Zwei Menschen wissen, wie es wirklich läuft. Beide gehen bald in Rente.
Ein mittelständisches Unternehmen mit technischen Produkten und vielen Sonderfällen. Das entscheidende Wissen steht in keinem System: welcher Kunde anders kalkuliert wird und warum, welcher Lieferant eine Historie hat, die den Ton einer Reklamation verändert, warum es einen scheinbar überflüssigen Prozessschritt gibt. Dieses Wissen lebt in den Köpfen von drei oder vier Menschen, die seit Jahrzehnten da sind.
Zwei von ihnen gehen in den nächsten zwei Jahren in Rente. Mit ihnen geht kein Faktenwissen, sondern Urteilsvermögen: der Blick auf eine ungewöhnliche Anfrage und das sichere Gefühl, dass die hier anders beantwortet werden muss. Aufschreiben wollte man das schon. Der Satz dazu fällt fast überall gleich: Wir haben einmal angefangen, es wurde uferlos. Niemand wusste, wo die Dokumentation aufhören soll, also hörte sie von allein auf.
Im Alltag zeigt sich das als Klumpenrisiko. Jeder Vorgang, der vom Standard abweicht, läuft zur Absicherung über dieselbe Person. Auch die Fälle, die Kolleginnen selbst entscheiden könnten, wenn sie die Begründung kennen würden. In unseren realen Projekten war Wissenssicherung schon mehrfach der eigentliche Auftrag hinter einem Use Case, der als etwas ganz anderes bestellt wurde. Wir fragen deshalb früh nach, wer geht und wann.
Wir fangen bei den echten Vorgängen an, nicht beim leeren Blatt.
Jeder gescheiterte Dokumentationsversuch, den wir gesehen haben, begann mit einer Vorlage und dem Vorsatz, sie zu füllen. Wir fangen am anderen Ende an, bei dem, was das Unternehmen längst produziert hat. Und die Bedingungen der Erfahrenen werden zur Spezifikation: kein Formular, jeder Eintrag trägt ihren Namen als Freigabe, und die Fragen sind kurz und konkret.
- Bestehende Arbeit lesen: Postfächer, abgelegte Fälle, Angebote und Dokumente des Bereichs. Der KI-Mitarbeiter zeigt, welche Situationen wiederkehren und wo immer dieselbe Person entscheidet. Das ist die Prioritätenliste, die vorher niemand hatte.
- Entwürfe mit Quelle vorlegen: Wiederkehrende Entscheidungen werden zu Einträgen aus Frage, Quelle und Antwort. Der Experte prüft einen fertigen Entwurf, statt vor einem leeren Blatt zu sitzen. Diese Umkehrung hält die Beteiligung realistisch.
- Nur die Lücken nachfragen: Wo die Vorgänge das Muster zeigen, aber nicht die Begründung, stellt der KI-Mitarbeiter eine Frage zu genau diesem Fall, per Sprache oder Chat, in wenigen Minuten. Breite Erzähl-mal-alles-Sessions sind ausdrücklich nicht Teil der Methode.
- Erst freigeben, dann nutzen: Nichts kommt ohne Freigabe des Experten in die Wissensbasis. Ist ein Eintrag frei, beantwortet der KI-Mitarbeiter damit Fragen des Teams, immer mit sichtbarer Quelle.
Das Sammeln macht der KI-Mitarbeiter. An zwei Stellen entscheidet der Mensch.
Der KI-Mitarbeiter läuft in eurer Microsoft-365-Umgebung, die bestehenden Berechtigungen bleiben unverändert. Er liest Postfach-Vorgänge, abgelegte Fälle und Dokumente des gewählten Bereichs und macht daraus Einträge: die Frage, die eine Kollegin stellen würde, die Quellfälle dazu und die Antwort. Wo ein Muster sichtbar ist, seine Begründung aber nicht, erzeugt er eine gezielte Interviewfrage zu genau diesem Vorgang.
Urteilsvermögen wird dabei nicht in starre Regeln gepresst. Jeder Eintrag hält fest, wie belastbar er ist: gilt immer, gilt außer bei einer benannten Bedingung, oder Bauchentscheidung mit Begründung. Der Mensch bleibt an genau zwei Stellen in der Schleife. Er priorisiert, welche Lücken eine Nachfrage wert sind, und er gibt jeden Eintrag frei, bevor das Team sich darauf verlässt.
