capinorium · Fachartikel · Strategie & Mittelstand
Erfahrungswissen sichern, bevor die Babyboomer gehen: Was ein KI-Wissenssystem dabei leisten kann
Erfahrungswissen sichert ein mittelständisches Unternehmen nicht mit KI allein, sondern in drei Schritten: Zuerst erheben Menschen das Wissen methodisch, dann geben die Experten die Ergebnisse frei, und erst danach macht ein KI-gestütztes Wissenssystem den geprüften Bestand mit Zugriffsrechten auffindbar. Die Technik erleichtert das Finden und Weitergeben. Das Herauslösen impliziten Wissens aus den Köpfen ersetzt sie nicht.
Der Zeitdruck ist real. Laut IW-Kurzbericht 39/2026 sinkt das Erwerbspersonenpotenzial bis 2036 um rund 4,3 Millionen Menschen, weil jährlich etwa 1,3 Millionen das Rentenalter erreichen und nur rund 800.000 nachrücken (IW, 15.06.2026). Auch die Inhaber altern: 57 Prozent sind 55 Jahre oder älter, und bis Ende 2029 planen rund 545.000 Mittelständler eine Nachfolge (KfW Research, Fokus Nr. 526, 09.01.2026). Der DIHK-Fachkräftereport 2025/2026 nennt den Verlust betriebsspezifischen Wissens ausdrücklich als Risiko. Wie viel Wissen dabei tatsächlich verloren geht, hat allerdings bisher niemand belastbar beziffert. Umso wichtiger ist die Frage, welche Rolle ein KI-System realistisch übernehmen kann.
Erst erheben: Implizites Wissen steht in keinem Dokument
Das wertvollste Erfahrungswissen ist selten aufgeschrieben. Der Leitfaden des Fraunhofer IPK beschreibt Routinen, die „unbewusst – aus der Routine heraus“ ablaufen und erst durch gezielte Fragen sichtbar werden. Expertise lasse sich nicht technokratisch übertragen.
Das Institut schlägt deshalb ein moderiertes Vorgehen vor. In Transfergesprächen nach Themenblöcken erzählt der Experte, ein fachfremder Moderator fragt nach, der Nachfolger reflektiert. Wissens- und Aufgabenlandkarten, ein Ansprechpartnernetz und ein Transferplan mit Prioritäten halten die Ergebnisse fest. Als zuverlässigsten Weg nennt das IPK-Produktblatt eine großzügige Übergangszeit mit Doppelbesetzung. Diese Methoden stammen von 2016, sind aber nicht veraltet: Das Problem, implizites Wissen sichtbar zu machen, hat sich durch Sprachmodelle nicht verändert.
Die Plattform Lernende Systeme bestätigt diese Grenze in ihrem Whitepaper 2026: Generative KI habe Schwierigkeiten mit praktisch erworbenem, implizitem Wissen. KI kann hier dennoch entlasten, etwa indem sie aufgezeichnete Gespräche transkribiert und Entwürfe für Faustregeln oder FAQs vorstrukturiert. Das Nachfragen bleibt Aufgabe eines Menschen.
Dann freigeben: Die Experten prüfen, was das System später sagt
Bevor Inhalte in ein Wissenssystem gelangen, sollte derjenige sie freigeben, dessen Wissen sie wiedergeben. Das klingt nach Bürokratie, ist aber der einzige Punkt, an dem fachliche Fehler noch billig zu beheben sind. Die Freigabe klärt außerdem, welche Aussagen nur unter Bedingungen gelten, etwa für eine bestimmte Anlage oder einen Kunden.
Für die Projektplanung heißt das: Die knappe Ressource ist die Zeit der ausscheidenden Fachleute. Wer erst im letzten Arbeitsjahr beginnt, wird kaum alle Themenblöcke erheben und prüfen können. Der Transferplan sollte deshalb festlegen, welches Wissen zuerst gesichert wird und wer die Freigabe verantwortet.
