Ein langjähriger Berater, der mit der Aufgabe betraut wird, einen Bericht zu reviewen, kann in wenigen Stunden Fragen sortieren, Prioritäten setzen, riskante Stellen markieren. Auf die Frage, wie er das macht, würde er vielleicht sagen: "Bauchgefühl, ich mache das seit fünfzehn Jahren."
In Zukunft würde derselbe Senior diese Frage anders beantworten müssen. Nicht weil sein Bauchgefühl schwächer geworden wäre, sondern weil das Bauchgefühl alleine nicht mehr ausreicht. Wer mit KI arbeiten will, muss sagen können, was er weiß. Wer mit KI skalieren will, muss zeigen können, wie er denkt. Implizites Wissen wird explizit. Und damit ist die größte Verschiebung in der Wissensarbeit im Gange, seit Drucker den Begriff geprägt hat.
Die These
Wissensarbeit verschiebt sich durch die Einführung von KI von implizit (im englischen häufig: tacit) nach explizit. Zwei parallele Treiber erzwingen das, zum einen der individuelle Workflow, in dem der Prompt zur Spezifikation des eigenen Vorgehens wird, und zum anderen die organisationale Adoption von Automatisierung und Agenten, bei der Prozesswissen für autonome Systeme zunächst dokumentiert werden muss, bevor sie gelingen kann.
Das ist eine konzeptuelle These, kein empirischer Befund. Sie speist sich aus eigener Beobachtung der Wissensarbeits-Praxis und der aktuellen KI-Werkzeug-Landschaft, plus Anschluss an klassische Theorien zur implizit-explizit-Spannung. Ich teile sie als Argument, nicht als Empfehlung.
Polanyis Befund und die Grenze
1966 hat Michael Polanyi festgehalten, dass wir mehr wissen, als wir sagen können. Sein Argument war, implizites Wissen ist nicht nur unausgesprochen, es ist prinzipiell schwer artikulierbar. Wer ein gutes Gericht in der Küche zaubert, kann sein Können nicht einfach in ein Rezept übersetzen, ohne dass dabei etwas verloren geht. Die Kodifizierung solchen Wissens ist mit viel Arbeit verbunden, weswegen sie bis dato selten wirklich verfolgt und gepflegt wurde. Prozessbeschreibungen, SOPs und interne Wissensdatenbanken können ein Lied davon singen.
An der Schwierigkeit der Kodifizierung von Wissen hat sich nichts geändert, aber der Anreiz ist heute ein anderer, denn es ist eine Voraussetzung für den Einsatz von KI. Wir machen also in Zukunft mehr explizit, nicht weil es einfacher geworden ist, sondern weil der Handlungsdruck steigt. Denn: Was nicht explizit vorliegt, kann nicht durch KI skaliert werden. Und was nicht skaliert wird, läuft in einem Markt, der zunehmend durch skalierbares Methodenwissen geprägt wird, hinterher.
Ein Polanyi-Restbestand bleibt: Synthese, Urteil, Timing, Gespür für die richtige Reaktion in einer bestimmten Situation, all das wird sich der Externalisierung weiter widersetzen, eine Art strukturelle Schutzzone menschlicher Wissensarbeit. Aber die Schutzzone wird zunehmend kleiner, je mehr implizites Wissen explizit gemacht wird.
Die Wissensmanagement-Welle der 1990er Jahre
Nonaka und Takeuchi haben 1995 das SECI-Modell vorgelegt: Eine Art Vorgangsbeschreibung bestehend aus vier Umwandlungen von Wissen zwischen implizit und explizit. Die Wissensmanagement-Welle der 1990er und frühen 2000er Jahre hat versucht, das in organisationalen Mustern zu etablieren: Wikis und Wissensdatenbanken, Lessons-Learned-Sessions, Communities of Practice. Vieles davon wird heute mit einem müden Lächeln bedacht: "Haben wir probiert, hat sich nicht gehalten."
