Von 12 bis 16 Uhr steht bei der Open Skills Consortium (OSC) eine Frage im Mittelpunkt: Wie entwickeln wir einen offenen Vektor-Graphen zur Beschreibung von Kompetenzen, der beobachtbares Handeln, Kontext, Anspruchsniveau und Nachweise miteinander verbindet?
Das konstituierende Forum bringt dafür unterschiedliche Perspektiven zusammen. Eingeladen sind unter anderem Unternehmen, Hochschulen, Bildungsanbieter, Kammern, Anerkennungsstellen und Technologieanbieter. Gemeinsam sollen sie Anforderungen klären, Arbeitsgruppen auf den Weg bringen und erste Pilotvorhaben entwickeln. Die Eckdaten und das vollständige Programm stehen auf der Veranstaltungsseite des Forums.
Warum Kompetenzen einen überprüfbaren Vektor-Graphen brauchen
„Problemlösung“ klingt eindeutig. Im Berufsalltag kann damit jedoch sehr Unterschiedliches gemeint sein: einen dokumentierten Fehler beheben, mehrere Ursachen systematisch prüfen oder für ein bislang unbekanntes Problem ein neues Diagnoseverfahren entwickeln. Der Begriff allein verrät weder den Anwendungskontext noch das Anspruchsniveau.
Das erschwert die Zusammenarbeit. Ein Unternehmen beschreibt eine Tätigkeit anders als ein Bildungsanbieter sein Lernziel. Ein Nachweis nennt eine Kompetenz, lässt aber offen, welche Leistung tatsächlich geprüft wurde. Wer solche Angaben miteinander verbinden will, braucht präzisere Beschreibungen und nachvollziehbare Belege.
Hier setzt der veröffentlichte OSC-Arbeitsstand an. Ein Vektor-Graph soll Kompetenzen über beobachtbares Handeln, Kontext, Niveau und zulässige Evidenz beschreiben und ihre Beziehungen nachvollziehbar machen. Der gemeinsame Arbeitsauftakt in Dresden schafft Raum, diesen Ansatz an konkreten Anforderungen aus der Praxis zu prüfen.
Was den Vektor-Graphen von einem gemeinsamen Vokabular unterscheidet
Ein gemeinsames Vokabular legt fest, welche Begriffe verwendet und wie sie definiert werden. Das erleichtert die Verständigung. Für die Beschreibung beruflicher Handlungsfähigkeit braucht es zusätzlich Informationen darüber, was eine Person unter welchen Bedingungen und auf welchem Niveau tatsächlich leisten kann.
Der geplante OSC-Vektor-Graph verbindet dafür zwei Funktionen. Die Vektorschicht findet mögliche Entsprechungen zwischen unterschiedlich formulierten Beschreibungen. Im Knowledge Graph werden Kompetenzen und ihre Beziehungen zu Tätigkeiten, Kontexten, Niveaus und Nachweisen ausdrücklich modelliert. Fachleute prüfen die vorgeschlagenen Zuordnungen. Quellen, Gültigkeitsbereiche und Freigabestatus sollen dabei nachvollziehbar bleiben.
Der entscheidende Unterschied liegt im Gegenstand: Ein Vokabular ordnet Begriffe. Der OSC-Vektor-Graph bildet kontextbezogene Aussagen über Kompetenzen und ihre belegbaren Beziehungen ab. Auch vorhandene Taxonomien können Beziehungen enthalten. Der Anspruch des OSC liegt in der Verbindung von Verhaltensankern, vektorbasierter Suche und dokumentierter fachlicher Prüfung.
Ein Beispiel: „Fehler analysieren“ und „Störungen diagnostizieren“ können sprachlich nahe beieinanderliegen. Ob sie dieselbe Kompetenz beschreiben, hängt davon ab, welches System untersucht wird, wie selbstständig die Person handelt und welche Nachweise vorliegen. Der Graph soll solche Gemeinsamkeiten und Unterschiede sichtbar machen. Eine Ähnlichkeit im Vektorraum bleibt bis zur Prüfung ein Zuordnungskandidat.
Warum diese Arbeit gerade jetzt wichtig ist
KI verändert bereits, wie Menschen Aufgaben bearbeiten. Brynjolfsson, Li und Raymond untersuchen in einer 2025 im Quarterly Journal of Economics erschienenen Studie die Einführung einer KI-Assistenz bei 5.172 Beschäftigten im Kundensupport. Die Zahl gelöster Anliegen pro Stunde stieg im Durchschnitt um 15 Prozent; die Effekte unterschieden sich deutlich nach Erfahrung und Ausgangsniveau. Diese Ergebnisse gelten für den untersuchten Einsatzkontext und sind keine allgemeine Prognose für sämtliche Berufe. Brynjolfsson, Li & Raymond (2025).
