Mit Künstlicher Intelligenz und Online-Daten von Verbrauchern können (auch eigene) Produkte direkt entwickelt werden

Mit Hilfe der hybriden Wettbewerbsstrategie Mass Customization (PDF) ist es Unternehmen möglich, Produkte zu individualisieren, ohne dass der Preis höher ist, als bei massenhaft hergestellten Produkten. Kernelement ist dabei ein Konfigurator, mit dem der Kunde selbst in einem definierten Lösungsraum (fixed solution space) vielfältige Möglichkeiten zusammenstellen kann. In der Zwischenzeit gibt es allerdings mit Künstlicher Intelligenz noch ganz andere Optionen für Mass Customization.

Künstliche Intelligenz kann für einen Verbraucher Produkte und Dienstleistungen entwickeln und anbieten, nur auf Basis der vom Konsumenten generierten Daten – sogar ohne die aktive Mitwirkung des Konsumenten. Damit bringt Künstliche Intelligenz Mass Customization auf ein neues Level: Smart Customization.

“But this is one area where AI can take mass customization to a new level: The growth of AI and machine learning can allow us to use all the data traces consumers leave online to design a perfect product for an individual consumer, without their active involvement. AI can evolve into the ability to perfectly customize a product for a consumer, without the
need for a conscious process of elicitation from the consumer. As a consumer, I could specify what I want for aesthetics, while for functional parameters, it could be the system that senses what I want and desire. An algorithm reading your Instagram profile might know better than you do about your dream shirt or dress. I see a lot of opportunity to use the data that’s out there for what I call smart customization” (Piller, Frank T. and Euchner, James, Mass Customization in the Age of AI (June 07, 2024). Research-Technology Management, volume 67, issue 4, 2024 [10.1080/08956308.2024.2350919], Available at SSRN: https://ssrn.com/abstract=4887846).

Dieser Ansatz ist natürlich für Unternehmen interessant, da sie die umständlichen und teuren Befragungen von Verbraucher nicht mehr – oder etwas weniger – benötigen, um angemessene Produkte anzubieten.

Es gibt allerdings auch noch eine andere Perspektive: Was ist, wenn die Verbraucher ihre eigenen Daten mit Hilfe von Künstlicher Intelligenz selbst nutzen, um eigene Produkte zu entwickeln? Im Extremfall – und mit Hilfe von modernen Technologien wie z.B. den 3D-Druck (Additive Manufacturing) – können sich die Verbraucher innovative Produkte selbst herstellen. Diese Option klingt etwas futuristisch, da wir es gewohnt sind, Innovationen mit Unternehmen in Verbindung zu bringen. Doch hat Eric von Hippel gezeigt, dass es immer mehr von diesen Open User Innovation gibt, die gar nicht in den üblichen Statistiken zu Innovation auftauchen. Siehe dazu auch

Eric von Hippel (2005): Democratizing Innovation

Free Innovation: Was wäre, wenn wir Innovationen stärker Bottom-Up denken und fördern würden?

Eric von Hippel (2017): Free Innovation

Ist die Verwendung von Persona das Gegenteil von Mass Customization?

Gerade im Agilen Projektmanagement werden Anforderungen häufig für Persona formuliert. Diese sind nach dem IREB (International Requirements Engineering Board) fiktive Charaktere, mit deren Hilfe Werte für die User geschaffen werden sollen. Dieses Vorgehen erinnert an eine Art Segmentierung aus dem traditionellen Marketing.

Mass Customization auf der anderen Seite ist eine hybride Wettbewerbsstrategie, die individuelle Produkte und Dienstleistungen für jeden Abnehmer – also massenhaft – anbietet, bei Preisen, die denen der massenhaft produzierten Standardprodukten ähneln. Dabei ist der Konfigurator ein wichtiges Element, das passende Produkt in einem Fixed Solution Space (Definierter Lösungsraum) zu erstellen. Die dahinterliegende Idee eines “Market of One” passt nicht so recht mit der Persona-Idee zusammen. Dazu habe ich folgendes gefunden:

“In many ways, a persona is the opposite of mass customization. It’s more traditional marketing thinking about how to deal with a larger number of segments. A “persona of one” is turning the persona idea to its opposite” Piller, Frank T. and Euchner, James, Mass Customization in the Age of AI (June 07, 2024). Research-Technology Management, volume 67, issue 4, 2024 [10.1080/08956308.2024.2350919], Available at SSRN: https://ssrn.com/abstract=4887846.