Erst dann in ein RAG-System mit Zugriffsrechten
Für den Zugriff auf den geprüften Bestand eignet sich Retrieval-Augmented Generation (RAG). Dabei sucht das System zu einer Frage passende Passagen aus den eigenen Dokumenten und lässt ein Sprachmodell daraus eine Antwort formulieren. Das Modell wird dafür nicht mit den Firmendaten trainiert. Inhalte lassen sich deshalb einzeln korrigieren oder entfernen. Solche Anwendungen verbreiten sich: Laut Bitkom setzen 22 Prozent der Unternehmen ab 20 Beschäftigten KI im internen Wissensmanagement ein, doppelt so viele wie im Vorjahr. Als größte Hürde nennen die Nutzer den Datenschutz.
Die Plattform Lernende Systeme empfiehlt, Berechtigungen über Rollen und Policies direkt beim Retrieval durchzusetzen. Forschende von Microsoft argumentieren ähnlich: Vor dem Laden in den Modellkontext sei zu prüfen, ob alle Beteiligten berechtigt sind (Bhatt et al., arXiv 2509.14608).
RAG beseitigt Fehler nicht. Eine Stanford-Studie fand bei kommerziellen juristischen Recherchewerkzeugen mit RAG Halluzinationsraten von 17 bis 33 Prozent (Magesh et al., 2024). Die Zahl betrifft Rechtsrecherche und lässt sich nicht direkt auf technische Wissensdatenbanken übertragen. Sie zeigt aber, dass auch Systeme mit Quellenbezug falsche Antworten liefern. Laut Plattform Lernende Systeme lassen sich Halluzinationen nicht leicht automatisch erkennen. Sie rät zu Validierungsschleifen und einer Kombination aus menschlicher und maschineller Prüfung. Dazu gehören Testfragen aus dem eigenen Betrieb, Quellenangaben in jeder Antwort und eine fachlich verantwortliche Person für Korrekturen.
Betriebsrat und Beschäftigte gehören an den Anfang
Ein unternehmenseigenes Wissenssystem protokolliert typischerweise, wer was gefragt hat. Nach der in der Fachliteratur verbreiteten Auffassung genügt für die Mitbestimmung nach § 87 Abs. 1 Nr. 6 BetrVG bereits die objektive Eignung zur Überwachung, auch ohne entsprechende Absicht (CMS). Ein Beschluss des ArbG Hamburg, der bei privat genutztem ChatGPT keine Mitbestimmung sah, ist auf eigene Systeme mit Zugriff auf Nutzungsdaten nicht ohne Weiteres übertragbar (Gleiss Lutz, 27.03.2024). Das ist eine Einordnung, keine Rechtsberatung; den Einzelfall sollten Fachleute prüfen.
Unabhängig von der Rechtslage hängt der Erfolg an der Bereitschaft der Experten. Das IPK sieht dafür ausdrücklich Vorgespräche vor. Wer Erfahrungswissen sichern will, sollte deshalb Erhebung, Freigabe und Technik als ein gemeinsames Vorhaben planen und das Wissenssystem als letzten Schritt bauen. Wenn Sie prüfen möchten, ob und in welcher Form ein solches System für Ihr Unternehmen sinnvoll ist, kann ein Assessment mit capinori ein geeigneter erster Schritt sein.
Häufige Fragen zu Erfahrungswissen und KI-Wissenssystemen
Wie sichert ein mittelständisches Unternehmen Erfahrungswissen vor dem Renteneintritt?
Ein mittelständisches Unternehmen sichert Erfahrungswissen am verlässlichsten mit moderierten Transfergesprächen, Wissenslandkarten, einem Transferplan und, wo möglich, einer überlappenden Doppelbesetzung. Diese Methoden beschreibt das Fraunhofer IPK. Ein KI-Wissenssystem kann das erhobene und von Experten freigegebene Wissen anschließend auffindbar machen, ersetzt die Erhebung aber nicht.
Kann KI implizites Erfahrungswissen selbstständig erfassen?
