Meisterwissen trifft künstliche Intelligenz: Deutschlands KI-Zukunft entscheidet sich nicht im Rechenzentrum, sondern in der Werkstatt

KI kann Fehler beschleunigen – wenn Unternehmen das Wissen ihrer Fachkräfte verlieren

Deutschlands entscheidender Vorteil im KI-Zeitalter könnte dort liegen, wo ihn kaum jemand vermutet: nicht in riesigen Rechenzentren oder den neuesten Sprachmodellen, sondern in den Köpfen und Händen erfahrener Fachkräfte. Ihr Wissen steckt in Handgriffen, geschulten Blicken und dem Gespür dafür, wann eine Maschine nicht richtig läuft oder ein Bauteil genauer geprüft werden muss. Es steht selten in einem Handbuch – und lässt sich nicht einfach kopieren.

Doch genau dieses Erfahrungswissen droht verloren zu gehen. Millionen Beschäftigte der geburtenstarken Jahrgänge stehen vor dem Ruhestand, während vielen Betrieben der Nachwuchs fehlt. Gleichzeitig führen Unternehmen KI ein, die Prozesse beschleunigen und Muster erkennen kann, aber ohne das Wissen der Belegschaft womöglich am falschen Problem arbeitet. Deutschlands Chance liegt deshalb nicht darin, im Wettlauf um die größten Modelle unbedingt vorne zu liegen. Sie liegt darin, menschliches Können und künstliche Intelligenz sinnvoll zu verbinden – und Wissen zwischen den Generationen in beide Richtungen weiterzugeben. Die entscheidende Frage ist, ob dem Mittelstand dafür noch genug Zeit bleibt.

China kopiert Maschinen in Monaten. Deutschland verliert sein Erfahrungswissen über Jahre, und das fällt kaum jemandem auf

Wer über den Boom der künstlichen Intelligenz spricht, redet meist über Sichtbares. Es geht um Rechenzentren, Grafikprozessoren, Milliardenbewertungen, Sprachmodelle und Roboterarme, die im Takt von Sekunden Bauteile greifen. All das lässt sich fotografieren, in Präsentationen zeigen und in Bilanzen abbilden. Was ein Unternehmen in Zukunft mit KI wirklich wertvoll macht, liegt aber an einer Stelle, die auf keinem Foto erscheint. Gemeint ist das Erfahrungswissen der Menschen, die seit Jahrzehnten mit Maschinen, Werkstoffen, Kunden und Fehlern arbeiten.

Eine Maschine lässt sich nachbauen. Ein KI-Modell lässt sich entwickeln, trainieren und an die eigenen Bedürfnisse anpassen. Warum ein erfahrener Prüfer bei der Abnahme an einer bestimmten Stelle ein zweites Mal hinschaut, steht dagegen oft in keinem Handbuch. Er hat vielleicht vor fünfzehn Jahren erlebt, wie eine Schweißnaht genau dort nachgab. Vielleicht kennt er den Lieferanten, dessen Toleranzen im Winter anders ausfallen als im Sommer. Vielleicht hört er auch nur am Geräusch eines Antriebs, dass etwas nicht stimmt. Dieses Wissen entscheidet im Ernstfall darüber, ob eine Firma mit KI Geld verdient oder einen teuren Fehler bloß schneller macht.

Daraus ergibt sich eine Wette, die zunächst gegen den Zeitgeist klingt. Gerade im KI-Zeitalter könnte der deutsche Mittelstand einen strukturellen Vorteil haben. Das liegt nicht an der besseren Software oder an den größeren Rechenzentren, denn bei beidem liegen andere vorn. Der Vorteil liegt in einer Institution, die junge Menschen und erfahrene Fachkräfte seit Generationen im Betrieb zusammenbringt. Ob diese Wette aufgeht, hängt allerdings an zwei Fragen. Was weiß eine Generation, das die nächste noch lernen kann? Und wer ist bereit, auch in die andere Richtung zuzuhören?

Die Ökonomie des stillen Wissens

Die Wirtschaftswissenschaft hat für das, was erfahrene Facharbeiter, Meister und Ingenieure mit sich tragen, einen etwas sperrigen Begriff: implizites Wissen. Gemeint ist Können, das sich schwer oder gar nicht in Worte fassen lässt. Die Arbeitsmarktforschung unterscheidet seit Langem zwischen explizitem Wissen, das sich aufschreiben, mitteilen und in Lehrpläne gießen lässt, und dem schweigenden Wissen, das in Handgriffen, Wahrnehmungsmustern und Urteilen steckt. Erfahrungswissen gilt dabei als besonders hoch entwickelte Form des Handlungswissens. Es verbindet beide Ebenen so, dass Menschen Aufgaben auch unter unvollständigen Informationen, Zeitdruck und wechselnden Bedingungen sicher lösen.

