihre Plattform schrittweise erweitern, ohne die Grundarchitektur verändern oder sich an proprietäre Gesamtsysteme binden zu müssen.

Auch im öffentlichen Sektor spielt TYPO3 eine wichtige Rolle. Der neue Government Site Builder basiert auf TYPO3 und unterstützt Anforderungen wie responsives Design, DSGVO-Konformität und barrierearme Nutzung nach BITV 2.0. Für das LXMS bedeutet das: Lernangebote entstehen auf derselben technologischen Grundlage wie moderne Informations- und Serviceplattformen – offen, anschlussfähig und langfristig tragfähig.

H5P ergänzt das LXMS um eine breite Palette interaktiver Inhaltstypen. Dazu gehören interaktive Videos, Quizzes, Drag-and-Drop-Aufgaben, Lückentexte, Präsentationen, Branching-Szenarien, Dialogkarten, Lerntagebücher und weitere Formate für aktive Auseinandersetzung mit Lerninhalten.

Im LXMS werden H5P-Inhalte nicht als isolierte Fremdkörper eingebunden. Sie können direkt im Backend erstellt, importiert, verwaltet und in die Seiten- und Modulstruktur eingebettet werden. Über zentrale Stylesheets lassen sich Schriften, Farben, Abstände und Layouts so steuern, dass H5P-Elemente konsistent zum Corporate Design und zur Gesamtgestaltung des Lernangebots passen.

Das ist mehr als visuelle Kosmetik. Eine gute Trägerplattform wie das TYPO3 CMS sorgt dafür, dass interaktive Aufgaben, Videos, Texte, Navigation, Fortschritt und Feedback als zusammenhängende Lernerfahrung erscheinen. Lernende erleben H5P nicht als eingebettetes Zusatzmodul, sondern als Teil der digitalen Lernangebote.

H5P liefert starke interaktive Bausteine. Das LXMS erweitert diese Bausteine um Kontext, Persistenz, Auswertung, orchestrierte Lernpfade und effiziente Übersetzungsworkflows.

Besonders relevant ist die persistente Nutzung. Wenn Lernende eine Interaktion unterbrechen, kann der letzte Stand später wieder aufgenommen werden. Das macht längere Lernmodule alltagstauglicher und reduziert den Bruch zwischen einzelnen Lernsitzungen.

Auch Testszenarien lassen sich stärker steuern. Aufgaben können mit H5P erstellt und im LXMS zu Pools, Varianten oder differenzierten Prüfungssituationen kombiniert werden. Wo H5P allein nur begrenzte Möglichkeiten für komplexere Zufallsauswahl oder modulübergreifende Logik bietet, übernimmt das LXMS die Orchestrierung.

Die gleiche Logik gilt für den Umgang mit Bestand. Einzelne Pakete oder Medien werden nicht isoliert betrachtet, sondern in Lernpfade, Releases, Sprachfassungen und Betriebsentscheidungen eingebettet. Dadurch entsteht ein gemeinsamer Produktkontext für neue und bestehende Inhalte.

Die Stärke des LXMS zeigt sich vor allem dort, wo Lernangebote über einzelne Seiten oder Aufgaben hinausgehen. Inhalte können modular aufgebaut, mehrfach verwendet und je nach Zielgruppe unterschiedlich kombiniert werden. Das reduziert Pflegeaufwand und erleichtert spätere Aktualisierungen.

Didaktisch entstehen dadurch zusätzliche Möglichkeiten. Ein modulübergreifendes Lerntagebuch kann frühere Eingaben sichtbar halten und weiterbearbeitbar machen. Eine Notizen-Funktion kann markierte Textstellen sammeln und später als Reflexionsgrundlage dienen. Antwortvergleiche können Lernenden zeigen, wie ihre Einschätzung im Verhältnis zu anderen ausfällt.

Auch adaptive Pfade werden möglich. Wer Aufgaben und Wissensabfragen sicher bearbeitet, kann anspruchsvollere Inhalte erhalten oder Grundlagen überspringen. Wer Schwierigkeiten zeigt, bekommt zusätzliche Erklärungen, Wie-derholungen oder alternative Aufgaben. H5P liefert dabei die Interaktionen, das LXMS steuert den Zusammenhang.

Die eigentliche Stärke des LXMS liegt unter der Oberfläche. Lernaktivitäten werden über xAPI und cmi5 als auswertbare Ereignisse erfasst. Dazu können Antworten auf Fragen, Interaktionen in Videos, Bearbeitungsdauer, Wiederholungen, Abbruchpunkte, Scores, Fortschritt, Notizen oder Annotationen in PDF gehören.

Diese Daten werden in einem Learning Record Store (LRS) gespeichert und können für Analysen, Dashboards und Reporting genutzt werden. Dadurch wird sichtbar, wie Lernende mit Inhalten umgehen: welche Aufgaben häufig wiederholt werden, wo Videos abgebrochen werden, welche Abschnitte ungewöhnlich viel Zeit in Anspruch nehmen und welche interaktiven Elemente tatsächlich genutzt werden.