In Zeiten von Künstlicher Intelligenz wird es immer mehr Möglichkeiten geben, Produkte und Dienstleistungen massenhaft zu individualisieren und zu personalisieren. Ob die Verwendung von Persona in solchen eher agil durchzuführenden Projekten dann noch angemessen ist, scheint fraglich zu sein. Siehe dazu auch 

Society 5.0 und Mass Customization

Freund, R. (2009): Kundenindividuelle Massenproduktion (Mass Customization). RKW Kompetenzzentrum, Faktenblatt 5/2009.

Wir sind dabei: 20 Jahre MCP-CE vom 24.-27.09.2024

Society 5.0 und Mass Customization

Über Society 5.0 habe ich hier schon mehrfach geschrieben. Zu beachten ist, dass Society 5.0 sich von dem im deutschsprachigen Raum geläufigen Industry 4.0 oder Industry 5.0 unterscheidet. Siehe dazu Worin unterscheiden sich Industry 5.0 und Society 5.0?

Bei Society 5.0 steht der Mensch im Mittelpunkt, wobei die technologischen Möglichkeiten helfen sollen, die vielfältigen / multiplen komplexen Probleme zu lösen.

Das Konzept Society 5.0 wurde 2016 in Japan grob skizziert und 2019 konzeptionell veröffentlicht. Es ist erstaunlich, dass sich auch die Europäische Union daran orientieren will. Ein wichtiger Bestandteil der Society 5.0 ist auch Mass Customization, ein Konzept, das vor mehr als 30 Jahren von B. Joseph Pine skizziert wurde. Siehe dazu auch Freund, R. (2009): Kundenindividuelle Massenproduktion (PDF).

Ich finde es deshalb erstaunlich, da Mass Customization auf den jeweiligen Konferenzen immer wieder als Lösungsansatz dargestellt wurde, allerdings in vielen Bereichen nicht wirklich zu einem Durchbruch geführt hat. Die Hybride Wettbewerbsstrategie hat sich über die vielfältigen Konfiguratoren nur indirekt durchgesetzt. Was Mass Customization and Personalization im Kern bedeutet, ist vielen Organisationen immer noch nicht so ganz klar. Das sollte es aber, denn Mass Customization ist ein Eckpfeiler von Society 5.0:

Japan’s National Institute of Advanced Industrial Science and Technology report lists the following six topics as basic technologies for realizing Society 5.0:
– Technology for enhancing human capabilities, fostering sensitivity, and enabling control within Cyber-Physical Systems (CPS).
– AI hardware technology and AI application systems.
– Self-developing security technology for AI applications.
– Highly efficient network technology along with advanced information input and output devices.
– Next-generation manufacturing system technology designed to facilitate mass customization.
– New measurement technology tailored for digital manufacturing processes.
Quelle: Wikipedia

Künstliche Intelligenz: Vorwissen, Wissenszuwachsvorhersage, Wissenszuwachs und Markov-Ketten

Beispielhafte Darstellung der Wissenszuwachsvorhersage (Fischer et al. 2023)

Künstliche Intelligenz beeinflusst auf verschiedenen Ebenen auch die berufliche Weiterbildung. Ein wichtiger Bereich ist dabei die Personalisierung von Inhalten und Lernprozessen. In der Vergangenheit wurde das schon mit der Modularisierung von Inhalten zusammen mit entsprechenden Konfiguratoren umgesetzt. Kurz zusammenfasst lautet hier die Formel: Konfiguration von Learning Objects. Der ganze Bereich kann als Mass Customization and Personalization in der beruflichen Bildung gesehen werden.

Eines meiner ersten Paper dazu habe ich 2003 auf der ElearnChina vorgestellt. Dabei ging es mir schon damals darum, dass nicht das Objekt lernt (Learning Objects), sondern die jeweilige Person. Daher habe ich schon damals eine Verbindung zur Multiple Intelligenzen Theorie von Howard Gardner hergestellt.

Freund, R. (2003): Mass Customization in Education and Training, ELearnChina 2003, Edinburgh, Scotland. Download | Flyer | Speaker. Weitere Paper finden Sie in meinen Veröffentlichungen.

