THESENPAPIER 2026 · DEEP DIVE #6

    Speichern reicht nicht: Wann Unternehmenswissen zum Wettbewerbsvorteil wird.

    11. November 2026 · Diana Perez und Stefan Schmidt

    Speichern reicht nicht: Wann Unternehmenswissen zum Wettbewerbsvorteil wird.
    Foto: Deutsche Digitale Beiräte e.V.

    Deep Dive zu These 6: Unternehmenseigenes Wissen und eine Vertrauenswürde Infrastruktur werden zum entscheidenden Wettbewerbsvorteil.

    Vertiefungsbeitrag zum Thesenpapier „KI-Agenten im Mittelstand“ der Deutschen Digitalen Beiräte e. V.

    Unternehmenseigenes Wissen wird nicht dadurch zum Wettbewerbsvorteil, dass ein Unternehmen es speichert, sondern dadurch, dass es dieses Wissen bewahrt, gemeinsam weiterentwickelt und verlässlich in Wertschöpfung übersetzt.

    Eine vertrauenswürdige Infrastruktur macht dieses Wissen dort nutzbar, wo Menschen und KI-Agenten es brauchen.

    Ein mittelständischer Heizungshersteller erprobt einen KI-Agenten für den Kundenservice. Mit Handbüchern und Produktdaten erzielt er zunächst gute Ergebnisse. Dann kommt eine Anfrage zu einer älteren Anlage, die beim Einbau verändert wurde. Das Standardhandbuch empfiehlt ein Ersatzteil, das für diese Konfiguration ungeeignet ist. Warum, weiß ein erfahrener Servicemitarbeiter. In wenigen Monaten verlässt er das Unternehmen.

    Der fiktive Fall zeigt, woran es fehlt: Das Unternehmen hat die Unterlagen, doch die entscheidende Verbindung zwischen Umbau und Ersatzteilwahl steckt im Kopf eines Mitarbeiters. Für den Kunden zählt, ob der Service auch nach dessen Ausscheiden eine passende Lösung findet. Vergleichbare KI-Technologie steht auch Wettbewerbern offen. Die gewachsene Kenntnis der installierten Anlagen lässt sich dagegen nicht einfach einkaufen.

    Ob aus diesem Vorsprung ein Geschäftsvorteil wird, zeigt sich im Betrieb: Findet der Service schneller ein passendes Ersatzteil? Kann er einen unnötigen Vor-Ort-Termin vermeiden oder einen schwierigen Fall besser an einen Spezialisten übergeben? Von dieser Kundenleistung her lässt sich bestimmen, welches Wissen das Unternehmen erschließen sollte.

    Bewahren: Wenn erfahrene Mitarbeitende gehen, darf ihr Wissen nicht verloren gehen

    Ruhestand, Fluktuation und Personalabbau können Wissen aus dem Unternehmen herauslösen, das über Jahre durch die Bearbeitung konkreter Fälle entstanden ist. Eine Übergabeliste erfasst Aufgaben und Ablageorte. Die Gründe für Entscheidungen, Warnsignale und stillschweigend beachtete Ausnahmen bleiben dabei leicht ungesagt.

    Im Heizungsbeispiel wäre deshalb vor dem Ausscheiden zu klären, woran der Servicemitarbeiter die besondere Konfiguration erkennt, welche Rückfrage er stellt und warum er bestimmte Ersatzteile ausschließt. Die entscheidende Information kann in einem Installationsbericht stehen. Erst seine Erfahrung macht deutlich, weshalb sie für die heutige Reparatur relevant ist.

    Ein sinnvoller Wissenstransfer beginnt an solchen Fällen. Erfahrene und nachfolgende Mitarbeitende bearbeiten typische und schwierige Vorgänge gemeinsam. Sie halten fest, welche Quellen sie nutzen, welche Annahmen sie prüfen und unter welchen Bedingungen eine Empfehlung gilt. Dabei sollten auch verworfene Lösungswege und ihre Begründungen erhalten bleiben.

    Ob die Übergabe gelungen ist, zeigt sich am nächsten vergleichbaren Fall. Kann die Nachfolgerin die Abweichung selbst erkennen und erklären, warum sie eine andere Empfehlung gibt? Wenn ihr dafür ein Hinweis fehlt, wird die Dokumentation ergänzt. So lässt sich noch vor dem Ausscheiden prüfen, welches Wissen tatsächlich übertragen wurde.

