Digitaler Zwilling: Erfahrungswissen mit KI bewahren

Ein Anlagenmechaniker hört am Laufgeräusch, welches Lager in den nächsten Wochen ausfällt. Aufgeschrieben hat er das nie, die Erfahrung steckt nach 30 Jahren einfach in ihm. Geht er in Rente, lässt sich seine Stelle neu besetzen. Sein Gespür für die Maschine lässt sich nicht mit übergeben, und so verschwindet Wissen, das in keinem Handbuch steht.

Solche Schlüsselkräfte verlassen die Betriebe gerade in großer Zahl. Von rund 35 Millionen sozialversicherungspflichtig Beschäftigten in Deutschland sind über 8 Millionen mindestens 55 Jahre alt und gehen in den nächsten 10 bis 12 Jahren in den Ruhestand. So hoch war der Anteil an Altersabgängen noch nie in der Geschichte der Bundesrepublik (Institut für Arbeitsmarkt- und Berufsforschung, 2025). Das Fraunhofer-Institut für Fabrikbetrieb und -automatisierung rechnet damit, dass in den nächsten 10 bis 15 Jahren ein Viertel der Belegschaft das Rentenalter erreicht. Unternehmen suchen deshalb nach Wegen, dieses Erfahrungswissen zu sichern, bevor es mit den Menschen geht. Einer davon ist ein digitaler Zwilling des Wissens, ein befragbares Abbild dessen, was eine erfahrene Fachkraft im Kopf hat.

8 Mio.

Beschäftigte über 55 gehen in den nächsten 10 bis 12 Jahren in den Ruhestand

41 %

der Organisationen erfassen das Wissen Ausscheidender selten oder nie

~30 %

der Anfragen kann ein Wissens-Zwilling heute eigenständig beantworten

Warum Übergaben das Problem nicht lösen

Eine ordentliche Übergabe deckt ab, was sich aufschreiben lässt. Zugänge, Ansprechpartner, der Ablageort der Verträge. Schwierig wird es bei dem, was Fachleute implizites Wissen nennen, also die Erfahrung, die jemand nicht bewusst abrufen kann, weil sie längst Routine geworden ist. Das Fraunhofer IFF beschreibt es so, dass dieses Wissen nicht in Handbüchern steht und sich schwer auf Zuruf dokumentieren lässt.

Hinzu kommt, dass viele Organisationen das Thema gar nicht erst angehen. Laut einer Erhebung des Benchmarking-Instituts APQC versuchen 41 % der Organisationen selten oder nie, das Wissen ausscheidender Mitarbeitender systematisch zu erfassen. Das Wissen verlässt das Unternehmen also nicht durch ein technisches Versäumnis, sondern weil niemand zuständig war.

Was ein digitaler Zwilling in diesem Zusammenhang meint

Der Begriff ist doppelt belegt, und diese Verwechslung sorgt für die meisten Missverständnisse. In der Industrie 4.0 ist ein digitaler Zwilling das virtuelle Abbild einer Maschine oder Anlage, ein Modell, das Sensordaten spiegelt und Simulationen erlaubt. Darum geht es hier nicht.

Gemeint ist ein Wissens-Zwilling. Er hat alles gelesen, was Ihr ausscheidender Experte je dokumentiert oder im Gespräch erklärt hat, und beantwortet damit Fragen, die sonst nur diese eine Person beantworten konnte. Er ersetzt sie nicht. Er macht ihr Wissen abrufbar, auch wenn sie das Unternehmen verlassen hat.

Anbieter werben damit, ein solcher Zwilling erfasse die komplette Entscheidungslogik eines Menschen. Das ist Marketing. Was heute zuverlässig funktioniert, ist die Bündelung von dokumentiertem und im Gespräch erfasstem Wissen, nicht die Kopie einer Persönlichkeit.

Vom Einzelfall zur geteilten Wissensbasis

Der größere Nutzen entsteht, wenn der Zwilling das Wissen eines ganzen Teams, einer Schicht oder einer Abteilung bündelt statt nur das einer einzelnen Person. Aus dem persönlichen Notnagel wird dann eine geteilte Wissensbasis, die mit jedem Beitrag wächst.

