Wenn Erfahrungswissen die Fabrik verlässt

Von Klaus Weßing, Vorstand infpro

Die Industrie investiert in KI, Sensorik und Smart Factory. Doch eine ihrer wichtigsten Ressourcen steht in keiner Cloud: das Erfahrungswissen der Facharbeiter, Meister und Instandhalter. In Deutschland droht es mit den Babyboomern aus den Betrieben zu verschwinden. Japan zeigt, wie man daraus keine Personalfrage, sondern eine Produktionsstrategie macht.

Deutschlands Industrie spricht über Energiepreise, Bürokratie, Investitionsstau und künstliche Intelligenz. Das ist alles berechtigt. Doch ein Risiko kommt leiser daher. Es trägt Sicherheitsschuhe, kennt jede Eigenheit der Anlage und geht in den kommenden Jahren in Rente.

Nach Angaben des Statistischen Bundesamtes werden bis 2036 rund 12,9 Millionen Erwerbspersonen das Rentenalter überschritten haben; das sind knapp 30 Prozent der dem Arbeitsmarkt zur Verfügung stehenden Erwerbspersonen des Jahres 2021. Die Babyboomer verlassen den Arbeitsmarkt nicht als abstrakte Kurve. Sie verlassen Schichtpläne, Instandhaltungsroutinen, Lieferantenbeziehungen und Produktionslinien.

Der Verlust des Produktionsgedächtnisses

Für die Industrie ist das mehr als ein Fachkräfteproblem. Es ist ein Verlust an Produktionsgedächtnis. Der Einrichter, der eine Unwucht hört, bevor ein Sensor anschlägt. Der Instandhalter, der weiß, welche Maschine unter Last anders läuft als im Datenblatt. Der Meister, der erkennt, warum eine Schichtfolge in der Praxis funktioniert, obwohl sie im ERP-System merkwürdig aussieht. Dieses Wissen steht selten vollständig im Handbuch. Es entscheidet aber über Ausschuss, Rüstzeiten, Stillstand, Lieferfähigkeit und Marge.

Das Thema ist freilich nicht neu. Industrieunternehmen haben Erfahrungswissen nie nur dem Zufall überlassen. Sie haben ausgebildet, Meister aufgebaut, junge Beschäftigte neben erfahrene Kollegen gestellt, Arbeitsstandards geschrieben, Fehlerbesprechungen organisiert und über Kaizen, Lessons Learned oder Shopfloor-Runden gute Praxis weitergegeben. In Deutschland half das duale Ausbildungssystem, in Japan halfen Gemba, Standard Work und Yokoten, also die horizontale Verbreitung bewährter Lösungen.

Neu ist die Größenordnung, in der diese Routinen nun belastet werden. Früher ging ein Spezialist, und ein Nachfolger konnte über Jahre hineinwachsen. Heute verlassen ganze Jahrgänge die Betriebe, während Anlagen komplexer, Personaldecken dünner und Lieferketten fragiler werden. Was früher als stiller Wissenstransfer im Alltag funktionierte, muss nun systematischer organisiert, priorisiert und teilweise digitalisiert werden.

In den Beratungshäusern ist dieser Befund angekommen. BCG warnt, der Ruhestand erfahrener Mitarbeiter bedeute nicht nur den Verlust von Arbeitskräften, sondern auch den Verlust von Organisationswissen; neue Kräfte zu qualifizieren koste in Prozessindustrien besonders viel Zeit und Aufwand. PwC empfiehlt für Aerospace & Defense ausdrücklich Mentoring, Wissenssicherungsrunden mit ausscheidenden Beschäftigten und digitale Wissensplattformen, um „tacit knowledge“ und bewährte Praktiken zu dokumentieren. Das Weltwirtschaftsforum erwartet, dass sich bis 2030 rund 39 Prozent der Kernkompetenzen von Beschäftigten verändern. Der Ruhestand der Babyboomer trifft also auf einen ohnehin tiefen Kompetenzumbau.

Damit wird Tacit Knowledge, dieses schwer greifbare Erfahrungswissen, zu einem harten Produktionsfaktor. Michael Polanyi brachte es 1966 auf die Formel, Menschen wüssten mehr, als sie sagen könnten. Für die Fertigung ist das keine philosophische Petitesse. Es ist Alltag.

Unternehmen verkaufen nicht nur Produkte. Sie verkaufen die Fähigkeit, Qualität wiederholbar herzustellen, Störungen zu beherrschen und Lieferzusagen einzuhalten. Genau darin steckt Wertschöpfung.

KI ist kein Ersatz für Erfahrung

Künstliche Intelligenz kann helfen. Sie kann Produktionsdaten auswerten, Muster erkennen, Wartung planbarer machen und Qualitätsprobleme früher anzeigen. Aber sie erzeugt kein Erfahrungswissen aus dem Nichts. Ein Modell lernt aus Daten. Gute Daten entstehen aus verstandenen Prozessen.

Das ist der blinde Fleck vieler Digitalstrategien. KI wird gern als Abkürzung zur industriellen Kompetenz behandelt. Tatsächlich ist sie eher ein Verstärker. Wo Prozesse beherrscht sind, kann sie Produktivität heben. Wo Erfahrungswissen erodiert, entstehen oft nur elegante Dashboards über fragiler werdenden Abläufen.

