Digitaler Zwilling: Erfahrungswissen mit KI bewahren

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

Solche Schlüsselkräfte verlassen die Unternehmen 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.

Einer der Wege, dieses Wissen zu sichern, ist ein digitaler Zwilling des Wissens, also ein befragbares Abbild dessen, was eine erfahrene Fachkraft im Kopf hat.

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.

Dazu kommt, dass viele Organisationen das Thema gar nicht erst angehen. Nach 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 wegen fehlender Technik, sondern weil niemand zuständig war.

Was ein digitaler Zwilling hier meint

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

Gemeint ist ein Wissens-Zwilling. Er hat alles gelesen, was die ausscheidende Fachkraft je dokumentiert oder im Gespräch erklärt hat, und beantwortet damit Fragen, die sonst nur diese eine Person beantworten konnte.

Anbieter werben damit, ein solcher Zwilling erfasse die vollständige Entscheidungslogik eines Menschen. Das ist Werbung. Was heute zuverlässig funktioniert, ist die Bündelung von dokumentiertem und im Gespräch erfasstem Wissen.

Vom Einzelfall zur geteilten Wissensbasis

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

In einem Industriebetrieb sammeln sich dort die Störungsbehebung, die Eigenheiten einzelner Linien, bewährte Handgriffe und das Wissen über Lieferanten aus mehreren Schichten. Fällt eine erfahrene Kraft aus oder scheidet sie aus, bleiben ihre Beobachtungen zu einer Anlage abrufbar, und neue Kollegen lernen schneller an.

In der öffentlichen Verwaltung trifft der demografische Wandel besonders hart, weil die nachrückenden Jahrgänge die ausscheidenden zahlenmäßig nicht ausgleichen. Dort geht es um Verfahrenswissen, um Sonderfälle und um Auslegungen, die heute nur im Kopf erfahrener Sachbearbeiter liegen. Der Zwilling sorgt dafür, dass ein Vorgang über mehrere Personen hinweg gleich bearbeitet wird.

Und im Vertretungsfall läuft die Arbeit weiter, wenn jemand im Urlaub, krank oder in Elternzeit ist, weil die Fragen auch ohne diese Person eine Antwort finden.

Wie die Technik dahinter arbeitet

Das verbreitetste Verfahren heißt RAG, kurz für Retrieval Augmented Generation. Auf eine Frage sucht das System zuerst die passenden Stellen in den hinterlegten Unterlagen und formuliert erst daraus die Antwort. Das Sprachmodell erfindet also nichts frei, sondern stützt sich auf das hinterlegte Material. Wie du die Grundlage dafür schaffst, steht in RAG mit wenig Aufwand und im Beitrag zum KI-Wissensspeicher.

Ein solches System besteht aus 3 Teilen. Das Sprachmodell formuliert, eine zwischengeschaltete Software sucht die passenden Dokumente heraus, und die aufbereiteten Unterlagen bilden die Wissensgrundlage. Für den Betrieb im eigenen Unternehmen kombinierst du ein lokales Modell wie Qwen mit einer Oberfläche wie AnythingLLM oder Open WebUI, die die Suche und den Dokumentenzugang mitbringen. Damit bleibt die Verarbeitung auf den eigenen Servern.

Das Wissen kommt auf 2 Wegen hinein. Vorhandene Dokumente, Protokolle und Anleitungen lassen sich direkt einlesen, am besten in einem gut lesbaren Format, wie es Markdown im Wissensmanagement beschreibt. Das ungeschriebene Wissen wird im Gespräch abgeholt. Das Fraunhofer IFF hat dafür mit KIMO einen sprachbasierten Assistenten entwickelt, der Fachkräfte durch ihre Arbeitsabläufe führt und gezielt nachfragt. Das Fraunhofer-Institut für Arbeitswirtschaft und Organisation verfolgt mit dem Prototyp KI-Buddy einen ähnlichen Ansatz und nennt das Ergebnis einen virtuellen Mentor.

Wie das Gespräch abläuft

So ein Assistent ist kein Muss. Das ungeschriebene Wissen lässt sich mit Mitteln aufnehmen, die jedes Unternehmen sofort zur Hand hat.

Am ergiebigsten ist das aufgezeichnete Interview. 1 bis 2 Stunden Gespräch mit der Fachkraft, als Tonaufnahme mitgeschnitten und mit Whisper automatisch in Text umgewandelt. Das Ergebnis wandert direkt in den Wissensspeicher.

Daneben lohnt die Begleitung am Arbeitsplatz. Jemand schaut bei echten Aufgaben zu und hält fest, was die Fachkraft nebenbei erklärt. So kommen die Handgriffe zusammen, die im Interview unter den Tisch fallen, weil sie zu selbstverständlich sind.

Sprachnotizen im Alltag haben die niedrigste Hürde. Nach einem kniffligen Fall spricht die Fachkraft 2 Minuten aufs Telefon, die Aufnahme wird umgewandelt und abgelegt.

Und die vorhandene Dokumentation ist ohnehin da. Protokolle, Tickets, Anleitungen und alte Übergabenotizen halten viele Entscheidungen bereits fest. Im Rahmen der geltenden Zugriffsrechte bilden sie die Grundlage, auf der die Gespräche aufbauen.

In der Praxis bewährt sich die Kombination, also ein ausführliches Interview als Grundstock, dazu Sprachnotizen und vorhandene Dokumente. Entscheidend ist, dass am Ende durchsuchbarer Text vorliegt, denn nur damit arbeitet das System.

Was der Zwilling für die Fachkraft bedeutet

Wer sein Wissen abgeben soll, fragt sich schnell, ob er gerade an seinem eigenen Ersatz mitarbeitet. Diese Sorge gehört offen angesprochen, und zwar im ersten Gespräch und nicht im dritten.

