KI für Wissenstransfer: Was die Babyboomer wissen, bevor sie gehen

Walter ist 64. Er fährt seit 39 Jahren dieselbe CNC-Linie bei demselben Hidden Champion. Er weiß, welche Spindel anders vibriert, wenn das Lager bald hinüber ist. Er weiß, welche Stahlchargen welches Lieferanten in der Härte schwanken. Er weiß, welcher Kunde das Datenblatt nie liest und trotzdem erwartet, dass das Teil passt. Nichts davon steht in einem System. Nichts davon im Wiki. Es lebt in Walters Kopf - und Walter geht in 14 Monaten.

Walter ist kein Einzelfall. Das Statistische Bundesamt zählt 13,4 Millionen Erwerbspersonen, die in den nächsten 15 Jahren das Rentenalter erreichen - 31 Prozent der Erwerbspersonen von 2024¹. Das IW Köln formuliert es schärfer: fast 20 Millionen Erwerbstätige gehen bis 2036 in Rente². Der Pool der babyboomerstarken Erwerbsfähigen sinkt von 16,4 Millionen (2022) auf unter 10 Millionen bis 2028³. Für den deutschen Mittelstand - 70 Prozent der Hidden Champions sind familiengeführt¹⁶, wo Senior-Expertise oft das Organigramm überstrahlt - ist das kein zukünftiges HR-Problem. Es ist ein operatives Problem von 2026.

Dieser Leitfaden richtet sich an Geschäftsführer, Werksleiter oder Operations-Verantwortliche, die schon einmal einen Schlüsselexperten in Rente gehen sehen und die Lücke 18 Monate gespürt haben. Die Technologie ist heute reif. Die schwierigen Teile sind das Framing, die Einwilligung und die Disziplin, vor der Rentenankündigung zu starten. Kein Hype. Nur das, was funktioniert, was es kostet und was 90 Tage fokussierte Erfassung tatsächlich liefern.

Die Rentenwelle: Warum 2026-2030 anders ist

Demografische Wellen werden seit Jahrzehnten prognostiziert. Was anders ist: Die 2026-2030-Welle ist die erste, in der die Ausscheidenden gleichzeitig die größte Kohorte in absoluten Zahlen sind, die stärkste Konzentration in operativ kritischen Rollen aufweist und am wenigsten aus dem bestehenden Arbeitsmarkt ersetzbar sind.

• Der Pool schrumpft schnell - 16,4 Millionen Babyboomer im erwerbsfähigen Alter (2022), unter 10 Millionen bis 2028, nahe null bis 2036³. Das ist ein Rückgang von 6,4 Millionen Erwerbspersonen in sechs Jahren.
• Konzentration in kritischen Rollen - 4,4 Millionen Erwerbspersonen im Alter 60-64 Jahren in 2024, plus 5,6 Millionen im Alter 55-59 Jahren direkt dahinter². In Facharbeit und Engineering ist die Kompression noch stärker.
• Die Ersatzlücke ist strukturell - Deutschland hat bereits über 530.000 unbesetzte Fachkraftstellen^1,3. Die OECD prognostiziert bis 2030 einen Rückgang der erwerbsfähigen Bevölkerung um 3,9 Millionen.
• 10.000 Boomer-Renteneintritte pro Tag global - und fast 40 Prozent der Fertigungsbelegschaft sind im nächsten Jahrzehnt rentenberechtigt⁷.
• Die finanziellen Kosten sind dokumentiert - IDC misst 31,5 Milliarden US-Dollar pro Jahr Produktivitätsverlust allein durch schlechten Wissensaustausch¹². Panopto beziffert es auf 47 Millionen US-Dollar jährlich für ein typisches Großunternehmen¹¹.
• 42 Prozent des institutionellen Wissens liegen nur bei Einzelpersonen - was bedeutet, dass deren Abgang die Organisation handlungsunfähig für fast die Hälfte ihres bisherigen Outputs macht^11,30.

Deshalb löst „wir stellen jemanden ein“ das Problem nicht. Der Ersatz ist auf dem Arbeitsmarkt nicht zu finden. Der Ersatz lässt sich nicht schnell anlernen, weil das Wissen nirgends steht. Der einzige skalierende Weg ist systematische Erfassung - und die Technologie hat die demografische Dringlichkeit endlich eingeholt.