Die Welle ist gescheitert, weil die richtigen Anreize fehlten. Ein Senior-Berater, der sein Wissen externalisiert, gibt ohne direkten Gegenwert seinen informellen Status (und damit Macht) auf. Die Organisation profitiert, der Berater nicht. Die Externalisierung kann sogar als versteckte Drohung aufgefasst werden: "Dokumentiere dein Wissen, damit wir dich ersetzen können." Wer das durchschaute, dokumentiert eben gerade so viel, dass es gerade nicht dafür reicht.
Diesmal ist der Anreiz für Externalisierung von Wissen anders. KI setzt es voraus und wer KI nicht nutzt, wird in Zukunft in seiner eigenen Funktion langsamer als die Konkurrenz. Entsprechend entzieht sich der Vorgang der Wissensteilung den damaligen Abwägungsgründen etwas, sie wird zur operativen Voraussetzung für die eigene Leistungsfähigkeit. Externalisierung wird nicht mehr von der Organisation eingefordert, sie wird vom Arbeitswerkzeug erzwungen. Wer dokumentiert, dokumentiert nicht primär für seine Organisation, sondern um die eigene Produktivität aufrechtzuerhalten.
Zwei sich verstärkende Treiber
Auf der individuellen Ebene ist die Externalisierung im Prompt versteckt. Das Schreiben einer gut gefassten Aufgabe kommt der Spezifikation der Aufgabenklasse nahe. Wer sich keine Mühe gibt, bekommt eine Antwort, die das Werkzeug mit eigenen Annahmen füllt. Wer sich Mühe gibt, lernt nebenbei, wie gut die eigene Vorgehensweise war und wächst daran. Der Prompt ist damit ein Spiegel für das eigene Methodenbewusstsein. Ein schlechter Prompt führt zu schlechten Ergebnissen. Ein guter Prompt ist etwas, was man später wiederverwenden kann.
Auf der organisationalen Ebene ist die Externalisierung im Workflow versteckt. Ein Prozess, der ganz oder teilweise durch einen Agenten erledigt werden soll, macht es erforderlich, dass der Prozess zunächst explizit gemacht wird. Was bisher als "der Mitarbeiter weiß schon, wie es geht" funktioniert hat, lässt sich nicht an einen Agenten delegieren. Genaue Anweisungen, Richtlinien, Entscheidungsbäume treten an die Stelle, wo bisher informelles Wissen reichte.
Beide Treiber ziehen in dieselbe Richtung. Was auf individueller Ebene als Praxis entsteht, also Plan-Dokumente, Prompt-Bibliotheken, sind die Bausteine, die auf organisationaler Ebene aggregiert werden können. Und was auf organisationaler Ebene als Richtlinie entsteht, schafft wiederum den Rahmen, in dem individuelle Praxis sinnvoll funktioniert.
Auswirkungen auf die Aufgabenfelder
Die Druck, Wissen explizit zu machen und zu Externalisieren, wirkt sich auch auf die Rollen und Aufgaben in Unternehmen aus.
Erfahrenen Mitarbeiter werden zu Autoren von Beschreibungen zur Urteils- und Entscheidungsfindung. Wer in der Lage ist, sein Urteil und Entscheidungen in eine reproduzierbare Methode zu übersetzen, ermöglicht damit, dass die damit verbundenen Aufgaben durch den Einsatz von KI skaliert werden können. Alle anderen werden langfristig abgehängt. Führungskräfte und Manager werden zu Richtlinien-Designern, die nicht mehr einfach nur Einzelfallentscheidungen bei der Steueurng von Unternehmen und Teams treffen müssen, sondern zunehmend die Kodifizierung der Entscheidungsregeln zur Aufgabe geben. Trainer wandeln sich noch stärker vom Wissensvermittler zum Methodentrainer. Wissen ist einfach verfügbar, Methodenkompetenz wird zum Schlüssel.
Externalisierungskompetenz wird damit zu einer eigenen Fähigkeitendimension, orthogonal zur fachlichen Tiefe. Ein Experte ohne Externalisierungskompetenz nutzt sein Wissen ausschließlich selbst und kann es nicht skalieren.