Ökonomisch ist dieses Wissen aus drei Gründen bemerkenswert. Erstens lässt es sich kaum handeln. Es gibt keinen Markt, auf dem man das Gespür eines Qualitätsprüfers für kritische Stellen kaufen kann. Man kann allenfalls den Menschen einstellen, der es besitzt, und selbst dann gelingt der Transfer nur, wenn das neue Umfeld ihm erlaubt, sein Können anzuwenden. Zweitens lässt es sich schwer kopieren. Konstruktionszeichnungen lassen sich per Reverse Engineering rekonstruieren, Produktionsanlagen kann man kaufen, Software kann man nachprogrammieren. Das Zusammenspiel aus Prozesskenntnis, Kundenverständnis und Fehlererfahrung, das in einem gewachsenen Betrieb steckt, entzieht sich dieser Logik weitgehend. Drittens verfällt es, wenn es nicht weitergegeben wird. Anders als eine Maschine, die man einlagern kann, verschwindet Erfahrungswissen mit dem Menschen, der den Betrieb verlässt.

Genau in dieser Eigenschaft liegt der Kern der Wettbewerbsfähigkeit vieler deutscher Hidden Champions. Ihre Weltmarktführerschaft beruht selten auf einer einzigen spektakulären Erfindung. Sie beruht auf Tausenden kleiner Verbesserungen, auf Fertigungstoleranzen, die andere nicht zuverlässig erreichen, und auf der Fähigkeit, Kundenprobleme zu lösen, bevor der Kunde sie formulieren kann. Das ist angehäuftes Erfahrungswissen, verteilt über Köpfe, Hände und Abteilungen. In der Bilanz erscheint es nicht. Wer aber einmal erlebt hat, wie ein Betrieb nach dem Abgang zweier Schlüsselpersonen plötzlich Reklamationen produziert, die es vorher nie gab, kennt seinen Wert.

Warum KI auch Fehler beschleunigt

Künstliche Intelligenz ist im Kern ein Verstärker. Sie verarbeitet Daten schneller, erkennt Muster in größeren Mengen und automatisiert Entscheidungen, für die früher Menschen nötig waren. Das ist ihr enormer Nutzen. Es ist aber auch ihr Risiko, denn ein Verstärker unterscheidet nicht zwischen gutem und schlechtem Signal. Ein Modell, das aus unvollständigen oder verzerrten Daten lernt, gibt deren Schwächen nicht nur weiter, es skaliert sie.

Im industriellen Alltag wird das sehr konkret. Ein KI-gestütztes System zur optischen Qualitätsprüfung kann Millionen Bauteile in kurzer Zeit kontrollieren. Wenn aber niemand weiß, auf welche Fehlerbilder es wirklich ankommt, prüft es zuverlässig das Falsche. Ein Sprachmodell kann Angebote, Wartungsanleitungen und Prüfprotokolle in Sekunden formulieren. Kennt es die Fragen nicht, die ein anspruchsvoller Kunde bei der Abnahme stellt, liefert es glatt formulierte Dokumente, die im entscheidenden Moment nicht standhalten. Ein Algorithmus für vorausschauende Wartung kann Sensordaten auswerten. Fehlt ihm aber das Wissen, welche Abweichungen harmlos sind und welche einen Ausfall ankündigen, erzeugt er entweder Fehlalarme oder trügerische Ruhe.

Die eigentliche Wertschöpfung entsteht deshalb nicht im Modell selbst, sondern in der Verbindung von Modell und Fachwissen. Die großen Basismodelle werden zunehmend zur Massenware. Sie sind über Schnittstellen verfügbar, die Preise pro Rechenoperation fallen, und ihre Leistungsunterschiede schrumpfen. Was ein Unternehmen von seinem Wettbewerber unterscheidet, ist die Frage, welches Wissen es in diese Systeme einspeisen kann. Dazu gehört, welche Fehlerkataloge es pflegt, welche Prüfkriterien es formuliert hat, welche Ausnahmen es kennt und welche Kundenanforderungen es versteht. Daten sind dabei nur die halbe Wahrheit. Entscheidend ist das Urteilsvermögen, das bestimmt, welche Daten überhaupt zählen.

Daraus folgt eine unbequeme Einsicht für alle, die KI vor allem als Mittel zur Einsparung erfahrener Arbeitskräfte sehen. Wer die Menschen mit dem tiefsten Prozessverständnis gerade dann verabschiedet, wenn KI-Systeme eingeführt werden, nimmt diesen Systemen ihre wichtigste Quelle. Die Rechnung kann kurzfristig aufgehen, mittelfristig produziert sie teure Blindflüge.