Neu ist allerdings, dass KI den alten Wissenstransfer verändern kann. Frühere Wissensmanagementprogramme endeten oft als Dokumentenfriedhof: Prozessbeschreibungen, Checklisten, Schulungsunterlagen, die im Intranet lagen und im Ernstfall niemand fand. KI kann dieses Wissen anders erschließen. Sie kann Störungsberichte, Sensordaten, Wartungsprotokolle, Schichtnotizen, Fotos, Videos und Experteninterviews miteinander verbinden. Sie kann Muster aus realen Produktionsereignissen erkennen und Hinweise genau dort geben, wo sie gebraucht werden: an der Maschine, im Rüstvorgang, in der Instandhaltung oder im Training neuer Beschäftigter. Damit wird Erfahrungswissen nicht vollständig explizit. Aber es wird anschlussfähiger. Was früher nur im Kopf einzelner Spezialisten blieb, kann teilweise in Assistenzsysteme, Trainingsmodule, Qualitätsregeln oder Wartungslogiken übersetzt werden. Der Unterschied ist erheblich: Wissen liegt dann nicht mehr nur als Handbuch vor, sondern als kontextbezogene Hilfe im Prozess.

Japan denkt vom Shopfloor her

Japan ist für diese Debatte interessanter als viele amerikanische KI-Erzählungen. Das Land altert schneller, verfügt aber über eine tief verankerte Produktionskultur. Fertigung ist dort nicht bloß Kostenstelle, sondern Ort organisierter Lernfähigkeit.

Die japanische Antwort lautet deshalb nicht einfach: mehr Roboter. Sie lautet: Produktionswissen beobachten, standardisieren, digitalisieren und in Assistenzsysteme übersetzen.

Der alte Toyota-Kern bleibt wichtig. Standards ersetzen Erfahrung nicht. Sie konservieren gute Erfahrung und machen sie wiederholbar. Der Gang zum Gemba, an den Ort realer Wertschöpfung, ist kein Lean-Ritual für Besuchergruppen. Er schützt vor der Selbsttäuschung des Berichtswesens.

Konkreter wird es in der Präzisionsbearbeitung. Die japanische Regierung beschreibt ARUMCODE als KI-Software, die komplexe Bearbeitungsprogramme automatisch erzeugen kann. Eine Aufgabe, für die ein erfahrener Techniker sonst 16 Stunden benötigt hätte, sei in einem Fall in 15 Minuten erledigt worden. Der Punkt ist nicht allein Geschwindigkeit. Der Punkt ist, dass knappes Expertenwissen in Software, Standards und Trainingslogiken überführt wird.

Microsoft beschreibt ein weiteres japanisches Beispiel: Bei ARUM soll generative KI helfen, CNC-Bearbeitungszentren so zu führen, dass auch jüngere Beschäftigte Arbeitsschritte nachvollziehen können, die früher erfahrenen Spezialisten vorbehalten waren. Das ist weniger Science-Fiction als demographische Betriebswirtschaft.

Der Unterschied zu Deutschland

Deutschland diskutiert KI oft als Effizienz-, Verwaltungs- oder Förderthema. Japan behandelt sie stärker als Antwort auf Demographie, Fachkräftemangel und den drohenden Verlust von Produktionswissen. Deutschland fragt häufig: Welche Technologie führen wir ein? Japan fragt eher: Welches Erfahrungswissen müssen wir sichern, bevor es verschwindet?

Das ist zugespitzt, aber hilfreich. In Deutschland gilt Tacit Knowledge noch zu oft als weicher Faktor. In Japan ist es näher am industriellen Betriebssystem: beobachten, standardisieren, schulen, verbessern, digitalisieren. KI kommt dort nicht als Zauberstab, sondern als Verlängerung einer Produktionskultur, die Erfahrung ernst nimmt.

Der Unterschied liegt also weniger in der Technik als in der Ausgangsfrage. Wer KI primär als Automatisierung versteht, sucht nach Einsparung. Wer sie als Wissensinfrastruktur versteht, sucht nach Kontinuität industrieller Fähigkeit. Genau hier hat Japan einen gedanklichen Vorsprung. Das Land behandelt Demographie nicht nur als sozialpolitisches Problem, sondern als operative Herausforderung der Produktion.

Fazit: Erst Wissen sichern, dann KI skalieren

Die Lehre lautet nicht, dass Roboter den Facharbeiter ersetzen. Sie lautet, dass alternde Industriegesellschaften ihr Produktionswissen organisieren müssen, bevor es verschwindet.

Für Deutschland ist das eine strategische Frage. Wer Produktion verliert oder Erfahrungswissen nicht systematisch sichert, verliert mehr als Kapazität. Er verliert industrielle Lernfähigkeit. Dieses Wissen lässt sich später nicht einfach zurückkaufen, wenn die Kostenrechnung plötzlich wieder anders aussieht.

Die Managementaufgabe lautet daher nicht, möglichst schnell KI einzuführen. Sie lautet, kritisches Erfahrungswissen zu identifizieren, zu dokumentieren, in Standards zu überführen, mit Prozessdaten zu verbinden und in Assistenzsysteme, Trainingsroutinen und Entscheidungsprozesse einzubauen.

Wertschöpfung entsteht dort, wo Technologie auf Erfahrung trifft. Wer das vergisst, baut vielleicht eine Smart Factory – aber keine kluge Fabrik.