Stell dir vor, deine langjährige Mitarbeiterin geht in Rente. Sie hat dreißig Jahre lang ein Nachrichtenportal mit aufgebaut. Das Wissen über Abläufe, Quellen, Kunden und Eigenheiten steckt in einer Access-Datenbank, die seit 2009 läuft, in einer Handvoll Excel-Dateien und in ihrem Kopf. Die Prozesse laufen über E-Mails an Kollegen. Immerhin kein Fax mehr.
Der Nachfolger ist Mitte zwanzig. Er hat noch nie eine Access-Datenbank von innen gesehen, schon gar keine, die so lange gewachsen ist. Excel kennt er, aber nicht in der Konstellation, in der hier seit Jahren gearbeitet wird. Und auf E-Mail-Pingpong zwischen Kollegen reagiert er mit ehrlicher Verwunderung: Kann das wirklich der Standard sein?
Das ist die Lage, in der heute viele Geschäftsführer im deutschen Mittelstand sitzen. Und genau in diesem Moment fragt jeder nach Künstlicher Intelligenz.
Das Problem ist nicht neu, nur schärfer
Wissen, das nur einer hat, war immer ein Risiko. Wer in den 90ern schon mal mit einem ausgeschiedenen IT-Mitarbeiter zu tun hatte, kennt das Gefühl: Da liegt eine Datenbank, da liegt ein Skript, irgendwo soll auch eine Doku sein – und niemand weiß, ob das, was läuft, gut oder schlecht ist.
Damals hatten wir dafür einen Standardvorschlag: ein Wiki. Confluence, MediaWiki, später Notion oder SharePoint-Wikis. Die Idee war einfach. Wer etwas weiß, schreibt es auf. Wer etwas nicht weiß, schaut nach.
In der Praxis ist das in den meisten KMU gescheitert. Nicht weil die Software schlecht war. Sondern weil drei Dinge zusammenkommen, die jedes Wiki ausbremsen:
- Erstens dokumentieren Mitarbeiter ungern. Das ist kein moralisches Versagen, sondern Selbstschutz. Wer alles aufschreibt, macht sich verzichtbar. Diese Logik ist so alt wie die Idee der Festanstellung.
- Zweitens ist Dokumentieren Arbeit, die nicht abgerechnet wird. In der Buchhaltung tauchen die Stunden nicht als Umsatz auf. Im Tagesgeschäft sind sie eine Investition mit unklarem Rückfluss.
- Drittens veraltet jedes Wiki schneller, als es gepflegt wird. Eine Anleitung von 2018 ist 2026 oft Desinformation. Wer sich darauf verlässt, läuft gegen eine Wand, die er für eine Tür hielt.
Mein Satz aus der Wiki-Zeit war immer: Das Wissen gehört in die Firma. Auf den Server, dokumentiert, nicht in lokalen Excel-Dateien. Heute, mit KI im Spiel, gilt der Satz mehr denn je. Aber das Problem ist heute nicht mehr nur der widerspenstige Mitarbeiter. Das Problem sind die Firmen selbst.
Die zehn Wissensorte des deutschen Mittelstands
Vor zwanzig Jahren lag das Firmenwissen an zwei Orten: auf dem zentralen Server und in den Köpfen der Mitarbeiter. Beides war schwer zu greifen, aber überschaubar.
Heute liegt dasselbe Wissen verteilt auf zehn oder mehr Orten. Eine durchschnittliche Liste in einem mittelständischen Betrieb sieht ungefähr so aus:
Microsoft Teams mit dutzenden gewachsenen Teams und Channels. SharePoint mit Sites, die Praktikanten und Projektleiter angelegt haben und niemand mehr pflegt. OneDrive-Ordner einzelner Mitarbeiter, die niemand außer ihnen kennt. Outlook-Postfächer mit jahrzehntelanger Korrespondenz. WhatsApp-Gruppen mit Kunden, oft auf privaten Telefonen. Ein Ticketsystem für die IT, ein anderes für die Kunden. Eine Notion-Datenbank, die ein Werkstudent 2022 angelegt hat. Dropbox oder Google Drive aus früheren Projekten. Lokale Festplatten von Außendienstlern. Und natürlich: Excel. Immer Excel.