Chinas Generationenbruch als Lehrstück

Wie sehr die Weitergabe von Wissen zwischen Generationen über die wirtschaftliche Entwicklung eines Landes entscheidet, zeigt kaum ein Beispiel so deutlich wie China. Während der Kulturrevolution kam der Hochschulbetrieb praktisch zum Erliegen. Zwischen 1966 und 1969 nahmen die Universitäten keine neuen Studierenden auf. Von 1970 bis 1976 wurden nur Bewerber zugelassen, die als politisch zuverlässig galten. Erst im Herbst 1977 wurde die landesweite Hochschulaufnahmeprüfung, der Gaokao, nach elf Jahren Unterbrechung wieder eingeführt. Der berühmte Winter-Gaokao jenes Jahres wurde für eine ganze Generation zum Wendepunkt.

Die Folgen dieses Bruchs waren gewaltig. Eine Generation verlor Jahre an Ausbildung, Lehrende wurden verfolgt, Wissen wurde entwertet und in vielen Bereichen nicht weitergegeben. Umso erstaunlicher ist, was danach geschah. Die folgende Generation baute in wenigen Jahrzehnten eine Industriewirtschaft auf, deren Tempo in der Wirtschaftsgeschichte kaum Parallelen hat. Wer in den vergangenen zwei Jahrzehnten chinesische Industriestandorte besucht hat, konnte beobachten, wie aus Feldern Industrieparks wurden und aus Zulieferern Weltmarktführer. Heute ist China die größte Industrienation der Welt. Bei der Roboterdichte in der Fertigung hat das Land Deutschland überholt: Mit rund 470 Industrierobotern je 10.000 Beschäftigten lag es zuletzt vor der Bundesrepublik, und in chinesischen Fabriken arbeiten inzwischen weit über 1,7 Millionen Industrieroboter.

Und nun entwickelt eine junge chinesische Generation künstliche Intelligenz, und das mit beachtlichem Erfolg. Chinesische Sprachmodelle haben in kurzer Zeit zur Weltspitze aufgeschlossen, oft mit deutlich geringerem Ressourceneinsatz als die amerikanische Konkurrenz. In einem einzigen Land treffen damit drei Generationen mit sehr unterschiedlichen Prägungen aufeinander: eine, die den Bruch erlebt hat, eine, die die Industrialisierung gestemmt hat, und eine, die digitale Technologien wie selbstverständlich beherrscht.

Darin liegt eine Lehre, die über China hinausreicht. Drei Generationen im selben Land zu haben, ist eine demografische Tatsache. Ihr Wissen in einem einzelnen Betrieb zusammenzubringen, ist eine organisatorische Leistung, und zwar die deutlich schwierigere. Das Erfahrungswissen der Industrialisierungsgeneration und die digitale Kompetenz der Jungen fließen nicht automatisch zusammen. Sie müssen in konkreten Arbeitsbeziehungen verbunden werden, an der Maschine, in der Prüfung, im Kundengespräch.

Wenn Tempo das Lernen verdrängt

Wie konkret diese Herausforderung ist, zeigt ein Beispiel aus der Provinz Shandong. Ein großer Hersteller von Fahrzeug- und Landmaschinen in der Hafenstadt Rizhao, ein Unternehmen mit rund 10.000 Beschäftigten, betreibt ein eigenes Lehrlingsprogramm. Dessen Leiterin schilderte der Internationalen Arbeitsorganisation ein Problem, das viele Industrieunternehmen kennen. Die hohe Arbeitsintensität im laufenden Betrieb ließ kaum Zeit, Lehrlinge systematisch auszubilden. Die Produktion hatte Vorrang, und das Lernen wurde zur Restgröße.

Diese Beobachtung trifft einen wunden Punkt. Ausgerechnet das Tempo, das einen Betrieb stark macht, kann ihm die Zeit nehmen, sein Können weiterzugeben. In einer Wachstumsphase, in der jede Maschinenstunde zählt und Lieferfristen knapp sind, erscheint die Stunde, die ein erfahrener Facharbeiter mit einem Lehrling verbringt, als Kostenfaktor. Ihr Nutzen zeigt sich erst Jahre später, wenn der Lehrling selbst Probleme löst, Fehler vermeidet und andere anleitet. Ökonomisch gesprochen ist Ausbildung eine Investition mit langem Zeithorizont und unsicherer Rendite, weil der ausgebildete Mitarbeiter den Betrieb jederzeit verlassen kann. Märkte, die stark auf kurzfristige Leistung ausgerichtet sind, investieren deshalb systematisch zu wenig in diese Form von Humankapital.

