Wtc26/KI und implizites Erfahrungswissen - kann das gehen? (wtc26)
Diese Session widmete sich der Frage, wie Künstliche Intelligenz beim Transfer von implizitem, nicht dokumentiertem Erfahrungswissen unterstützen kann. Ausgangspunkt war eine reale Anfrage eines Energieversorgers, der wissen wollte, wie das Wissen ausscheidender Mitarbeitender gesichert werden kann. Die Diskussion zeigte schnell grundlegende begriffliche Unklarheiten in der Community: Was genau ist implizites Wissen, wie unterscheidet es sich von nicht-dokumentiertem explizitem Wissen, und wie kommt man methodisch daran? Anhand eines konkreten Praxisbeispiels (Siemens-Projektleiter-Interviews) wurde diskutiert, wie Dialogräume mit KI-Unterstützung skalierbar gestaltet werden können.
Session Owner: Christine Erlach
Schlagworte: implizites Wissen, Wissenstransfer, Künstliche Intelligenz, Narrative Methoden, Dialogräume
Begriffliche Unschärfe als Ausgangsproblem
Die Diskussion offenbarte, dass es in der Wissenstransfer-Community kein einheitliches Verständnis von implizitem Erfahrungswissen gibt. Eine wichtige Unterscheidung wurde zwischen echtem impliziten (tazitem) Wissen, das nicht verbalisierbar ist, und explizitem, aber lediglich nicht-dokumentiertem Wissen getroffen. Letzteres gilt als die eigentliche „Fundgrube” für KI-Unterstützung, da Menschen darüber sprechen können. Echtes implizites Wissen hingegen entsteht eher im Meister-Lehrling-Verhältnis durch Beobachtung und Nachahmung – ein Bereich, in dem KI aktuell noch an Grenzen stößt.
Wege zum impliziten Wissen jenseits klassischer Fragebögen
Mehrere Methoden wurden vorgestellt, um verborgenes Wissen zugänglich zu machen: Fragen nach unregelmäßigen Aufgaben (täglich, wöchentlich, jährlich), die Critical-Incident-Technik (Was ist beim letzten Zwischenfall passiert?), oder das Erfragen der Arbeitsumgebung statt der fachlichen Inhalte direkt. Auch die Bedeutung informeller Kommunikationswege wurde betont – oft liegt entscheidendes Wissen abseits offizieller Organigramme und Dokumentationspfade, symbolisiert durch die Aussage „frag mal den Igor, der in keiner Matrix auftaucht”.
Vom Frage-Antwort-Format zu Dialogräumen
Ein zentraler Perspektivwechsel der Session war die Kritik an der Illusion, man müsse nur die „richtigen Fragen” finden, um Erfahrungswissen zu erschließen. Stattdessen wurde vorgeschlagen, Dialogräume zu schaffen, in denen Experten miteinander sprechen und ihre Erfahrungen austauschen, während KI im Hintergrund zuhört, transkribiert und Strukturen wie Wissensnetze aufbaut. Das vorgestellte Siemens-Projekt zeigte, wie erfahrene Projektleiter in offener Gesprächsrunde über Krisenprojekte sprachen und daraus ein KI-gestütztes Wissenssystem (Chatbot mit Audioverweisen) entstand – wichtig dabei war ein klar kommunizierter „Circle of Trust” bezüglich der Datennutzung.
Die Rolle der KI: Teammitglied statt Fragen-Automat
Abschließend wurde die Erwartungshaltung an KI kritisch hinterfragt. Statt eines Chatbots, der eigenständig die „richtigen” Fragen stellt, wurde die KI als unterstützendes Teammitglied im Wissenstransferprozess positioniert – sie kann Impulse geben, auf Wissenslücken hinweisen und bei der Dokumentation unterstützen, ersetzt aber nicht die menschliche Fähigkeit, unbewusstes Wissen im echten Dialog freizulegen. Diskutiert wurde auch, ob Avatare menschliche Wissensvermittler ersetzen könnten – hier zeigte sich, dass Vertrauen stark von der Qualität der Gestaltung abhängt, nicht per se vom Medium.
Fazit
- Implizites vs. explizit-nicht-dokumentiertes Wissen unterscheiden: Nur wenn klar ist, welche Wissensart gesucht wird, können sinnvolle Methoden und KI-Prompts entwickelt werden – hier fehlt der Branche oft ein gemeinsames Verständnis.
- Dialogräume statt Fragebögen: Echtes Erfahrungswissen entsteht oft erst im Gespräch zwischen Menschen; KI sollte diese Dialoge unterstützen und auswerten, statt sie durch reine Frage-Antwort-Interaktion zu ersetzen.
- KI als Teammitglied, nicht als Ersatz: Die Erwartung, KI könne eigenständig die richtigen Fragen zum impliziten Wissen finden, ist überzogen – ihr eigentlicher Mehrwert liegt in der Unterstützung, Strukturierung und Skalierung menschlicher Wissenstransferprozesse.
