Wissensmanagement: So sichern deutsche Unternehmen das Know-how der Babyboomer

Warum der Wissenstransfer jetzt entscheidend ist

Den Bildungsökonom beunruhigt vor allem das Verhältnis zwischen Renteneintritt und Berufseinstieg – denn das geht weit auseinander: „Bis 2036 erreichen in Deutschland nur 9,8 Millionen junge Menschen das Alter, in dem sie arbeiten können. Das heißt: Wir stehen vor einer Lücke von 4,3 Millionen Personen!“

Dieses Problem ist den Unternehmen längst bewusst – die Reaktionen darauf fallen jedoch ganz unterschiedlich aus. „Manche versuchen, das Wissen direkt auf eine nachrückende Person zu übertragen“, erklärt Plünnecke. „Andere nutzen das Ausscheiden von Mitarbeitenden, um Arbeitsprozesse anzupassen und zum Beispiel weiter zu automatisieren.“ Diese Anpassung fände vor allem in IT-getriebenen Berufen statt. Also überall da, wo Wissen sehr explizit und greifbar ist – etwa in der Buchhaltung.

„In Facharbeiterberufen ist das Problem besonders groß“

Professor Axel Plünnecke, Institut der deutschen Wirtschaft

Implizites Wissen – und warum es schwer zu dokumentieren ist

Das sogenannte implizite Wissen hingegen existiert nicht als Excel-Datei oder in Lehrbüchern. „Wir sprechen über Erfahrungswissen, über Fähigkeiten, in die man hineinwächst und die sich nicht konkret benennen lassen.“ Solches Erfahrungswissen findet sich vor allem bei gewerblich-technischen und handwerklichen Facharbeiterberufen. Genau den Berufen, in denen überdurchschnittlich viele Beschäftigte schon mindestens 55 Jahre alt sind.

„Wenn diese Menschen den Betrieb verlassen, geht also spezielles Fachwissen verloren – aber auch Übertragungswissen“, so Plünnecke. „Das ist das Know-how, das an Schnittstellen in Prozessen gefragt ist, etwa zwischen Entwicklung und Produktion.“ Beispiel: Wie muss die Maschine umgestellt werden, um neue Produktionsabläufe zu ermöglichen? „Viele erfahrene Beschäftigte wissen ganz genau, was zu tun ist, welcher Hebel umgelegt, welcher Knopf gedrückt werden muss. Aber viele wissen oft nicht, warum sie eigentlich gewisse Entscheidungen treffen.“

Wie also sichert man Wissen, das oft auf einem gelernten Gefühl beruht?

Wie Unternehmen Wissensträger erfolgreich einbinden

Da kann Sebastian Terstegen helfen. Am Institut für angewandte Arbeitswissenschaft (ifaa) in Düsseldorf forscht er über Wissensmanagement, künstliche Intelligenz (KI) und den Einsatz von Cobots in der Produktion. „Erfahrungswerte werden in Unternehmen natürlich schon seit Jahrzehnten weitergegeben“, sagt er. „Eine beliebte Lösung dafür waren Wikis, also Nachschlagewerke, die stetig erweitert werden. Dafür braucht man aber Zeit – und die Fähigkeit, Arbeitsschritte verständlich aufzuschreiben.“

Was Terstegen ganz wichtig ist: Man müsse die Wissensträger zunächst identifizieren und dann in den Prozess einbinden. „Die große Mehrheit von ihnen ist grundsätzlich offen dafür, möchte aber gut informiert werden.“ Was soll mit dem Prozess erreicht werden? Wie soll das funktionieren?

„Das kann man nicht von oben vorschreiben. Lösungen, die an den Beschäftigten vorbeigehen, werden nicht genutzt“, warnt er.

Im ifaa-Projekt „KI_eeper“ hat Terstegen von 2022 bis 2025 zwei Unternehmen dabei begleitet, das Wissen ihrer erfahrenen Beschäftigten zu sichern. „Wir sind nicht mit einer fertigen Lösung in die Betriebe gegangen. Wir haben erst mal zugehört und gemeinsam geklärt, wo der Schuh wirklich drückt.“ Schon dieser Schritt war gar nicht so leicht: „Wir haben erfahrene Mitarbeiter getroffen, die ihr Wissen gerne teilen wollten, die dann aber nicht erklären konnten, warum sie diesen oder jenen Trick anwenden.“

Was Unternehmen bei KI und Robotik beachten sollten

Die ifaa-Lösung für dieses Problem sieht so aus: „Wir haben KI-Systeme entwickelt, die das Erfahrungswissen direkt im Arbeitsprozess verarbeiten und speichern“, erklärt Terstegen. „Die KI ist da wie ein sehr schnell lernender Praktikant, der alles dokumentiert, was ihm gezeigt wird.“

Ende 2025 hat das ifaa das Nachfolgeprojekt „GrAIfbAR“ gestartet: Es baut auf den gewonnenen Erkenntnissen auf und wurde um den Einsatz von Cobots ergänzt. „KI und Robotik sind aber keine Selbstläufer“, bremst Terstegen zu hohe Erwartungen. Seine drei wichtigsten Tipps: „Herausfinden, wo kritisches Wissen gesichert werden muss. Auf dieser Basis eine gute Lösung wählen und möglichst breit ausrollen: Mal ist das ein KI-Tool, mal eine andere Aufgabenverteilung. Die Technik sollte dem Problem folgen, nicht umgekehrt. Und drittens: Die wenigsten Firmen haben alle Kompetenzen für den Wissenstransfer im eigenen Haus – das müssen sie auch gar nicht. Es ist hilfreich, Partner zu suchen und Netzwerke zu bilden.“

apra-norm in Rheinland-Pfalz: Die KI lernt mit Lackierfotos

apra-norm aus Mehren in Rheinland-Pfalz bildet ein KI-System zum Assistenten aus. Das Unternehmen hat bis 2025 am ifaa-Projekt "KI_eeper" teilgenommen.