Was „Wissen“ wirklich bedeutet (und was KI erfassen kann)

Die nützlichste Unterscheidung ist 50 Jahre alt: Nonaka und Takeuchis Trennung in explizites und implizites Wissen^14,15. Explizites Wissen lässt sich aufschreiben. Implizites Wissen wird gefühlt, durch Tun gelernt, ist selbst für die haltende Person schwer zu artikulieren. Das meiste institutionelle Wissen im Mittelstand liegt irgendwo auf dem Spektrum, nicht an den Extremen.

Das SECI-Framework (Sozialisierung, Externalisierung, Kombination, Internalisierung) beschreibt, wie Wissen zwischen diesen Zuständen fließt¹⁴. KI verändert die Ökonomie eines spezifischen Übergangs: Externalisierung - die Umwandlung impliziten Wissens in explizite Form. Das ist der Engpass für Wissenstransfer im Rentenszenario, und genau hier zahlen sich moderne LLMs und konversationelle Agenten aus.

Was KI gut erfasst

• Explizite Verfahren - Die 27 Schritte zum Umrüsten der Linie, die kundenspezifische Ausnahmeliste, das bevorzugte Kontaktmuster eines Lieferanten
• Entscheidungshistorien - Warum wir 2018 dieses Material gewählt haben, was wir aus der Kundeneskalation 2021 gelernt haben, welche Konfigurationen warum gescheitert sind
• Mustererkennung - Wiederkehrende Fehlermodi, saisonale Bedarfsschwankungen, typische Nacharbeits-Auslöser
• Artikulierbares implizites Wissen - Durch strukturierte Interviews kann die KI 60-80 Prozent des Wissens zutage fördern, das ein Experte hat, aber noch nie verbalisieren musste⁷
• Querschnitt-Synthese - Das Gedächtnis des Experten mit E-Mail-Archiven, Ticket-Historien und Dokumentenbibliotheken kombinieren, um Kontext zu rekonstruieren
• Kontinuierliche Erfassung - Senior-Experten in den letzten zwei Jahren vor der Rente verbringen 5-15 Prozent ihrer Woche mit dem Agenten. Nicht alles am Stück. Keine Interview-Marathons. Kleine Sessions, akkumuliert.

Was KI nicht erfassen kann (und was stattdessen)

• Reines körperliches Können - Handgefühl an der Maschine, Instinkt für eine saubere Schweißnaht, die spezifische Art, wie ein Meister-Werkzeugmacher das Werkstück hält. Das braucht Ausbildungszeit
• Kundenvertrauen - Der Telefon-Rhythmus, die unausgesprochenen Erwartungen, die politische Landkarte beim Kunden. Teilweise im Interview greifbar, aber der vollständige Transfer braucht gemeinsame Kundenbesuche
• Vorsprachliche Mustererkennung - Dinge, die der Experte „einfach weiß“, ohne sie je artikuliert zu haben. Der Interview-Agent kann einiges zutage fördern, aber nie alles
• Kulturelle und politische Navigation - Wie Entscheidungen tatsächlich getroffen werden, wer wirklich Einfluss hat, was die ungeschriebenen Regeln sind. Am besten durch narrative Interviews und Shadow-Zeit erfassbar

5 Anwendungsfälle, in denen KI-Wissenstransfer gewinnt

Nicht jeder Renteneintritt braucht ein KI-Erfassungsprojekt. Die meisten Verwaltungsrollen lassen sich mit klassischer Übergabe abwickeln. Die fünf Fälle unten sind die, in denen die demografische Uhr plus die Schwierigkeit des Wissens plus die Kosten eines Misslingens die KI-Investition innerhalb von 12 Monaten amortisieren.

1. Senior-Servicetechniker und Außendienst

Das Servicegeschäft im Mittelstand ist oft der Margenbringer - und es hängt an Senior-Technikern, die in 30 Jahren jeden Fehlermodus jeder Maschine gesehen haben, die das Unternehmen verkauft hat. Wenn sie in Rente gehen, brechen Erstlösungsraten ein, und die Kundenzufriedenheit folgt.