In der Zwischenzeit bietet die Künstliche Intelligenz darüber hinausgehend weitreichende Verbesserungen, z,B. durch die Verwendung von Markov-Ketten.

“Beispielsweise lassen sich über klassische Verfahren des maschinellen Lernens automatisiert Lernmaterialien oder Kurse empfehlen, die vor dem Hintergrund der bisherigen Bildungshistorie von Teilnehmenden häufig gewählt wurden (Markov-Ketten), besonders erfolgsversprechend sind (gewichtete Markov-Ketten) und/oder angesichts des Vorwissens und ggf. weiterer Variablen den größtmöglichen Wissenszuwachs versprechen (Wissenszuwachsvorhersage)” (Fischer et al. (2023).

Die Abbildung zeigt das prinzipielle Vorgehen. Diese Verfahren sind bei einer großen Datenbasis durchaus gut einsetzbar. Neben den content-bezogenen Möglichkeiten bieten solche Ansätze auch Unterstützung bei den jeweiligen Kollaborationssituationen.

Experten allerdings nutzen am Arbeitsplatz für die Problemlösung oftmals ihr “Gefühl/Gespür”, oder man sagt, sie haben einen “guten Riecher” für die Situation gehabt. Gerade in komplexen Problemlösungssituationen zeigen sich Grenzen der rationalen, scheinbar objektiven Analyse. Es kommt dann stattdessen auch auf die subjektiven Fähigkeiten eines Menschen an. Siehe dazu auch Kann Intuition als Brücke zwischen impliziten und expliziten Wissen gesehen werden?

In der objektiven Arbeitssituation (Domäne, Kontext) bedarf es einer Subjektivierung des Arbeitshandelns, das uns vom Begriff des Wissens weiter zum Begriff der Kompetenz führt. Genauer: Zur Kompetenzentwicklung im Prozess der Arbeit. Siehe dazu Persönlichkeitseigenschaften, -fähigkeiten und Kompetenzen und Wissensmanagement und Kompetenzmanagement: Welche Gemeinsamkeiten/Unterschiede gibt es?

Es wird spannend sein zu sehen, wie Künstliche Intelligenz hier nützlich sein kann, wenn man nicht die Technik in den Mittelpunkt stellt, sondern die menschenzentrierte, komplexe, kontextspezifische Problemlösungssituation. Siehe dazu auch Freund, R. (2011): Das Konzept der Multiplen Kompetenz auf den Analyseebenen Individuum, Gruppe, Organisation und Netzwerk.

Mass Customization ist aktueller denn je

Die hybride Wettbewerbsstrategie Mass Customization (Innovationsmanagement) kam ursprünglich aus dem verarbeitenden Gewerbe. Kernelement ist dabei ein definierter Lösungsraum (Fixed Solution Space) für Kunden, in dem mit Hilfe eines Konfigurators Produkte zusammengestellt werden können. Der Preis eines solchen Produkts sollte nicht wesentlich höher liegen, als der Preis für ein Standardprodukt. Dieser letzte Punkt wird oftmals allerdings nicht erreicht.

Dass Mass Customization nicht im verarbeitenden Gewerbe endet, haben wir erst gerade wieder auf der von uns initiierten Konferenz MCP CE (Mass Customization and Personalization Community Europe) gesehen. Weiterhin findet man auch in aktuellen Veröffentlichungen entsprechende Hinweise:

“Und wer vermutet hatte, zur Mass Customization im verarbeitenden Gewerbe enden würde, wurde eines Besseren belehrt. Heute lassen sich die Auswirkungen der Mass Customization auch in der Finanzdienstleistungsbranche beobachten. Beispiel gefällig? Digitale Anlagenhelfer, sogenannte Robo-Advisor, nehmen Sparern die Geldanlage umfassend ab, indem sie den Kunden fragen, wie viel Risiko er bereit ist einzugehen. Eine Software schlägt dann eine passende Geldanlage vor, und der Anbieter setzt diese dann technisch für den Kunden um” (Krieg/Groß/Bauernhansl (2024) (Hrsg.): Einstieg in die Mass Personalization. Perspektiven für Entscheider).

Siehe dazu auch Freund, R. (2009): Kundenindividuelle Massenproduktion (Mass Customization). RKW Kompetenzzentrum, Faktenblatt 5/2009 (PDF).

