Die aktuelle Kolumne

Organisationales Lernen

Wie Entwicklungsorganisationen mit KI lernen können

Roll, Michael / Lindsey Moore
Die aktuelle Kolumne (2026)

Bonn: German Institute of Development and Sustainability (IDOS), Die aktuelle Kolumne vom 04.05.2026

Bonn, 4. Mai 2026. Unter bestimmten Voraussetzungen können Entwicklungsorganisationen Künstliche Intelligenz (KI) nutzen, um zu lernenden Organisationen zu werden. Aufschlussreich sind in diesem Zusammenhang die Erfahrungen von USAID.

KI ist für die Entwicklungszusammenarbeit (EZ) sowohl Herausforderung als auch Chance. In dieser Kolumne geht es um die Frage, wie Entwicklungsorganisationen KI nutzen können, um lernende Organisationen zu werden. Ob dies gelingt, hängt davon ab, wie KI-gestützte Analyse- und Lernprozesse in Organisationen verankert sind. Aus den Erfahrungen der 2025 geschlossenen US-Entwicklungsagentur USAID lassen sich Lehren für den Einsatz von KI in der EZ ziehen – und wo dieser an Grenzen stößt.

USAIDs vorzeitig beendete KI-Lerninitiative

Nach vielen Jahren als Mitarbeiterin verließ die Ko-Autorin USAID im Jahr 2021, um zu untersuchen, wie Entwicklungsorganisationen systematischer aus ihren eigenen Erfahrungen lernen können. Dies führte zur Entwicklung des Development Evidence Large Language Model (DELLM), eines speziell für die EZ entwickelten KI-Systems. USAID wurde einer der ersten Kunden. Um DELLM zu trainieren, annotierten und labelten Expert*innen zunächst manuell Textsegmente aus rund 100.000 USAID-Evaluierungsberichten aus über 60 Jahren. In einem zunehmend automatisierten aber von Expert*innen überwachten Prozess lernte das Modell, diese Berichte zu „lesen“ und zwischen Sektoren, Kooperationsansätzen, Ergebnissen sowie positiven und negativen Lehren zu unterscheiden.

Nach Abschluss des Trainings konnten die USAID-Mitarbeitenden das institutionelle Wissen der Organisation erstmals systematisch nutzen. DELLM konnte sowohl für die operative Planung als auch für das organisationale Lernen eingesetzt werden. Im Hinblick auf die operative Planung waren die Mitarbeiter*innen nun in der Lage, innerhalb weniger Minuten auf themenspezifische und regionale Erkenntnisse aus über sechs Jahrzehnten zuzugreifen. Zuvor hätte jede dieser Abfragen lange Recherchen erfordert und hohe Kosten verursacht. Aufgrund der plötzlichen Schließung von USAID konnte das Modell jedoch nicht mehr für das organisationale Lernen eingesetzt werden. Solange die Evaluierungsberichte noch intern zugänglich waren, wurde DELLM stattdessen genutzt, um zentrale Erkenntnisse zu sichern. Diese Auswertung der übergreifenden Erfolgsfaktoren von USAID-Maßnahmen liefert für sich genommen bereits aufschlussreiche Ergebnisse. Zugleich verdeutlichen sie, warum KI-gestützte Erkenntnisse nicht automatisch zu organisationalem Lernen führen.

Erfolgsfaktoren der Entwicklungszusammenarbeit

Die Suche nach den übergeordneten Erfolgsfaktoren der Entwicklungsmaßnahmen von USAID brachte folgende Erkenntnisse: (1) Entscheidungen sollten möglichst dezentral dort getroffen werden, wo die Umsetzung erfolgt, um rasches Feedback aus der Praxis zu erhalten und Kurskorrekturen vornehmen zu können. (2) Reformen sollten praxisorientiert sein, das heißt auf bestehenden Systemen aufbauen und darauf abzielen, diese weiterzuentwickeln. (3) Wirksame Lösungen sollten rasch vor Ort verankert werden, damit sie auch nach Auslaufen der Finanzierung fortwirken. (4) Reformprozesse sollten von lokalen Akteuren geleitet werden, anstatt diese lediglich beratend einzubinden. Schließlich ist (5) die Zusammenarbeit mit der mittleren Ebene entscheidend – also mit Partnern, die für die praktische Umsetzung der Maßnahmen verantwortlich sind. Welche Schlüsse lassen sich aus diesen Erkenntnissen über das Potenzial und die Grenzen von KI-gestütztem organisationalem Lernen in der EZ ziehen?

Für Entwicklungsexpert*innen sind diese Erfolgsfaktoren nicht neu. Dennoch werden darauf basierende, neue Ansätze der EZ, wie etwa Ansätze adaptiver EZ, nur selten genutzt. Obwohl sie auch in der deutschen EZ bereits erfolgreich umgesetzt wurden, bleiben sie Ausnahmen. Mangelndes organisationales Lernen hat neben der Orientierung der EZ an nationalen Interessen mit einem starken Fokus auf systemimmanente Rechenschaftsbeziehungen zu tun. Es wird aber auch durch die Strukturen und Anreize innerhalb von Entwicklungsorganisationen gebremst. Organisationales Lernen kann erst gelingen, wenn evidenzbasiertes Arbeiten gefördert wird, generalistische Karrierewege durch Fachlaufbahnen ergänzt werden, Ziele und Defizite offen diskutiert werden und die Organisationskultur all dies unterstützt.

Verankerung KI-gestützten Lernens für Entwicklung

KI hat das Potenzial, einen umfassenden, intuitiven und bedarfsgerechten Zugang zum institutionellen Wissen von Organisationen zu ermöglichen. Dies ist insbesondere für die operative Planung von großem Nutzen. Im Hinblick auf organisationales Lernen und entsprechende Reformen sollten jedoch die Besonderheiten von KI sowie die notwendigen Rahmenbedingungen berücksichtigt werden. Erstens gilt, wie bei allen KI-Tools, dass die Qualität ihrer Ergebnisse nur so gut ist wie die Qualität der zugrunde liegenden Daten und des Trainings. Zweitens müssen Erkenntnisse, um in organisationales Lernen überführt zu werden, in eine offene, selbstkritische und evidenzbasierte Organisationskultur eingebettet sein. Drittens gilt: Auch wenn KI-gestützte Erkenntnisse nicht vollständig neu sind, können sie in Verbindung mit anderen Wissensquellen, etwa der Entwicklungsforschung, dazu dienen, bestehendes Wissen zu überprüfen und zu ergänzen. In einem solchen förderlichen organisationalen Umfeld kann KI somit ein wichtiges Instrument unter anderen sein, um lernende Entwicklungsorganisationen hervorzubringen und die Effektivität und Effizienz der EZ zu steigern.

---

Dr. Michael Roll ist Soziologe und wissenschaftlicher Mitarbeiterin der Abteilung “Transformation of Political (Dis-) Order” des German Institute of Development and Sustainability (IDOS) in Bonn.

Lindsey Moore ist Geschäftsführerin und Gründerin von DevelopMetrics sowie außerordentliche Professorin für KI und Politik an der Georgetown University. Ihre Arbeit konzentriert sich auf verantwortungsvolle künstliche Intelligenz, Evidenzsynthese und Wissensmanagement im Bereich der internationalen Entwicklung.