Gesellschaft für Wissensmanagement/Warum Wissensmanagement-Projekte scheitern (GfWM Impulse)

Wissensmanagement scheitert in der Praxis selten an fehlender Technologie, sondern fast immer an falschen Erwartungen, organisatorischer Fehlverortung und der Verwechslung von Wissen mit Information. Anhand langjähriger Beratungserfahrung werden typische Scheitermuster analysiert und ein praxiserprobtes Gegenbild skizziert. Der entscheidende Erfolgsfaktor ist die Verankerung von Wissensmanagement in den primären, wertschöpfenden Leistungsprozessen einer Organisation – mit klaren Kennzahlen, Unterstützung durch Führungskräfte und messbaren Ergebnissen.

Referent: Pavel Kraus

Typische Scheitermuster und ihre Ursachen

Ein zentrales Muster des Scheiterns ist die überhöhte Erwartung an Technologielösungen – das, was treffend als „Zauberfee" bezeichnet wird: die Illusion, man installiere ein Tool, und Wissen fließe automatisch. Zwei konkrete Beispiele illustrieren dies eindrücklich. Bei Roche wurde eine Plattform zum Teilen von Informationen über klinische Versuche mit erheblichem Aufwand – inklusive intensiver Befüllung vor dem Launch – eingeführt. Nach zwei Wochen ohne Beteiligung der Nutzenden und einem halben Jahr ohne Belebung wurde sie still abgeschaltet; 5 Millionen wurden abgeschrieben. Bei Boehringer Mannheim scheiterte eine Kontaktdatenbank (vergleichbar einem CRM-System, Customer Relationship Management), in die Kundenbesuche eingetragen und Erfahrungen ausgetauscht werden sollten, auf ähnliche Weise.

Als strukturelle Ursachen werden benannt: falsche Vorstellungen davon, was Wissensmanagement leisten kann; interne Regeln (z. B. darf man keine IT-Ausgaben tätigen, obwohl Organisationsentwicklung erlaubt wäre); Reorganisationen mitten in laufenden Projekten, die das Interesse an solchen Vorhaben erlöschen lassen; und schließlich die häufige Verwechslung von Information und Wissen. Letzteres wird im D-A-CH Wissensmanagement Glossar klar definiert: Wissen existiert ausschließlich im Kopf eines Menschen – alles außerhalb, auch das sogenannte „explizite Wissen", ist Information.

Auch die Besetzung von Wissensmanagement-Projekten mit unerfahrenen Junioren statt mit anerkannten Fachleuten wird als häufiger Fehler genannt, ebenso die Einstellung: „Wissensmanagement machen wir später."

Das Drei-Sphären-Modell: Wissen, Information und Handlungsfähigkeit

Zur Erklärung, warum technologiezentrierte Ansätze so oft versagen, dient das Drei-Sphären-Modell, das im Rahmen des SKMF (Schweizerische Gesellschaft für Wissensmanagement, im Transkript erwähnt) entwickelt wurde. Das Modell unterscheidet drei Sphären entlang zweier Achsen: Die linke Achse beschreibt den Anteil von Wissen (alles im Kopf, alles in Diskussionen) versus Information (alles aufgeschrieben, alles dokumentiert). Die untere Achse beschreibt den Beitrag zum Erfolg – von passiv und teuer (links, IT-Seite) bis aktiv und kostengünstig (rechts, Wissensseite).

Die drei Sphären sind:

1. Wissenssphäre (oben rechts, Rhetorik, Diskussion, direktes Handeln)
2. Informationssphäre (unten links, IT-Tools, Datenbanken)
3. Handlungssphäre (übergreifend), in der Menschen entscheidungs- und handlungsfähig sind.

In der Mitte des Modells sind Workshop-Designs und Diskussionsformate angesiedelt.

„Wenn jemand zu mir kommt mit einer Frage über Wissensmanagement, da kann ich im Dialog ihm in einer Viertelstunde gut helfen. Wenn man mich aber bitten würde, das zu verschriftlichen, dann brauche ich ein Jahr und ich schreibe ein Buch." - Dave Snowden (Keynote, GFWM Knowledge Camp, Potsdam)

Dieses Zitat bringt das Kernproblem auf den Punkt: Im Dialog lässt sich schnell präzisieren, was gemeint ist. Schriftlich müssen alle denkbaren Varianten berücksichtigt werden. Keine Organisation verfügt über die Ressourcen, alles aufzuschreiben – und oft fehlt es den Beteiligten an der Fähigkeit, präzise und missverständnisfrei zu formulieren. Der richtige Ansatz liegt daher in der bewussten Nutzung von Moderationsmethoden, Workshop-Formaten und Kommunikationsdesign – und erst danach in der IT-gestützten Dokumentation.

Organisatorische Verortung von Wissensmanagement

Basierend auf einem Funktionsmodell von Andreas Brandner (Wien) wird gezeigt, dass jede Funktion einer Organisation – von Human Resources über IT bis hin zu Forschung und Entwicklung – einen Teilbereich hat, der Wissensmanagement betrifft. Dabei ist der Inhalt dieses Teilbereichs je nach Funktion unterschiedlich: Bei HR gehören Onboarding und Wissenstransfer beim Ausscheiden von Mitarbeitenden dazu, bei der Organisationsentwicklung Communities of Practice (themenbasierte Netzwerke quer zur Hierarchie), beim Informationsmanagement beispielsweise eine Taxonomie (strukturiertes Begriffssystem zur Einordnung von Informationen).