Eine Kundenanfrage zu einem Liefertermin, die der erfahrene Kollege anders beantwortet hat, als die Doku es nahelegt: kürzere Frist zugesagt, Zuschlag erlassen.
Ein Feld ist zur Prüfung markiert: die Freigabe selbst. Ohne sie wird aus dem Entwurf nie eine Antwort, auf die sich das Team verlässt.
Das war vorher, das ist heute.
So lief die Wissenssicherung vorher, und so läuft sie heute mit dem KI-Mitarbeiter. Statt eines Dokumentationsprojekts, das nach ein paar Wochen im Sand verläuft, kostet es den Erfahrensten rund 15 Minuten pro Woche.
| Vorher | Heute | |
|---|---|---|
| Wo das Wissen liegt | In den Köpfen von zwei bis vier Personen | Freigegebene Einträge mit Quelle, für alle durchsuchbar |
| Aufwand für den Experten | Leere Vorlage, uferlos, abgebrochen | Entwürfe korrigieren, rund 15 Minuten pro Woche |
| Sonderfälle | Tauchen erst auf, wenn sie zufällig vorkommen | Aus den Altfällen gehoben, nach Häufigkeit sortiert |
| Einarbeitung des Nachfolgers | Monate Schulterblick-Lernen | Dokumentierte Basis ab Tag 1, Nachfragen mit Quelle |
| Klumpenrisiko | Jeder Sonderfall läuft über eine Person | Das Team entscheidet die Routine, der Experte das wirklich Neue |
* Typisches Szenario, Einsparung konservativ gerechnet: Freigaben und kurze Interviews kosten den Experten rund 15 Minuten pro Woche, vorher waren es Dokumentations-Projekte über mehrere Wochen, die abgebrochen wurden. Für die Übergabe rechnen wir nur mit 3 gesparten Monaten Einarbeitung, obwohl reines Schulterblick-Lernen oft länger dauert. 3 Monate auf einer Stelle, die den Arbeitgeber 55.000 bis 75.000 Euro pro Jahr kostet, sind rund 14.000 bis 19.000 Euro pro Nachfolge.
Wie baut man so einen KI-Mitarbeiter technisch?
Das Wissen aus unserer Projektarbeit zum Mitnehmen, egal ob ihr mit uns baut oder selbst:
Lesen: Wissen aus der Arbeit heben, nicht aus dem Gedächtnis
Sprachmodelle wie Claude von Anthropic oder GPT von OpenAI lesen die Artefakte, die längst existieren: Postfächer in Outlook, abgelegte Fälle, Angebote, Dokumente auf SharePoint. Sie erkennen, welche Situationen wiederkehren und wie tatsächlich entschieden wurde. Diese Reihenfolge ist entscheidend: erst die Artefakte, dann die Fragen. Nur so bekommt das Projekt Grenze und Priorität.
Interviews: kurz, konkret, per Sprache oder Chat
Wo die Vorgänge das Muster zeigen, aber nicht die Begründung, entsteht genau eine Frage zu genau einem Fall. Nicht erzähl mal, wie du deinen Job machst, sondern: Warum hast du diese Anfrage letzten Dienstag anders beantwortet? Diese Frage beantwortet ein Erfahrener in zwei Minuten, per Sprachnachricht oder im Chat. Ein leeres Formular beantwortet er nie.
Wissensbasis: jeder Eintrag mit Quelle
Ein Eintrag besteht aus der Frage, den Quellfällen und der Antwort. Die Quelle ist kein Detail, sondern der Grund, warum das Team der Antwort glaubt. Wer nachschauen will, woher eine Aussage kommt, klickt auf den Altfall und sieht den echten Vorgang.
Konfidenz statt starrem Regelwerk
Ein Regelwerk erzwingt eine falsche Wahl: entweder Firmenregel oder gar nichts. Das meiste wertvolle Wissen ist beides nicht. Deshalb trägt jeder Eintrag seine Belastbarkeit: gilt immer, gilt außer bei einer benannten Bedingung, oder Bauchentscheidung mit Begründung. Erfahrene dokumentieren deutlich mehr, wenn sie schriftlich unsicher sein dürfen. Und der Nachfolger weiß, wann er selbst entscheidet und wann er fragt.
