Expertenwissen sichern: Wie KI implizites Wissen in der Produktion bewahrt

Wenn erfahrene Fachkräfte ein Unternehmen verlassen, nehmen sie mehr mit als ihren Schreibtisch. Sie nehmen jahrzehntelanges Erfahrungswissen mit – Wissen, das nirgends dokumentiert ist. Dieser Artikel zeigt anhand eines realen KI-Projekts, wie sich implizites Expertenwissen systematisch sichern und für das gesamte Team zugänglich machen lässt.

Wenn Wissen in den Ruhestand geht

Euer erfahrenster Maschinenbediener geht Ende des Jahres in den Ruhestand. Mit ihm gehen 25 Jahre gelebtes Erfahrungswissen, das bisher nirgends dokumentiert wurde. Abläufe, Handgriffe, Gespür. Kein Zukunftsszenario, sondern in vielen Unternehmen längst Alltag. Genau diese Situation war der Ausgangspunkt für ein KI-Projekt, das wir gemeinsam mit einem Industrieunternehmen initiiert haben.

Wie implizites Expertenwissen sichtbar wird

Am Anfang stand eine schlichte Beobachtung: Neue Kolleginnen und Kollegen brauchten Monate, um an der Maschine wirklich sicher zu werden, und zwar nicht wegen fehlender Schulungen, sondern weil das entscheidende Wissen im Kopf eines einzigen erfahrenen Bedieners steckte. Er wusste, wann die Maschine „komisch klingt", bevor ein Fehler auftritt. Er kannte die Eigenheiten einzelner Chargen. Er hatte über die Jahre Dutzende kleiner Tricks entwickelt, die nirgendwo standen.

Wenn man ihn bat, einfach mal alles aufzuschreiben, was er so wusste, kam wenig dabei heraus. Nicht weil er nicht wollte, sondern weil das, was man nicht mehr als erklärungsbedürftig wahrnimmt, sich kaum von selbst in Worte fassen lässt.

Gespräch statt Monolog – mit einer fachfremden Perspektive

Die Lösung kam durch strukturierte Interviews, geführt von einer Person ohne fachlichen Hintergrund in der Maschinenbedienung. Das klingt zunächst kontraintuitiv, erwies sich aber als entscheidend. Denn eine fachfremde Person stellt genau die Fragen, die ein erfahrener Kollege nie stellen würde:

• ‍„Warum drehst du hier an dieser Schraube – und nicht an der anderen?"
• „Was passiert, wenn du das weglässt?"
• „Woran merkst du, dass es gleich Probleme geben wird?"

Diese Fragen erzwingen den fachlichen Kontext, den Experten von sich aus selten liefern, weil ihnen vieles zur zweiten Natur geworden ist. Die Interviews wurden aufgezeichnet und mit Unterstützung generativer KI aufbereitet: zusammengefasst, strukturiert, in klare Sprache übersetzt und mit der bestehenden Maschinendokumentation angereichert. Ziel war es, dieses Wissen Kolleginnen und Kollegen mit unterschiedlichen Ausgangsqualifikationen über eine eigens entwickelte KI-Lösung vom ersten Tag an zur Verfügung zu stellen – per Prompt oder Spracheingabe, direkt angebunden an die bestehende Betriebsdokumentation.

Wissensmanagement als lebendiger Prozess

Das war aber erst der Anfang. Denn Wissen veraltet, und Maschinen lassen sich immer neue Fehler einfallen.

Deshalb wurde ein einfaches, aber wirksames Folgesystem etabliert: Schichtübergaben werden nun regelmäßig aufgezeichnet – immer dann, wenn es während einer Schicht zu einem Vorfall, einer unerwarteten Situation oder einer kreativen Problemlösung gekommen ist. Diese Aufnahmen werden automatisiert aufbereitet und fließen direkt in den bestehenden Wissensbestand ein.

Das Produktionsteam führt außerdem am Ende jeder Woche kurze Retros von ca. 15 Minuten durch, bei denen die Probleme der Woche besprochen werden, und auch diese Gespräche werden aufgezeichnet und von wechselnden Personen mittels generativer KI aufbereitet. So entsteht ein weiterer Wissensspeicher. Zwei Personen aus dem Team sind außerdem verantwortlich dafür, das Wissen aktuell zu halten.

Das Ergebnis: Eine Wissensbasis, die nicht verstaubt, sondern kontinuierlich mit echten Betriebserfahrungen wächst – und klare Verantwortlichkeiten für die jeweilige Wissensdomäne. Neue Mitarbeitende haben neben der klassischen Maschinendokumentation Zugriff auf Daten und Dokumente, die nicht die Theorie beschreiben, sondern zeigen, was im echten Betrieb passiert – und wie erfahrene Kolleginnen und Kollegen damit umgehen. Entscheidend dafür: Das Wissen liegt nicht in einem weiteren isolierten System, sondern ist in die bestehenden Arbeitsabläufe integriert – durchsuchbar, kontextbezogen und on-premise, weil Produktionswissen im Haus bleiben muss.

Vier Dinge, die den Unterschied gemacht haben

1. ‍Methode vor Tool. Kein KI-System der Welt kann implizites Wissen aus dem Nichts destillieren. Es braucht das richtige Gespräch – mit den richtigen Fragen.‍
2. KI als Aufbereiter, nicht als Wissensträger. Generative KI hat hier Transkripte strukturiert, Fachsprache vereinfacht und Wissenslücken sichtbar gemacht. Die Quelle des Wissens waren und bleiben Menschen.‍
3. Kontinuität schlägt Vollständigkeit. Statt eines einmaligen, nie fertig werdenden Dokumentationsprojekts entsteht Wissen hier in kleinen Portionen bei jeder Schichtübergabe und jeder Retro.‍
4. Klare Verantwortlichkeiten. Die benannten Kollegen prüfen zwei bis drei Mal im Jahr, ob Dokumente noch relevant sind. Ohne diese Rolle nimmt die Datenqualität stetig ab, und am Ende hat man wieder digitale Friedhöfe, die niemand nutzt.

Fazit: Wissen sichern, bevor es zu spät ist

Wo steckt in eurem Unternehmen Wissen, das gerade noch in Köpfen ist – und morgen vielleicht nicht mehr? Der Ansatz aus diesem Projekt zeigt: Es braucht keine jahrelange Dokumentationsinitiative. Es braucht die richtigen Fragen, ein einfaches System – und den Willen, Wissen als etwas Lebendiges zu behandeln.

Mehr dazu, wie KI im Wissensmanagement konkret eingesetzt werden kann, findet ihr auf unserer Seite KI im Wissensmanagement. Und wer sich für den breiteren Kontext von KI-Anwendungen in der Industrie interessiert, wird hier fündig: KI in der Industrie.

--

Der Text ist zuerst in unserem Newsletter erschienen. Wer Einordnungen wie diese regelmäßig lesen möchte: Hier zum Newsletter anmelden.