Industriebetrieb

Störungsbehebung, Eigenheiten einzelner Linien, bewährte Handgriffe und Lieferanten-Wissen mehrerer Schichten an einem Ort. Hilft beim Anlernen neuer Kräfte und wenn erfahrene Leute ausscheiden.

Öffentliche Verwaltung

Verfahrenswissen, Sonderfälle und Auslegungen, die heute nur im Kopf erfahrener Sachbearbeiter liegen. Sorgt für gleichmäßige Bearbeitung über mehrere Personen hinweg.

Vertretungsfälle

Wenn jemand im Urlaub, krank oder in Elternzeit ist, läuft die Arbeit weiter, weil die Fragen auch ohne die Person beantwortet werden können.

In der Produktion sammelt sich so über die Jahre der Erfahrungsschatz eines ganzen Teams an einer Stelle, statt verteilt in einzelnen Köpfen zu bleiben. Fällt eine erfahrene Kraft aus oder scheidet sie aus, sind ihre Beobachtungen zu einer Anlage und deren Eigenheiten weiter abrufbar.

In der Verwaltung trifft der demografische Wandel besonders hart, weil die nachrückenden Jahrgänge das Ausscheiden der geburtenstarken Jahrgänge zahlenmäßig nicht ausgleichen. Hier geht es weniger um eine einzelne Maschine als um die Frage, wie ein bestimmter Vorgang korrekt und einheitlich bearbeitet wird, wenn die erfahrene Kraft nicht mehr da ist.

Wie die Technik dahinter arbeitet

Das verbreitetste Verfahren heißt RAG (Retrieval Augmented Generation). Vereinfacht funktioniert es wie ein Sachbearbeiter mit einer sehr gut sortierten Handakte. Auf eine Frage schlägt das System zuerst die passenden Stellen in den hinterlegten Unterlagen nach und formuliert erst dann aus diesen gefundenen Stellen eine Antwort. Das Sprachmodell erfindet die Antwort nicht frei, sondern stützt sie auf das hinterlegte Firmenwissen. Wie Sie die Grundlage dafür schaffen, beschreiben wir im Beitrag zu RAG mit wenig Aufwand und zum KI-Wissensspeicher.

In der Praxis besteht so ein System aus drei Bausteinen. Das Sprachmodell formuliert die Antwort, eine zwischengeschaltete Software sucht dazu die passenden Dokumente heraus, und die aufbereiteten Unterlagen bilden die Wissensgrundlage. Wer das im eigenen Unternehmen betreiben will, kombiniert ein lokales Modell wie Qwen mit einer Oberfläche wie AnythingLLM oder Open WebUI, die die RAG-Funktion und den Dokumenten-Upload gleich mitbringt. Damit bleibt die ganze Verarbeitung auf den eigenen Servern.

Die Erfassung des Wissens läuft auf zwei Wegen. Vorhandene Dokumente, Protokolle und Anleitungen lassen sich direkt einlesen, am besten in einem sauberen Format, wie wir es im Beitrag zu Markdown im Wissensmanagement erklären. Das ungeschriebene Wissen holt man im Gespräch ab. Das Fraunhofer IFF hat dafür mit KIMO einen sprachbasierten Assistenten entwickelt, der erfahrene Fachkräfte wie ein guter Interviewer durch ihre Arbeitsabläufe begleitet und gezielt nachfragt. Das Fraunhofer-Institut für Arbeitswirtschaft und Organisation verfolgt mit dem Prototyp KI-Buddy einen ähnlichen Ansatz und bezeichnet das Ergebnis als virtuellen Mentor.

So ein Assistent ist kein Muss. Das ungeschriebene Wissen lässt sich auch mit einfachen Mitteln aufnehmen, die jeder Betrieb sofort einsetzen kann.

Aufgezeichnete Interviews

1 bis 2 Stunden Gespräch mit der Fachkraft, als Audio aufgenommen und automatisch transkribiert, etwa mit Whisper. Das Transkript wandert direkt in den Wissensspeicher. Für den Anfang die reichhaltigste Methode.

Begleitung am Arbeitsplatz

Jemand schaut der Person bei echten Aufgaben über die Schulter und hält fest, was sie nebenbei erklärt. Fängt die Handgriffe ein, die im Interview unter den Tisch fallen.