    KI kann freigegebene Gesprächsnotizen oder Transkripte strukturieren, wiederkehrende Kriterien herausarbeiten und Rückfragen vorbereiten. Die Beteiligten müssen prüfen, ob ihre Überlegungen richtig wiedergegeben wurden. Eine Transkription erfasst Gesagtes; sie erschließt nicht automatisch die Erfahrung, die unausgesprochen blieb.

    Das Ergebnis kann zunächst ein nachlesbarer Leitfaden für den Service sein. Derselbe fachlich geprüfte Inhalt kann später in die Wissensgrundlage eines Agenten eingehen. Dafür braucht er nachvollziehbare Quellen, einen beschriebenen Geltungsbereich und eine verantwortliche Rolle für seine Pflege.

    Nicht jede Fähigkeit lässt sich dokumentieren. Praktische Übung und Urteilskraft müssen weiterhin entwickelt werden. Zudem braucht die Wissensweitergabe Zeit und ein Umfeld, in dem Menschen ihre Erfahrungen einbringen wollen.

    Weiterentwickeln: Aus verteilten Beobachtungen wird gemeinsames Wissen

    Der Hinweis des Servicemitarbeiters lässt sich sichern, weil er bereits existiert. Neues Wissen entsteht, wenn bislang getrennte Beobachtungen zusammenkommen. Ein Servicekollege erkennt ein wiederkehrendes Fehlerbild. Eine Entwicklerin vermutet einen Zusammenhang mit bestimmten Betriebsbedingungen. Der Vertrieb erfährt, wie sehr die lange Diagnosezeit die Kunden belastet.

    Erst eine gemeinsame Frage bringt die Beiträge zusammen: Wie können wir die Diagnose dieser Anlagenklasse verbessern? Die Beteiligten sammeln Beobachtungen und Belege. KI kann ähnliche Hinweise bündeln und Widersprüche sichtbar machen. Die Gruppe beurteilt, was die Befunde tragen und was noch geprüft werden muss.

    Viele gute Ideen bleiben an dieser Stelle stecken. Jede Abteilung sieht einen Teil des Problems, doch niemand hat den Auftrag, den Zusammenhang zu prüfen. Es braucht deshalb neben der gemeinsamen Frage einen benannten Verantwortlichen und einen nächsten Prüfschritt.

    So könnte aus den Hinweisen die neue Arbeitshypothese entstehen, dass eine Kombination aus Einbauvariante und Betriebszustand das Fehlerbild erklärt. Diese Hypothese ist noch keine freigegebene Diagnosevorschrift. Sie wird an geeigneten Fällen überprüft und bei Bedarf verändert. Bestätigt sie sich, kann daraus eine bessere Diagnose, eine neue Servicevorgabe oder ein zusätzliches Angebot für Kunden werden.

    Der gemeinsame Erkenntnisstand hält Belege, offene Fragen und Gegenargumente fest. So können die Beteiligten später nachvollziehen, warum eine Erklärung verworfen oder eine Regel geändert wurde. Erfahrungen aus der Anwendung fließen wieder ein. Auf diesem Stand kann auch weitergearbeitet werden, wenn sich die Besetzung des Teams ändert.

    Übersetzen: Vom Befund zur freigegebenen Regel

    Ein alter Servicebericht zeigt, was in einem früheren Fall funktioniert hat. Welche Schlussfolgerung heute für welche Anlage gilt, entscheidet die fachlich zuständige Rolle. Sie hält Quelle, Geltungsbereich und Freigabe fest. Dabei bleibt erkennbar, ob etwas eine verbindliche Vorgabe, eine geprüfte Sachinformation, eine historische Entscheidung oder eine Hypothese ist. Wertschöpfung entsteht, wenn der Service das geprüfte Wissen im konkreten Fall nutzt: Er findet schneller das passende Ersatzteil, vermeidet unnötige Vor-Ort-Termine und übergibt schwierige Fälle besser an Spezialisten.

    Für kritische Empfehlungen muss der Ablauf prüfen, ob die nötigen Nachweise vorliegen. Eine Ersatzteilempfehlung kann etwa eine bestätigte Anlagenkonfiguration und die einschlägige technische Freigabe voraussetzen. Fehlt ein Nachweis, geht der Fall mit der offenen Frage an den Service zurück. Damit der Agent solche Regeln anwenden kann, muss er die richtige Anlage und die passenden Quellen finden.

