Christian Pantel, Chief Product Officer bei D2L – Interview-Serie

Christian Pantel ist Chief Product Officer bei D2L, wo er die globale Produktstrategie, Produktmanagement, Produktdesign, User-Experience-Forschung und Barrierefreiheit leitet. Er wurde 2024 zum CPO ernannt, nachdem er 2015 zum Unternehmen gestoßen war, wo er seine Führungskompetenz über Produkt, Design und Ingenieurwesen ausgebaut hat.

Pantel verfügt über mehr als 25 Jahre Erfahrung im Bau von Unternehmenssoftware, mit vorherigen Führungspositionen bei Workday, Infor und PeopleSoft. Seine Arbeit basiert auf benutzerzentriertem Design, mit dem Fokus auf die Schaffung intuitiver, barrierefreier Lernerfahrungen für vielfältige Lerner und Lehrkräfte.

D2L ist ein kanadisches Bildungstechnologie-Unternehmen, das am besten bekannt ist für die Entwicklung von Brightspace, einer cloudbasierten Lernplattform, die von Schulen, Universitäten, Regierungen und Unternehmen verwendet wird, um Online- und Hybrid-Lernerfahrungen zu liefern. Gegründet im Jahr 1999 von John Baker, konzentriert sich das Unternehmen auf personalisierte und barrierefreie digitale Bildung, indem es künstliche Intelligenz-gesteuerte Tools, Analysen, Kursautoren und adaptive Lernfunktionen in sein Ökosystem integriert. Die Plattform von D2L unterstützt alles, von der Bildung in der Grundschule bis hin zur beruflichen Weiterbildung und professionellen Entwicklung, mit einem starken Fokus auf Lernerengagement, Barrierefreiheit und lebenslanges Lernen. Das Unternehmen hat sich global ausgedehnt und dient nun Millionen von Nutzern durch eine Reihe von Produkten, die darauf abzielen, die Art und Weise, wie Organisationen unterrichten, ausbilden und Lernprogramme verwalten, zu modernisieren.

Sie haben über zwei Jahrzehnte damit verbracht, die Benutzeroberfläche in Unternehmen wie Workday, Infor und PeopleSoft zu gestalten, bevor Sie bei D2L aufstiegen. Wie hat diese Reise Ihre Herangehensweise an die Integration von künstlicher Intelligenz in Lernplattformen beeinflusst, ohne die Benutzerfreundlichkeit und Barrierefreiheit zu beeinträchtigen? 

Die Zeit, die man in der Unternehmenssoftware verbringt, lehrt einen, wo Produkte versagen. Teams fügen Funktionen hinzu, aber sie verlieren den Benutzer aus den Augen und die Komplexität schleicht sich ein. Diese Erfahrung hat mich gelehrt, wie ich mich der künstlichen Intelligenz nähern soll. Wir vermeiden es, hinter glänzenden Objekten herzulaufen und konzentrieren uns darauf, echte Herausforderungen anzugehen, mit denen Lehrkräfte und Lerner täglich konfrontiert sind. Das wirkt sich direkt darauf aus, wie wir bei D2L bauen. Künstliche Intelligenz muss in die Art und Weise passen, wie Lehrkräfte und Lerner bereits arbeiten und unterstützen, wie Menschen tatsächlich lernen. Wenn eine Funktion Reibung hinzufügt, Verwirrung stiften oder die Barrierefreiheit schwächen würde, wird sie nicht ausgeliefert.

Als Chief Product Officer überwachen Sie Produkt, Design und Forschung. Wie stellen Sie sicher, dass künstliche Intelligenz- Funktionen tatsächlich die Lernergebnisse verbessern und nicht die Komplexität der Plattform erhöhen?

Wir beginnen mit einem einfachen Prinzip. Lernen erfordert produktiven Kampf. Wenn künstliche Intelligenz den Aufwand, der zum Lernen erforderlich ist, entfernt, ist es die falsche Lösung. Lernen hängt von Übung, Feedback, Reflexion und Anwendung ab und wir entwerfen künstliche Intelligenz, um diesen Prozess zu unterstützen. Jede Funktion muss Lehrkräften helfen, Lernerfahrungen und Bewertungen an Ergebnisse auszurichten und zu verstehen, ob Lerner tatsächlich Fortschritte machen. Wir messen diese Auswirkungen direkt.

Die Brightspace-Plattform von D2L integriert künstliche Intelligenz direkt in die Lernerfahrung, anstatt sie als Add-on zu behandeln. Welche Vorteile bietet dieser eingebettete künstliche Intelligenz-Ansatz für Lehrkräfte und Institutionen?