Bei einem typischen KMU sind das leicht zehn Orte, an denen Firmenwissen liegt. Inklusive der heiklen, die rechtlich problematisch sind, weil Geschäftskommunikation auf privaten Geräten landet.
Das wird gerne als Fortschritt verkauft. Tatsächlich ist es das Gegenteil. Wer Wissen über zehn Systeme verteilt, hat es nicht zentralisiert, sondern fragmentiert. Und Fragmentierung ist schlimmer als die alte Festplatte mit dem H:-Laufwerk – weil sie die Illusion von Ordnung erzeugt.
Die chinesische Pointe: Anti-Distillation
Im April 2026 ging in China ein Werkzeug auf GitHub viral, das die Lage zuspitzt.
Ein Entwickler aus Shanghai hatte ein Tool gebaut, das aus den Chats und Dokumenten eines Mitarbeiters einen wiederverwendbaren KI-Agenten macht. „Colleague Skill“ hieß es, gedacht als Witz, aber sofort missverstanden als Anleitung. Wer einen Kollegen „destilliert“, macht ihn überflüssig.
Wenige Tage später kam die Gegenbewegung. Ein anderer Entwickler veröffentlichte ein Werkzeug namens „anti-distill“. Es nimmt die Skill-Datei, die ein Mitarbeiter abgeben soll, und verdünnt sie systematisch. Drei Stufen: leicht, mittel, schwer. Heraus kommt eine Datei, die professionell aussieht, alle relevanten Stichworte enthält und doch keinen einzigen wirklich brauchbaren Hinweis preisgibt.
Mitarbeiter haben sich schon immer gegen Dokumentation gewehrt. Das ist nicht neu. Neu ist nur, dass die Gegenwehr jetzt automatisiert wird. Was früher eine schlampige Wiki-Seite war, ist heute eine sauber gerenderte, KI-gefilterte Skill-Datei mit eingebauten Lücken.
Für deutsche Mittelständler hat diese Geschichte zwei Lesarten.
Die erste ist die offensichtliche: Wenn du deine Mitarbeiter zwingst, ihr Wissen abzugeben, bekommst du im schlechtesten Fall eine hohle Hülle. Diese Lesart ist richtig, aber sie übersieht den eigentlichen Punkt.
Die zweite Lesart ist die unbequeme: In den meisten deutschen KMU brauchen die Mitarbeiter gar keine anti-distill-Software. Das Wissen ist schon hinreichend zerstreut – nicht aus Absicht, sondern weil die Firmen selbst über Jahre jedes neue Tool ohne Ordnungsplan eingeführt haben.
Anti-Distillation by Default, könnte man das nennen.
Warum KI das Problem nicht löst, sondern offenlegt
Seit zwei Jahren versprechen Anbieter, dass KI das Wissensproblem aufräumt. RAG-Systeme, Microsoft Copilot, lokale LLMs – die Ideen sind alle technisch nachvollziehbar. Eine KI durchsucht alle Quellen, beantwortet Fragen, fasst zusammen.
Diese Systeme funktionieren auch. Aber nur, wenn die Quellen sauber sind.
Ein KI-System, das zehn Wissensorte durchsucht, von denen acht veraltet, doppelt oder widersprüchlich sind, liefert keine Antworten. Es liefert plausible Halbwahrheiten. Genau so plausibel formuliert, dass niemand merkt, wenn sie falsch sind. Das ist gefährlicher als gar keine Antwort.
Im Fall der Mitarbeiterin in Rente bedeutet das konkret: Wer die alte Access-Datenbank, die Excel-Sammlung und die E-Mail-Historie ungefiltert in ein KI-System wirft, bekommt ein Werkzeug, das mit gleicher Selbstverständlichkeit aktuelle und obsolete Prozesse mischt. Der Nachfolger fragt das System, das System antwortet, der Nachfolger arbeitet falsch. Die ältere Mitarbeiterin ist dann längst im Ruhestand und kann den Fehler nicht mehr korrigieren.
Deshalb der Satz, den ich seit Jahren wiederhole und der heute relevanter ist als je: Struktur vor KI. Ordnung vor Automatisierung.
Das ist kein Werbeslogan. Das ist ein Sicherheitshinweis.
Was vor der KI kommen muss
Wer ein Wissensproblem hat, wie es das Nachrichtenportal aus dem Beispiel hat, dem hilft kein neues Tool. Was hilft, ist ein nüchterner Ablauf, der lange vor jeder KI-Frage beginnt.