Nein, KI kann implizites Erfahrungswissen nicht selbstständig erfassen, weil es in Routinen und Urteilen steckt und in keinem Dokument steht. Die Plattform Lernende Systeme stellt fest, dass generative KI damit Schwierigkeiten hat. KI kann aber Gesprächsaufzeichnungen transkribieren und Entwürfe vorstrukturieren, die Experten anschließend prüfen.
Was ist Retrieval-Augmented Generation (RAG) in einem Wissenssystem?
Retrieval-Augmented Generation (RAG) ist ein Verfahren, bei dem ein System zu einer Frage passende Passagen aus eigenen Dokumenten sucht und ein Sprachmodell daraus eine Antwort formuliert. Das Sprachmodell wird dabei nicht mit den Unternehmensdaten trainiert. Deshalb lassen sich Inhalte in einem RAG-System einzeln korrigieren, entfernen oder mit Zugriffsrechten versehen.
Verhindert Retrieval-Augmented Generation (RAG) falsche Antworten?
Nein, Retrieval-Augmented Generation (RAG) senkt das Risiko falscher Antworten, verhindert es aber nicht. Eine Stanford-Studie fand bei juristischen RAG-Werkzeugen Fehlerraten von 17 bis 33 Prozent; die Zahl gilt für Rechtsrecherche, nicht direkt für technisches Wissen. Nötig sind Quellenangaben, Testfragen aus dem eigenen Betrieb und menschliche Prüfung.
Muss der Betriebsrat bei einem KI-Wissenssystem beteiligt werden?
Bei einem unternehmenseigenen KI-Wissenssystem, das Nutzungsdaten protokolliert, ist der Betriebsrat nach verbreiteter Auffassung in der Regel nach § 87 Abs. 1 Nr. 6 BetrVG zu beteiligen, weil schon die objektive Eignung zur Überwachung genügt (CMS). Das ist keine Rechtsberatung; der konkrete Fall sollte fachkundig geprüft werden.
Wie verbreitet ist KI im Wissensmanagement deutscher Unternehmen?
Laut Bitkom nutzen 22 Prozent der Unternehmen ab 20 Beschäftigten KI im internen Wissensmanagement, nach 11 Prozent im Vorjahr. Die Befragung von 603 Unternehmen fand im Sommer 2026 statt. Als größte Hürde nennen KI-Nutzer den Datenschutz. Für Kleinstbetriebe sagt die Zahl nichts aus.
Quellen (11)
- Institut der deutschen Wirtschaft (IW): Deschermeier, P.; Schäfer, H.: Die Babyboomer erreichen das Rentenalter, IW-Kurzbericht 39/2026. Studienseite; Pressemitteilung vom 15.06.2026. Website
- KfW Research: Nachfolge-Monitoring Mittelstand 2025, Fokus Volkswirtschaft Nr. 526, 09.01.2026 (Dr. Michael Schwartz). PDF
- DIHK: Fachkräftereport 2025/2026, 19.12.2025. Website
- Fraunhofer IPK: Wissen erfolgreich bewahren. Ein Leitfaden zum systematisch begleiteten Wechsel von Fach- und Führungskräften, 2016. PDF
- Fraunhofer IPK: Produktblatt Wissenstransfer und Erfahrungssicherung, undatiert. PDF
- Plattform Lernende Systeme: Generative KI verantwortungsvoll einsetzen. Impulse für Unternehmen und Industrie, Whitepaper, 2026, DOI 10.48669/pls_2026-2. PDF
- Bitkom: Pressemitteilung zu „KI in der Wirtschaft 2026“, 14.09.2026. Website
- Magesh, V. et al.: Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools, arXiv, 30.05.2024. arXiv
- Bhatt, S. et al.: Position: Enterprise AI Must Enforce Participant-Aware Access Control, arXiv 2509.14608. arXiv
- CMS: KI-Transformation und Betriebsrat – Mitbestimmung richtig gestalten, Legal Update. Website
- Gleiss Lutz: Arbeitsgericht Hamburg zu ChatGPT: Kein Mitbestimmungsrecht des Betriebsrats, 27.03.2024. Website
Rudy Winklhofer ist Inhaber und Director R&D der capinori GmbH.
Weitere Beiträge von Rudy Winklhofer