    Anlagenwissen im Service nutzbar machen

    Im Heizungsfall braucht der Agent mehr als eine Fehlernummer und einen Teilekatalog: Er muss Produktdaten, Einbauzustand und Wartungsbefunde der richtigen Anlage zuordnen. Gemeinsame Definitionen und interoperable Schnittstellen helfen, diese Zusammenhänge über Systemgrenzen hinweg nutzbar zu machen. [1]

    Produktdaten, Installationsberichte und Wartungsbefunde können in den jeweils zuständigen Systemen bleiben. Über eindeutige Anlagenkennungen lässt sich daraus bei Bedarf eine digitale Anlagenakte für den Servicefall zusammenstellen. Die Verwaltungsschale ist ein industrieller Ansatz für solche strukturierten Anlageninformationen. [2]

    Ein digitaler Zwilling bildet reale Anlagen oder Prozesse virtuell ab und wird mit ihnen in einer für den jeweiligen Zweck festgelegten Frequenz und Genauigkeit synchronisiert. [3] Für die beschriebene Ersatzteilfrage kann eine ausreichend dokumentierte Anlagenakte genügen. Welche Lösung sinnvoll ist, entscheidet sich an der Frage, die der Service beantworten muss.

    Was die Infrastruktur leisten muss

    Die Infrastruktur muss die richtigen Quellen verbinden und den Zugriff auf das beschränken, was der jeweilige Auftrag erfordert. Unterlagen zu lesen, ein Teil zu empfehlen und eine Bestellung auszulösen sind unterschiedliche Befugnisse. Dazu braucht der Agent eine zuordenbare Identität und klar begrenzte Rechte. Agentenspezifische Standards werden weiterentwickelt. Die NIST AI Agent Standards Initiative fördert unter anderem Forschung zu Agentenidentitäten und Authentifizierung. [4]

    Bei einem Fehler muss nachvollziehbar sein, auf welchen Quellen und Versionen die Empfehlung beruhte. Bei einem Ausfall oder Anbieterwechsel muss der Service weiterarbeiten können und Quellen, Zuordnungen und fachliche Regeln behalten.

    Mit einem konkreten Wissensbedarf beginnen

    Ein sinnvoller Einstieg zur strukturierten Wissenssicherung ist eine Heizungsbaureihe mit wiederkehrenden Servicefragen und absehbaren Personalwechseln. Erfahrene und nachfolgende Mitarbeitende erschließen gemeinsam typische Fälle und schwierige Ausnahmen. Geprüfte Inhalte stehen zuerst dem Service zur Verfügung und können anschließend in einem eng begrenzten Agenteneinsatz erprobt werden.

    Der Test muss zeigen, ob der Ablauf auch mit Umbauten und fehlenden Nachweisen zurechtkommt. Maßstäbe sind die Zeit bis zu einer belastbaren Empfehlung, die Qualität von Reparatur oder Übergabe und der Aufwand für Nacharbeit, Wissenspflege und Betrieb.

    Vor einer Ausweitung sollte der Service auch Fälle durchspielen, in denen die Unterlagen unvollständig sind oder einander widersprechen. Wenn der Agent dann die richtige Rückfrage stellt und den Vorgang nachvollziehbar übergibt, hat er seinen Auftrag erfüllt. Eine hohe Quote automatisch abgeschlossener Fälle wäre hier für sich genommen kein Erfolg.

    Was Unternehmensführung und Gremien entscheiden müssen

    Wissensverantwortung ist eine Führungsaufgabe und keine IT-Aufgabe. Das zeigt sich besonders bei Kostenentscheidungen: Wenn erfahrene Mitarbeitende gehen, entscheidet die Geschäftsführung mit, welche künftige Leistungsfähigkeit verloren geht. Sie sollte deshalb prüfen, welche Kundenleistung vom Wissen dieser Personen abhängt, bevor Stellen entfallen.

    Für jede kritische Kundenleistung braucht es einen fachlich Verantwortlichen, den die Geschäftsführung benennt. Im Beispiel ist das die Serviceleitung: Sie entscheidet, welches Wissen gesichert werden muss, organisiert die Zusammenarbeit mit Entwicklung und Installation und legt fest, wie neue Erkenntnisse geprüft, freigegeben und wirtschaftlich bewertet werden, etwa an kürzeren Bearbeitungszeiten, weniger Einsätzen vor Ort oder neuen Serviceangeboten.

    Damit wird Wissensarbeit Teil des Operating Models. Das verbindet diesen Beitrag mit den Thesen zum Operating Model (These 3) und zur Governance (These 4): Wer darf was entscheiden, und wer trägt die Verantwortung dafür? Die Geschäftsführung entscheidet, welche Kundenleistungen Vorrang haben und welche Zeit und Mittel für Fallbesprechungen, Prüfung und Pflege bereitstehen. Die Serviceleitung trägt die fachliche Verantwortung, die IT setzt die Zugriffs- und Prüfregeln technisch um. Über eine Ausweitung entscheidet die Geschäftsführung anhand der Ergebnisse im Betrieb.