• Erfassungsmethode - Strukturierte Interviews zu Top-Fehlermodi, Bildschirm-Aufzeichnung bei Diagnosesessions, Sprachnotizen aus Außendienst-Einsätzen
• Output für den Nachfolger - Field-tauglicher Agent, der eine Symptombeschreibung entgegennimmt und die drei wahrscheinlichsten Ursachen mit Zitaten zu vergangenen Fällen des Seniors anzeigt
• Typischer ROI - 30-50 Prozent bessere Erstlösungsrate innerhalb von 6 Monaten nach Rollout, gemessen gegen die Baseline vor der Rente
• Wo es am schnellsten zahlt - Unternehmen mit 20+ Jahre alter Installationsbasis, bei denen Kunden den Senior namentlich anrufen
• Risiko bei Nichthandeln - Kundenbeziehungen wandern an den Nachfolger, der 10 Prozent der Mustersammlung des Seniors hat und 100 Prozent der Kundenerwartung

2. Senior-Kalkulatoren und Tender-Spezialisten

In spezialisierter Fertigung und Konstruktionsbüros entscheidet der Senior-Kalkulator, ob eine 2-Millionen-Euro-Ausschreibung gewinnbar ist - oder verschwendet. Er hat 1.000 Aufträge bepreist. Er weiß, welcher Kunde verhandelt, welcher den vollen Preis zahlt und welcher kurzfristig Nachverhandlung verlangt.

• Erfassungsmethode - Walkthrough der letzten 50 Tender mit dem Senior, der das „Warum“ hinter jedem Preis erklärt - was er im Spec gesehen hat, was kein Modell sehen würde
• Output für den Nachfolger - Pricing-Assistent, der Risikomuster markiert, vergleichbare Aufträge anzeigt und die Fragen des Seniors vor der Abgabe stellt
• Typischer ROI - Gewinnquote bleibt im 5-Prozent-Korridor des Vor-Renten-Niveaus statt im ersten Jahr des Nachfolgers um 15-20 Prozent zu fallen
• Wo es am schnellsten zahlt - Unternehmen mit Tendern als primärer Vertriebsbewegung (Maschinenbau, öffentliche Hand, spezialisierte Dienstleister)
• Risiko bei Nichthandeln - Der Nachfolger ist 18 Monate zu vorsichtig (verliert Geschäft) oder zu aggressiv (verliert Marge)

3. Schichtleiter und Linienmeister

Der Schichtleiter, der seit 25 Jahren die Frühschicht fährt, kennt jeden Maschinisten, jede Maschinenmacke, jede Liefertaktung. Wenn um 03:00 etwas kaputtgeht, weiß er, wen er anrufen und was er als Erstes versuchen muss. Das ist mit Dokumentation allein nicht extrahierbar.

• Erfassungsmethode - Shadow-Aufzeichnungen bei Schichtübergaben, „Tag im Leben“-Sprachtagebuch über einen Monat und strukturierte Interviews zu den 30 wichtigsten Anomalien
• Output für den Nachfolger - Operations-Agent in der Schichtübergabe-Routine, plus Mustererkennung-Alerts für Anomalien, die der Senior gesehen hätte
• Typischer ROI - Ungeplante Stillstände bleiben im 10-Prozent-Korridor des Vor-Renten-Niveaus statt um 25-40 Prozent anzusteigen
• Wo es am schnellsten zahlt - 24/7-Produktion mit Anlagen, die älter sind als die Tätigkeit des Schichtleiters
• Risiko bei Nichthandeln - Sechs bis zwölf Monate wiederkehrende Vorfälle, die der Senior vor Beginn unterbunden hätte

4. Langjährige Kundenbetreuer

Das kundenseitige Pendant zum Servicetechniker. Ein Account Manager, der seit 15 Jahren einen 5-Millionen-Euro-Kunden betreut, hat eine Beziehungslandkarte, die nicht im CRM steht. Namen der Entscheider, Geschichte vergangener Spannungen, ungeschriebene Zusagen, die Taktung, die der Kunde erwartet.