China hat das Problem erkannt. Seit einigen Jahren treibt die Regierung den Aufbau eines modernen Lehrlingssystems voran, das betriebliche Praxis und schulische Ausbildung stärker verzahnen soll, ausdrücklich auch mit Blick auf Erfahrungen aus Europa. Mit internationaler Unterstützung wurden Pilotunternehmen gewonnen, Ausbildungsstandards entwickelt und Ausbildungsphasen strukturiert. Doch ein solches System lässt sich nicht per Dekret in wenigen Jahren erschaffen. Es braucht Betriebe, die Ausbildung als Teil ihres Selbstverständnisses begreifen, Ausbilder mit pädagogischer und fachlicher Qualifikation, anerkannte Abschlüsse und ein gesellschaftliches Ansehen beruflicher Bildung, das mit dem akademischen Weg mithalten kann. In einer Gesellschaft, in der der Gaokao und der Weg an die Universität seit Jahrzehnten als Königsweg gelten, ist das ein Kulturwandel.

Xpert.Digital ist ein von Konrad Wolfenstein geführter, datengetriebener B2B-Industry-Hub. Das Unternehmen agiert als externe Quasi-Inhouse-Lösung für Industriepartner und schließt operative Lücken in Marketing, Content und Vertrieb – ohne zusätzlichen Ressourcenaufbau auf Kundenseite.

Mehr dazu hier:

• Die Quasi-Inhouse-Lösung: Wie Xpert.Digital operative Lücken in B2B-Marketing und Vertrieb schließt – Smart Content-Driven Business

Die deutsche Rechnung: Demografie trifft Digitalisierung

Wer daraus ableitet, Deutschland könne sich entspannt zurücklehnen, irrt allerdings gründlich. Das deutsche Modell hat einen Vorsprung, aber es steht unter einem Druck, der in seiner Größenordnung oft unterschätzt wird.

Bis 2036 erreichen nach Berechnungen des Instituts der deutschen Wirtschaft fast 19,5 Millionen Erwerbspersonen aus den geburtenstarken Jahrgängen das Rentenalter. Gleichzeitig rücken deutlich weniger junge Menschen nach. Unter dem Strich droht eine Lücke von rund 4,3 Millionen Arbeitskräften. Das ist mehr als eine statistische Größe. Es bedeutet, dass in den kommenden zehn Jahren ein erheblicher Teil des in deutschen Betrieben angesammelten Erfahrungswissens in den Ruhestand geht. Gerade die Babyboomer stellen in vielen technischen Berufen, im Qualitätswesen, in der Instandhaltung und im Vertrieb erklärungsbedürftiger Investitionsgüter die erfahrensten Kräfte.

Noch zugespitzter ist die Lage an der Unternehmensspitze. Mehr als ein Drittel der mittelständischen Inhaberinnen und Inhaber ist inzwischen über 60 Jahre alt, ein weiteres gutes Fünftel ist zwischen 55 und 59. Das Durchschnittsalter liegt bei über 54 Jahren. Bis Ende 2029 wollen jedes Jahr rund 109.000 Inhaber kleiner und mittlerer Unternehmen ihren Betrieb in neue Hände übergeben. Zugleich planen Hunderttausende Unternehmer, ihren Betrieb mangels Nachfolge stillzulegen, statt ihn zu übergeben. Mit jedem Betrieb, der schließt, verschwinden nicht nur Arbeitsplätze und Umsätze, sondern auch Wissen über Kunden, Verfahren und Nischenmärkte, das sich nie wieder vollständig rekonstruieren lässt.

Auch das Fundament, auf dem der deutsche Vorteil ruht, bröckelt. Die Zahl der neu abgeschlossenen dualen Ausbildungsverträge sank 2025 auf knapp 476.000. Das sind gut 10.000 weniger als im Vorjahr, ein Rückgang von 2,1 Prozent, getragen vor allem durch weniger betriebliche Verträge. Gleichzeitig bleiben viele Ausbildungsplätze unbesetzt, während manche Jugendliche keinen passenden Platz finden. Die Passungsprobleme zwischen Angebot und Nachfrage sind ein Dauerthema der Berufsbildungspolitik.

Bei der Nutzung künstlicher Intelligenz ergibt sich ein ähnlich zwiespältiges Bild. Gut ein Viertel der deutschen Unternehmen mit mindestens zehn Beschäftigten setzte 2025 KI-Technologien ein, nach einem Fünftel im Jahr zuvor. Die Dynamik ist beachtlich. Doch der Abstand zwischen Groß und Klein ist erheblich. Von den Unternehmen mit mindestens 250 Beschäftigten nutzt mehr als die Hälfte KI, bei Betrieben mit zehn bis 49 Beschäftigten ist es nicht einmal ein Viertel. Gerade dort, wo das Erfahrungswissen besonders dicht und besonders gefährdet ist, nämlich in kleinen und mittleren Industriebetrieben, kommt KI bislang am langsamsten an.

Die deutsche Gleichung lautet also: hoher Bestand an Erfahrungswissen, schnell schrumpfende Zahl seiner Träger, rückläufige Nachwuchszahlen und zögerliche Digitalisierung im Mittelstand. Daraus kann ein Wettbewerbsvorteil werden, aber nur, wenn es gelingt, das vorhandene Wissen in einem überschaubaren Zeitfenster zu sichern, weiterzugeben und mit neuen Werkzeugen nutzbar zu machen.

