Rens ter Weijde, Co-Founder & CEO von KIMO – Interview-Serie

KIMO ist ein niederländisches Start-up, das von zwei Harvard-Absolventen gegründet wurde: Krishna Deepak Nallamilli (Indien) und Rens ter Weijde (Niederlande). Das Team konzentriert sich darauf, die künstliche Intelligenz aufzubauen, die erforderlich ist, um individuelle Lernpfade durch digitale Lerninhalte zu generieren.

Online-Lernen hat zwar an Popularität gewonnen, weist aber Abschlussquoten von bis zu 95% auf. Warum ist die Erfolgsquote so niedrig?

Als wir KIMO starteten, befragten wir einige hundert Nutzer, um die Situation besser zu verstehen. Zunächst einmal bieten die meisten Online-Anbieter MOOCs (Online-Kurse) an, aber die Nutzer empfinden MOOCs als erhebliche Zeitinvestition. Sie nutzen oft “kurzere” Workarounds wie das Lesen von Artikeln, das Hören von Podcasts, das Stellen von Fragen auf Google (GOOGL ) usw., die besser in ihren Tagesablauf passen. Lernen ist also in der Praxis vielmehr multikanalig als das, was diese Anbieter zulassen. Darüber hinaus gaben viele Nutzer an, dass sie in ihrer Online-Reise Orientierung vermissen. Das Ergebnis ist, dass sie viel Zeit mit der Suche, dem Versuch, zu entscheiden, was sie studieren sollen usw., verbringen. Ein dritter Grund hat mit der Relevanz des tatsächlichen Inhalts zu tun. Online-Materialien sind oft statisch, vorab aufgezeichnet und nicht vollständig relevant für sie. Man könnte sagen, dass der Inhalt nicht persönlich/relevant genug für sie ist – oder zumindest nicht relevant genug, um die investierte Zeit zu rechtfertigen.

Viele Nutzer behaupten, sich gelangweilt zu fühlen und nennen häufig mangelnde Engagement als Problem. Warum glauben Sie, dass sich Nutzer von Online-Lernen abgestoßen fühlen?

Ich glaube, dass es Raum gibt, Lernplattformen in mindestens zwei Hauptdimensionen zu verbessern. Erstens ist bessere Intelligenz erforderlich, um Nutzern bessere Reisen zu ermöglichen und bessere Inhalts-Empfehlungen zu liefern. Man könnte sagen, dass dies die erforderliche Forschung und Entwicklung für den Bildungssektor ist, die eng mit AI-Algorithmen verbunden ist. Das zweite Element ist die andere Seite der Wertschöpfungskette: die Benutzeroberfläche und das End-Erlebnis für Nutzer. Die meisten LMS-Systeme werden von Nutzern als langweilig und veraltet angesehen. Sie sind weit entfernt von der polierten, Echtzeit-, sozialen und personalisierten Software, die Nutzer heute erwarten.

Können Sie die Entstehungsgeschichte hinter KIMO teilen und was hat Sie dazu bewogen, das Online-Lern-Problem zu lösen?

Sicher! KIMO begann, als Krishna, mein Mitgründer, und ich uns in der Harvard Business School trafen. Wir liebten die Umgebung, aber erkannten gleichzeitig, dass die guten Aspekte des Erlebnisses nicht auf Menschen auf der ganzen Welt skaliert werden konnten. Wir entschieden uns über einen Whisky in einer Hotellobby, dass wir versuchen könnten, einen “digitalen Karriereberater” zu erstellen. Dieser Berater war die erste Version von KIMO.

Können Sie erläutern, wie künstliche Intelligenz erforderlich ist, um individuelle Lernpfade durch digitale Lerninhalte zu generieren?

Tatsächlich verlässt sich KIMO auf eine Vielzahl von AI-Modellen in der Pipeline. Einige Modelle sind inhärent einfach, andere sind komplexer. Der gemeinsame Faden ist, dass die meisten Modelle auf natürliche Sprache als ihre Eingabedaten (NLP, z. B. Transformer-Modelle) angewiesen sind. Diese Modelle sind hinter den Inhalts-Empfehlungen, die Sie erhalten, der Clustering von Inhalten in bestimmte Themen oder der Erkennung der kritischen Fähigkeiten, die für Jobs erforderlich sind. Wir haben auch einige experimentelle “generative” AI-Modelle, wie das Modell, das die inhaltsbezogenen Fragen innerhalb der KIMO-App beantwortet. Sollte dies ausreichend funktionieren, ist es ein Schritt näher an die Automatisierung von Professoren, die wir uns vorstellen.

Können Sie erläutern, wie ein AI-System lernen kann, Jobs in großem Detail zu verstehen (z. B. harte Fähigkeiten oder weiche Fähigkeiten)?

In einfachen Worten: Wir entschieden uns, bestehende Datenbanken (O*Net, ESCO) für diese Arbeit zu ignorieren, da sie nicht granular genug und veraltet waren. Stattdessen bauten wir ein System, das ~40.000 Fähigkeiten in Jobs auf dem Markt in nahezu Echtzeit erkennen kann. Man könnte sagen, dass unser System “liest” all diese Jobprofile, um vorherzusagen, welche Art von Fähigkeiten derzeit für die Jobs erforderlich sind. Diese erkannten Fähigkeiten werden später in weiche und harte Fähigkeiten clusterisiert.

Können Sie erläutern, wie personalisiertes Lernen auf der Plattform funktioniert, wie z. B. wie das System weiß, welche Art von Inhalten am besten für jeden Nutzer funktioniert, wie z. B. Artikel, Videos, Podcasts, Papiere usw.?

Die einfache Antwort ist, dass wir Nutzer und Inhalte durch Vektor-Matching abgleichen, was in Empfehlungsmodellen gängige Praxis ist. Der schwierigere Teil ist, zu entscheiden, wie diese Vektoren aufgebaut werden, d. h. welche Elemente gewichtet werden. Derzeit ist das System relativ einfach und funktioniert mit den Lernpräferenzen des Nutzers und Popularitätsscores für Online-Materialien. Die Zukunft wird interessanter, da wir versuchen, den aktuellen Zustand des Nutzers (z. B. seinen Job) und den gewünschten Endzustand zu berücksichtigen.

Welche aktuellen maschinellen Lernmethoden werden im KIMO-System verwendet?

Wir verwenden viele verschiedene Modelle, je nach Aufgabe. Aber ich kann sagen, dass wir eine tiefe Liebe für NLP-Modelle haben, die Aufmerksamkeit verwenden, also Transformer-Modelle.

Wo sehen Sie die Zukunft der Online-Bildung in 5 Jahren?

Kurz gesagt, sehe ich Online-Bildung von “langweilig, einsam und einheitsorientiert” zu “hoch engagiert, sozial und personalisiert” wechseln. Online-Bildungsunternehmen müssen die Vorstellung aufgeben, dass sie in einer traditionellen, langsam beweglichen Branche existieren. Stattdessen sollten sie erkennen, dass sie im Zeitalter der Informationskuratierung, mitten im Herzen vieler wichtiger Trends, konkurrieren.

Gibt es noch etwas, das Sie über KIMO teilen möchten?

Ja. KIMO ist noch ein Baby, oder “Beta”, wie wir es nennen. Laden Sie die App herunter, probieren Sie sie aus und senden Sie uns Ihr Feedback!

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