In jedem Unternehmen gibt es diese eine Person. Die, die seit 25 Jahren die komplizierten Fälle löst. Die, die weiß, warum Produkt X nicht mit Material Y funktioniert, obwohl es auf dem Papier passen müsste. Die, die bei jeder Sonderkonfiguration aus dem Gedächtnis die richtige Lösung zieht.
Was passiert, wenn diese Person in Rente geht? Die ehrliche Antwort in den meisten Unternehmen: Das Wissen geht mit. Denn es steht nirgends geschrieben. Es steckt in Erfahrung, Intuition und tausend kleinen Entscheidungen, die nie dokumentiert wurden.
KI verändert das. Nicht durch ein Dokumentationsprojekt, das niemand durchhält, sondern durch einen iterativen Prozess, bei dem das Wissen im laufenden Betrieb extrahiert wird. Schritt für Schritt, Korrektur für Korrektur, bis das System die Fälle löst, die vorher nur der Experte konnte.
Warum Upfront-Dokumentation scheitert
Die naheliegende Idee: "Lasst uns das Wissen aufschreiben, bevor die Leute gehen." In der Praxis scheitert das fast immer.
Erstens: Niemand hat das gesamte Wissen. In einem komplexen Fertigungsunternehmen haben wir festgestellt, dass keine einzelne Person den vollständigen Prozess der Angebotserstellung beschreiben konnte. Die Baukastenlogik war zu komplex, die Sonderfälle zu zahlreich, die impliziten Regeln zu tief vergraben. Der Versuch, alles vorab aufzuschreiben, hätte allein schon daran gescheitert, dass niemand wusste, was "alles" überhaupt ist.
Zweitens: Dokumentation, die niemand aktiv nutzt, veraltet sofort. Wikis, die mit viel Aufwand befüllt werden und dann nie wieder angeschaut werden, sind in jedem Unternehmen zu finden. Das Problem ist nicht der Wille, sondern die fehlende Verbindung zum Arbeitsalltag.
Drittens: Implizites Wissen lässt sich nicht abfragen. Wenn ein Experte seit 20 Jahren Angebote schreibt, trifft er Dutzende unbewusste Entscheidungen pro Vorgang. "Warum hast du diesen Artikel gewählt?" "Weiß ich nicht, das ist einfach der richtige." Dieses Wissen wird erst sichtbar, wenn eine konkrete Situation es erfordert.
Wie KI Wissen im laufenden Betrieb extrahiert
Der Ansatz ist das Gegenteil von Upfront-Dokumentation. Statt alles vorab aufzuschreiben, beginnt die KI mit dem, was bereits vorhanden ist, und lernt iterativ dazu.
Startpunkt: Vorhandene Daten. Jedes Unternehmen hat historische Daten: alte Angebote, beantwortete Anfragen, Kundenkommunikation. Diese Dokumente sind keine perfekte Wissensbasis, aber sie enthalten bereits einen Großteil der Entscheidungslogik. Ein Unternehmen hat mit zehn beantworteten Ausschreibungen gestartet und daraus die ersten Regeln für die automatisierte Angebotsbearbeitung abgeleitet.
Erste Version: 60 Prozent Qualität. Die KI erstellt einen ersten Entwurf, der bei typischen Fällen funktioniert, bei Sonderfällen aber noch scheitert. Das ist kein Fehler, sondern der Plan. Diese erste Version macht sichtbar, wo Wissen fehlt, das vorher niemand formulieren konnte.
Feedbackschleife: Der Fachexperte korrigiert. Jetzt kommt die entscheidende Rolle ins Spiel: Der Fachexperte schaut sich die Ergebnisse an und korrigiert. "Das ist falsch, weil bei diesem Material die Temperaturbeständigkeit nicht reicht." Oder: "Das Produkt passt, aber nur in Kombination mit Komponente Y." Jede Korrektur wird in die Anweisungen der KI übernommen. Fehler passieren nur einmal.
Skalierung: Von 1 auf 300 pro Woche. Ein Unternehmen hat am ersten Tag ein Angebot erstellt und war enttäuscht. Am zweiten Tag zwei. Am dritten vier. Weil das Team sich täglich hinsetzte und das implizite Wissen aus den eigenen Köpfen explizit machte. Nach wenigen Monaten verarbeitete das System 300 Angebote pro Woche.
Dieser Prozess ist vergleichbar mit der Einarbeitung eines neuen Mitarbeiters. Man setzt sich daneben, erklärt, korrigiert, und nach einer Weile arbeitet die Person selbstständig. Der Unterschied: Die KI vergisst nichts, und jede Korrektur gilt für alle zukünftigen Fälle, nicht nur für den nächsten.
Was der Fachexperte investieren muss
Zwei bis vier Stunden pro Woche. Das ist der realistische Zeitaufwand für den Fachexperten, der das Wissen in das System bringt. Anfangs mehr Korrekturen, später nur noch gelegentliche Anpassungen bei Sonderfällen.