Die Firma stellt individuelle Metallgehäuse her – vom Tisch bis zum komplexen Schranksystem. Die Einzelteile werden bearbeitet, in Baugruppen montiert und müssen am Ende zum Lackieren auf eine sogenannte Traverse gehängt werden. Der Lack wird automatisch aufgetragen, die Traverse dann mit allen Bauteilen erhitzt.

„Wir haben da bis zu 80 unterschiedliche Teile am Tag, in bis zu 20 Farben, mit Taktzeiten zwischen 2 und 15 Minuten“, erklärt Geschäftsführer Stefan Meffert. Die Traverse soll so dicht wie möglich bestückt werden, die Teile dürfen sich aber nicht überlappen: „Wird der Lack nicht überall richtig aufgetragen, kann es teuer werden.“

80 unterschiedliche Bauteile pro Tag kann es geben, in bis zu 20 Farben und mit verschiedenen Taktzeiten

Bisher verließen sich die Beschäftigten bei der kombinatorischen Aufgabe auf ihre Erfahrung. „Wir haben auch eine Werknorm aufgebaut, in der festgehalten ist, was bei uns im Betrieb wie gemacht wird“, sagt Meffert. „Der Ablauf und die Zusammensetzung beim Lackieren sind aber jeden Tag anders. Dieses Wissen kann man nicht einfach aufschreiben.“ Genau dort setzte das ifaa-Projekt an: Anhand von Fotos der Traverse soll eine KI die Bauteile und ihre Lage identifizieren – und sie bekommt anschließend die Info, ob es beim Lackieren Fehler gab. Der Betrieb läuft also weiter wie bisher, im Hintergrund baut das KI-System Erfahrungswissen auf. Wenn es ausreichend trainiert ist, kann es als Assistenz für weniger erfahrene Mitarbeiter dienen.

Im Projekt wurde das alles angeschoben, fertig ist man noch nicht. „Der Ansatz, das Konzept und das Potenzial sind überzeugend“, betont Meffert. „Wir führen das jetzt eigenständig weiter. Herausfordernd ist vor allem der kontinuierliche Aufbau der großen Datengrundlage, die die KI benötigt.“

Woll.Group in Saarbrücken: Projektwissen multimedial sichern

Der Spezialmaschinenbauer aus Saarbrücken will wertvolles Projektwissen sichern.

„Jede neue Maschine ist für uns ein millionenschwerer Prototyp, der funktionieren muss“, sagt Pascal Pettermann-Kasel, der Qualitätsmanager der Woll.Group. Erfahrene Mitarbeiter bauen die unter anderem in der Medizintechnik eingesetzten Maschinen nach bekanntem Muster teils sogar ohne Zeichnung!

Neben diesem Erfahrungswissen soll auch das sogenannte Projektwissen von Neuanlagen gesichert werden. „Steuerungstechniker, Monteure, Projektleiter und Konstrukteure entwickeln einzigartige Maschinen. Außer ihnen weiß aber niemand, wie – und später erinnern auch sie sich nicht mehr an alles“, sagt Pettermann-Kasel.

„Wissensmanagement ist ein sinnvolles Invest“

Pascal Pettermann-Kasel, Qualitätsmanager der Woll.Group

Gemeinsam mit dem örtlichen Zentrum für Mechatronik und Automatisierungstechnik (ZeMA) entwickelt nun ein gewerkeübergreifendes Team eine Plattform, die dieses Wissen multimedial speichert und abrufbar macht. „Die Mitarbeiter sollen das Tool selbst gestalten. Schließlich sollen sie später gerne damit arbeiten“, so Pettermann-Kasel.

G. A. Röders in Soltau: Cobots kontrollieren den Druckguss

Bei G. A. Röders in Soltau sollen Cobots den Beschäftigten bei der Qualitätskontrolle helfen.

Die niedersächsische Firma G. A. Röders ist auf Druck- und Spritzguss spezialisiert und macht seit Ende 2025 beim ifaa-Projekts „GrAIfbAR“ mit. Aluminiumdruckguss ist ein komplexes Verfahren: Flüssiges Alu wird unter hohem Druck in eine Stahlform gepresst, kühlt dort unter anhaltendem Druck ab und wird so zu einem festen Metallteil mit glatter Oberfläche. Entstehen dabei Fehler, müssen die betroffenen Teile vor der Auslieferung aussortiert werden. Dabei hilft den Mitarbeitern bisher ein Fehlerkatalog – und ihre Erfahrung.

„Aber manche Fehler sind eben schwierig zu bewerten“, erklärt Prozessingenieur Jonas Röders. „Wir wollen daher eine einheitliche Wissensbasis schaffen und prüfen, wie KI und Robotik unterstützen können.“ Ziel des Projekts: Ein Cobot könnte Bauteile unter gleichbleibendem Licht bewegen und anschließend per KI-Bilderkennung systematisch auf Fehler prüfen. „Uns ist wichtig: Die Technik soll das Wissen unserer Beschäftigten nicht ersetzen, sondern Zusammenhänge sichtbar und für unsere Mitarbeiter verfügbar machen.“