• Erfassungsmethode - Kunde-für-Kunde-Narrativ-Interviews, E-Mail-Archiv-Analyse mit Kommentar des Seniors und idealerweise 6-12 Monate gemeinsame Kundenbesuche
• Output für den Nachfolger - Kunden-Kontext-Agent, der vor jedem Termin die politische Landkarte, die jüngere Geschichte und die Risiko/Chancen-Einschätzung des Seniors briefen
• Typischer ROI - Kundenabwanderungs-Risiko sinkt um 50-70 Prozent in den ersten 18 Monaten nach Übergabe
• Wo es am schnellsten zahlt - B2B-Geschäfte, in denen die Top-20-Kunden 80 Prozent des Umsatzes machen
• Risiko bei Nichthandeln - Ein Großkunde geht im ersten Jahr verloren; der Wettbewerbsersatz dauert 2-3 Jahre

5. Senior-Controller und Steuerberater-Koordinatoren

Weniger glamourös, operativ kritisch. Der langjährige Controller kennt jede Buchungsbesonderheit, jede Steuerberater-Präferenz, jede Prüfungsgeschichte. Wer das 20 Jahre macht, kann einen Jahresabschluss ohne Doku vorbereiten. Der Nachfolger braucht die Doku - und den KI-Agenten, der „das hat Inge immer so gemacht“ samt ursprünglicher Begründung anzeigt.

• Erfassungsmethode - Walkthrough eines kompletten Jahresabschlusses mit Narration, Archivanalyse vergangener Korrekturen und strukturierte Interviews zu Ermessensfragen
• Output für den Nachfolger - Closing-Prozess-Agent, der Präzedenzfälle anzeigt, historisch problematische Konten markiert und Unklarheiten schneller an den Steuerberater weiterleitet
• Typischer ROI - Closing-Zeit bleibt im 10-Prozent-Korridor statt sich im ersten Jahr zu verdoppeln; Prüfungsfeststellungen bleiben stabil
• Wo es am schnellsten zahlt - Kleine Finanzteams (unter 10 Personen), in denen eine Person überproportional viel Prozesswissen hält
• Risiko bei Nichthandeln - Erster Jahresabschluss nach der Rente läuft 4-6 Wochen zu spät und bringt 3-5 unerwartete Prüfungsfeststellungen

Das 90-Tage-Capture-Playbook

Die 90 Tage sind nicht die vollständige Erfassung - die läuft 18-24 Monate. Die 90 Tage sind dafür da, das Programm live zu bringen: Framing, Einwilligung, erste Sessions, funktionierender Agent, nachweisbarer Wert für Führung und Experten. Erfolg in den ersten 90 Tagen macht die nächsten 18 Monate tragfähig.

Phase 1: Framing und Einwilligung (Wochen 1-4)

1. Woche 1: Führung und Betriebsrat abstimmen - Ein Termin mit dem Betriebsrat, einer mit dem Senior-Experten, einer mit der Geschäftsführung. Das Framing muss in allen drei identisch sein: „Ihr Name bleibt drauf; wir wollen, dass die nächste Person von Ihnen lernt, nicht bei null anfängt.“ Klären Sie die Betriebsrats-Fragen zu Aufbewahrung, Zugriff und Auswertung vor Woche 2.
2. Woche 2: Scope und KPI definieren - Eine Expertenrolle wählen. Die Metrik festlegen, die zählt - Erstlösungsrate, Gewinnquote, Stillstände, Kundenbindung, Closing-Zeit. Vor-Erfassungs-Baseline messen. Daran wird Erfolg gemessen.
3. Woche 3: Einwilligung und Architektur - Schriftliche Einwilligung des Experten. DSGVO-Verarbeitungsverzeichnis-Eintrag. Entscheidung über EU-only-LLM-Anbieter (Anthropic Claude EU, Mistral, Azure OpenAI Deutschland) oder On-Premise-Modell. Audit- und Zugriffs-Architektur dokumentiert.
4. Woche 4: Erste Session und Pilot-Fragenset - Erste 90-minütige Session. Die Fragen sind die breitesten - Karriereverlauf, größte Herausforderungen, stolzeste Lösungen. Der Sinn der ersten Session ist nicht der Inhalt, es ist die Vertrautheit.

