Die Rentenwelle ist da
Es gibt eine Zahl, die im Mittelstand zu wenig diskutiert wird: Bis 2030 gehen im DACH-Raum etwa 6 Millionen Menschen in Rente. Das ist die geburtenstarke Boomer-Generation. Die Nachrücker (Gen Z) sind zahlenmäßig deutlich kleiner — etwa 4 Millionen weniger Erwerbstätige in der Pipeline.
Das Problem ist nicht primär die Zahl der Köpfe. Das Problem ist das implizite Wissen, das mit den Menschen geht. Der Maschinenbau-Meister, der seit 30 Jahren weiß, warum eine bestimmte Kupplung in den 90ern verbaut wurde und welche Ersatzteile passen. Die Steuerfachwirtin, die sich an einen Mandantenfall von 2008 erinnert, der genau wie der aktuelle aussieht. Der Servicetechniker, der hört, dass eine Anlage „komisch” klingt, und sofort weiß, was kaputt ist.
Dieses Wissen steht nirgendwo. Es ist im Kopf. Und wenn der Kopf in Rente geht, ist es weg.
Was KI dagegen leisten kann
KI — speziell Embedding- und RAG-Systeme — können dieses Wissen konservieren, aber nur unter einer Bedingung: Es muss erstmal in irgendeiner Form aufgezeichnet werden. Genau hier liegt der Hebel.
Ein RAG-System (Retrieval-Augmented Generation) macht aus einem Berg unstrukturierter Dokumente eine durchsuchbare Wissensbasis. Wenn du Service-Berichte aus 20 Jahren, Mandantenkorrespondenz, Konstruktionszeichnungen oder Schulungsunterlagen hast, kann ein RAG die richtige Information in Sekunden finden — und der jüngere Mitarbeiter, der den Senior-Kollegen vorher hätte fragen müssen, hat die Antwort sofort.
Wir haben das in mehreren Mittelstandsbetrieben aufgebaut — und das wirklich Spannende ist nicht das System selbst, sondern was es mit den Senior-Mitarbeitenden macht: Sie merken, dass ihr Wissen wertgeschätzt wird, und investieren plötzlich Zeit in das saubere Dokumentieren.
Drei konkrete Anwendungsszenarien
Wissensinterviews mit Senior-Mitarbeitenden
Vor dem Renteneintritt einer Schlüsselperson 6–12 Monate lang regelmäßige Aufnahme-Sessions: Service-Probleme, Kundengeschichten, Standardvorgehen. Audio wird transkribiert, von einem LLM strukturiert, in den RAG eingespeist. Aus 30 Stunden Audio entsteht eine durchsuchbare Wissensbasis, die im Idealfall ein neuer Mitarbeiter in 30 Minuten anzapfen kann statt in 30 Tagen On-the-Job-Lernen.
Service-Reports als Lern-Datenbank
Jeder Service-Einsatz produziert einen Bericht. Bei vielen Mittelständlern landet das in einem PDF-Archiv und wird nie wieder angeschaut. Mit Embeddings kannst du diese Berichte durchsuchbar machen: „Welche ähnlichen Probleme hatten wir bei Maschinentyp X in der Branche Y?” — und sofort gibt’s drei vergleichbare Fälle. Junge Techniker werden so in Wochen produktiv, wo sie früher Jahre brauchten.
Mandanten-Wissen in Steuer- und Anwaltskanzleien
In Kanzleien ist das Phänomen besonders ausgeprägt: Senior-Berater haben „ihre” Mandanten, deren Geschichte, Präferenzen, Vorbehandlung sie auswendig kennen. Wenn der Senior in Rente geht und Mandate übergeben werden, geht oft das halbe Wissen verloren. Ein internes RAG-System über die gesamte Mandantenkorrespondenz (vorgeprüft, mandantengetrennt, mit Berechtigungskonzept) erlaubt dem Nachfolger, in 5 Minuten zu wissen, was vorher 5 Stunden Lesen gewesen wäre.
Worauf du achten musst
Knowledge Capture mit KI ist mächtig, aber es gibt drei Fallstricke:
1. Datenschutz und Berechtigungen. Wer in einer Kanzlei oder Praxis arbeitet, hat besondere Schweigepflicht- und Mandantengeheimnis-Pflichten. Ein RAG-System darf nicht alles für alle zugänglich machen. Du brauchst ein sauberes Berechtigungskonzept und meist eine lokale KI-Lösung, keine Cloud.
2. Qualität des Inputs. RAG ist nur so gut wie die Daten dahinter. Wenn deine Doku chaotisch ist, hilft auch das beste KI-System wenig. Nimm dir vor dem Aufbau Zeit für eine Daten-Bereinigung — sonst frustriert es alle.
3. Akzeptanz im Team. Manche Senior-Mitarbeitende erleben das Aufzeichnen ihres Wissens als Bedrohung („mache ich mich überflüssig?”). Das ist verständlich. Wichtig ist die ehrliche Kommunikation: Es geht nicht um Ersetzung, sondern um Bewahrung. Senior-Mitarbeitende sollten als Partner ins Projekt geholt werden, nicht als Datenquelle benutzt.
Was KI hier nicht ersetzt
Erfahrung ist mehr als Daten. Ein 60-jähriger Meister hat ein Bauchgefühl, das aus 40 Jahren echter Praxis kommt — das bekommst du nicht in eine Datenbank. KI kann das Wissen verfügbar machen, das in dokumentierter Form existiert. Sie kann das implizite Bauchgefühl nicht digitalisieren.
Was du also realistisch erreichst: Vielleicht 60–70% des Wissens lassen sich konservieren. Das ist nicht 100%, aber es ist deutlich besser als die 0%, die du bekommst, wenn du nichts tust.
Erste Schritte
- Identifiziere deine 3–5 Schlüsselpersonen, die in den nächsten 5 Jahren in Rente gehen
- Plane mit jedem 8–12 Wissensinterviews à 1 Stunde — strukturiert nach Themenbereichen
- Sammle vorhandene Dokumente: Service-Berichte, Schulungsunterlagen, Mandantenakten. Klär den Rechtsrahmen, was du nutzen darfst
- Pilot-RAG mit einem Themenbereich — nicht alles auf einmal
- Junior-Mitarbeitende ins Projekt holen — sie sind die Hauptnutzer und merken am besten, wo das System Lücken hat
Vertiefung
Für Branchen mit Schweigepflicht ist lokale KI die einzig saubere Lösung. Die technische Grundlage ist Embeddings & RAG — dort findest du, wie das im Detail funktioniert.
Eine KI-Beratung sortiert mit dir, welches Wissen wo gespeichert ist und wo der Hebel am größten ist.