Der integrierte Learning Record Store (LRS) und der LTI-1.3-Connector erweitern diese Einsatzmöglichkeiten. Native LXMS-Inhalte können in bestehende LMS-Infrastrukturen eingebunden werden, ohne als starre Pakete ausgeliefert zu werden. Für bestehende SCORM-Bestände entsteht zusätzlich ein kontrollierter Übergang: Inhalte können weiter betrieben werden, während neue Auslieferungs- und Tracking-Modelle schrittweise aufgebaut werden.

So entsteht keine eingleisige Entweder-oder-Architektur. Das LMS bleibt der organisatorische Rahmen für Kurse, Teilnehmende und Zertifikate. Das LXMS übernimmt die Arbeit am Lernangebot selbst: Struktur, Inhalt, Bestand, Versio-nen, Varianten, Review, Delivery und detaillierte Analyse der Lernerfahrung.

Mit detaillierten Lernverlaufsdaten steigt die Verantwortung im Umgang mit personenbezogenen Informationen. Vor der Speicherung von xAPI-Statements im LRS sollte klar definiert sein, welche Daten für welchen Zweck benötigt werden, wie lange sie gespeichert bleiben und ob Pseudonymisierung oder Anonymisierung erforderlich ist.

Sinnvoll ist eine differenzierte Datenerhebung. Nicht jedes Szenario braucht dieselbe Tiefe an Tracking. Für manche Lernangebote reichen aggregierte Nutzungsdaten, andere benötigen detailliertere Verlaufsmuster, etwa für formative Unterstützung, Evaluation oder Nachweispflichten.

Entscheidend ist die durchgängige Betrachtung der Datenkette: LMS, LXMS, LRS, Authentifizierung, Reporting und Löschprozesse müssen zusammen gedacht werden. Datenschutz ist damit kein nachgelagertes Compliance-Thema, sondern Teil der Systemarchitektur.

Am Anfang eines digitalen Lernangebots steht häufig ein uneinheitliches Set aus diversen Quellen: Präsentationen, Textdateien, Webseiten, Fachkonzepte oder bereits vorhandene Schulungsunterlagen. Die Materialrecherche ist deshalb bereits eine eigene Design-Phase. Im BLX Designer werden Materialien gesichtet, zusammengefasst und als belastbare Grundlage für ein Briefing nutzbar gemacht.

Zur Materialrecherche gehören deshalb nicht nur klassische Quellen wie Präsentationen, Fachkonzepte oder Webseiten. Auch bestehende digitale Lerninhalte können Ausgangsmaterial sein: SCORM-Pakete, H5P-Aktivitäten, Videos, PDFs oder bereits vorhandene LMS-Kursstrukturen. Der Designer behandelt diese Bestände zunächst als fachliche und didaktische Quellen. Entscheidend ist nicht der technische Import, sondern die Frage, welche Inhalte weiterhin gültig sind, welche Struktur erkennbar ist, welche Lernziele fehlen, welche Medien wiederverwendet werden können und wo eine Modernisierung notwendig ist.

Dabei kann die KI-Unterstützung helfen, Quellen zu verdichten, relevante Themencluster zu identifizieren, offene Fragen sichtbar zu machen und erste Hinweise auf Lernziele, Zielgruppenbedarf oder Medienpotenziale abzuleiten. Wichtig ist: Die Recherche bleibt nachvollziehbar. Spätere Entscheidungen im Grobkonzept oder Storyboard können auf konkrete Quellen, Annahmen und Zusammenfassungen zurückgeführt werden.

Das Briefing bündelt Thema, Zielgruppe, Lernziele, Kompetenzbezug, relevante Inhalte, Abgrenzungen, Formate, Medien, Dauer, Sprache, Tonalität und regulatorische Anforderungen. Wenn ein digitales Lernangebot mehrsprachig betrieben werden soll, werden Übersetzung und Lokalisierung bereits hier mitgedacht: Welche Sprachfassungen werden benötigt? Welche Begriffe sind verbindlich? Welche Beispiele, Medien oder rechtlichen Hinweise müssen lokal angepasst werden? So wird Mehrsprachigkeit nicht erst am Ende als Übersetzungsauftrag behandelt, sondern als Bestandteil des Lernangebots.

Auf dieser Basis kann der BLX Designer Vorschläge für Grobkonzept und Outline erzeugen. Die KI-Unterstützung wirkt dabei als Assistent: Sie hilft bei der Strukturierung, Verdichtung, Variantenbildung und Qualitätssicherung, ersetzt aber nicht die fachliche Freigabe durch Redaktion oder Projektverantwortliche.

Der entscheidende Mehrwert liegt in der Kette einzelner Schritte und Ergebnisse. Grobkonzept, Outline, Storyboard und Blueprint sind nicht voneinander losgelöste Dokumente, sondern aufeinander bezogene Arbeitsergebnisse im selben Prozess. Dadurch bleibt nachvollziehbar, warum ein Abschnitt existiert, welchem Lernziel der Abschnitt zugeordnet ist, welche Aktivität vorgesehen ist und wie der Lernerfolg später sichtbar gemacht werden kann.

Didaktik wird im BLX Designer nicht als nachträgliche Qualitätsschicht verstanden, sondern als prüfbarer Bestandteil des Produktionsprozesses. Lernziele, Kompetenzbezug, Aktivitäten, Nachweise und Medienentscheidungen werden so geführt, dass ihre Beziehung zueinander sichtbar bleibt.