Die Einbettung von künstlicher Intelligenz ist wichtig, weil der Kontext wichtig ist. Wenn das System den Kurs, den Inhalt und das versteht, was der Lerner tut, kann es das Lernen leiten, anstatt nur Antworten zu generieren. Das führt zu besserer Unterstützung im Moment und stärkeren Ergebnissen über die Zeit. Es hält auch Institutionen am Steuer. Sie können Richtlinien festlegen, Daten verwalten und verstehen, wie künstliche Intelligenz verwendet wird, was für Vertrauen, Datenschutz und akademische Integrität kritisch ist.

Viele künstliche Intelligenz-Tools in der Bildung versprechen Personalisierung. Was sieht eine sinnvolle Personalisierung tatsächlich aus, und wo fallen die meisten Plattformen kurz?

Personalisierung sollte das Lernen vorantreiben, nicht den erforderlichen Schwierigkeitsgrad für echten Fortschritt entfernen. Künstliche Intelligenz kann unnötige Reibung beseitigen, aber Lernen hängt immer noch von anhaltender Engagement, Problemlösung und Aufwand über die Zeit ab. Das Ziel ist es, Lerner auf dem richtigen Schwierigkeitsgrad zu halten, damit sie ohne stecken zu bleiben oder sich abzuwenden, weitermachen.

Sie haben Ihre Karriere lang die Barrierefreiheit betont. Wie sollten künstliche Intelligenz-Systeme entworfen werden, um Lerner mit Behinderungen besser zu unterstützen, anstatt sie ungewollt auszuschließen?

Künstliche Intelligenz kann echte Barrieren beseitigen, indem sie mehrere Möglichkeiten bietet, mit Inhalten zu interagieren, und das Lernen flexibler macht. Sie kann verschiedene Formate unterstützen, Untertitelung verbessern und manuelle Arbeit für Lehrkräfte reduzieren. Allerdings neigen künstliche Intelligenz-Systeme dazu, den Durchschnittsbenutzer zu berücksichtigen, was bedeutet, dass sie die Menschen, die am meisten Unterstützung benötigen, übersehen können. Jeder lernt anders und einige verlassen sich auf Assistenztechnologien, um ihre Bedürfnisse zu unterstützen. Teams müssen absichtlich für diese Lerner entwerfen und testen und sie in den Forschungs- und Entwicklungsprozess einbeziehen, um sicherzustellen, dass die Barrierefreiheit in der Praxis verbessert wird. Durch die Priorisierung eines inklusiven Designs streben wir danach, alle Lerner unabhängig von ihrer Fähigkeit zu erreichen und bedeutungsvolle Chancen für alle zu schaffen.

Da künstliche Intelligenz zunehmend in Bewertungen und Feedback involviert ist, wie sollten Institutionen die Automatisierung mit der Aufrechterhaltung von Vertrauen und akademischer Integrität in Einklang bringen?

Künstliche Intelligenz sollte die Bewertung unterstützen, nicht übernehmen. Sie kann helfen, Feedback zu skalieren und mehrere Versionen von Bewertungen zu erstellen, die dieselben Konzepte testen, was die Integrität stärkt und die gesamte Lernerfahrung vertieft. Lehrkräfte müssen immer noch die Noten und endgültigen Entscheidungen besitzen. Vertrauen hängt davon ab, zu wissen, dass ein Mensch hinter dem Ergebnis steht.

Was sind aus produktpolitischer Sicht die größten Missverständnisse, die Universitäten haben, wenn sie künstliche Intelligenz in ihre Lernökosysteme integrieren?

Künstliche Intelligenz wie ein Werkzeug zu behandeln, das man einschalten und das Problem lösen kann. In einigen Fällen kann es die Dinge sogar schlimmer machen, indem es den Aufwand, der zum Lernen erforderlich ist, entfernt. Institutionen müssen klar darüber sein, was sie verbessern möchten. Mehr Automatisierung bedeutet nicht unbedingt bessere Ergebnisse, ohne die richtigen Daten, Governance und Design.

D2L operiert in den Segmenten K-12, Hochschulbildung und Unternehmenslernprozesse. Wie unterscheidet sich die Rolle von künstlicher Intelligenz in diesen Segmenten, und wo sehen Sie die schnellste Adoption?