Die Stolpersteine
Im Bezug auf planungsintensive Arbeit gibt es einen wiederkehrenden Einwand, der älter ist als alle KI-Coding-Tools zusammen: Lucy Suchman hat 1987 argumentiert, dass Handlung immer situativ ist. Ein Plan, und sei er noch so gut, kann niemals alles vorhersehen, was später in der Ausführung tatsächlich passieren wird. Ein Plan als Skript missverstanden, führt mindestens zu schlechteren Ergebnissen, wenn nicht zu einem Scheitern. Dieser Einwand gilt auch für die in diesem Artikel besprochene Externalisierung von Wissen: Starre Entscheidungenskorsette führen zu starren Entscheidungen und können eine ganze Organisation lähmen; ein Problem, das man in der Bürokratie unflexibler, überspezifischer SOPs nur zu gut kennt. Die Antwort ist aber nicht weniger Externalisierung, sondern eine flexiblere: eine, die strukturelle Abweichungen zulässt und Mechanismen für den Rücksprung in den Planungsmodus hat, wenn es erforderlich ist.
Ein weiteres Problem kann es, dass bei der Externalisierung von Wissen der falschen Teil der Praxis kodifiziert wird. Denn dass, was sich gut explizit machen lässt (Regeln, Schritte, Kriterien), ist nicht zwangsläufig das, was die Praxis erfolgreich macht (Urteil, Timing, Gespür). Schlechte Externalisierung kodifiziert den einfachen Teil und lässt den schwer kodifizierbaren Teil aus. "Best Practices", die Routinen festschreiben und situative Urteilskraft verdrängen, sind ein vertrautes Bild in jedem Unternehmen.
Damals und heute
Drei Hypothesen auf die Frage, warum jetzt geht, was 1995 nicht gelang:
1. Der Anreiz hat sich umgekehrt. Wer expliziert, gewinnt direkt. Nicht organisational, sondern operativ in der eigenen Arbeitsgeschwindigkeit. 2. Das Werkzeug nimmt einen Teil der Externalisierung ab. 1995 musste man die Wissensdatenbank komplett befüllen, regelmäßige Reviews durchführen. Heute kann KI einen großen Teil dieser Arbeit abnehmen. 3. Die Polanyi-Grenze ist sichtbarer geworden. Wo früher behauptet wurde, alles sei externalisierbar, zeigt sich heute mehr denn je, dass das eben nicht so ist. Durch die bessere Abgrenzung gewinnen beide Teile an Glaubwürdigkeit.
Was bleibt
Wer als Wissensarbeiter dem Wandel nicht hinterherlaufen will, sollte anfangen, die eigene Methodendisziplin systematisch zu externalisieren. Konkrete Schritte:
- Ein erstes Methoden-Dokument anlegen. Nicht für die Organisation, sondern für das eigene Werkzeug. Was ist meine wiederkehrende Vorgehensweise bei dem Aufgabentyp, den ich am häufigsten habe? Was sind meine Entscheidungsregeln? Welche Fragen stelle ich, wenn ich etwas Neues in dem Bereich angehe?
- Eine Prüfungsfrequenz festlegen. Methoden-Dokumente verfallen schnell, wenn sie nicht regelmäßig aktualisiert werden. Quartalsweise sichten, was nutze ich, was sollte ich aktualisieren, was ist überholt.
- Die Externalisierungskompetenz als Fähigkeit ernst nehmen. Wer seine fachliche Tiefe nicht beschreiben kann, hat ein Defizit. Exakt Beschreiben, Kürzen und wieder Präzisieren ist eine eigene Disziplin, die sich typischerweise von der eigenen fachlichen Disziplin unterscheidet.
Wer als Organisation den Wandel nicht verschlafen will, muss den Anreiz neu formen. Wer dokumentiert, sollte einen Vorteil haben. Methoden-Bibliotheken sollten als Asset gehandelt werden, nicht als Pflichtübung.