Rens ter Weijde, Co-Founder & CEO of KIMO – Interview Series

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.

Während das Online-Lernen an Popularität gewonnen hat, weist es Abschlussquoten von bis zu 95% auf. Warum ist der Erfolg so gering?

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 usw., die besser in ihren Tagesablauf passen. Das Lernen ist also in der Praxis vielseitiger als es diese Anbieter zulassen. Darüber hinaus äußerten viele Nutzer, dass ihnen eine Führung auf ihrem Online-Weg fehlte. Das Ergebnis ist, dass sie viel Zeit mit der Suche, der Entscheidung, was sie studieren sollen, usw. verbringen. Ein dritter Grund betrifft die Relevanz des tatsächlichen Inhalts. 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 damit verbrachte Zeit zu rechtfertigen.

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

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

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

Ja! KIMO begann, als Krishna, mein Mitgründer, und ich uns an der Harvard Business School trafen. Wir liebten die Umgebung, aber realisierten gleichzeitig, dass die guten Teile der Erfahrung nicht auf Menschen auf der ganzen Welt skalierbar waren. 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 diskutieren, wie künstliche Intelligenz erforderlich ist, um individuelle Lernpfade durch digitale Lerninhalte zu generieren?

Tatsächlich verlässt sich KIMO auf eine Vielzahl von Al-Modellen in der Pipeline. Einige Modelle sind von Natur aus einfach, andere sind komplexer. Der gemeinsame Faden ist, dass die meisten Modelle natürliche Sprache als ihre Eingabedaten (NLP, z. B. Transformer-Modelle) verwenden. Diese Modelle sind hinter den Inhaltsvorschlägen, die Sie erhalten, der Gruppierung von Inhalten in bestimmte Themen oder der Erkennung der kritischen Fähigkeiten, die für Jobs erforderlich sind. Wir haben auch einige experimentelle “generative” Al-Modelle, wie das Modell, das die inhaltlichen 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 Al-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 etwa 40.000 Fähigkeiten in Jobs auf dem Markt in nahezu Echtzeit erkennen kann. Man könnte sagen, dass unser System alle diese Jobprofile “liest”, um vorherzusagen, welche Art von Fähigkeiten derzeit für die Jobs erforderlich sind. Diese erkannten Fähigkeiten werden später in weiche und harte Fähigkeiten gruppiert.

Können Sie diskutieren, 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 Vektorabgleich verbinden, was in Empfehlungsmodellen gängige Praxis ist. Der schwierigere Teil ist, zu entscheiden, wie diese Vektoren aufgebaut werden, mit anderen Worten, welche Elemente gewichtet werden. Für den Moment ist das System relativ einfach und funktioniert mit den Lernpräferenzen des Nutzers und Popularitätsscores für Online-Materialien. Die Zukunft wird interessanter sein, da wir versuchen, den aktuellen Zustand des Nutzers (z. B. seinen Job) und den gewünschten Endzustand zu berücksichtigen.

Was sind einige der aktuellen maschinellen Lernmethoden, die im KIMO-System verwendet werden?

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 des Online-Bildungssektors 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 Idee aufgeben, dass sie in einer traditionellen, langsam beweglichen Branche existieren. Stattdessen sollten sie realisieren, dass sie im Zeitalter der Informationskuratierung konkurrieren, mitten im Herzen vieler wichtiger Trends heute.

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 erfahren möchten, sollten KIMO besuchen.