Executive Summary

Projektbeispiel: SETREX-App · Ausgangsmaterial: ca. 27 Minuten Screencast · Stand: November 2026. Fallstudie – dokumentierter Arbeitsstand, keine Aussage über einen abgeschlossenen Produktivbetrieb.

Ein rund 27-minütiger SETREX-Screencast dient als Ausgangspunkt für ein wiederverwendbares Wissens- und Schulungssystem. Statt die Aufnahme lediglich zu veröffentlichen, werden ihre Inhalte transkribiert, in sechs Prozesseinheiten strukturiert und für unterschiedliche Nutzungssituationen aufbereitet: Lernen, Nachschlagen, Wiederholen und perspektivisch dialogbasierte Wissensabfrage.

Erarbeitet wurden die thematische Struktur, sechs Lernmodule, Präsentationen mit Screenshots, Modul-Handouts und dialogische Podcast-Skripte. Multiple-Choice-Tests befinden sich in der Konzeption; Wiki und KI-Chatbot sind geplant. Eine abschließende fachliche Freigabe ist noch nicht dokumentiert.

Ausgangssituation und Herausforderung

Ein klassischer Screencast dokumentiert einen Bedienablauf anschaulich, bleibt aber linear. Mitarbeitende müssen relevante Stellen suchen; Inhalte sind nur eingeschränkt nachschlagbar, Lernerfolg wird nicht überprüft und Änderungen am Prozess lassen sich schwer modular aktualisieren.

  • Wissen steckt in Bild und Sprache, nicht in einer strukturierten Wissensbasis.
  • Unterschiedliche Zielgruppen benötigen unterschiedliche Formate: kurze Lernstrecken, Referenztexte oder Antworten auf konkrete Fragen.
  • Die Originalstimme ist für eine neutrale, langfristig wiederverwendbare Schulung nicht zwingend erforderlich.
  • Fachliche Aussagen müssen vor Freigabe gegen den tatsächlichen SETREX-Prozess geprüft werden.

Zielbild: ein Inhalt, mehrere validierbare Formate

Die Quelle wird nicht nur transkribiert, sondern in eine nachvollziehbare Inhaltsstruktur überführt. Diese Struktur ist die gemeinsame Grundlage aller Folgeformate.

Screencast → Transkription → Themen- und Prozessstruktur → Abgleich mit Bildmaterial → modulare Lerninhalte → Präsentationen, Handouts, Podcast-Skripte → künftig Tests, Wiki und RAG-Chatbot.

Die Formate haben unterschiedliche Aufgaben: Lernmodule führen durch den Prozess; Handouts unterstützen das Nachschlagen; Tests prüfen Verständnis; ein Wiki bietet versionierbare Referenzinformationen; ein RAG-Chatbot soll Fragen auf Basis freigegebener Inhalte beantworten und Quellen nennen.

Umsetzung am Beispiel SETREX

  • Modul 1, Einstieg und Anmeldung: Registrierung, Unternehmensaktivierung, Auswahl des Unternehmens, QR-Onboarding, Buchungen und Status.
  • Modul 2, Drehtagübersicht und Check-In: Einstellungen, Synchronisation, Drehtagdetails, Booking Tickets und manueller Check-In.
  • Modul 3, Check-Out und Nachbearbeitung: Manueller Check-Out, Setpass-QR, Zeitkorrekturen, Pausen und Zusatzkosten.
  • Modul 4, Lohnvorgaben und Vertragsabschluss: Vergütung, Kosten, Zuschläge, Rollen, Notizen, Ausfälle und elektronische Unterschrift.
  • Modul 5, Sonderfälle und Reporting: Pauseneinstellungen, Sammelunterschrift, Streetcasting, Excel-Kostenbericht und ZPass-Scans.
  • Modul 6, Terminal-Mode und QR-Codes: Kiosk-Modus, QR-Konfiguration, Selbstregistrierung und Check-In ohne Vorbuchung.

Die Module orientieren sich an den im Ausgangsmaterial behandelten Bedienabläufen. Ihre endgültige fachliche Richtigkeit und Aktualität sind gesondert zu bestätigen.