Es lohnt sich auch heute noch, sich mit Mass Customization zu befassen, und dabei den Megatrend Mass Personalization im Auge zu behalten.

Wir sind dabei: 20 Jahre MCP-CE vom 24.-27.09.2024

Screenshot von der Konferenz-Website

Die MCP-CE (Mass Customization and Personalization – Community of Europe) ist eine Konferenzreihe, die seit 2004 alle 2 Jahre stattfindet.

Die Idee zu dieser Konferenz hatte ich 2001 auf der ersten Weltkonferenz zu Mass Customization and Personalization (MCPC 2001), die an der Hong Kong University of Science and Technology (HKUST) stattfand.

Es freut uns sehr, dass die Idee über die Jahre hinweg von vielen unterstützt wurde, und wir somit in diesem Jahr sogar das 20-jährige Jubiläum feiern können.

Wir (Jutta und ich) werden vom 24.-27.09.2024 in Novi Sad mit dabei sein.

Siehe dazu auch Konferenzen, Veröffentlichungen und MCP CENTRAL EUROPE AWARD.

Von Mass Customization and Personalization zu KI-basierter Personalisierung von beruflicher Weiterbildung

Die moderne Arbeitswelt benötigt die permanente, individuelle Unterstützung von Lernprozessen in der jeweiligen beruflichen Domäne. Das Lernen im Prozess der Arbeit wird in Zukunft immer wichtiger im Rahmen der Kompetenzentwicklung auf der individuellen Ebene, der Teamebene, der organisationalen Ebene und der Netzwerkebene.

Eine mögliche konkrete Umsetzung kann durch die Modularisierung von Inhalten und eine entsprechende Konfiguration erfolgen. Beide hervorgehobenen Begriffe sind Bestandteile der Hybriden Wettbewerbsstrategie Mass Customization and Personalization – hier übertragen auf den Bereich der beruflichen Weiterbildung.

Es wundert mich immer noch, dass diese Erkenntnisse heute noch hervorgehoben werden. Beispielhaft möchte ich den im letzten Jahr veröffentlichten Leitfaden Pabst et al. (2023): Modularisierung berufsbezogener Weiterbildung (PDF) erwähnen, der Modulare Bildung als Antwort auf den Wandel der Arbeitswelt herausstellt.

In den letzten mehr als zwei Jahrzehnten habe ich – neben verschiedenen anderen Autoren – dazu mehrere Konferenzpaper veröffentlicht, von denen ich hier nur einige wenige beispielhaft nennen möchte (Siehe Veröffentlichungen):

Freund, R.; Piotrowski, M. (2005): Mass Customization and Personalization in Adult Education and Training. In: Shyam Sunder Kambhammettu (Ed.): Mass Customization. Concepts and Applications, Le Magnus University Press, Hyderabad, India.

Freund, R.; Piotrowski, M. (2003): Mass Customization and Personalization in Adult Education and Training. 2nd Worldcongress on Mass Customization and Personalization MCPC2003, Munich, Germany.

Freund, R. (2003): Mass Customization in Education and Training, ELearnChina 2003, Edinburgh, Scotland.

Freund, R. (2001): Mass Customization in der beruflichen Bildung. Vortrag an der PH Freiburg im Rahmen der Weiterbildung zum Experten für neue Lerntechnologien (FH).

Dabei kam es mir immer darauf an, Customization und Personalization zu unterscheiden. In den Diskussionen um die Modularisierung von Inhalten, beispielsweise durch sogenannte Learning Objects usw., sollte m.E. deutlicher gemacht werden, dass es nicht Objekte sind, die lernen, sondern Personen (Learning Persons). Um Lernen auf allen Ebenen selbstgesteuert und selbstorganisiert zu ermöglichen, können Technologien wie Konfiguratoren, und jetzt natürlich auch Künstliche Intelligenz (KI) helfen.

In dem Praxisleitfaden Fischer et al (2023): KI-basierte Personalisierung berufsbezogener Weiterbildung stellen die Autoren verschiedene Aspekten vor. Der Bezug zur Hybriden Wettbewerbsstrategie Mass Customization and Personalization wird leider nicht hergestellt – schade.


