Slimmer leren bij Defensie: hoe AMALT gepersonaliseerd leren mogelijk maakt

Flexibel opleiden voor een wendbare krijgsmacht

In een tijd waarin geopolitieke spanningen toenemen en Defensie zich voorbereidt op een mogelijke grootschalige inzet, is er één constante uitdaging: het snel en effectief inzetbaar maken van voldoende personeel. Klassieke, lineaire leertrajecten schieten hierin tekort. Wat nodig is, is flexibiliteit, snelheid en maatwerk.

Daarom is er een unieke samenwerking ontstaan tussen TNO, NLR, Defensie en Next Learning Valley. Samen ontwikkelen we AMALT – Automated Monitoring and Advice for optimizing Learning Trajectories.

Gepersonaliseerd leren als noodzaak

Waar vroeger één opleidingstraject gold voor iedereen, vraagt de huidige realiteit om meer adaptiviteit. Want waarom zou iemand tijd besteden aan het oefenen van iets dat hij of zij al beheerst?

Met AMALT maken we het mogelijk om leertrajecten precies af te stemmen op de individuele behoeften en competenties van medewerkers. Dat zorgt niet alleen voor meer motivatie, maar ook voor een significante versnelling van het leerproces.

Wat is AMALT precies?

AMALT is een technologisch systeem dat leer- en prestatiedata verzamelt, analyseert en vertaalt naar directe adviezen voor de lerende, leerbegeleider en manager.

Data uit verschillende leeromgevingen — zoals e-learningmodules, AR/VR-trainingen, praktijkoefeningen en simulaties — wordt samengebracht in een Learning Record Store (LRS) en verder verrijkt met bijvoorbeeld HR-gegevens en instructeursbeoordelingen. Op basis daarvan ontstaat een rijk leerprofiel per individu.

Deze data worden vervolgens geanalyseerd met behulp van AI-modellen en gevisualiseerd in intuïtieve dashboards. Het resultaat: gerichte aanbevelingen voor de volgende leerstap — precies op maat, just-in-time en just-as-needed. Daarmee sluit het systeem naadloos aan op de beleidskaders van Defensie voor opleiden en trainen.

Unieke samenwerking

Het succes van AMALT is te danken aan de intensieve samenwerking tussen vier strategische partners:

• Defensie levert domeinexpertise, praktijkcontext en toegang tot echte leertrajecten.
• TNO en NLR ontwikkelen de analysemodellen, koppelingen met complexe leermiddelen (zoals simulatoren) en de algoritmes voor datagedreven aanbevelingen.
• Next Learning Valley zorgt voor de integratie van deze componenten in een gebruiksvriendelijk en schaalbaar systeem. Wij bouwen onder meer het datalake, de front-end voor verschillende doelgroepen en de achterliggende logica om data slim te benutten.

Deze alliantie verbindt wetenschappelijke kennis, technologische innovatie en praktische toepasbaarheid in een gezamenlijk doel: leren binnen Defensie fundamenteel verbeteren.

Waarom dit ertoe doet

AMALT draagt bij aan meerdere strategische doelstellingen binnen Defensie:

• Het versnelt de gereedstelling van personeel.
• Het maakt gepersonaliseerd leren mogelijk, ook in complexe en heterogene leeromgevingen.
• Het creëert een infrastructuur die schaalbaar en herbruikbaar is voor toekomstige leerinnovaties.
• Het biedt inzicht in de effectiviteit van leeractiviteiten, waardoor continu verbeterd kan worden.

Daarnaast draagt AMALT bij aan personeelsbehoud: medewerkers ervaren meer autonomie, relevantie en waardering in hun leerproces.

Innovatie in Learning & Development

Voor Next Learning Valley is AMALT niet alleen een project, maar een mijlpaal. Het stelt ons in staat om onze visie op gepersonaliseerd, datagedreven leren te realiseren in een veeleisende context.

De kennis die we hier opdoen — over bijvoorbeeld het combineren van xAPI-data met HR-profielen en content lakes — zetten we straks ook in voor andere sectoren, zoals zorg, energie en telecom.

We bouwen hiermee aan een toekomst waarin leren geen losstaande activiteit is, maar een continu en gepersonaliseerd proces — gevoed door data, gestuurd door technologie, en altijd gericht op effectiviteit.