Phase 2: Aufbau und erste Erfassung (Wochen 5-8)

5. Wochen 5-6: Capture-Infrastruktur live - Aufnahme-Pipeline (mit Einwilligungs-Prompts), Transkription, Embedding-Speicher, Validierungs-Schicht. Der Experte kann Sessions nun nach eigenem Plan machen, nicht warten auf einen Interviewer. Junioren können Fragen einreichen, die in die Queue der nächsten Session kommen.
6. Woche 7: Erfassungs-Modi diversifizieren - Bildschirm-Aufzeichnung bei Diagnosen ergänzen, Sprachnotizen aus Außendienst oder Werkstatt, Foto-Capture für ungewöhnliche Situationen. Der Experte wählt die Modi, die zu seinem Arbeitsrhythmus passen. Manche erzählen während der Arbeit; manche bevorzugen Interview-Format.
7. Woche 8: Junior-Pilot - Ein Auszubildender oder Nachfolger nutzt den Agenten für die tägliche Arbeit. Seine fehlgeschlagenen Anfragen werden zu den Fragen der nächsten Session. Diese Schleife ist das System, das schlauer wird - nicht der Experte, der Inhalte ausschüttet.

Phase 3: Nachweisen und Skalieren (Wochen 9-12)

9. Wochen 9-10: Messbare Erfolge - Die ersten Fälle, in denen der Junior an den Senior eskaliert hätte, der Agent aber mit Verweis auf einen vergangenen Fall des Seniors antwortet. Dokumentieren Sie diese. Sie sind der Grund, warum die Führung nach einem Jahr noch dabei ist.
10. Woche 11: Auf zweiten Experten erweitern - Wenn die erste Erfassung läuft, kostet der zweite Experte deutlich weniger Onboarding - die Infrastruktur steht, der Einwilligungsprozess ist erprobt, das Framing etabliert. Die meisten Unternehmen ergänzen 1-2 Experten pro Quartal ab Woche 11.
11. Woche 12: Review und 18-Monats-Plan - Vergleich der Baseline-Metrik mit dem Frühindikator. Dokumentieren, was funktioniert hat. 12- und 18-Monats-Meilensteine planen. Entscheiden, welche 5-10 Experten das Programm bis 2028 abdecken soll.

Tools-Landschaft: Glean, Sana, Notion AI und Custom

Der Markt für Enterprise-Wissensmanagement ist 2024-26 stark gewachsen, weil Renten- und Fluktuationsprobleme bei CFOs sichtbar wurden. Jede der großen Optionen hat einen anderen Sweet Spot. Die richtige Wahl hängt vom bestehenden Stack, dem Dokumentenvolumen und dem Custom-Bedarf ab.

• Glean - Enterprise-Suche und KI-Assistent über bestehende Systeme (Slack, Microsoft 365, Google Workspace, Salesforce, Jira). Geeignet für Unternehmen mit reicher Doku-Basis und Bedarf an einheitlicher Suche. 2,2-Milliarden-Bewertung, Fortune-500-Einsatz¹⁸
• Sana - Multi-Agenten-Workflow-Plattform, die nicht nur Antworten findet, sondern nachgelagerte Systeme aktualisiert (Workday, CRM, Ticketing). Geeignet für Unternehmen, die Erfassung plus Aktion wollen, nicht nur Suche¹⁹
• Notion AI - Doku plus KI-Abfrage-Schicht in einem Workspace. Geeignet für Unternehmen, die schon auf Notion stehen oder von SharePoint wegmigrieren. Niedrigerer Einstiegspreis, weniger Tiefe in Enterprise-Suche²⁰
• Custom-RAG-Agent - Auf Anthropic Claude, OpenAI, Mistral oder Open-Source-Modellen (Llama, Qwen) mit eigener Erfassungsmethodik. Geeignet für Unternehmen mit EU-Residenz-Anforderung, die volle Kontrolle über Audit-Trail wollen und spezifische Dokument- oder Erfassungsmodi haben, die Standard-Tools schlecht abdecken
• Spezialisierte Capture-Anbieter - eGain, Tacit und ähnliche Tools speziell für implizite Wissenserfassung. Neuer, weniger reif bei Enterprise-Compliance, aber zweckgebaut⁹

Compliance und Menschen: Betriebsrat, DSGVO, IP und der Experte

Die Technologiefrage ist gelöst. Die schwierigen Teile sind Menschen und Compliance. Falsches Framing - das Programm ist vor Woche 4 tot. Falsche Betriebsrats-Konsultation - vor Woche 1 tot. Falsche DSGVO-Auslegung - es startet, implodiert aber 18 Monate später, wenn ein Auskunftsersuchen kommt.