Der zugrundeliegende Rahmen verbindet Kompetenzorientierung, messbare Lernziele, Understanding by Design, Cognitive Load Theory und Bloomsche Taxonomie. Diese Modelle bleiben keine abstrakten Referenzen. Sie greifen in konkrete Workflow-Entscheidungen ein: Lernziele werden auf Messbarkeit geprüft, Aktivitäten auf Passung zur Zielstufe, Nachweise auf Vollständigkeit und komplexe Abschnitte auf kognitive Entlastung.

Dadurch entsteht eine didaktische Struktur, die später weiterverwendbar ist. Sie hilft nicht nur bei der Erstproduktion, sondern auch bei Review, Übersetzung, Aktualisierung, Re-Release und Evaluation eines digitalen Lernangebots.

Der BLX Designer arbeitet mit klaren Übergängen:

Damit wird Qualität nicht erst am Ende per Abnahme geprüft. Sie entsteht schrittweise entlang des Produktionsprozesses. Jedes Gate klärt, ob das Lernangebot fachlich tragfähig, didaktisch konsistent, redaktionell prüfbar und technisch weiter verarbeitbar ist.

Das Storyboard ist eine kritische Übergangsphase: Aus der Konzeption werden konkrete Seiten, Medien, Quizfragen und Aufgaben. Damit die didaktische Linie erhalten bleibt, sollte die Verbindung zu Lernzielen, Aktivitäten und Nachweisen explizit mitgeführt werden.

Der BLX Designer führt Storyboard, Medienbedarf und Interaktionslogik zusammen. Pro Abschnitt können Ziel, Narrativ, Aktivität, Format, Zeitbedarf, Bloom-Level, UbD-Stufe, CLT-Strategie und Evidence-Referenz gepflegt werden. Medien werden nicht separat verwaltet, sondern direkt im Abschnittskontext beschrieben und ausgewählt.

Für mehrsprachige oder zielgruppenspezifische Lernangebote ist das besonders wichtig. Übersetzungen betreffen nicht nur Text. Auch Beispiele, Screenshots, Sprechertexte, Bildauswahl, rechtliche Hinweise, Terminologie und Interaktionen können je nach Sprach- oder Zielgruppenvariante angepasst werden müssen. Der BLX Designer hält diese Anforderungen bereits im Storyboard sichtbar, damit Lokalisierung nicht zu einer losgelösten Nacharbeit am fertigen Paket wird.

Dadurch werden Medienhinweise pro Abschnitt konkret, die Auswahl von Bildern, Videos oder H5P-Interaktionen bleibt nachvollziehbar, Lizenz- und Quellenangaben sitzen am richtigen Ort, und die Verbindung zwischen Outline, Storyboard und Blueprint bleibt kontrollierbar. Medien erscheinen so als didaktisch begründete Bestandteile einer Lernaktivität und nicht als nachträgliche Illustration.

Der BLX Designer macht die Qualität eines Storyboards sichtbar. Ein integriertes Analyse-Dashboard bewertet, ob die geplanten Abschnitte ausreichend gemappt sind und ob Zeit, Aktivitätstypen, Formate und didaktische Referenzen vollständig genug vorliegen. Sichtbar werden dabei unter anderem die Verteilung der Lernzeit, unvollständige Abschnitte, Coverage- und Readiness-Kennzahlen sowie die Frage, ob Format, Aktivität und Zielstufe stimmig zusammenspielen.

Das Dashboard ist damit kein separates Reporting-System, sondern ein aktiver Workflow-Controller. Offene Punkte werden sichtbar, priorisiert und können direkt im betroffenen Storyboard-Feld nachbearbeitet werden.

Gerade bei komplexeren Lernmodulen reduziert dies den Abstimmungsaufwand erheblich. Statt die Qualität nur subjektiv zu diskutieren, steht ein gemeinsamer Blick auf Lücken, Zeitbudget und didaktische Abdeckung zur Verfügung.

Nach der fachlichen und didaktischen Freigabe erzeugt der BLX Designer ein Blueprint als strukturierte Umsetzungsgrundlage. Dieses beschreibt die geplante Lernmodulstruktur so, dass sie technisch weiterverarbeitet und im LXMS umgesetzt werden kann.

Der Blueprint geht über eine Seitenstruktur hinaus. Er transportiert auch die relevanten didaktischen Referenzen aus Grobkonzept, Outline und Storyboard. Dadurch bleibt die Verbindung zwischen Planung und Umsetzung erhalten.

In der Umsetzung bereitet der BLX Designer Lernmodulstrukturen im LXMS vor, ergänzt oder ersetzt bestehende Strukturen gezielt und überführt Storyboard-Entscheidungen in bearbeitbare Komponenten. Dabei geht es nicht nur um Seiten oder Inhaltselemente. Der Blueprint beschreibt einen konkreten Produktstand: mit Struktur, Medienbezug, didaktischen Referenzen, Review-Status, Sprach- und Variantenlogik sowie den Informationen, die für Auslieferung und spätere Evaluation relevant sind.

