KI gegen Fachkräftemangel: Wissen im Mittelstand sichern, bevor es in Rente geht

In den nächsten Jahren verlässt die Babyboomer-Generation die Werkhallen und Büros des deutschen Mittelstands. Was dabei verloren geht, sind nicht nur Hände — es ist Erfahrungswissen. Das Wissen, warum man eine bestimmte Legierung anders behandelt, welcher Kunde welche Sonderlocke braucht, wo die Tücken einer dreißig Jahre alten Anlage liegen. Dieses Wissen steht in keinem Handbuch. Es steckt in Köpfen.

Die meisten Unternehmen begegnen dem Fachkräftemangel mit Recruiting — verständlich, aber es adressiert nur die eine Hälfte. Die andere Hälfte ist die Frage: Wie halten wir das Wissen im Haus, das gerade in Rente geht? Und wie sorgen wir dafür, dass die wenigen Fachkräfte, die wir haben, ihre Zeit nicht mit Routine verbringen? Bei beidem ist KI heute ein echter Hebel.

Der eigentliche Verlust ist das implizite Wissen

Wenn ein erfahrener Konstrukteur oder Meister geht, verliert ein Betrieb selten dokumentiertes Wissen — das ließe sich nachlesen. Verloren geht das implizite Wissen: die Faustregeln, die Ausnahmen, die „das haben wir damals so gelöst"-Geschichten. Genau dieses Wissen entscheidet im Alltag über Qualität, Tempo und Fehlerquote.

Das Problem war bisher: Implizites Wissen zu dokumentieren ist mühsam und wird im Tagesgeschäft nie zur Priorität. Genau hier verändert KI die Gleichung. Sie macht das Festhalten und vor allem das Wiederfinden von Wissen so einfach, dass es endlich passiert.

Hebel 1: Erfahrungswissen in ein durchsuchbares System verwandeln

Moderne KI kann aus den verstreuten Spuren, die ein Betrieb ohnehin hinterlässt, eine lebendige Wissensbasis bauen: aus Konstruktionsrichtlinien, alten Projektordnern, E-Mail-Verläufen, Servicefällen, Protokollen — und aus strukturierten Interviews mit den erfahrenen Kollegen, solange sie noch da sind.

Das Ergebnis ist kein totes Wiki, das niemand pflegt, sondern ein System, das man in normaler Sprache befragen kann: „Wie sind wir bei Kunde X mit der Toleranzabweichung umgegangen?" oder „Welche Einstellungen haben bei diesem Werkstoff in der Vergangenheit funktioniert?" Der neue Mitarbeiter bekommt in dreißig Sekunden eine Antwort, für die er früher den Kollegen drei Türen weiter gebraucht hätte — der inzwischen vielleicht nicht mehr da ist.

Wissensmanagement ist jahrzehntelang an der Pflege gescheitert. KI dreht das um: Man muss nicht mehr alles ordentlich ablegen, man muss es nur noch finden können.

Hebel 2: Knappe Fachkräfte von Routine befreien

Die zweite Wahrheit über den Fachkräftemangel: Ihre teuersten, knappsten Köpfe verbringen einen erschreckenden Anteil ihrer Zeit mit Arbeit, für die sie überqualifiziert sind. Angebote zusammensuchen, Standardmails beantworten, Daten von einem System ins andere übertragen, Dokumente formatieren.

Jede Stunde, die KI hier übernimmt, ist eine Stunde, in der ein knapper Spezialist das tut, wofür ihn niemand ersetzen kann. Das ist kein Stellenabbau — im Gegenteil. Es ist die einzige realistische Antwort auf eine Belegschaft, die nicht mitwächst: Aus den Menschen, die man hat, mehr von dem herausholen, was nur sie können.

Wie das konkret aussieht

• Einarbeitung: Neue Mitarbeiter fragen die Wissensbasis statt den Kollegen — die Einarbeitungszeit sinkt spürbar, und die erfahrenen Kollegen werden nicht ständig unterbrochen.
• Service & Support: Auch jüngere Techniker lösen knifflige Fälle, weil das gesammelte Erfahrungswissen abrufbar ist statt an einzelne Personen gebunden.
• Vertrieb & Angebot: Routinemäßige Angebots- und Klärungsarbeit übernimmt die KI im Entwurf, der Fachmann prüft — er schreibt nicht mehr jedes Angebot von Hand.

Die ehrliche Einschränkung

Eine KI-Wissensbasis ist nur so gut wie das, was hineinfließt — und wie gut es gepflegt wird. „Garbage in, garbage out" gilt hier doppelt. Es braucht eine bewusste Kuratierung: Welche Quellen sind verlässlich, was ist veraltet, wer verantwortet die Inhalte? Wer glaubt, man kippe einfach alle Ordner hinein und habe dann ein Orakel, wird enttäuscht. Der Aufwand ist beherrschbar — aber er ist nicht null.

Und: Das Sichern von Erfahrungswissen ist ein Wettlauf mit der Zeit. Mit jedem Renteneintritt, der ohne Wissenstransfer vorbeigeht, ist ein Stück unwiederbringlich weg. Das macht es zu einem der wenigen KI-Themen, bei denen später anfangen tatsächlich teurer ist.

Wo man anfängt

Nicht mit „dem ganzen Unternehmenswissen". Sondern mit dem einen Bereich, in dem der Wissensverlust am konkretesten droht — die Abteilung, in der der nächste erfahrene Kopf in zwölf Monaten geht. Dort eine erste Wissensbasis aufbauen, an einem echten Fall beweisen, dass sie hilft, und dann ausweiten. Genau dieser fokussierte Einstieg ist die Idee hinter dem KI-Sherpa-Ansatz: an einem Punkt anfangen, der zählt, und das Können im Haus aufbauen, statt eine Abhängigkeit zu schaffen.