Drei Generationen an einem Tisch

Wie das im Kleinen aussehen kann, zeigt ein Gespräch, wie es in einem mittelständischen Umfeld stattgefunden hat. Am Tisch saßen drei Menschen aus drei Generationen. Der Älteste, Dirk, ist 67 Jahre alt. Er bringt die Fragen mit, die später ein Kunde stellt, die Einwände bei der Abnahme, die kritischen Nachfragen zur Haltbarkeit, die Erfahrung, an welchen Stellen Projekte typischerweise scheitern. In der Mitte sitzt ein 45-Jähriger mit Hintergrund im Maschinenbau und im Qualitätsmanagement, also jemand, der Prozesse, Normen und Prüflogiken kennt. Der Jüngste, Maxi, ist 16 Jahre alt. Er hat die KI des Unternehmens gebaut.

Diese Konstellation stellt eine unausgesprochene Ordnung infrage, die in vielen Betrieben bis heute gilt. Hätte man nach Dienstjahren entschieden, wer wem etwas erklären darf, wäre ausgerechnet der Entwickler der KI als Letzter an die Reihe gekommen. In klassischen Hierarchien fließt Wissen von oben nach unten, vom Erfahrenen zum Neuling, vom Meister zum Lehrling. In einer Welt, in der sich digitale Werkzeuge schneller entwickeln, als Ausbildungsordnungen angepasst werden können, reicht diese Einbahnstraße nicht mehr.

Der eigentliche Wert dieses Dreiecks liegt darin, dass jeder etwas hat, was den anderen fehlt. Der Erfahrene weiß, welche Fragen wichtig sind, kann sie aber womöglich nicht in ein System übersetzen. Der Junge kann Systeme bauen, weiß aber nicht, welche Fragen sie beantworten müssen. Die mittlere Generation übersetzt zwischen beiden Welten und strukturiert Wissen in Prozesse, Kriterien und Prüfschritte. Erst im Zusammenspiel entsteht eine KI-Anwendung, die nicht nur technisch funktioniert, sondern auch den Fragen eines anspruchsvollen Kunden standhält.

Die Personalforschung nennt den Gegenstrom, in dem Jüngere Ältere an neue Technologien heranführen, umgekehrtes Mentoring. Im KI-Zeitalter wird daraus mehr als ein Personalentwicklungsinstrument. Es wird zur Voraussetzung dafür, dass Erfahrungswissen überhaupt in digitale Systeme gelangt. Das verlangt von Älteren die Bereitschaft, einem Sechzehnjährigen zuzuhören. Es verlangt von Jüngeren, die Frage eines 67-Jährigen nicht als Technikfremdheit abzutun, sondern als Hinweis auf ein Problem, das ihr System noch nicht gelöst hat. Beides ist anspruchsvoller, als es klingt, weil es an Status, Selbstbild und eingeübte Rollen rührt.

Die duale Ausbildung als unterschätzte KI-Infrastruktur

Hier kommt die Stärke ins Spiel, auf der die Wette auf den deutschen Mittelstand beruht. Deutschland verfügt mit der dualen Berufsausbildung über eine Institution, die genau das leistet, woran viele andere Volkswirtschaften scheitern: Sie bringt junge Menschen und erfahrene Fachkräfte systematisch, über Jahre und mit klaren Regeln im Betrieb zusammen. Der Lehrling lernt nicht nur in der Berufsschule, sondern an der realen Maschine, im realen Kundenauftrag, unter Anleitung von Menschen, die ihr Handwerk seit Jahrzehnten beherrschen. Das System ist über Kammern, Ausbildungsordnungen und Prüfungen abgesichert und genießt bei aller Kritik eine gesellschaftliche Anerkennung, um die andere Länder Deutschland beneiden.

Bislang wurde die duale Ausbildung vor allem als Instrument der Fachkräftesicherung und der Integration junger Menschen in den Arbeitsmarkt betrachtet. Im KI-Zeitalter bekommt sie eine zusätzliche, bisher kaum beachtete Funktion. Sie ist eine Infrastruktur für den Wissenstransfer zwischen den Generationen, und zwar in beide Richtungen. Der Meister kann dem Lehrling zeigen, woran er einen Fehler erkennt. Der Lehrling kann dem Meister zeigen, wie dieses Wissen morgen der ganzen Werkstatt hilft, weil er weiß, wie man es in einer Wissensdatenbank strukturiert, in einen KI-Assistenten einspeist oder in ein digitales Prüfprotokoll übersetzt.