Sprachnotizen im Alltag

Nach einem kniffligen Fall spricht die Fachkraft 2 Minuten aufs Handy, die Aufnahme wird transkribiert und abgelegt. Niedrige Hürde, läuft im Arbeitsalltag nebenbei mit.

Vorhandene Dokumentation nutzen

Protokolle, Tickets, Anleitungen und Übergabenotizen halten viele Entscheidungen schon fest. Im Rahmen der geltenden Zugriffsrechte sind sie eine gute Grundlage, auf der die Gespräche aufbauen.

Welche Methode passt, hängt von der Person und der Art des Wissens ab. In der Praxis bewährt sich eine Kombination, ein ausführliches Interview als Grundstock, ergänzt um Sprachnotizen und vorhandene Dokumente. Wichtig ist, dass die Aufnahmen am Ende als durchsuchbarer Text vorliegen, denn nur damit kann das System später arbeiten.

Bei aller Begeisterung lohnt der nüchterne Blick auf die Grenzen. Eine Studie zu transkriptbasierten Assistenten aus Anfang 2026 zeigt, dass ein solches System rund 30 % der Anfragen eigenständig beantworten kann, bei hoher faktischer Genauigkeit. Die übrigen Fälle, besonders solche mit aktuellen Daten oder echter Aushandlung, gehören weiter zum Menschen.

Solche Systeme entlasten die Fachkräfte, ohne ihre Rolle zu übernehmen.

Genau so sollte man ein solches Projekt auch verkaufen, intern wie extern.

Was der Zwilling für die Fachkraft bedeutet

Für die betroffene Fachkraft kann so ein Projekt im ersten Moment bedrohlich wirken. Wer sein Wissen abgeben soll, fragt sich schnell, ob er gerade an seinem eigenen Ersatz mitarbeitet. Diese Sorge gehört offen angesprochen.

Was so ein System wirklich leistet, spricht gegen diese Sorge. Es nimmt der Fachkraft die immer gleichen Rückfragen ab, die sonst ständig bei ihr landen, und macht ihre Erfahrung für die Kollegen abrufbar. Die kniffligen Fälle und die echte Entscheidung bleiben bei ihr, wie die Zahlen weiter oben zeigen. Ihre Erfahrung steht damit dem ganzen Team zur Verfügung.

Für das Unternehmen geht es ohnehin nicht um eine einzelne Person. Die Lücke entsteht bei jedem Weggang neu, ob jemand in Rente geht, kündigt oder länger ausfällt. Ein Wissens-Zwilling sorgt dafür, dass nicht jeder Abgang das Unternehmen ein Stück Erfahrung kostet.

Wie ein solches Projekt abläuft

Ein Wissens-Zwilling entsteht über mehrere Phasen hinweg, fertig kaufen und einschalten lässt er sich nicht. In der Praxis hat sich diese Reihenfolge bewährt.

Schritt für Schritt:

• 1. Person und Bereich auswählen. Beginnen Sie dort, wo der Abgang am meisten weh tut, etwa bei einer Schlüsselkraft, die in 2 Jahren in Rente geht.
• 2. Vorhandenes Wissen sichten. Was ist schon dokumentiert, in welchem Zustand, in welchem Format. Oft ist mehr da als gedacht, nur unauffindbar.
• 3. Ungeschriebenes Wissen erfassen. In strukturierten Gesprächen, idealerweise solange die Person noch im Haus ist und Lust hat mitzumachen.
• 4. Klein starten und testen. Erst ein abgegrenzter Bereich, echte Fragen von echten Kollegen, ehrliche Bewertung der Antworten.
• 5. Betrieb und Pflege regeln. Wer hält das Wissen aktuell, wer prüft Antworten, wann wird nachgeschärft. Ohne diese Rolle veraltet der Zwilling.

Der wichtigste Punkt ist der dritte. Wer wartet, bis die Schlüsselkraft schon einen Fuß aus der Tür hat, erfasst nur noch einen Bruchteil. Gute Gespräche arbeiten dabei mit konkreten Situationen statt mit abstrakten Wie-Fragen, denn auf die Frage „Wie machen Sie Ihre Arbeit?” antwortet kaum jemand mit dem, was wirklich zählt.