Hybrides Arbeiten: Folgeerscheinungen und Entgrenzungseffekte

Das Fraunhofer- Institut für Arbeitswirtschaft und Organisation IAO und die Deutshe Gesellschaft für Personalführung e.V. haben zusammen die Studie »Arbeiten nach der Corona-Pandemie – Ein Jahr danach« (2023, PDF) durchgeführt. Dort ist deutlich die Entwicklung zum hybriden Arbeiten in Deutschland zu erkennen.

»Auf der einen Seite belegt die Studie, dass die hybride Arbeitswelt Schwierigkeiten bei der Integration, Vernetzung und dem Wissensaustausch von Mitarbeitenden mit sich bringt. Auf der anderen Seite sehen wir, dass sowohl die Innovations- als auch Produktionskraft davon bisher unberührt bleiben. Vor diesem Hintergrund empfehlen wir Unternehmen, sich noch stärker mit ihrer Rolle als ›sozialem Ort‹ auseinanderzusetzen und die Fragen der Betriebsgemeinschaft und Identitätsstiftung zu klären, um eine langfristige Bindung und gemeinsame Innovationsfähigkeit sicherzustellen«.

Interessant finde ich in diesem Zusammenhang auch den Hinweis auf Entgrenzungseffekte, die in der Studie aus dem Jahr 2020 (PDF) thematisiert wurden: “die Arbeit zu unüblichen Tageszeiten (66 Prozent), Überstunden (65 Prozent), fragmentiertes Arbeiten (also Arbeiten früh morgens und dann mit langer Pause erst wieder abends (51 Prozent)) und für immerhin 35 Prozent die Arbeit am Wochenende” (ebd.). Die Entgrenzung von Arbeit ist Bestandteil des Übergangs von der einfachen zu einer eher Reflexiven Modernisierung. Dabei kommt es dann zu vielfältigen Entgrenzungen im Arbeitsprozess. Viele Blogbeiträge zum Thema “Hybrid” finden Sie hier.

The EU generates 12.6 million tonnes of textile waste per year

Die Schlagzeile deutet schon an, um welches Problem sich die EU kümmern will. Es ist die massive Verschwendung innerhalb der Textilindustrie. Die folgenden Zahlen sprechen auszugsweise für sich.

“The EU generates 12.6 million tonnes of textile waste per year. Clothing and footwear alone accounts for 5.2 million tonnes of waste, equivalent to 12 kg of waste per person every year. Currently, only 22% of post-consumer textile waste is collected separately for re-use or recycling, while the remainder is often incinerated or landfilled” (European Commission (2023): Circular economy for textiles: taking responsibility to reduce, reuse and recycle textile waste and boosting markets for used textiles).

Wie konnte es zu solchen Entwicklungen kommen? Zunächst einmal ist es die Effizienz von Herstellungsprozessen, die dazu geführt hat, dass der Output an Textilprodukten massiv angestiegen ist, und in den Markt “gedrückt” wurde – der Rest wurde eben vernichtet, oder hat andere Märkte (z.B. in Afrika) teilweise überschwemmt. Die Verbraucher haben diese Verschwendung allerdings mit den hohen Preisen mitbezahlt.

Auf den verscheidenen Konferenzen, an denen ich teilgenommen habe, kursierte ein Betrag von 20-30% des Verkauspreises, der für die Vernichtung/Beseitigung von Überproduktionen bezahlt wird.

Ein weiterer Punkt ist die unsägliche Variantenproduktion, mit der versucht wird, möglichs viele Anforderungen von Kunden zu erfüllen. Das führt allerdings in eine Komplexitätsfalle, die seit Jahrzehnten bekannt ist, und ihren Lösungsansatz in Mass Customization (PDF) gefunden hat. Schon auf der MCPC 2001, der ersten Weltkonferenz zu Mass Customization in Hong Kong – an der ich teilgenommen habe-, wurden viele Case Studies aus der Textilindustrie vorgestellt, wie Mass Customization scheinbar divergierende Anforderungen (Individualisierung zu einem leicht erhöhten Standardpreis) integriert.

Solche Beispiele wurden auf den dann folgenden Weltkonferenzen immer wieder gezeigt, doch die massenhafte Umstzung von Mass Customization in der Textilindustrie in auch nach mehr als 20 Jahren (MCPC 2001 in Hongkong) nicht erreicht worden. Warum ist das so?

