Personalisierung für alle, angetrieben durch Daten

Valamis erstellt Empfehlungen basierend auf dem Rollenprofil jedes Mitarbeiters, dem aktuellen Skill-Level, der Lernhistorie und den Entwicklungszielen. Das System vergleicht, wo jemand steht, mit dem, was seine Rolle erfordert, und spielt die Inhalte aus, die diese spezifische Lücke am wahrscheinlichsten schließen. Empfehlungen aktualisieren sich, sobald Skills sich entwickeln – dieselben Inhalte tauchen nicht wieder auf, wenn jemand weiter ist.

Ein Katalog zeigt allen dieselben Inhalte und überlässt die Entdeckung dem Lernenden. Die Valamis-Personalisierung zeigt jedem Mitarbeiter das, was für ihn an diesem Punkt seiner Entwicklung am relevantesten ist. Ein neuer Vertriebsmitarbeiter und ein erfahrener Ingenieur im selben Unternehmen sehen völlig unterschiedliche Empfehlungen. Der Katalog existiert weiterhin, aber die Standarderfahrung ist auf die Einzelperson zugeschnitten.

Rolle und Job-Funktion, aktuelle Skill-Level (aus Selbsteinschätzungen oder Manager-Input), Lernhistorie, angegebene Karriereziele und – in bestimmten Konfigurationen – Performance-Daten aus integrierten Systemen. Der zentrale Treiber ist die Skill-Lücke zwischen dem, wo jemand steht, und dem, was die Rolle verlangt. Empfehlungen basieren auf strukturierten Skill-Daten. Valamis kann Skill-Frameworks außerdem automatisch aus Rollen- und Branchenkontext generieren – das fließt direkt in die Empfehlungen ein.

Ja. Manager können Entwicklungsziele für einzelne Teammitglieder setzen, spezifische Lernpfade zuweisen und sehen, woran jeder arbeitet. Manager-Input ist ein bewusster Bestandteil des Personalisierungsmodells. Die Skill-Daten des Systems und das direkte Wissen des Managers über das, was jemand in seiner Rolle braucht, arbeiten zusammen – jedes füllt aus, was das andere nicht sehen kann.

Über Skills-Analytics. Valamis verfolgt Skill-Level vor und nach Lernaktivitäten und zeigt die Entwicklung über Zeit auf Ebene der Einzelperson, des Teams und der Organisation. L&D-Verantwortliche können sehen, ob sich die zu Beginn eines Programms identifizierten Lücken tatsächlich schließen – oder ob Abschlüsse stattfinden, ohne dass messbare Skill-Bewegung entsteht. Das AI-Insights-Update hat klarere Visualisierungen und neue User-Activity-Filter ergänzt, die den Zugang zu diesen Daten erleichtern, ohne sich durch Reports zu wühlen.

Ja. Personalisierungsregeln in Valamis lassen sich für verschiedene Populationen unterschiedlich konfigurieren: Compliance-first-Pfade für regulierte Rollen, entwicklungsorientierte Programme für identifizierte High-Potential-Mitarbeiter, Upskilling-Tracks für spezifische Teams während einer Technologieumstellung. Jede Population bekommt ein Modell, das zu ihren tatsächlichen Bedürfnissen passt.