Diese Doppelrichtung macht das Modell potenziell zu einer Chance für ganz Europa. Der Kontinent wird beim Wettlauf um die größten Sprachmodelle und die gewaltigsten Rechenzentren absehbar weder die Vereinigten Staaten noch China übertreffen. Er kann aber dort Stärke entwickeln, wo KI auf industrielle Praxis trifft: in der Fertigung, der Qualitätssicherung, der Instandhaltung, der Logistik und im Anlagenbau. In diesen Feldern ist das Erfahrungswissen der Belegschaft der entscheidende Rohstoff, und Europa, allen voran der deutschsprachige Raum mit seiner Tradition beruflicher Bildung, verfügt über ihn in großer Dichte.

Damit dieses Potenzial gehoben wird, muss sich die duale Ausbildung allerdings weiterentwickeln. Ausbildungsordnungen, die digitale Kompetenzen nur als Randthema behandeln, werden der Realität nicht gerecht. Ausbilder brauchen selbst Zugang zu KI-Werkzeugen und die Freiheit, sie im Ausbildungsalltag einzusetzen. Betriebe müssen Lehrlingen Räume geben, in denen sie eigene digitale Lösungen entwickeln und erproben können, statt sie ausschließlich in vorgegebene Abläufe einzupassen. Und die Rolle des Lehrlings muss sich vom reinen Empfänger zum Mitgestalter wandeln. Das europäische KI-Recht verpflichtet Unternehmen inzwischen ohnehin, für ausreichende KI-Kompetenz ihrer Beschäftigten zu sorgen. Die duale Ausbildung wäre ein naheliegender Ort, an dem diese Pflicht nicht als bürokratische Last, sondern als Investition erfüllt wird.

Vom Meisterwissen zum Werkstattgedächtnis

Wie lässt sich der Gedanke in betriebliche Praxis übersetzen? Erfahrungsgemäß scheitern viele Wissensmanagementprojekte daran, dass sie zu abstrakt beginnen. Man kauft eine Software, richtet ein Wiki ein und hofft, dass die erfahrenen Mitarbeiter ihr Wissen eintragen. Das geschieht selten, weil implizites Wissen sich gerade nicht auf Knopfdruck in Texte verwandeln lässt und weil die Betroffenen im Tagesgeschäft keine Zeit dafür haben. Erfolgversprechender ist ein Vorgehen, das am konkreten Arbeitsgegenstand ansetzt.

Ein erster Schritt besteht darin, die Wissensinseln im Betrieb zu identifizieren. Welche Mitarbeiter verfügen über Wissen, das niemand sonst hat? Welche davon gehen in den nächsten fünf Jahren in Rente? An welchen Prozessschritten entstehen die teuersten Fehler, und wer weiß, wie man sie vermeidet? Eine solche Risikoanalyse des Wissensbestands ist für die meisten Mittelständler neu, obwohl sie für die Zukunftsfähigkeit ähnlich wichtig ist wie eine Bewertung der Maschinen oder der Finanzlage.

Ein zweiter Schritt ist die Bildung generationsübergreifender Tandems oder Trios mit klarem Auftrag. Statt allgemein Wissen weiterzugeben, arbeiten ein erfahrener Fachmann und ein junger, digital versierter Kollege gemeinsam an einem konkreten Problem. Sie bauen etwa einen KI-Assistenten für die Fehlerdiagnose an einer bestimmten Anlage, einen Fragenkatalog für die Kundenabnahme oder ein digitales Prüfprotokoll, das typische Fehlerbilder mit Fotos und Erläuterungen dokumentiert. Das Wissen wird dabei nicht abstrakt abgefragt, sondern im Dialog sichtbar gemacht. Der Erfahrene erklärt, warum er an einer Stelle zweimal hinschaut, und der Jüngere fragt so lange nach, bis daraus eine nachvollziehbare Regel wird.

Moderne KI-Werkzeuge erleichtern genau diesen Prozess erheblich. Gesprächsaufzeichnungen lassen sich automatisch transkribieren und strukturieren. Fotos und Videos von Arbeitsabläufen können mit Erläuterungen verknüpft werden. Sprachmodelle können auf betriebliche Dokumente, Reklamationsberichte und Prüfprotokolle zugreifen und Mitarbeitern in natürlicher Sprache Antwort geben. So entsteht nach und nach ein Werkstattgedächtnis, das nicht in einem Ordner verstaubt, sondern im Arbeitsalltag abrufbar ist. Der Nachwuchs fragt den digitalen Assistenten, der sein Wissen von den Erfahrenen hat, und die Erfahrenen sehen, dass ihr Können über ihren Ruhestand hinaus wirkt.