Das Betriebsrats-Gespräch

• § 87 BetrVG gilt - Mitarbeiter aufzunehmen, auch mit Einwilligung, ist technische Überwachung. Der Betriebsrat hat Mitbestimmungsrechte. Nicht optional
• In Woche 1 ins Boot holen - Nicht nach der ersten Aufnahme, nicht zum Go-live. Er muss die Einwilligungsformel sehen, die Aufbewahrungsregel, die Zugriffsrechte und die Antwort auf „kann das in der Leistungsbewertung verwendet werden?“ (die Antwort muss Nein sein)
• Richtig framen - Das Programm bewahrt Unternehmenswissen, es überwacht keine Mitarbeiter. Der Experte ist Mitgestalter, kein Subjekt. In der Betriebsvereinbarung dokumentieren
• Die meisten Betriebsräte unterstützen das - Sobald sie Framing und Schutzmaßnahmen sehen, werden sie meist Fürsprecher. Wer es nicht tut, reagiert in der Regel auf Signale aus der Führung, nicht auf das Programm
• Betriebsvereinbarung dokumentieren - Schriftliche Vereinbarung zu Scope, Einwilligung, Aufbewahrung, Zugriff, Löschungsrechten und der expliziten Klausel zur Nichtnutzung in Leistungsbewertung

DSGVO-Essentials

• Rechtsgrundlage - Typischerweise Art. 6 Abs. 1 lit. b (Vertragsdurchführung) für die Arbeit selbst, plus ausdrückliche Einwilligung (Art. 6 Abs. 1 lit. a) für die Aufnahme. Manche Unternehmen nutzen Art. 6 Abs. 1 lit. f berechtigtes Interesse mit dokumentierter Abwägung
• Verarbeitungsverzeichnis - Pflicht. Zweck, Datenkategorien, Aufbewahrungsdauer, Auftragsverarbeiter und Zugriffsrollen dokumentieren
• Aufbewahrungsregel - Die meisten Projekte halten Roh-Aufnahmen 24 Monate, strukturierte Extraktionen unbefristet. Der Experte muss Löschung persönlicher Aussagen verlangen können
• Sensible Inhalte redigieren - Persönliche Aussagen über Kollegen, Kunden oder Dritte werden redigiert, bevor der Agent sie anderen Mitarbeitern serviert. Der Rohinhalt bleibt nur einer definierten Datenschutz-Prüfungsrolle zugänglich
• EU-Residenz - Anthropic Claude EU, Azure OpenAI Deutschland, Mistral oder On-Premise-Open-Source-Modelle. Schrems-II-Erwägungen gelten für jeden US-Anbieter
• Betroffenenrechte - Der Experte kann jederzeit Auskunft (Art. 15), Berichtigung (Art. 16) und Löschung (Art. 17) verlangen. Die Architektur muss das tragen

Die Beziehung zum Experten

• Zeit bezahlen - Capture-Sessions sind Arbeit. Sie kommen auf den Stundenzettel. Sie sind keine Gefälligkeit fürs Unternehmen
• Namensnennung bleibt - Jede erfasste Erkenntnis zitiert die Quelle: „Walter, März 2026“. Das ist Kern des Sozialvertrags. Streichen Sie den Namen, verlieren Sie das Vertrauen
• Öffentlich anerkennen - Der Geschäftsbericht erwähnt das Programm und nennt die Experten. Den meisten Senior-Experten ist Vermächtnis in den letzten zwei Jahren wichtiger als Geld
• Opt-out zulassen - Auch nach Einwilligung kann der Experte jederzeit zurückziehen. Das muss real sein, nicht theoretisch
• Mit Trauer rechnen - Manche Experten finden das Projekt emotional schwer. Sie dokumentieren ihre eigene Ersetzbarkeit. Mit dem Framing „Vermächtnis bewahren“ gegensteuern, nicht „Nachfolge sichern“

