Zusammenfassung zeigen Zusammenfassung verbergen
Unternehmen setzen in großem Stil auf Künstliche Intelligenz, um Prozesse zu straffen — doch genau diese Strategie birgt ein unterschätztes Risiko: Wenn Fachwissen durch Automatisierung verschwindet, verlieren Organisationen langfristig Handlungsfähigkeit. Eine aktuelle Studie der Universität Passau gemeinsam mit der Arizona State University warnt vor diesem „stillen Wissensverlust“ und skizziert Folgen, die Personalabbau allein nicht erklärt.
Der Forschungsbefund lässt sich kurz zusammenfassen: KI kann wiederkehrende Aufgaben übernehmen, gleichzeitig schwindet bei Mitarbeitenden das routinemäßig genutzte Know-how. Parallel dazu steckt viel unternehmensrelevantes Wissen in den Trainingsdaten und Modellen selbst — dort aber oft in undurchsichtiger, schwer transferierbarer Form. Prof. Jin Gerlach, Hauptautor der Studie, betont im Gespräch, dass diese Kombination eine doppelte Gefährdung darstellt.
Warum das jetzt relevant ist
fyne audio cubitt 5: revolutionäre aktivboxen mit phono und hdmi arc
PayPal-Betrug bedroht Konten: Täter verschicken täuschend echte E-Mails
Aktuelle Personalentscheidungen großer Konzerne machen die Frage akut. Firmen wie Amazon kündigten zuletzt Zehntausende Entlassungen an, und auch bei SAP werden Stellen als kontinuierliche „Optimierung“ betrachtet. Solche Maßnahmen mögen kurzfristig Kosten senken, erhöhen aber das Risiko, dass kritische Expertise unwiederbringlich verloren geht — gerade in Bereichen, in denen KI operative Verantwortung übernimmt.
Die Studie unterscheidet zwei verlustreiche Mechanismen: Erstens der klassische Verlust von Erfahrung durch Kündigungen, Pensionierungen oder Fluktuation. Zweitens die Übertragung von Wissen in Modelle, die sich mit Updates verändern, deren Trainingsbasis nicht ausreichend dokumentiert ist oder die schlicht schwer erklärbar bleiben. Beides zusammen reduziert die Fähigkeit eines Unternehmens, auf seltene Störungen, regulatorische Anforderungen oder neue Marktbedingungen zu reagieren.
Konkrete Risiken für Organisationen
Das Problem ist nicht rein technisch. Wenn Wissen nicht explizit gehalten wird, drohen:
- eine sinkende Resilienz gegenüber Ausfällen oder neuen Problemen,
- nachlassende Innovationskraft, weil tieferes Fachverständnis verloren geht,
- Compliance- und Haftungsrisiken bei fehlender Nachvollziehbarkeit von Entscheidungen,
- erhöhte Abhängigkeit von einzelnen Systemanbietern und Black‑Box‑Modellen.
Woran Führungskräfte Belastung erkennen sollten
| Ursache | Mögliche Folge |
|---|---|
| Massive Automatisierung ohne Dokumentation | Wissenslücken bei kritischen Prozessen |
| Wegfall erfahrener Mitarbeitender | Verlust impliziter Entscheidungsregeln |
| Undurchsichtige ML-Modelle | Schwierige Fehleranalyse und Regressionsrisiken |
Prof. Gerlach warnt, dass Organisationen leicht in die Falle tappen, nur auf Effizienzkennzahlen zu schauen und dabei die langfristige Wissensbasis zu vernachlässigen. Besonders problematisch sei es, wenn KI‑Modelle als statische Repositories von Praxiswissen verstanden werden — denn Modelle verändern sich, Daten veralten, und interne Expertise kann nicht automatisch „mitgezogen“ werden.
Praktische Gegenstrategien
Um den beschriebenen Verlust einzudämmen, empfehlen Forschende und Praktiker eine Kombination aus technischen und organisatorischen Maßnahmen. Wichtige Schritte sind:
- Dokumentation von Prozessen und Entscheidungsregeln statt alleiniger Modell‑Abhängigkeit.
- Etablierung von Human‑in‑the‑loop-Abläufen, damit menschliche Expertise stets eingebunden bleibt.
- Regelmäßige Wissensaudits und Übergabeprogramme bei Personalwechseln.
- Versionierte Datenspeicherung und nachvollziehbare Modell‑Governance, damit Trainingsdaten und Modelländerungen rekonstruierbar sind.
- Gezielte Weiterbildung, damit Beschäftigte nicht nur Bediener, sondern Fachanwender bleiben.
Unternehmen, die jetzt rein auf kurzfristige Effizienzgewinne setzen, riskieren langfristige Nachteile. Wer die Balance zwischen Automatisierung und dem Erhalt organisationaler Expertise nicht hält, verliert an Anpassungsfähigkeit — und oft auch an Wettbewerbsvorteil.
Die zentrale Botschaft aus Passau und Arizona ist pragmatisch: KI kann Leistung steigern, darf aber nicht zum Ersatz für nachhaltiges Wissensmanagement werden. Führungskräfte müssen deshalb Prozesse, Technologie und Personalpolitik synchronisieren, um den Wert von beidem zu bewahren — menschlichem Know‑how wie den technischen Systemen.