    Eine Unternehmenslandkarte im Sinne von Company Mapping hilft, Zusammenhänge im Unternehmen sichtbar zu machen. [5] Auf die hier beschriebene Wissensarbeit übertragen, lässt sich damit klären: Welche Kundenleistung soll verbessert werden? Welche Prozesse und Kompetenzen sind dafür nötig? Wer pflegt das Wissen und wer entscheidet über seine Anwendung?

    Beiräte und Aufsichtsgremien können im Rahmen ihrer jeweiligen Rolle prüfen, ob diese Zuständigkeiten tragen: Sind absehbare Wissensverluste in der Personalplanung berücksichtigt? Kann der Service bei Störungen weiterarbeiten? Zeigen die Ergebnisse einen Nutzen für Kunden und Betrieb? Ein guter Bericht macht sichtbar, was die Organisation inzwischen besser kann und wo sie weiterhin von einzelnen Personen abhängt.

    Drei Musterfragen für die Diskussion

    Wer verantwortet in unserem Unternehmen, dass kritisches Wissen gesichert, weiterentwickelt und in Kundenleistung übersetzt wird – und woran messen wir das? Welches Wissen wäre in unserem Unternehmen morgen nicht mehr verfügbar, wenn die erfahrensten Mitarbeitenden gingen – und welche Kundenleistung hängt davon ab? Wer verantwortet die Gültigkeit von Informationen und den Übergang von einer Hypothese zu einer freigegebenen Regel?

    • Wer verantwortet in unserem Unternehmen, dass kritisches Wissen gesichert, weiterentwickelt und in Kundenleistung übersetzt wird – und woran messen wir das?
    • Welches Wissen wäre in unserem Unternehmen morgen nicht mehr verfügbar, wenn die erfahrensten Mitarbeitenden gingen – und welche Kundenleistung hängt davon ab?
    • Wer verantwortet die Gültigkeit von Informationen und den Übergang von einer Hypothese zu einer freigegebenen Regel?

    Wenn der erfahrene Servicemitarbeiter gegangen ist, muss seine Nachfolgerin beim nächsten Anruf erkennen können, warum das Standardersatzteil für diese Anlage ausscheidet und welche Alternative geprüft werden kann. Daran zeigt sich, ob aus persönlicher Erfahrung eine Fähigkeit des Unternehmens geworden ist.

    Quellen und weiterführende Literatur

    [1] McKinsey. Building the foundations for agentic AI at scale. 2. April 2026. Insbesondere gemeinsame Definitionen, Interoperabilität und evolutionäre Datenarchitektur. https://www.mckinsey.com/capabilities/mckinsey-technology/our-insights/building-the-foundations-for-agentic-ai-at-scale

    [2] Industrial Digital Twin Association. Specification of the Asset Administration Shell, Part 1: Metamodel, Version 3.1.2. Informative annex Concepts of the Administration Shell. https://industrialdigitaltwin.io/aas-specifications/IDTA-01001/v3.1.2/annex/concepts-aas.html

    [3] Digital Twin Consortium. Definition of a Digital Twin. Zur virtuellen Repräsentation und zweckbezogenen Synchronisierung. https://www.digitaltwinconsortium.org/initiatives/the-definition-of-a-digital-twin/

    [4] National Institute of Standards and Technology. AI Agent Standards Initiative. Gestartet am 17. Februar 2026. https://www.nist.gov/artificial-intelligence/ai-agent-standards-initiative

    [5] Müller-Bagehl, Christian; Schmidt, Stefan. Company Mapping: Die Landkarte für Unternehmensentwicklung. 2026. BusinessVillage. ISBN 978-3-86980-849-9. https://www.businessvillage.de/company-mapping-die-landkarte-fuer-unternehmensentwicklung.html

    Grundlage der Serie: Deutsche Digitale Beiräte e.V. – “KI-Agenten im Mittelstand”. Insbesondere These 6, sowie die Bezüge zu These 3 und 4. https://www.linkedin.com/feed/update/urn:li:activity:7488602418281082881/

    Redaktionelle Einordnung: Das Heizungsbeispiel ist fiktiv. Die beschriebenen Anwendungen sind Gestaltungsvorschläge. Webquellen abgerufen am 7. November 2026.

    Haben Sie Fragen?

    In unseren FAQ finden Sie kompakte Antworten zu den wichtigsten Fragen.

    FAQ ansehen