Dagegen spricht, was so ein System tatsächlich tut. Es nimmt die immer gleichen Rückfragen ab, die sonst den ganzen Tag bei einer Person landen, und macht ihre Erfahrung für die Kollegen abrufbar. Die kniffligen Fälle und die Entscheidung bleiben bei ihr.

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.

Wie ein solches Projekt abläuft

Ein Wissens-Zwilling lässt sich nicht kaufen und einschalten, er entsteht über mehrere Schritte.

1. Person und Bereich auswählen. Fang dort an, wo der Abgang am meisten weh tut, etwa bei einer Schlüsselkraft, die in 2 Jahren in Rente geht.
2. Vorhandenes sichten. Was ist dokumentiert, in welchem Zustand, in welchem Format? Oft ist mehr da als gedacht, nur unauffindbar.
3. Ungeschriebenes erfassen. In geführten Gesprächen, solange die Person im Unternehmen ist und Lust hat mitzumachen.
4. Klein starten und prüfen. Ein abgegrenzter Bereich, echte Fragen von echten Kollegen, ehrliche Bewertung der Antworten.
5. Betrieb regeln. Wer hält das Wissen aktuell, wer prüft Antworten, wann wird nachgeschärft? Ohne diese Rolle veraltet der Zwilling innerhalb eines Jahres.

Der dritte Schritt entscheidet über den Rest. Wer wartet, bis die Schlüsselkraft schon einen Fuß aus der Tür hat, erfasst einen Bruchteil. Und gute Gespräche arbeiten mit konkreten Situationen statt mit abstrakten Wie-Fragen, denn auf “Wie machst du deine Arbeit?” antwortet niemand mit dem, worauf es ankommt.

Diese 5 Fragen holen erfahrungsgemäß am meisten heraus:

• “Erzähl mir vom letzten Fall, der dir richtig Kopfzerbrechen gemacht hat. Wie bist du vorgegangen?”
• “Woran merkst du, dass etwas nicht stimmt, bevor es eine Meldung oder Beschwerde gibt?”
• “Welche Ausnahme taucht immer wieder auf, steht aber in keiner Anweisung?”
• “Was würdest du einer neuen Kollegin am ersten Tag unbedingt mitgeben?”
• “Bei welcher Entscheidung verlässt du dich auf dein Bauchgefühl, und worauf gründet das?”

Das Erfassen funktioniert am besten als Teil des Arbeitsalltags und 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, greifen mehrere Pflichten.

Nach der DSGVO ist bei KI im Personalbereich meist eine Datenschutz-Folgenabschätzung fällig, und die Ergebnisse müssen für Menschen nachvollziehbar bleiben. Die KI-Verordnung ordnet KI im Personalwesen als hochriskant ein, weil sie Grundrechte berührt. Die strengeren Pflichten für solche Systeme greifen nach dem Digital Omnibus erst ab Dezember 2027 beziehungsweise August 2028, die Einordnung selbst gilt schon heute. Den Stand dazu führt der Artikel zur EU AI Act Schulungspflicht mit seinen Quellen.

Das Betriebsverfassungsgesetz bringt 3 Ansatzpunkte mit. Die Unterrichtungspflicht nach § 90 Abs. 1 Nr. 3, die Mitbestimmung bei Technik, die zur Überwachung geeignet ist, nach § 87 Abs. 1 Nr. 6, und den Anspruch des Betriebsrats, zur Beurteilung einen Sachverständigen hinzuzuziehen, nach § 80 Abs. 3. Dazu kommt die Einwilligung der Person selbst, deren Wissen erfasst wird, freiwillig und informiert, besonders wenn der Zwilling über den Austritt hinaus laufen soll.

Den Betriebsrat beziehst du am besten früh ein und nicht zur Abnahme. Wer das Gespräch als gemeinsame Gestaltung führt, kommt schneller voran als wer es als Hürde behandelt.

Typische Fallstricke

Zu spät angefangen ist der häufigste. Wird das Wissen erst beim Abschied erfasst, ist das meiste schon weg.

Eine schlechte Datengrundlage ist der zweite. Eingescannte Handbücher ohne auslesbaren Text liefern dem System nichts.

Fehlende Pflege ist der dritte. Ohne feste Zuständigkeit veraltet der Zwilling, und mit der ersten falschen Antwort verliert er das Vertrauen der Leute, die ihn benutzen sollen.

Überzogene Versprechen sind der vierte. Wer einen Ersatz für einen Menschen ankündigt statt einer Entlastung, enttäuscht zwangsläufig.

Und Datenschutz und Betriebsrat ans Ende zu schieben, bremst am Schluss das ganze Vorhaben aus.

Weil es um Wissen einzelner Menschen geht, zählt die Frage nach dem Ort der Verarbeitung hier besonders. Wir empfehlen dafür Modelle, die im eigenen Unternehmen laufen. Das ist aufwendiger als ein Abo in der Cloud und bei internem Erfahrungswissen die verlässlichere Grundlage.

Ein digitaler Wissens-Zwilling löst den Fachkräftemangel nicht. Er sorgt dafür, dass die Erfahrung aus Jahrzehnten nicht mit einer einzigen Kündigung verschwindet. Ob sich das für einen Bereich lohnt, lässt sich klein prüfen, mit einem abgegrenzten Aufgabengebiet, den wichtigsten vorhandenen Dokumenten und ein paar Gesprächen. Den größeren Rahmen beschreibt die Seite zum KI-Wissensmanagement.

Das Titelbild wurde mit KI erstellt.