Auch bei bestehenden Inhalten wird der Blueprint damit zur Entscheidungsgrundlage. Ein alter SCORM- oder Storyline-Kurs muss nicht blind nachgebaut werden. Sichtbar wird, welche Teile fachlich übernommen werden können, welche Struktur neu gedacht werden sollte, welche Medien wiederverwendbar sind und welche Abschnitte besser nativ im LXMS aufgebaut werden.

So verringert sich der klassische Medienbruch zwischen Konzeptionsdokument und Produktionssystem. Änderungen müssen nicht aus Tabellen oder Präsentationen händisch übersetzt werden, sondern folgen einer strukturierten Planungslogik bis in die Umsetzung im LXMS.

Ein zentrales Feature des BLX Designers ist, die einzelnen Design-Phasen nicht als lineare Einbahnstraße zu behandeln. Materialrecherche, Briefing, Grobkonzept, Outline, Storyboard, Analyse und Blueprint sind jeweils eigenständige Arbeitsergebnisse, bleiben aber miteinander verbunden. Wenn sich in einer späteren Phase zeigt, dass ein Lernziel zu unklar, ein Abschnitt zu umfangreich, eine Quelle nicht belastbar oder eine Interaktion nicht passend ist, kann die Entscheidung gezielt in die passende frühere Phase zurückgespielt werden.

Der Roundtrip-Ansatz beschreibt damit keine technische Exportlogik, sondern eine didaktische Rückkopplung im Produktionsprozess. Jede Phase erzeugt ein überprüfbares Zwischenergebnis und liefert Hinweise darauf, ob vorherige Annahmen tragfähig sind.

Die Effizienz des BLX Designers entsteht nicht nur durch schnellere Texterstellung. Der größere Effekt liegt in weniger Medienbrüchen, weniger Doppelpflege und weniger unklaren Übergaben zwischen Fachkonzept, Storyboard, Medienproduktion, technischer Umsetzung und Review.

Briefings werden vergleichbarer, weil sie einer gemeinsamen Struktur folgen. Quellen und vorhandene Lerninhalte bleiben rückverfolgbar. Lernziele werden früher operationalisiert. Storyboards verlieren den Bezug zur Konzeption nicht, weil sie aus derselben Artefaktkette entstehen. Medienentscheidungen werden im Abschnittskontext getroffen und nicht erst kurz vor der Produktion nachgereicht. Review-Gates machen Lücken sichtbar, bevor sie in der Umsetzung teuer werden.

Besonders relevant wird das bei Organisationen, die viele Lernangebote pflegen, regelmäßig aktualisieren oder mehrsprachig ausliefern. Dann reduziert der BLX Designer nicht nur Produktionszeit, sondern auch Abstimmungsaufwand, Übersetzungsaufwand, Versionsklärung und Nacharbeit bei Re-Releases.

So entsteht ein iterativer Designprozess: Die Materialrecherche speist das Briefing, das Grobkonzept steuert die Outline, die Outline steuert das Storyboard, das Storyboard liefert Daten für die Analyse, und die Analyse kann gezielt zurück in Storyboard, Grobkonzept, Briefing oder Recherche führen. Der Blueprint ist dann nicht nur der letzte Schritt vor der Umsetzung, sondern auch ein Realitätscheck, ob die geplante Lernarchitektur in der Produktionsumgebung konsistent abbildbar ist.

Praktisch heißt das: Änderungen landen an der fachlich richtigen Stelle, Quellenlücken wandern zurück in die Recherche, Storyboard-Lücken zurück in die Struktur, und Blueprint-Probleme zeigen früh, wo Konzeption oder Storyboard nachgeschärft werden müssen. Auch bei mehreren Iterationen bleibt der Gesamtprozess lesbar.

Der BLX Designer löst damit den starren Wasserfallgedanken auf. Jede Design-Phase liefert ein Phasenergebnis, das geprüft, überarbeitet und wieder in den Gesamtprozess eingespeist werden kann. Gerade daraus entstehen Qualität, Geschwindigkeit und Nachvollziehbarkeit zugleich.

Der BLX Designer integriert KI nicht als Black Box, sondern als Assistenz im redaktionellen Prozess. KI kann Materialrecherche verdichten, Basismaterial zusammenfassen, Briefing-Felder vorschlagen, Grobkonzepte strukturieren, Outlines erzeugen, Storyboard-Segmente vorbereiten, Review-Fragen unterstützen oder Evaluationsergebnisse einordnen.

In Bestandsprojekten kann KI außerdem helfen, vorhandene Lerninhalte zu analysieren: Themen zu clustern, Redundanzen sichtbar zu machen, Lernzielkandidaten abzuleiten, veraltete Passagen zu markieren oder Unterschiede zwischen Sprachfassungen vorzubereiten. Bei Übersetzungen kann KI Rohfassungen, Terminologieprüfungen oder Varianten unterstützen. Die Entscheidung, ob ein Text fachlich korrekt, rechtlich zulässig und didaktisch passend ist, bleibt jedoch beim verantwortlichen Review.