Das Problem: Wissensmanagement wird in der Praxis fast ausschließlich bei der IT angesiedelt, weil Wissen und Information verwechselt werden. Die Überzeugung lautet dann: „Das ist unsere Domäne – wir installieren etwas, und es läuft." Die richtige Verortung wäre jedoch in den primären Leistungsprozessen: Marketing, Forschung und Entwicklung, Verkauf und Service. Dort entsteht Wertschöpfung, dort sind die relevanten Wissensprobleme – und dort sollte Wissensmanagement primär wirken.

In der eigenen Beratertätigkeit wurden konsequent Führungskräfte aus diesen primären Prozessen als Auftraggeber gewählt – vornehmlich aus Forschung und Entwicklung sowie aus dem Service-Bereich (etwa bei Analysegeräten in der Diagnostik). IT-Abteilungen wurden bewusst gemieden. Eine eingehende Anfrage einer IT-Abteilung, die ein Tool eingekauft hatte und nicht wusste, wie sie es dem Business erklären sollte, wurde abgelehnt.

Merkmale erfolgreicher Wissensmanagement-Projekte

Aus der persönlichen Beratungsbiografie lassen sich klare Erfolgsmuster ableiten. Erstens muss die Problemdefinition aus dem Business kommen – aus den primären, wertschöpfenden Prozessen, nicht aus unterstützenden Funktionen. Zweitens muss das Problem klar messbar sein: Es werden KPIs (Key Performance Indicators, Kennzahlen zur Leistungsmessung) definiert, die direkt mit den persönlichen Zielen der Auftraggeber verknüpft sind – im Idealfall bonusrelevant.

Als Lieblingsbeispiel für eine Wissensmanagement-KPI wird die MTTR (Mean Time to Repair, mittlere Zeit bis zur Reparatur) aus dem Diagnostikbereich genannt: Sie misst, wie schnell ein Serviceingenieur ein defektes Analysegerät im Krankenhaus wieder in Betrieb nehmen kann. Das umfasst alle Wissensmanagement-Dimensionen: das implizite Lösungswissen des Ingenieurs, die kollegiale Wissensabfrage (in den USA teils per Sammelvoicemail an hunderte Kollegen verteilt über ganz Amerika), und schließlich die Suche in Handbüchern und Dokumentationen.

Strukturell wird eine Klassifizierung in vier Ebenen nach Dirtin (im Transkript erwähnt, im SKMF weiterentwickelt) eingesetzt:

• Ebene 1 – Informationsmanagement
• Ebene 2 – Wissensaustausch, Training, Lernen
• Ebene 3 – Innovation und Zusammenarbeit (kaum IT-abhängig)
• Ebene 4 – Führung und Kulturaspekte.

Insbesondere die dritte Ebene macht deutlich, dass gutes Wissensmanagement vor allem ein Führungs- und Kommunikationsthema ist.

Weitere Erfolgsfaktoren: eine fundierte Problemanalyse mit Wissensmanagement-Erfahrung, um die richtigen Hebel zu identifizieren; Begleitung der Umsetzenden über die Einführungsphase hinaus durch Coaching und Betreuung; und schließlich der Einsatz des Knowledge Management Storytelling Canvas (entwickelt gemeinsam mit Manfred Bornemann) zur Kommunikation der Projektziele.

KI als neue Welle – alte Muster, neue Risiken

In der anschließenden Diskussion wurde deutlich, dass die Gefahr besteht, mit KI (Künstlicher Intelligenz) denselben Fehler zu wiederholen, den man mit Datenbanken, Portalen und anderen Tools bereits mehrfach gemacht hat: das Kaufen einer Technologie in der Hoffnung, dass sie Wissensaustausch und -management automatisch ermöglicht.

„Wir dürfen uns nicht der Illusion hingeben, dass KI jetzt alles macht, was wir bisher nicht hingekriegt haben."

Die Diskussion griff auch das Thema Digital Twins (digitale Abbilder einer Person, die etwa an Meetings teilnehmen, E-Mails lesen und Zusammenfassungen liefern können) auf. Während dies als möglicher Weg gesehen wird, um den aufwendigen Schritt der Verschriftlichung von Wissen zu umgehen, bleibt die Frage offen, ob Menschen bereit wären, einen solchen digitalen Zwilling einzusetzen. Auch das Thema Data Readiness (die Frage, wie Daten so organisiert werden, dass KI sinnvoll darauf zugreifen kann) wurde diskutiert – mit dem Hinweis, dass die zugrundeliegenden Probleme (fehlende Metadaten, fehlende Motivation zur Datenpflege) dieselben seien wie früher. KI kann helfen, aber sie ist keine Zauberlösung.

Fazit

Wissensmanagement scheitert nicht an fehlenden Tools, sondern an strukturellen und kulturellen Fehlern: falscher Verortung in der Organisation, überzogenen Erwartungen an Technologie und der anhaltenden Verwechslung von Wissen und Information. Erfolgreiche Projekte entstehen dort, wo ein konkretes Problem in einem wertschöpfenden Prozess gelöst werden soll, Führungskräfte die Relevanz verstehen und Ergebnisse messbar sind.

• Wissensmanagement in primären Leistungsprozessen verankern, nicht bei IT oder unterstützenden Funktionen
• Klare, messbare KPIs definieren – idealerweise bonusrelevant für die Auftraggeber
• Moderations- und Workshop-Methoden vor Technologielösungen einsetzen
• Wissen und Information klar unterscheiden (Dachglossar nutzen)
• Nach der Implementierung Coaching und Begleitung sicherstellen
• Bei KI-Einführungen dieselben Grundfragen stellen wie bei jedem anderen Tool: Welches Problem lösen wir damit wirklich?