UX: die Oberfläche entscheidet über die Akzeptanz
Der Experte bekommt eine Freigabe-Queue mit fertigen Entwürfen, die er in Minuten durchgeht. Das Team stellt seine Fragen und bekommt die Antwort mit Fundstelle, nicht als Behauptung. Und ein Lücken-Board zeigt, welches Wissen noch an einer einzigen Person hängt. Genau diese drei Ansichten machen aus einem Dokumentationsprojekt eine Routine, die durchhält.
Was kostet das im Vergleich?
Superkind rechnet pro Use Case ab. Der Preis wächst mit dem Umfang des gesicherten Wissens, nicht mit dem Personalbestand. Wichtiger als der Preis ist der Zeitpunkt: Vor einem Renteneintritt braucht ihr 1 bis 2 Jahre Vorlauf, denn Wissenssicherung funktioniert nur, solange der Experte im Job ist und echten Fällen begegnet. Hier die ehrliche Gegenüberstellung:
| Übergabe-Dokument | Wiki/Intranet | Superkind KI-Mitarbeiter | |
|---|---|---|---|
| Kosten | 2 bis 4 Wochen Zeit des Erfahrensten, rund 3.000 bis 6.000 € | 5 bis 12 € pro Nutzer und Monat, dazu laufende Pflegezeit | Preis pro Use Case, ein Bruchteil einer Vollzeitstelle |
| Was ist enthalten | Was der Person beim Schreiben gerade einfällt | Was jemand freiwillig einträgt | Einträge aus echten Altfällen, kurze Interviews, Antworten mit Quelle |
| Skaliert mit | Der Schreibzeit des Experten | Der Pflegedisziplin, an der es meistens scheitert | Dem Umfang des Wissens, ohne neue Stellen |
| Ausnahmen | Fallen raus, wenn sie gerade nicht einfallen | Landen selten im Wiki | Werden aus den Altfällen gehoben und nachgefragt |
| Einführung | Ein Nachmittag Vorlage, dann Monate Verzug | Wochen Struktur-Debatte | 2 bis 3 Wochen bis zur ersten produktiven Version |
Der ehrliche Vergleich ist nicht der gegen null Kosten, sondern der gegen die Kosten des Wissensverlusts. Die Einarbeitung eines Nachfolgers kostet Monate an Produktivität, und das Klumpenrisiko bleibt bestehen bis zu dem Tag, an dem die Person weg ist.
Was wir über das Sichern von Erfahrung gelernt haben.
Das beständigste Muster in unserer Projektarbeit: Wissenssicherung ist oft der eigentliche Auftrag hinter einem Projekt, das als etwas anderes bestellt wurde. Ein Team fragt nach einem Postfach-Assistenten oder einem Angebots-Helfer, und zwei Gespräche später steht der echte Grund im Raum: Eine Person weiß, wie hier entschieden wird, und diese Person geht bald. Die Automatisierung war das Symptom, die Nachfolge der Anlass. Wir fragen das inzwischen früh ab, denn so ein Projekt gehört anders gebaut.
Die zweite Lehre betrifft die Unsicherheit. Dokumentationsprojekte scheitern auch daran, dass sie nur Aussagen akzeptieren, die stark genug für eine Regel sind. Das meiste wertvolle Erfahrungswissen ist schwächer als eine Regel und trotzdem viel besser als nichts. Erfahrene halten gern ein Urteil fest, das sie sich als Richtlinie nie unterschreiben würden. Man muss ihnen nur erlauben, es schriftlich als Bauchentscheidung mit Begründung zu markieren.
Wofür es sich nicht eignet: Wenn euer Prozess wirklich aufgeschrieben und gepflegt ist, bringt das nichts. In Bereichen ohne Wiederholung, etwa bei einmaligen Projekten, gibt es kein Muster zu heben. Und ohne ein paar Stunden zugesagter Zeit des Experten sollte man gar nicht erst starten, sonst entsteht eine ungeprüfte Wissensbasis, und die ist schlechter als keine.