Entscheidend ist die Einbettung in einen kontrollierten Workflow. Vorhandene Inhalte bleiben prüf- und editierbar, generierte Ergebnisse werden als Arbeitsergebnisse gespeichert, Reviews und Freigaben bleiben bei den Verantwortlichen, und Gates verhindern vorschnelle Übergaben in die Umsetzung. Prompt- und Template-Logik folgen dabei dem didaktischen Framework.

So wird KI produktiv nutzbar, ohne die fachliche Verantwortung zu verwischen. Der BLX Designer unterstützt Redaktionen und Instructional Designer vor allem dort, wo Strukturierung, Variantenbildung und Konsistenzprüfung viel Zeit kosten.

Ein wesentlicher Unterschied zu klassischen Autorentools liegt in der frühen Berücksichtigung des gesamten Lebenszyklus. Der BLX Designer endet nicht mit der Erstellung eines Lernmoduls. Er legt die fachliche und didaktische Struktur so an, dass daraus ein versionierbares Lernangebot entstehen kann: überprüfbar, übersetzbar, releasefähig und später auswertbar.

Evaluation wird dadurch nicht erst nachträglich an fertige Inhalte angehängt. Bereits in der Konzeption werden Outcome, Evidence, Activity, Bloom-Level und CLT-Strategie so angelegt, dass sie als Kontextinformationen in xAPI/cmi5-Daten referenzierbar werden. Die KI blickt später also nicht bloß auf allgemeine Nutzungsdaten, sondern kann diese Daten gegen die ursprüngliche didaktische Absicht interpretieren.

Versionierung bedeutet dabei mehr als eine technische Kopie. Ein neuer Produktstand kann durch eine fachliche Aktualisierung, eine neue Sprachfassung, einen Medienersatz, eine regulatorische Änderung, eine didaktische Überarbeitung oder eine technische Modernisierung entstehen. Der Designer sorgt dafür, dass solche Änderungen nicht isoliert stattfinden, sondern auf die ursprüngliche Struktur, die betroffenen Lernziele, die verwendeten Medien und den vorgesehenen Nachweis zurückbezogen werden können.

Für die Runtime-Evaluation sind vor allem zwei Fragen leitend: Erreicht das definierte Lernziel über die vorgesehene Evidence tatsächlich die gewünschte Wirkung? Und stützt die gewählte CLT-Strategie den Lernprozess oder zeigen sich Abbrüche, Wiederholungen oder Fehlerhäufungen?

Auf dieser Basis entsteht ein lernender Verbesserungszyklus. In der Konzeption wird die didaktische Soll-Struktur über Grobkonzept, Lernziele, Storyboard und CLT-/UbD-Referenzen angelegt. In der Durchführung zeigen xAPI/cmi5-Statements, H5P-Interaktionen sowie Video- und Navigationsdaten das tatsächliche Lernverhalten. In der Evaluation werden Soll-Struktur und Laufzeitdaten gegeneinander gelesen, um Lücken, Überlastung, Abbrüche oder wirksame Muster sichtbar zu machen. In der Optimierung fließen diese Erkenntnisse zurück in Recherche, Briefing, Storyboard oder Blueprint.

Besonders relevant wird dies für den KI-gestützten Lernbegleiter. Wenn ein Lernbegleiter Zugriff auf die didaktische Konzeption und auf aktuelle Lernverlaufsdaten hat, wird Feedback deutlich spezifischer. Lernende bekommen dann keine pauschalen Hinweise wie „Wiederholen Sie Kapitel 2“, sondern kontextbezogene Unterstützung: eine Erklärung zu genau dem Inhalt oder Lernziel, an dem sie scheitern, einen Verweis auf ein passendes Beispiel, eine vereinfachte Zwischenaufgabe oder eine Reflexionsfrage zur aktuellen Evidence.

Auch für Stakeholder entsteht daraus ein anderer Blick:

• Autorinnen und Autoren sehen, welche Abschnitte didaktisch nachgeschärft werden sollten.
• Verantwortliche erhalten Hinweise auf Reichweite, Wirksamkeit und Optimierungsbedarf.
• Kursleitungen erkennen, wo Gruppen Unterstützung, Vertiefung oder alternative Erklärungen benötigen.
• Projektverantwortliche können entscheiden, ob eine Revision in Recherche, Grobkonzept, Storyboard oder Umsetzung ansetzen sollte.

Damit schließt der BLX Designer die Lücke zwischen didaktischer Planung, lernprozessnaher Begleitung und datenbasierter Optimierung im LXMS. Evaluation wird nicht zur reinen Kontrollinstanz, sondern zum aktiven Bestandteil des Lebenszyklus digitaler Lernangebote.

Im LXMS ist der Lernbegleiter direkt im Lernmodul verankert. Er erscheint nicht als externes Support-Werkzeug, sondern als integrierter Bestandteil des Lerner-Dashboards und des Navigationsmenüs. So bleibt die Unterstützung dort verfügbar, wo Lernende sie tatsächlich brauchen: im aktuellen Modul, im aktuellen Abschnitt und im aktuellen Bearbeitungsstand.