Fragen, die verschüttetes Wissen heben:

• → "Erzählen Sie mir vom letzten Fall, der Ihnen richtig Kopfzerbrechen gemacht hat. Wie sind Sie vorgegangen?"
• → "Woran merken Sie, dass etwas nicht stimmt, bevor es eine Meldung oder Beschwerde gibt?"
• → "Welche Ausnahme oder welcher Sonderfall taucht immer wieder auf, steht aber in keiner Anweisung?"
• → "Was würden Sie einer neuen Kollegin am ersten Tag unbedingt mitgeben?"
• → "Bei welcher Entscheidung verlassen Sie sich auf Ihr Bauchgefühl, und worauf gründet das?"

Solche Fragen holen Erfahrung hervor, die auf direkte Nachfrage niemand parat hat. Das Erfassen funktioniert am besten als Teil des Arbeitsalltags, nicht als Sonderprojekt am letzten Arbeitstag.

Recht und Mitbestimmung gehören von Anfang an dazu

Sobald ein Wissens-Zwilling Informationen verarbeitet, die sich einzelnen Personen zuordnen lassen, kommen mehrere rechtliche Pflichten ins Spiel.

Was rechtlich zu beachten ist:

• → DSGVO. Bei KI im Personalbereich ist meist eine Datenschutz-Folgenabschätzung Pflicht, und die Ergebnisse müssen für Menschen nachvollziehbar bleiben.
• → EU AI Act. KI im Personalwesen gilt als hochriskant, weil sie Grundrechte berührt. Die strengeren Pflichten greifen nach aktueller Rechtslage ab Ende 2027, die Einordnung als hochriskant schon heute.
• → Betriebsverfassungsgesetz. Unterrichtungspflicht (§ 90 Abs. 1 Nr. 3), Mitbestimmung bei überwachungsgeeigneter Technik (§ 87 Abs. 1 Nr. 6) und der Anspruch, zur Beurteilung einen Sachverständigen hinzuzuziehen (§ 80 Abs. 3).
• → Einwilligung der Person. Wessen Wissen erfasst wird, sollte freiwillig und informiert zustimmen, besonders wenn der Zwilling über den Austritt hinaus genutzt wird.

Den Betriebsrat bezieht man dabei am besten früh ein, nicht erst zur Abnahme. Wer das Gespräch als gemeinsame Gestaltung versteht, kommt erfahrungsgemäß schneller voran als wer es als Hürde behandelt.

Typische Fallstricke

Worauf Projekte häufig scheitern:

• → Zu spät angefangen. Das Wissen wird erst beim Abschied erfasst, wenn schon das meiste verloren ist.
• → Schlechte Datengrundlage. Eingescannte PDF-Handbücher ohne lesbaren Text liefern der KI nichts Verwertbares.
• → Niemand pflegt nach. Ohne feste Zuständigkeit veraltet der Zwilling und verliert das Vertrauen der Nutzer.
• → Überzogene Versprechen. Wer einen menschlichen Ersatz verspricht statt einer Unterstützung, enttäuscht zwangsläufig.
• → Datenschutz und Betriebsrat nachgelagert. Was am Ende drangehängt wird, bremst das ganze Projekt aus.

Für sensibles Personenwissen ist die Frage, wo die Daten liegen, besonders wichtig. Wir empfehlen für solche Vorhaben lokale KI-Modelle, die im eigenen Unternehmen betrieben werden, sodass das Erfahrungswissen Ihrer Leute nicht auf fremden Servern landet. Das ist aufwendiger als ein Cloud-Abo, bei sensiblem internem Wissen aber die sauberere Grundlage.

Ein digitaler Wissens-Zwilling löst den Fachkräftemangel nicht. Er sorgt dafür, dass die Erfahrung von Jahrzehnten nicht mit einer einzigen Kündigung oder Pensionierung aus dem Unternehmen verschwindet. Ob sich das für einen konkreten Bereich lohnt, lässt sich klein und ohne großes Budget prüfen. Den größeren Rahmen dazu beschreibt unsere Seite zum KI-Wissensmanagement. Ein abgegrenzter Aufgabenbereich, die wichtigsten vorhandenen Dokumente und einige Gespräche mit der Schlüsselkraft genügen für einen ersten Piloten, lange bevor sie tatsächlich geht.