Es liegt meines Erachtens nicht an den technischen Lösungen, die in der Zwischenzeit ausgereift sind (Konfiguratoren, Laser Cutter usw.), sondern hauptsächlich an den Konsumenten. Diese kaufen Marken und Modetrends und weniger eine Textilie, die ihren Anforderungen entspricht. Darüber hinaus wissen viele Konsumenten auch nicht mehr, was Qualität bei einer Textilie bedeutet.

Die Überschrift des Blogbeitrags weist auf die Textilindustrie hin, doch solche Zahlen gibt es auch bei den verschwendeten Lebensmitteln, bei der Autoproduktion usw. usw. Da die Unternehmen und Konsumenten nicht in der Lage sind, ihren Verkaufs- und Konsumrausch zu regulieren, muss das die EU übernehmen, denn unendliche Ressourcen stehen uns weltweit nicht zur Verfügung.

Sprechen Sie mich bitte an, wenn Sie daran interssiert sind, die hybride Wettbewerbsstrategie Mass Customization für Ihre Organisation umzusetzen.

Hat sich Blended Learning wirklich vollständig aus der Praxis entwickelt? Ich bin da nicht so sicher…

In verschiedenen Beiträgen habe ich schon darauf verwiesen, dass heute unter Blended Learning das absichtsvolle Kombinieren des digitalen Lernens und des Präsenzlernens verstanden wird. Dabei wird immer wieder erwähnt, dass sich Blended Learning vollständig aus der Praxis entwickelt haben soll, und nicht etwa aus lerntheoretischen Ansätzen. Beispielhaft möchte ich dazu eine aktuelle Quelle nennen:

“Bemerkenswert ist, dass sich Blended Learning vollständig aus der Praxis entwickelt hat und nicht etwa aus lerntheoretischen Ansätzen. Ein bisschen merkt man dem Konzept Blended Learning seine Herkunft »von der Straße« auch noch an, denn es entzieht sich einer allgemein gültigen Definition […]. Daher wird Blended Learning oft synonym mit Begriffen wie »Hybrid Learning« verwendet […]” (Santos/Weinberger (2023) Blended Learning ohne Durchhänger, in: weiter bilden, Ausgabe 1/2023, S. 19-22).

Betrachten wir den Begriff “Hybrid” etwas genauer so wird deutlich, dass es seit vielen Jahrzehnten, wissenschaftlich durchaus fundiert, ausführliche Veröffentlichungen zur Hybriden Wettbewerbsstrategie – Mass Customization – gibt. Dieses Framework ist schon sehr lange auf “Lernen” übertragen worden – inkl. der dazu erforderlichen lerntheoretischen Überlegungen. Es wundert mich daher etwas, wenn behauptet wird, dass Hybrid Learning keinen lerntheoretischen Ansatz hätte. Beispielhaft möchte ich dazu auf meine Veröffentlichungen hinweisen (Auswahl):

Freund, R. (2001): Mass Customization in der beruflichen Bildung. Vortrag an der PH Freiburg im Rahmen der Weiterbildung zum Experten für neue Lerntechnologien (FH). Download

Freund, R. (2003): Mass Customization in Education and Training, ELearnChina 2003, Edinburgh, Scotland. Download | Flyer | Speaker

Freund, R. (2003): Mass Customization and Personalization in der beruflichen Bildung. In: Community Schwerpunktthema August 2003 der Hochschule Furtwangen | Download

Freund, R.; Piotrowski, M. (2003): Mass Customization and Personalization in Adult Education and Training. 2nd Worldcongress on Mass Customization and Personalization MCPC2003, Munich, Germany. Download

Freund, R. (2003): Mass Customization and Personalization in der Weiterbildung. Forum 2, 17.11.2003, Berlin, Deutschland Flyer | Präsentation

Freund, R. (2004): Mass Customization and Multiple Intelligences in Education. PGLIII- Conference, Kyoto, Japan

Freund, R. (2005): Mass Customization in Education and Training. In: Rohmetra, N. (Ed.) (2005): Human Resource Development: Challenges and Opportunities, New Dehli, India

In den von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager/in AGIL (IHK) gehen wir auch auf diese Zusammenhänge ein. Informationen zu den Lehrgängen und zu Terminen finden Sie auf unserer Lernplattform.