Der Lernbegleiter kann je nach Situation unterschiedliche Zustände sichtbar machen, etwa Bereit, Aktiv, Im Plan, Hinweis, Neuer Hinweis oder Kritisch. Diese Zustände sind keine dekorativen Labels. Sie verdichten Signale aus Lernfortschritt, Fehlversuchen, Stagnation, Momentum und Coach-Hinweisen zu einer verständlichen Einschätzung der aktuellen Lernsituation.

Lernende müssen nicht erst Dashboards interpretieren, sondern erhalten eine direkte Rückmeldung, ob der Lernprozess unauffällig verläuft, ob ein Hinweis sinnvoll ist oder ob ein konkreter nächster Schritt empfohlen wird.

Die eigentliche Stärke des Lernbegleiters liegt in der Übersetzung von Signalen in konkrete Handlungsimpulse. Statt nur anzuzeigen, dass ein Problem besteht, formuliert der Begleiter eine Empfehlung, einen nächsten Schritt und bei Bedarf eine kurze Begründung.

Auslöser können etwa wiederholte Fehlversuche in kurzer Folge sein, längere Stagnation ohne sichtbaren Fortschritt, schwache Scores im Verhältnis zum erwarteten Abschnittsniveau oder kritische Kombinationen aus Fehlversuchen und fehlender Erholung danach. Im Lerner-Dashboard wird daraus eine kompakte Lageeinschätzung: eine kurze Zusammenfassung, eine Empfehlung für den aktuellen Lernschritt, ein expliziter nächster Schritt, nachvollziehbare Gründe und bei Bedarf direkte Anschlussaktionen, zum Beispiel einen KI-Tipp neu anzufordern oder ein Tipp als umgesetzt zu markieren.

Im LXMS kann dieser nächste Schritt an den konkreten Stand des Lernangebots gebunden werden. Ein Hinweis bezieht sich nicht nur auf ein abstraktes Modul, sondern auf eine bestimmte Version, einen Abschnitt, eine Aktivität, eine Sprachfassung oder eine Zielgruppenvariante. Dadurch bleibt nachvollziehbar, worauf eine Intervention reagiert und ob sie nach einer späteren Überarbeitung weiterhin passend ist.

Bei mehrsprachigen Lernangeboten ist auch die Sprache Teil des Kontextes. Hinweise müssen nicht nur übersetzt, sondern passend lokalisiert werden: mit richtiger Terminologie, angemessener Tonalität, passenden Beispielen und konsistenter Ansprache. Der Lernbegleiter sollte deshalb mit freigegebenen Hinweislogiken, Sprachfassungen und Terminologie arbeiten. KI kann Formulierungen unterstützen, ersetzt aber nicht die kontrollierte sprachliche und fachliche Freigabe.

Feedback bleibt dadurch konkret und anschlussfähig für die nächste Lernhandlung.

Viele KI-Assistenten im Bildungsbereich arbeiten zu losgelöst vom didaktischen Design. Sie reagieren auf einzelne Fragen, kennen aber häufig weder Lernziel, Assessment-Logik noch den geplanten Lernpfad. Der BLX Lernbegleiter geht einen anderen Weg.

Seine Stärke entsteht aus dem Zugriff auf die didaktisch-methodische Konzeption des Lernangebots. Wenn im BLX Designer Lernziele, Zielgruppe, Outline, Storyboard, Evidence, Bloom-Level oder CLT-Hinweise (Cognitive Load Theory) gepflegt wurden, können diese Informationen in den Begleiter-Kontext einfließen.

Dadurch wird aus einem allgemeinen Hinweis ein didaktisch eingebettetes Feedback. Der Lernbegleiter kann berücksichtigen, welches Lernziel in einem Abschnitt relevant ist, welche Evidence oder welches Assessment vorgesehen wurde, ob eher Wiederholung, Transfer oder Vereinfachung sinnvoll erscheint und welche Form der Unterstützung zur Zielgruppe und zum Modulstil passt. So entsteht ein Hinweis mit pädagogischem Bezug zum tatsächlichen Lernsetting statt eines austauschbaren Motivationssatzes.

Dieser Kontext ist besonders wichtig, wenn Lernangebote über längere Zeit betrieben und verändert werden. Ein Hinweis, der zu Version 1 eines Moduls sinnvoll war, kann nach einer fachlichen Aktualisierung, einer neuen Sprachfassung oder einer didaktischen Überarbeitung anders bewertet werden müssen. Deshalb sollte der Lernbegleiter nicht nur den Lernverlauf kennen, sondern auch den Produktstand, auf den sich seine Intervention bezieht.

Der BLX Lernbegleiter ist bewusst robust aufgebaut. Er kann regelbasiert arbeiten und so auch ohne KI sinnvolle Unterstützung liefern. Gleichzeitig kann eine optionale KI-Schicht zusätzliche Differenzierung, sprachliche Anpassung und situationsspezifische Präzisierung ermöglichen.

Der operative Aufbau ist zweistufig. Erstens gibt es eine verlässliche Regelbasis, die Signale, Schwellenwerte und Interventionsmuster erkennt. Zweitens kann eine KI-Schicht darüber Hinweise sprachlich verfeinern oder situativ zuspitzen, wenn didaktischer Kontext und Laufzeitdaten dies sinnvoll erscheinen lassen.

