Erfahrungswissen im Unternehmen sichern und im Arbeitsprozess besser nutzen

Damit kritisches Know-how das Unternehmen nicht verlässt.

Unternehmen stehen immer häufiger vor der Herausforderung, das wertvolle Erfahrungswissen ihrer langjährigen Mitarbeitenden effizient zu sichern, zu reflektieren und für die zukünftige Anwendung aufzubereiten. Mit dem bevorstehenden Ruhestand einer ganzen Generation erfahrener Fachkräfte wird dieses Problem für viele Unternehmen akut. Tief in täglichen Abläufen, Entscheidungsmustern und impliziten Fähigkeiten verankertes Wissen ist oft nicht vollständig in Dokumentationen oder Handbüchern erfasst und droht damit unwiederbringlich verloren zu gehen. Aber es lässt sich systematisch sichern, wenn man die richtigen Methoden einsetzt.

Dafür brauchen Unternehmen agile Lern- und Anpassungsstrategien. Ein rascher und präziser Wissenstransfer ist entscheidend, um Fehlentscheidungen zu vermeiden, Einarbeitungszeiten zu verkürzen und neue sowie weniger erfahrene Teammitglieder effektiv zu integrieren – und letztlich die betriebliche Effizienz und Innovationsfähigkeit zu steigern.

Das Fraunhofer IFF erforscht Methoden und Technologien, mit denen sich implizites Erfahrungswissen (also Wissen, das Menschen besitzen, ohne es vollständig in Worte fassen zu können, oft erworben durch Erfahrung und Praxis) identifizieren, dokumentieren, digital aufbereiten und im Arbeitsprozess nützlich integrieren lässt. Ziel ist, dass Unternehmen handlungsfähig bleiben, schneller lernen und kritisches Know-how sicher in die Organisation überführen. Dazu verbinden wir narrative Methoden der Wissenserhebung (also Ansätze, die Geschichten und Erzählungen nutzen, um Erfahrungen und Erlebtes zu verstehen) mit digitalen Assistenzsystemen, KI-gestützten Dialogen und nutzeradaptiver Bereitstellung. So entsteht aus individuellem Erfahrungswissen ein nutzbarer Baustein für organisatorisches Lernen.

Was hinter »Erfahrungstransfer« steckt

Unsere Forschung und Entwicklung bündelt zentrale Fragen dazu, wie implizites Erfahrungswissen identifiziert, digital aufbereitet und in Unternehmen zugänglich wird, ohne seinen situativen Wert zu verlieren. Im Kern geht es darum, Wissen nicht erst beim Ausscheiden erfahrener Mitarbeitender zu sichern, sondern frühzeitig im Arbeitsprozess zu erfassen und für organisationales Lernen nutzbar zu machen.

Dazu bearbeiten wir u. a. diese Bausteine:

  • Narrative Methoden mit KI effizienter umsetzen: Wir erforschen, wie sich verborgenes Wissen erfahrener Mitarbeitender mit Geschichten als Wissensquelle erfassen lässt, ohne den bisher hohen manuellen Aufwand. Dazu untersuchen wir, wie KI die Gesprächsführung, Transkription, Auswertung und Aufbereitung unterstützen kann. Ziel ist, Erfahrungswissen schneller, systematischer und anschlussfähiger für das Unternehmen verfügbar zu machen.
  • KI-basierte Dialogsysteme für die Wissensdokumentation im Arbeitsprozess: Wir entwickeln und erproben dialogische Systeme, mit denen Erfahrungswissen bereits während der Arbeit erfasst werden kann – wie ein echter Arbeitskollege, mit dem man sich im Arbeitsprozess austauschen kann. Im Fokus steht die Frage, wie ein KI-Moderator, didaktische Gesprächsleitfäden und geeignete Hardware gestaltet sein müssen, damit die Erhebung effizient, akzeptiert und im betrieblichen Alltag praktikabel bleibt.
  • Erfahrungswissen nutzeradaptiv bereitstellen: Wir entwickeln Ansätze, mit denen Erfahrungswissen je nach Person und Situation passend bereitgestellt werden kann. Wie können Systeme das Erfahrungsniveau, die Lernpräferenzen und die Arbeitssituation der Nutzer:innen berücksichtigen? Ziel ist, Wissen so bereitzustellen, dass es im Moment des Bedarfs verständlich, relevant und handlungsnah ist.
  • Vertrauliches Erfahrungswissen sicher nutzbar machen: Für uns hat der sichere Umgang mit Ihren Daten oberste Priorität. Daher befassen wir uns mit der Frage, wie sensible Wissensbestände im Unternehmen digital genutzt werden können, ohne Vertraulichkeit und Schutzanforderungen zu verletzen. Dazu gehören Themen wie geschlossene Wissensbestände, Zugriffsrechte, betriebliche Identifikation von Nutzenden sowie Datenschutz und Akzeptanz im konkreten Einsatz.
  • Digitale Gesprächspartner gestalten, denen Mitarbeitende vertrauen: Wir analysieren, wie Erscheinungsbild, Stimme und Darstellungsform digitaler Gesprächspartner den Wissenstransfer beeinflussen. Dabei geht es um Fragen von Authentizität, Vertrauen, Akzeptanz und Lernwirkung.

Unsere Angebote

 

Digitale Arbeitsanleitungen in der Produktion einheitlich und verständlich gestalten

Das Fraunhofer IFF unterstützt Unternehmen dabei, Erfahrungswissen systematisch zu erfassen und direkt in den Arbeitsprozess zu integrieren – als digitale Arbeitsanleitungen, die bestehende Verfahrensdokumente um praxisnahes Wissen ergänzen und im Alltag tatsächlich nutzbar machen. 

 

Erfahrungswissen im Arbeitsprozess sichern – mit dem sprachbasierten KI-Moderator KIMO

Für die sprachbasierte Erfassung von Erfahrungswissen unmittelbar während der Arbeit hat das Fraunhofer IFF mit KIMO ein eigene KI-gestützte Vorgehensweise entwickelt. KIMO dient als KI-Moderator innerhalb eines betrieblichen Wissens- und Assistenzprozesses und strukturiert Erfahrungswissen systematisch ohne den laufenden Arbeitsprozess zu unterbrechen.

Wissen und Erfahrung bewahren: Sie möchten Erfahrungswissen in Ihrem Unternehmen systematisch sichern, Wissenslücken vermeiden und den Wissenstransfer im Arbeitsprozess verbessern? Sprechen Sie mit uns über Ihren Anwendungsfall.

Falls sich kein Mailprogramm öffnet: pia.stuerzebecher@iff.fraunhofer.de

Aktuell

 

Präsentation aus dem Kickstart-Webinar »Von alten Hasen lernen: Methoden und Technologien für den Erfahrungstransfer«

Glossar

Implizites Erfahrungswissen – Wissen, das erfahrene Mitarbeitende in der Praxis anwenden, aber oft nur schwer direkt formulieren können.

Narrative Methoden – Gesprächs- und Erhebungsformate, die Wissen über Situationen, Geschichten und Entscheidungsabläufe zugänglich machen.

Nutzeradaptive Bereitstellung – Wissen wird je nach Rolle, Erfahrungsniveau und Arbeitssituation unterschiedlich dargestellt.