Für die Kompetenzbeschreibung ergibt sich daraus eine wichtige Frage: Welche Leistung zeigt eine Person eigenständig, welche mit KI-Unterstützung und unter welchen Arbeitsbedingungen? Unsere Schlussfolgerung für die OSC-Arbeit lautet deshalb: Kompetenzdaten müssen den Handlungskontext und die Bedingungen des Nachweises mitführen. Ein pauschales Skill-Label reicht dafür nicht aus.
Zugleich ermöglichen mehrsprachige Modelle, große Mengen unterschiedlich formulierter Beschreibungen miteinander abzugleichen. Damit wächst der Nutzen solcher Zuordnungsvorschläge, aber auch die Bedeutung ihrer Prüfung: Werden ungeprüfte Ähnlichkeiten in Recruiting, Weiterbildung oder Anerkennung weiterverwendet, können sich Fehlzuordnungen über mehrere Systeme fortsetzen. Die Regeln für Evidenz, Versionierung und fachliche Freigabe sollten deshalb schon beim Aufbau der Infrastruktur feststehen.
Jetzt ist der Zeitpunkt, diese Regeln gemeinsam zu gestalten und an realen Anwendungsfällen zu prüfen. Das Forum bietet dafür einen konkreten Einstieg: Partner finden, Prüfaufgaben vereinbaren und Piloten so anlegen, dass ihr Nutzen und ihre Grenzen sichtbar werden.
Verhalten beschreiben, Bedeutung gemeinsam prüfen
Ein Beispiel aus den Forumsunterlagen macht die Idee der Behaviour Anchors, also der Verhaltensanker, greifbar. Beim Skill „technische Störungen diagnostizieren“ könnte eine grundlegende Ausprägung darin bestehen, dokumentierte Fehlercodes zu erkennen und einen vorgegebenen Prüfschritt korrekt auszuführen. Eine fortgeschrittene Ausprägung würde verlangen, mehrere Fehlerhypothesen anhand von Messdaten zu priorisieren, systematisch zu prüfen und den Entscheidungsweg festzuhalten.
Erst zusammen mit dem Kontext, etwa technischem Service oder Produktion, und geeigneten Nachweisen wie einer Arbeitsprobe entsteht eine Beschreibung, die Fachleute sinnvoll diskutieren können. Das Beispiel illustriert den Arbeitsstand und ist noch kein freigegebener Kompetenzstandard.
Die wissenschaftliche Idee verhaltensbezogener Bewertungsanker hat eine lange Geschichte. Smith und Kendall beschrieben bereits 1963 ein Verfahren, bei dem konkrete Verhaltensbeispiele zur Entwicklung von Bewertungsskalen verwendet und durch weitere Beurteilende überprüft wurden. Die Studie liefert einen methodischen Bezugspunkt für präzise Verhaltensbeschreibungen. Ihre Ergebnisse aus einem bestimmten beruflichen Kontext lassen sich allerdings nicht ohne weitere Prüfung auf sämtliche Berufe übertragen. Smith & Kendall (1963).
KI findet Verbindungen. Fachleute verantworten die Freigabe.
Für die technische Erprobung sieht das Forum SupraGraph als Grundlage vor. Ein Knowledge Graph soll Kompetenzen mit Berufen, Qualifikationen, Lernangeboten und Nachweisen strukturiert verknüpfen. Der Nutzen liegt darin, Beziehungen ausdrücklich zu beschreiben: Welche Tätigkeit gehört zu einer Rolle? Welcher Nachweis belegt welches Handeln? Für welchen Kontext gilt eine Zuordnung?
Hogan und Mitautorinnen und -autoren erläutern in ihrer begutachteten Übersicht, wie Knowledge Graphs Informationen aus unterschiedlichen Quellen abbilden und durch formale Modelle, Abfragen und Validierungsverfahren nutzbar machen können. Das begründet die Wahl eines solchen Datenmodells, belegt aber noch nicht die Leistungsfähigkeit einer konkreten OSC-Implementierung. Hogan et al. (2021).
Eine ergänzende Vektorschicht soll helfen, ähnlich formulierte Kompetenzbeschreibungen auch über Sprachen hinweg zu finden. Dafür gibt es ebenfalls einen wissenschaftlichen Bezugspunkt: Reimers und Gurevych zeigen, wie sich Satzrepräsentationen mithilfe von Wissensdestillation auf weitere Sprachen übertragen lassen. Ihre in den EMNLP-Proceedings veröffentlichte Arbeit untersucht das Verfahren für mehr als 50 Sprachen. Sie liefert eine Grundlage für mehrsprachige Ähnlichkeitssuche, jedoch keinen automatischen Nachweis der Gleichwertigkeit beruflicher Qualifikationen. Reimers & Gurevych (2020).
Für das OSC folgt daraus eine klare Arbeitsregel: Eine maschinell gefundene Ähnlichkeit ist zunächst ein Vorschlag. Fachleute prüfen Bedeutung, Niveau, Kontext und Evidenz. Auch Ablehnungen und unterschiedliche Einschätzungen sollen nachvollziehbar dokumentiert werden.