Das System lässt sich über mehrere Parameter steuern. Dazu gehören Grenzwerte für Stagnation und Fehlversuche, ein Mindestabstand zwischen zwei Hinweisen, die Ein- oder Ausschaltung von Coach-Hinweisen, ein optionaler KI-Modus mit regelbasiertem Fallback sowie Tonalität und Länge der Hinweise.

Damit bleibt der Lernbegleiter steuerbar. Auch bei Ausfall oder Nichtverfügbarkeit von KI bleibt eine belastbare regelbasierte Begleitung aktiv.

Gerade in regulierten oder compliance-nahen Lernangeboten ist diese Trennung entscheidend. Die Regelbasis definiert, wann eine Intervention ausgelöst wird. Die KI-Schicht kann erklären, vereinfachen, formulieren oder variieren, bleibt aber an freigegebene Kontexte, Tonalitäten und Grenzen gebunden. So wird der Lernbegleiter nicht zu einem unkontrollierten Dialogsystem, sondern zu einer steuerbaren Begleitschicht mit optionaler sprachlicher Intelligenz.

Ein zentraler Unterschied zu rein heuristischen Hilfetexten ist die Messbarkeit. Der BLX Lernbegleiter erzeugt Hinweise und macht zugleich deren Nutzung und Wirkung über xAPI/LRS nachvollziehbar.

Erfasst werden können beispielsweise Interaktionen wie das Einblenden eines Hinweises, das Anfordern einer KI-Präzisierung, das Anzeigen einer KI-Antwort oder das Markieren eines Tipps als umgesetzt.

Der Lernbegleiter wird damit zur Intervention, deren Reichweite und Nutzungsqualität messbar ist. Erst auf dieser Basis lassen sich Unterstützungslogiken systematisch weiterentwickeln.

Entscheidend ist, dass diese Ereignisse nicht isoliert ausgewertet werden. Sie sollten mit dem jeweiligen Lernangebot, der Version, der Sprachfassung, dem Abschnitt und dem Interventionsmuster verbunden bleiben. Nur dann lässt sich später sauber unterscheiden, ob ein Hinweis grundsätzlich wirksam ist, ob eine bestimmte Fassung Probleme verursacht oder ob eine Überarbeitung des Lernangebots die Lernsignale verändert hat.

Der BLX Lernbegleiter entfaltet seinen vollen Wert im Lebenszyklus versionierbarer Lernangebote. Er ist nicht als einmaliges Feature gedacht, sondern als Verbindung zwischen Konzeption, Durchführung, Evaluation und Überarbeitung. Seine Hinweise entstehen im Lernmoment, ihre Wirkung wird aber über den Betrieb des Lernangebots hinweg auswertbar.

Am Anfang nutzt der Lernbegleiter den didaktischen Kontext aus Lernzielen, Storyboard, Assessments, Zielgruppe und Sprachfassung. Während der Durchführung erkennt er Lernsignale und spielt kontextsensitive Hinweise aus. In der Evaluation macht er Nutzung und Wirkung dieser Hinweise über xAPI/LRS sichtbar. In der Optimierung liefert er Rückmeldung an Autorinnen, Verantwortliche und Lernarchitektur.

Wenn ein Lernangebot aktualisiert, übersetzt oder neu veröffentlicht wird, verändert sich auch der Kontext für den Lernbegleiter. Hinweise, Schwellenwerte, Tonalität und Interventionsmuster können deshalb an Produktversionen und Releases gebunden werden. So bleibt nachvollziehbar, ob eine Verbesserung aus einer besseren Aufgabe, einer klareren Übersetzung, einer geänderten Interaktion oder einer angepassten Begleitlogik entsteht.

Gerade in Verbindung mit dem BLX Designer entsteht dadurch ein geschlossener Kreislauf: Die didaktische Planung liefert den Kontext für bessere Interventionen, und die Interventionen liefern Daten, die zurück in Grobkonzept, Storyboard, Analyse und Blueprint gespielt werden können.

So wird der Lernbegleiter Teil eines lernenden Systems und zu einer funktionalen Schicht im Lebenszyklus digitaler Lernangebote.

Die Evaluation im LXMS liefert den größeren Datenrahmen: Fortschritt, Verweildauer, Wiederholungen, Abbrüche, Nutzung interaktiver Formate und Rückmeldungen. Für den Lernbegleiter werden diese Daten zum Kontext für konkrete Unterstützung. Wenn sich in einem Abschnitt wiederholt lange Bearbeitungszeiten, Fehlversuche oder Abbrüche zeigen, kann daraus ein Hinweis an Lernende oder ein Signal an Autorinnen, Autoren und Kursleitungen entstehen.

Damit ergänzen sich beide Perspektiven. Das Evaluations-Dashboard zeigt, wo Muster entstehen; der Lernbegleiter prüft im laufenden Lernprozess, ob daraus eine Intervention werden sollte. Umgekehrt werden auch die Reaktionen auf Hinweise wieder ausgewertet: ob Hinweise gesehen, nachgeschärft, bestätigt oder ignoriert werden.

So wird Evaluation vom nachgelagerten Bericht zum Rückkanal im Lebenszyklus des Lernangebots. Inhalte, Aufgaben und Medienformate lassen sich gezielter nachschärfen, während Lernende schneller und passender Unterstützung erhalten.