Diese Investition klingt nach wenig, und das ist sie auch. Aber sie ist entscheidend. Ohne eine Person, die den Prozess wirklich versteht und bereit ist, Feedback zu geben, funktioniert der gesamte Ansatz nicht. Die gute Nachricht: Es muss kein technischer Mensch sein. Das gesamte System arbeitet in natürlicher Sprache. "Wenn der Kunde Sonderkonfiguration X bestellt, muss Bauteil Y dazu" ist eine Anweisung, die der Fachexperte formulieren kann, ohne eine Zeile Code zu schreiben.
Die Frage "Können wir uns leisten, unseren besten Experten vier Stunden pro Woche abzuziehen?" dreht sich um, wenn man ehrlich rechnet: Diese vier Stunden sind die bestinvestierte Zeit dieser Fachkraft. Weil das Wissen zum ersten Mal wirklich skalierbar weitergegeben wird. Nicht an eine Person, die morgen kündigen könnte, sondern an ein System, das für alle verfügbar ist.
Was passiert, wenn der Experte trotzdem geht
Die entscheidende Frage lautet nicht, ob man den Wissenstransfer rechtzeitig abschließen kann. Sondern ob man in einer besseren Lage ist als vorher.
Ohne KI-gestützten Wissenstransfer: Das Wissen geht mit dem Menschen. Es gibt keine Dokumentation, keine übertragbare Wissensbasis. Der neue Mitarbeiter fängt bei null an und braucht Jahre, um das gleiche Niveau zu erreichen.
Mit KI-gestütztem Wissenstransfer: Das Wissen steckt explizit in den Anweisungen des Systems. Es ist in natürlicher Sprache formuliert, versioniert, nachvollziehbar. Wenn der Experte geht, muss die Rolle des Wissenspflegers zwar neu besetzt werden, aber die Ausgangslage ist eine andere: Statt bei null anzufangen, baut die nächste Person auf einem System auf, das bereits 70, 80 oder 90 Prozent der Fälle korrekt bearbeitet.
In größeren Projekten gibt es ohnehin nicht nur eine Person. Zwei bis drei Fachleute pflegen verschiedene Teilbereiche des Wissens. Ein systematischer Einarbeitungsplan für neue Teammitglieder existiert als Nebenprodukt, weil die Anweisungen selbst die beste Dokumentation des Prozesses sind.
Wissen gehört nicht ins Wiki, sondern in die Arbeitswerkzeuge
Ein Wiki, das gepflegt werden muss, wird nicht gepflegt. Die Erfahrung zeigt das in jedem Unternehmen. Stattdessen gehört das Wissen dorthin, wo es eingesetzt wird: direkt in die Systeme, mit denen gearbeitet wird.
Wenn ein Mitarbeiter eine Anfrage bearbeitet und das System automatisch das richtige Produkt vorschlägt, ist das angewandtes Wissen. Wenn er den Vorschlag korrigiert und die Korrektur sofort für alle zukünftigen Fälle gilt, ist das ein lebendiger Wissenstransfer.
Dieses Wissen ist versioniert und nachvollziehbar. Man kann jederzeit sehen, wann eine Regel hinzugefügt wurde und warum. Man kann Änderungen rückgängig machen, wenn sie sich als falsch herausstellen. Und man kann aus den Anweisungen jederzeit eine lesbare Dokumentation generieren, wenn jemand eine Übersicht braucht.
Fortschritt misst sich nicht an einem abstrakten Prozentwert ("Wir haben 40 Prozent unseres Wissens digitalisiert"), sondern an einer praktischen Frage: Wie oft muss der Fachexperte noch korrigieren? Jede Korrektur ist ein Signal für fehlendes Wissen. Wenn die Korrekturhäufigkeit über die Monate sinkt, wächst das digitalisierte Wissen.
Wie sich Wissen aktuell hält
Wissen veraltet. Gesetze ändern sich, Materialien werden eingestellt, Prozesse werden umgestellt. Wie erkennt das System, dass eine Regel nicht mehr gilt?
Der primäre Mechanismus ist derselbe wie vor der KI: Fachleute bilden sich fort, lesen Fachmedien, besuchen Schulungen. Wenn sich etwas ändert, korrigieren sie in ihrer Validierungsrolle. Der Unterschied: Die Korrektur wirkt sofort auf alle zukünftigen Fälle, nicht nur auf den nächsten.
Darüber hinaus lässt sich die Aktualisierung auch automatisieren. Bei einem Kundenprojekt setzt das System automatisch Ablaufdaten für Quellen: sechs Monate für hochaktuelle Themen, fünf Jahre für Grundlagenwissen. Verantwortliche werden per Bericht informiert, wenn Quellen überprüft werden müssen. Das ersetzt die menschliche Kuration nicht, aber es stellt sicher, dass nichts vergessen wird.