Leaving ADDIE for SAM: Agiles Instructional Design erklärt – Eine Zusammenfassung
ADDIE ist das am weitesten verbreitete und am häufigsten gelehrte Instructional-Design-Modell. Es wird auch am häufigsten kritisiert – und die Kritik konzentriert sich, wenn sie spezifisch statt modisch ist, auf dieselben strukturellen Schwächen. Leaving ADDIE for SAM von Michael Allen und Richard Sites ist die systematischste Behandlung dieser Schwächen und die klarste Beschreibung eines besseren Prozesses.
Das Buch ist ADDIE gegenüber nicht feindlich – Analyse, Design, Entwicklung, Implementierung und Evaluation bleiben die richtigen Aktivitäten. Das Argument ist, dass ihre Organisation als lineare Sequenz vorhersehbare, kostspieliche Probleme erzeugt und das Successive Approximation Model (SAM) diese Probleme behebt, ohne die zugrundeliegende Logik aufzugeben.
#Was an ADDIE strukturell schiefläuft
Die Kritik von Allen und Sites an ADDIE ist strukturell, nicht philosophisch. Einige spezifische Probleme kehren immer wieder:
Zu früh getroffene Entscheidungen. ADDIEs lineare Struktur erfordert wesentliche Designentscheidungen in der Designphase – bevor Inhalte existieren, bevor Stakeholder etwas gesehen haben, worauf sie reagieren könnten, und oft bevor die Lernanforderungen vollständig verstanden sind. Diese Entscheidungen werden in die Entwicklungsphase getragen, wo ihre Änderung teuer wird.
Stakeholder-Feedback kommt zu spät. In der Standard-ADDIE-Praxis sehen Kunden und Fachexperten fertige oder nahezu fertige Module am Ende der Entwicklungsphase. Zu diesem Zeitpunkt sind strukturelle Änderungen kostspielig und der Zeitdruck hoch. Feedback beschränkt sich tendenziell auf Oberflächenkorrekturen.
Nacharbeit ist teuer und demoralisierend. Wenn spätes Feedback grundlegende Designprobleme aufdeckt, sind die Korrekturkosten unverhältnismäßig hoch. Die Arbeit muss aus einem fertigen Zustand heraus rückgängig gemacht werden, statt von einem Entwurf aus angepasst zu werden.
Risiko akkumuliert sich still. Weil Stakeholder funktionierende Inhalte erst spät im Prozess sehen, können Probleme, die in einem Prototyp sofort offensichtlich wären, monatelang unsichtbar bleiben.
Keines dieser Probleme ist ein unvermeidliches Merkmal guten Instructional Designs. Sie sind Artefakte der linearen Sequenz.
#Was SAM verändert
Das Successive Approximation Model ersetzt die lineare Sequenz durch iterative Zyklen. Das Modell hat drei Phasen: Preparation (Vorbereitung), Iterative Design (Iteratives Design) und Iterative Development (Iterative Entwicklung).
Vorbereitung ist ein komprimierter, zeitbegrenzter Zeitraum zum Sammeln der Informationen, die zum Beginnen des Designs benötigt werden. Anders als ADDIEs Analysephase, die sich wochenlang erstrecken und umfangreiche Dokumentation produzieren kann, zielt die Vorbereitungsphase darauf ab, genug Informationen zu sammeln, um zu beginnen – nicht um umfassendes Verständnis zu erreichen, bevor irgendetwas gebaut wird.
Iteratives Design beginnt sofort mit einem Savvy Start – einer strukturierten kollaborativen Sitzung, die Stakeholder, Fachexperten und Designer zusammenbringt, um Designideen schnell zu entwickeln. Das Ergebnis sind grobe Skizzen, Beispielszenarien und frühe Prototypkonzepte. Design läuft dann in kurzen Zyklen ab: Jeder Zyklus produziert einen Prototyp, auf den Stakeholder reagieren können, und Feedback informiert den nächsten Zyklus. Probleme werden früh erkannt, wenn sie günstig zu beheben sind.
Iterative Entwicklung folgt derselben Logik: kurze Zyklen, die zunehmend verfeinerte Inhalte produzieren, wobei jeder Zyklus einbezieht, was aus dem vorherigen gelernt wurde.
SAM eliminiert keine Dokumentation oder Planung – es verschiebt, wann sie stattfindet. Dokumentation, die als Reaktion auf echte Prototypen erstellt wird, ist genauer und nützlicher als spekulativ im Voraus erstellte Dokumentation. Der Savvy Start erzeugt Alignment, das Dokumentenprüfung selten erreicht.
#Wer von einem Wechsel profitiert
SAM ist nicht universell ADDIE überlegen – das Buch ist diesbezüglich ehrlich. Es gibt Situationen, in denen ein linearer Prozess angemessen ist:
- Projekte mit tatsächlich stabilen, gut verstandenen Anforderungen
- Compliance- oder regulatorisches Training, bei dem Inhalte fest sind und das Designproblem unkompliziert ist
- Kleine Projekte, bei denen der Overhead iterativer Zyklen ihren Nutzen überwiegt
- Organisationskontexte, in denen frühe Prüfungen mit „unfertigen" Prototypen kulturell schwierig sind
Wo SAM den klarsten Nutzen bietet: komplexe Projekte mit unsicheren Anforderungen, Stakeholder-Gruppen, die schwer vorab zu alignen sind, hochrangige Inhalte, bei denen Nacharbeit in späten Phasen ernsthaft kostspielig wäre.
#SAM in ADDIE-gewohnten Organisationen einführen
Das Buch widmet der Einführung von SAM in Organisationen, die ihre Erwartungen rund um ADDIEs Struktur aufgebaut haben, praktische Aufmerksamkeit.
Die Kernherausforderung: ADDIE schafft vorhersehbare Prüfpunkte, die sich für Kunden sicher anfühlen. SAM ersetzt das durch einen unbekannten Rhythmus aus groben Prototypen und iterativer Prüfung, der mehr Engagement und mehr Komfort mit Ambiguität erfordert.
Allen und Sites schlagen mehrere Ansätze vor: SAM zunächst bei einem einzelnen Projekt einzuführen, bevor es breiter empfohlen wird, Stakeholder darüber zu informieren, was frühe Prototypen sind und was nicht, und den Savvy Start als Vorteil für sie zu rahmen – ihr Input prägt das Design von Beginn an, statt auf späte Korrekturen beschränkt zu sein.
#Wann ADDIE noch sinnvoll ist
Die intellektuelle Ehrlichkeit des Buches ist es wert, festgehalten zu werden: Es argumentiert nicht, dass ADDIE immer ersetzt werden sollte. Für einfache, klar abgegrenzte Projekte mit klaren Anforderungen ist ADDIEs sequenzielle Struktur effizient. Der Prozess-Overhead von SAMs iterativen Zyklen ist ein echter Kostenfaktor, der sich nur auszahlt, wenn die verhinderten Probleme wahrscheinlich auftreten werden.
Das Argument ist nicht „ADDIE ist schlecht." Es ist: „ADDIE hat spezifische strukturelle Schwächen, die in spezifischen Projektkontexten vorhersehbare Probleme verursachen, und SAM ist darauf ausgelegt, diese Schwächen zu adressieren."
Beide Modelle gut einzusetzen erfordert eine Infrastruktur, die iterative Inhaltsentwicklung und Stakeholder-Prüfung unterstützen kann. Scibly ist als diese Infrastruktur gebaut – und ermöglicht Teams, Lerninhalte bereitzustellen, Feedback einzuholen und zu überarbeiten, ohne die Reibung, die Iteration teuer macht.