Dass die Qualität solcher Urteile eine eigene Aufgabe ist, unterstreichen Lievens und Sanchez. In ihrer Untersuchung erzielten geschulte Beurteilende bei Kompetenzmodellierungen unter anderem eine höhere Übereinstimmung und Genauigkeit als die Kontrollgruppe. Für die Arbeit im Konsortium spricht das dafür, gemeinsame Prüfkriterien und die Vorbereitung der Fachprüfenden von Beginn an mitzudenken. Lievens & Sanchez (2007).
Wissenschaftliche Einordnung: Diese peer-reviewten Arbeiten stützen einzelne methodische Bausteine. Die konkrete OSC-Architektur ist ein veröffentlichter Arbeitsstand und noch nicht als Gesamtsystem peer-reviewt. Fachlicher Review und Pilotprojekte sollen zeigen, wo der Ansatz trägt und wo er überarbeitet werden muss.
Was das Forum auf den Weg bringen soll
Die Agenda verbindet Austausch mit gemeinsamer Arbeit. Nach dem Ankommen ab 12 Uhr beginnt um 12.30 Uhr der Auftakt zu Mission, Aufbau und Beteiligungsmöglichkeiten des Konsortiums. Ab 14 Uhr stehen Arbeitssessions zu Arbeitsgruppen, Pilotprojekten und Finanzierungsansätzen auf dem Programm. Um 15 Uhr sollen die Ergebnisse in eine gemeinsame Roadmap mit nächsten Schritten und Verantwortlichkeiten einfließen. Abschluss und Networking beginnen um 15.30 Uhr, das Forum endet um 16 Uhr.
Im Mittelpunkt steht ein offener Vektor-Graph zur Beschreibung von Kompetenzen. Er soll Verhaltensanker, Anwendungskontexte, Anspruchsniveaus und Evidenzen strukturiert verknüpfen. Eine Vektorschicht unterstützt die Suche nach möglichen Entsprechungen; die fachlich geprüften Beziehungen werden im versionierten Knowledge Graph festgehalten. Dazu gehören Kriterien für Qualität und Evidenz sowie die Verbindung bestehender Systeme und Standards. Hinzu kommen Fragen der Anerkennung und der dauerhaften Zusammenarbeit. Für jede Arbeitsgruppe sollen Ziele, erste Aufgaben, Beteiligte und erwartete Ergebnisse konkret werden.
Ein sinnvoller Pilot könnte beispielsweise untersuchen, wie sich ein betriebliches Rollenprofil mit den Lernergebnissen einer Weiterbildung verbinden lässt. Dabei wäre zu prüfen, welche Zuordnungen Fachleute bestätigen, wo Beschreibungen zu ungenau bleiben und welcher zusätzliche Nachweis benötigt wird. Solche überprüfbaren Fragen machen aus einem technischen Konzept ein gemeinsames Arbeitsprogramm.
Jetzt mitgestalten
Der Auftakt in Dresden ist eine Einladung, Erfahrungen und konkrete Anwendungsfälle einzubringen. Unternehmen können ihre Anforderungen an Rollenprofile beitragen. Bildungsanbieter können Lernergebnisse und Nachweise zur Diskussion stellen. Fachleute aus Berufsbildung, Kompetenzdiagnostik und Anerkennung können helfen, Verhaltensanker und Prüfkriterien zu schärfen.
Auch über den Veranstaltungstag hinaus sieht das OSC Wege zur Beteiligung vor: Interesse an einer Mitgliedschaft bekunden, einen Pilot mit eigenen Daten vorschlagen oder Verhaltensanker fachlich prüfen. Die Beteiligungsseite des OSC bietet dafür den Einstieg.
Wir freuen uns auf die gemeinsame Arbeit an einem offenen, überprüfbaren Vektor-Graphen zur Beschreibung von Kompetenzen.
Literatur
Smith, P. C., & Kendall, L. M. (1963). Retranslation of expectations: An approach to the construction of unambiguous anchors for rating scales. Journal of Applied Psychology, 47(2), 149–155. DOI: 10.1037/h0047060.
Hogan, A., et al. (2021). Knowledge Graphs. ACM Computing Surveys, 54(4), Artikel 71, 1–37. DOI: 10.1145/3447772.
Reimers, N., & Gurevych, I. (2020). Making Monolingual Sentence Embeddings Multilingual using Knowledge Distillation. Proceedings of EMNLP 2020, 4512–4525. DOI: 10.18653/v1/2020.emnlp-main.365.
Lievens, F., & Sanchez, J. I. (2007). Can training improve the quality of inferences made by raters in competency modeling? A quasi-experiment. Journal of Applied Psychology, 92(3), 812–819. DOI: 10.1037/0021-9010.92.3.812.
Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889–942. DOI: 10.1093/qje/qjae044.