Medienproduktion und didaktische Aufbereitung

Präsentationen und Handouts: Aus dem Screencast werden passende Bildschirmausschnitte den Prozessschritten zugeordnet. Die Präsentationen zeigen Bedienoberfläche und Handlungskontext; Handouts fassen Abläufe in einer schnell nutzbaren Referenzform zusammen.

Gesprochene Inhalte und Podcasts: Der ursprüngliche gesprochene Text wird sprachlich überarbeitet und kann mit einer neutralen synthetischen Stimme neu vertont werden. Ergänzend wurden dialogische Podcast-Skripte mit einer Moderatorin und einem Fachexperten entwickelt, um Prozesslogik und typische Rückfragen verständlich zu erklären.

Wissensprüfung und dialogischer Zugriff: Multiple-Choice-Fragen sollen aus den fachlich freigegebenen Lernzielen abgeleitet werden, mit eindeutigen richtigen Antworten und begründeten Distraktoren. Wiki und RAG-Chatbot sind als weitere Ausgabekanäle vorgesehen, aber nicht als bereits implementiert zu verstehen.

Datenschutz und Neutralisierung der Sprecherstimme

Die Ersetzung der Originalstimme kann die Wiedererkennbarkeit des Sprechers verringern und eine konsistente Schulungsstimme schaffen. Sie stellt für sich allein jedoch keine DSGVO-Konformität sicher. Auch Bildschirmaufnahmen, Namen, Kontaktdaten, Buchungsinformationen oder andere personenbezogene Angaben können relevant sein.

  • Sichtbare personenbezogene Daten in Screenshots und Videos prüfen und gegebenenfalls anonymisieren.
  • Rechtsgrundlage, Zweck, Berechtigungen, Aufbewahrung und eingesetzte KI-Dienstleister gesondert bewerten.
  • Freigaben und Versionen der verwendeten Medien dokumentieren.

Validierung und Qualitätssicherung

Ein belastbares Wissenssystem benötigt eine mehrstufige Prüfung. Besonders wichtig ist die Trennung zwischen Quellentreue und fachlicher Richtigkeit: Eine korrekte Wiedergabe des Screencasts beweist noch nicht, dass der ursprüngliche Prozess aktuell oder sachlich richtig ist.

  • Quellenabgleich: Ist die Aussage durch Transkript und sichtbaren Bedienablauf gedeckt?
  • Fachprüfung: Entspricht sie der aktuell gültigen SETREX-Funktion und den betrieblichen Regeln?
  • Formatkonsistenz: Sind Lernmodul, Handout, Audio, Test und Wissenseintrag widerspruchsfrei?
  • Didaktik und Usability: Sind Ablauf, Begriffe und Prüfungsfragen verständlich und handlungsorientiert?
  • Freigabe und Versionierung: Wer hat welche Fassung wann freigegeben und wie werden Änderungen gepflegt?

Ergebnis und Ausblick

Projektstatus anhand der dokumentierten Arbeit:

  • Transkription und Themenstrukturierung: erarbeitet
  • Sechs Lernmodule: erarbeitet
  • Präsentationen mit Screenshots: erstellt
  • Modul-Handouts: erstellt
  • Conversational Podcast-Skripte: erstellt
  • Multiple-Choice-Tests: Konzeption
  • Wiki und KI-Chatbot: geplant
  • Fachliche Qualitätssicherung und Freigabe: noch nicht dokumentiert

Der nächste sinnvolle Schritt ist eine fachliche Freigaberunde mit SETREX-Prozessverantwortlichen. Auf dieser Grundlage lassen sich Multiple-Choice-Tests, Wiki-Einträge und eine zitierfähige Wissensbasis für den Chatbot konsistent fertigstellen. Danach können Nutzungsdaten und Lernergebnisse vor und nach der Einführung verglichen werden.

Fazit

Der eigentliche Mehrwert liegt nicht im automatischen Erzeugen möglichst vieler Medien, sondern darin, vorhandenes Prozesswissen in eine strukturierte, überprüfbare und aktualisierbare Wissensbasis zu verwandeln. Der SETREX-Fall zeigt den Weg vom einmaligen Screencast zu modularer Mitarbeiterschulung und künftig zu bedarfsgerechter Wissensabfrage. Quantitative Zeit-, Kosten- oder Lernerfolgseffekte wurden bislang nicht belastbar gemessen und werden daher nicht behauptet.