Ein dritter Schritt betrifft Anreize und Anerkennung. Wissensweitergabe kostet Zeit, und diese Zeit muss eingeplant und gewürdigt werden. Betriebe, die ihre erfahrensten Kräfte ausschließlich an der Produktionsleistung messen, werden kaum erreichen, dass diese ihr Wissen teilen. Die Erfahrung aus Shandong gilt hier ebenso wie in Schwaben. Wo das Tempo des Tagesgeschäfts alles andere verdrängt, findet kein Transfer statt. Sinnvoll sind feste Zeitkontingente für Wissenstransfer, eine sichtbare Wertschätzung der Mentorenrolle und flexible Modelle für den Übergang in den Ruhestand, etwa Teilzeit oder beratende Tätigkeiten nach dem Renteneintritt. Gerade für den Mittelstand, der seine erfahrenen Kräfte oft persönlich kennt, liegen hier niedrigschwellige Möglichkeiten.

Ein vierter Schritt ist die Qualitätssicherung des gesicherten Wissens. Nicht alles, was ein erfahrener Mitarbeiter für richtig hält, ist es auch. Manche Faustregel stammt aus Zeiten, in denen andere Werkstoffe, Maschinen oder Normen galten. Ein Werkstattgedächtnis muss deshalb gepflegt, überprüft und aktualisiert werden. Auch hier kann die Zusammenarbeit der Generationen helfen. Die Jüngeren hinterfragen Gewohnheiten, die Älteren erklären, woher sie kommen, und gemeinsam entscheidet man, was bleibt.

Die Grenzen der These

Eine ehrliche Analyse muss auch die Schwächen dieser Wette benennen. Erstens ist der deutsche Vorsprung beim Erfahrungswissen kein Naturgesetz. China hat in wenigen Jahrzehnten eine gewaltige industrielle Erfahrungsbasis aufgebaut. Die Generation, die die Industrialisierung gestemmt hat, verfügt selbst über enormes Prozesswissen, und es ist nicht ausgemacht, dass dieses Wissen schlechter weitergegeben wird als das deutsche. Hinzu kommt, dass chinesische Unternehmen gezielt erfahrene Ingenieure aus Europa anwerben und dass Übernahmen europäischer Mittelständler über Jahre auch dem Wissenserwerb dienten. Implizites Wissen ist schwer zu kopieren, aber durchaus abwerbbar.

Zweitens unterschätzt eine Erzählung, die vor allem auf Erfahrungswissen setzt, möglicherweise die Geschwindigkeit, mit der Maschinen lernen. Moderne KI-Systeme erlernen aus großen Datenmengen Muster, die kein Mensch je bewusst formuliert hat. In manchen Bereichen der Bildverarbeitung, der Prozessoptimierung oder der Materialforschung übertreffen sie erfahrene Fachleute bereits. Wer über Millionen Sensordaten und eine hohe Automatisierungsdichte verfügt, wie sie in chinesischen Fabriken zunehmend Standard ist, kann manches Erfahrungswissen durch Datenmengen ersetzen. Die These vom unersetzlichen Meisterwissen gilt daher nicht überall gleich stark. Sie ist dort am stärksten, wo Stückzahlen klein, Varianten zahlreich und Kundenanforderungen individuell sind, also gerade im Sondermaschinenbau, im Anlagenbau und in vielen Nischen des Mittelstands.

Drittens hat Deutschland Probleme, die kein noch so gutes Ausbildungssystem ausgleicht. Hohe Energiepreise, langwierige Genehmigungsverfahren, eine schwache Investitionsdynamik, eine zögerliche Digitalisierung der Verwaltung und eine im internationalen Vergleich langsame Einführung digitaler Technologien in kleinen Betrieben belasten die Wettbewerbsfähigkeit. Die sinkende Zahl der Ausbildungsverträge zeigt, dass auch das duale System selbst unter Druck steht. Ein Vorteil, der nicht genutzt wird, ist keiner.

Viertens besteht die Gefahr der Selbstzufriedenheit. Die Erzählung vom unsichtbaren Erfahrungswissen kann zur bequemen Ausrede werden, notwendige Veränderungen aufzuschieben. Wer sich auf das Können seiner Belegschaft verlässt, ohne es zu sichern, zu digitalisieren und weiterzuentwickeln, verwandelt seinen größten Vorteil in sein größtes Risiko. Denn Erfahrungswissen, das mit dem Renteneintritt verschwindet, ist unwiederbringlich verloren.

Die Kopie oder das Können: Was geht schneller verloren?

Trotz dieser Einwände bleibt die Grundthese tragfähig, und zwar gerade deshalb, weil sie eine klare Handlungsanweisung enthält. Der Wettbewerb im KI-Zeitalter wird nicht allein über Rechenleistung und Modellgröße entschieden. Er wird zu einem erheblichen Teil darüber entschieden, welche Unternehmen und Volkswirtschaften es schaffen, menschliches Erfahrungswissen mit maschineller Intelligenz zu verbinden. Die besten Modelle werden für alle verfügbar sein. Das beste Fachwissen bleibt knapp.