Die eigentliche Relevanz entsteht im Zusammenspiel mit dem LRS. Dort lassen sich Coach-Ereignisse mit anderen Laufzeitdaten verbinden, etwa mit Progression, Fehlversuchen, Recovery-Mustern oder Abbruchsignalen.

Im LRS-Dashboard laufen Coach-Ereignisse mit anderen Laufzeitdaten zusammen. Dadurch wird sichtbar, wo Lernende ins Risiko geraten, ob sie sich nach Fehlern wieder erholen, wie häufig Hinweise eingeblendet oder nachgeschärft werden und ob Lernende empfohlene Schritte tatsächlich aufgreifen. Auch der Vergleich zwischen rein regelbasierten Hinweisen und KI-gestützten Präzisierungen wird dadurch möglich.

Wichtig ist dabei der Blick auf Muster statt auf Einzelfälle. Häufen sich Stagnation, Fehlversuche oder Abbrüche an bestimmten Stellen, ist das nicht nur ein individuelles Lernproblem. Es kann auf eine unklare Aufgabenstellung, fehlende Vorentlastung, zu hohe kognitive Belastung, eine schlechte Übersetzung oder ein ungeeignetes Medienformat hinweisen.

Damit unterstützt der Lernbegleiter einzelne Lernende im Moment der Bearbeitung und fungiert zugleich als Sensor für systemische Lernprobleme.

Der Lernbegleiter bedient verschiedene Perspektiven. Für Lernende liegt der unmittelbare Nutzen in situativer Unterstützung: eine kurze Einordnung des aktuellen Lernzustands, eine belastbare Empfehlung, ein sinnvoller nächster Schritt und bei Bedarf eine KI-gestützte Präzisierung.

Für Autorinnen und Autoren werden aggregierte Begleitdaten interessant, sobald sich strukturelle Muster zeigen. Häufen sich Hinweise oder Bestätigungen an bestimmten Stellen, spricht das oft für missverständliche Aufgabenstellungen, überladene Abschnitte, zu große Schwierigkeitssprünge oder fehlende Zwischenschritte.

Für Produktverantwortliche entsteht daraus ein zusätzlicher Steuerungsimpuls. Lernbegleiter-Daten zeigen nicht nur, ob Lernende Unterstützung brauchen, sondern auch, welche Teile eines Lernangebots im Betrieb Aufmerksamkeit benötigen: eine missverständliche Aufgabe, eine unklare Übersetzung, ein veraltetes Beispiel, ein zu großer Schwierigkeitssprung oder eine Stelle, an der Legacy Content nicht genügend Kontext liefert.

SCORM-basierte Auswertungen bleiben häufig auf Abschlussstatus, Score oder einfache Fortschrittswerte begrenzt. Für wirtschaftliche Steuerung reicht das selten aus. Entscheidend ist, welche Inhalte tatsächlich genutzt werden, wo Lernende abbrechen, welche Aufgaben Schwierigkeiten erzeugen und welche Abschnitte überarbeitet werden sollten.

Im LXMS können Nutzungsdaten stärker auf Struktur, Inhalte, Aktivitäten und Releases bezogen werden. Dadurch wird sichtbar, welche Lernangebote stabil laufen, welche Varianten funktionieren und wo Überarbeitung wirtschaftlich sinnvoll ist. Analytics wird damit nicht nur Reporting, sondern eine Entscheidungsgrundlage für Pflege, Modernisierung und Priorisierung.

Legacy Content Operations ist kein Ersatz für das gesamte LXMS-Narrativ, sondern ein wichtiger Effizienzhebel innerhalb dieses Betriebsmodells. Viele Organisationen verfügen über bestehende SCORM-Bestände, die fachlich weiter genutzt werden müssen. Diese Inhalte sofort vollständig zu migrieren, ist oft weder wirtschaftlich noch organisatorisch sinnvoll.

Das LXMS ermöglicht einen kontrollierten Zwischenschritt. Bestehende Inhalte werden inventarisiert, kontrolliert betrieben, versioniert, überprüft, übersetzt und nach Risiko bewertet. Erst danach wird entschieden, ob ein Inhalt weiter betrieben, gepatcht, lokalisiert, neu freigegeben, in native LXMS-Strukturen überführt oder ersetzt werden sollte.

Der wirtschaftliche Vorteil liegt in der Priorisierung. Modernisierung wird nicht als pauschales Großprojekt behandelt, sondern nach Aufwand, Nutzen und Risiko gesteuert. Dadurch können Organisationen zuerst dort investieren, wo fachliche Aktualität, regulatorische Sicherheit oder Nutzungssignale den größten Handlungsbedarf zeigen.

Die Anwendungsfälle verdeutlichen, dass SCORM nicht nur technisch veraltet, sondern auch strukturell ineffizient ist. Ein zentrales LXMS bietet durch Wiederverwendbarkeit, zentrale Steuerung, sprachspezifisches Management und modulare Pflege deutlich niedrigere Betriebskosten, weniger Fehlerquellen und kürzere Time-to-Market-Zyklen.