- Erstens: Bestand aufnehmen. Wo liegt das Wissen tatsächlich? Nicht wo soll es liegen, sondern wo liegt es. Diese Inventur ist mühsam, weil sie unbequeme Wahrheiten produziert. Etwa, dass die kritischen Kundendaten nicht im CRM stehen, sondern in der Excel auf dem Laptop der Mitarbeiterin, die in zwei Wochen geht.
- Zweitens: Strukturen schaffen, die zur Firma passen, nicht zur Software. Als IT-Leiter habe ich vor Jahren in einem Unternehmen die Teams-Struktur 1:1 an die AD-Gruppen gekoppelt, und die AD-Gruppen streng am Organigramm gehalten. Klingt bürokratisch, ist es auch. Aber es verhindert, dass auf jeder Projektsitzung ein neues Team entsteht, das nach drei Monaten niemand mehr findet. Wer Tool-Wildwuchs zulässt, sollte sich nicht wundern, wenn das Wissen mit dem Wildwuchs wuchert.
- Drittens: Den Bestand vor dem Personalwechsel absichern. Eine Access-Datenbank, die seit 2009 läuft, ist kein Problem. Sie ist meist sogar überlegen – schnell, robust, klar strukturiert. Das Problem ist nicht ihr Alter, sondern dass niemand außer der ausscheidenden Mitarbeiterin sie versteht. Hier hilft kein Wiki, sondern eine geordnete Übergabe mit dokumentierten Datenstrukturen, klaren Schnittstellen und einem Migrationsplan, falls die Datenbank tatsächlich abgelöst werden soll.
- Viertens, und erst jetzt: Über KI nachdenken. Wenn die Datenbestände sortiert, die Prozesse beschrieben und die Verantwortlichkeiten geklärt sind, kann KI ein nützliches Werkzeug werden. Nicht vorher.
Die unbequeme Wahrheit für ältere Geschäftsführer
Wer als Inhaber-geführter Mittelständler in den letzten zehn Jahren bei jedem neuen Tool nachgegeben hat, weil „alle Konkurrenten das auch nutzen“ oder weil ein junger Mitarbeiter es eingefordert hat, hat heute kein Wissensmanagement. Er hat ein Wissensmanagement-Problem.
Das ist keine Schuldzuweisung. Es ist eine Beschreibung. Niemand hat in einem KMU Zeit, jede Tool-Einführung mit einem Daten- und Wissensplan zu begleiten. Im Tagesgeschäft fehlt diese Stelle einfach.
Aber genau deshalb ist Skepsis gegenüber neuen Tools heute kein Rückschritt, sondern Klugheit. Wer beim nächsten KI-Versprechen kurz innehält und fragt: „Wie passt das zu dem, was wir schon haben?“ – der trifft die richtige Entscheidung.
Die Mitarbeiterin, die in Rente geht, nimmt nicht nur Wissen mit. Sie nimmt auch eine Generation von Prozessen mit, die für ihre Zeit funktioniert haben. Der Nachfolger braucht keine KI, die diese Prozesse nachahmt. Er braucht einen klaren Schnitt, eine geordnete Datenbasis und Werkzeuge, die zu seiner Arbeitsweise passen.
Das ist die eigentliche Aufgabe. KI kann sie nicht lösen. Aber sie macht überdeutlich, dass sie gelöst werden muss.
Über den Autor
Sönke Schäfer ist selbstständiger IT-Berater und Datenarchitekt in Ostholstein. Er berät seit über 25 Jahren norddeutsche KMU bei der Modernisierung von gewachsenen Microsoft-Access-Anwendungen, der Migration nach SQL Server und der Strukturierung von Datenbeständen vor KI-Einführungen. Sein Schwerpunkt: Altbestände rechtssicher weiterbetreiben statt vorschnell migrieren.
Externe Quellen
- MIT Technology Review zur Colleague-Skill-Geschichte: https://www.technologyreview.com/2026/04/20/1136149/chinese-tech-workers-ai-colleagues/
- Entwickler des Colleague Skill (Tianyi Zhou): https://github.com/titanwings
- Anti-Distill-Projekt: https://github.com/leilei926524-tech/anti-distill