In diesem Wettbewerb hat Deutschland eine echte Ausgangsposition. Es besitzt eine dichte Landschaft spezialisierter Mittelständler mit tiefem Prozesswissen, ein bewährtes System, das Generationen im Betrieb zusammenbringt, und eine Tradition, berufliches Können gesellschaftlich wertzuschätzen. Gleichzeitig läuft die Uhr. In den kommenden zehn Jahren gehen Millionen erfahrener Fachkräfte in den Ruhestand, Zehntausende Unternehmen suchen jedes Jahr eine Nachfolge, und die Zahl der Ausbildungsverträge sinkt. Das Zeitfenster, in dem sich das vorhandene Wissen noch sichern und mit neuen Werkzeugen verbinden lässt, ist begrenzt.

Daraus ergibt sich die eigentliche strategische Frage für den Standort. China kann eine Maschine kopieren, und das in einer Geschwindigkeit, die europäische Hersteller immer wieder überrascht. Deutschland kann dagegen sein Erfahrungswissen verlieren, leise, Jahr für Jahr, mit jedem Abschied in den Ruhestand, der nicht von einer geordneten Übergabe begleitet wird. Beides ist eine Bedrohung. Die zweite ist gefährlicher, weil sie keine Schlagzeilen macht und weil sie sich nicht rückgängig machen lässt. Eine kopierte Maschine kann man durch eine bessere übertreffen. Verlorenes Können lässt sich nur mühsam und unvollständig neu aufbauen.

Die gute Nachricht ist, dass die Lösung nicht in Milliardenprogrammen oder Großprojekten liegen muss. Sie beginnt an einem Tisch, an dem ein 67-Jähriger, ein 45-Jähriger und ein 16-Jähriger miteinander reden. Jeder bringt ein, was er kann, und jeder hört dem anderen zu, unabhängig davon, wer am längsten im Betrieb ist. Wenn diese Gespräche in Zehntausenden Betrieben stattfinden, systematisch unterstützt von einer modernisierten dualen Ausbildung und von KI-Werkzeugen, die Wissen sichtbar und abrufbar machen, dann wird aus dem unsichtbaren Kapital des Mittelstands ein Wettbewerbsvorteil, den keine Fabrik der Welt einfach nachbauen kann.

Die Wette auf Deutschland ist deshalb keine Wette auf Nostalgie, auf die gute alte Werkstatt oder auf die Überlegenheit vergangener Tugenden. Sie setzt darauf, dass die Generationen bereit sind, voneinander zu lernen, und zwar in beide Richtungen. Wer das gewinnen will, muss heute damit anfangen, solange die Menschen, deren Wissen auf dem Spiel steht, noch im Betrieb sind.

Im industriellen B2B entstehen tragfähige Geschäftsbeziehungen selten über Nacht. Sie entwickeln sich Schritt für Schritt – über Sichtbarkeit, fachliche Relevanz, wiederkehrende Berührungspunkte und wachsendes Vertrauen. Das 4-Stufen-Modell von Xpert.Digital setzt genau hier an: Es bietet einen strukturierten Weg, der mit einem überschaubaren Einstieg beginnt und sich bei Bedarf zu einer vertieften Zusammenarbeit im Business Development entwickeln kann.

Statt auf laute Marketingversprechen zu setzen, rückt dieses Modell die Beziehung in den Mittelpunkt. Unternehmen steigen mit klar umrissenen, gut kalkulierbaren Maßnahmen ein und entscheiden dann auf Basis eigener Erfahrung, wie weit sie die Zusammenarbeit ausbauen möchten. Ein wesentlicher Faktor für diesen ungestörten Vertrauensaufbau: Die Plattform verzichtet komplett auf nervige Werbe-Ads, sodass der redaktionelle Fokus allein auf der Expertise der Unternehmen liegt.

Mehr dazu hier:

• Von Sichtbarkeit zu Vertrauen: Ihr skalierbarer Weg mit Xpert.Digital

☑️ Unsere Geschäftssprache ist Englisch oder Deutsch

☑️ NEU: Schriftverkehr in Ihrer Landessprache!

 

Gerne stehe ich Ihnen und mein Team als persönlicher Berater zur Verfügung.

Sie können mit mir Kontakt aufnehmen, indem Sie hier das Kontaktformular ausfüllen oder rufen Sie mich einfach unter +49 7348 4088 965 an. Meine E-Mail Adresse lautet: wolfenstein∂xpert.digital

Ich freue mich auf unser gemeinsames Projekt.

 

 

☑️ KMU Support in der Strategie, Beratung, Planung und Umsetzung

☑️ Erstellung oder Neuausrichtung der Digitalstrategie und Digitalisierung

☑️ Ausbau und Optimierung der internationalen Vertriebsprozesse

☑️ Globale & Digitale B2B-Handelsplattformen

☑️ Pioneer Business Development / Marketing / PR / Messen