Geistiges Eigentum

• Während der Beschäftigung erschaffenes Wissen gehört dem Unternehmen - Standard-Arbeitsrecht (Diensterfindergesetz und Diensterfindungs-Prinzipien für Erfindungen und Prozesse, die in der Rolle entwickelt wurden)
• Persönliches IP bleibt beim Experten - Hobbyarbeit, Nebenprojekte, ausdrücklich vom Arbeitsvertrag ausgenommenes
• Grenze dokumentieren - Die Betriebsvereinbarung deckt den Scope ab
• Kundendaten brauchen separate Behandlung - Kundenspezifisches Wissen (Verträge, Beschwerden, Preishistorien) folgt der Datenvereinbarung des Kunden, nicht nur interner Policy

Wie Superkind passt

Superkind baut maßgeschneiderte KI-Agenten für KMU und Konzerne. Für Wissenstransfer heißt das: ein Erfassungs- und Retrieval-System, das auf Ihre konkreten Experten, Ihre bestehenden Systeme und Ihre Betriebsrats-Realität zugeschnitten ist - keine generische SaaS, die jeden Renteneintritt gleich behandelt.

• Process-First-Discovery - Wir sitzen zwei Tage neben dem Senior-Experten und dem Nachfolger, beobachten die echte Arbeit und dokumentieren die Wissenslücken. Die Erfassungsmethodik leitet sich daraus ab, nicht aus einer Vorlage
• Sitzt auf Ihrem Stack - Der Agent verbindet sich mit Ihrem bestehenden E-Mail, Ticketing, Dokumentenarchiv, ERP und CRM. Capture-Artefakte integrieren dort, wo die Arbeit ohnehin passiert. Keine neue Plattform zu lernen
• EU-First-Architektur - LLM-Anbieter in Frankfurt, Dublin oder Paris by default. Anthropic Claude EU, Mistral, Azure OpenAI Deutschland. On-Premise-Open-Source als Option für sensible Branchen. Schrems-II-sauber
• Betriebsrats-tauglich - Wir bringen Betriebsvereinbarungs-Vorlage, DSGVO-Verarbeitungsverzeichnis-Eintrag und Einwilligungs-Flow mit. Keine Rechtsberatung, aber das operative Gerüst, das das Betriebsrats-Gespräch beschleunigt
• Live in 90 Tagen - Erster Experte erfasst, erster Nachfolger fragt ab, erster messbarer Fall, in dem der Agent eine Senior-Eskalation verhindert. Von dort skaliert das Programm Experte für Experte
• Ergebnis statt Lizenz - Pricing gekoppelt an die in der Analysephase vereinbarte operative Metrik. Keine Per-Seat-Gebühren. Keine mehrjährigen Plattform-Verpflichtungen
• Der Experte bleibt die Quelle - Jede erfasste Erkenntnis zitiert ihn namentlich. Das System wird mit Nutzung schärfer, aber der Sozialvertrag mit dem Experten ist in die Architektur eingebaut
• Kontinuierliche Verbesserung - Der Agent wird jede Woche schärfer durch Anfragen und Korrekturen der Nachfolger. Quartalsweise Modell-Refresh hält die zugrunde liegende Fähigkeit aktuell

Entscheidungsrahmen: Wen sollten Sie zuerst erfassen?

Nicht jeder Renteneintritt braucht ein KI-Erfassungsprojekt. Der Rahmen unten wählt die Rolle, in der die demografische Uhr plus die Schwierigkeit des Wissens plus die Kosten eines Misslingens die Investition am schnellsten amortisieren.

Häufige Fragen

Henri Jung

Co-Founder von Superkind. Henri hilft Mittelstand und Konzernen, maßgeschneiderte KI-Agenten zu deployen, die wirklich zu den Arbeitsabläufen ihrer Teams passen. Sein Anliegen: die Lücke zwischen dem, was KI kann, und dem Wert, den sie in echten Unternehmen schafft, zu schließen. Vor Superkind hat er jahrelang mittelständische Unternehmen bei der digitalen Transformation begleitet und aus erster Hand gesehen, warum so viele KI-Projekte scheitern - sie starten mit Technologie statt mit Prozess. Sein Standpunkt: Der Mittelstand hat alles, was er braucht, um in der KI-Welt führend zu sein - er braucht nur den richtigen Ansatz.