Die Rolle von künstlicher Intelligenz ändert sich basierend auf dem, was jedes Segment am meisten schätzt. Im K-12-Bereich liegt der Fokus auf Sicherheit, altersgerechtem Einsatz und gibt Lehrkräften und Eltern eine starke Kontrolle darüber, wie künstliche Intelligenz im Klassenzimmer eingeführt wird. In der Hochschulbildung kümmern sich Institutionen mehr um Skalierbarkeit und Qualität, insbesondere bei der Bewertung, Lernunterstützung und Verwaltung großer Schülerpopulationen. Im Unternehmenslernprozess verschiebt sich der Schwerpunkt auf Geschwindigkeit und Effizienz, wobei künstliche Intelligenz Teams hilft, schneller zu arbeiten und den operativen Aufwand zu reduzieren.

Die Adoption tendiert dazu, diesen Prioritäten zu folgen, aber sie variiert auch erheblich von Region zu Region. Wir sehen insbesondere in der Hochschulbildung global einen starken Schwung, insbesondere in Ländern wie Singapur, wo Institutionen aggressiv in künstliche Intelligenz investieren, um das Lernen zu skalieren und die Ergebnisse zu verbessern. In Singapur haben wir langjährige Early Adopters von D2L Lumi, unserem künstlichen Intelligenz-gesteuerten Lernassistenten. Sie waren unter den ersten, die diese Fähigkeiten annahmen, und im Jahr 2025 allein stieg die Nutzung um 7,5-mal. Was auffällt, ist nicht nur das Volumen der Nutzung, sondern auch die Breite. Institutionen dort sind oft die ersten, die neue künstliche Intelligenz-Funktionen experimentieren und in echten Lernumgebungen im großen Maßstab einsetzen.

Wir sehen auch in Lateinamerika einen starken und beschleunigten Schwung. Von September 2025 bis April 2026 hielt Lumi in der Region eine konstant hohe Nutzung auf, was darauf hindeutet, dass Institutionen weit über das Experimentieren hinausgegangen sind und künstliche Intelligenz direkt in ihre Unterrichtsabläufe integrieren.

Im Gegensatz dazu gehen Märkte wie die USA oft einen strukturierteren Ansatz, mit Pilotprojekten, Governance-Überprüfungen und schrittweisen Rollouts, bevor sie eine breitere Bereitstellung vornehmen.

Künstliche Intelligenz kann nun Inhalte, Bewertungen und sogar Tutorien generieren. Wie sollten Lehrkräfte ihre Rolle in einer Welt überdenken, in der diese Fähigkeiten zum Standard werden?

Lehrkräfte werden durch verbesserte künstliche Intelligenz nicht weniger wichtig. Sie werden wichtiger. Ihre Rolle verlagert sich auf die Leitung des Lernprozesses, die Festlegung von Erwartungen und die Sicherstellung, dass Schüler auf sinnvolle Weise mit dem Material interagieren. Künstliche Intelligenz kann bei Inhalten und Feedback helfen, aber sie kann nicht Urteilsvermögen, Motivation oder Rechenschaftspflicht ersetzen. Wir sollten künstliche Intelligenz nutzen, um das zu skalieren, was im Lernen wirklich zählt, und nicht den Denkprozess oder die Auslieferung von abgeschlossenen Bewertungen für Lerner ersetzen.

Blickt man voraus, welche sind die wichtigsten produktpolitischen Entscheidungen, die Bildungstechnologie-Unternehmen heute treffen müssen, um sicherzustellen, dass künstliche Intelligenz die Qualität der Bildung in den nächsten zehn Jahren verbessert und nicht schwächt?

Wenn ich mich auf produktpolitische Entscheidungen konzentriere, werden die Gewinner diejenigen sein, die auf starken Daten aufbauen, künstliche Intelligenz in echte Arbeitsabläufe einbetten und alles in Vertrauen, Barrierefreiheit und Lernwissenschaft gründen.

Wenn wir das richtig machen, wird künstliche Intelligenz zu einer Kernfähigkeit, die das Lernen kontinuierlich verbessert, Lehrkräften hilft, sich auf hochwertige Arbeit zu konzentrieren, und Lernern Unterstützung bietet, wenn sie sie am meisten benötigen.

Die echte Chance besteht darin, über eine einheitsbasierte Bildung hinauszugehen und zu etwas viel Responsiverem und Effektiverem zu gelangen, bei dem jeder Lerner besser unterstützt wird und jeder Lehrer besser ausgestattet ist, um ihnen zu helfen.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten D2L besuchen.